construction de table de mortalité par génération pour la population
Transcription
construction de table de mortalité par génération pour la population
CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE Jean MODRY Gan Assurances INTRODUCTION Le rallongement de la vie humaine Depuis la fin de la seconde guerre mondiale, les progrès réalisés par la science en général et par la médecine en particulier, ont contribué de manière conséquente au rallongement de la vie humaine. Ce phénomène, observable dans l’ensemble des pays occidentaux, est vrai pour les deux sexes. Le rallongement de la vie humaine est une des composantes du vieillissement et du changement de structure de la population de ces pays. Les progrès de la médecine ne sont sans doute pas la seule cause explicative de ce phénomène. L’amélioration des conditions sanitaires et de travail, et autres facteurs ont également pris part à cette évolution démographique. À notre connaissance, il n’existe aucune étude permettant de connaître véritablement l’effet de chacun de ces facteurs sur la baisse de la mortalité. Nous ne pouvons que constater cet état de fait. Cette tendance semble ne pas avoir de raison de se modifier, l’ensemble des démographes et autres observateurs de la population française pense que ce processus est dans sa phase initiale. Nous devrons composer l’avenir avec une population où les personnes âgées auront une place, en terme de proportion, qu’elles n’ont encore jamais eue auparavant. En 2035, les personnes de plus de 60 ans représenteront un tiers de la population totale, alors qu’en 2000, elles ne représentaient que 21 %1. La disparité Homme-Femme Cependant, la disparité Hommes - Femmes demeure. En effet, dès les premières études sur la population française, les femmes ont toujours eu une espérance de vie supérieure à celle des hommes. Nous pouvons nous demander si cette différence est de nature à perdurer ? Pendant de nombreuse années, les démographes pensaient que les femmes avaient une espérance de vie plus longue du fait non pas d’une sous-mortalité féminine mais bien davantage d’une sur-mortalité masculine. Selon eux, la nature harassante et les conditions spécialement difficiles du travail pour les hommes grevaient leur survie de quelques 1 Projection de la population française à l’horizon 2050 : un vieillissement inéluctable. Coll. Insee Première- mars 2001, ed. INSEE. BULLETIN FRANÇAIS D’ACTUARIAT, Vol. 6, N° 10, 2003, pp. 23-58 J. MODRY 24 d’années. Les travaux domestiques ou dans des conditions plus clémentes étaient traditionnellement dévolus aux femmes. Mais depuis la fin de la guerre, cette dichotomie portant sur les conditions de travail ne suffit plus pour expliquer ce phénomène persistant. Deux nouveaux facteurs explicatifs sont avancés : - D’une part, la nature même des femmes : la prédestination à avoir des enfants, leur donnerait plus de robustesse que les hommes face aux aléas de la vie. - D’autre part, le comportement des femmes, en ce qui concerne la consommation régulière de tabac, d’alcool et de drogues, aurait un retard d’une vingtaine d’années par rapport aux hommes. Elles seraient alors proportionnellement moins exposées à cette mortalité précoce et évitable. Cependant, selon certaines observations récentes, la consommation de ces produits chez les femmes aurait tendance à rejoindre le niveau atteint par les hommes. Nous constaterons alors, à consommations équivalentes par sous-population, l’influence de chacun des facteurs. Même si nous ne pouvons pas précisément conclure quant à l’origine de cette différence, cette dichotomie persiste. Ainsi sur le tableau ci-dessous, nous constatons conjointement une amélioration de l’espérance de vie et une distinction homme-femme : Espérance de Vie selon l’âge (en nombre d’années) (Source : Bilan démographique 2000, Editions INSEE) Année Hommes Femmes d’observation 0 an 1 an 1980 70,2 70 51,8 33,3 1985 71,2 70,9 52,5 1990 72,7 72,4 1995 73,9 1996 20 ans 40 ans 60 ans 0 an 1 an 20 ans 40 ans 60 ans 17,3 78,4 78,1 59,6 40,3 22,4 34 17,9 79,4 79 60,4 41,1 23 53,9 35,5 19 80,9 80,4 61,8 42,4 24,2 73,3 54,7 36,3 19,6 81,9 81,2 62,5 43,2 24,9 74,1 73,5 54,9 35,4 19,7 82 81,4 62,6 43,3 25 1997 74,5 73,9 55,4 35,7 19,9 82,3 81,6 62,9 43,5 25,2 1998 74,8 74,2 55,5 35,8 20 82,4 81,7 63 43,6 25,3 2e facteur discriminant : l’année de naissance L’année de naissance, c’est-à-dire la génération, est le deuxième facteur discriminant la mortalité. Les conditions médicales, sanitaires et sociales dans lesquelles un individu naît conditionne sa durée de vie future. En effet, ce sont dans les premières années de la vie que CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 25 des faiblesses physiques persistantes peuvent survenir (faiblesses des systèmes pulmonaires ou cardio-vasculaires, etc.). De plus, la médecine et la science progressant constamment dans le temps, plus les personnes naissent tard, plus elles peuvent profiter des découvertes de la médecine sur les années antérieures. Ceci est vrai tant pour les premières années de la vie que pour les suivantes. Effet du vieillissement de la population Si d’un point de vue humain, ce phénomène est totalement positif, les effets à long terme commencent à se faire clairement voir dans certains domaines, et à être parfois inquiétants. Nous pensons notamment aux conséquences du vieillissement de la population française sur le système de retraite par répartition. Les changements de structure de la population vont avoir des répercussions aussi bien sur les cotisations que sur les prestations. D’une part, le nombre des cotisants va stagner voir diminuer dans les années à venir. D’autre part, le nombre des bénéficiaires et leur durée moyenne de survie va augmenter. Il semblerait que le système par répartition, tel qu’il existe actuellement, avec ces caractéristiques propres, ne sera plus supportable par la collectivité, tant le déficit, entre les cotisations et les prestations, sera devenu grand. Les assureurs sont parfois confrontés à un problème similaire qui est celui des effets du vieillissement de la population sur le provisionnement des rentes viagères. En effet, nombre de portefeuilles de ces rentes vieillissent, pouvant générer des pertes futures2 : la tarification et le provisionnement n’ayant alors pas suffisamment anticipé l’allongement de la durée de vie moyenne. Les conséquences sur les résultats techniques de ces produits peuvent être sérieuses pour les Compagnies d’Assurance, surtout si les pertes futures en fin de vie du contrat n’ont pas pu être compensées par les bénéfices financiers générés notamment en début de vie de ces contrats. La mesure du Risque La mesure du risque de longévité, étudiée tant dans les retraites obligatoires que dans les produits d’assurance-vie de type rentes viagères, se lit dans l’allongement des tables de mortalité (instantanées, prospectives ou par génération). Mesurer et prévoir ce risque, c’est arriver à déterminer, le plus finement possible, la mortalité des individus. Les tables instantanées ne conviennent pas, puisqu’elles sont 2 Les rentes viagères : mortalité d’expérience et réassurance, Sophie Terrier, CNAM, 2000. J. MODRY 26 construites à partir de la mortalité observée et ne peuvent pas refléter correctement cette baisse de la mortalité. C’est pourquoi il faut recourir à des tables de mortalité par génération. Ces tables ont pour objectif de projeter la mortalité d’une génération dans sa totalité, jusqu’à extinction complète de la génération. En France de telles tables existent, elles ont été construites par Marc Hidalgo en 1993. Cependant, en 2001, nombre d’observateurs de la vie de ces portefeuilles pensent qu’elles ne suffisent plus pour représenter la mortalité des générations et que les tarifications établies sur ces tables conduiront certainement à constater des pertes futures sur certains de ces portefeuilles, si ce n’est pas déjà fait. Après 10 ans d’utilisation de ces tables, il devient important de mener une étude globale sur l’évolution de la mortalité et sur la projection possible des taux de décès. Cette étude devrait permettre de recréer des TPG et de les comparer à celles existantes afin de déterminer leurs adéquation à la mortalité. C’est ce que se propose de faire cette étude. Plan de l’étude Nous articulerons notre étude selon trois grandes parties. Dans une première partie, nous expliciterons l’origine des données. Nous modéliserons l’évolution des taux de mortalité dans une seconde partie. Et nous finirons dans une troisième partie en expliquant la procédure de construction des tables et les comparaisons aux tables par génération existantes. I. ETUDE DES TABLES DE L’INSEE Pour construire des tables de mortalité par génération de la population française, nous avons besoin des données statistiques les plus fiables sur la mortalité de la population française. Il nous paraît alors évident de puiser dans les ressources statistiques de l’INSEE. Mais l’INSEE édite différentes formes de synthèses de la mortalité de la population française. Toutes ne sont pas nécessairement cohérentes entre elles. Il nous a fallu choisir parmi l’ensemble des données, des tables de mortalité et des tableaux provenant de l’INSEE, les taux de mortalité que nous allions retenir pour construire nos tables. I.1. L’ORIGINE DES DONNÉES Les tables de mortalité sont construites chaque année à partir d’un fichier exhaustif dont les données proviennent de l’Etat Civil. Cependant, une modification des bulletins d’Etat Civil et des systèmes de traitements des données est intervenue en 1998. Celle-ci a affecté le contrôle, la codification et le redressement de certaines informations, mais n’a pas remis en cause la validité des données. