死亡漏报的一种新的估计方法

死亡漏报已有的多种估计方法均建立在单时期死亡报告数据上，由于无从对比，必须引入如稳定人口等工具建模，通过将死亡报告数与模型死亡数对比来对死亡漏报作出估计。这些方法假设较强、对年龄变化十分敏感。中国第四次人口普查给出了多时期死亡报告数据，为建立新的死亡漏报估计方法提供了条件。建立这类方法的一般思路，基于三个时期数据的死亡漏报估计方法，对中国四普死亡报告数据的应用结果进行分析。分析显示，这类方法假设较弱（分年龄死亡率在短时期内不变），估计较为直接（不需调查之外的其他数据）。此方法可进一步推广，给出分年龄的死亡漏报估计。     

六普人口数据的漏报与重报

数据质量评估是使用普查数据前的重要步骤,而登记人数的准确性是人口普查数据质量评估中最为重要的指标之一。文章对六普数据中低龄组人口漏报和青年人口重报状况进行了全面分析,并比较多次普查数据的生命表回推结果以及不同来源的数据分析,得出结果显示,六普数据在中老年组数据质量较高,与四普、五普数据相比,同批人人口规模呈现出高度一致性;六普数据在低龄组依然存在大量漏报,其中0岁组男孩漏报更多;在青年组人口中,六普数据16～21岁的人口规模相对于2000年普查及其他来源数据中的同批人规模出现异常增多。与五普数据及户籍统计数据相比,六普16～21岁青年组人口可能存在重报,每个年龄组重报100万人以上,且可能主要是流动人口女性重报。     

死亡漏报的一种新的估计方法

1、提出方法的背景 中国第四次人口普查(简称“四普”)的死亡漏报引起了广泛关注,其原因是多方面的,如对婴儿死亡率和期望寿命的怀疑,然而这类怀疑所依据的理由与推论大多包含了许多不易搞清楚的因素,如与1981数据比较并参照“通常的”婴儿死亡率和期望寿命的变化;或在一定的收     

我国第四次人口普查漏报情况的重新估计--基于第五次人口普查的分析

文章对2000年第五次人口普查数据的调查时点进行调整以后,重新估计了我国1990年第四次人口普查数据的漏报率,结论认为,1990年四普的漏报率远高于四普公布的漏报率,其中低年龄段的漏报非常严重.因此四普数据的质量并没有我们以前所认为的那样好.     

婴儿死亡漏报对平均预期寿命的影响及区域差异

婴儿死亡漏报是影响婴儿死亡率准确性及平均预期寿命可信度的重要因素。文章基于2010年中国人口普查数据,从理论和实证两个方面分析了婴儿死亡漏报对平均预期寿命的影响,并利用聚类分析和空间自相关分析探究了婴儿死亡漏报率的可能水平及其对平均预期寿命影响的地区差异。研究发现死亡水平越低,婴儿死亡率变动所引起的平均预期寿命的变动就越大;婴儿死亡漏报率越高,婴儿死亡漏报率的变动所引起的平均预期寿命的变动就越大;婴儿死亡漏报率变动对于平均预期寿命的影响存在显著的区域差异,西部和西南地区平均预期寿命变动对婴儿死亡漏报率更敏感;死亡水平及婴儿死亡漏报可能性指数的分布全局上不存在显著的双变量自相关,但局部显示一定的空间聚集且分性别的空间模式具有相似性。     

中国第四次人口普查全国及部分省区死亡漏报研究

一、背景 死亡报告是人口普查中的一项重要内容,也是人口研究的基础内容之一。因而,对第四次人口普查的死亡报告进行深入分析,了解死亡报告的完整程度,掌握客观与真实的死亡模式与水平,对于分析普查的质量、描述社会经济发展的变化以及人口研究具有重要的意义。 平均期望寿命与婴儿死亡率是反映一个地区死亡水平的主要指标,它们一般是由人口普     

利用留存率估计普查间人口预期寿命的方法

利用两次普查的人口数来估计我国实际的死亡水平。在这方面,目前国内外有些方法,本文进行了简要的讨论,认为它们用于中国数据时尚有许多不尽人意之处。中国人口数据的情况是:在学龄前人口数报告有误,在学龄后人口数报告基本正确,但在婚育高峰年龄上年龄报告有误。针对这种情况,本文的做法是:先按两次普查的间隔时间进行年龄组合并。根据两次普查的人口数,求出学龄后两次普查对应同期群的留存率,通过与模式生命表相比较,用模式生命表中学龄前的存活率来估计我国学龄前存活率。由此作出两次普查间的生命表,并把它作为两次普查间的平均死亡水平,估计中国人口死亡的漏报程度,在此基础上,再估计上次普查和这一次普查时的死亡水平。     

