1 Giới thiệu Trong thời đại ngày nay, với phát triển tiến khoa học, kỹ thuật cơng nghệ đại, đời sống người ngày nâng cao, mà số đánh giá chất lượng sống tuổi thọ trung bình Tuổi thọ trung bình, hay gọi kỳ vọng sống, số năm dự kiến lại đời độ tuổi định Nó ký hiệu ex, nghĩa số trung bình năm đời cho người độ tuổi x đó, tính theo tỉ lệ tử cụ thể Theo thống kê tổ chức Y tế Thế giới (WTO), tuổi thọ trung bình tồn giới năm 1900 31 tuổi sau 100 năm, vào năm 2015, số tăng lên gấp lần, đạt mức 71,5 tuổi Phần lớn nguyên nhân tác động đến tuổi thọ trung bình hệ thống chăm sóc sức khỏe, y tế cộng đồng chế độ ăn uống, mà tỉ lệ tử vong cao quốc gia nghèo phần lớn chiến tranh, nghèo đói bệnh tật Như vậy, nói, đất nước có tuổi thọ trung bình cao kèm với hệ thống y tế cộng đồng phát triển, bao gồm tỷ lệ người có dịch vụ y tế thiết yếu cao, hệ thống bảo hiểm y tế cộng đồng rộng rãi, chế độ ăn uống hợp lý, phủ ln quan tâm, có sách để chăm lo sức khỏe đời sống người dân Ngược lại, đất nước phát triển, tình trạng nghèo đói, thiếu thức ăn, nguồn nước sạch, dịch vụ y tế nghèo nàn, chiến tranh, bệnh dịch xuất thường xuyên dẫn đến tỉ lệ tử vong cao đất nước đứng cuối bảng xếp hạng tuổi thọ trung bình Ở Việt Nam, tuổi thọ trung bình năm 2017 73,4 tuổi, mức tuổi cao so với nhiều quốc gia giới Kết thể cải thiện đời sống xã hội, dịch vụ y tế nâng cao, bệnh dịch đẩy lùi đặc biệt nhờ vào sách đắn phủ nhằm đảm bảo đẩy mạnh sống người dân Do đó, việc dự báo tuổi thọ trung bình quốc gia có ý nghĩa quan trọng với nhà hoạch định sách tổ chức y tế Trong khuôn khổ viết nghiên cứu tuổi thọ Việt Nam năm vừa qua, dự báo tuổi thọ trung bình Việt Nam đến năm 2030 Các nghiên cứu liên quan Trong thực tế có nhiều nghiên cứu thực để dự báo Tuổi thọ bình quân với nhiều phương pháp khác Nhưng nhìn chung, chia phương pháp dự báo tuổi thọ bình quân thành cách tiếp cận: • Trực tiếp dự báo tuổi thọ bình qn thơng qua mơ hình ARIMA mơ hình chuỗi thời gian khác • Dự báo tỉ lệ tử vong theo tuổi cụ thể tính tốn tuổi thọ bình qn qua kết với phương pháp bảng tuổi thọ Dự báo theo cách tiếp cận thứ mang lại kết tốt so với cách tiếp cận Một phương pháp phổ biến mơ hình Lee-Carter (1992) Lee Carter phát triển phương pháp dự báo tỉ lệ tử vong dựa đẳng thức: Ln(mx,t) = ax + bx ∗ kt + εx,t Phương pháp Lee Carter tiếng với đơn giản nó; có thơng số tạm thời cho mơ hình lỗi tương đối dễ tính tốn Nhận thấy Việt Nam số lượng mơ hình dự báo tuổi thọ bình qn cịn hạn chế, chúng em chọn dự báo tuổi thọ bình quân người Việt Nam từ 2017 đến 2030 Do cách tiếp cận thứ khó sử dụng cách tiếp cận đòi hỏi phải có sở liệu đủ chi tiết lớn để dự báo xác Vì vậy, trường hợp Dự báo tuổi thọ bình quân Việt Nam, chúng em nhận thấy sử dụng cách tiếp cận (dự báo trực tiếp thơng qua mơ hình ARIMA sử dụng chuỗi thời gian) khả thi đem lại kết tốt Phần lớn mơ hình dự báo sử dụng nhà