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 27 L’ensemble des méthodes de calcul des taux et indicateurs a également été revu. D’une part, le calcul de la population totale moyenne a été abandonné au profit du calcul d’une population moyenne par groupe d’âge en années révolues. D’autre part, pour le calcul des taux, il semble que l’INSEE préfère le calcul d’une population moyenne par groupe d’âge évalué en âge atteint dans l’année. Pour permettre des comparaisons dans le temps, l’INSEE a recalculé l’ensemble des taux selon cette méthode pour les vingt dernières années. Ainsi, les taux de mortalité par groupe d’âge rapportent les événements classés par groupe d’âge à la population moyenne correspondante. I.2. LE CHOIX DES TABLES I.2.1) La Situation Démographique en 1998 Parmi le grand nombre de statistiques éditées par l’INSEE et retraçant la mortalité française, il nous a fallu choisir une forme de table de mortalité. Nous avons choisi de prendre comme support la Situation Démographique en 19983. Mais ce document comprend plusieurs tables de mortalité différentes. Le problème se pose en terme de qualité de l’information statistique. Le retraitement, le lissage et la façon de compter l’âge sont autant de paramètres que nous voulons pouvoir maîtriser. Notre premier critère, le plus important, est de prendre les données ayant subi le moins de retraitements possibles afin de ne rien perdre en pertinence de l’information. Par contre, nous n’avons alors plus le choix de la façon de comptabiliser l’âge. Nous n’avons d’autre possibilité que de prendre les taux de mortalité par sexe et groupe d’âge4. Ces taux sont exprimés en nombre de décès pour 1 000 personnes vivantes dans la classe d’âge concernée5. Mais les statistiques provenant de ce document ne retracent la mortalité que sur 20 ans, c’est-à-dire pour les années 1979 à 1998. Le nombre d’années est trop faible pour faire une projection stable et réaliste de la mortalité. C’est pourquoi nous avons dû compléter ces données par les taux de mortalité antérieurs : ceux de l’Annuaire Statistique. I.2.2) L’Annuaire Statistique Nous avons cherché à compléter ces données par des statistiques de l’INSEE antérieures. Nous avons trouvé dans l’Annuaire Statistique de l’INSEE un tableau retraçant 3 Édition INSEE. 4 Tableau 67 de la Situation Démographique en 1998 Ed. INSEE 5 Les tranches d’âge sont en général de 5 ans. J. MODRY 28 la mortalité selon la même présentation que celle du tableau utilisé précédemment, pour les années 1946 à 19886. Il était important de savoir si ces taux représentaient bien la même mortalité. Pour répondre à ce problème nous avions 10 années de taux de mortalités communes dans les deux tableaux, les années 1979 à 1988. a) Les différences de classe d’âge Le premier problème rencontré entre les deux formes de tables est qu’elles n’ont pas la même classe d’âge de fin de tableau. En effet, le tableau 67 de La Situation Démographique en 1998 termine par la classe d’âge « 90 ans et plus » alors que le tableau 7 de l’Annuaire Statistique termine par la classe d’âge « 80 ans et plus ». Ceci pose de facto deux problèmes : • Comment retrouver à partir des données de l’Annuaire Statistique les taux de mortalité de la classe d’âge « 80 – 89 ans » sur l’ensemble de la période d’étude et ensuite, ceux de la classe d’âge « 90 ans et plus » ? • Ces taux ne peuvent pas être pris en compte pour tester leurs égalités d’un tableau par rapport à l’autre, ce qui réduit la puissance de notre test. b) Indices de dispersion Afin de s’assurer de la cohérence de chiffres, nous avons d’abord mesuré l’Indice de Dispersion Générale (IDG) pour toutes les classes d’âge de 0 à 79 ans sur les années où nous avons les chiffres présents dans les deux tableaux : IDG = 1998 ∑∑ k ∈K t =1979 tmk( A.S .) ( t ) − tmk( S .D ) ( t ) = 0,8 2 où • tmk( A.S .) ( t ) est letaux de mortalité dela classe k , évalué à l ' annéet , dans l ' Agenda Statistique ; • tmk( S .D.) ( t ) est letaux de mortalité de la classe k , évalué à l ' annéet , dans la Situation Démographique ; • K est l ' ensemble des classes d ' âge Nous voyons que l’IDG est très faible et tend vers 0, ce qui nous donne l’intuition que les deux tableaux contiennent bien les mêmes chiffres. 6 Tableau 7 de l’Annuaire Statistique, Ed. INSEE CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE c) 29 Le Test du Khi-deux. Nous avons fait un test du Khi-deux afin de vérifier notre intuition. Pour le test du Khi-deux, nous recomposons les tables de mortalités des 2 tableaux selon la formule suivante : l x + h = l x ⋅ (1 − qx , x + h ) h où q x , x + h provient soit de la Situation Démographique en 1998 soit de l’Annuaire Statistique. Nous rappelons que la statistique du Khi-deux est définie par la formule suivante : ∑ ( effectifs théoriques − effectifs observés ) effectifs théoriques 2 . Nous avons pris le parti de choisir comme effectifs théoriques ceux provenant de la Situation Démographique. La formule de la statistique du khi-deux est alors : Kh = ∑ ∑ t∈T k ∈K (l A. S . k ,t − lkS,.tD. lkS,.tD. ) 2 où K est l’ensemble des classes d’âge et T l’ensemble des années de test. Ceci nous donne un total de 170 classes : 10 (années) × 17 (classes d’âge). Lorsque nous testons ainsi toutes les classes d’âge sur toutes les années, nous devons rejeter l’hypothèse que les deux tableaux représentent les mêmes choses. En effet, la statistique Kh est égale à 1 558, alors que la loi du Khi-deux pour ces paramètres nous donne un fractile de 201,4. Mais nous savons que la dernière tranche d’âge ne représente pas la même mortalité et ne peut pas être pris en compte pour la mortalité. Dans l’Annuaire Statistique, celle-ci représente la mortalité de la tranche d’âge « 80 ans et plus » alors que dans la Situation Démographique, elle ne représente que la mortalité de la tranche d’âge « 80 ans – 90 ans ». Lorsque nous supprimons cette tranche d’âge du test de khi-deux, nous obtenons une statistique Kh égale à 20 pour un fractile du Khi-deux correspondant de 190. Nous ne pouvons plus rejeter l’hypothèse de divergence des tableaux. Nous acceptons alors le fait que les deux tableaux représentent les mêmes grandeurs. Nous avons alors à notre disposition les données concernant la mortalité de la population française (en taux par tranche d’âge) pour les années 1946 à 1998. J. MODRY 30 I.2.3) Représentation de la mortalité Afin de nous donner une intuition de l’évolution de la mortalité et de la modélisation que nous allons pouvoir faire, nous représentons sur un graphique la surface de mortalité pour les tanche d’âge jusqu’à 80 ans compris (il manque la tranche d’âge « 90 ans et plus » de la Situation démographique pour les années 1979 –1998). La surface de mortalité se définit comme étant la représentation de l’évolution de la mortalité, exprimée en probabilité de décès, dans le temps et pour tous les âges. Il apparaît alors clairement une décroissance des taux, tous âges confondus. Surface de mortalité de la Population Française de 1946 à 1998 25% 20% Probabilité de décès 15% 10% 5% 1976 1980 1986 1991 1996 75 1971 année 57,5 1966 42,5 1961 27,5 1956 12,5 1946 1951 0,5 0% âge Ce graphique nécessite quelques observations : • La mortalité infantile était très forte au départ et n’a cessé de diminuer, ce qui peut s’expliquer par deux phénomènes : - A sortie de la seconde guerre mondiale, nous pouvons assez facilement imaginer les conditions sanitaires difficiles dans lesquelles était plongé le pays, véhiculant toutes sortes de germes et autres maladies infectieuses dont les nourrissons sont les premières victimes. - Les progrès de la médecine et le développement de la pédiatrie et des soins entourant les enfants dans les familles. • La mortalité des personnes âgées diminue fortement. Le progrès de la médecine ont permis des gains notoires sur cette population. En effet, cette population se caractérise par un état de santé souvent fébrile qu’a pût pallier la découverte de certains médicaments ou vaccins. