4. 生存模型参数估计
在寿险定价与死亡风险分层中，生存模型的核心任务是把“观察到的生存时间”转化为可解释、可比较、可用于定价的生存函数或风险函数。参数估计方法决定了我们如何从样本数据中提取这一信息。本节围绕参数模型与非参数模型的分野，重点讲解Kaplan-Meier估计与Nelson-Aalen估计的原理、计算流程与实战要点。
一、核心原理：参数模型与非参数模型的分野
生存分析中的估计方法可大致分为两类。参数模型假设生存时间服从某个已知分布，例如指数分布、威布尔分布、冈珀茨分布或对数正态分布，然后通过最大似然估计求解分布参数。其优势在于模型简洁、可外推、便于计算分位数与期望寿命；风险在于分布假设一旦偏离真实数据，估计结果会产生系统性偏差。
非参数模型则不预设生存时间的分布形式，而是让数据“自己说话”。它直接估计生存函数S(t)或累积风险函数H(t)，适用于探索性分析、分布未知或样本量有限的场景。Kaplan-Meier估计与Nelson-Aalen估计是最常用的两种非参数方法，前者估计生存函数，后者估计累积风险函数。
关键区别：参数模型回答“如果生存时间服从某分布，参数是多少”；非参数模型回答“在不假设分布的前提下，生存函数或累积风险长什么样”。前者适合建模与外推，后者适合描述与诊断。
二、方法流程：从数据到估计量
无论采用哪种方法，生存模型参数估计都遵循一条共同的数据处理链路：整理生存时间与事件状态、处理删失、构造风险集、逐时间点估计、汇总为曲线或参数。
- 数据准备：每条记录包含观察时间t和事件指示δ（1表示死亡，0表示删失）。
- 排序与去重：将所有事件发生时间从小到大排序，得到唯一事件时间点t₁<t₂<…<tₖ。
- 构造风险集：在tᵢ时刻，风险集R(tᵢ)包含所有观察时间≥tᵢ的个体。
- 逐点估计：Kaplan-Meier估计生存函数，Nelson-Aalen估计累积风险函数。
- 汇总与可视化：绘制生存曲线或累积风险曲线，进行分组比较与风险分层。
Kaplan-Meier估计的公式为：S(t)=∏(1−dᵢ/nᵢ)，其中dᵢ为tᵢ时刻的死亡人数，nᵢ为tᵢ时刻的风险集人数。Nelson-Aalen估计的公式为：H(t)=∑(dᵢ/nᵢ)，其增量与Kaplan-Meier的乘积极限形式相对应。
# R语言示例：Kaplan-Meier与Nelson-Aalen估计
library(survival)
fit_km <- survfit(Surv(time, status) ~ 1, data = lung)
summary(fit_km)
fit_na <- survfit(Surv(time, status) ~ 1, data = lung, type = "fleming-harrington")
summary(fit_na)
# 分组比较
fit_group <- survfit(Surv(time, status) ~ sex, data = lung)
plot(fit_group, col = c("blue", "red"), lty = 1:2,
xlab = "时间(天)", ylab = "生存概率")
legend("topright", legend = c("男性", "女性"), col = c("blue", "red"), lty = 1:2)
三、案例场景：寿险死亡风险分层中的估计选择
假设某寿险公司拥有一批被保险人的承保数据，包含年龄、性别、吸烟状态、保额与观察期内的死亡状态。精算师需要回答两个问题：第一，不同风险组的生存曲线是否存在差异；第二，能否用参数模型外推至更长期限的死亡率。
对于第一个问题，Kaplan-Meier估计是首选。它无需分布假设，可直接绘制各组的生存曲线，并通过Log-rank检验比较组间差异。若发现吸烟组的生存曲线显著低于非吸烟组，则可初步支持风险分层。
对于第二个问题，若需要计算终身寿险的净保费或准备金，则通常需要参数模型。此时可先使用Nelson-Aalen估计得到累积风险函数的非参数估计，再观察其形状是否接近某参数模型的累积风险形式。例如，若累积风险曲线近似线性，可考虑指数分布；若呈幂函数形态，可考虑威布尔分布。
| 方法 | 估计对象 | 是否假设分布 | 典型用途 | 主要局限 |
|---|---|---|---|---|
| 参数模型 | 分布参数 | 是 | 定价、外推、分位数计算 | 分布误设导致偏差 |
| Kaplan-Meier | 生存函数S(t) | 否 | 描述、分组比较、可视化 | 尾部估计不稳定 |
| Nelson-Aalen | 累积风险H(t) | 否 | 风险诊断、模型选择辅助 | 不直接给出生存概率 |
四、误区与复盘：估计中的常见陷阱
在实际建模中，以下几个误区值得警惕。
- 误区一：删失处理不当。Kaplan-Meier与Nelson-Aalen都假设删失独立于生存时间。若删失与死亡风险相关，估计结果会有偏。例如，高风险个体因退保而删失，会导致生存曲线被高估。
- 误区二：尾部估计过度解读。当风险集人数很少时，Kaplan-Meier曲线在尾部会出现较大波动，置信区间变宽。此时不宜对长期生存概率做精确断言。
- 误区三：混淆累积风险与生存概率。Nelson-Aalen估计的是H(t)，不是S(t)。若需生存概率，应使用S(t)=exp(−H(t))或直接采用Kaplan-Meier。
- 误区四：忽视分组比较的检验。仅凭曲线视觉差异判断组间不同是不够的，应结合Log-rank检验或加权检验给出统计结论。
实战建议：在寿险风险分层中，可先用Kaplan-Meier与Nelson-Aalen做探索性分析，观察各组生存曲线与累积风险形态；再根据形态选择候选参数模型，用AIC/BIC比较拟合优度；最后用参数模型完成定价与外推。非参数估计是“诊断工具”，参数模型是“决策工具”，两者配合使用效果最佳。
注意：当数据存在大量结时点（tie）时，Kaplan-Meier与Nelson-Aalen的估计结果对结的处理方式敏感。R中survfit默认采用Efron方法处理结，建议在报告中说明所用方法，以保证结果可复现。
综上，参数模型与非参数模型并非对立，而是生存分析工作流中的两个阶段。Kaplan-Meier与Nelson-Aalen提供了不依赖分布假设的基准估计，帮助我们发现数据中的风险模式；参数模型则在此基础上提供可外推、可定价的数学表达。掌握两者的原理、计算与配合方式，是寿险生存模型实战的基础能力。