O documento discute os desafios de prever mortalidade usando modelos dinâmicos com séries de dados limitadas. Aplica o modelo Lee-Carter a dados portugueses, variando o tamanho da série histórica para ilustrar como séries curtas podem levar a estimativas imprecisas dos parâmetros e previsões inadequadas.
1. Modelo gravitacional Bayesiano para
previsão de mortalidade em séries curtas
Thaís C. O. Fonseca
IM/UFRJ e LabMA/UFRJ
ENA 2017
Equipe do Instituto de Matemática - LabMA/UFRJ
Prof. Mário de Oliveira (Coordenador) - UFRJ - PhD, University of Warwick, Inglaterra
Prof. Milton Ramirez - UFRJ - Doutor COPPE/UFRJ, Brasil
Prof. Bruno Costa - UFRJ - PhD, Indiana University, USA
Prof. Rafael Borges - UERJ - Doutor IM/UFRJ, Brasil
Prof. Thais C. O. Fonseca - UFRJ - PhD, University of Warwick, Inglaterra
Prof. Nelson Maculan Filho - UFRJ - Doutor COPPE/UFRJ, Brasil
Ricardo Cunha Pedroso - Atuário e Estatístico - UFRJ, Brasil
Estudantes Bolsistas
1
segunda-feira, 18 de setembro de 17
2. Motivação: aumento da expectativa de vida
(*) Fonte de dados: Human mortality database (HMD) e United Nations (UN).
●
●
●
●
●
●
●
1950 1960 1970 1980 1990 2000 2010
5060708090
Expectativa de vida
ao nascer − homens
Anos
Expectativa
●
●
●
●
●
●
●
●
●
Portugal
EUA
Japão
França
Brasil
●
● ●
●
●
●
●
1950 1960 1970 1980 1990 2000 2010
141618202224
Expectativa de sobrevida
aos 60 anos − homens
Anos
Expectativa
●
●
●
●
●
●
●
●
●
Portugal
EUA
Japão
França
Brasil
• O aumento da expectativa de vida nas ´ultimas d´ecadas ´e um grande avan¸co
para a sociedade.
• Esses avan¸cos se devem principalmente `a melhoria do saneamento, des-
coberta de antibi´oticos e tratamento de doen¸cas.
segunda-feira, 18 de setembro de 17
3. Desafios para o mercado segurador
• Os avan¸cos na longevidade trazem desafios significativos para o mercado
segurador:
(i) Como considerar o aumento da longevidade futura para obter
equil´ıbrio t´ecnico atuarial?
(ii) Qual o impacto das mudan¸cas na expectativa de vida no c´alculo
de reservas para cumprir compromissos futuros?
• Manuten¸c˜ao de benef´ıcios de longo prazo dependem da correta estimativa
da expectativa de vida em anos futuros.
segunda-feira, 18 de setembro de 17
4. Perguntas importantes
• Com que velocidade a mortalidade diminui no Brasil?
• A diminui¸c˜ao da mortalidade ocorre na mesma velocidade em todas as
faixas et´arias?
• Pode-se assumir hip´oteses de n˜ao divergˆencia para gˆeneros feminino e mas-
culino?
• Quais fatores poderiam ser usados para aumentar o poder preditivo dos
modelos que buscam explicar a mortalidade ao longo do tempo?
segunda-feira, 18 de setembro de 17
5. Objetivos gerais
• Medir mudan¸cas nas probabilidades de morte ao longo do tempo.
• Considerar modelo estoc´astico para taxa de mortalidade que estende o
modelo Lee-Carter (Lee-Carter, 1992).
• Prever mudan¸cas nestas taxas em tempos futuros.
1950 1960 1970 1980 1990 2000 2010
0.0050.0100.0150.0200.0250.030
Taxa de mortalidade
aos 60 anos − Homens
Anos
q60
Portugal
EUA
França
Japão
1950 1960 1970 1980 1990 2000 2010
0.010.020.030.040.050.060.07
Taxa de mortalidade
aos 70 anos − Homens
Anos
q70
Portugal
EUA
França
Japão
segunda-feira, 18 de setembro de 17
6. Modelos dinâmicos
6
O modelo dinˆamico geral ´e
yt = At
xt + Ft
✓t + vt
✓t = G✓t 1 + wt,
com ✓t os parˆametros de estado, e vt e wt ru´ıdos brancos.