中国1982年后人口普查和抽样调查中死亡漏报的估计——基于Bayesian分层回归模型

利用Bayesian分层回归模型估计中国1982年后历次人口普查和抽样调查的死亡漏报率及其随时间的变化。结果表明:0岁死亡漏报率随时间的变化具有明显的阶段性,而1～4岁死亡漏报率随时间的变化趋势不明显;全年龄、5～14岁和15～59岁、60～89岁和90岁及以上死亡漏报率随时间的变化基本近似且同样具有阶段性。受漏报原因和不同时期社会背景的影响,女性1～4岁的死亡漏报率不一定低于0岁的死亡漏报率。人口普查成人阶段各年龄死亡漏报率差别较大,而人口抽样调查则较为一致。2000年人口普查男性和2010年全人口90岁及以上死亡率偏低是由比较严重的死亡漏报造成。死亡漏报对预期寿命计算误差的影响因年龄而异,二者关系在婴幼儿中较弱,其余年龄死亡漏报和预期寿命误差存在显著线性正相关。     

20世纪90年代中国人口死亡水平

在人口普查中,人口死亡容易发生漏报。文章分析了中国人口死亡漏报的社会原因,利用两次普查的人口数据证明了人口死亡漏报确实存在。为了估计出实际的人口死亡水平,对两次普查的人口数据质量进行了推敲,根据登记的人口和死亡率数据的不同情况,提出了相应的修正方法。研究结果表明,20世纪90年代男性的预期寿命为67.97岁,女性的预期寿命为71.34岁,均比人口普查登记资料算出的结果小1.5岁左右。     

基于五普数据对四普数据质量的估计

本文在考虑了第四次人口普查和第五次人口普查的调查时点差异后,采用列克西斯图图示法,运用人口逆存活分析技术并结合对比分析方法,对第四次人口普查数据质量进行了重新评估。研究发现,“四普”0—9岁人口存在严重漏报,男女两性合计漏报人口1269万;10-18岁人口不仅存在漏报,也存在重报;男女分性别漏报人口之间也存在较大差异。     

上海市区控制婴儿死亡漏报的措施与效果

婴儿死亡率是衡量一个国家或地区的经济、文化、卫生状况,特别是反映妇幼保健工作质量的敏感指标之一。解放以来上海市区卫生工作和妇幼保健工作取得了很大的成绩,婴儿死亡率显著下降。1979年上海市区婴儿死亡率为11.14‰,已降到世界先进国家的水平。 计算婴儿死亡率必须有完整的婴儿死亡资料。上海市区户籍工作比较严密,凡属市区常住户口者死亡时必须凭医院开具的死亡报告单向户籍部门注销户口,因此,漏报较少。但婴儿死亡,特别是出生后不久死亡的新生儿一般即由医院处理,因此造成婴儿死亡漏报相当严重。     

1982～2010年期间四次全国人口普查数据一致性研究——基于出生人口队列的分析

数据一致性是反映人口普查数据质量高低的重要指标。文章以第三、四、五、六次全国人口普查数据为基础,充分考虑人口死亡因素,比较同一出生队列人口在不同普查年份的人口规模,以此对人口普查数据一致性进行检验。研究中主要有三点发现:一是分时期进行分析,在"三普"至"六普"的28年间,九成以上出生队列人口存活率大于1,发生正偏离现象;二是对四次人口普查中的相邻两次普查依次进行比较,普查时处于0～90岁的91个出生队列人口偏离量逐渐增大,偏离率渐次上升;三是分性别来看,1982～2000年出生队列人口偏离程度存在显著性别差异。相当数量的出生队列人口出现系统性正偏离,表明在人口普查中存在较为严重的人口漏报、人口重报或死亡漏报。     

中国第五次人口普查全国人口死亡水平间接估计

本文运用几种常见的死亡水平间接估计方法 ,以中国第五次人口普查原始数据为基础 ,估测了五普人口粗死亡率、死亡漏报水平和人口平均预期寿命。     

对2010年人口普查数据准确性的估计

文章根据2010年第六次全国人口普查汇总资料,利用人口分析技术和与历史数据、行政记录资料比较等方法,从人口的年龄、性别、生育、死亡、总规模、教育以及长表的代表性等多方面对六普的主要数据结果进行深入地分析,对普查数据的准确性进行客观地评估。结果表明,2010年普查登记的分年龄数据准确性差异较大,0～9岁低年龄人口存在漏报,20～45岁人口有重有漏,其余年龄组完整性较高;分性别数据与历史数据的一致性较好;妇女生育水平明显偏低;死亡人口数据漏报较为严重;分教育数据与教育部门的行政记录吻合度较高;长表的主要数据结构代表性较好。与2000年人口普查相比,2010年人口普查总人口的漏登率大幅降低,普查的总体质量明显提高。     