nhân học chuyên gia dự báo tuổi thọ trung bình nam nữ riêng mơ hình chúng em dự báo tuổi thọ bình quân chung cho nam nữ Dữ liệu phương pháp nghiên cứu 3.1 Dữ liệu Số liệu phục vụ cho đề tài nghiên cứu lấy từ Website Ngân hàng Thế giới www.worldbank.org Cụ thể, nhóm tác giả thu thập Tuổi thọ bình quân năm 1960 đến năm 2016, với 57 quan sát Việc thực phần mềm Eview mở rộng năm (range), ta làm sau: 3.2 Phương pháp nghiên cứu Mơ hình tích hợp trung bình trượt tự hồi quy (mơ hình ARIMA) tích hợp từ q trình: Tự hồi quy (AR) số liệu kinh tế - xã hội, trung bình trượt (MA) phần sai số số liệu (hay phần nhiễu ngẫu nhiên) trình tích hợp hay sai phân (I) nhằm biến đổi chuỗi không dừng thành chuỗi dừng trước thực thao tác phân tích dự báo khác Bản chất mơ hình ARIMA dự báo giá trị tương lai biến số (biểu thị theo chuỗi thời gian) dựa giá trị khứ sai số ngẫu nhiên Với số liệu, cần phải xác định liệu có yếu tố mùa vụ hay không Ta kiểm tra liệu khơng có yếu tố mùa vụ Do liệu sử dụng loại liệu chuỗi thời gian khơng có yếu tố mùa vụ nên nhóm tác giả định thực đề tài dụng mơ hình ARIMA Mơ hình ARIMA(p;q) viết dạng phương trình sau: Yt = + 1Yt-1 + 2Yt-2 + …+ pYt-p + 0ut + 1ut-1 + …+ qut-q Trong : + Yt quan sát dừng ; + Yt-1, Yt-2, …, Yt-p, ut-1, ut-2, …, ut-q quan sát dừng sai số dự báo khứ ; + 1, 2,…, p, 0, 1, q hệ số phân tích hồi quy ; + ut nhiễu trắng Quy trình dự báo kết nghiên cứu Bước Kiểm tra tính dừng chuỗi Tại cửa sổ workfile life, ta chọn View => Unit Root Test Tại cửa sổ Unit Root Test này, chuỗi dừng sai phân level Null Hypothesis: LIFE has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values:1% level 5% level 10% level -3.487655 0.0124 -3.568308 -2.921175 -2.598551 *MacKinnon (1996) one-sided p-values Augmented Dickey-Fuller Test Equation Dependent Variable: D(LIFE) Method: Least Squares Date: 03/21/19 Time: 22:06 Sample (adjusted): 1967 2016 Included observations: 50 after adjustments Variable Coefficie nt Std Error t-Statistic Prob LIFE(-1) D(LIFE(-1)) D(LIFE(-2)) D(LIFE(-3)) D(LIFE(-4)) D(LIFE(-5)) D(LIFE(-6)) C -0.001308 0.000375 2.858492 0.096911 -3.560789 0.303448 2.995169 0.445010 -2.532251 0.424355 1.745618 0.269916 -0.561711 0.083528 0.109987 0.026355 R-squared Adjusted squared 0.999290 Mean var -3.487655 29.49612 -11.73442 6.730559 -5.967300 6.467253 -6.724850 4.173342 0.0012 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 dependent 0.284220 R0.999172 S.E of regression 0.013646 Sum squared resid 0.007821 Log likelihood F-statistic Prob(F-statistic) 148.1270 8445.967 0.000000 S.D dependent var 0.474175 Akaike infocriterion 5.605078 Schwarz criterion 5.299155 Hannan-Quinn criter 5.488581 Durbin-Watson stat2.041599 Hình 1: Kết kiểm định tính dừng chuỗi Tại Prob sai phân bậc 0.0124 nhỏ mức an pha 0.05 nên thỏa mãn việc chuỗi dừng sai phân Bước 2: Xác định p, q dựa vào giản đồ tương quan ACF Cũng cửa sổ workfile Life này, view chọn Correlogram chọn sai phân bậc level, ta có kết sau: Date: 03/21/19 Time: 22:07 Sample: 1960 2030 Included observations: 57 Partial Autocorrelation Correlation |******* |******* AC PAC Q-Stat Prob 0.957 0.957 54.950 0.000 |******* |******| |******| |***** | |***** | |***** | |**** | |**** | |**** | |*** | |*** | |** | |** | |* | |* | |* | | | | | | | | | *| | *| | *| | *| | **| | **| | **| | **| | **| | **| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | ***| | *| | .| .| .| .| .| .| .*| *| *| *| | .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| .| | | | | | | | | | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 0.909 -0.069105.49 0.000 0.859 -0.054151.44 0.000 0.808 -0.035192.88 0.000 0.758 -0.016230.03 0.000 0.710 -0.007263.24 0.000 0.663 -0.012292.80 0.000 0.617 -0.027318.89 0.000 0.569 -0.047341.55 0.000 0.518 -0.069360.71 0.000 0.462 -0.083376.30 0.000 0.402 -0.085388.36 0.000 0.338 -0.075397.12 0.000 0.274 -0.056403.00 0.000 0.212 -0.033406.58 0.000 0.153 -0.010408.50 0.000 0.100 0.008 409.34 0.000 0.053 0.015 409.58 0.000 0.011 0.014 409.59 0.000 -0.0270.007 409.65 0.000 -0.061-0.002410.00 0.000 -0.094-0.012410.86 0.000 -0.127-0.019412.45 0.000 -0.158-0.023414.99 0.000 -0.188-0.029418.72 0.000 -0.217-0.035423.84 0.000 -0.245-0.040430.57 0.000 -0.271-0.044439.07 0.000 -0.295-0.045449.52 0.000 -0.318-0.043462.08 0.000 -0.338-0.039476.88 0.000 -0.357-0.033494.06 0.000 -0.375-0.028513.73 0.000 -0.391-0.025536.06 0.000 -0.405-0.022561.17 0.000 -0.418-0.019589.21 0.000 -0.429-0.011620.22 0.000 -0.4370.002 654.07 0.000 -0.4410.020 690.33 0.000 -0.4380.037 728.27 0.000 -0.4280.052 766.84 0.000 -0.4120.060 804.84 0.000 -0.3890.056 841.14 0.000 -0.3610.043 874.88 0.000 **| **| **| **| | | | | | .| .| .| | | | | 45 46 47 48 -0.3310.023 905.60 0.000 -0.301-0.001933.23 0.000 -0.272-0.025958.06 0.000 -0.245-0.044980.55 0.000 Hình 2: Kết sau chọn Correlogram Tại giản đồ này, ta lựa chọn hệ số trương quan ma(1) ma(2) ma(3) ar(2) Bước 3: Ước lượng mơ hình Ta sử dụng câu lệnh ước lượng sau: Ls life c ma(1) ma(2) ma(3) ar(2) Và ta có kết sau: Dependent Variable: LIFE Method: Least Squares Date: 03/21/19 Time: 22:08 Sample (adjusted): 1962 2016 Included observations: 55 after adjustments Convergence achieved after 39 iterations MA Backcast: 1959 1961 Variable Coefficie nt Std Error t-Statistic Prob C AR(2) MA(1) MA(2) MA(3) 90.19227 0.972100 2.463345 2.460369 0.993695 7.853850 0.014726 0.530993 0.381339 0.434514 0.999417 Mean var R-squared Adjusted squared 0.0000 0.0000 0.0000 0.0000 0.0265 dependent 68.85660 R0.999370 S.E of regression 0.142620 Sum squared resid 1.017019 Log likelihood F-statistic Prob(F-statistic) 11.48383 66.01074 4.639126 6.451923 2.286913 31.69596 21413.18 0.000000 S.D dependent var 5.681721 Akaike