Académique Documents
Professionnel Documents
Culture Documents
Directeur du mmoire :
Thomas BEHAR
Vincent DAMAS
Arnaud COHEN
Grard CROSET
Jean-Pierre DIAZ
Brigitte DUBUS
Paul ESMEIN
Michel FROMENTEAU
Benot HUGONIN
Christophe IZART
Pierre PETAUTON
Florence PICARD
Christian Yann ROBERT
Laurence BEAUVOIS
Invit :
Vincent DEFAUX
-2-
Dans le cadre des rgimes proposant des garanties sous forme de rentes viagres, lassureur
sengage trs long terme puisquil garantit le versement dun revenu priodique jusquau
dcs des bnficiaires du contrat. Il est aussi bien confront au risque de longvit des
rentiers quaux alas financiers.
Projeter l'
volution de la mortalit est donc un exercice indispensable mais difficile. Sur le
dernier sicle, lesprance de vie la naissance des femmes en France a connu une croissance
quasi-linaire pour atteindre 83,8 ans en 20051. Sur le constat que cette croissance sest
considrablement ralentie sur les 20 dernires annes, deux modlisations Lee-Carter standard
et logistique ont t testes pour construire des tables prospectives fminines partir dune
approche par grandes causes de dcs. Les mthodes de projection de la composante
temporelle ont t davantage approfondies par rapport aux applications classiques dans ce
domaine, pour prendre en compte des volutions plus complexes lies une analyse par
causes et ainsi limiter la part de subjectivit. Les tables de mortalit fminines
gnrationnelles construites au terme de lanalyse donnent, pour un calcul en 2008, des
niveaux de rentes viagres plus proches de ceux obtenus avec les anciennes tables officielles
franaises TPG 1993 que ceux obtenus avec les nouvelles tables TGF 2005. Les capitaux
constitutifs des rentes issus de cette analyse sont nettement plus bas que ceux calculs avec
les tables de rfrence nationales lhorizon 2050, traduisant un ralentissement attendu dans
la progression de lesprance de vie des femmes.
Dans une tude par grandes causes, lanalyse est plus complexe mettre en uvre et les biais
se cumulent avec le nombre de catgories retenues. Les rsultats sont destins modliser la
survie de lensemble de la population fminine franaise. Pour une population de rentiers, ils
sont sous-estims en raison essentiellement de lantislection (la rente attire les individus qui
pensent vivre le plus longtemps) et de lala moral (le dveloppement des retraites aurait
effectivement contribu lallongement de lesprance de vie)2. Une segmentation
multicritres des populations de rentiers semble indispensable en raison dun phnomne
pervers observ dans tout rgime de rentes : la sur-reprsentation des "mauvais risques"
conduit les assureurs rviser leurs tarifs la hausse, ce qui carte davantage les meilleurs
risques, augmente leffet dantislection et rduit dautant la taille des marchs. Une solution
alternative serait de rendre lachat de la rente obligatoire, ce que font finalement les rgimes
de retraite obligatoires. La prise en compte de coefficients multiplicateurs ou de dcalages
appliquer aux tables de mortalit prospectives en fonction de la catgorie socioprofessionnelle
et/ou de la zone gographique sont dautres voies de recherche approfondir en la matire.
-3-
Keywords : Projected life tables, cause of death, life expectancy, life annuities.
In life annuities pensions, insurers commit to an extremely long-term because they guarantee
the payment of a regular income until death of the contract holders. The insurer has to manage
annuitant longevity risk as well as financial risks.
Projection of mortality evolution is difficult but necessary work. In the last century, female
life expectancy since birth in France has essentially been linear and reached 83.8 years in
2005. On the presumption that this trend has slowed down considerably in the last 20 years, 2
Lee-Carter models have been tested to build female projected life tables from the most
common causes of death approach. By taking into consideration more complex evolutions in
cause of death analysis, this study produces a more detailed trend projection and limits
subjectivity. Female life tables built at the end of this paper lead life annuities more similar to
the old official French life tables TPG 1993 than the new French life tables TGF 2005 in 2008
calculus. Life annuities terms in this analysis express a slow downward trend in female life
expectancy.
In a study by most common causes of death, analysis is difficult and errors tend to increase
with the number of cause classes. The results of the study will be a model of the whole French
female population. For stock-holder population, they are underestimated due to adverse
selection (settlement attracts a person who is thought to live longer) and moral risk (pensions
expansion will effectively contribute to lengthening of life expectancy). A multi-criterion
segmentation of stock-holder populations seems necessary due to a perverted phenomenon
which is observed in all stock-holder systems: over-representation of bad risks lead insurers to
increase prices. Increased prices result in keeping away further good risks, increases adverse
selection effect, and a reduced market size. One alternative solution would be to return to
obligatory annuities approval which is currently done by the obligatory stock-holder system.
Another solution could be to take into account multiplicator coefficients or lags and apply
them to projected life tables according to professional class and/or geographical areas.
-4-
REMERCIEMENTS
Je tiens tout dabord remercier F. PLANCHET, actuaire au sein du cabinet WINTER &
Associs et professeur lISFA, pour son expertise et ses conseils. Par la mise disposition
de certains de ses travaux ainsi que la communication de multiples rfrences
bibliographiques en matire de mortalit prospective, il a grandement contribu la
ralisation de ce mmoire.
Je remercie particulirement mes suprieurs hirarchiques directs au sein dAGRICA : L.
BEAUVOIS actuaire et directeur dlgu Actif / Passif et V. DEFAUX responsable du
dpartement Statistiques et Actuariat pour leur soutien, leur relecture attentive ainsi que leurs
conseils.
Merci aussi M. FAVRE du cabinet WINTER & Associs pour sa relecture.
Merci SAS France pour la mise disposition dune version de SAS v.9 domicile ainsi que
pour les conseils apports par ses formateurs.
Enfin, mes dernires penses vont mes proches pour leur soutien et leur patience durant
toutes les tapes de la ralisation de ce mmoire.
-5-
SOMMAIRE
Rsum / Abstract_______________________________________________ 3
Remerciements __________________________________________________ 5
CONTEXTE DE LETUDE _______________________________________ 8
1. Une approche par grandes causes mdicales de dcs _______________________ 8
2. La mthode retenue et les solutions alternatives____________________________ 8
INTRODUCTION ______________________________________________ 11
Chapitre 1 : Analyse des donnes INSERM_________________________ 12
1. Prsentation des donnes de ltude____________________________________ 12
2. Etat de la mortalit fminine franaise en 2004___________________________ 14
3. Evolution de la mortalit sur la priode 1979-2004________________________ 16
q xt
1 q xt
et des x ______________ 34
-6-
CONCLUSION________________________________________________ 93
BIBLIOGRAPHIE _____________________________________________ 95
ANNEXES ____________________________________________________ 97
Annexe 1. Principales causes de dcs et codification internationale ____________ 97
Annexe 2. Taux bruts de dcs selon les principales causes mdicales___________ 99
Annexe 3. Programme SAS IML dapproximation de la matrice Z . t k ______ 104
Annexe 4. Tables de gnration Femme - TGF v.1 - Modle Lee-Carter standard_ 105
Annexe 5. Tables de gnration Femme - TGF v.2 - Modle Lee-Carter logistique_112
-7-
CONTEXTE DE LETUDE
En prambule, cette partie a pour objectif de prciser au lecteur les motivations et enjeux de
ltude ainsi que les mthodes retenues. Lintrt dune analyse par causes de dcs pour la
construction de tables de mortalit prospectives est prcis dans une premire section. Les
calculs par grande cause de dcs sont raliss sur la base de modles dterministes de type
Lee-Carter. Dautres mthodes alternatives pour modliser la dure de vie future des femmes
sont envisageables, comme en atteste les nombreux travaux en matire de mortalit
prospective sur les deux dernires dcennies. Elles feront lobjet dune seconde section.
-8-
Dautres solutions sont envisageables pour construire des tables de mortalit prospectives. On
pourra citer en particulier :
1) Le modle de Gompertz-Makeham [1860] est historiquement un des modles de
rfrence pour lajustement des taux instantan de mortalit et la dtermination des Lx.
Il part de lhypothse, pour certains ges, dun taux instantan de mortalit qui
sexprime par :
x = A + B.Cx avec A>0, B>0 et C>1.
Avec A qui traduit les dcs accidentels et B.Cx le processus de vieillissement.
Ce modle est encore couramment utilis pour la construction de table de mortalit
dexprience. Par ailleurs, certaines tudes rcentes prsentent des formulations
proches inspire du modle de Makeham, comme celui de Menthonnex & Vanner
[1998].
2) Les modles Log-linaires6, exprims par exemple via lintroduction du "logit" sur les
taux de mortalit, sont des modles alternatifs avec moins de paramtres. Nous
prsenterons dans cette tude une modlisation Lee-Carter logistique qui en est
directement inspire.
3) Les modles rfrence externe permettent de positionner la mortalit dun groupe de
taille rduite par rapport une table de rfrence, par exemple une table du moment
INSEE. Lapproche la plus courante consiste appliquer un taux de majoration (ou
dabattement) aux taux de la table de rfrence.
4) Les modles risque proportionnel7, introduit par Cox [1972], suppose que la fonction
de risque conditionne par les variables exognes se ramne au risque lui-mme qui
est "modul" en fonction des exognes.
Le modle de Cox prend la forme suivante :
h(t | x) = h0(t) . e
.x
Avec h(t | x) la fonction de risque, h0(t) une fonction positive commune toutes les
units et ne dpendant que du temps et un vecteur de coefficients.
On peut le considrer de diffrentes manires selon que la fonction de risque est
suppose connue ou inconnue. Sa simplicit et la facilit avec laquelle il peut tre
tendu pour tenir compte de phnomnes complexes pour modliser la dure de vie
humaine comme lhtrognit non observe sont lorigine de son engouement.
5) Le modle causes de sorties multiples8 est une gnralisation du modle de
Makeham qui comporte 2 composantes : dcs accidentels et dcs lis au
vieillissement. Sous lhypothse dindpendance des diffrentes composantes, le
modle est simple et le taux instantan de mortalit global est la somme des taux
instantans de mortalit par cause : cest ce modle qui a t retenue dans cette tude.
6
-9-
Lhypothse dindpendance des causes peut galement tre leve via les modles de
fragilit (voir infra.) et lintroduction de martingales conditionnelles (Oakes [1989]).
6) Les modles risques concurrents ont une approche similaire celle de ltude de la
mortalit par causes. On estime un modle diffrent pour chaque changement dtat en
retirant lindividu de tous les groupes risque au moment o il change dtat.
Lapproche peut tre simple, laide de plusieurs quations estimes au moyen du
modle de Cox, du modle exponentiel, etc., ou en tenant compte de la corrlation
dans les processus de changement dtat via le modle probit par exemple o la loi
normale est utilise comme fonction de liaison.
7) Les modles de fragilit simple ou combine9 partent de la formulation dun modle
risque proportionnel. On fait lhypothse que les individus atteignant un ge lev ont
bnfici dune force de mortalit plus favorable durant leur vie. Ces modles
prennent en compte lhtrognit de la fragilit individuelle (J. Vaupel et al. [1979])
ainsi que les diffrences individuelles dans la vitesse de croissance de la mortalit
avec lge (Barbi [1999]). Ces modles permettent destimer lesprance de vie
maximale des gnrations considres.
8) Les modles stochastiques de mortalit10 permettent de rendre compte des variations
erratiques, aux diffrents ges, des taux instantans de mortalit autour de leurs
valeurs tendancielles. Le taux de mortalit futur devient un processus stochastique.
Les approches stochastiques de la mortalit sont nombreuses comme les lissages
baysiens ou le modle de Kimeldorf et Jones [1967]. Lutilisation dun modle
stochastique a pour intrt de quantifier le risque systmatique non mutualisable en
intgrant lincertitude sur les taux de mortalit futurs et la perspective de valorisation
en "juste valeur" dengagements de retraite comportant la fois un risque financier et
un risque dmographique. Enfin, on prcisera que lensemble des modles
dterministes prsents infra (modle de Lee-Carter, modles poissoniens, ) peuvent
tre tudis dans le cadre dune approche stochastique.
__________________________
Au terme de cette prsentation, on retiendra que les travaux suivants visent construire des
tables de mortalit prospectives fminines sur la base dun modle causes de sorties
multiples dont chacun fait lobjet dun ajustement via un modle de type Lee-Carter.
Lhypothse dindpendance des causes est rendue possible via la notion de "cause initiale du
dcs".
10
- 10 -
INTRODUCTION
La question de l'
valuation de la mortalit future dans la tarification des rentes viagres a
longtemps t relgue au second plan en raison de taux de rendement financiers levs.
