Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/74205
Title: การศึกษาผลของปัจจัยภูมิภาคและเพศต่อการพยากรณ์อัตรามรณะของประชากรไทย
Other Titles: The Study of Region and Gender Effect on Forecasting Thai Mortality
Authors: เธียรธร จุฬานุตรกุล
Advisors: อังศุมาลิน เสนจันทร์ฒิไชย
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: angsumalin.s@eng.chula.ac.th
Subjects: การตาย -- พยากรณ์
การประมาณค่าพารามิเตอร์
Mortality -- Forecasting
Parameter estimation
Issue Date: 2561
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: ตัวแบบพยากรณ์อัตรามรณะที่ได้รับความนิยมมากที่สุดคือตัวแบบของลีและคาร์เตอร์ (Lee-Carter Model, LC) ซึ่งพิจารณาปัจจัย 2 ปัจจัยคือปีและอายุ และประมาณค่าพารามิเตอร์ด้วยวิธี Singular Value Decomposition (LC-SVD) และตัวแบบ Lee - Carter ที่ประมาณค่าพารามิเตอร์ด้วยวิธี Maximum Likelihood Estimation (LC-MLE) งานวิจัยนี้มีจุดประสงค์เพื่อพยากรณ์อัตรามรณะประชากรไทยจำแนกตามปี ช่วงอายุ เพศ และภูมิภาค โดยใช้ตัวแบบ 2 ตัวแบบ ได้แก่ 1. ตัวแบบการถดถอยแบบพหุคูณไม่เป็นเชิงเส้น (Nonlinear Multiple Regression, NLMR) ซึ่งจะแบ่งชุดข้อมูลตามอายุจำนวน 5 ช่วงอายุ ช่วงอายุละ 20 ปี ได้แก่ 1-19, … , 80-99 ปี และ 2. ตัวแบบ 2-Tier Augmented Common Factor (2-TACF) ที่ประมาณค่าพารามิเตอร์ด้วยวิธี MLE บนสมมติฐานที่ว่าจำนวนการตายของประชากรมีการแจกแจงแบบปัวซง จากการเปรียบเทียบความคลาดเคลื่อนของตัวแบบที่นำเสนอกับตัวแบบต้นฉบับ 2 ตัวแบบ ได้แก่ ตัวแบบ LC-SVD และ LC-MLE โดยใช้ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (Mean Square Error, MSE) และค่าเฉลี่ยของร้อยละความผิดพลาดสัมบูรณ์ (Mean Absolute Percentage Error, MAPE) พบว่าตัวแบบโดยภาพรวมที่ให้ค่า MSE ต่ำที่สุด คือ LC-MLE ทั้ง In-Sample Data และ Out-Sample Data ส่วนตัวแบบโดยภาพรวมที่ให้ค่า MAPE ต่ำที่สุด คือตัวแบบ 2-TACF และ LC-SVD สำหรับ In-Sample Data และ Out-Sample Data ตามลำดับ เมื่อพิจารณาความคลาดเคลื่อนของแต่ละตัวแบบจากค่า Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) พบว่าตัวแบบที่มีค่า AIC และ BIC ที่ดีที่สุดสำหรับ In-Sample Data คือ NLMR และสำหรับ Out-Sample Data คือ LC-MLE สำหรับผลการพยากรณ์พบว่าค่าอัตรามรณะโดยเฉลี่ยที่ได้จากตัวแบบ NLMR มีค่าต่ำที่สุด และตัวแบบ LC-SVD ให้ค่าสูงที่สุด โดยมีแนวโน้มลดลงเมื่อเวลาผ่านไปและเพิ่มขึ้นแบบเลขชี้กำลังเมื่ออายุมากขึ้น โดยภาคเหนือจะมีค่ามากที่สุด ภาคใต้มีค่าต่ำสุด และเพศชายจะมีค่าสูงกว่าเพศหญิง
Other Abstract: The model developed by Lee and Carter (LC Model) is the most popular model that incorporate time and age as factors for the mortality forecasting. Singular Value Decomposition (LC-SVD) and Maximum Likelihood Estimation (LC-MLE) are employed to estimate parameters. The objective of this study is to forecast Thai mortality rate by incorporating two additional factors gender and region. There are two proposed models which are 1. Nonlinear multiple regression (NLMR) models for five groups of age, 20 years per group i.e. 1-19, …, 80-99 years old. and 2. 2-Tier Augmented Common Factor (2-TACF) where number of deaths are assumed to follow Poisson distribution and MLE is used to estimate parameters. To evaluate the model performance, Mean Square Error (MSE) and Mean Absolute Percentage Error (MAPE) are determined and compared with two original model, LC-SVD and LC-MLE. The result shows that, LC-MLE provide the lowest MSE for overall performance, both in- and out - sample data while 2-TACF provides the lowest MAPE for in-sample data and LC-SVD yields the lowest MAPE for out-sample data. Furthermore, the optimal of complexity and accuracy are considered and evaluated by Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC). The model based on normality assumption and Poisson distribution that provide the lowest AIC and BIC for in-sample data is NLMR and for out-sample data is LC-MLE. For mortality rate forecasting, the average mortality rate from the NLMR is the lowest rate while the LC-SVD gives the highest with decrease trend by over time and exponentially increase by age. Average mortality rate of North region is the highest while South region is the lowest. Average mortality rate of male is higher than female.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมอุตสาหการ
URI: http://cuir.car.chula.ac.th/handle/123456789/74205
URI: http://doi.org/10.58837/CHULA.THE.2018.1300
metadata.dc.identifier.DOI: 10.58837/CHULA.THE.2018.1300
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
En_5970203821_Tiantorn Ch.pdf2.65 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.