[论文解读] Automatic parametrization of age/ sex Leslie matrices for human populations

W. Webb Sprague|arXiv (Cornell University)|Mar 11, 2012

Insurance, Mortality, Demography, Risk Management参考文献 8被引用 5

一句话总结

本文提出了一种仅基于人口数量的自动方法，用于生成年龄和性别特定的Leslie矩阵，采用Wood的二次优化技术并结合人口学理论指导的约束条件。该方法在无需单独计算人口学率的情况下，实现了准确且可解释的队列-成分预测，成功应用于3,120个美国县，预测性能表现强劲。

ABSTRACT

In this paper, we present a technique for parameterizing Leslie transition matrices from simple age and sex population counts, using an implementation of "Wood's Method" [wood]; these matrices can forecast population by age and sex (the "cohort component" method) using simple matrix multiplication and a starting population. Our approach improves on previous methods for creating Leslie matrices in two respects: it eliminates the need to calculate input demographic rates from "raw" data, and our new format for the Leslie matrix more elegantly reveals the population's demographic components of change (fertility, mortality, and migration). The paper is organized around three main themes. First, we describe the underlying algorithm, "Wood's Method," which uses quadratic optimization to fit a transition matrix to age and sex population counts. Second, we use demographic theory to create constraint sets that make the algorithm useable for human populations. Finally, we use the method to forecast 3,120 US counties and show that it holds promise for automating cohort-component forecasts. This paper describes the first published successful application of Wood's method to human populations; it also points to more general promise of constrained optimization techniques in demographic modeling.

研究动机与目标

• 开发一种可直接从年龄和性别特定的人口数量生成有效Leslie矩阵的方法，避免单独估算人口学率的需求。
• 通过将人口学理论嵌入Wood方法的优化约束中，提升预测的准确性和可解释性。
• 实现大规模应用的队列-成分人口预测自动化，例如美国县级预测。
• 证明在人类人口模型中，约束优化方法的可行性和稳健性。
• 为应用人口学中广泛使用的基于电子表格的队列-成分方法，提供一种实用且可编码实现的替代方案。

提出的方法

• 该方法采用Wood的二次优化框架，推断一个Leslie转移矩阵，使其在观测到的年龄和性别特定的人口数量之间插值。
• 应用源自人口学理论的约束条件——对生育率、存活率和迁移率的约束——以确保矩阵值具有生物学上的合理性。
• Leslie矩阵采用男女分列的结构，对角线上的生育项和次对角线上的存活转移项分别表示。
• 优化过程在尊重人口学边界和矩阵结构的前提下，最小化预测值与观测值之间的偏差。
• 该算法在矩阵编程语言（如Octave或MATLAB）中实现，避免依赖电子表格或SAS。
• 通过经验数据和人口学原理校准约束条件，防止在无约束优化中常见的不合理结果。

实验结果

研究问题

• RQ1 是否可以成功将Wood的方法适配于仅使用年龄和性别特定人口数量的人类人口，而无需人口学率？
• RQ2 理论指导的约束条件在多大程度上提升了优化Leslie矩阵在人口预测中的可解释性和准确性？
• RQ3 该方法在多大程度上能够实现队列-成分预测的自动化和规模化，适用于如美国县级等大规模地理单元？
• RQ4 与官方预测相比，优化矩阵在误差度量上的表现如何？
• RQ5 在应用人口学中，采用矩阵预测方法的实际障碍是什么？该方法如何解决这些问题？

主要发现

• 该方法仅使用人口数量，成功为3,120个美国县生成了合理的Leslie矩阵，展示了其可扩展性和自动化潜力。
• 预测准确性以平均绝对百分比误差（MAPE）衡量，各年龄组平均为10%，50百分位数处95%的预测误差在37%以内。
• 在18个年龄组中的15个，该方法的MAPE低于官方预测，尤其在年轻年龄组表现优异（例如50岁年龄组MAPE为7%）。
• 在约束中引入人口学理论可防止不合理结果，显著提升了与无约束优化相比的预测可靠性。
• 该方法减少了对手动调参的依赖，消除了单独计算率的需求，从而简化了预测流程。
• 分位数误差分析显示，尽管部分预测在上尾误差较高（例如男性85岁年龄组达704%），但大多数预测仍处于可接受范围内，表明对大多数年龄组具有稳健性。