Aujourd'
hui, de nombreux acteurs du monde de l'
assurance ont pris conscience de
l'
importance du risque de longvit. En commercialisant des rentes viagres, ils prennent des
engagements trs long terme puisqu'
ils garantissent, vie, le versement d'
un revenu au
dtenteur du contrat.
Projeter l'
volution de la mortalit est donc un exercice indispensable. Il est cependant loin
d'
tre ais. Pour s'
en convaincre, il suffit d'
analyser les carts observs, par le pass, entre les
projections et la ralit. Le plus souvent les projections ont sous-estim les gains de longvit.
Lide de raliser des prvisions long terme sur les 17 grandes causes de mortalit11 de la
codification internationale, est un axe danalyse qui semble naturel pour la construction de
tables prospectives. Chacun des groupes issus de cette segmentation a son volution propre.
En agrgeant les projections ralises au niveau de chaque catgorie, on peut faire lhypothse
que les rsultats seront plus prcis par rapport une analyse classique, toutes causes de dcs
confondus. Cette question est la base de ce sujet dtude.
Ce mmoire a pour objet de construire des tables de mortalit prospectives partir des
grandes causes mdicales de dcs. Il se limite lanalyse de la mortalit fminine au niveau
national, sans chercher corriger lantislection inhrente un rgime de rentes viagres.
Cette modlisation causes de sorties multiples implique des calculs sur une grande quantit
dinformation. Cela a rendu indispensable une grande rigueur dans lapplication de la
mthodologie et explique galement la limitation au seul sexe fminin. Les mthodes de
construction de tables de mortalit prospectives sont nombreuses et les travaux rcents au
niveau international en la matire attestent de lintrt du sujet. Le choix sest port sur des
mthodologies rcentes : Lee-Carter standard et Lee-Carter logistique (variante). Lide de
passer par une dcomposition en valeurs singulires de la matrice des taux de mortalit
(doublement indexe par lge et par le temps calendaire) est en effet adapte la structure
des donnes disponibles : taux de mortalit bruts INSERM sur 26 annes par classes dges et
pour 17 grandes causes de dcs.
Ainsi, aprs une analyse des statistiques de mortalit franaises par grandes causes mdicales,
nous prsenterons les principes des modlisations Lee-Carter mises en uvre pour aboutir la
ralisation de deux nouvelles tables de mortalit gnrationnelles fminines12. Ces rsultats
nous permettrons de raliser des tudes comparatives en Assurance Vie sur les rentes viagres
et lesprance de vie rsiduelle.
11
12
- 11 -
CHAPITRE I :
ANALYSE DES
DONNEES INSERM
1) Prsentation des donnes de ltude
Ce chapitre a pour objectif de prsenter les caractristiques des principales causes des dcs
de la population fminine en France mtropolitaine, observe sur la priode 1979-2004. On
analysera plus particulirement les dcs survenus au cours de lanne 2004 (dernier exercice
de lhistorique) ainsi que leur volution rcente (2000-2004).
Les donnes sont issues de la base nationale des causes mdicales de dcs, labore
annuellement par le Centre dpidmiologie sur les causes mdicales de dcs de lInserm
(CpiDc). Les diffrentes causes sont codes et catgorises selon la Classification
Internationale des Maladies. La codification actuelle est la CIM 10 depuis lanne 2000.
Ltude est mene sur la cause initiale13 de dcs. Ces informations sont tablies partir des
donnes recueillies sur les certificats mdicaux remplis par le mdecin ayant constat le
dcs.
La codification des principales causes de dcs est prsente de faon synthtique
dans le tableau 1 de la page 11.
Dans cette tude, seules les 17 plus grandes causes de dcs de la codification internationale
ont t retenues pour la priode dobservation 1979-2004.
Lindicateur slectionn dans les donnes INSERM est le taux de dcs brut qxt avec x =
lge ou la classe dge et t = lanne dobservation.
Chaque taux brut de dcs se calcule de la faon suivante :
Taux brut
pour une cause
=
pour 100 000
habitants
x 100 000
13
La cause initiale de dcs est dfinie par lOMS comme la maladie ou le traumatisme qui a dclench
lvolution morbide conduisant directement au dcs, ou les circonstances de laccident ou de la violence qui ont
entran le traumatisme mortel.
- 12 -
Les classes dge retenues sont celles prises en compte par lINSERM14. Elles sont dans cette
tude au nombre de 10 et de longueur variable :
[0 1 an[
[45-54 ans]
[1-4 ans]
[55-64 ans]
[5-14 ans]
[65-74 ans]
[15-24 ans]
[75-84 ans]
[25-34 ans]
[85-94 ans]
[35-44 ans]
[95 ans et +[
LINSERM justifie le regroupement par classes par le fait que lorsque le taux est calcul sur
une population d'
effectif faible, il peut tre affect par d'
importantes variations alatoires
d'
une anne l'
autre. Dans ce cas, il est recommand de travailler sur des regroupements
d'
annes.
On dispose ainsi dun taux brut moyen annuel de mortalit pour chaque classe dge.
On notera galement que depuis 1998, l'
INSEE et l'
INSERM ont recours un classement
gnral par groupes d'
ges rvolus (carrs et rectangles du diagramme de Lexis15).
14
15
MICHEL E., JOUGLA E., HATTON F., CHRI-CHALLINE L. Principaux indicateurs SC8 - INSERM.
Pour plus dinformations sur le diagramme de Lexis, voir la section 1 du chapitre 2.
- 13 -
Tableau 2 : Sexe fminin - Rpartition des dcs entre grandes causes de 1979 2004.
Maladies ou causes extrieures
I. Maladies infectieuses et parasitaires
II. Tumeurs
III. Maladies du sang et des organes hmatopotiques
IV. Maladies endocriniennes, nutritionelles et mtab.
V. Troubles mentaux et du comportement
VI. Maladies du syst. nerveux et des org. des sens
VII. Maladie de lappareil circulatoire
VIII. Maladies de lappareil respiratoire
IX. Maladies de lappareil digestif
X. Infections de la peau et du tissu cellulaire sous-cutan
XI. Maladies syst. osto-art., muscles et tissu conj.
XII. Maladies de l'
appareil gnito-urinaire
XIII. Complic. de grossesse, accouch. et puerpralit
XIV. Certaines infections de la priode prinatale
XV. Malformations congn. et anom. chromosomiques
XVI. Symptmes et tats morbides mal dfinis
XVII. Causes externes de blessure et dempoisonnement
DECES TOUTES CAUSES CONFONDUES
Ecarts
Rpartition des dcs entre grandes causes
1979 1984 1989 1994 1999 2004 2004 - 1979
1,2% 1,3% 1,5% 1,9% 1,5% 1,9%
+0,7%
20,1% 20,8% 22,0% 22,9% 22,6% 25,2%
+5,1%
0,5% 0,5% 0,5% 0,6% 0,6% 0,5%
-0,0%
3,1% 3,2% 3,2% 3,3% 3,9% 4,3%
+1,2%
1,3% 2,4% 2,8% 3,1% 3,7% 3,8%
+2,5%
2,6% 1,9% 2,3% 2,6% 3,7% 5,5%
+2,9%
41,6% 40,5% 38,3% 36,4% 33,8% 31,7%
-9,9%
5,3% 5,5% 6,6% 7,1% 8,2% 5,8%
+0,5%
5,9% 5,6% 5,0% 4,8% 4,5% 4,3%
-1,6%
0,4% 0,5% 0,6% 0,7% 0,7% 0,5%
+0,1%
0,5% 0,7% 0,7% 0,7% 0,7% 0,9%
+0,5%
1,7% 1,5% 1,4% 1,4% 1,5% 1,6%
-0,1%
0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
-0,0%
0,3% 0,3% 0,2% 0,2% 0,2% 0,2%
-0,1%
0,4% 0,4% 0,3% 0,3% 0,3% 0,3%
-0,1%
7,1% 7,1% 7,1% 6,9% 7,3% 7,3%
+0,2%
7,8% 7,8% 7,5% 7,0% 6,8% 6,1%
-1,7%
100% 100% 100% 100% 100% 100%
/
16
Le taux standardis de dcs se calcule en pondrant les taux bruts de mortalit par la structure dge de la
population de rfrence Principaux indicateurs SC8 INSERM - CpiDc.
- 14 -
Chez les femmes, les maladies de lappareil circulatoire arrivent au premier rang avec 77.986
dcs. Les tumeurs (62.020) reprsentent le second facteur de dcs. Le cancer du sein
(11.199 dcs) est le plus frquent suivi par le colon rectum, les leucmies et le poumon. Les
accidents arrivent ensuite avec cinq fois plus "dautres types daccidents" tels que chutes,
noyades, intoxications... que daccidents de transport. La maladie dAlzheimer (8.209 dcs)
occupe le 4e rang. Viennent ensuite le diabte, les dmences, la pneumonie-grippe et le
suicide.
Les moins de 15 ans sont peu concerns par les pathologies retenues
En 2004, 1.888 filles sont dcdes en mtropole. Un dcs sur deux est expliqu par les
affections de la priode prinatale et des anomalies congnitales qui surviennent avant lge
dun an. Avec 152 dcs, la part des tumeurs dans la mortalit fminine est de 8,1%.
Les 15-24 ans : une population haut risque de mort violente
Les dcs de jeunes femmes entre 15 et 24 ans sont au nombre de 994 en 2004. Les causes
externes (principalement les accidents et les suicides) reprsentent 51% des dcs ces ges,
mais prs de quatre fois moins que chez les jeunes hommes. Les tumeurs (128 dcs)
constituent la deuxime grande cause.
Chez les 25-44 ans, les tumeurs prdominent chez la femme
Pour la population des femmes de 25-44 ans (6.134 dcs), les tumeurs constituent la cause de
dcs la plus frquente (un dcs sur trois). Les principales localisations tumorales sont le
poumon, le sein et les tissus lymphodes (leucmies). Les suicides reprsentent la deuxime
cause de mortalit (822 dcs). Les accidents (prs de 600 dcs) se rpartissent galement
entre accidents de transport et autres types daccidents. Les maladies crbrovasculaires ont
un poids deux fois plus lev que chez les hommes.
Entre 45 et 64 ans, le cancer du sein est la premire cause de dcs chez la femme
Plus dun dcs sur deux (54%) est d une tumeur (cause de dcs la plus frquente). Le
cancer du sein devient prdominant (3.587 dcs) : 15% de la mortalit gnrale et plus d
de la mortalit par tumeur (taux de 47,6 pour 100.000). Il est suivi par le cancer du poumon
(1.930 dcs). Ces deux types de cancers constituent les deux premires causes de dcs cet
ge.
A partir de 65 ans, les maladies cardiovasculaires prdominent
La classe dge des 65 ans et plus enregistre 212.644 dcs pour un taux de 3.123,9 / 100.000
habitants. Les accidents cardiovasculaires reprsentent prs de 35% des dcs de cette classe
dge devant les tumeurs (22%). Le cancer du sein, en trs forte augmentation, reste la
premire localisation des tumeurs (6.967 dcs). Le taux de dcs y est maximal pour ce
risque (113,8 / 100.000), 15 fois suprieur celui de la classe dge "25-44 ans". Les
accidents autres que les accidents de transports prdominent galement pour les femmes.
Viennent ensuite la maladie dAlzheimer (8.162 dcs, taux de 120,5) et les dmences (6.387
dcs, taux de 84,9). Pour ce type de maladies, les dcs concernent uniquement les femmes
de 65 ans et plus. Le taux de dcs par maladie dAlzheimer est suprieur celui du cancer du
- 15 -
sein. Les dcs dus au diabte restent levs avec un taux de 82,2 pour 100.000. Mme si le
nombre de suicides (791 dcs) diminue par rapport la classe dge prcdente, le taux de
dcs nen reste pas moins lev (13,4/100.000).
- 16 -
Tableau 3 : Sexe fminin - Evolution des taux bruts des 17 grandes causes de dcs.