• Modelos para s´eries temporais extrapolam dados hist´oricos para prever
observa¸c˜oes futuras.
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●●●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
1940 1960 1980 2000
−4.6−4.4−4.2−4.0−3.8
Log−mortalidade
aos 60 anos (Portugal)
Anos
Log−mortalidade
segunda-feira, 18 de setembro de 17
7. Modelo Lee-Carter básico (1992)
7
O modelo dinˆamico geral ´e
yt = At
xt + Ft
✓t + vt
✓t = G✓t 1 + wt,
com ✓t os parˆametros de estado, e vt e wt ru´ıdos brancos.
O model Lee-Carter ´e obtido se
• At
= ↵ e xt = 1, Ft
= (0 ) e ✓t = (✓ t)t
;
• G =
✓
1 0
1 1
◆
e wt = (0 w1t)0
.
Parâmetro latente
representando mudanças que
ocorreram na economia, cura
de doenças etc.
Seja yxt a taxa de mortalidade na idade x e tempo t.
yxt = ↵x + xt + vxt,
onde o parˆametro t representa a dinˆamica temporal tal que
t = ✓ + t 1 + !t,
vxt ⇠ N(0, 2
vIp), ✓ ´e a tendˆencia e wt ⇠ N(0, 2
w).
segunda-feira, 18 de setembro de 17
8. Modelo Lee-Carter básico
Expectativa de vida - Portugal (dados 1950-2010)
Ultrapassando os 75
anos em 2005.
Previsão para 2060:
83.3 (80.7,85.2)
(*) Fonte de dados: Human mortality database (HMD) e LabMA, UFRJ.
Dados: 1950−2010
Ano
Idade
1960 1980 2000 2020 2040 2060
55606570758085
Expectativa de vida em torno
de 65 anos na década de
1970.
segunda-feira, 18 de setembro de 17
9. Modelo Lee-Carter básico
Expectativa de vida - Japão (dados 1950-2010)
Previsão para 2060:
88.7 (87.3, 90.0)
Dados: 1950−2010
Ano
Idade
1960 1980 2000 2020 2040 2060
60708090
segunda-feira, 18 de setembro de 17
10. O problema de dados limitados
• O m´etodo de Lee-Carter extrapola dados hist´oricos.
• Uma quantidade de dados hist´oricos consistente permite previs˜oes mais
confi´aveis em tempos futuros.
• Para os EUA e Europa as s´eries hist´oricas tem mais de meio s´eculo de
dados.
• As s´eries de mortalidade em alguns pa´ıses ou subpopula¸c˜oes s˜ao curtas
(ou muito curtas).
segunda-feira, 18 de setembro de 17
11. O problema de dados limitados
No contexto de seguradoras, a
série temporal é possivelmente
pequena, objeto de ruído e
mudanças de regime ao longo
do tempo.
(*) Fonte de dados: Human mortality database (HMD) e LabMA (UFRJ).
• Em particular, o mercado segurador brasileiro possui s´eries de apenas uma
d´ecada.
1960 1970 1980 1990 2000 2010
0.0000.0100.0200.030
Taxa de mortalidade aos 60 anos
Anos
q60
EUA
Portugal
Br
segunda-feira, 18 de setembro de 17
13. Exemplo ilustrativo (Portugal)
• A seguir analisaremos os dados de mortalidade de Portugal.
• Portugal tem dados hist´oricos desde 1950.
• Iremos cortar a s´erie diminuindo esse hist´orico de modo a emular a s´erie
do mercado segurador brasileiro.
• Visa-se ilustrar o efeito de usar o modelo simples de Lee-Carter para prever
no longo prazo usando s´eries curtas ou muito curtas.
segunda-feira, 18 de setembro de 17
14. Exemplo ilustrativo (Portugal)
Previsões obtidas com séries curtas
podem levar a tábuas futuras que
não são adequadas.
