[論文レビュー] A Singular Value Decomposition-based Factorization and Parsimonious Component Model of Demographic Quantities Correlated by Age: Predicting Complete Demographic Age Schedules with Few Parameters

Samuel J. Clark|arXiv (Cornell University)|Apr 8, 2015

Insurance, Mortality, Demography, Risk Management参考文献 20被引用数 8

ひとこと要約

本稿では、HIV指標や出生率などの共変量を用いて、死亡率や出生率などの完全な年齢スケジュールを少数のパラメータで的確に表現・予測できる、特異値分解（SVD）に基づくコンponentモデルを提案する。年齢相関のある人口統計データを直交成分に分解することで、2〜3つの成分でさえも、観察されたデータに高い忠実度で完全な年齢スケジュールを再構築・予測可能となる。

ABSTRACT

BACKGROUND. Formal demography has a long history of building simple models of age schedules of demographic quantities, e.g. mortality and fertility rates. These are widely used in demographic methods to manipulate whole age schedules using few parameters. OBJECTIVE. The Singular Value Decomposition (SVD) factorizes a matrix into three matrices with useful properties including the ability to reconstruct the original matrix using many fewer, simple matrices. This work demonstrates how these properties can be exploited to build parsimonious models of whole age schedules of demographic quantities that can be further parameterized in terms of arbitrary covariates. METHODS. The SVD is presented and explained in detail with attention to developing an intuitive understanding. The SVD is used to construct a general, component model of demographic age schedules, and that model is demonstrated with age-specific mortality and fertility rates. Finally, the model is used (1) to predict age-specific mortality using HIV indicators and summary measures of age-specific mortality, and (2) to predict age-specific fertility using the total fertility rate (TFR). RESULTS. The component model of age-specific mortality and fertility rates succeeds in reproducing the data with two inputs, and acting through those two inputs, various covariates are able to accurately predict full age schedules. CONCLUSIONS. The SVD is potentially useful as a way to summarize, smooth and model age-specific demographic quantities. The component model is a general method of relating covariates to whole age schedules. COMMENTS. The focus of this work is the SVD and the component model. The applications are for illustrative purposes only.

研究の動機と目的

• 年齢によって相関する人口統計量（死亡率・出生率など）を一般化され、パラメータを最小限に抑えたモデルを構築すること。
• SVDの数学的性質を活用して、最小限のパラメータで年齢スケジュールを要約・平滑化すること。
• SVDの成分を予測子の関数としてモデル化することで、共変量を用いて完全な年齢スケジュールの予測を可能にすること。
• クラスタリング、平滑化、人口年齢パターンの予測を統合的に扱うフレームワークを提供すること。
• 南アフリカのAgincourt HDSSからの実データを用いた応用を通じて、手法の実用性を示すこと。

提案手法

• SVDは、年齢別人口統計レートの行列を3つの行列に分解する：左特異ベクトルU、特異値Σ、右特異ベクトルの転置V^Tであり、変動の主成分パターンを捉える。
• Eckart-Young-Mirskyの定理を適用し、SVDから導かれるランク1行列の切断された和を用いて、元の行列の低ランク近似を実現する。
• 各列（年齢スケジュール）は、左特異ベクトルの重み付き和として再構築され、次元削減とノイズ低減が可能となる。
• モデルはSVD成分を固定の基底関数とみなす。重みは切片なしのOLS回帰により推定され、新しい年齢スケジュールの予測が可能となる。
• 共変量（例：HIV有病率、TFR）を用いて、右特異ベクトルを関数としてモデル化し、重みの予測と、結果としての完全な年齢スケジュールの予測を可能にする。
• 本手法は、少数の成分でさえも、大規模な年齢スケジュールの集合の平滑化、クラスタリング、および効率的な表現を可能にする。

実験結果

リサーチクエスチョン

• RQ1 SVDを用いて、年齢別人口統計レートの一般化された低次元モデルを構築可能か？ また、実証的規則性を捉えられるか？
• RQ2 SVDの成分を2〜3つに制限した場合、死亡率・出生率の完全な年齢スケジュールをどの程度正確に再構築できるか？
• RQ3 HIV指標や出生率（TFR）などの共変量が、SVD成分の重みを予測し、完全な年齢スケジュールを再構築できるか？
• RQ4 最初の数個のSVD成分が、人口年齢パターンの支配的形状と体系的偏差をどの程度捉えられるか？
• RQ5 SVDに基づくコンponentモデルを用いて、成分の重みに基づいて人口プロファイルのクラスタリングや分類が可能か？

主な発見

• SVDに基づくコンponentモデルは、2〜3つの成分のみで、年齢別死亡率・出生率を非常に高い忠実度で再構築できることを示した。
• HIV指標や要約死亡率指標を共変量として用いることで、SVDベースのモデルは完全な年齢別死亡率スケジュールを正確に予測でき、付録Eで視覚的妥当性が確認された。
• 合計出生率（TFR）のみを予測子として用いても、年齢別出生率を高い精度で予測でき、本手法の予測力の高さを示している。
• 最初の左特異ベクトル（u₁）は、常に複数の人口に共通する支配的で共通の年齢パターンを表しており、以降のベクトルは体系的偏差を捉えている。
• SVDを最初の数成分に切り詰めることで、ノイズの除去が効果的に行われ、年齢スケジュールの平滑化に原理的かつ妥当な手法が得られる。
• コンponentモデルにより、推定された重みに対するクラスタリングアルゴリズムを適用することで、人口プロファイルの背後にある構造的グループが明らかになった。