使用Heligman-Pollard模型拟合贝叶斯分级死亡率,如Heligman,L.和Pollard,J.H.(1980)所示<doi:10.1017/S0020268100040257>和Dellaportas,Petros等人(2001年)<doi:10.1111/1467-985X.00202>和动态线性模型(Campagnoli,P.、Petris,G.和Petrone,S.(2009))<doi:10.1007/b135794_2>). 虽然Heligman-Pollard的参数具有简单的解释,可以产生一些丰富的分析,但动态线性模型通过控制贴现因子值,可以非常灵活地调整死亡率曲线。根据Dodd、Erengul等人(2018),还实施了Heligman-Pollard和动态线性模型的闭合方法<https://www.jstor.org/stable/48547511>. 正如Lee,R.D.和Carter,L.R.(1992)所示,贝叶斯-李-卡特模型也用于拟合历史死亡率表时间序列,以预测未来几年的死亡率并进行改进分析<doi:10.1080/01621459.1992.10475265>和Pedroza,C.(2006)<doi:10.1093/biostatistics/kxj024>.
请使用规范形式https://CRAN.R-project.org/package=BayesMortalityPlus链接到此页面。