(1)
1984/1979
+2,9%
+1,4%
+11,5%
-1,3%
+81,3%
-27,9%
-4,6%
+2,0%
-7,6%
+12,8%
+52,1%
-16,6%
+15,4%
-25,7%
-10,7%
-1,2%
-2,5%
-2,0%
(2)
(3)
(4)
(5)
(6) *
Evolution relative par pas de 5 ans
Evolution
1989/1984 1994/1989 1999/1994 2004/1999 2004/1979
+11,6%
+20,5%
-19,8%
+17,8%
+30,8%
+1,3%
-0,6%
+2,4%
+0,9%
+5,6%
-11,7%
+7,5%
+9,8%
-29,0%
-17,5%
-4,7%
+0,1%
+22,8%
+1,0%
+16,6%
+13,0%
+3,7%
+25,0%
-6,9%
+147,3%
+11,0%
+8,6%
+47,8%
+37,1%
+76,1%
-9,6%
-9,3%
-3,5%
-15,1%
-35,9%
+13,4%
+2,8%
+19,4%
-35,2%
-8,1%
-14,7%
-7,5%
-2,7%
-13,9%
-39,0%
+4,1%
+17,4%
-1,3%
-26,1%
+0,6%
-6,4%
-4,0%
+11,3%
+11,3%
+69,4%
-10,0%
-0,8%
+9,9%
-4,8%
-22,2%
-41,4%
+24,8%
-34,8%
-6,8%
-48,7%
-17,6%
-1,9%
+3,0%
-3,4%
-40,3%
-15,0%
-15,8%
-9,5%
-0,5%
-42,5%
-5,4%
-6,6%
+9,4%
-9,1%
-13,2%
-7,6%
-10,4%
+0,2%
-19,1%
-34,6%
-4,5%
-4,5%
+3,8%
-9,3%
-15,9%
Graphique 1 : Rpartition des taux de dcs bruts moyens de sexe fminin en France
par grandes causes mdicales - toutes tranches dge confondues.
- 17 -
CHAPITRE II :
METHODES DE CONSTRUCTION
DES TABLES PROSPECTIVES
1) Prsentation des modles
1.1) Hypothses de dpart
En pralable, il faut prciser que ce modle est dcrit en temps continu. Tout naturellement,
nous ferons donc lhypothse ici de "constance du taux instantan de mortalit xt dans
chaque carr du diagramme de Lexis". La liaison entre le taux de mortalit instantan xt et le
taux de mortalit brut qxt est alors dfini par la relation suivante :
xt = ln(1 q xt )
Le diagramme de Lexis fait intervenir 3 mesures du temps :
- lge : x,
- la date dobservation : t,
- la gnration (date de naissance) : t-x.
La reprsentation de la vie dun individu dans un systme deux dimensions est ralise de la
faon suivante :
Age
x+1
t-x-1
t-x
t+1
Temps
- 18 -
xt reprsente
- x est la composante spcifique lge x. Elle dcrit le comportement moyen des ln(
cours du temps ;
xt)
au
kt = 0
x = 1
- xt est un terme derreur refltant les particularits propres un ge x ou une anne t non
captures par le modle. Ce terme derreur est une suite de variables alatoires indpendantes,
identiquement distribues selon une loi N(0, ).
Le critre doptimisation retenu consiste maximiser la variance explique par le modle, ce
qui quivaut minimiser la variance des erreurs. Lestimation des paramtres est ralise
partir dun critre des moindres carrs :
( x , x , kt ) = arg min
x ,t
Ce programme doptimisation non linaire est rsolu laide de SAS. Il faut remarquer que
le nombre de paramtres estimer est lev. On a :
- Un modle pour chacune des 17 grandes causes de dcs,
- Pour chaque modle : 2 . (xM - xm + 1) + (tM - tm + 1) paramtres.
- 19 -
En considrant que lanalyse porte sur 12 classes dges, sur 17 grandes causes mdicales de
dcs (plus une : le cumul des causes de dcs) et sur un historique de 26 annes (1979
2004), le nombre de paramtres estimer est de :
[2 x 12 + 26] x 18 = 900 paramtres.
Ce total aurait pu tre dcupl en ralisant une tude pour tout ge (0 120 ans). Les calculs
nont cependant pas t raliss de cette faon car il est prfrable de travailler directement
sur les donnes brutes INSERM, disponibles uniquement par classes dge. On notera que les
diffrentes classes seront, en fin danalyse, redployes ge par ge afin de construire les
tables de mortalit prospectives. On se basera sur une hypothse de croissance exponentielle
des taux de dcs entre deux classes dge. La relative lourdeur des estimations explique par
ailleurs que lanalyse soit limite au sexe fminin.
q xt =
ey
, il est quivalent
1+ ey
exp( x + x .k t )
1 + exp( x + x .k t )
q xt
. Les autres caractristiques de la modlisation Lee-Carter ne changent pas.
1 q xt
2. Dcomposition par tapes
2.1) Estimation des paramtres
Le modle (2) ne peut pas tre ajust par une simple rgression linaire, puisquil ny a pas de
variables observables dans le membre de droite. Nanmoins, une solution optimale au sens
des moindres carrs existe et est fournie par la mthode de dcomposition en valeurs
singulires.
- 20 -
t =tM
t = tm
k t = 0 et
x = xM
x = xm
x = 1.
Cette tape ne concerne pas le modle Lee-Carter logistique puisque lon travaille
directement sur les q xt .
Etape 2 :
Estimer les x . Les x sont en fait les moyennes au cours du temps des ln xt pour
le modle Lee-Carter standard :
x =
ou des ln
q xt
1 q xt
t =tM
1
ln xt
t M t m + 1 t = tm
x =
t =tM
q xt
1
ln
t M t m + 1 t =tm 1 q xt
Etape 3 :
Modle Lee-Carter standard : constituer pour chacune des grandes causes mdicales
de dcs les matrices Z = { z xt } dont chaque lment est donn par : z xt = ln xt x .
Lobjectif est de dcomposer chaque matrice Z en produit de 2 vecteurs de la forme :
Z . t k (3)
Il sagit dune approximation dtermine par la recherche des valeurs propres de Z :
Z=
i 1
avec :
i .vi . t ui
1:
1 .v1 . t u1 (4)
- 21 -
i sera grand.
= v1 /
Si
v1 j et k = 1 .(
x = xM
x = xm
et k :
v1 j ).u1
x = 1 et
t =tM
t = tm
k t = 0 sont respectes.
Modle Lee-Carter logistique : constituer pour chacune des grandes causes mdicales
de dcs les matrices Z = { z xt } dont chaque lment est donn par :
z xt = ln
La mthode de calcul des vecteurs
q xt
x
1 q xt
La rsolution de cette tape fastidieuse passe, dans les 2 cas, par le recours une
procdure SAS IML dtaille en annexe 3.
Etape 4 :
Cette tape consiste ajuster les kt pour que le nombre total de dcs enregistrs
chaque anne corresponde celui prdit par le modle. Cela revient recalculer pour tout k la
fonction:
F(k) = 0 =
x = xM
x = xm
Lxt . exp( x + x .k )
x = xM
x = xm
D xt avec x et x = constante.
La srie des kt est ensuite corrige, soit k t*t , pour respecter la contrainte
k t* = kt
t =tM
1
kt
t M t m + 1 t = tm
x* = x +
kt
t M t m + 1 t = tm
- 22 -
t =tM
t = tm
kt = 0 :
3) kt = a/t + b +
4) kt = b+c.at +
Les kt prenant des valeurs tantt positives ou ngatives, ces fonctions sont celles qui donnent
les meilleurs rsultats (R maximum).
Les quations 2 et 3 sont facilement linarisables par changement de variable.
Lquation 4 est de la mme forme que celle retenue par Makeham pour le calcul des x :
- 23 -
17
BOX & JENKINS [1970]. Time series analysis, forecasting and control.
BROCKLEBANK J., DICKEY D. [1994/2007]. Forcasting Techniques Using SAS/ETS Software. SAS
Institute.
18
- 24 -
t2 = Min
t = k +1
t = k +1
En pratique, on retient le modle pour lequel les 2 statistiques suivantes sont minimales :
-
- 25 -
t = le bruit blanc.
- AR(p=1) :
k t = 1 ( k t 1 ) + t
k t = 0 + 1k t 1 + t
avec : 0 = (1 1 )
- AR(p) :
(1 1 B )( k t ) = t en notation Backshift
avec B1kt = kt-1
(1 1 B 2 B 2 ... p B p )( k t ) = t
k t = 0 + 1k t 1 + 2 k t 2 + ... + p k t p + t
avec : 0 = (1 1 2 ... p )
On notera que si | i| < 1 alors la srie peut tre considre comme stationnaire.
12) Modle moyenne mobile :
Prcisons tout dabord les notations :
0 = la constante,
k t = 0 + t 1 t 1
( k t 0 ) = (1 1 B ) t en notation Backshift
avec B1 t =
- MA(q) :
t-1 et
0 du modle AR.
k t = 0 + t 1 t 1 2 t 2 ... q t q
( k t 0 ) = (1 1 B 2 B 2 ... q B q ) t
- 26 -
k t = 0 + 1k t 1 + 2 k t 2 + ... + p k t p 1 t 1 2 t 2 ... q t q + t
avec : 0 = (1 1 2 ... p )
(1 1 B 2 B 2 ... p B p )( k t ) = (1 1 B 2 B 2 ... q B q ) t
14) Modle ARIMA(p,d,q) :
Ce modle est un ARMA avec diffrenciation de la srie des kt. Le degr de diffrenciation
dpend du rsultat de ltape DFTEST (voir ci-dessus).
Lobjectif est dobtenir une srie stationnaire, cest--dire :
(1 B)k t
Cette tape peut amliorer significativement le processus ARIMA. On remarquera que cette
opration fait perdre une observation pour lestimation des paramtres.
c) Tests de validation :
Dans les sorties SASTM, on sassure que :
-
les paramtres estims sont significatifs (p-values qui tendent vers 0),
R : en raison de la contrainte
t =tM
t = tm
proche de 0.
lhypothse de bruit blanc des rsidus est valide (p-values qui tendent vers
1).
3) Prvisions :
Ltape Forecast de la proc ARIMA permet de gnrer automatiquement avec le modle
retenu les prvisions des kt un horizon H fix avec les intervalles de confiance au seuil de
risque de 5%. Ces rsultats ont bien entendu t contrls avec lquation du modle.
- 27 -
- 28 -
R : A lge ultime, on a : 120 = 1 => q120 = 1 exp( 1) # 63,2% contre 100% attendus pour
clore la table. Pour obtenir un taux brut de dcs 100% 120 ans, il faudrait que 120 19 ,
ce qui nous oriente naturellement vers une fermeture de type exponentielle pour le modle
Lee-Carter logistique.
3.1) Fermeture pour le modle Lee-Carter standard
Nous avons retenu la mthode propose par Coale et Kisker [1990] pour extrapoler les taux
de mortalit aux ges levs. Il sagit de travailler sur les taux instantans de mortalit xt
jusqu lge de 120 ans. Cette limite a galement t choisie par souci de cohrence avec les
nouvelles tables prospectives franaises TGH et TGF 2005 et ainsi faciliter (a priori) les
comparaisons.
Ce choix se traduit donc pour les femmes par : 120 = 1
Cette mthode part de la formulation suivante :
x = 65 exp( g x ( x 65))
x entre
65 et x ans.
Coale et Kisker ont remarqu que les courbes des gx possdent en principe un maximum aux
alentours de 80 ans avant de dcrotre linairement. Ils ont ainsi pos lquation ci-dessous :
g x = g 80 + s( x 80) avec x
120 = 79 exp
Cela conduit :
120
x =80
80.
g 80 + s( x 80) = 1
79
+ (120 80 + 1) g 80
120
soit s = ln( 79 ) + 41g 80
120
820
( x 80)
x = 80
avec : 120 = 1 et g 80 =
- 29 -
1
ln 80
15
65
19
20
- 30 -
CHAPITRE III :
MODELISATIONS LEE-CARTER
DES TAUX BRUTS DE DECES PAR
GRANDES CAUSES
Dans ce chapitre, notre objectif est dappliquer les modles Lee-Carter standard et logistique
aux donnes par grandes causes mdicales de dcs. Aprs une prsentation des spcificits
de lanalyse, nous dtaillerons tape par tape les rsultats obtenus. Au final, des tables
fminines par gnration seront ralises pour chacune des deux modlisations tudies.
t =t M
1
ln xt sont remplacs par :
t M t m + 1 t =tm
x"= moyenne(
t =t M
t =t m
ln xt ) avec xt > 0.
- 31 -
Les x et kt sont galement calculs sur les xt > 0. Les calculs des xt par la
modlisation Lee-Carter sont donc ralisables mais biaiss ce stade.
La correction est ralise deux niveaux :
1) Sur les 26 annes dhistorique :
Il faut prciser que les classes dge et causes concerns par un nombre de dcs nuls
sont peu significatives : 0,1% 0,3% du total des dcs constats selon lanne t.
