A multilevel functional data method for forecasting population, with an application to the United Kingdom

مدل های اجزای همجوشی اغلب برای مدل سازی تکامل جمعیت خاص سن مورد استفاده قرار می گیرند و مخصوصا برای برجسته سازی مولفه های جمعیت شناختی که بیشترین تغییر را در جمعیت دارد، مفید است. اخیرا بیشتر توجه به ارزیابی چهار عامل جمعیت شناختی خاص، یعنی مرگ و میر، باروری، مهاجرت و مهاجرت اختصاص داده شده است. بسیاری از روش ها یک دیدگاه قطعی دارند، که در عمل می تواند کاملا محدود کننده باشد. روش آماری که ما پیشنهاد می دهیم، یک روش داده های عملکرد چند سطحی است که در آن هر دو مرگ و میر و مهاجرت مدل و پیش بینی شده به طور مشترک برای زنان و مردان است. عدم قطعیت پیش بینی مربوط به هر مولفه از طریق بوت استرپ پارامتری گنجانده شده است. با استفاده از داده های تاریخی برای انگلستان از سال 1975 تا سال 2009، ما دریافتیم که روش پیشنهادی، دقت پیش بینی خوب در نمونه برای داده های نگهداری بین سال های 2001 تا 2009 را نشان می دهد. علاوه بر این، ما پیش بینی های جمعیتی را از سال 2010 تا 2030، و پیش بینی های خود را با آنچه که توسط دفتر آمار ملی تهیه می شود مقایسه کنید.