全文链接：http://tecdat.cn/?p=26147
最近我们被客户要求撰写关于预测人口死亡率的研究报告，包括一些图形和统计输出。
今天早上，我和同事一起分析死亡率。我们在研究人口数据集，可以观察到很多波动性
我们得到这样的结果：
由于我们缺少一些数据，因此我们想使用一些广义非线性模型。因此，让我们看看如何获得死亡率曲面图的平滑估计。我们编写一些代码。
D=DEATH$Male
E=EXPO$Male
A=as.numeric(as.character(DEATH$Age))
Y=DEATH$Year
I=(A第一个想法可以是使用Poisson模型，其中死亡率是年龄和年份的平稳函数，类似于
可以使用
persp(vZ,theta=-30,col="green",shade=TRUE,xlab="Ages (0-100)",
ylab="Years (1900-2005)",zlab="Mortality rate (log)")死亡率曲面图
点击标题查阅往期内容
R语言Lee-Carter模型对年死亡率建模预测预期寿命
左右滑动查看更多
01
02
03
04
还可以提取年份的平均值，这是
Lee-Carter模型中系数的解释
predAx=function(a) mean(predict(regbsp,newdata=data.frame(A=a,
Y=seq(min(subbase$Y),max(subbase$Y)),E=1)))
plot(seq(0,99),Vectorize(predAx)(seq(0,99)),col="red",lwd=3,type="l")我们有以下平滑的死亡率
回顾下李·卡特模型是
可以使用以下方法获得参数估计值
persp(vZ,theta=-30,col="green",shade=TRUE,xlab="Ages (0-100)",
ylab="Years (1900-2005)",zlab="Mortality rate (log)")粗略的死亡率曲面图是
有以下 
系数。
plot(seq(1,99),coefficients(regnp)[2:100],col="red",lwd=3,type="l")
这里我们有很多系数，但是，在较小的数据集上，我们具有更多的可变性。我们可以平滑李·卡特模型：
代码片段
persp(vZ,theta=-30,col="green",shade=TRUE,xlab="Ages (0-100)",
ylab="Years (1900-2005)",zlab="Mortality rate (log)")现在的死亡人数是
得出多年来随年龄变化的平均死亡率，
BpA=bs(seq(0,99),knots=knotsA,Boundary.knots=range(subbase$A),degre=3)
Ax=BpA%*%coefficients(regsp)[2:8]
plot(seq(0,99),Ax,col="red",lwd=3,type="l")
然后，我们可以使用样条函数的平滑参数，并查看对死亡率曲面的影响
persp(vZ,theta=-30,col="green",shade=TRUE,xlab="Ages (0-100)",
ylab="Years (1900-2005)",zlab="Mortality rate (log)")
点击文末 “阅读原文”
获取全文完整代码数据资料。
本文选自《R语言预测人口死亡率：用李·卡特（Lee-Carter）模型、非线性模型进行平滑估计》。
点击标题查阅往期内容
R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例
R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用
R语言分布滞后线性和非线性模型（DLM和DLNM）建模
分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响
R语言中的分布滞后非线性模型DLNM与发病率和空气污染示例
【视频】R语言中的分布滞后非线性模型（DLNM）与发病率，死亡率和空气污染示例
R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响
R语言分布滞后线性和非线性模型（DLMs和DLNMs）分析时间序列数据
R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例R语言Lee-Carter模型对年死亡率建模预测预期寿命
R语言预测人口死亡率：用李·卡特（Lee-Carter）模型、非线性模型进行平滑估计
Tableau 数据可视化：探索性图形分析新生儿死亡率数据
R语言模拟人类生活预期寿命动态可视化动画图gif
r语言绘制动态统计图：绘制世界各国的人均GDP，出生时的预期寿命和人口气泡图动画动态gif图
R语言非参数模型厘定保险费率：局部回归、广义相加模型GAM、样条回归
R语言小数定律的保险业应用：泊松分布模拟索赔次数
R语言对巨灾风险下的再保险合同定价研究案例：广义线性模型和帕累托分布Pareto distributions分析
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