Ladquation aux donnes est bonne puisque les calculs ne sont pas raliss pour les
xt nuls. Une correction est toutefois ralise en ajustant les dcs prdits par le
modle sur ceux constats en France via la fonction F(k) = 0 dcrite au chapitre 2 :
F(k) = 0 =
x = xM
x = xm
Lxt . exp( x + x .k )
x = xM
x = xm
P =
1[ q x ,t >0]
26
exp( x + x .k t )
Px
1 + exp( x + x .k t )
Dans la grande majorit des cas, Px = 1 et les xt et q xt ne sont pas impacts. Pour
nombre : 3 088 dcs sur 26 ans (soit 0,05% du total des dcs constats) dans le
modle Lee-Carter standard et 3 066 dcs sur 26 ans (soit 0,05% du total des dcs
constats) dans le modle Lee-Carter logistique.
Le tableau suivant indique les ratios obtenus pour chacune des grandes causes
mdicales de dcs de sexe fminin comme sur le total des causes cumules.
. t k
Comme on peut le constater, le modle Lee-Carter logistique donne des rsultats trs proches
de la mthode standard. En effet, les calculs sont effectus en remplaant les ln( xt ) par les
q xt
. En particulier, on constate quil ny a pas de diffrence significative dans les
1 q xt
reprsentations graphiques des paramtres. Cest pour cette raison que, dans les tapes
suivantes, nous exposerons essentiellement les rsultats issus du modle Lee-Carter standard.
ln
1.2)
Les donnes de bases de ltude : qxt pour chaque grande cause mdicale de dcs sont
rappels en annexe 2.
Cette tape concerne exclusivement la mthode Lee-Carter standard. Pour calculer les xt , on
fait l'
hypothse de constance des taux instantans de mortalit dans chaque carr du
diagramme de Lexis. On remarquera que les xt sont significativement diffrents des qxt pour
des valeurs de qxt 10%, soit pour les classes dge [85-94 ans] et [95 ans et +[. Ces biais
seront corrigs lors de la fermeture des tables.
- 33 -
1.3)
q xt
1 q xt
et des x
q xt
1 q xt
qxt nuls.
Les x sont par dfinition les moyennes dans le temps des ln xt .
Les x obtenus dans le modle Lee-Carter standard sont reprsents ci-dessous pour
chacune des 18 catgories de causes mdicales de dcs, avec une chelle des
ordonnes uniformise pour mieux visualiser les spcificits :
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.5
564
.6
574
.7
584
.8
594
.9
5
.5
564
.6
574
.7
584
.8
594
.9
5
et
+
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 4
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 3
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
- 34 -
et
+
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 6
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 5
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.3
544
.2
534
.1
524
.5
-1
4
.<
1
.1
-4
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
et
+
cat 2
cat 1
an
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
- 35 -
.9
5
et
+
.8
594
.7
584
.6
574
cat 17
.5
564
cat 15
.4
554
.7
584
.8
594
.9
5
.7
584
.8
594
.9
5
et
+
.6
574
.6
574
et
+
.5
564
.5
564
cat 16
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.4
554
cat 13
.3
544
.2
534
.1
524
.5
-1
4
an
et
+
.9
5
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
cat 11
.3
544
.2
534
.1
524
.5
-1
4
an
et
+
.1
-4
.<
1
.9
5
an
.1
-4
.<
1
an
an
et
+
an
an
et
+
.7
584
.8
594
.9
5
.7
584
.8
594
.9
5
et
+
.6
574
.6
574
et
+
.5
564
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.5
564
cat 10
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 9
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.1
-4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
an
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
an
et
+
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 7
cat 8
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
cat 12
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
cat 14
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
Total
Si lon considre que la courbe des x du total des causes de dcs ( Total) est celle de
rfrence, on constate que la tendance est dcroissante jusqu lge de 5 ans puis crot de
faon linaire jusqu lge ultime. Cette observation nest pas vraie pour les catgories n13
(complications de grossesse) et n14 (affections dans la priode prinatale) qui sont bien
entendu particulires. Pour les autres grandes causes, la tendance gnrale est assez bien
suivie mme si les valeurs des x diffrent sensiblement.
q xt
1 q xt
et nont pas t reprsents car ils sont trs proches de ceux de la mthode standard (courbes
quasi-confondues).
R : Dans le modle Lee-Carter logistique, les x sont une moyenne pondre des ln
1.4)
0,300
0,300
0,000
0,000
-0,300
-0,300
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.5
564
.6
574
.7
584
.8
594
.9
5
.5
564
.6
574
.7
584
.8
594
.9
5
et
+
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.4
554
0,900
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 4
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 3
.2
534
.1
524
.5
-1
4
an
.<
1
0,900
0,600
.1
-4
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,900
0,600
.3
544
cat 2
cat 1
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
0,900
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
- 36 -
et
+
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 6
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 5
an
cat 17
0,900
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
- 37 -
et
+
0,000
-0,300
.9
5
0,000
-0,300
.8
594
0,600
0,300
.7
584
0,600
0,300
.6
574
cat 15
.8
594
.9
5
.8
594
.9
5
et
+
.7
584
.7
584
et
+
.6
574
.6
574
cat 16
.5
564
0,000
-0,300
.5
564
0,000
-0,300
.5
564
0,300
.4
554
0,900
.4
554
0,600
0,300
.3
544
cat 13
.4
554
0,600
.9
5
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
cat 11
.3
544
-0,300
.1
524
an
et
+
an
an
et
+
.8
594
.9
5
.8
594
.9
5
et
+
.7
584
.7
584
et
+
.6
574
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.6
574
cat 10
.5
564
0,900
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
cat 9
.3
544
-0,300
.2
534
0,300
0,000
.2
534
0,300
0,000
.2
534
0,900
0,600
.1
524
0,900
0,600
.1
524
-0,300
.1
524
0,000
.5
-1
4
0,000
-0,300
.5
-1
4
0,600
0,300
.5
-1
4
0,600
0,300
.1
-4
.<
1
.9
5
0,000
-0,300
.5
-1
4
an
et
+
0,000
-0,300
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
0,300
.1
-4
an
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,600
0,300
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,600
.1
-4
0,900
an
et
+
0,900
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,900
an
et
+
an
.1
-4
.<
1
0,900
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 7
cat 8
0,900
cat 12
cat 14
0,900
Total
Dans le cas de figure de rfrence, toutes causes confondues ( Total), les x sont dcroissants
sur les classes dge [1 an ; 44 ans] comme [75 ans et + [ et croissants dans les autres cas.
Chaque grande cause de mortalit a un comportement spcifique et on remarquera quen
particulier :
les x sont croissants avec lge sur la catgorie n6 (maladies du systme
nerveux et des organes des sens),
les catgories n13 et n14 ont une nouvelle fois un comportement spcifique.
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
19
89
kcat 2
kcat 1
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
3,000
3,000
2,000
2,000
1,000
1,000
0,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
- 38 -
20
03
20
03
19
91
19
89
19
87
19
85
19
83
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 6
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 5
20
01
-4,000
20
01
-3,000
-4,000
19
99
-2,000
-3,000
19
99
-2,000
19
97
-1,000
19
97
0,000
-1,000
19
95
1,000
0,000
19
95
2,000
1,000
19
93
3,000
2,000
19
93
3,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 4
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 3
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
kcat 15
kcat 16
3,000
3,000
2,000
2,000
1,000
0,000
1,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
kcat 17
3,000
3,000
2,000
2,000
1,000
0,000
1,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
- 39 20
03
-1,000
20
03
0,000
-1,000
20
01
1,000
20
01
0,000
20
03
2,000
1,000
19
99
3,000
2,000
19
99
3,000
20
01
kcat 13
19
97
-4,000
19
97
-3,000
-4,000
19
99
-2,000
-3,000
19
95
-2,000
k Total
19
95
-1,000
19
97
0,000
-1,000
19
95
1,000
19
93
0,000
19
93
2,000
1,000
19
93
3,000
2,000
19
91
3,000
19
91
19
99
20
01
20
03
19
99
20
01
20
03
19
99
20
01
20
03
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
19
97
kcat 12
19
97
19
95
19
93
19
91
19
89
19
87
kcat 10
19
97
19
95
19
93
19
91
kcat 11
19
91
-4,000
19
89
-3,000
-4,000
19
89
-2,000
-3,000
19
89
-2,000
19
85
kcat 9
19
89
-1,000
19
87
0,000
-1,000
19
87
1,000
19
87
0,000
19
87
2,000
1,000
19
85
3,000
2,000
19
85
3,000
19
85
-4,000
19
85
-3,000
-4,000
19
83
-2,000
-3,000
19
83
-2,000
19
83
-1,000
19
83
0,000
-1,000
19
83
1,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
0,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
2,000
1,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
2,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 7
kcat 8
kcat 14
Si les kt sont dcroissants avec le temps dans le cas de rfrence (kTotal) comme dans 9 autres
grandes causes (n2, 7, 8, 9, 10, 12, 13, 16 et 17), il nen va pas de mme pour les autres
catgories de risques :
les kt sont croissants avec lge sur la catgorie n5 (troubles mentaux et du
comportement) et n6 (maladies du systme nerveux et des organes des sens),
les kt sont plutt stables dans le temps, avec des variations plus ou moins
importantes autour de cette tendance, pour les catgories n1 (maladies
infectieuses et parasitaires), n3 (maladies du sang et des organes
hmatopotiques), n4 (maladies endocriniennes), n11 (maladies du systme
osto-articulaire et des muscles), n14 (infections de la priode prinatale) et
n15 (malformations congnitales).
1.5)
La prsence de ratios dinertie la plupart du temps infrieurs 50% (sauf sur la catgorie n17
relative aux accidents) impose un ajustement de la composante temporelle kt laide de la
fonction F(k) = 0 =
x = xM
x = xm
Lxt . exp( x + x .k )
x = xM
x = xm
chap. 2).
Nous obtenons ainsi un vecteur k t* pour chacune des grandes catgories.
Les pages suivantes prsentent les rsultats de ces ajustements.
- 40 -
Lgende :
20
01
20
03
20
01
20
03
20
03
19
99
19
99
19
99
20
01
19
97
19
97
19
95
19
93
19
97
10,000
6,000
5,000
4,000
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 4
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
19
91
19
87
19
85
19
83
19
81
2,000
1,500
1,000
0,500
0,000
-0,500
-1,000
-1,500
-2,000
-2,500
kcat 3
2,000
0,000
0,000
-5,000
-2,000
-10,000
-4,000
-15,000
-6,000
2,500
2,000
1,500
1,000
0,500
0,000
-0,500
-1,000
-1,500
-2,000
- 41 -
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 6
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 5
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
19
95
-3,000
19
95
0,000
-1,000
-2,000
19
93
1,000
19
93
3,000
2,000
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
4,000
19
89
kcat 2
kcat 1
19
99
20
01
20
03
20
01
20
03
20
01
20
03
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
99
6,000
19
79
20
03
20
01
19
99
19
97
19
95
kcat 8
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 7
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 10
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 9
10,000
5,000
0,000
-5,000
-10,000
-15,000
5,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 12
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 11
10,000
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
19
97
19
99
20
01
20
03
19
97
19
99
20
01
20
03
19
91
19
89
19
87
19
85
19
83
19
95
2,000
19
95
3,000
1,000
19
93
4,000
19
93
3,000
2,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 14
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 13
1,000
0,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
4,000
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 16
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 15
5,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
6,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
- 42 -
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
19
79
19
81
20
03
20
01
19
99
19
97
19
95
k Total
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 17
La contrainte
t =tM
t = tm
On observe que sur le cumul des causes (kTotal), lajustement sur les dcs recenss chaque
anne se traduit par une rotation des kt par rapport laxe des abscisses avec augmentation de
la pente. Ce rsultat est galement valable pour les catgories de risques n2 (tumeurs), n7
(maladies de lappareil circulatoire), n9 (maladies de lappareil digestif), n13 (complications
de grossesse), n15 (malformations congnitales), n16 (autres symptmes) et n17
(accidents). Lajustement entrane des fluctuations importantes sur la grande cause de dcs
n1 (maladies infectieuses et parasitaires).
kt
x* = x +
t M t m + 1 t = tm
R : Les x* de chacune des grandes causes de dcs ne sont pas reprsents graphiquement
ce niveau car leurs valeurs sont trs proches de celles des x .
