R语言Lee-Carter模型对年死亡率建模预测预期寿命

相关视频

然后是1960-2000年：

这些图形令人兴奋，特别是在过去30年中观察到的增长方面，这使我想到了寿命的增长趋势。我们可以找到其他有趣的数据（在这种情况下为平均出生年龄 ）。

> age$Age=as.character(age$AGE)

> age$AGE=as.numeric(substr(age$Age,1,2))+

+ as.numeric(substr(age$Age,4,4))/10

> plot(age$ANNEE+.5,age$AGE,

+ type="l",lwd=2,col="blue")

我们在上面的图中发现深蓝色的曲线，

获取祖母的平均年龄，我们进一步分析

> tail(age)

AGE Age NAIS.MERE NAIS.GRD.MERE age.GRD.MERE

2000 2000 30.3 30,3 1970.2 1942.87 57.63

2001 2001 30.4 30,4 1971.1 1943.80 57.70

2002 2002 30.4 30,4 1972.1 1944.92 57.58

2003 2003 30.5 30,5 1973.0 1945.95 57.55

2004 2004 30.5 30,5 1974.0 1947.05 57.45

2005 2005 30.6 30,6 1974.9 1948.04 57.46

> plot(age$ANNEE+.5,age$age.GRD.MERE,

+ type="l",lwd=2,col="red")

再一次，我们可以形象地看到外婆的出生年龄

我们可以通过使用Lee-Carter模型对年死亡率进行建模，并推断到当前世纪，我们可以推断出期望剩余寿命。

> Deces

> Expo

> Deces$Age

> Expo$Age

> Expo$Age[is.n

Deces$Female/Expo$Female,nL,nC)

> POPF

> BASEF

+ years=YEAR, t

> K1

nction(xentier,T){

+ return(ext) }

> EVIE = function(x,T){

+ x1

> tail(age)

AGE Age NAIS.MERE NAIS.GRD.MERE age.GRD.MERE EV

2000 30.3 30,3 1970.2 1942.87 57.63 29.13876

2001 30.4 30,4 1971.1 1943.80 57.70 29.17047

2002 30.4 30,4 1972.1 1944.92 57.58 29.39027

2003 30.5 30,5 1973.0 1945.95 57.55 29.52041

2004 30.5 30,5 1974.0 1947.05 57.45 29.72511

2005 30.6 30,6 1974.9 1948.04 57.46 29.80398

换句话说，在最后一行，2005年，一名57.46岁女性的（剩余）期望寿命约为29.80岁。然后，我们不仅可以看到他祖母的平均年龄，还可以看到她的剩余期望寿命，

然后我们就可以确定曾祖母的（平均）年龄，

以及曾祖母的（剩余）寿命

现在我们也可以对这项快速研究的局限性感到疑惑。特别是，正如有配偶的寿命之间存在很强的相关性，我们可能会问，孩子和孙子的出生是否具有对一个人的剩余生命的影响（或者我们是否可以像这样假设独立性）。