Forecast reconciliation meets compositional data analysis: A study of Italian cause-specific age-at-death
预测协调与成分数据分析：意大利分死因死亡年龄研究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：摘要明确研究层级与分组时间序列预测及预测协调，直接对应时间序列和预测方法方向，应用对象为死亡数据。
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…
预测协调与成分数据分析：意大利分死因死亡年龄研究
- 研究问题
- 如何将死亡数据的成分约束与按死因、性别划分的层级结构结合，使各聚合层级的预测保持一致并提高预测准确性？
- 方法与思路
- 作者把成分数据分析纳入层级与分组时间序列预测，利用死因和性别分解开展预测协调，并应用于意大利死亡数据。
- 材料陈述的贡献
- 摘要称，相较传统成分数据分析，该方法改善死亡预测的可靠性，尤其是总死亡预测，并改善分死因和性别预测准确性。
- 阅读关注点
- 应核对成分变换、预测协调的实现与一致性约束，以及预测期限、评价指标和传统方法比较所用的样本划分。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出算法细节、误差数值或显著性依据，跨国适用性仍待判断。
原文摘要
We introduce a novel approach that integrates compositional data analysis (CoDA) in the forecasting of hierarchical and grouped time series and apply it to improve mortality forecasts. By leveraging the inherent decomposition of mortality data by cause of death and sex, our framework addresses key challenges in mortality forecasting, ensuring internal coherence across different levels of aggregation while maintaining high predictive accuracy. Our empirical results on Italian cause-specific mortality data demonstrate that the proposed approach significantly improves the reliability of forecasts compared to the traditional CoDA, especially for total mortality forecasts. Consistent improvements in forecasting accuracy are also found for total deaths by cause and by sex.