- 43 -
Le processus ARIMA (2,0,2) est donc le modle retenu pour la prvision des kt* des dcs de
sexe fminin lis aux maladies infectieuses et parasitaires. Il a t slectionn parmi les 12
processus ARIMA suivants car il minimise les critres AIC et SBC dfinis au chapitre 2 :
AIC
104,1922
96,30583
96,4596
97,21933
96,3816
96,96152
SBC
105,4503
98,82202
98,97579
100,9936
100,1559
100,7358
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
96,02182
96,12907
98,85484
101,0472
96,91148
98,60476
SBC
102,3123
101,1615
103,8872
109,8538
101,9439
103,6371
Lgende :
prvisions
L95%
- 44 -
U95%
SAS 9.1
Ce modle ARIMA ainsi que les diffrentes rgressions sont reprsents sur lensemble de
lhorizon de prvision :
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
16,0
14,0
12,0
10,0
kt* = a.lnt + b
8,0
kt* = a/t + b
6,0
kt* = b+c.a^t
kt* = a.t + b
4,0
Donnes kt*
ARIMA(2,0,2)
2,0
0,0
-2,0
-4,0
On peut constater que le processus ARIMA est ici le plus adquat pour la prvision. Le
modle non linaire k t* = b + c a t + t est confondu avec lquation linaire et a une
tendance linstabilit long terme (paramtre a # 1).
________________________
Le modle n4 non linaire est celui qui ajuste le mieux la composante temporelle des dcs
lis aux cancers. Les prvisions de dcs sont proches du modle linaire dans une premire
priode pour sen carter trs nettement la baisse sur le trs le long terme. Cette hypothse
semble cohrente pour ce type de risque.
- 45 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-10,0
ARIMA (1,1,1)
-15,0
-20,0
-25,0
R : nous reprsentons ici les diffrentes quations des modles de rgression sans intervalle de
confiance pour viter de surcharger les graphiques. Ces derniers sont facilement dductibles
pour les 4 rgressions partir du tableau de synthse ci-dessus en utilisant lquation :
k t*+i 1,96 kt au seuil de risque de 5%.
________________________
Comme pour la catgorie n1, le processus ARIMA (2,0,2) est retenu pour la prvision des
kt* des maladies du sang. Le modle a t choisi parmi les 12 processus ARIMA de la page
suivante.
- 46 -
AIC
165,6998
148,0066
157,7476
147,5301
147,0739
154,2842
SBC
166,9579
150,5228
160,2638
151,3044
150,8482
158,0585
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
146,8185
153,4306
148,8271
149,8732
149,0207
153,6113
SBC
153,109
158,463
153,8595
158,6799
154,0531
158,6437
Le modle ARIMA (2,0,2) a t slectionn, mme sil ne minimise pas le critre SBC.
Graphiquement, une composante cyclique est mise en vidence comme pour les maladies
infectieuses et parasitaires mais avec plus damplitude :
Lgende :
prvisions
L95%
U95%
SAS 9.1
Les prvisions oscillent donc autour de zro. Elles traduisent implicitement un cycle et une
certaine stagnation dans les progrs mdicaux attendus pour ce type de risque.
- 47 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
0,0
-20,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-40,0
kt* = a.t + b
Donnes kt*
ARIMA (2,0,2)
-60,0
-80,0
-100,0
________________________
Le processus ARIMA (0,1,0) est retenu pour la prvision des kt* des maladies endocriniennes.
Il comprend une diffrenciation mais pas de composante autorgressive ou moyenne mobile.
Pour cette catgorie, difficile modliser, il semble prfrable de tabler sur baisse lente et
rgulire des dcs long terme.
- 48 -
AIC
98,06032
99,08205
99,27718
101,0456
100,9613
100,5199
SBC
99,27919
101,5198
101,7149
104,7022
104,6179
104,1766
Modles
ARIMA(2,1,2)
ARIMA(2,1,1)
ARIMA(1,1,2)
ARIMA(3,1,3)
ARIMA(3,1,0)
ARIMA(0,1,3)
AIC
99,61441
100,97
102,1763
106,0948
102,0663
94,85494
SBC
105,7088
105,8455
107,0518
114,6269
106,9418
99,73044
Lgende :
prvisions
L95%
- 49 -
U95%
SAS 9.1
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
8,0
6,0
4,0
2,0
kt* = a.lnt + b
kt* = a/t + b
0,0
kt* = b+c.a^t
-2,0
kt* = a.t + b
Donnes kt*
-4,0
ARIMA (0,1,0)
-6,0
-8,0
-10,0
-12,0
________________________
Ce risque est particulier car il est en progression sur lhistorique mme si cette hausse semble
atteindre un plafond sur les dernires annes disponibles. Pour cette raison, le modle n4 non
linaire a t slectionn pour modliser les kt* des troubles mentaux. Les prvisions de dcs
sont ici proches du modle avec asymptote, contrairement la catgorie de causes n2.
- 50 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
30,0
25,0
20,0
15,0
kt* = a.lnt + b
kt* = a/t + b
10,0
kt* = b+c.a^t
kt* = a.t + b
5,0
Donnes kt*
ARIMA (2,0,0)
0,0
-5,0
-10,0
-15,0
________________________
- 51 -
AIC
19,34576
17,41489
18,47201
19,28672
19,22365
18,05661
SBC
20,56463
19,85264
20,90976
22,94335
22,88028
21,71324
Modles
ARIMA(2,1,2)
ARIMA(2,1,1)
ARIMA(1,1,2)
ARIMA(3,1,3)
ARIMA(3,1,0)
ARIMA(0,1,3)
AIC
SBC
non convergent
21,02791
25,90341
19,63783
24,51333
23,4759
32,00803
20,91753
25,79303
19,42606
24,30156
Graphique 6a - kt* - ARIMA(1,1,0) - Maladies du syst. nerveux et des org. des sens
Lgende :
prvisions
L95%
- 52 -
U95%
SAS 9.1
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
14,0
12,0
10,0
8,0
kt* = a.lnt + b
kt* = a/t + b
6,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
4,0
ARIMA (1,1,0)
2,0
0,0
-2,0
-4,0
Encore une fois, le modle non linaire a une tendance la divergence. Il est confondu avec le
modle linaire sur le graphique.
________________________
Le modle non linaire k t* = b + c a t + t est retenu pour prvoir les dcs lis aux maladies
cardiaques. Si la tendance est la baisse, il semble prfrable de tabler sur une dcroissance
progressivement ralentie plutt que sur un modle linaire avec cette catgorie de causes.
- 53 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (1,1,0)
-30,0
-40,0
-50,0
-60,0
________________________
Ce risque est en forte baisse sur les dernires annes dhistorique. Les modles ARIMA tests
ne sont pas satisfaisants sur cette catgorie. Au final, la tendance linaire k t* = a t + b + t a
t retenue pour la prvision des dcs lis aux maladies de lappareil respiratoire.
- 54 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
0,0
-10,0
-20,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
-30,0
Donnes kt*
ARIMA (0,1,1)
-40,0
-50,0
-60,0
-70,0
On notera que sur ce graphique les quations linaires et non linaires sont une nouvelle fois
confondues.
________________________
- 55 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
-20,0
kt* = a/t + b
kt* = b+c.a^t
-30,0
kt* = a.t + b
Donnes kt*
-40,0
ARIMA (0,1,2)
-50,0
-60,0
-70,0
-80,0
On constate en particulier que modles linaires et ARIMA sont confondus pour ce risque.
________________________
Cette catgorie est en forte baisse sur lhistorique comme celle des maladies de lappareil
respiratoire. Aucun modle ARIMA test ntant satisfaisant, lquation linaire
k t* = a t + b + t a t retenue pour modliser la grande cause des dcs par infection de la
peau.
- 56 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
-20,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-30,0
ARIMA (0,1,2)
-40,0
-50,0
-60,0
________________________
Cette grande cause est particulirement difficile modliser comme on peut lobserver la
lecture des faibles coefficients R. Le processus ARIMA (1,0,2) a t slectionn car cest
celui qui ajuste le mieux les kt*. Il prdit une stabilit long terme aprs une lgre hausse
des dcs lis aux maladies musculaires et articulaires.
- 57 -
AIC
113,8966
101,4661
107,1877
103,3333
102,8849
102,1616
SBC
115,1547
103,9822
109,7039
107,1076
106,6592
105,9359
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
96,57897
100,3936
92,92928
100,2399
101,202
98,7921
SBC
102,8695
105,426
96,70357
109,0466
106,2344
103,8245
Graphique 11a - kt* - ARIMA(1,0,2) - Maladies syst. osto-art., muscles et tissu conj.
Lgende :
prvisions
L95%
- 58 -
U95%
SAS 9.1
Graphique 11b - kt* - Modles de rgression et processus ARIMA - Maladies syst. ostoart., muscles et tissu conj.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
6,0
4,0
2,0
0,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-2,0
kt* = a.t + b
Donnes kt*
ARIMA (1,0,2)
-4,0
-6,0
-8,0
-10,0
________________________
XII. Maladies de l'appareil gnito-urinaire
Rgression
Linaire
Sans asymptote
Avec asymptote
Non linaire
ARIMA
ARIMA (1,0,0)
Formule
72,59%
-0,44
kt* = a.t + b + t
kt=(2,10)
F=(63,55)
a=(0,05)
-4,38
kt* = a.lnt + b + t 87,59%
kt=(1,41)
F=(169,46)
a=(0,34)
61,95%
15,16
kt* = a/t + b + t
kt=(2,47)
F=(39,08)
a=(2,43)
0,87
kt* = b+c.a^t + t 92,11%
kt=(1,12)
F=(280,12)(si a 1=> instable)
7,40
1
1,00
2
0,00
b
5,90
c
/
10,32
-2,25
b=(0,85)
b=(0,84)
b=(0,60)
-3,84
b=(0,32)
k t* = 0 + 1 k t*1 + 2 k t* 2 1 t 1 2 t 2 + t
1
0,00
-4,98
8,31
-62,23
5,46
-12,22
10,32
-2,16
12,91
15,49
-3,84
9,61
2
0,00
-4,98
8,31
c=(0,93)
avec : 0 =
(1 1 2 ... p )
kt* = kt-1* + t
Ce risque est en baisse avec un ralentissement marqu sur les dernires annes de notre
historique. La modlisation non linaire tend vers un plancher proche de celui du modle avec
asymptote n3. Elle a t slectionne pour prvoir la composante temporelle des dcs lis
aux maladies de lappareil gnito-urinaire.
- 59 -
Choix
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
-20,0
kt* = b+c.a^t
kt* = a.t + b
-30,0
Donnes kt*
ARIMA (1,0,0)
-40,0
-50,0
-60,0
-70,0
On remarquera que les modles non linaire, avec asymptote et ARIMA sont ici trs proches.
________________________
Pour cette grande cause de dcs affectant les femmes en ge de procrer, seules les classes
dge allant de 15 55 ans sont rellement concernes. La tendance est la baisse et
lquation linaire k t* = a t + b + t a t retenue pour modliser les sinistres lis aux
complications de grossesse. On notera que la tendance est proche de celle donne par le
modle moyenne mobile dordre 3 ARIMA (0,1,3).
- 60 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
-10,0
Donnes kt*
ARIMA (0,1,3)
-15,0
-20,0
-25,0
________________________
Cette catgorie de risques concerne essentiellement la classe dge des moins dun an. La
modlisation non linaire k t* = b + c a t + t a t slectionne pour anticiper une stabilit de
ce risque sur le long terme.
- 61 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
6,0
4,0
2,0
0,0
kt* = a.lnt + b
kt* = a/t + b
-2,0
kt* = b+c.a^t
-4,0
kt* = a.t + b
Donnes kt*
-6,0
ARIMA (1,0,0)
-8,0
-10,0
-12,0
-14,0
________________________
La catgorie des dcs lis aux malformations et anomalies chromosomiques suit une
tendance dcroissante rgulire et lgrement ralentie sur les dernires annes de lhistorique.
Le modle non linaire n4 a t retenue et se caractrise par une dcroissance jusqu un
niveau plancher pour les dcs attendus long terme. Les rsultats sont ici proches de ceux du
modle n2 sans asymptote.
- 62 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
-10,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-15,0
ARIMA (0,1,1)
-20,0
-25,0
-30,0
-35,0
________________________
Cette grande cause regroupe lensemble des dcs de sexe fminin non expliqus par les 16
autres catgories. Elle reprsente environ 7,0% des dcs sur lhistorique, ce qui est dj
significatif. Comme la prcdente catgorie, la modlisation non linaire permet de prvoir un
net ralentissement dans la baisse des dcs futurs attendus.
- 63 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-15,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,3)
-20,0
-25,0
-30,0
-35,0
-40,0
-45,0
________________________
Cette dernire grande cause est celle qui est la mieux reprsente par la modlisation LeeCarter (ratio dinertie de plus de 60%21). La composante temporelle est ici dcroissante et trs
linaire. La rgression non linaire n4 a t prfre une modlisation linaire ou un
processus moyenne mobile dordre 1 ARIMA (0,1,1) mme si les 3 rsultats sont proches.