infocriterion 0.970762 Schwarz criterion 0.788277 Hannan-Quinn criter 0.900194 Durbin-Watson stat0.169752 Inverted AR Roots 99 Inverted MA Roots-.73-.68i -.99 73+.68 i -.99 Hình 3: Kết ước lượng mơ hình Có thể thấy mơ hình có ý nghĩa hệ số tương quan AR 2, MA ,2 có ý nghĩa thống kê Prob nhỏ 0.05 Bước 4: Kiểm định điều kiện giả định mơ hình + Mơ hình khả nghịch ổn định Với điều kiện giá trị mơ hình phụ phải đáp ứng u cầu năm khoảng từ đến có nghĩa mơ hình ổn định Cũng nhìn vào bảng kết ước lượng mơ hình ta có mơ hình hồi quy phụ sau: Inverted AR Roots 99 Inverted MA Roots-.73-.68i -.99 73+.68 i -.99 Hình 4: Mơ hình hồi quy phụ Có thể thấy với mơ hình thỏa mãn điều kiện tính ổn định mơ hình + Kiểm định nhiễu trắng: Để kiểm định nhiễu ta làm sau: Tại Equation vừa ước lượng ta chọn View => Residual Diagnostics => Serial Correlation LM test( lựa chọn lags inclue 48) ta có kết sau: Breusch-Godfrey Serial Correlation LM Test: F-statistic 3.592741 Obs*R-squared 54.36927 Prob F(48,2) Prob Square(48) 0.2417 Chi0.2449 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/21/19 Time: 22:09 Sample: 1962 2016 Included observations: 55 Presample missing value lagged residuals set to zero Variable Coefficie nt Std Error t-Statistic Prob C AR(2) MA(1) MA(2) MA(3) RESID(-1) RESID(-2) RESID(-3) RESID(-4) RESID(-5) RESID(-6) RESID(-7) RESID(-8) RESID(-9) RESID(-10) RESID(-11) RESID(-12) RESID(-13) RESID(-14) RESID(-15) RESID(-16) RESID(-17) RESID(-18) RESID(-19) RESID(-20) RESID(-21) RESID(-22) RESID(-23) RESID(-24) RESID(-25) RESID(-26) RESID(-27) RESID(-28) RESID(-29) RESID(-30) RESID(-31) RESID(-32) RESID(-33) RESID(-34) 5.915656 8.118576 0.009619 0.015835 -0.001971 0.035637 -0.008743 0.052436 -0.006750 0.026323 1.912706 0.915335 -1.349385 2.041459 0.593365 2.215673 -0.478784 1.719418 -0.367430 1.508225 1.008031 1.597575 -1.040329 1.952877 0.747299 2.254376 0.051366 2.112304 -1.139806 1.702350 1.176858 2.142250 -0.514597 2.778067 -0.396121 2.578488 0.779325 1.961153 -0.921763 1.842598 0.854586 2.430630 -0.420143 2.986269 -0.653897 2.808036 1.466589 2.253850 -1.541788 3.161743 0.299702 4.236907 0.973892 3.798940 -1.427081 2.326219 1.065504 2.574459 -0.497371 3.528046 -0.271502 3.588957 0.777273 2.611242 -1.406525 2.539457 1.261623 4.311193 -0.096588 5.320145 -1.340456 4.503853 1.747049 2.853486 -1.163369 3.591540 0.019568 4.587973 0.728657 0.607474 -0.055316 -0.166735 -0.256423 2.089624 -0.660990 0.267803 -0.278457 -0.243617 0.630976 -0.532716 0.331488 0.024317 -0.669548 0.549356 -0.185236 -0.153625 0.397381 -0.500252 0.351590 -0.140692 -0.232866 0.650704 -0.487639 0.070736 0.256359 -0.613477 0.413875 -0.140976 -0.075649 0.297664 -0.553868 0.292639 -0.018155 -0.297624 0.612251 -0.323919 0.004265 0.5420 0.6053 0.9609 0.8829 0.8216 0.1718 0.5766 0.8139 0.8068 0.8302 0.5925 0.6475 0.7718 0.9828 0.5721 0.6379 0.8701 