淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0309201316154300
中文論文名稱 以Lee-Carter模型為基礎分析總體經濟對死亡率之影響
英文論文名稱 The Factors on Death Trend-Base on Lee-Carter Model Framework
校院名稱 淡江大學
系所名稱(中) 保險學系保險經營碩士班
系所名稱(英) Department of Insurance
學年度 101
學期 2
出版年 102
研究生中文姓名 陳綉中
研究生英文姓名 Shiou-Chung Chen
學號 600560063
學位類別 碩士
語文別 中文
口試日期 2013-06-24
論文頁數 85頁
口試委員 指導教授-繆震宇
共同指導教授-田峻吉
委員-曾郁仁
委員-黃瑞卿
委員-田峻吉
中文關鍵字 死亡率  Lee-Carter Model  長壽風險 
英文關鍵字 Mortality  Lee-Carter Model  Longevity Risk 
學科別分類
中文摘要 長壽是一體兩面的事,一方面享受到壽命延長帶來的好處,但又同時面臨到風險,因為在老年時將會受到經濟及醫療的威脅。面臨長壽風險的現在,死亡率的預測變的重要,到底未來死亡率將如何變化,人類的壽命又會延長到怎樣的地步,我們希望藉由死亡率模型來解決,若是模型可以預測未來死亡率的趨勢,那就可以提前做好準備。
由以往的文獻指出,死亡率會受到總體經濟因素波動,由研究中發現死亡率與GDP的成長和失業率息息相關,而Lee-Carter 模型可以預測死亡率,如果將之結合是否能提升模型預測能力,本研究的做法是找出影響各國之間的顯著經濟變數,之後再與加入含有死亡率指數kt的回歸,如果在有死亡率指數的回歸中仍有顯著的經濟因素,那表示在使用Lee-Carter模型或經濟模型時也必須考慮到當時的經濟環境。
本研究採用20個OECD國家並以1960年到2009年及1970年到2009年為研究期間,因為時間序列資料特性,所以在資料定態後進行回歸,結果發現在死亡率指數下經濟變數與死亡率仍有顯著關係,發現研究中考慮的經濟變數如GDP成長率、失業率、勞動參與率、勞動工時皆對死亡率有顯著影響,本研究結果分為四類,其中研究對象中有一半的國家在加入死亡率指數kt後仍有顯著效果,表示Lee-Carter模型仍有需改進的空間,因為利用統計或精算的工具仍無法抓住總體經濟因素帶來的變動,本研究亦發現國家的高社會福利會使其死亡率不受經濟波動影響。結果建議在使用死亡率模型或做死亡率推估時仍需考慮總體經濟因素帶來的影響,這會幫助死亡率預測更加精準,也藉此希望能解決長壽風險帶來的問題。
英文摘要 There are two sides of same coin. On one hand, the extension of life is a good thing because we can enjoy our life longer. On the other hand, we also face longevity risk that we do not prepare enough money to afford living cost for extension life. Thus, to forecast mortality rate is a important thing because it can help us understand the longevity risk more accurately.

From literature we can know that correlation between the mortality and macroeconomic fluctuations, and we can use Lee-Carter model forecasting future mortality. The purpose of this study is integrating these two factors to improve the mortality forecasting.

In a first step, we investigate the relationship between mortality and change in marcoecomomic fluctuations. In second step, we investigate the the analysis including Lee-Carter mortality index kt and marcoecomomic fluctuations.

Using data for twenty OECD countries over the period 1960-2009 and 1970-2009, this study finds that Lee-Carter model mortality index kt correlates significantly with marcoeconomic fluctuation, such as GDP、unemployment rate、participation rate、working hour. Furthermore, we also find that over half countries marcoeconomic are significant, even though the regression contain mortality index. We also find the mortality rate in some high social welfare countries have no significant correlation with macroeconomic fluctuations. The empirical result of this study suggests if we use model to forecast mortality rate, the macroeconomic factors should be involved in Lee-Carter model.
論文目次 目錄
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機與目的 3
第二章 文獻回顧 5
第一節 影響死亡率的經濟變數 5
第二節 Lee-Carter模型 8
第三章 研究方法 11
第一節 建立模型 11
第二節 變數定義與資料來源 13
第三節 實證方法 16
第四章 實證結果 25
第一節 敘述性統計 25
第二節 全部國家之實證結果 29
第三節 個別國家之實證結果 31
第五章 結論 61
參考文獻 63
附錄 66

圖目錄
圖1-1 25到64歲女性死亡率趨勢圖 1
圖3-1 日本死亡率歷年走勢 18
圖3-2 西班牙及日本GDP成長率歷年走勢 19
圖3-3 加拿大、日本、義大利平均工時歷年走勢 19
圖4-1 主要國家女性死亡率指數 26
圖4-2 主要國家男性死亡率指數 27