21
- 64 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,1)
-30,0
-40,0
-50,0
-60,0
- 65 -
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
-10,0
kt* = a.lnt + b
-15,0
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,2)
-25,0
-30,0
-35,0
-40,0
-45,0
- 66 -
- 67 -
CHAPITRE IV :
FERMETURE ET PRESENTATION
DES TABLES DE MORTALITE
PROSPECTIVES FEMININES
Dans la suite de ltude, nous utiliserons les projections cumules de chacune 17 grandes
causes mdicales de dcs pour construire les tables de mortalit prospectives fminines.
Lanalyse par grandes catgories de causes sarrte donc cette tape de la
modlisation Lee-Carter.
exp( x + x .k t )
1 + exp( x + x .k t )
Ces taux de mortalit sur additionns sur chacune des 17 grandes causes de dcs, pour
chaque anne t (t [1979 ; 2134]) et pour chaque classe dge.
- 68 -
Prenons par exemple lanne 1979 dans le cas du modle Lee-Carter standard :
indice
i
1
2
3
4
5
6
7
8
9
10
11
12
13
Classes
d'ge
<1 an
1-4
5-14
15-24
25-34
35-44
45-54
55-64
65-74
75-84
85-94
95 et +
Age limite
Age
central xi
0,5
3,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
107,5
120,0
xi,1979
0,988%
0,048%
0,023%
0,052%
0,070%
0,135%
0,306%
0,653%
1,698%
5,827%
15,829%
36,815%
100,000%
( x3 x2 )
et
On peut remarquer que cette tape de calcul des taux de dcs par ge a pour
consquence daboutir une premire fermeture implicite des tables puisque lon a
fix un ge ultime de 120 ans sur la dernire classe dge. Ce rsultat nest cependant
pas dterminant car la vritable clture des tables aura lieu au niveau de la section 1.5
de ce chapitre.
Les rsultats de lanne 1979 se prsentent de la faon suivante :
Taux recalculs
Taux initiaux
40%
20%
12
0
10
5
90
75
60
45
30
15
0%
Modle Lee-Carter standard
- 69 -
Pour le modle Lee-Carter logistique la diffrence vient du fait que lon travaille directement
sur les taux bruts de dcs. Le graphique suivant prsente les rsultats quivalents :
12
0
10
5
90
75
60
45
30
Taux initiaux
Taux recalculs
15
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Cette opration est ralise pour chacune des annes t. On obtient ainsi pour les 2
modlisations Lee-Carter un tableau avec 121 lignes (ges 0 120 ans) et 156 colonnes
(annes 1979 2134).
- 70 -
Lobjectif est de sassurer quil ny a pas dcarts significatifs de taux sur lhorizon
des projections selon lhypothse dvolution de la composante temporelle au niveau
dajustement "toutes causes".
par cause
x,t
global
x,t
* - Modlisation Lee-
global
.
x,t
Les carts de taux instantans de mortalit sont ngatifs ou nuls indiquant que lapproche par
causes donne des taux lgrement plus faibles que lanalyse "toutes causes". Ces diffrences
sont plus marques aux grands ges en raison de valeurs plus levs des taux de dcs
conjugues une croissance exponentielle de la mortalit jusqu lge de 120 ans. Ces carts
aux grands ges nauront pas dimpact au final suite lapplication de la mthode de
fermeture des tables.
De 0 80 ans, lcart moyen est ici de -0,037% sur lensemble des annes. La surface
correspondante est par ailleurs presque plane indiquant quelle est sujette de faibles
variations.
On en conclue quil y a bien cohrence entre lapproche par causes et lanalyse sans
rfrence la causalit des dcs dans cette tude.
- 71 -
par cause
x,t
global
x,t
** - Modlisation Lee-
global
.
x,t
Lorsque les projections "toutes causes" suivent un modle linaire, les taux instantans de
mortalit calculs partir des modlisations par cause sont logiquement plus levs sur
lhorizon des prvisions. Au-del de 80 ans, on constate galement une plus grande amplitude
des carts de taux.
De 0 80 ans, lcart moyen est ici de +0,102% sur lensemble des annes. La surface
reprsente est galement peu bossele, indiquant une faible variabilit des carts.
Si lon se focalise sur la valeur absolue des carts, on peut remarquer que les
projections de la mortalit par cause sont plus proches des rsultats provenant dune
projection non linaire des kt dans lanalyse "toutes causes".
Pour complter cette analyse, le graphique de la page suivante prsente les carts de taux
bruts de mortalit dans le cadre de la modlisation Lee-Carter logistique. Seule une projection
non linaire des kt est ici propose pour le modle "toutes causes".
- 72 -
* avec un modle non linaire retenu pour la projection des kt des qx,tglobal.
1.4) Analyse des taux de dcs obtenus avec les 2 modlisations par
cause
Pour complter lanalyse, une reprsentation graphique des logarithmes de ces taux de dcs
est prsente page suivante pour chacune des deux modlisations. Elle permet de mieux
cerner les variations de taux de dcs entre les ges.
Par construction, les taux de dcs sont 100% lge de 120 ans suite au redploiement des
taux de dcs par ge. Cette clture nest que provisoire et la vritable fermeture des tables
sera ralise dans la section 1.5.
- 73 -
Graphique 6 - ln(
xt)
On remarquera que les taux de dcs ne sont pas disponibles pour les annes
antrieures 1979. Cette censure gauche nempche pas la construction des
tables prospectives de gnration car on partira de leffectif de 100 000 individus
la naissance partir des gnrations 1996 et suivantes ( limage des TGF 2005).
Pour les gnrations antrieures 1996, leffectif de 100 000 est plac en face de
lge correspondant en 1996, soit :
- 100 000 individus lge d1 an en 1996 pour la gnration 1995,
- 100 000 individus lge de 2 ans en 1996 pour la gnration 1994,
- etc.
23
s=
1
ln( 79 ) + 41g 80
et g 80 = ln 80
15
65
820
- 75 -
Les calculs ne posent pas de difficult particulire sauf pour les gnrations les plus anciennes
(1990 1913) o lon ne dispose pas des valeurs pour les 65,t . Ces dernires sont estimes
par rgression linaire sur les dernires valeurs de 65,t connues.
ln( q x ) = ln(a ) + b x
A partir de 2 points : (x = 85 ans ; q85 ) et (x = 120 ans ; q120 = 1), on dtermine les valeurs des
paramtres a et b pour chaque gnration. Les calculs ne posent pas de difficults particulires
pour toute anne t.
( D xt D xt* )
o D xt est le nombre de dcs rels
D xt*
x =1
12
pour chaque classe dge x ainsi que pour lanne t et D xt* est le nombre de dcs thoriques
correspondants issus de la modlisation Lee-Carter standard ou logistique.
Les calculs sont appliqus au cumul des rsultats issus de lanalyse sur 17 grandes causes
mdicales de dcs. Les taux de mortalit obtenus sont multiplis par leffectif sous risque,
cest--dire la population fminine franaise pour lanne t et sur lune des 12 classes dge
considres.
On prcisera que :
Lajustement de la composante temporelle kt sur les dcs rels laide de la
fonction F(k) = 0 =
x = xM
x = xm
Lxt . exp( x + x .k )
x = xM
x = xm
rapport aux donnes initiales. Lanalyse est prsente dans un second temps pour
les tranches dge comprises entre 1 et 84 ans de manire exclure les classes
dge extrmes aux carts plus marqus.
Pour ces raisons, les rsultats prsents ci-dessous sont indicatifs et permettront
avant tout de dire quel est le modle le mieux ajust aux donnes ( t2 minimum).
En effet, la distance du Khi-deux ne permet pas de faire de test statistique dans
cette tude car on ne connat pas la loi asymptotique.
1 400
1 200
1 000
800
600
400
200
4
00
Annes
99
1
99
1
9
98
1
98
97
4
00
Annes
99
4
99
1
98
4
98
1
97
800
700
600
500
400
300
200
100
0
Les valeurs du t2 sont de faon gnrale particulirement leves pour les raisons dcrites
prcdemment. La modlisation Lee-Carter logistique est prfrable dans 17 cas sur 26 (65%)
sur lensemble des classes dge et dans 20 cas sur 26 (77%) pour les tranches dge d1 an
84 ans. Il ny a cependant pas de diffrence significative entre les 2 modlisations retenues.
- 77 -
On constate galement un pic en 2003, anne de canicule, qui doit donc tre considre
comme particulire.
Les tableaux suivants compltent lanalyse en prsentant la dcomposition des statistiques
annuelles par classes dge.
Les chiffres en trame de fond verte mettent en vidence des statistiques avec une valeur
soulignant ainsi les classes dges les moins bien reprsentes par chacun des modles.
10,
Graphique 1 - TGF v.1 - Modlisation Lee-Carter standard des grandes causes de dcs.
Les effectifs survivants sont de 100 000 individus la naissance partir de la gnration
1996. Ils sont forcs ce niveau aux gnrations prcdentes pour les ges correspondants et
- 79 -
en rfrence lanne 1996. On constate que les tables TGF v.1 et TGF v.2 ont des profils
relativement similaires.
Les tables TGF 2005 ont un nombre de survivants significativement suprieur (> 1%) partir
de lge de 50 ans par rapport celles issues de cette tude. La particularit des nouvelles
tables officielles est galement de ne pas se terminer lge de 120 ans pour les gnrations
1933 et suivantes. Par rapport la mthode de fermeture de Coale et Kisker utilise dans les
tables TGF v.1 (ge limite fix 120 ans), les TGF 2005 ont t construites pour assurer une
cohrence globale avec les tables du moment INSEE aux ges suprieurs 95 ans.
Les prcdentes tables officielles ont une prsentation classique : 100 000 femmes la
naissance quelque soit la gnration. Lge ultime est au maximum de 117 ans pour les plus
jeunes gnrations.
- 80 -
Graphique 5 Ln(qx) issus des tables TGF v.1 - modle Lee-Carter standard.
Graphique 6 Ln(qx) issus des tables TGF v.2 - modle Lee-Carter logistique.
- 81 -
La surface des taux de dcs des tables TGF 2005 est nettement plus bossele que les
prcdentes. On observe un premier pic 20 ans, mme si les accidents ces ges sont
surtout le fait des hommes. De 50 70 ans, les taux bruts sont ici relativement stables,
contrairement aux tables TGF v.1 et v.2 caractrises par une hausse rgulire des probabilits
de dcs. Enfin, les TGF 2005 nont pas pour ge ultime suprieur 120 ans partir de la
gnration 1933.
Tout dabord, il faut prciser que la plupart des carts de Lx ngatifs sont observs sur les
gnrations les plus anciennes et sont impacts par les mthodes de fermeture des tables.
Lintrt de leur interprtation est donc limit. On remarquera que les surfaces des 2 derniers
graphiques sont relativement similaires avec toutefois un meilleur lissage pour les carts avec
les tables TGF v.2 construites partir dune modlisation Lee-Carter logistique. Jusqu 5060 ans selon la gnration, lcart de Lx avec les tables TGF 2005 est faible (moins de 1%).
Cet cart croit de faon exponentielle jusqu 120 ans (en pourcentage) et en terme de Lx
jusqu 95 ans maximum. Les carts absolus dcroissent ensuite de faon exponentielle pour
tendre vers 0 en raison de lapplication des mthodes de fermeture des tables. Par ailleurs, les
carts sont croissants avec les gnrations les plus rcentes en raison de lhypothse de
croissance linaire de lesprance de vie des femmes retenue dans les tables TGF 2005. La
construction des tables de mortalit prospectives fminines par grandes causes conduit une
hausse ralentie de leur esprance de vie selon la gnration.
Lanalyse est ralise de faon similaire en comparaison des tables TPG 1993 sur les 2
graphiques suivants.
- 83 -
La surface des carts de Lx mise en vidence sur ces 2 graphiques est celle communes aux
tables. Ainsi, la dernire gnration reprsente correspond lanne de naissance 1993. Les
carts ngatifs sur les gnrations les plus anciennes sexpliquent par le fait que lventail
total des ges est disponible pour les TPG 1993 contrairement aux tables issues de cette tude.
On observe des surfaces similaires celles obtenues avec les TGF 2005 mais moins
accentues : les tables TGF v.1 et v.2 sont donc plus proches des anciennes tables officielles
que des nouvelles. Lhypothse de croissance linaire de lesprance de vie des femmes avec
les TPG 1993 a pour consquence un cart relatif significatif (>1%) et croissant partir de 60
ans ainsi quavec les gnrations. Lcart absolu est quant lui croissant jusqu un seuil
proche de 90 ans. Il dcrot ensuite rapidement en raison des fermetures de tables.