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 31 • La mortalité des tranches d’âge intermédiaires est quasi-stable, parce qu’elle est très faible. Nous pouvons supposer qu’elle a atteint son niveau le plus bas, que nous pourrions appeler mortalité structurelle ou endémique. • La dernière classe d’âge ne représente pas exactement la même mortalité : - Pour les années 1946 à 1979, il s’agit de la tranche d’âge « 80 ans et plus », - Pour les années 1980 à 1998, il s’agit de la tranche d’âge « 80 – 90 ans ». Il est donc normal que ces taux décroissent autant dans le temps et que l’on observe un « décrochage » pour l’année 1979. Nous pouvons compléter ce graphique par celui de la surface de mortalité mais pour les années 1979 à 1998, où les probabilités de décès au-delà de 80 ans sont réparties en deux tranches "80 ans – 89 ans " et "90 ans et plus". Nous pouvons voir sur ce graphique la progression exponentielle des taux de mortalité des grands âges. Surface de mortalité de la Population Française de 1979 à 1998 35% 30% 25% Probabilité de décès 20% 15% 10% 1979 1984 1989 5% 0% 1994 année 0,5 12,5 27,5 42,5 57,5 75 âge Nous avons alors une période exploratoire de 52 ans soit 53 tables de mortalité, allant de 1946 à 19987. Remarque importante : Les probabilités de décès observées pour les années 1946 à 1956 sont particulièrement instables. Si d’aventure, il devait arriver que nos ajustements ne soient pas acceptables par les conditions que nous nous sommes posées, comme par les tests statistiques effectuées, il pourrait être utile de supprimer de l’analyse les données de ces années. 7 Voir les données en Annexe J. MODRY 32 I.3. COMPARAISON DES TABLES INSEE AVEC LES TABLES PAR GÉNÉRATION L’objet de cette partie est de comparer les tables de génération réalisées par Marc Hidalgo8 (TPG) et de mettre en exergue leurs divergences par rapport à la mortalité constatée par les tables de l’INSEE. Pour comparer une table instantanée (ce qu’est la table de l’INSEE) à une table de génération, il convient de changer l’une en l’autre. Nous décidons de reconstruire la table instantanée construite par Marc Hidalgo pour l’année 1998. Dans la méthode de construction des tables de génération, Marc Hidalgo a projeté la mortalité sur plus de 100 ans, puis a construit ses tables. Pour retrouver sa table instantanée Femmes 1998, nous allons faire le cheminement inverse, c’est-à-dire que nous allons rechercher dans les TPG la table 1998 selon la méthode explicitée ci-dessous. Il convient de sélectionner les bons nombres dans les TPG. Nous désignons lx,t le nombre de survivants, à l’année t pour l’âge x. Les tables de mortalité par génération de Marc Hidalgo se présentent comme suit : Âge Génération Y1887 Y1888 … Y1993 0 1 lx,t … 117 Pour avoir la table prospective de 1998, il suffit de prendre tous les lx,t tels que x+t=1998. Ainsi, sur les tables de génération, cela correspond aux données en gras, comme indiqué ci-dessous : ) l x(1998) = l x(TPG ,t qx(1998) (TPG ) = 8 x + t =1998 lx(1998) +1 (1998) lx Création et Utilisation Simplifiée des Tables de Mortalité de Génération Prospectives Femmes applicables aux Assurances de Rentes, Marc Hidalgo, novembre 1992, Formation d’Actuaire de l’Université Louis Pasteur-Strasbourg CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE Age 1987 1988 1989 1990 1991 33 1992 1993 99450 99471 99217 99248 99277 99149 99183 99215 99246 99083 99119 99154 99187 99220 99019 99057 99094 99130 99164 99197 0 1 2 3 4 5 6 98961 99001 99040 99078 99114 99148 99182 7 98943 98984 99024 99062 99098 99133 99167 8 98927 98968 99008 99046 99083 99118 99152 9 98911 98953 98993 99031 99068 99104 99138 10 98896 98938 98978 99017 99054 99090 99124 11 98885 98927 98968 99007 99044 99080 99115 12 98873 98915 98956 98995 99033 99069 99104 13 98859 98901 98942 98982 99020 99056 99091 14 98842 98885 98926 98966 99004 99041 99076 15 98823 98866 98908 98948 98986 99023 99058 16 98801 98844 98886 98926 98964 99001 99037 17 98774 98818 98860 98900 98939 98976 99012 18 98743 98787 98829 98870 98909 98946 98983 Les taux de mortalité par tranche d’âge ont été reconstruits selon la formule suivante : ( m q1998 x, x + m = 1 − m px ) où • x est l’âge d’entrée de classe, • m est l’amplitude de la classe d’âge : le nombre d’année. Cette table reconstruite, nous pouvons calculer les probabilités de décès puis procéder à des comparaisons par rapport aux taux INSEE Femmes 1998 (puisque les TPG ont été construites sur des tables femmes). J. MODRY 34 Ainsi, nous calculons le taux de progression entre les deux tables par la formule suivante : TP ( x ) = qx ,1998 ( INSEE ) − qx ,1998 (TPG ) qx ,1998 (TPG ) . Nous obtenons le tableau suivant qui nous permet de constater que pour les grands âges, les TPG sont beaucoup plus « généreuses » que la réalité. Le tableau représente les probabilités de décès entre les deux âges indiqués. TPG INSEE Qx,1998 TPG Qx,1998 INSEE 5 0,02% 0,53% 3264,93% 10 0,01% 0,02% 33,46% 15 0,03% 0,02% -36,11% 20 0,04% 0,04% -4,48% 25 0,05% 0,11% 132,63% 30 0,06% 0,12% 103,92% 35 0,08% 0,14% 68,93% 40 0,12% 0,20% 62,05% 45 0,19% 0,31% 66,59% 50 0,28% 0,48% 72,63% 55 0,40% 0,65% 63,93% 60 0,56% 0,96% 72,08% 65 0,86% 1,48% 71,62% 70 2,32% 2,21% -4,80% 80 8,40% 4,06% -51,69% 90 24,22% 11,40% -52,94% age TP(x) 0 Nous pouvons voir sur le graphique en dessous du tableau la divergence des courbes de taux de mortalité. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 35 P r o b a b i lit é d e d é c è s p a r t r a n c h e d 'â g e d e 5 a n s p o u r l'a n n é e 1 9 9 8 d e s T P G e t d e l' I N S E E 25% 20% 15% 10% 5% 0% 5 10 15 20 25 30 35 40 45 50 55 60 65 70 80 90 Â g e d e d e b u t d e c la s s e q x ,1 9 9 8 d es T P G q x , 1 9 9 8 d e l'I N S E E Conclusion : Nous voyons que les TPG prévoyaient une mortalité beaucoup plus faible proportionnellement pour les âges allant de 25 ans à 65 ans. Même si ces taux sont très faibles, ce sont des classes d’âge dont la mortalité est relativement stable et très faible. Puis c’est la situation inverse qui se produit, les TPG étant beaucoup plus agressives que la mortalité réelle. Nous pouvons alors pleinement nous rendre compte de l’intérêt de la construction de nouvelles tables de mortalité par génération, sur un modèle qui devrait permettre de limiter les écarts dans le temps. II. RECHERCHE D’UN MODÈLE Nous allons utiliser le modèle appliqué en Suisse, en Autriche et en Allemagne. La projection des taux de mortalité se base sur l’équation suivante : q x (t ) = q x (t − 1) ⋅ e −λx ⇔ q x (t ) = q x (t0 ) ⋅ e −λx (t −t0 ) ⇔ λx (t − t0 ) = ln ( qx (t0 ) ) − ln ( qx (t ) ) Nous expliciterons dans l’article l’ensemble des calculs pour la classe d’âge « 70 ans –79 ans », que nous appellerons par son âge moyen : 75 ans. Tous les calculs ont été fais et vérifiés sur toutes les classes d’âge. J. MODRY 36 II.1. MODÉLISATION DES LAMBDAS II.1.1) Choix d’un modèle Le modèle qui se présente spontanément à notre logique est la modélisation des lambdas par un ajustement linéaire. Nous allons devoir retraiter les données afin de pouvoir les utiliser sur ce modèle. D’une part, les taux de mortalité sont par définition un processus de long terme, ils évoluent selon une tendance très lente, aussi il n’y a pas de raison à ce qu’entre deux taux d’une même classe d’âge distants d’une année, un écart très grand soit constaté. D’autre part, il se peut que nos données comportent une certaine forme d’aléas dont nous ne voulons pas tenir compte pour la projection. Pour améliorer la continuité des taux de mortalité nous allons procéder à un lissage par moyenne mobile d’ordre trois. C’est sans doute le lissage le plus pertinent pour nos données, dans la mesure où il ne tient compte que des valeurs directement voisines. Ce lissage n’efface pas toutes les irrégularités, mais il en élimine un bon nombre : Probabilités de décès pour la tranche d'âge "70 ans - 79 ans" 9,00% 8,00% 7,00% 6,00% 5,00% 4,00% 3,00% 2,00% 1,00% 97 19 94 19 88 91 19 19 85 19 79 82 19 19 76 19 73 67 70 19 19 19 61 58 64 19 19 19 55 19 49 52 19 19 19 46 0,00% Année Probabilités Observées Probabilités Lissées Nous pouvons également constater que ce sont les premières années d’observation qui sont les plus instables. Pour stabiliser nos projections nous choisissons de les supprimer de l’analyse. Nous rappelons que ces années d’observation correspondent aux années juste après la seconde guerre mondiale. Nous avons déjà expliqué en quoi ces données pouvaient être sujettes à caution, tant sur la collecte de l’information que sur la capacité qu’elles auraient à représenter la mortalité « normale ». Notre modélisation ne portera donc plus que sur les probabilités lissées des années 1956 à 1998. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 37 II.1.2) Mesure et tests de validation Nous avons déjà utilisé ce modèle, mais cette fois-ci, nous allons recalculer les paramètres à partir de nos nouvelles données. Lambdas observés et estimés par une fonction linéaire pour la classe d'âge 70 ans -79 ans 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Lambdas Observés 40 42 36 38 32 34 28 30 24 26 20 22 16 18 12 14 10 8 6 4 2 0 0 -0,1 Lambdas Estimés Probabilités observées et estimées par une fonction affine pour la classe d'âge 70 ans - 79 ans 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 98 19 94 96 19 19 92 90 19 19 86 88 19 82 84 19 19 78 76 74 72 80 19 19 19 19 19 19 68 70 19 66 19 19 62 64 19 19 60 19 58 19 19 56 0 Année Probabilités observées Probabilités estimées Pour la tranche d’âge « 70 ans – 79 ans », les résultats sont les suivants : − 0,014901329( t − t0 ) − 0,040973) q 75 ( t ) = q 75 ( t0 ) ⋅ e ( . Conformément à la méthodologie développée précédemment, nous présentons le tableau des résultats comportant toutes les données utiles à la prise de décision : Nous redéfinissons les Indices de Dispersion Globale et Indice de Dispersion Partielle pour ces années : IDG ( f ) = tn ∑ ( qˆ x, f ( j ) − qx ( j ) ) j = t0 2 = ∑ ( d x, f ( j ) ) 1998 j =1956 2 J. MODRY 38 IDP ( f ) = tn ∑ ( qˆ ( j ) − q ( j ) ) x, f j = tm 2 x = ∑ ( d x, f ( j ) ) 1998 2 j =1976 où qˆ x , f ( j ) est la probabilité pour la tranche d ' âge x, estimée par la fonction f en j Nous trouvons les valeurs suivantes : IDG 0,000480915 IDP 0,000222925 Rapport 46% Nous allons maintenant procéder aux tests de vérification. Ils sont de deux sortes : le test du Khi-deux, et le test de Fisher. • Le Khi-deux Nous rencontrons de sérieux problèmes dans l’application de ce test. En effet, nous pouvons le faire sur deux axes : - Soit en reconstruisant toutes les tables pour les années 1956 à 1998. Mais en reconstituant les effectifs nous cumulons alors les erreurs vers les âges de fin de table. Nous devons alors de facto rejeter l’ajustement. - Soit par tranche d’âge, sans tenir compte des effectifs des tranches d’âge précédentes. Le test perd alors toute sa puissance, puisque cela revient à faire un test du Khi-deux sur des probabilités. • Le Test de Fisher Nous pouvons par contre faire le test de Fisher. Ce test se fait dans le cadre de l’analyse multi-variée de la variance : H 0 : ax = bx = 0 vs H 0 : ax ≠ 0, bx ≠ 0 t ∑ ( qx (t0 ) ⋅ exp {−( ax ( j −t0 )+bx )} − qx ) FR , x = 2 j = t0 t ∑ ( qx (t0 ) ⋅ exp {−(ax ( j −t0 )+bx )} − qx ( j ) ) j = t0 2 CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE où qx = 1 t − t0 39 t ∑ qx ( j ) j = t0 FR , x → Fp , n − ( p +1) H 0 Où Fp ,n −( p +1) désigne une loi de Fisher dont les nombres de degrés de liberté sont n et n-(p+1), n étant le nombre de classes (ici 43) et p le nombre de paramètres estimés (ici 2). Sous Ho la statistique FR,x suit une loi de Fisher, et donc la probabilité d’observation de cette statistique doit dépasser 5 %. Si ce n’est pas le cas nous devons rejeter Ho . Pour la tranche d’âge « 70 ans – 79 ans » cette probabilité est de 0,06 %, nous ne pouvons pas rejeter l’hypothèse de la non significativité de la régression réalisée. Ce test valide notre modèle sur la quasi-totalité des tranches d’âge, sauf : pour les tranches d’âge entre 15 et 30 ans. Mais nous pouvons noter que les probabilités pour ces tranches sont très faibles et très stables, le modèle avec les lambdas ajustés linéairement va confirmer cette tendance dans le long terme, aussi, sur ces âges, nous pouvons malgré les résultats, accepter ce modèle. II.1.3) Conclusion Nous allons projeter les taux par tranche d’âge selon la forme suivante : { } qx ( t ) = qx ( t0 ) exp − ( ax ( t − t0 ) + bx ) . Il faut préciser le cas particulier de la tranche d’âge « 90 ans et plus ». Nous modélisons sur le même modèle mais uniquement sur les années où nous avons l’information : 1979 à 1998. Le test de Fisher a été fait et confirme le fait que notre ajustement est acceptable pour cette tranche d’âge également. II.2. MODÉLISATION DES RÉSIDUS Le modèle que nous obtenons alors s’écrit ainsi : Où εt− t 0 { } qx (t ) = qx (t0 ) ⋅ exp − λx (t − t0 ) + ε t −t0 désigne le résidu de niveau t-t0. Nous allons chercher à modéliser ces résidus de l’ajustement choisi par des séries chronologiques. Pour la tranche d’âge observée, « 70 ans – 79 ans », les résidus sont les suivants : J. MODRY 40 42 40 38 36 34 32 30 28 24 26 22 20 18 16 14 12 8 10 6 4 0 0,12 0,1 0,08 0,06 0,04 0,02 0 -0,02 -0,04 -0,06 -0,08 -0,1 2 Résidus d'un ajustement linéaire des lambdas pour la tranche d'âge "70 ans - 79 ans" t-t0 Nous voyons que cette chronique n’a pas vraiment une forme usuelle de série. En calculant les différences premières, nous aurons une chronique bien plus stable, et donc plus facilement modélisable, comme nous pouvons le voir sur le graphique suivant : Différence d'ordre 1 des Résidus d'un ajustement linéaire des lambdas pour la tranche d'âge "70 ans - 79 ans" 0,04 0,03 0,02 0,01 41 39 37 35 33 31 29 27 25 23 21 19 17 15 13 11 9 7 5 3 1 0 -0,01 -0,02 -0,03 -0,04 -0,05 t-t 0 Nous avons fait un test des signes afin de déterminer si les résidus étaient soumis à une tendance et de savoir si nous devions nous orienter vers un processus TS ou DS. Nous avons pu constater qu’il n’y avait aucune tendance linéaire9. Nous savons alors que nous sommes en présence d’un processus aléatoire de type DS10. Nous allons chercher à le stationnariser par différenciation. II.2.1) Recherche d’un modèle aléatoire a) Recherche de stationnarité. Le corrélogramme de la série nous montre bien que la série n’est pas stationnaire. 9 Ce qui est assez logique dans la mesure où les résidus proviennent précisément d’une différence entres les données lissés et l’ajustement linéaire de ces données. 10 Ceci a été vérifié pour toutes les classes d’âge. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 41 Corrélogramme de la série des résidus différenciés au premier ordre. 1 0,8 0,6 0,4 0,2 0 -0,2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 intervalle (lag) La série différenciée au premier ordre présente un Auto-Corrélogramme plus satisfaisant : Corrélogramme de la série des résidus. 1 0,8 0,6 0,4 0,2 0 -0,2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 -0,4 intervalle (lag) Nous voyons, de prime abord, que la série semble stationnaire lorsqu’on la différencie une fois. Nous allons effectuer un test de Dickey et Fuller Augmenté (DFA) pour nous assurer de ceci. • Stationnarité directe. Nous commençons par tester la stationnarité de la série non filtrée. Le résultat est sans grande surprise, et comme nous pouvions nous en douter la stationnarité est rejetée : - Statistique ADF : 0,1354 - Valeur critique au seuil 10% : -2,6048 • Stationnarité sur différenciation d’ordre un. Nous cherchons ensuite à tester la stationnarité sur les différences premières. Le résultat est très satisfaisant : - Statistique ADF : -3,6548 J. MODRY 42 - Valeur critique au seuil de 1% : -3,5973 Nous acceptons la stationnarité. Nous savons alors que nous pouvons trouver un modèle ARMA sur les différences premières, soit un modèle ARIMA (p,d,q) dont le paramètre d est égal à 1. b) Recherche d’un modèle ARIMA pour la série. Nous allons chercher à estimer le nombre de paramètres de la série. Le Corrélogramme de cette série est le suivant11 : Corrélogramme des résidus différenciés à l'ordre1. 