【摘要】文章将多变点检测方法应用于人口死亡率预测,并对年龄别死亡率的偏差进行主成分提取,利用变点检测法分别估计了主要主成分得分随时间变化的最优变点个数及位置,据此对主成分得分进行分段线性回归拟合,从最后一段回归模型外推主成分得分的预测值,得到死亡率预测值;同时利用发达国家1951~2010年连续60年死亡率数据,对改进的PC模型与经典Lee-Carter进行比较研究,结果表明,改进的PC模型在死亡率预测的精度和稳定性方面均优于经典Lee-Carter模型,多变点检测方法提高了死亡率模型的预测精度。研究结果显示,基于奇异值分解的经典Lee-Carter模型中的时间因子和基于特征值分解的经典PC模型中的第一主成分得分反映出了几乎一致的死亡率变化趋势;经典PC模型中的第二主成分主要综合了队列效应对死亡率的影响。