表目錄
表3-1 未差分前單根檢定結果 17
表3-2 未差分前單根檢定結果 18
表3-3一次差分後單根檢定結果 20
表3-4一次差分後單根檢定結果 21
表4-1 所有國家之敘述性統計 26
表4-2 所有國家之一次差分後之敘述性統計 27
表4-3 所有國家之相關係數 28
表4-4 所有國家之迴歸結果 30
表4-5 實證結果分類 31
表4-6 美國之迴歸結果 33
表4-7 美國之迴歸結果 34
表4-8 加拿大之迴歸結果 35
表4-9 加拿大之迴歸結果 36
表4-10 愛爾蘭之迴歸結果 37
表4-11 比利時之迴歸結果 38
表4-12 西班牙之迴歸結果 39
表4-13 西班牙之迴歸結果 40
表4-14 法國之迴歸結果 41
表4-15 澳洲之迴歸結果 42
表4-16 義大利之迴歸結果 43
表4-17 瑞典之迴歸結果 44
表4-18 瑞典之迴歸結果 45
表4-19 西德之迴歸結果 46
表4-20 西德之迴歸結果 47
表4-21 荷蘭之迴歸結果 48
表4-22 瑞士之迴歸結果 49
表4-23 丹麥之迴歸結果 51
表4-24 芬蘭之迴歸結果 52
表4-25 日本之迴歸結果 53
表4-26 日本之迴歸結果 54
表4-27 冰島之迴歸結果 55
表4-28 挪威之迴歸結果 56
表4-29 盧森堡之迴歸結果 57
表4-30 英國之迴歸結果 58
表4-31 英國之迴歸結果 59
表4-32 紐西蘭之迴歸結果 60
附表1-1 美國之一次差分後之敘述性統計 66
附表1-2 加拿大之一次差分後之敘述性統計 66
附表1-3 日本之一次差分後之敘述性統計 67
附表1-4 澳洲之一次差分後之敘述性統計 67
附表1-5 紐西蘭之一次差分後之敘述性統計 68
附表1-6 盧森堡之一次差分後之敘述性統計 68
附表1-7 瑞士之一次差分後之敘述性統計 69
附表1-8 愛爾蘭之一次差分後之敘述性統計 69
附表1-9 西班牙之一次差分後之敘述性統計 70
附表1-10 義大利之一次差分後之敘述性統計 70
附表1-11 芬蘭之一次差分後之敘述性統計 71
附表1-12 瑞典之一次差分後之敘述性統計 71
附表1-13 挪威之一次差分後之敘述性統計 72
附表1-15 冰島之一次差分後之敘述性統計 73
附表1-16 英國之一次差分後之敘述性統計 73
附表1-17 法國之一次差分後之敘述性統計 74
附表1-18 西德之一次差分後之敘述性統計 74
附表1-19 比利時之一次差分後之敘述性統計 75
附表1-20 荷蘭之一次差分後之敘述性統計 75
附表2-1 日本之相關係數 76
附表2-2 比利時之相關係數 76
附表2-3 加拿大之相關係數 77
附表2-4 冰島之相關係數 77
附表2-5 西班牙之相關係數 78
附表2-6 西德之相關係數 78
附表2-7 法國之相關係數 79
附表2-8 芬蘭之相關係數 79
附表2-9 美國之相關係數 80
附表2-10 英國之相關係數 80
附表2-11 挪威之相關係數 81
附表2-12 紐西蘭之相關係數 81
附表2-13 荷蘭之相關係數 82
附表2-14 愛爾蘭之相關係數 82
附表2-15 瑞士之相關係數 83
附表2-16 瑞典之相關係數 83
附表2-17 義大利之相關係數 84
附表2-18 澳洲之相關係數 84
附表2-19 盧森堡之相關係數 85
附表2-20丹麥之相關係數 85
參考文獻 Baltagi, Badi H., 2001, Econometric Analysis of Panel Data, Chichester New York: John Wiley & Sons Ltd, 2nd Edition.
Booth, H., Maindonald, J., Smith, L., 2002, Applying Lee–Carter under conditions of variable mortality decline, Population Studies, 56, pp.325–336.
Brenner, M. H. ,1971, Economic changes and heart disease mortality,American Journal of PublicHealth, 61(3), pp.606–611.
Brenner, M.H., 1975, Trends in alcohol consumption and associated illnesses: some effects of economic changes. Am. J. Public Health, 65 (12), pp.1279–1292.
Brenner, HM., 1979, Mortality and the national economy. A review, and the experience of England and Wales, 1936–76, Lancet 15(2), pp.568–573.
Brouhns, Natacha , Denuit, Michel , Vermunt, Jeroen K., 2002, A Poisson log-bilinear regression approach to the construction of projected lifetables, Insurance: Mathematics and Economics, 31, pp. 373–393.
Carter, L.R., Prskawetz, A., 2001, Examining Structural Shifts in Mortality Using the Lee–Carter Method, Working Paper WP2001-007, Max Planck Institute for Demographic Research, Rostock, Germany.
Chan, W.S., Li, S.H., Cheung, S.H. , 2008, Testing deterministic versus stochastic trends in the Lee-Carter mortality indexes and its implications for projecting mortality improvements at advanced ages, Paper presented at the Living to 100 and Beyond Symposium, Orlando, FL, January 7-9.
Debo’n , A., Montes, F., Pulg, F., 2008. Modelling and Forecasting Mortality in Spain. European Journal of Operational Research, 189, pp. 624–637.
Denuit, Michel M., 2009, An index for longevity risk transfer, Journal of Computational and Applied Mathematics, 230, pp.411-417.
Gerdtham, U.-G., Ruhm, C. , 2006, Deaths rise in good economic times: Evidence from the OECD.Economics & Human Biology, 4(4), pp.298–316.
