Forecasting age distribution of life-table death counts via α-transformation
通过 α 变换预测生命表死亡人数的年龄分布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：摘要明确对生命表死亡人数时间序列开展短期点预测和区间预测。
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
通过 α 变换预测生命表死亡人数的年龄分布
- 研究问题
- 面对高龄组可能出现零死亡人数的生命表组成数据，如何建模其时间变化，并改善短期点预测与区间预测？
- 方法与思路
- 作者采用包含等距对数比变换作为特例的组成幂变换，以数据驱动方式选择 α 参数，分析澳大利亚死亡人数序列。
- 材料陈述的贡献
- 摘要称在澳大利亚 1921—2020 年年龄别时期生命表数据上，α 变换的短期点预测和区间预测比对数比变换更准确。
- 阅读关注点
- 应核对零计数的处理机制、α 的选择是否使用未来信息，以及预测模型、回测划分、区间构造和准确度评价指标。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未提供改善幅度与回测细节，单一国家的数据比较不能确认普遍预测优势。
原文摘要
We introduce a compositional power transformation, known as an α-transformation, to model and forecast a time series of life-table death counts, possibly with zero counts observed at older ages. As a generalisation of the isometric log-ratio transformation (i.e., α = 0), the α transformation relies on the tuning parameter α, which can be determined in a data-driven manner. Using the Australian age-specific period life-table death counts from 1921 to 2020, the α transformation can produce more accurate short-term point and interval forecasts than the log-ratio transformation. The improved forecast accuracy of life-table death counts is of great importance to demographers and government planners for estimating survival probabilities and life expectancy and actuaries for determining annuity prices and reserves for various initial ages and maturity terms.