0.8920 0.7295 0.6665 0.7587 0.9010 0.8375 0.5820 0.6740 0.9500 0.8216 0.6020 0.7191 0.9008 0.9466 0.7940 0.6353 0.7974 0.9872 0.7941 0.6027 0.7767 0.9970 10 RESID(-35) RESID(-36) RESID(-37) RESID(-38) RESID(-39) RESID(-40) RESID(-41) RESID(-42) RESID(-43) RESID(-44) RESID(-45) RESID(-46) RESID(-47) RESID(-48) 0.468319 3.946416 -0.673018 2.294096 0.773913 3.188529 -0.597344 5.955439 -0.413215 7.086116 1.594100 5.687235 -1.863601 4.953905 0.331688 6.676114 1.358348 6.729448 -1.757959 4.906831 0.473138 5.599404 1.176223 7.194995 -1.580152 6.005943 0.558743 2.507342 R-squared Adjusted squared 0.988532 Mean var 0.118670 -0.293370 0.242718 -0.100302 -0.058313 0.280294 -0.376188 0.049683 0.201851 -0.358268 0.084498 0.163478 -0.263098 0.222843 0.9164 0.7969 0.8308 0.9293 0.9588 0.8056 0.7429 0.9649 0.8587 0.7544 0.9404 0.8852 0.8171 0.8443 dependent0.002330 R0.690368 S.E of regression 0.076353 Sum squared resid 0.011660 Log likelihood F-statistic Prob(F-statistic) 154.5797 3.315392 0.259098 S.D dependent var 0.137216 Akaike infocriterion 3.693808 Schwarz criterion 1.759469 Hannan-Quinn criter 2.945783 Durbin-Watson stat1.368868 Hình 5: Kết kiểm định nhiễu trắng Tại cửa sổ kết kiểm định nhiễu trắng gía trị Prob 0.2417 Có thể kết luận nhiễu trắng giá trị lớn mức an pha 0.05 Bước 5: Sau kiểm tra điều kiện giả định thành cơng ta tiến hành Forcast cho chuỗi Life 11 90 Forecast: LIFEF Actual: LIFE Forecast sample: 1960 2030 Adjusted sample: 1962 2030 Included observations: 55 Root Mean Squared Error Mean Absolute Error Mean Abs Percent Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion 85 80 75 70 65 60 1.746698 0.933321 1.494279 0.012603 0.080087 0.308261 0.611651 55 65 70 75 80 85 90 95 LIFEF 00 05 10 15 20 25 30 ± S.E Với kết forcast RMSE mơ hình 1,746698 Bước 6: Kiểm tra chất lượng dự báo Ta tiến hành vẽ biểu đồ mà chưa chuỗi life lifef( chuỗi life sau dự báo) Sử dụng câu lệnh: line life lifef 80 76 72 68 64 60 56 60 65 70 75 80 85 90 LIFE 95 00 05 10 15 20 25 30 LIFEF Để kiểm tra chất lượng ta chọn đoạn gồm năm từ năm 1962 đến 1967 để kiểm tra sai số có cho phép hay khơng Sau kiểm tra ta có: 12 65 Forecast: LIFEF Actual: LIFE Forecast sample: 1962 1967 Included observations: Root Mean Squared Error Mean Absolute Error Mean Abs Percent Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion 64 63 62 61 60 0.344145 0.264993 0.429957 0.002800 0.011355 0.144341 0.844304 59 1962 1963 1964 LIFEF 1965 1966 1967 ± S.E Dựa vào kết ta thấy mức phần trăm sai lệch cắt đoạn dự báo ngồi mẫu 0.4% Mức sai sót nhỏ mức 5% Do việc dự báo cho chuỗi pop tiến hành quan sát chuỗi tin tưởng Bước 7: Dự báo cho chuỗi cần dự báo Để dự báo cho tuổi thọ sinh Việt Nam từ năm 2017 đến năm 2030 ta tiến hành forcast Equation sử dụng ta chỉnh sửa thời gian cần dự báo vào cửa sửa sổ sau: 83 82 81 80 79 78 77 76 75 17 18 19 20 