Robust Parameter Estimation for the Lee-Carter Family: A Probabilistic Principal Component Approach
Lee–Carter 模型族的稳健参数估计：概率主成分方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确包含概率主成分、共同时间因子及其时间序列建模，按因子模型和时间序列方法归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Lee–Carter 模型族的稳健参数估计：概率主成分方法
- 研究问题
- Lee–Carter 死亡率模型的年龄载荷与时间因子容易受异常值影响时，如何构造可扩展的稳健参数估计？
- 方法与思路
- 作者将 Lee–Carter 类模型表述为采用多元 t 分布的概率主成分分析，推导 EM 算法，并允许接入时间因子的既有序列模型。
- 材料陈述的贡献
- 摘要称，该方法可稳健估计年龄载荷和时间因子，扩展至多人口模型，并在基于美国死亡率数据的数值研究中展示抗异常值表现。
- 阅读关注点
- 应核对概率主成分表述与原模型的对应、参数约束及 EM 收敛，并检查异常值设置、多人口扩展和时间因子建模方式。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实。摘要未给出稳健性指标和数值，也未报告预测改善，不能由参数稳健性推断预测优势。
原文摘要
The well-known Lee-Carter model uses a bilinear form $\log(m_{x,t})=a_x+b_xk_t$ to represent the log mortality rate and has been widely researched and developed over the past thirty years. However, there has been little attention being paid to the robustness of the parameters against outliers, especially when estimating $b_x$. In response, we propose a robust estimation method for a wide family of Lee-Carter-type models, treating the problem as a Probabilistic Principal Component Analysis (PPCA) with multivariate $t$-distributions. An efficient Expectation-Maximization (EM) algorithm is also derived for implementation. The benefits of the method are threefold: 1) it produces more robust estimates of both $b_x$ and $k_t$, 2) it can be naturally extended to a large family of Lee-Carter type models, including those for modelling multiple populations, and 3) it can be integrated with other existing time series models for $k_t$. Using numerical studies based on United States mortality data from the Human Mortality Database, we show the proposed model performs more robust compared to conventional methods in the presence of outliers.