Demographic Forecasting

Demographic Forecasting présente de nouveaux outils statistiques capables d'améliorer considérablement les prévisions de la mortalité au sein des populations. La prévision de la mortalité est utilisée dans un large éventail de disciplines universitaires, ainsi que pour guider les politiques publiques en matière de santé mondiale, de sécurité sociale, de gestion des retraites et dans bien d'autres domaines. Federico Girosi et Gary King proposent un cadre novateur pour la prévision de variables spécifiques selon l'âge, le sexe, le pays et la cause de décès, permettant d'intégrer bien plus d'informations que les approches traditionnelles. De manière plus générale, ces nouvelles méthodes rendent possible l'intégration de différentes variables explicatives dans une régression de séries temporelles pour chaque coupe transversale, tout en tirant parti des synergies entre les régressions pour affiner l'estimation globale. Les auteurs démontrent que de nombreux modèles bayésiens existants comportant des variables explicatives utilisent des densités a priori qui formalisent mal les connaissances antérieures, et indiquent comment éviter ces écueils. Ils expliquent également comment incorporer une vaste somme de connaissances démographiques dans des modèles utilisant beaucoup moins de paramètres ajustables que les approches bayésiennes classiques, et développent des modèles à a priori bayésiens en contexte d'ignorance préalable partielle. En démontrant comment enrichir les modèles statistiques en données, Demographic Forecasting ouvre des perspectives méthodologiques majeures pour les chercheurs en sciences sociales, les statisticiens, les démographes, les spécialistes de la santé publique, les décideurs politiques et les analystes de l'industrie. — Description de l'éditeur.