江苏省死亡人口的间接估计及死亡率模型

一、问题的提出 人们往往利用死亡人口登记、人口普查数据直接计算死亡人口及死亡率。但是,在某些国家和地区由于政策法令不健全,以及统计口径不一致,常常发生死亡人口漏报、死亡人口年龄错报以及人口死亡时间误报。因此,在某些国家和地区特别是发展中国家,死亡率的报告经常是不准确的。为了能科学地、准确地评估人口死亡率,近十余年来人口     

用小学入学人数检验"五普"低龄组的人口漏报和性别比

用小学入学人数检验"五普"低年龄组的人口数据,发现"五普"17岁以下年龄组人口净漏报2 042.03万,以此调整的2000年"五普"总人数在125 315万～126 087万之间,比公布的总人数少496万～1 268万,其净漏报人数大约为在804万～1 576万,净漏报率为0.65%～1.27%.同时得出"五普"0～4岁年龄组的性别比为114左右.     

中国人口普查死亡数据质量评估及2010-2020年死亡模式转变分析北大核心

人口的预期寿命和年龄死亡模式是评估人口健康水平、掌握人口发展规律的重要指标。人口普查为掌握年龄死亡模式的变动特点和人口预期寿命水平提供了基础数据,然而根据以往研究文献和对2020年人口普查数据的分析,人口普查所获得的死亡数据存在一定程度的漏报,需要对这一数据质量进行评估和修正。为此,本文根据不同年龄段的死亡特点对布拉斯-罗吉特模型进行适应性调整,使其符合观察年份的死亡模式,获得模型参数,进而实现对2010-2020年死亡数据的校正评估。结果显示2020年人口普查获得的死亡数据中低龄组男性漏报率高于女性,0-9岁男性平均漏报率为75.33%,女性为57.69%,男婴死亡漏报率为85.08%,女婴死亡漏报率为77.80%;70-90岁高龄组死亡漏报率男性平均为22.55%,女性为20.75%,90岁及以上的死亡漏报比较低;老年阶段男性漏报率普遍高于女性。2010年婴儿死亡概率为21.15‰,2020年为8.80‰;2010年出生预期寿命为74.82岁,2020年为78.21岁,10年间预期寿命增长了3.39岁。通过比较分析发现21世纪以来我国人口年龄死亡模式呈现“低龄降低,中龄平稳,中高龄先缓升后陡升,高龄略有回降”的变动态势。这表明进入老龄前期人口死亡概率降低带来一个虚弱累积的过程,达到一定年龄(70-80岁)后,老化速度就会加快虚弱累积的效应,带来更高年龄组失能或死亡概率的加速增长。     

2000年中国第五次人口普查漏报评估及年中人口估计

20 0 0年第五次全国人口普查公报称普查漏报率为 1 81 % ,据此推算漏报人口 2 2 91万人 ,然而 ,这些人口的性别、年龄等人口特征不祥 ,这给人们研究社会经济发展中的实际问题带来非常大的不便。本研究就是在准确估计 1 990～ 2 0 0 0年分性别、年龄死亡概率的情况下 ,利用年龄移算方法对 1 990年和 2 0 0 0年两次人口普查的漏报率给予评估 ,并对漏报人口进行年龄、性别拆分 ,从而较为准确地估计得到 2 0 0 0年年中年龄性别人口 ,以为科研或了解我国人口发展状况之用     

分年龄死亡人口的双重分组及其应用

众所周知,每个年龄组的死亡人口都来自两个出生同年群。例如,0岁死亡人口D_0就由当年出生当年死亡人口 D’_0和上年出生今年死亡人口 D”_0组成,即 D_0=D’_0+D”_0。在涉及人口死亡的各种人口指标的计算中,通常由于无法将这两部分死亡人口分开,只好利用一些公式以获得近似的数据。我国第四次人口普查登记了死亡人口的出生年月和死亡年月,为将死亡人口既按死亡年龄又按出生年度汇总提供了可能。本文拟就昆明市对1989年7月至1990年6月(普查时点前一年)死亡人口进行双重分组及初步应用情况做一些探讨。     

中国80年代死亡水平研究

本文较为详细地讨论了由１９８２年人口普查和１９９０年人口普查资料确定的死亡水平，指出：确定８０年代中国实际的死亡水平，在注意婴儿死亡率的同时，还应注意到老年人口的死亡漏报，并依据两次普查的年龄别人口数，计算出人口的平均寿命，对用普查的死亡资料计算的年龄别死亡率的误差，做出重新估量。