"تقدير معدل الوفاة باستخدام نموذج انحدار كوكس" (دراسة تطبيقية) Estimating The Mortality Rate Using Cox Regression Model (Applied Study) | ||
| المجلة المصرية للدراسات التجارية | ||
| Volume 49, Issue 4, October 2025, Pages 769-973 PDF (3.63 M) | ||
| Document Type: المقالة الأصلية | ||
| DOI: 10.21608/alat.2025.459354 | ||
| Authors | ||
| محمد توفيق إسماعيل البلقيني1; نها عبد اللطيف شاهين2; محمد أحمد فؤاد البرقاوي3; هيام السيد أحمد السيد عبد الله4 | ||
| 1أستاذ الرياضيات والاحصاء الاكتواري – كلية التجارة جامعة المنصورة | ||
| 2أستاذ التأمين المساعد – كلية التجارة جامعة كفرالشيخ | ||
| 3مدرس التأمين – كلية التجارة جامعة المنصورة | ||
| 4معيدة التأمين - كلية التجارة جامعة كفرالشيخ | ||
| Abstract | ||
| المستخلص: يرتبط تحليل البقاء ارتباطًا وثيقًا بمعدلات الوفاة، ويوفر مجموعة من أدوات النمذجة الإحصائية لتقدير التأثير المختلط لعوامل متعددة على الوفيات. ومن بين النماذج الرئيسية المستخدمة في تحليل البقاء يبرز نموذج الانحدار لـ كوكس (Cox Regression Model)، وهو نموذج متعدد المتغيرات يُستخدم لتحليل تأثير عوامل الخطر المختلفة على الوقت المستغرق لحدوث حدث معين. وتشمل عوامل الخطر (المتغيرات المشتركة Covariates) المستخدمة في نموذج كوكس، على متغيرات مستمرة مثل العمر، الدخل، ومبلغ التأمين، أو متغيرات فئوية مثل النوع، حالة التدخين، والحالة الاجتماعية. ويهدف هذا البحث إلى استخدام نموذج انحدار كوكس في تقدير معدل الوفاة بناءً على مجموعة من عوامل الخطر المحددة (وهي العمر، النوع، الحالة الاجتماعية، محل الإقامة، الدخل، التقاعد، مبلغ التأمين، ومستوى التعليم). وتعتمد البيانات المستخدمة في الدراسة على بيانات المؤمن عليهم خلال الفترة من عام 2000 إلى عام 2018 لبعض شركات التأمين على الحياة المصرية، وتكونت البيانات من عوامل الخطر التي تؤثر على وقت بقاء حامل الوثيقة على قيد الحياة (سبق ذكرها). وتوصل البحث إلى أن متغيرات (العمر (X1)، الحالة الاجتماعية (X3)، محل الاقامة (X4)، ومستوى التعليم (X6)) ذات أهمية معنوية ودلالة احصائية، وتم الوصول إلى النموذج النهائي لانحدار كوكس بناءً على المتغيرات المعنوية، واستخدامه في تقدير معدلات الوفاة. Abstract: Survival analysis is strongly correlated with mortality rates, it provides a set of statistical modeling tools for estimating the blended impact from multiple factors on mortality. Among the key models utilized in survival analysis is the Cox regression model, it is a multivariable model used to analyze the effect of different risk factors on the time to an event. The risk factors (named covariates) used by Cox model are age, income or coverage as continuous variables or gender, smoker status or marital status as categorical variables. This research aims to use the Cox regression model to determine the mortality rate based on a set of specified risk factors such as age, gender, marital status, residence, income, retirement, coverage and Education level. The data used are data on life insurance policyholders from 2000–2018 by Egyptian life insurance companies, the data used consists of factors that affect the policyholder’s survival time (already mentioned). The research found that the variables age (X1), marital status (X3), place of residence (X4), and education level (X6) were statistically significant. The final Cox regression model was obtained based on these significant variables and used to estimate the mortality rates. | ||
| Keywords | ||
| الكلمات المفتاحية: معدل الوفاة; تحليل البقاء; نموذج انحدار كوكس; التأمين على الحياة; عوامل الخطر. Keywords: Mortality rate؛ Survival analysis؛ Cox regression model؛ Life Insurance؛ Risk Factors | ||
|
Supplementary Files
|
||
|
Statistics Article View: 10 PDF Download: 6 |
||