• Variabilidade explicada pelo modelo: 85% (dados completos), 82% (40
anos de dados), 81% (20 anos de dados) e 64% (10 anos de dados)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1950−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1970−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1990−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 2000−2010
Age
log(qx)
0 20 40 60 80 100
−12−10−8−6−4−20
Dados − 1950−2010
Age
log(qx)
segunda-feira, 18 de setembro de 17
15. Ano
dados
completos
10 anos de
dados
2060
83.3
(80.7, 85.2)
86.5
(84.9, 87.8)
Efeito na previsão da expectativa de vida
(Portugal)
A
sobrestimação
impacta em aumento de
provisões e preços.
Porém as previsões são
basedas apenas no
comportamento dos
últimos 10.
Subestimação da
incerteza nesta série
muito curta!!
E sobrestimação da
expectativa!
Dados: 2000−2010
Anos
Expectativa
1960 1980 2000 2020 2040 2060
606570758085
Observado (1950−2010)
Previsto (2011−2060)
Dados: 1950−2010
Anos
Expectativa
1960 1980 2000 2020 2040 2060
606570758085
segunda-feira, 18 de setembro de 17
16. O modelo Lee-Carter básico
• Quatro aspectos devem ser estimados a partir dos dados:
(1) a taxa de mortalidade m´edia em cada idade (↵x);
(2) a velocidade da mudan¸ca relativa em cada idade ( x);
(3) a taxa de mudan¸ca global (t);
(4) as variˆancias dos erros.
Podemos estimar
todos esses parâmetros
quando as séries são
limitadas?
yxt = ↵x + xt + vxt
segunda-feira, 18 de setembro de 17
17. Estimação da taxa média (Portugal)
O nível médio é bem
estimado para todas as
séries.
Note a diminuição
da mortalidade média nas
últimas décadas.
Principalmente de 0-20
anos.
0 20 40 60 80 100
−10−8−6−4−20
Taxa média
Idade
αx
Dados: 1950−2010
Dados: 1970−2010
Dados: 1990−2010
Dados: 2000−2010
segunda-feira, 18 de setembro de 17
18. Estimação da mudança relativa (improvement)
Para a série muito
curta o improvement
estimado é bem diferente
do estimado com dados
completos!
0 20 40 60 80 100
0.000.020.040.060.080.10
Improvement
Idade
βx
Dados: 1950−2010
Dados: 1970−2010
Dados: 1990−2010
Dados: 2000−2010
segunda-feira, 18 de setembro de 17
19. Estimação da taxa de mudança global
Padrões similares!!
Dinâmica temporal
Anos
κt
1950 1960 1970 1980 1990 2000 2010
−30−20−100102030
Dados: 1950−2010
Dados: 1970−2010
Dados: 1990−2010
Dados: 2000−2010
segunda-feira, 18 de setembro de 17
20. Tábua prevista e observada
(10 anos x histórico)
60 70 80 90 100
−8−6−4−20
Dados observados: 1979−1988
Previsão: 1990
Idade
Log−mortalidade
●
●
●
●
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
Log−mortalidade observada
Intervalos de previsão
60 70 80 90 100
−8−6−4−20
Dados observados: 1960−1988
Previsão: 1990
Idade
Log−mortalidade
●
●
●
●
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
Log−mortalidade observada
Intervalos de previsão
Note que previs˜ao 2 anos `a frente, baseada em 10 anos de dados, tem grande
incerteza para idades mais avan¸cadas.
segunda-feira, 18 de setembro de 17
21. Tábua prevista e observada
(10 anos x histórico)
60 70 80 90 100
−8−6−4−20
Dados observados: 1979−1988
Previsão: 2008
Idade
Log−mortalidade
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
● ●
●
●
Log−mortalidade observada
Intervalos de previsão
60 70 80 90 100
−8−6−4−20
Dados observados: 1960−1988
Previsão: 2008
Idade
Log−mortalidade
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
● ●
●
●
Log−mortalidade observada
Intervalos de previsão
Note que previs˜ao 20 anos `a frente, baseada em 10 anos de dados, tem grande
vi´es al´em de ter grande incerteza.