21 22 23 LIFEF 24 25 26 27 28 29 30 ± S.E Để nhìn kết dự báo cuối cùng, ta tiến hành vẽ biểu đồ cho chuỗi life gốc chuỗi lifef sau dự báo thời gian cần dự báo với câu lệnh line life lifef 13 80 76 72 68 64 60 56 60 65 70 75 80 85 90 LIFE 95 00 05 10 15 20 25 30 LIFEF Kết thể biểu đồ sau dự báo cho chuỗi hồn tất Kết dự báo mơ hình ARIMA từ năm 2017 đến năm 2030 thể hệ qua bảng excel sau: Năm Giá trị 2017 76,44915 2018 76,64578 2019 76,83522 2020 77,02373 2021 77,20789 2022 77,39114 2023 77,57016 2024 77,7483 2025 77,92232 2026 78,09549 2027 78,26466 2028 78,433 2029 78,59745 2030 78,76109 14 Như vậy, qua phương pháp ARIMA, ta dự báo tuổi thọ bình quân Việt Nam năm tuổi thọ bình quân ngày cao theo thời gian, thể chất lượng sống Việt Nam ngày nâng cao tương lai Kết luận Từ kết dự báo, thấy đồ thị mơ hình dự báo LIFEF bám sát đồ thị LIFE chuỗi dự liệu gốc, đồng thời giá trị dự báo xấp xỉ với giá trị thực tế (sai số dự báo nhỏ) khoảng tin cậy 95% chứa giá trị thực, điểu chứng tỏ mơ hình ARIMA sử dụng phù hợp giải thích biến động tuổi thọ trung bình giai đoạn 2017-2030 Mơ hình dự báo nghiên cứu cho thấy tuổi thọ trung bình người dân giai đoạn 2017 – 2030 có xu hướng tăng dần theo năm từ 76,4 đến 78,7 tuổi, điều phù hợp với tình hình thực tế xã hội phát triển chất lượng sống, dịch vụ y tế giáo dục ngày cải thiện dẫn đến tuổi thọ trung bình gia tăng Trong trình tìm kiếm số liệu thực nghiên cứu, trình độ lý luận kinh nghiệm thực tiễn hạn chế, nghiên cứu khơng thể tránh khỏi thiếu sót, nhóm mong nhận phê bình góp ý để hồn thiện báo cáo tới Tài liệu tham khảo GS.TS Nguyễn Quang Dong, PGS.TS Nguyễn Thị Minh (đồng chủ biên) (2015), Giáo trình Kinh tế lượng, NSX Đại học Kinh tế Quốc dân; Dự báo dân số Việt Nam giai đoạn 2009 đến 2034 - Tổng cục Thống kê; Bùi Dương Hải (2013), Tài liệu hướng dẫn thực hành Kinh tế lượng phần mềm Eviews 4.0, Khoa toán kinh tế Đại học Kinh tế Quốc dân; Pindyck R.S., and Rubinfeld D.L., 1991 Econometric Models and Economic Forecast 3rd ed., McGraw-Hill; rd Bowerman B.L., and O’Connell R.T., 1993 Forecasting and Time Series edition., Wadsworth, Inc; 15 Stagnating Life Expectancies and Future Prospects in an Age of Uncertainty, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4264628/ 16 ... qua mô hình ARIMA sử dụng chuỗi thời gian) khả thi đem lại kết tốt Phần lớn mơ hình dự báo sử dụng nhà nhân học chuyên gia dự báo tuổi thọ trung bình nam nữ riêng mơ hình chúng em dự báo tuổi thọ. .. ARIMA, ta dự báo tuổi thọ bình quân Việt Nam năm tuổi thọ bình quân ngày cao theo thời gian, thể chất lượng sống Việt Nam ngày nâng cao tương lai Kết luận Từ kết dự báo, thấy đồ thị mơ hình dự. .. tiếp dự báo tuổi thọ bình qn thơng qua mơ hình ARIMA mơ hình chuỗi thời gian khác • Dự báo tỉ lệ tử vong theo tuổi cụ thể tính tốn tuổi thọ bình quân qua kết với phương pháp bảng tuổi thọ Dự báo