0,8 0,6 0,4 0,2 0 -0,2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 -0,4 -0,6 Intervalle Nous voyons une cassure sur le graphique du Corrélogramme au niveau de l’intervalle 2. Le paramètre p aura sans doute la valeur 1 ou 2. Le Corrélogramme Partiel ne présente aucune tendance nous permettant de supposer un nombre pour le paramètre q. Corrélogramme Partiel des résidus différenciés à l'ordre 1. 0,8 0,6 0,4 0,2 0 -0,2 -0,4 -0,6 -0,8 -1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Intervalle 11 Nous n’avons pas intégré le coefficient d’auto-corrélation d’ordre 0 : il est toujours égal à un (la série est toujours corrélée avec elle-même). CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 43 Nous pouvons supposer qu’il n’aura pas de valeur, c’est-à-dire que q aura la valeur 0. Nous allons donc essayer un modèle ARIMA (1,1,1) puis en fonction des résultats nous verrons vers quel modèle nous devons nous tourner. • ARIMA(1,1,1) Nous observons d’abord la stabilité et l’inversibilité du processus. Le logiciel d’analyse de Séries Temporelles JMP calcule les racines des polynômes régresseurs. Si ces racines sont à l’extérieur du cercle unitaire du plan complexe alors le processus est stationnaire et inversible12. Ce modèle est stable et inversible pour nos données. Nous regardons ensuite le R2 de cette série. Nous rappelons que le R2 mesure la qualité d’ajustement d’un modèle. Plus il est proche de 1, plus l’ajustement est satisfaisant. Il est de 0,9469. En faisant un test de Fisher sur cette valeur nous obtenons une probabilité de 39,62 %. Nous ne pouvons pas rejeter l’ajustement. Nous effectuons un test de Student sur les paramètres afin de tester leur pertinence. Les probabilités de non-pertinence sont les suivantes : Paramètre Probabilité AR1 0,0002 MA1 0,6722 La probabilité de non-significativité du paramètre AR est très inférieure à 5 %. Nous pouvons l’accepter. Par contre, la pertinence du paramètre MA est remise en cause, sa probabilité de non-significativité dépassant de beaucoup 5 %. Nous ne pouvons pas accepter ce modèle. Nous allons chercher un modèle sans paramètre MA. • ARI(1,1) Comme précédemment, nous vérifions la stabilité et l’inversibilité du processus. Le processus est stable et inversible. Nous pouvons tester son R2 . Il est de 0,9494. Sa probabilité de réalisation est de 33,55 %. Nous ne pouvons rejeter l’ajustement. Nous pouvons à présent tester la significativité du paramètre AR. Paramètre Probabilité AR1 0,0001 La probabilité de non-significativité du paramètre AR est très inférieure à 5 %. Nous pouvons l’accepter. 12 Titre I–Chap. 5 – 6) Conditions de stationnarité et d’inversibilité, p. 33. J. MODRY 44 Ce modèle peut être accepté. Nous allons nous assurer qu’un autre modèle ne conviendrait pas mieux. • ARI(2,1) Le processus est stable et inversible. Le R2 est de 0,9494, sa probabilité de réalisation est de 39,53 %. Nous ne pouvons donc pas rejeter l’ajustement. L’estimation des paramètres fournit une réponse à notre question : le paramètre AR2 vaut 0, le test de Student ne peut pas être fait. Ce paramètre n’a pas de pertinence. Nous acceptons le modèle ARI(1,1) soit ARIMA(1,1,0). Les paramètres sont estimés : Paramètre Valeur AR1 0,6017641 Constante 0,00008912 Nous allons pouvoir précéder à l’ensemble des tests statistiques d’acceptation. II.2.2) Tests de vérification Nous allons procéder à l’ensemble des tests nécessaires à valider notre modèle. En effet, il faut que les nouveaux résidus13 obtenus à partir de la régression linéaire sur les lambdas et le processus ARIMA soient un bruit blanc. Donc, ils doivent avoir une espérance nulle, pas de tendance, pas d’autocorrélation, même variance et enfin, si cela est possible, une distribution gaussienne. Les résidus sont les suivants : Résidus d'un ARIMA (1,1,0) sur les Résidus des lambdas pour la classe d'âge " 70 ans - 79 ans" 0,03 0,02 0,01 0 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 -0,01 -0,02 -0,03 -0,04 t-t0 13 Dans la suite du mémoire, lorsque nous parlerons de résidus, ce sera pour désigner les nouveaux résidus. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE a) 45 Test de la nullité de la moyenne des résidus. La moyenne des résidus est de –0,000 264 625. Nous rappelons que pour pouvoir accepter la nullité de la moyenne d’une distribution, il faut que la moyenne de l’échantillon soit, en valeur absolue, inférieure à 1,96 σε n où σε désigne l’écart type de l’échantillon et n la taille de cet échantillon. Nous perdons une valeur lors du processus ARMA(1,1,0), n vaut donc 42. σ ε = 0,0133225 ⇒ 1,96 σε n = 0, 004078 . Nous acceptons l’hypothèse de nullité de la moyenne des résidus. b) Test d’existence d’une tendance. Bien qu’il nous apparaisse évident sur le graphique que les résidus ne présentent pas de tendance, nous avons procédé à un test des signes. Ce test se base sur le nombre s d’écarts positifs entre deux valeurs successives. On rejette l’hypothèse de bruit blanc, au s − µs seuil de 95 %, si > 1,96 . σs s − µs σs = 1, 069044 . Nous acceptons l’hypothèse qu’il n’y a pas de tendance. c) Test de recherche de corrélation Nous avons procédé à un test de Von Neumann. Le ratio de Von Neumann est n −1 RVN = ∑ ( Ri − Ri +1 ) i =1 n −1 ∑ ( Ri − µ R ) 2 , où Ri désigne les résidus classés par ordre croissant. L’hypothèse 2 i =1 d’indépendance est rejetée, au seuil de 95 %, si RVN > 1,67. Or RVN = 0,03157. Nous ne pouvons pas rejeter l’hypothèse d’indépendance des résidus entre eux. d) Test d’homoscédasticité Nous effectuons un test de Fisher sur deux sous-échantillons de l’échantillon, de telle sorte que tous les effectifs appartiennent à l’un des deux sous-échantillons. Grâce au rapport des variances corrigées des échantillons nous construisons un intervalle de confiance d’une loi de Fisher dont les degrés de liberté sont les tailles des échantillons. Si 1 appartient à cet J. MODRY 46 intervalle, nous pouvons en déduire que le rapport des vraies variances est de 1, donc qu’elles sont égales. Les valeurs obtenues de l’intervalle de confiance sont [ 0, 4745; 2,8825] . Le nombre 1 y appartient, nous pouvons accepter l’homoscédasticité. e) Test de normalité Nous effectuons un test de Jarque et Bera. Celui-ci repose sur le fait que, si les résidus sont gaussiens, alors une combinaison linéaire des carrés des Skweness et Kurtosis suivra une loi du Khi-deux à 2 degrés de liberté. Nous obtenons une statistique s égale à 1,1840. Ce n’est pas un évènement rare pour un Khi-deux à deux degrés de liberté. Sa probabilité de réalisation est supérieure à 5 %. Nous acceptons la normalité. Les résidus ont satisfait à tous les tests. Nous sommes en présence d’un bruit blanc. Nous pouvons accepter l’ajustement par un modèle ARIMA (1,1,0). II.3. CONCLUSION Après avoir testé entièrement notre modèle, nous proposons de modéliser l’évolution des probabilités de décès par le modèle suivant : − 0,014901329( t − t0 ) − 0,040973+ ARI (1,1) + ε ) qˆ 75 ( t ) = qˆ 75 ( t0 ) ⋅ e ( où ε → N ( 0; σ ε ) . Il est important de signaler que ce modèle n’a pu être appliqué à toutes les tranches d’âge. En effet, en dessous de 40 ans, aucun modèle pour aucune tranche d’âge n’a pu être retenu. Pour la dernière tranche d’âge (« 90 ans et plus »), la taille de l’échantillon ne nous a pas paru suffisant pour faire une modélisation par des séries temporelles. Mais entre 40 ans et 89 ans, pour toutes les tranches d’âge, nous avons pu modéliser les résidus par des séries chronologiques. Il est à préciser qu’elles ont toutes la même forme, une forme de corrélogramme très proche, et se stationnarisent toutes par différenciation première. Nous proposons donc de projeter les taux pour chaque tranche par les modèles suivants : Où x désigne l’âge de milieu de classe. q x ( t ) = q x (1956 ) ⋅ exp {ax ( t − 1956 ) + bx + ε x,t −1956 } . CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE Age - 1 ans 2 à 4 ans 5 à 9 ans 10 à 14 ans 15 à 19 ans 20 à 24 ans 25 à 29 ans 30 à 34 ans 35 à 39 ans 40 à 44 ans 45 à 49 ans 50 à 54 ans 55 à 59 ans 60 à 64 ans 65 à 69 ans 70 à 79 ans 80 à 89 ans 90 ans et + a 0,041641 0,054271 0,027843 0,02198 0,0116 0,002198 0,005125 0,005805 0,00738 0,00866 0,010556 0,01244 0,01398 0,01431 0,0151 0,014901 0,013706 0,0156204 b 0,082043 -0,02032 -0,12488 -0,15865 -0,14561 -0,10006 0,083699 0,110963 0,02176 0,04895 0,010866 0,01149 -0,02127 -0,05622 -0,0691 -0,04097 -0,03998 -0,0523218 47 Résidus ARI(1,1) ARI(1,1) ARI(1,1) ARI(3,1) ARI(1,1) ARI(1,1) ARI(1,1) ARI(1,1) Nous avons entièrement défini notre modèle de projection pour toutes les tranches d’âge. Une fois les projections calculées, il ne nous reste plus qu’à recomposer l’ensemble des tables par génération. Nous resterons toutefois modeste dans nos projections, ainsi nous ne créerons les tables uniquement pour les générations nées entre 1940 et 2010. III. CONSTRUCTION DES TABLES PAR GÉNÉRATION III.1. RECONSTRUCTION DES TABLES PAR GÉNÉRATION Nos projections réalisées, il s’agit de redistribuer les taux de mortalité par génération. Ainsi la table de mortalité pour la génération t0 est un vecteur colonne : k qx ( t ) t − x =t0 où k qx ( t ) représente la probabilité pour une tête d’âge x de décéder dans k années, évaluée en t. Nous voyons que si t-x=t0, nous avons reconstruit la table (partielle14) de mortalité pour la génération née en t0. 