我国人口老龄化影响因素的分析与发展趋势的预测.docxVIP

PAGE PAGE 1 2022-2023学年第二学期 课程名称： 统计学 授课教师： 徐安琦 题目:我国人口老龄化影响因素的分析与发展趋势的预测 院系： 国际金融贸易学院 专业： 国际经济与贸易 学号： 0211121030 姓名： 徐安琦 2023 年 6 月 摘 要 本文研究了我国人口老龄化的问题，根据《中国人口统计年鉴》中 2002—2021年人口统计数据，选取了老龄人口比重、出生率、死亡率、人均国民生产总值、城镇人口占总人口比重、人口自然增长率指标建立多元线性回归模型，由spss软件分析得出结论：出生率、死亡率、人均国民生产总值是对老龄人口比重影响比较大的因素，出生率和死亡率的提高会使老龄人口比重下降。最终通过以上分析得出的结果对我国如何应对人口老龄化提出合理的政策建议。 关键词：人口老龄化、多元线性回归 一、引言 自我国上世纪计划生育政策提出以后，我国飞速增长的人口态势逐渐降低，但随着初生儿的逐渐减少，人口老龄化成为了我国下一个面临的难题。中国人口发展正处于前所未有的大转折阶段：中国人口负增长比预期更早到来，人口峰值也比预期值更低，人口老龄化速度比预期更快。国际上通常看法是，当一个国家或地区60岁以上老年人口占人口总数的10%，或65岁以上老年人口占人口总数的7%，即意味着这个国家或地区的人口处于老龄化社会[[] [] 百度百科-人口老龄化 人口老龄化_百度百科 () [2]李鲁．安徽省人口老龄化预测与分析——基于灰色 GM（1，1）模型［J］． 洛阳理工学院学报：社会科学版，2020，35（1）：25－31，79． [3]渠雨潇. 中国人口老龄化问题的研究[ J] . 商业观察,2020,59( 2) :146-149 [4]王亚飞.新时代中国人口老龄化面临的挑战、机遇及对策研究[J].商展经济,2022(08):124-126.DOI:10.19995/ki.CN10-1617/F7.2022.08.124. [5]杨海民,潘志松,白玮.时间序列预测方法综述[J].计算机科学,2019,46(01):21-28. [6]王惠文,孟洁.多元线性回归的预测建模方法[J].北京航空航天大学学报,2007(04):500-504.DOI:10.13700/j.bh.1001-5965.2007.04.028. [7]王振友,陈莉娥.多元线性回归统计预测模型的应用[J].统计与决策,2008(05):46-47. [8]项鑫,王乙.中国人口老龄化现状、特点、原因及对策[J].中国老年学杂志,2021,41(18):4149-4152. [9] 张柏琴，高孝成，么焕民． 中国人口老龄化问题的分析与预测［N］． 哈尔滨师范大学自然科学学报，2009，25( 3) : 23 － 24． [0] 杨真真,刘琳,谢艳秋,王淼.基于灰色预测模型的人口老龄化发展趋势预测与应对策略研究[J].中国管理信息化,2021,(09):198-200. 图1-1 我国老龄人口比重折线图 问题分析 人口老龄化的发展趋势主要与出生率、死亡率、人均国民生产总值等有关，因此，要研究人口老龄化的发展趋势及应对方法，我们需从其影响因素出发，将老龄人口比重作为因变量，相关影响因素作为自变量，尝试利用多元线性回归模型进行建模，分析各因素对老龄人口比重影响情况。最后结合人文地理学等知识，提出应对人口老龄化的建议。 方法选择和模型设定 3.1方法选择 2.1.1 研究思路 1.通过爬取中国统计年鉴的数据，找到尽可能多的中国往年人口出生率、死亡率、老龄人口人数、人均GDP等数据。 2.对多元线性回归模型进行建模，求出我国人口老龄化趋势的变化方程，从中分析各因素对人口老龄化趋势的影响情况，并查看模型的拟合情况。 4.通过模型计算得出的结果，对我国如何处理人口老龄化问题提供可行建议。 2.1.2 研究方法 1.通过文献研究法，查阅现有文献，挑选出可能对人口老龄化造成影响的因素。 2.运用数量研究法（定量分析法），通过多元线性回归模型揭示人口老龄化变化趋势，预测我国未来人口老龄化变化。 3.跨学科研究法，将统计学与人文地理学相结合，分析统计学结果，得出符合人文地理学的结论。 3.2模型设定——多元线性回归模型的构建 3.2.1 数据来源 此次实验数据由自写python爬虫代码爬取中国国家统计局中的数据（如图3-1），因有的年份太过久远而丢失了数据，则只爬取了近20年的各项指标，包括自2002-2021年的年末总人口、老龄人口数量、城镇人口数量、人均gdp、出生率、死亡率等指标并进行预处理。 图3-1 中国统计局网站的数据 将爬取到的数据在excel表格中进行处理，通过将65岁及以上人口除以总人口计算出老龄人口比重、通过将城镇人口除以总人口得出城镇