模拟失踪死亡人数

预计在时间t的死亡人数

A
作者:Anthony Cabos
一周前更新

定义

丢失的死亡人数是在时间t尚未记录的死亡人数。

请注意,因此INSEE提供的后台数据可能会随时间变化。

上下文

在一个人的死亡日期与记录死亡的时刻之间存在时间上的异步。但是,有可能估计在研究的当日还会有更多的死亡人数。这种异步性可能与以下几个因素有关:

  • 记录死亡的时间,可以通过电子方式或通过邮寄(更长)完成

  • 居住在国外的法国死者被延迟计算

  • 失踪人员(在一定时间后被宣布死亡或可以被宣布死亡但随后被发现的人)的情况

  • 司法案件

方法论

估计所谓的“遗失”死亡人数的一种方法是参考上一个时间段。我们的数据是通过 insee 每月获得的。
我们参考前几个月的数据来评估另外记录的死亡人数。

示例:

  • 一月份的人口普查后,我们可以看到以下内容:

  • 截至上一年的12月31日,尚未报告99%的死亡情况

  • 截至上一年的12月30日,未报告死亡人数的95%

  • 截至上一年的12月29日,未报告死亡人数的90%

  • ...

  • 截至上一年的12月1日,尚未宣布5%的死亡人数

  • 因此,在一月份执行的操作如下:

  • 截至1月31日,认为尚未声明99%

  • 截至1月30日,认为95%尚未声明

  • 截至1月29日,尚未宣布90%的死亡

  • ...

  • 截至1月1日,尚未宣布5%的死亡人数

此操作在180天内进行,在此之后死亡人数的变化可能小于0.1%。
对于有死亡人数的最后一个月,将汇总数据,并在当月的所有日期之间平均分配所谓的“未命中”死亡人数。
如果模型显示的数字小于INSEE出版物的数字,则以INSEE出版的数字为准。

示例:

3月的可交付成果由INSEE发布。 2月,死亡人数增加了20%。
3月的建模将执行以下计算:
nbDecesModel = 3月发布的nbDeces /(1-0.2)
3月有31天,因此建模将认为存在nbDecesModel /每天31人死亡。
在2月和之前的月份中,我们执行了相同的操作,但没有增加月份。因此,将2月29日与1月31日进行比较,与之前公布的98%的死亡人数相比较。因此,该模型将在2月29日将死亡人数重新评估2%。

订阅

使用和Analytics(分析)高级订阅

这是否解答了您的问题?