14 Partielle parce que les probabilités de décès sont des probabilités moyennes par tranche d’âge, et non des probabilités annuelles. J. MODRY 48 III.2. RÉPARTITION DES TAUX ENTRE LES TRANCHES D’ÂGE Il faut à présent recomposer les taux de mortalité à l’intérieur de chaque tranche d’âge. Nous rappelons pour mémoire que les taux de mortalité modélisés étaient des taux moyens annuels par tranche d’âge. Afin de rester fidèle à la réalité nous considérons ces taux comme des taux de milieu de classe. Mais comme les classes sont composées de nombre d’années impaires la plupart du temps et afin de rester prudent dans la construction des tables, nous prenons le premier âge entier au-dessus de l’âge médian de la classe. Ainsi, pour le taux de la classe d’âge « 5 ans à 10 ans », nous choisissons « 7 ans » comme âge moyen. Pour les répartir, nous allons faire une interpolation linéaire entre les taux extrapolés. Ainsi, nous appliquons la formule suivante pour retrouver les taux entre 0 an et 80 ans. h h qx + h,t0 = 1 − ⋅ qx ,t0 + qx + n,t0 n n où qx,t0 est la probabilité de décès observée pour l’âge x de la génération t0. n : l’intervalle de temps entre deux probabilités observées ou extrapolées, c’est donc l’amplitude de la classe d’âge (n = 5 ou 10 ). h : l’intervalle de temps entre l’âge d’observation et l’âge calculé. Pour l’intervalle 80 ans – 90 ans, nous avons procédé autrement, l’objectif étant de pouvoir projeter le taux 90 ans pour finir les tables. Nous avons décider de faire un ajustement exponentiel entre ces âges. Nous avons implicitement posé que : q x + h;t0 = exp ( a x ⋅ ( x + h ) + bx ) Les paramètres ax et bx étant déterminés par les moindres carrés appliquée sur le q90,t0 . logarithme népérien des deux probabilités observées. C’est-à-dire : q80,t0 et III.3. CONSTRUCTION DES TABLES Nous avons alors appliqué la méthode récursive suivante pour déterminer les Tables par génération sous leur forme usuelle : en lx. ( ) lx ,t0 = lx −1,t0 ⋅ 1 − qx −1,t0 . III.4. PRÉSENTATION DES RÉSULTATS Nous présentons les espérances de survie (en nombre d’années) pour plusieurs générations et plusieurs âges afin de permettre les comparaisons. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 49 III.4.1) Les Tables Hommes Table TPG Hommes sans correction des résidus 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 40 ans 36,30 38,10 39,99 41,97 44,07 44,72 45,17 46,29 47,45 48,65 50 ans 27,84 29,56 31,37 33,29 35,32 35,95 36,38 37,48 38,61 39,78 60 ans 20,17 21,72 23,38 25,16 27,06 27,66 28,06 29,10 30,17 31,29 70 ans 13,35 14,71 16,18 17,78 19,51 20,06 20,43 21,39 22,39 23,43 80 ans 9,39 10,55 11,83 13,22 14,75 15,24 15,57 16,43 17,33 18,27 90 ans 7,10 8,05 9,12 10,30 11,61 12,04 12,33 13,08 13,87 14,71 Table TPG Hommes avec correction des résidus 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 40 ans 39,32 41,14 43,08 45,12 47,30 47,99 48,46 49,68 50,96 52,31 50 ans 30,83 32,56 34,38 36,31 38,40 39,06 39,52 40,69 41,93 43,24 60 ans 22,88 24,42 26,07 27,85 29,80 30,43 30,86 31,97 33,15 34,41 70 ans 15,79 17,12 18,57 20,18 21,97 22,55 22,95 23,99 25,11 26,31 80 ans 10,19 11,31 12,56 13,99 15,62 16,15 16,52 17,50 18,56 19,70 90 ans 7,09 8,12 9,30 10,67 12,27 12,80 13,17 14,15 15,21 16,37 Afin de nous rendre compte de l’impact de la correction des résidus, nous allons mesurer le gain ou la perte en nombre d’années d’espérance de vie. Nous calculons la différence entre les espérances avec correction et les espérances sans correction. Différences entre les espérances de vie des TPG avec correction des résidus et sans correction des résidus pour les Hommes 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 40 ans 3,02 3,04 3,10 3,15 3,23 3,27 3,30 3,38 3,50 3,66 50 ans 3,00 3,00 3,01 3,02 3,08 3,11 3,13 3,21 3,32 3,46 60 ans 2,72 2,70 2,69 2,69 2,74 2,77 2,79 2,87 2,98 3,13 70 ans 2,44 2,41 2,39 2,40 2,46 2,49 2,52 2,61 2,73 2,89 80 ans 0,81 0,76 0,74 0,76 0,86 0,91 0,95 1,07 1,23 1,43 90 ans -0,01 0,07 0,19 0,37 0,65 0,76 0,84 1,07 1,34 1,66 J. MODRY 50 Comparaison de l'évolution de l'espérance de vie pour les Hommes selon la génération et l'âge atteint 60 50 40 30 20 10 0 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 Génération 40 ans avec résidus 60 ans avec résidus 80 ans avec résidus 40 ans sans résidu 60 ans sans résidu 80 ans sans résidu III.4.2) LES TABLES FEMMES Tables TPG Femmes sans correction des Résidus 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans 1950 44,84 35,61 26,68 18,13 12,20 7,66 1960 46,93 37,61 28,55 19,80 13,47 8,44 1970 48,97 39,57 30,39 21,46 14,74 9,24 1980 50,95 41,48 32,19 23,10 16,01 10,05 1990 52,85 43,31 33,93 24,69 17,26 10,88 1993 53,41 43,85 34,44 25,17 17,63 11,13 1995 53,77 44,20 34,77 25,48 17,88 11,30 2000 54,67 45,07 35,60 26,25 18,50 11,72 2005 55,55 45,92 36,41 27,00 19,11 12,14 2010 56,40 46,75 37,20 27,74 19,71 12,56 Tables TPG Femmes après correction des Résidus 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 40 ans 46,19 47,04 48,86 50,73 52,60 54,47 55,03 55,41 56,34 57,28 50 ans 37,01 37,79 39,58 41,36 43,16 44,95 45,49 45,86 46,76 47,67 60 ans 28,07 28,84 30,49 32,17 33,85 35,56 36,08 36,42 37,29 38,16 70 ans 19,53 20,16 21,63 23,15 24,70 26,28 26,77 27,09 27,91 28,73 80 ans 11,68 12,26 13,46 14,73 16,05 17,43 17,86 18,15 18,87 19,61 90 ans 7,41 7,85 8,75 9,72 10,75 11,85 12,19 12,42 13,01 13,62 Différences entre les espérances de vie des TPG avec correction des résidus et sans corrections des résidus pour les Femmes 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 40 ans 1,36 0,11 -0,11 -0,21 -0,25 1,07 1,26 0,74 0,79 0,87 50 ans 1,40 0,18 0,00 -0,11 -0,16 1,11 1,29 0,78 0,84 0,92 60 ans 1,39 0,28 0,10 -0,02 -0,07 1,12 1,30 0,82 0,87 0,95 70 ans 1,39 0,36 0,17 0,05 0,00 1,12 1,29 0,84 0,90 0,99 80 ans -0,52 -1,21 -1,28 -1,28 -1,21 -0,20 -0,02 -0,35 -0,23 -0,10 90 ans -0,26 -0,59 -0,48 -0,33 -0,13 0,72 0,89 0,70 0,87 1,06 CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 51 Comparaison de l'évolution de l'espérance de vie pour les Femmes selon la génération et l'âge atteint 70 60 50 40 30 20 10 0 1950 1960 1970 1980 1990 1993 1995 2000 2005 2010 Génération 40 ans avec résidus 60 ans avec résidus 80 ans avec résidus 40 ans sans résidu 60 ans sans résidu 80 ans sans résidu III.5. COMPARAISON AVEC LES TPG DE MARC HIDALGO Afin d’effectuer la comparaison avec les résultats de Marc Hidalgo, nous allons indiquer les espérances de vie selon ses TPG. Tables Femmes TPG de Marc Hidalgo 1950 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans 37,75 28,74 19,85 11,97 6,87 1960 46,80 38,43 29,36 20,37 12,37 7,10 1970 47,51 39,09 29,96 20,89 12,77 7,34 1980 48,88 40,39 31,15 21,92 13,58 7,84 1990 50,20 41,64 32,30 22,94 14,41 8,37 1993 51,48 42,85 33,43 23,96 15,25 8,92 III.5.1 ) Comparaison avec les Hommes. Nous allons commencer par calculer les différences avec nos TPG sans résidus : Différences entre les espérances de vie avec nos TPG sans correction des résidus et les espérances des TPG Marc Hidalgo pour les Hommes 1950 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans -9,92 -8,58 -6,50 -2,59 0,23 1960 -8,70 -8,87 -7,63 -5,66 -1,82 0,95 1970 -7,52 -7,72 -6,58 -4,71 -0,94 1,78 1980 -6,91 -7,10 -5,98 -4,14 -0,36 2,46 1990 -6,13 -6,32 -5,24 -3,43 0,35 3,25 1993 -6,75 -6,90 -5,77 -3,90 -0,01 3,11 J. MODRY 52 Différences entre les espérances de vie avec nos TPG avec correction des résidus et les espérances des TPG Marc Hidalgo pour les Hommes 1950 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans -6,92 -5,86 -4,06 -1,78 0,23 1960 -5,67 -5,87 -4,93 -3,25 -1,06 1,02 1970 -4,43 -4,72 -3,89 -2,31 -0,21 1,96 1980 -3,76 -4,08 -3,29 -1,74 0,41 2,83 1990 -2,90 -3,24 -2,50 -0,97 1,21 3,90 1993 -3,48 -3,79 -3,00 -1,41 0,90 3,88 Remarques : nous voyons que nos TPG n’ont pas la même structure que celles de Marc Hidalgo, elles semblent plus