世代生育率模型的實證研究 An Empirical Study of Cohort Fertility
Download
Report
Transcript 世代生育率模型的實證研究 An Empirical Study of Cohort Fertility
世代生育率模型的實證研究
An Empirical Study of Cohort Fertility Models
國立政治大學統計系
指導教授:余清祥
學
生:李心維
報告大綱
研究動機
研究目的
模型介紹
實證資料分析
結論與建議
研究動機
台灣地區婦女生育率下降快速,民國98年已經
降為1.3,提升生育率已經成為一個重要課題。
生育率大多以總生育率(Total fertility Rate)表示,
而非較為合理的世代生育率(Completed Cohort
Fertility Rate),過去研究顯示兩者間有不少差異,
以生育率下降的臺灣為例,總生育率會因生育
時機遞延而低估世代生育率。
台灣與日本歷年生育率
日本
2.2
7
台灣
TFR (1960~2009年 )
CFR(1960~1975年 )
1.8
1.4
1.6
生育率
4
3
2
1
生育率
5
2.0
6
TFR(1949~2009年 )
CFR(1949~1975年 )
1950
1970
1990
年度
2010
1960
1970
1980
1990
年度
2000
2010
TFR與CFR比較圖
資料來源:余清祥與藍銘偉(2003)
研究目的
探討適合台灣生育率的模型
→並考慮日本資料,與台灣比較。
何種生育率資料配適模型後會得到較好的效果
→TFR或是CFR
模型介紹
1.
2.
3.
4.
Gamma模型
Gompertz模型
主成份分析
單一年齡組個別估計法
1. Gamma模型
Gamma函數如下:
f (x)
( )
x
1
e
x
Kx
1
e
x
將其取自然對數轉換成線性方程式:
ln f ( x t ) ln K t ( t 1) ln x t t x t t
其中, f ( x ) 為育齡婦女生育率, x 為年齡。
2. Gompertz模型
Gompertz函數如下:
F (x) KA
B
x
經對數轉換:
ln{ ln
F ( x)
} ln( ln A ) ( ln B ) x a bx
F
其中,F(x)為累積生育率, x 為年齡。
3. 主成份分析
首先將五齡組生育率資料取自然對數後,經過
主成份分析可分解為主成份負荷(loading)與
主成分得點(score)兩部份,再用迴歸分析與
時間序列方法預測未來的主成分得點,還原後
得到未來的個別年齡組生育率。
4. 單一年齡組個別估計法
將各年齡組生育率資料取對數後分別對時間t配
適迴歸模型,
ln( 5 f x , t ) 0 , x 1, x t x , t
殘差 x , t 配適時間序列模型。
實證資料分析
資料來源:台灣 中華民國臺閩地區人口統計
日本 http://www.mhlw.go.jp/
配適方法:資料分為估計(Training)及預測(Testing)兩時
期,預測年度皆為所有資料的最後五年。
備註:台灣與日本育齡婦女生育率資料配適Gamma模型與
Gompertz模型時,使用區塊拔靴法(Bootstrap)預測參數。
國家
台灣
日本
資料類型
育齡婦女生育率
世代生育率
育齡婦女生育率
世代生育率
資料年度(年)
1960~2009
1949~1975
1960~2009
1960~1975
預測年度(年)
2005~2009
1971~1975
2005~2009
1971~1975
0.85
台灣
日本
1950
1970
1990
年
2010
0.95
1
0.85
0.9
0.95
1
15~39歲之CFR / 15~49歲之CFR
0.9
15~39歲之TFR / 15~49歲之TFR
台灣與日本生育率比值
台灣
日本
1950
1955 1960
年
1965 1970 1975
台灣與日本歷年生育率
台灣各年五齡組年代生育率
台灣生育率
1.0
0.5
0.0
五齡組生育率
1.5
1960
1970
1980
1990
2000
2004
2007
2009
20
25
30
35
年齡
40
45
模型比較的標準
MAPE (Mean Absolute Percentage Error)
M APE
1
n
n
Yi Yˆi
i 1
100%
Yi
其中, Yi 為觀察值,Yˆi 為 Yi 的預測值。
MAPE
<10%
預測能力 高精確度
10%~20% 20%~50%
良好
合理
>50%
不正確
各模型預測總生育率與世代生育率之MAPE
模型
資料類型
台灣
日本
年代
生育率
世代
生育率
年代
生育率
世代
生育率
註:單位為%
主成份
Gamma Gompertz
分析
年齡組個
別估計
11.22
8.43
18.02
1.01
3.26
3.24
2.13
0.45
12.34
5.45
2.72
2.64
10.06
2.56
5.23
2.15
年代生育率的預測值比較
世代生育率的預測值比較
年代生育率各年齡組MAPE誤差比較
註:由於Gompertz模型各年齡組誤差皆大於40%,因此不
列入此圖。
世代生育率各年齡組MAPE誤差比較
結論
台灣資料:
預測總生育率(TFR)
最佳模型→單一年齡組個別估計法
預測世代生育率(CFR)
最佳模型為→單一年齡組個別估計法
※日本資料也有相同情形。
結論(續)
整體而言,世代生育率配適模型有較小的
MAPE,可能原因是世代生育率資料的每一個
世代都需要35年才能收集完畢,因此世代生育
率變化並不如年代生育率來的大。
不論是世代生育率或年代生育率,單一年齡組
個別估計法皆是四種模型中最佳的配適方法。
參數模型(例如:Gamma模型與Gompertz模型)
容易產生較大的震盪。
建議
以Gompertz模型為例,可加入終生不生育的機
率,高年齡組(35~39歲)確實有較佳的修正結果。
(Goldstein, 2010)
Leridon(2004)、Leridon(2005)也提出用線性遞減
的函數來估計高齡婦女(35~49歲)的不生育機率。
各年齡婦女有偶生育率
附錄
日本年代生育率的預測值比較
日本世代生育率的預測值比較
日本各年五齡組年代生育率
日本生育率
0.6
0.4
0.2
0.0
五齡組生育率
0.8
1.0
1960
1970
1980
1990
2000
2004
2007
2009
20
25
30
35
年齡
40
45