종속사망률모형 (Dependent Mortality Model)
쉽게 풀면
전통적인 생명표는 한 사람의 사망 확률만을 다루면서, 부부나 형제처럼 함께 사는 사람들의 사망이 서로 아무 영향을 주지 않는다고 가정하는 경우가 많습니다. 그러나 실제로는 한 사람이 사망하면 남은 사람의 건강, 생활 방식, 스트레스 수준이 달라지면서 그 사람의 사망 위험도 함께 변할 수 있습니다. 종속사망률모형은 이런 현실을 반영해서, 한 사람의 사망 여부가 다른 사람의 사망 확률에 영향을 준다는 전제로 사망률을 계산합니다. 쌍둥이의 건강이 서로 닮아가는 현상을 떠올리면 이해가 쉽습니다.
왜 중요한가
연생보험이나 최종생존자연금 같은 다중생명 상품의 가격을 정확히 산정하려면 사망 사건들 사이의 상관관계를 무시해서는 안 됩니다. 종속사망률모형은 이러한 상관관계를 명시적으로 반영함으로써 보험료와 준비금 산출의 정확성을 높이는 데 기여합니다.
논문에서는 이렇게 쓰입니다
배우자 사망이 남은 배우자의 사망률에 미치는 영향을 반영한 모형을 설명하는 예문입니다.
두 모형의 적합도를 비교하여 종속성 반영의 필요성을 뒷받침하는 예문입니다.
조금 더 깊게 보면
종속사망률모형을 구현하는 대표적인 방법으로는 코퓰라 함수를 이용해 결합생존분포를 구성하는 방식과, 공통의 잠재 위험요인을 가정하는 프레일티모형 방식이 있습니다. 두 방식 모두 개별 사망률에 더해 상관관계의 크기를 나타내는 추가적인 모수를 두고, 이를 실제 관측 데이터를 통해 추정하는 절차를 거칩니다. 종속사망률모형에서 상관관계의 크기는 흔히 코퓰라 모수나 공유 프레일티의 분산으로 요약되며, 이 값이 0에 가까울수록 독립가정모형에 수렴하고 값이 커질수록 동시사망 위험이 커진다고 해석됩니다. 부부처럼 함께 생활하는 두 피보험자는 한쪽의 사망이 다른 쪽의 심리적·경제적 충격(이른바 broken-heart 효과)으로 이어져 단기간 내 사망 위험이 높아지는 경향이 관찰되며, 이를 반영하기 위해 코퓰라(copula) 함수 등을 이용해 두 생명의 사망을 독립이 아닌 상관관계가 있는 확률변수로 모형화합니다.
주의할 점
상관관계의 크기나 방향을 잘못 설정하면 오히려 독립가정모형보다 부정확한 결과를 낳을 수 있으므로, 데이터에 기반한 신중한 모수 추정과 검증이 필요합니다.
상심 효과처럼 시간이 지나며 상관관계의 강도 자체가 변하는 현상은 정적인 상관계수 하나로는 포착되지 않아, 시간 의존적 구조를 반영한 확장 모형이 필요할 수 있습니다.