généreuses en terme de mortalité pour les générations au sortir de la seconde guerre mondiale, mais plus prudente ensuite. Cependant, nous constatons qu’avec ou sans résidus, notre mortalité prévisionnelle devient plus faible que celle qui est prévue par les TPG actuelles sur les générations plus proches et pour les grands âges. Cependant, rappelons que les TPG actuelles sont établies sur la mortalité féminine qui est bien plus faible que celle des hommes. III.5.2 ) Comparaison avec les Femmes. La comparaison va prendre ici tout son sens puisque nous allons pouvoir comparer des constructions similaires. Différences entre les espérances de vie avec nos TPG sans correction des résidus et les espérances des TPG Marc Hidalgo pour les Femmes 1950 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans -2,14 -2,06 -1,72 0,23 0,80 1960 0,13 -0,82 -0,80 -0,57 1,10 1,34 1970 1,46 0,48 0,43 0,57 1,97 1,90 1980 2,07 1,09 1,04 1,18 2,43 2,21 1990 2,65 1,67 1,63 1,75 2,85 2,51 1993 1,93 1,00 1,01 1,21 2,39 2,21 Différences entre les espérances de vie avec nos TPG avec correction des résidus et les espérances des TPG Marc Hidalgo pour les Femmes 1950 40 ans 50 ans 60 ans 70 ans 80 ans 90 ans -0,74 -0,67 -0,32 -0,29 0,54 1960 0,24 -0,64 -0,52 -0,21 -0,11 0,75 1970 1,35 0,48 0,53 0,75 0,69 1,41 1980 1,85 0,98 1,02 1,23 1,15 1,88 1990 2,40 1,52 1,55 1,76 1,65 2,39 1993 3,00 2,10 2,13 2,32 2,19 2,93 CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE 53 Remarque : la structure révélée sur les hommes se confirme ici, nos TPG devenant plus prudentes pour les générations les plus proches. III.6. CONCLUSION Nous pouvions nous attendre à un tel résultat même s’il semble que les écarts soient faibles. Le plus surprenant est le fait que, selon notre construction, la mortalité masculine deviendra inférieure à la mortalité féminine pour les générations à naître. L’impact de la modélisation des résidus est bien plus faible pour les femmes que pour les hommes, mais persiste à demeurer plus prudentielle. CONCLUSION Ce sujet passionnant n’a certes pas trouvé ici une réponse unique. D’abord, il est nécessaire de rappeler que la mortalité future n’est pas le seul paramètre à prendre en compte dans l’analyse des portefeuilles de rentiers. En effet, le risque d’anti-sélection et les résultats financiers et techniques des premières années de vie du portefeuille peuvent être très importants sur certains portefeuilles de rentes viagères. Les résultats de notre étude confirment le fait que les TPG de Marc Hidalgo ne semblent plus convenir pour représenter la mortalité, bien que les écarts ne soient pas très grands pour les générations déjà nées. Nous avons également mis en avant que, selon notre modèle, nous constaterons dans l’avenir un rattrapage de la survie des hommes sur celles des femmes. Cependant, il convient de rappeler que ce phénomène est observé pour les générations à naître et dont la totalité des tables a été obtenue par projection, avec tout ce que cela comporte comme retenue. De plus, tant de paramètres interviennent dans la projection de la mortalité que les possibilités de tables à partir des même données semblent infinies. Le choix de la méthode de lissage, par exemple, n’a pas été mesuré sur la projection finale des taux. Nous avons en effet pris le parti de lisser les taux par rapport à leurs voisinages directs pour les taux provenant d’une même tranche d’âge. Nous aurions pu envisager un lissage par surface, notamment par un lissage de Bernstein. De plus, l’impact du choix de l’intervalle d’observation est également un paramètre déterminant dans la projection des taux. Nous avons attribué le même poids à chacune des années d’observation des taux de mortalité, il aurait pu être envisagé de modéliser l’évolution des taux en pondérant les taux de mortalité en fonction de la distance par rapport au début de la projection en terme de temps. J. MODRY 54 Pour s’assurer simultanément de la positivité et de la décroissance des taux de mortalité, nous aurions pu également envisager de modéliser la fonction multiplicatrice du taux d’origine sous une autre forme, notamment une fonction qui aurait pour graphique une hyperbole, ou en tout cas, une partie d’hyperbole. Un polynôme de degré trois conviendrait, une fonction de type Cobb-Douglas également, ou encore la racine carrée inverse. La modélisation des résidus est également un sujet où les pistes de recherche semblent grandes. Le nombre d’années sur lequel nous avons construit nos séries chronologiques peut très certainement être critiqué, même si tous les tests statistiques confirment notre modèle. Cette modélisation n'a encore jamais été envisagée dans la projection de taux de mortalité. Le fait que cela se fasse à travers une exponentielle nous garantissait la positivité des probabilités. Nous avons fait le choix de construire ces tables par rapport au modèle germanique utilisé en Suisse, en Autriche ou en Allemagne, il serait intéressant de voir les résultats d’une modélisation par le modèle utilisé au Royaume-Uni, dont on peut supputer que la structure de la mortalité ne devrait pas être sensiblement différente de celle de la population française. De même l’origine de la mortalité pourra un jour être pris en compte lorsque les données, nécessaires à la construction d’un modèle et à la pertinence des résultats, existeront. Enfin, la modélisation des grands âges demeure un problème entier tant le nombre de statistique est faible. BIBLIOGRAPHIE • Construction de Tables de Mortalité par génération pour la population française, J. MODRY, Magistère d’Actuariat – Université Louis Pasteur – Strasbourg, 2001. • Cours de statistique mathématique, Alain MONFORT, éd. Economica. • Statistiques et Modèles Econométriques, C. GOURIEROUX - A. MONTFORT, Ed. Economica. • Table Statistique, éd. Ceresta. • Analyse des séries temporelles en Economie, R. BOURBONNAIS - M. TERRAZA, Ed. Puf. • La Situation Démographique en 1998, Ed. INSEE. CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE • 55 Création et Utilisation Simplifiée des Tables de Mortalité de Génération Prospectives Femmes applicables aux Assurances de Rentes, Marc HIDALGO, novembre 1992, Formation d’Actuaire de l’Université Louis Pasteur – Strasbourg. • Les Rentes Viagères : Mortalité d’expérience et Réassurance, Sophie TERRIER, Mémoire du CNAM, 2000. • Mitteilungen des Aktuarvereingung Österreichs, Heft 9, November 1997 : Herleitung des Stabetafel AVÖ 1996R für Rentenversicherungen, S. JÖRGEN, F.G. LIEBMANN, F.W. PAGLER und W. SCHACHERMAYER. • Lebensversicherungsmathematik, Michael KOOLER und Verena GELPKE. • Cours de statistique de Première et Deuxième Année de Magistère d’Actuariat – ULP – Strasbourg. J. MODRY 56 ANNEXES Tables de Mortalité par génération pour la population française féminine (tables avec correction des résidus) Âge 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 1945 100000 99558 99172 98843 98568 98348 98182 98124 98073 98027 97981 97948 97920 97893 97862 97829 97792 97752 97709 97662 97610 97553 97492 97427 97361 97296 97230 97164 97098 97029 96957 96883 96805 96725 96639 96549 96453 96352 96246 96111 95971 95825 95674 95540 95393 95232 95059 94873 94673 94461 94237 1950 100000 99777 99581 99411 99269 99231 99141 99103 99068 99035 99002 98974 98948 98922 98893 98860 98823 98782 98738 98690 98639 98584 98526 98465 98404 98343 98281 98219 98158 98092 98024 97952 97877 97799 97717 97631 97541 97447 97350 97213 97070 96918 96759 96624 96477 96319 96149 95968 95776 95570 95349 1955 100000 99861 99737 99628 99535 99501 99437 99403 99371 99341 99310 99283 99257 99231 99200 99163 99122 99074 99022 98968 98913 98856 98798 98739 98680 98621 98561 98502 98443 98382 98319 98254 98187 98119 98044 97964 97877 97785 97688 97551 97407 97255 97095 96959 96813 96655 96487 96309 96120 95920 95709 1960 100000 99895 99801 99717 99644 99613 99561 99530 99500 99471 99443 99416 99390 99364 99334 99298 99258 99213 99164 99112 99058 99003 98946 98886 98827 98768 98708 98649 98590 98529 98466 98401 98334 98265 98190 98110 98023 97931 97833 97705 97571 97431 97285 97158 97020 96873 96717 96551 96375 96190 95995 1965 100000 99921 99849 99783 99724 99691 99645 99612 99581 99552 99523 99498 99476 99453 99424 99391 99352 99308 99258 99208 99159 99109 99060 99010 98960 98911 98862 98812 98763 98709 98652 98591 98526 98457 98385 98310 98232 98151 98068 97949 97824 97692 97554 97436 97309 97174 97030 96876 96715 96544 96365 1970 100000 99927 99860 99800 99747 99719 99678 99650 99624 99599 