Gompertz, B., 1825, On the nature of the function expressive of the law of human mortality and on new mode of determining the value of life contingencies, Philosophical Transactions of the Royal Society, 115, pp.513–585.
Granados JAT, 2005, Increasing mortality during the expansions of the US economy, 1900–1996, Int J Epidemiol 34(6):1194–1202.
Granados , Tapia, J. A., 2008, Macroeconomic Fluctuations and Mortality in Postwar Japan. Demography, 45,pp.323–343.
Granados, Tapia, J. A., Ionides, E. L., 2008, The reversal of the relation between economic growth and health progress: Sweden in the 19th and 20th centuries, Journal of Health Economics, 27, pp.544–563.
Granados, Tapia, J. A., Ionides, E. L., 2011, Mortality and Macroeconomic Fluctuations
in Contemporary Sweden, Eur J Population, 27, pp.157–184.
Hanewald, Katja, 2012, Explaining mortality dynamics: The role of macroeconomic fluctuations and cause of death trends, North American Actuarial Journal, 15, pp. 290-314,
Helligman, L., Pollard, J., 1980, The age pattern of mortality, Journal of the Institute of Actuaries, 107, pp.49–75.
Hausman, J. A. , 1978, Specification Tests in Econometrics, Econometrica, 46 (6), pp.1251–1271.
Junankar, P. N. , 1991, Unemployment and mortality in England and Wales: A preliminary analysis, Oxford Economic Papers, 43, pp.305–320.
Koissi, M.-C., Shapiro, A.F., H‥ogn‥as, G., 2006, Evaluating and extending the Lee–Carter model for mortality forecasting: Bootstrap confidence interval, Insurance: Mathematics and Economics, 38, pp.1–20.
Lee, R. ,1981, Short-term variation—Vital rates, prices, and weather. In E. A. Wrigley & R. S. Schofield(Eds.), The population history of England 1541–1971—A reconstruction (pp. 356–401). London:Edward Arnold.
Lee, R.D., Carter, L.R., 1992, Modeling and forecasting US mortality, Journal of the American Statistical Association, 419 (87), pp,659–675.
Lundstrom, Hans, Qvist, Jan, 2004, Mortality Forecasting and Trend Shifts: an Application of the Lee–Carter Model to Swedish Mortality Data, International Statistical Review, 72(1), pp. 37–50.
Neumayer, E. ,2004. Recessions Lower (Some) Mortality Rates:Evidence from Germany. Social Science and Medicine, 58,pp.1037–1047.
Phillips, P. C. B., and P. Perron, 1988, Testing for a Unit Root in Time Series Regression. Biometrika, 75, pp.335–346.
Renshaw, A.E., Haberman, S., 2006, A cohort-based extension to the Lee-Carter model for mortality reduction factors, Insurance: Mathematics and Economics, 38, pp.556–570.
Ruhm, C. J., 2000, Are Recessions Good for Your Health? Quarterly,Journal of Economics, 115, pp. 617–650.
Svensson , Mikael, Kruger ,Niclas A., 2012, Mortality and economic fluctuations
Evidence from wavelet analysis for Sweden 1800–2000, Journal of Population Economics , 25, pp.1215–1235.
Thomas, DS , 1941, Social and economic aspects of Swedish population movements, pp.1750–1933.The Macmillan Company, New York.
Tuljapurkar, Shripad, Li, Nan, Boe, Carl, 2000, A universal pattern of mortality decline in the G7 countries, Nature ,405, pp.789-792.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2013-09-09公開。
  • 同意授權瀏覽/列印電子全文服務,於2013-09-09起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信