__________________
Ces tables sont destines avant tout la tarification et au provisionnement des rentes viagres.
Lapplication en Assurance Vie de ces tables prospectives est prsente dans le prochain
chapitre.
- 84 -
CHAPITRE V :
TABLES DE MORTALITE
PROSPECTIVES ET RENTES
VIAGERES
Les tables prospectives fminines prsentes au chapitre prcdent vont nous permettre
dtudier successivement leur application pratique en matire de rente viagre et desprance
de vie rsiduelle. Ces deux notions sont bien entendu lies.
1) Rentes viagres
1.1) Thorie
La rente viagre sur une tte constitue pour lassureur un engagement durant la vie de
lassur. Cette rente peut tre effet diffr ou effet immdiat.
a x = v1 .
Lx +1
L
L
L
+ v 2 . x + 2 + v 3 . x +3 + ... + v k . x + k + ... =
Lx
Lx
Lx
Lx
t =1
Ex =
N x +1
Dx
On observe que la rente dpend du taux dintrt technique i dans le terme v et de la table de
mortalit par lintermdiaire des Lx.
ax = vd .
Lx + d
L
L
N x + d +1
+ v d +1 . x + d +1 + v d + 2 . x + d + 2 + ... =
t E x = d E x a x +d =
Lx
Lx
Lx
Dx
t = d +1
- 85 -
Graphique 1 Cot dune rente viagre annuelle de 1 euro ax en 2008 au taux technique
de 2,50% en fonction de lge de liquidation.
ax
26
24
22
20
18
16
14
12
10
Ages
50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
TGF v.1
TGF v.2
TGF 05
TPG93
Les rentes calcules avec les tables TPG 1993 et TGF 2005 forment des droites quasiparallles. Lcart absolu est de lordre de 1,3 1,7 annes actualises de versement potentiel
en plus dans le cas de la TGF 2005. Le cot des rentes issus de la TGF v.1 et TGF v.2 sont
trs proches (droites parallles galement). Les rsultats sont similaires ceux obtenus avec la
TPG 1993 avec un cot de rente infrieur 50 ans et plus lev 75 ans. On observe ainsi en
quelque sorte une rotation avec augmentation de la pente avec lge, par rapport aux TPG
1993, lorsque lon construit des tables partir des grandes causes mdiales de dcs. Le cot
avec la TGF v.1 est quivalent celui obtenu laide de la TPG 1993 56 ans, et 65 ans
dans le cas de la TGF v.2.
- 86 -
Graphique 2 Cot dune rente viagre annuelle de 1 euro 60 ans a60 au taux technique
de 2,50% en fonction de lanne de rfrence des calculs.
a60
24
23
22
21
20
19
Annes
18
20
00
20
05
20
10
20
15
TGF v.1
20
20
TGF v.2
20
25
20
30
TGF 05
20
35
20
40
20
45
20
50
TPG93
Les rentes viagres 60 ans sont en croissance linaire avec les tables TPG 1993 et TGF 2005
sur la priode 2000-2050. Lcart entre ces 2 tables varie de 1,56 1,89 annes actualises, ce
qui rend les volutions presque parallles. La hausse de la valeur actualise de la rente est de
lordre de 15% pour les deux tables sur la priode danalyse. Par contre avec les tables
construites en fonction des grandes causes mdicales de dcs, si le cot de la rente est
sensiblement proche en 2000 de celui valu avec les TPG 1993, une tendance au
plafonnement est clairement mis en vidence sur un horizon de 50 ans. La hausse du
coefficient de rente 60 ans serait de lordre de 7,9% avec la TGF v.1 et de 6,7% avec la TGF
v.2.
2) Esprance de vie
2.1) Thorie 24
Il sagit de la dure moyenne de vie restante, pour un assur dj g de x annes. On
dcompte le nombre dannes restant vivre pour les Lx assurs vivants lpoque de leur
xme anniversaire. Chaque Lx+k sapplique sur lanne entire suivante : nous dirons donc que
les Lx ttes auront vcu une demi-anne, soit au total Lx annes. Ensuite sur la priode
suivante, les Lx+1 personnes en moyenne, se trouvant au milieu de la priode considre,
auront vcu Lx+1 annes, et ainsi de suite.
Le nombre total dannes vcues par les Lx personnes sera gal :
1
.Lx + Lx +1 + Lx + 2 + Lx +3 + ...
2
24
P. CHOQUE (membre de lA.A.A.) [1992]. Les techniques de lassurance vie et de la rassurance vie.
- 87 -
Lesprance de vie lge x, note ex, sobtient en divisant le nombre total dannes par le
nombre dassurs survivants lpoque des calculs soit Lx, et nous avons donc :
L
L
1 L
e x = + x +1 + x + 2 + x + 3 + ...
2 Lx
Lx
Lx
Lesprance abrge de vie, note ex, ne tient pas compte de la demi-anne initiale. Elle
scrit donc :
L
L
L
e x' = x +1 + x + 2 + x +3 + ...
Lx
Lx
Lx
Dans la section suivante, lanalyse portera uniquement sur lesprance de vie ex.
Ages
10
15
20
25
TGF v.1
30
35
40
45
50
55
TGF v.2
60
65
TGF 05
70
75
80
85
TPG93
90
95 100
Tout dabord, on remarquera que pour les tables TGF 2005, la premire esprance de vie est
calcule lge de 3 ans en 2008. Pour la TPG 1993, lanalyse dbute 15 ans. Les courbes
desprance de vie sont dcroissantes et les carts absolus se resserrent pour devenir trs
faibles au-del de 80 ans en raison des mthodes de fermeture des tables respectives. Les
tables TGF v.1 issues du modle Lee-Carter standard ont des rsultats proches de ceux de la
TGF v.2 (carts relatifs de 1,6% 4,4% jusqu lge de 60 ans). Les TGF v.1 (v.2) donnent
des esprances de vie infrieures en moyenne de 8,0 % (10,0%) aux TGF 2005 pour des ges
compris entre 5 90 ans. Les dures de vie restantes issues des tables TGF v.1 (v.2) sont
infrieures celles calcules avec les TPG 1993 jusqu lge de 50 ans (62 ans), pour ensuite
les dpasser de manire croissante jusqu 100 ans. On notera que les esprances de vie
provenant des TGF v.1 et v.2 sont suprieures celles de la TGF 2005 au-del de 80 ans. Ces
rsultats sont intimement lis aux techniques de fermeture de tables.
- 88 -
Annes
05
20
10
20
15
20
TGF v.1
20
20
TGF v.2
25
20
30
20
TGF 05
35
20
40
20
45
20
50
20
TPG93
A limage des rsultats obtenus avec les rentes viagres 60 ans, lesprance de vie 60
augmente de faon linaire sur la priode 2000-2050 avec les tables TPG 1993 et TGF 2005.
Lcart absolu augmente lgrement avec le temps entre ces 2 tables : 3,2 annes en 2000
jusqu 4,6 ans en 2050. Lesprance de vie 60 ans suit une tendance similaire entre les
tables TGF v.1 et TGF v.2. (courbes quasi-parallles) : lcart entre les 2 tables varie de 0,7
1,4 annes sur lchancier. Si les esprances de vie sont proches de celles obtenues avec la
TPG 1993 en 2000, elles seront nettement plus faibles en 2050 : -1,9 ans / TGF v.1 et -3,2 ans
/ TGF v.2.
On observe une nette tendance au plafonnement de lesprance de vie des femmes avec les
tables issues dune analyse par grandes causes de dcs :
- + 11,0% sur 50 ans avec les TGF v.1,
- + 8,9% sur 50 ans avec les TGF v.2.
Dans le mme temps, lesprance de vie augmentera de +23,8% avec les nouvelles tables
officielles et de + 21,6% avec les TPG 1993.
Ces rsultats traduisent l encore la prsomption dune limite la croissance de lesprance de
vie des femmes. Cette limitation tant valable pour la population franaise de sexe fminin
prise dans son ensemble. Par contre, les tables officielles TPG 1993 et TGF 2005 traduisent
une vision prudente de la longvit fminine, prsume plus adapte des portefeuilles de
rentiers. Lcart entre les deux approches permet, pour une grande part, de corriger le risque
dantislection des rentiers et ainsi scuriser les comptes des assureurs vie. On notera que la
translation la hausse attendue de lesprance de vie dans les nouvelles tables officielles a
pour inconvnient de freiner la sortie en rente viagre quand cette option est possible au
contrat.
- 89 -
1.1) Des tendances multiples qui convergent vers une dcroissance non
linaire et ralentie de la mortalit fminine
La prise en compte de 17 grandes causes de dcs par tranches dge et sur 26 annes (1979
2004) a contribu rvler des tendances divergentes pour la mortalit fminine, sur
lhistorique comme dans les projections :
a) Dcroissance quasi-linaire avec ou sans grandes variations annuelles
autour de cette tendance (catgories n2, 3, 7, 8, 9, 10, 12, 13, 15, 16 et
17),
b) Stagnation aprs dcroissance sur plusieurs annes (catgorie n14),
c) Croissance nette sur les derniers exercices (catgorie n6),
d) Stagnation aprs croissance sur plusieurs annes (catgories n4 et 5),
e) Evolution cyclique difficilement modlisable long terme (catgories
n1 et 11).
Comme on peut sy attendre, la baisse de la mortalit fminine lemporte au global sur toute
autre considration. On remarquera que les maladies cardiovasculaires et les tumeurs
(catgories n7 et 2) qui reprsentent 61,7% des dcs en 1979 et 56,9% en 2004, sont
classes dans le premier groupe (dcroissance quasi-linaire). Ces deux grandes causes sont
essentielles pour la modlisation de la mortalit fminine franaise. Par ailleurs, les
diffrentes volutions parfois contradictoires, laissent prsager un ralentissement dans le
rythme de croissance de la longvit des femmes. Ce rsultat est observ sur le cumul des
prvisions issues de lanalyse par grandes catgories de dcs, comme dans lanalyse globale,
toutes causes de dcs confondues25.
25
Cest aussi parce que lapproche par grandes causes a ncessit une modlisation plus dtaille de la
composante temporelle kt par le test systmatique de 4 modles de rgression et de 12 processus ARIMA, que
ces rsultats ont pu tre mis en vidence.
- 90 -
F. MESLE [2004] - Esprance de vie : un avantage fminin menac ? - Population & Socits - INED.
F. PRIOUX [2006] - Lvolution dmographique rcente en France - Population - INED.
- 91 -
Les tables officielles TGF 2005, mme si elles sont labores de faon plus prcise au regard
des mthodologies employes (rfrences aux tables INSEE) et de ladquation aux rgimes
de rentiers, anticipent un accroissement linaire avec les gnrations de lesprance de vie des
femmes. Cette hypothse nest pas vrifie sur lhistorique rcent. Cette tude ouvre donc le
dbat sur une prise en compte non linaire de la composante temporelle dans les futures tables
de mortalit prospectives.
1.5) Lanalyse par grandes causes de dcs est plus complexe mettre en
uvre et plus difficile modliser
La prise en compte dune dcomposition en 17 grandes causes de mortalit a permis de
distinguer des comportements multiples et parfois contradictoires dans le temps. Le
phnomne pourrait tre dcompos en davantage de sous-catgories. On se trouverait alors
face des causes de dcs avec des sinistres peu frquents et donc difficilement modlisables.
Lanalyse par causes est en effet plus complexe mettre en uvre avant tout en raison dun
volume de donnes qui est multiplicatif avec le nombre de catgories analyser. Les biais
issus de cette analyse se cumulent lors du regroupement final des projections, toutes causes
cumules. On peut aussi ajouter que la dcomposition retenue dans cette tude en 17
catgories nest pas statistique mais mdicale en fonction de la codification CIM. Le
regroupement de grandes causes en agrgats au comportement similaire est un autre axe
danalyse envisager.