segunda-feira, 18 de setembro de 17
22. Outras populações (Japão)
0 20 40 60 80 100
−12−10−8−6−4−20
Dados − 1950−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1950−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1970−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 1990−2010
Age
log(qx)
0 20 40 60 80 100
−10−50
Previsão 2011−2060
Dados 2000−2010
Age
log(qx)
0 20 40 60 80 100
0.000.020.040.060.080.10
Improvement
Idade
βx
Dados: 1950−2010
Dados: 1970−2010
Dados: 1990−2010
Dados: 2000−2010
• Variabilidade explicada pelo modelo: 96% (dados completos), 96% (40
anos de dados), 87% (20 anos de dados) e 67% (10 anos de dados)
segunda-feira, 18 de setembro de 17
23. Algumas conclusões
• A taxa m´edia de mortalidade ↵x parece ser bem estimada, mesmo para
s´eries curtas.
• O parˆametro de mudan¸ca global t parece seguir um padr˜ao similar nas
4 s´eries.
• Indicando que uma s´erie similar poderia ser usada conjuntamente com a
s´erie curta para “ajudar” na estima¸c˜ao do parˆametro t.
• Por exemplo, dados auxiliares de um pa´ıs com hist´orico longo e consis-
tente poderiam ser usados juntamente com dados do mercado segurador
brasileiro.
segunda-feira, 18 de setembro de 17
24. A ideia do modelo conjunto
• Se os dados dispon´ıveis s˜ao limitados, abordagens usuais levariam a grandes
incertezas nas previs˜oes.
• Solu¸c˜ao: utilizar informa¸c˜ao de caracter´ısticas comuns a v´arias s´eries
tais como influˆencia de epidemias, cura de doen¸cas, e grandes mudan¸cas
econˆomicas.
• A ideia ´e explorar as similaridades entre popula¸c˜oes relacionadas ao fazer
proje¸c˜oes futuras para popula¸c˜oes com dados limitados.
• Essa abordagem leva a previs˜oes mais realistas para s´eries muito limitadas,
do que aquelas previs˜oes obtidas com os modelos usuais.
segunda-feira, 18 de setembro de 17
25. Improvement - janelas de tempo
0 20 40 60 80 100
0.000.050.10
Improvement − Portugal
Idade
βx
Janela 1951−1970
Janela 1971−1990
Janela 1991−2010
0 20 40 60 80 100
0.000.050.10
Improvement − Japão
Idade
βx
Janela 1951−1970
Janela 1971−1990
Janela 1991−2010
• A popula¸c˜ao longa a ser usada como auxiliar pode ser obtida ap´os verificar
em que janela de tempo as popula¸c˜oes se tornam mais semelhantes.
• Estudos indicam que hist´oricos muito antigos podem n˜ao refletir o com-
portamento do improvement atual.
• Por exemplo, usualmente sugere-se usar dados hist´oricos ap´os 1970, devido
`a grandes mudan¸cas estruturais ocorridas neste per´ıodo.
segunda-feira, 18 de setembro de 17
26. Modelo Lee-Carter extendido para 2 populações
26
O modelo dinˆamico geral ´e
yt = At
xt + Ft
✓t + vt
✓t = G✓t 1 + wt,
com ✓t os parˆametros de estado, e vt e wt ru´ıdos brancos.
O modelo bivariado ´e obtido se
• At
= (↵(1)
, ↵(2)
)t
, xt = 1, Ft
=
✓
0 (1)
0 0
0 0 0 (2)
◆
;
• ✓t = (✓(1)
(1)
t ✓(2)
(2)
t )0
;
• G =
0
B
B
@
1 0 0 0
1 1 0 0
0 0 1 0
0 1 (1 )
1
C
C
A
• wt = (0 w
(1)
t 0 w
(2)
t )0
.
Para cada popula¸c˜ao
y
(i)
xt = ↵(i)
x + (i)
x
(i)
t + v
(i)
xt , i = 1, 2.
Seja v
(i)
t ⇠ N(0,
2(i)
v Ia). Agora permite-se dependˆencia entre as popula¸c˜oes.
(1)
t = ✓(1)
+
(1)
t 1 + !
(1)
t
(2)
t = ✓(2)
+
(1)
t 1 + (1 )
(2)
t 1 + !