99575 99553 99533 99513 99489 99461 99430 99394 99354 99314 99275 99235 99195 99156 99114 99070 99025 98977 98928 98876 98823 98767 98709 98649 98586 98519 98449 98374 98297 98188 98073 97952 97824 97716 97600 97475 97342 97201 97052 96895 96730 1975 100000 99944 99893 99848 99807 99787 99757 99737 99717 99697 99677 99657 99637 99617 99595 99571 99546 99518 99488 99456 99422 99386 99349 99309 99268 99225 99181 99135 99088 99039 98988 98936 98882 98826 98767 98705 98639 98571 98499 98398 98293 98182 98065 97965 97858 97743 97621 97491 97354 97209 97058 1980 100000 99970 99941 99914 99889 99869 99846 99826 99806 99786 99766 99746 99726 99706 99684 99660 99634 99606 99577 99544 99510 99473 99434 99393 99351 99309 99265 99222 99178 99132 99084 99036 98985 98934 98879 98821 98760 98696 98629 98537 98440 98338 98232 98140 98041 97936 97823 97704 97577 97445 97305 1985 100000 99970 99941 99914 99889 99869 99846 99826 99806 99786 99766 99746 99726 99706 99684 99660 99633 99605 99574 99542 99508 99473 99436 99398 99359 99319 99279 99238 99196 99153 99109 99064 99017 98969 98918 98864 98808 98748 98686 98602 98513 98420 98322 98238 98147 98050 97947 97837 97721 97599 97471 1990 100000 99980 99961 99944 99929 99919 99906 99896 99885 99873 99862 99849 99835 99821 99804 99785 99762 99736 99708 99677 99646 99613 99578 99542 99506 99469 99431 99393 99354 99314 99272 99230 99186 99141 99094 99044 98991 98936 98879 98801 98720 98634 98544 98467 98384 98294 98199 98098 97991 97879 97762 1995 100000 99980 99961 99943 99927 99915 99901 99888 99876 99864 99852 99840 99827 99815 99799 99781 99760 99736 99709 99681 99652 99621 99589 99555 99521 99486 99451 99415 99378 99341 99302 99263 99222 99180 99136 99090 99041 98990 98937 98866 98791 98712 98630 98559 98483 98401 98313 98220 98122 98019 97911 2000 100000 99988 99976 99964 99953 99942 99932 99921 99911 99900 99889 99878 99867 99855 99841 99825 99805 99783 99758 99731 99704 99675 99645 99614 99582 99549 99516 99483 99448 99413 99377 99340 99302 99264 99223 99180 99134 99087 99038 98972 98903 98832 98756 98691 98621 98545 98465 98380 98289 98195 98096 2005 100000 99991 99982 99972 99963 99954 99945 99936 99927 99918 99908 99898 99888 99878 99865 99850 99831 99811 99787 99763 99737 99710 99682 99653 99623 99592 99562 99530 99498 99465 99432 99397 99362 99326 99288 99248 99206 99162 99116 99056 98993 98927 98858 98798 98734 98664 98590 98512 98429 98342 98251 CONSTRUCTION DE TABLE DE MORTALITÉ PAR GÉNÉRATION POUR LA POPULATION FRANÇAISE Âge 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 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 1945 93999 93749 93487 93205 92904 92585 92247 91891 91520 91134 90733 90318 89889 89420 88912 88365 87782 87161 86469 85706 84874 83976 83014 81990 80835 79394 77681 75713 73513 71101 68502 65741 62845 59842 56758 53607 50400 47151 43876 40593 37320 34077 30888 27772 24754 21856 19099 16503 14086 1950 95113 94864 94600 94322 94031 93726 93408 93077 92734 92378 92009 91629 91237 90808 90344 89844 89310 88741 88107 87408 86646 85822 84940 83999 82937 81598 79995 78142 76059 73764 71281 68631 65839 62930 59928 56849 53702 50499 47254 43983 40702 37431 34190 31000 27885 24865 21964 19204 16603 1955 95487 95254 95010 94754 94487 94207 93915 93611 93297 92973 92637 92292 91936 91547 91126 90672 90186 89670 89093 88457 87764 87015 86211 85354 84386 83152 81664 79934 77979 75816 73464 70945 68279 65489 62599 59622 56568 53446 50269 47049 43802 40546 37299 34081 30913 27817 24816 21932 19185 1960 95790 95576 95353 95118 94873 94617 94349 94072 93785 93489 93184 92871 92548 92196 91814 91402 90961 90492 89968 89391 88762 88081 87351 86571 85690 84555 83176 81565 79734 77700 75479 73091 70554 67888 65116 62250 59300 56272 53176 50025 46832 43611 40381 37158 33963 30818 27743 24762 21895 1965 96177 95980 95775 95560 95335 95100 94855 94600 94338 94069 93791 93507 93215 92895 92548 92175 91775 91348 90873 90349 89777 89158 88494 87785 86984 85940 84663 83162 81449 79537 77443 75182 72771 70229 67574 64823 61980 59051 56046 52973 49845 46674 43476 40267 37065 33891 30764 27706 24740 1970 96557 96376 96188 95991 95785 95569 95345 95112 94872 94627 94374 94116 93851 93562 93247 92908 92545 92158 91727 91251 90732 90171 89567 88923 88195 87236 86054 84657 83057 81264 79292 77155 74870 72451 69917 67282 64552 61730 58823 55840 52789 49683 46534 43357 40168 36986 33831 30722 27681 1975 96899 96733 96561 96380 96191 95993 95788 95575 95356 95132 94903 94668 94429 94166 93882 93574 93245 92894 92502 92071 91601 91091 90544 89960 89299 88419 87326 86029 84535 82856 81003 78989 76827 74532 72119 69605 66991 64281 61481 58596 55634 52606 49522 46395 43239 40072 36910 33773 30682 1980 97160 97008 96850 96684 96511 96330 96143 95947 95748 95544 95336 95123 94907 94669 94411 94133 93835 93517 93162 92772 92346 91885 91389 90859 90260 89454 88446 87243 85852 84283 82545 80651 78611 76440 74150 71757 69264 66671 63984 61206 58345 55407 52402 49342 46238 43105 39960 36820 33704 1985 97338 97198 97053 96902 96743 96578 96407 96229 96047 95861 95672 95480 95284 95070 94836 94585 94315 94027 93706 93353 92968 92551 92103 91623 91081 90344 89415 88301 87008 85544 83919 82141 80222 78173 76005 73736 71365 68894 66324 63661 60907 58070 55157 52177 49142 46063 42955 39834 36717 1990 97639 97511 97379 97240 97095 96944 96786 96623 96457 96289 96117 95943 95766 95571 95360 95133 94888 94628 94337 94017 93669 93291 92885 92452 91961 91285 90429 89397 88195 86829 85308 83640 81834 79901 77851 75700 73447 71094 68641 66090 63446 60712 57895 55002 52043 49027 45968 42880 39777 57 1995 97799 97682 97560 97433 97301 97163 97019 96870 96719 96566 96410 96252 96092 95917 95726 95520 95299 95064 94801 94512 94197 93856 93490 93098 92654 92037 91249 90295 89179 87908 86488 84926 83232 81414 79481 77448 75316 73083 70750 68318 65789 63167 60456 57662 54792 51856 48864 45828 42762 2000 97993 97886 97774 97658 97537 97410 97279 97143 97005 96866 96725 96582 96437 96279 96107 95920 95721 95507 95270 95009 94724 94416 94085 93731 93331 92766 92042 91159 90124 88941 87617 86156 84568 82859 81039 79121 77105 74990 72775 70461 68048 65539 62937 60247 57474 54626 51711 48740 45725 2005 98157 98059 97957 97850 97739 97624 97504 97380 97254 97128 97000 96870 96740 96597 96441 96273 96092 95900 95685 95450 95193 94914 94616 94296 93934 93419 92752 91937 90978 89878 88644 87280 85793 84190 82478 80672 78770 76771 74673 72476 70180 67786 65297 62715 60046 57294 54467 51573 48623 J. MODRY 58 Âge 1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 100 11863 14180 16597 19164 21887 24729 27657 30632 33622 36678 39681 42679 45629 101 9846 11951 14185 16589 19168 21889 24721 27625 30571 33600 36603 39618 42603 102 8042 9927 11964 14188 16603 19181 21894 24704 27583 30564 33546 36559 39562 103 6455 8116 9946 11975 14210 16625 19197 21891 24680 27590 30528 33519 36521 104 5082 6520 8139 9964 12004 14239 16650 19207 21882 24699 27571 30518 33498 105 3917 5139 6545 8161 9996 12038 14271 16670 19211 21912 24696 27576 30514 106 2950 3966 5165 6570 8195 10033 12075 14299 16685 19250 21923 24714 27587 107 2165 2991 3991 5190 6605 8234 10073 12108 14323 16731 19272 21952 24737 108 1545 2199 3014 4016 5224 6643 8275 10111 12139 14374 16762 19311 21986 109 1068 1571 2219 3037 4047 5261 6683 8314 10146 12193 14412 16809 19354 110 712 1088 1589 2240 3066 4082 5299 6723 8352 10200 12236 14464 16859 111 457 728 1102 1607 2265 3096 4117 5337 6761 8406 10247 12291 14519 112 280 468 739 1117 1627 2291 3128 4152 5375 6813 8453 10303 12350 113 164 288 476 750 1134 1649 2318 3160 4188 5423 6860 8509 10363 114 90 169 294 485 763 1152 1672 2346 3191 4231 5467 6913 8568 115 47 93 173 300 495 777 1170 1696 2374 3230 4272 5518 6970 116 22 48 96 177 307 505 792 1189 1719 2407 3267 4318 5570 117 10 23 50 99 182 315 516 807 1208 1747 2439 3307 4366 118 4 10 24 52 102 187 323 527 822 1230 1773 2474 3350 119 1 4 11 25 54 105 192 331 539 839 1252 1803 2510 120 0 1 4 11 26 56 109 198 339 551 856 1276 1833 121 0 0 2 5 12 27 58 112 203 348 564 874 1301 122 0 0 0 2 5 12 29 60 116 210 357 578 894 123 0 0 0 1 2 5 13 30 62 120 216 367 593 124 0 0 0 0 1 2 5 14 31 65 124 223 378 125 0 0 0 0 0 1 2 6 14 33 67 129 230 126 0 0 0 0 0 0 1 2 6 15 34 70 134 127 0 0 0 0 0 0 0 1 2 6 16 36 73 128 0 0 0 0 0 0 0 0 1 2 7 17 37 129 0 0 0 0 0 0 0 0 0 1 3 7 18 130 0 0 0 0 0 0 0 0 0 0 1 3 8 131 0 0 0 0 0 0 0 0 0 0 0 1 3 132 0 0 0 0 0 0 0 0 0 0 0 0 1 133 0 0 0 0 0 0 0 0 0 0 0 0 0 134 0 0 0 0 0 0 0 0 0 0 0 0 0