- 92 -
CONCLUSION
Dans les rgimes en rentes viagres, lassureur est confront au risque de longvit, bien plus
qu des risques financiers. Lapprciation de la dure de vie humaine est donc un exercice
indispensable mais difficile. Sur le dernier sicle, si lesprance de vie des femmes a connu
une croissance essentiellement linaire pour atteindre 83,8 ans en 2005, celle-ci sest
considrablement ralentie sur les 20 dernires annes. Lapproche par grandes causes
mdicales de dcs a permis de mettre en vidence cette tendance. Elle a t ralise sur la
base dun modle causes de sorties multiples comportant 17 modles endognes de type
Lee-Carter bass sur un historique de 26 annes et avec des mthodes de projections plus
dtailles pour limiter la part de subjectivit. Les tables de mortalit fminines de gnration
construites au terme de lanalyse donnent des niveaux de rentes viagres proches dun calcul
avec les anciennes tables officielles franaises TPG 1993 en 2008. Les capitaux constitutifs
des rentes sen loignent la baisse lhorizon de calcul 2050, compte tenu de la nonlinarit observe. Dans une approche par grandes causes, lanalyse est plus complexe et les
biais sadditionnent avec le nombre de catgories retenues. Les rsultats obtenus permettent
de modliser la survie de lensemble de la population fminine franaise. Pour une population
de rentiers, les rsultats sont sous-estims en raison essentiellement de lantislection (la rente
attire les individus qui pensent vivre le plus longtemps) et de lala moral (le dveloppement
des retraites aurait effectivement contribu lallongement de lesprance de vie)28.
Pour J. W. VAUPEL29, "les projections d'
esprance de vie prenant en compte les causes de
dcs ont en gnral produit des rsultats encore plus dcevants que celles ignorant les causes
de dcs. Cela s'
explique par une raison simple. Au fur et mesure que des progrs sont faits
pour rduire une cause de dcs, les chercheurs et les mdecins reportent leurs efforts sur les
principales causes de dcs restantes. Par consquent, les progrs dans la lutte contre ces
causes de dcs ont tendance s'
acclrer. De ce fait, les projections par cause de dcs ont
gnralement donn des prvisions d'
esprance de vie bien plus basses". Cette rflexion
semble, au terme de cette analyse, plutt pessimiste au regard du fait que lon a dmontr
ladquation entre les projections par cause et les projections globales toutes causes de dcs
confondues30.
Pour les rgimes en rentes viagres, assurances lies la survie de lassur, cest avant tout la
sous-mortalit des bnficiaires qui pose problme lassureur. Mortalit et esprance de vie
sont par dfinition intimement lies. Lanalyse par grandes causes de dcs reste donc une des
pistes intressantes pour apprhender les progrs futurs de la mdecine comme des
comportements sanitaires sur la longvit humaine.
Ce sujet relve galement de la modlisation de lhtrognit, en particulier aux grands
ges. La baisse de la mortalit aux ges levs a fortement contribu laugmentation de
lesprance de vie fminine dans les pays dvelopps31. Lhtrognit peut se dfinir ici
comme la diffrence entre les causes pertinentes constates lors du dcs des individus de
sexe fminin. Le fait de travailler sur des donnes statistiques agrges fait perdre de vue
28
A. MASSON - Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses ? Risques n59.
J. W. VAUPEL [2004] - Projections de mortalit et rentes viagres - Newsletter SCOR Vie.
30
cf. chapitre IV - section 1.3.
31
BARBI E., CASELLI E., VALLIN J. [2003]. Htrognit des gnrations et ge extrme de vie - INED.
29
- 93 -
lhtrognit. Cette tude a donc le mrite de rintroduire une vision plus diversifie de la
mortalit fminine.
Ltablissement de coefficients multiplicateurs ou de dcalages appliquer aux tables de
mortalit prospectives en fonction de la catgorie socioprofessionnelle et/ou de la zone
gographique constituent dautres voies de recherche approfondir en la matire. Cette
diffrenciation multicritres semble indispensable en raison dun phnomne pervers observ
dans tout rgime de rentes : la sur-reprsentation des mauvais risques conduit les assureurs
rviser leurs tarifs la hausse, ce qui carte davantage les meilleurs risques, augmente leffet
dantislection et rduit dautant la taille des marchs32. Une solution alternative serait de
rendre lachat de la rente obligatoire, ce que font finalement les rgimes de retraite
obligatoire. Dans ce cas de figure, la marge de scurit lie la prise en compte de
portefeuilles de rentiers dans les nouvelles tables fminines TGF 2005 semble plus discutable.
Ces questions sont tudier aussi bien au niveau statistique et actuariel quau niveau
rglementaire.
32
A. MASSON [2004] - Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses ? - Risques
n59.
- 94 -
BIBLIOGRAPHIE
AOUBA A., PEQUIGNOT F., LE TOULLEC A., JOUGLA E. [2007]. Les causes mdicales
de dcs en France en 2004 et leur volution 1980-2004. INSERM - CpiDc.
AT A., FORTIN A., GOSSELIN C., LENOIR M. [2005]. Cration de tables de mortalit
prospectives en France. Mmoire de statistique applique. ENSAE.
BARBI E., CASELLI E., VALLIN J. [2003]. Htrognit des gnrations et ge extrme de
vie INED.
BOHANNON T., COHEN R. [2000]. ANOVA and Regression. SAS Institute.
BOWERS N.L., GERBER H.U., HICKMAN J.C., JONES D.A., NESBITT C.J. [1986].
Actuarial Mathematics. Society of Actuaries.
BROCKLEBANK J., DICKEY D. [1994/2007]. Forcasting Techniques Using SAS/ETS
Software. SAS Institute.
BROUHNS N., DENUIT M. [2002]. Risque de longvit et rentes viagres, Tables de
mortalit prospectives pour la population belge. Belgian Actuarial Bulletin.
CHOQUE P. [1992]. Les techniques de lassurance vie et de la rassurance vie.
COALE A., KISKER E.E. [1990]. Defects in data on old age mortality in the united states :
New procedures for calculating approximatively accurate mortality schedules and life tables
at the highest ages. Asian and Pacific Population Forum.
DELWARDE D., DENUIT M. [2003]. Importance de la priode dobservation et des ges
considrs dans la projection de la mortalit selon la mthode de Lee-Carter. Belgian
Actuarial Bulletin.
GUTTERMAN S., VANDERHOOFT I.T. [1999]. Forecasting changes in mortality: a search
for a law of causes and effects. North American Actuarial Journal 2, 135-138.
HORNY G. [2006]. Modles de dure multivaris avec htrognit multiple : application au
march du travail, Thse de doctorat s Sciences conomiques, Strasbourg.
HIDALGO M. [1992]. Tables de mortalit prospectives lhorizon 2020 et risque viager.
Universit Louis Pasteur, Strasbourg.
LECOUTRE J-P. [1998]. Statistique et probabilits. Dunod.
LEE R.D. [2000]. The Lee-Carter method of forecasting mortality, with various extensions
and applications. North American Actuarial Journal.
- 95 -
LEE R.D., CARTER L. [1992] Modelling and forecasting mortality, with various extensions
and applications. Journal of the American Statistical Association 87, 659-671.
MASSON A. [2004] Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses
?. Risques n59.
MESLE F. [2004]. Esprance de vie : un avantage fminin menac ?. Population & Socits.
INED.
PRIOUX F. [2006]. Lvolution dmographique rcente en France. Population. INED.
PETAUTON P. [1993]. Les tables de mortalit. Risques n15.
PLANCHET F. [2007]. Modles prospectifs de mortalit avec drive contrainte - application
au risque de longvit pour un rgime de rentes. ISFA. Winter & Associs.
PLANCHET F., LELIEUR V. [2006]. Utilisation des mthodes de Lee-Carter et Log-Poisson
pour l'
ajustement de tables de mortalit dans le cas de petits chantillons. ISFA. Winter &
Associs.
PLANCHET F., THEROND P. [2006]. Modles de dure, applications actuarielles.
Economica.
TASSI P. [1989]. Analyse statistique des dures de vie. Economica.
TOSETTI A., BEHAR T., FROMENTEAU M., MENART S. [2002]. Assurance :
Comptabilit, Rglementation, Actuariat. Economica.
VAUPEL J. W. [2004]. Projections de mortalit et rentes viagres - Newsletter SCOR Vie.
- 96 -
25
26
27
28
29
30
- 97 -
Cim10
Cim9
A00-Y89
A00-B99
A15-A19,B90
A39
B20-B24
B15-B19
001-E999
001-139
010-018,137
36
042-044
70
C00-D48
C00-C97
C00-C14
C15
C16
C18
C19-C20-C21
C22
C25
C32-C34
C43
C50
C53
C54-55
C56
C61
C64
C67
C81-C96
140-239
140-208
140-149
150
151
153
154
155
157
161-162
172
174-175
180
179,182
183.0
185
189.0
188
200-208
D50-D89
E00-E90
E10-E14
279-289
240-278
250
F00-F99
F10
F11-F16,
F18-F19
290-319
291,303
304-305
N
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
55
56
57
Autres
XII. Maladies de l'appareil gnito-urinaire
Maladies du rein et de l'
uretre
Autres
XIII. Complic. de grossesse, accouch. et puerpralit
XIV. Certaines affections dont lorigine se situe dans la
priode prinatale
XV. Malformations congn. et anom. chromosomiques
Malformations congnitales du systme nerveux
Malformations congnitales de lappareil circulatoire
Autres
XVI. Symptmes et tats morbides mal dfinis
Syndrome de mort subite du nourrisson
Causes inconnues ou non prcises
58
59
Autres
XVII. Causes externes de blessure et dempoisonnement
Accidents
48
49
50
51
52
53
54
60
61
62
63
64
65
Accidents de transport
Chutes accidentelles
Intoxications accidentelles
Autres
Suicides
Homicides
vnements dont l'
intention n'
est pas dtermine
Autres
- 98 -
Cim10
Cim9
G00-H95
G00-G03
320-389
320-322
I00-I99
I20-I25
I30-I33,
I39-I52
I60-I69
390-459
410-414
420-423,
425-429
430-438
J00-J99
J10-J11
J12-J18
J40-J47
J45-J46
460-519
487
480-486
490-494,496
493
K00-K93
K25-K28
K70, K73-K74
520-579
531-534
571.0-571.9
L00-L99
M00-M99
680-709
710-739
M05-M06,
M15-M19
714-715
N00-N99
N00-N29
580-629
580-594
O00-O99
P00-P96
630-676
760-779
Q00-Q99
Q00-Q07
Q20-Q28
740-759
740-742
745-747
R00-R99
R95
R96-R99
780-799
798.0
798.1-9
799.0,2-3,5-9
V01-Y89
V01-X59
E800-E999
E800-E928
V01-V99
W00-W19
X40-X49
E800-E848
E880-E888
E850-E869
X60-X84
X85-Y09
Y10-Y34
E950-E958
E960-E968
E980-E988
ANNEXE 2
- 99 -
- 100 -
- 101 -
- 102 -
- 103 -
ANNEXE 3
Programme SAS IML dapproximation de la matrice Z
. t k
Ce programme est une adaptation de celui prsent par BROUHS N. et DENUIT M. [2002].
/******************************************/
/* Construction des tables de mortalit prospectives
/* Mthode de Lee-Carter
/******************************************/
/* Calcul des vecteurs et k par la mthode de dcomposition
en valeurs et vecteurs propres.*/
/* SAS/IML */
/* Input : matrice (Lee) contenant les ges
en lignes, les annes en colonnes
et dont les lments sont gaux au logarithme
du taux de mortalit central
auquel on a soustrait alpha. */
proc iml;
title '
Dcomposition en valeurs propres'
;
use Lee;
read all var _num_ into x;
call svd(u,q,v,x);
print u;
print q;
print v;
print x;
u1=u[,1];
print u1;
q1=q[1];
print q1;
/* on calcule le ratio d'
inertie explique */
sq=sum(q);
ratio=q1/sq;
print ratio;
su1=sum(u1);
print su1;
/* on normalise le vecteur */
un1=u1/su1;
print un1;
v1=v[,1];
print v1;
vn1=sqrt(q1)*su1*v1;
print vn1;
create kt from vn1[colname='
k'
];
append from vn1;
create beta from un1[colname='
beta'
];
append from un1;
quit;
- 104 -
ANNEXE 4
33
Pour les gnrations antrieures 1930, les Lx entre 0 et 66 ans ne sont pas renseigns.
- 105 -
Page 1 sur 7
Page 2 sur 7
- 106 -
Page 3 sur 7
- 107 -
Page 4 sur 7
- 108 -
Page 5 sur 7
- 109 -
Page 6 sur 7
- 110 -
Page 7 sur 7
- 111 -
ANNEXE 5
34
Pour les gnrations antrieures 1930, les Lx entre 0 et 66 ans ne sont pas renseigns.
- 112 -
Page 1 sur 7
Page 2 sur 7
- 113 -
Page 3 sur 7
- 114 -
Page 4 sur 7
- 115 -
Page 5 sur 7
- 116 -
Page 6 sur 7
- 117 -
Page 7 sur 7
- 118 -
- 119 -