(2)
t .
segunda-feira, 18 de setembro de 17
27. Escolha da população similar
• Lopes (2010) considera vari´aveis socio-econˆomicas de 21 pa´ıses para buscar
a popula¸c˜ao mais similar ao Brasil em termos de mortalidade.
- fertilidade
- PIB per capita
- crescimento anual do PIB
- sa´ude
- desemprego
- analfabetismo
- escolaridade
segunda-feira, 18 de setembro de 17
28. Escolha da população similar
• De fato, vari´aveis como escolaridade tem grande impacto nas taxas de
mortalidade ao longo do tempo (Hummer and Hernandez, 2013).
• Dados dos EUA mostram que grupos com escolaridade (superior) morrem
12 vezes menos que grupos com pouca escolaridade. E essa diferen¸ca vem
aumentando ao longo do tempo.
• Ruhm(1996) consideram efeitos na sa´ude em fun¸c˜ao de recess˜oes econˆomicas.
• Altera¸c˜oes nos pre¸cos afetam cuidados com sa´ude no tempo atual e tamb´em
em tempos futuros (persitˆencia temporal).
segunda-feira, 18 de setembro de 17
29. Escolha da população similar
• Lopes (2010) escolhe Portugal ap´os aplicar t´ecnicas de pareamento entre
as diversas popula¸c˜oes e Brasil.
• Neves et al (2016) escolhem Portugal e Estados Unidos contemporˆaneos e
defasados de 5 anos para similaridade com Brasil.
segunda-feira, 18 de setembro de 17
30. Comparando várias populações
0 20 40 60 80 100
−10−8−6−4−20
Taxa média
Idade
αx
EUA
França
Portugal
Japão
0 20 40 60 80 100
0.000.020.040.06
Improvement
Idade
βx
EUA
França
Portugal
Japão
Considere dados de mortalidade dos EUA, Fran¸ca, Portugal e Jap˜ao de 1970
`a 2010.
segunda-feira, 18 de setembro de 17
31. Comparando várias populações
Dinâmica temporal
Anos
κt
1970 1980 1990 2000 2010
−20−1001020
EUA
França
Portugal
Japão
segunda-feira, 18 de setembro de 17
32. Comparando várias populações
(Expectativa de vida - projeções)
Projeções para 2060 - Lee-Carter
Dados até 2010
Projeções para 2060 - Lee-Carter
Dados até 2010
Projeções para 2060 - Lee-Carter
Dados até 2010
País Projeção Intervalo
EUA 84.5 (83.6, 85.3)
França 86.7 (85.3, 87.7)
Portugal 84.7 (82.5; 86.6)
Japão 89.0 (87.6, 90.3)
EUA
1980 2000 2020 2040 2060
657075808590
França
1980 2000 2020 2040 2060
657075808590
Portugal
1980 2000 2020 2040 2060
657075808590
Japão
1980 2000 2020 2040 2060
657075808590
segunda-feira, 18 de setembro de 17
33. Análise de dados do mercado
segurador brasileiro
33
segunda-feira, 18 de setembro de 17
34. Dados do mercado segurador brasileiro
• Os dados dispon´ıveis do mercado segurador brasileiro englobam atual-
mente mais de 90% da popula¸c˜ao segurada do Brasil.
• Por´em, no Brasil apenas cerca de 20% da popula¸c˜ao possui seguro.
• Enquanto em pa´ıses desenvolvidos a maior parte da popula¸c˜ao ´e segurada.
• Iremos analisar dados de segurados (homens) que possuem produtos de
seguro de vida de 2004 `a 2012.
2004 2007 2010 2013 2016
Mercado segurador brasileiro
Anos
%desegurados
0.000.050.100.150.20
segunda-feira, 18 de setembro de 17
35. Dados do mercado segurador brasileiro
• Dados de segurados que possuem produtos de seguro de vida de 2004 `a
2012.
2004 2006 2008 2010 2012
0.00600.00700.00800.0090
Mortalidade aos 60 anos
Anos
q60
Ajuste de mínimos quadrados
Taxas observadas − BR
2004 2006 2008 2010 2012
0.0100.0150.0200.0250.030
Mortalidade aos 70 anos
Anos
q70
Ajuste de mínimos quadrados
Taxas observadas − BR
segunda-feira, 18 de setembro de 17
36. Mortalidade média
Dados hist´oricos: 1974-2012 Dados recentes: 1994-2012
• Modelo ajustado: Lee-Carter Bayesiano (Pedroza, 2006).
segunda-feira, 18 de setembro de 17
37. Taxa de Improvement
Dados hist´oricos: 1974-2012 Dados recentes: 1994-2012
• Modelo ajustado: Lee-Carter Bayesiano (Pedroza, 2006).
• O improvement Br ´e muito similar ao improvement estimado usando dados
recentes dos EUA.
segunda-feira, 18 de setembro de 17
38. Taxa de improvement (incluindo incerteza)
Esse modelo é
adequado para
prever tábuas
futuras do mercado
segurador
brasileiro?
segunda-feira, 18 de setembro de 17
39. Estimação independente - algumas conclusões
• As popula¸c˜oes de Portugal e EUA tem n´ıveis m´edios e improvements
baseado em dados recentes bastante simulares aos estimados para o Brasil.
• Por´em, o modelo independente n˜ao ´e ´util para previs˜ao futura devido `as
grandes incertezas envolvidas na estima¸c˜ao de t.
segunda-feira, 18 de setembro de 17
40. Dinâmica temporal
(previsão do modelo independente)
• A seguir apresentaremos os resultados do modelo conjunto proposto.
segunda-feira, 18 de setembro de 17
42. Modelo conjunto
Busca-se escolher a
população mais similar à
população curta em
estudo.
• Lembrando que no modelo conjunto a dinˆamica temporal do modelo para
o mercado segurador brasileiro agora depender´a da popula¸c˜ao auxiliar.
• O modelo de s´erie temporal para
(BR)
t ´e dado por
(BR)
t = ✓ +
(AUX)
t 1 + (1 )
(BR)
t 1 + wt
segunda-feira, 18 de setembro de 17
43. Previsões usando modelo conjunto
• Modelo considerando pooling Brasil e EUA, para dados de 2004-2012.
Controle da incerteza e
da sobrestimação da
expectativa de vida.
segunda-feira, 18 de setembro de 17
44. Brasil e EUA
Efeito do pooling na dinâmica temporal
segunda-feira, 18 de setembro de 17
45. Próximos passos
• Uso do modelo gravitacional para dados do mercado segurador do Brasil
incluindo popula¸c˜ao auxiliar longa.
• Teste para v´arias popula¸c˜oes para valida¸c˜ao do melhor modelo para pre-
vis˜ao futura (treinamento+valida¸c˜ao).
• Modelo sob hip´otese de n˜ao-divergˆencia para dados de ambos os gˆeneros.
• Uso de covari´aveis como mortalidade por causa para melhor prever mu-
dan¸cas futuras de grande porte na mortalidade.
segunda-feira, 18 de setembro de 17
46. Outras extensões: hipótese de não divergência
(Lee-Li, 2002)
46
The general dynamical model is
yt = At
xt + Ft
✓t + vt
✓t = G✓t 1 + wt,
with ✓t the state parameters and vt and wt white noises.
The model to avoid divergence in the long run of future mortalities is
y
(i)
t = ↵(i)
+ t + (i)
(i)
t + v
(i)
t , i = 1, 2.
Now we allow for interdependence between the populations by allowing the
observation equation to depend on common and t.
(1)
t = ✓(1)
+ ⌫(1)
(1)
t 1 + !
(1)
t
(2)
t = ✓(2)
+ ⌫(2)
(2)
t 1 + !
(2)
t
t = ⌫t 1 + !all
t .
The Bivariate model is obtained if
• At
= (↵(1)
, ↵(2)
)t
, xt = 1, Ft
=
✓ (1)
0 0
0 0 (2)
)
◆
;
• ✓t = (t ✓(1)
(1)
t ✓(2)
(2)
t )0
;
• G =
0
B
B
B
B
@
0 1 0 0 0
0 1 ⌫(1)
0 0
0 0 0 1 0
0 0 0 1 ⌫(2)
⌫ 0 0 0 0
1
C
C
C
C
A
• wt = (0 w
(1)
t 0 w
(2)
t wall
t )0
.
segunda-feira, 18 de setembro de 17