“全面二孩”后的人口预期与政策展望

“全面二孩”生育政策究竟能对人口发展产生怎样的影响？文章假定今后维持“全面二孩”人口政策不变进行了人口预测。结果可知：城乡全面放开二孩政策并不会带来出生率的猛增和人口数量的剧烈反弹,高峰期最多可以新增出生人口400万;政策调整会提高人口峰值,有利于改善人口结构,延缓劳动力供给的衰减速度,但作用微乎其微。从其他国家的人口发展经验看,生育率的下降趋势似乎不可避免。因此,“全面二孩”并不是生育政策调整的终点,应继续监测生育水平,进一步调整生育政策;建立和完善“家庭友好”政策体系;从社会体制和经济体制应对负面影响。     

中国人口负增长:现状、未来与特征

数千年来中国人口几乎遵循着指数增长模式,间或穿插短期外生性的人口负增长。1990年代后中国人口内在自然增长率由正转负,负增长惯性开始积聚。2000～2010年,全国1/4的市级地区出现人口负增长,但主要是由人口迁移流动所致。2010年,全国8%的县级地区人口自然增长为负。预测中方案显示,中国人口将在2027年后进入负增长;劳动年龄人口负增长比总人口负增长更早、更快;21世纪上半叶老年人口仍将快速增加。负增长是人口发展到一定阶段必然出现的现象;人口负增长具有隐蔽性、过程性、长期性和复杂性,既是数量问题也是结构问题;人口负增长受生育、死亡和年龄结构的直接影响;人口老龄化与负增长之间可能存在相互强化。     

概率人口预测方法及其应用——《世界人口展望》概率人口预测方法简介

对于人口未来变动趋势的准确判断一直是人口学领域的研究重点。概率人口预测方法近年来得到逐步发展,其中,联合国人口的贝叶斯分层模型最为典型。该方法基于各参数的先验分布确定其未来的变化区间。与传统的队列要素法等人口预测方法相比,概率人口预测能够获得更加客观的人口预测结果。本文对联合国人口司《世界人口展望》2019年的修订版所使用的贝叶斯分层模型概率人口预测方法进行介绍。内容包括总和生育率和出生预期寿命的贝叶斯分层概率预测模型构建的理论基础和方法,年龄别生育率和死亡率、总迁移率、年龄别迁移率的预测方法,总人口的概率预测方法以及确定性人口预测方案等。以中国为例对贝叶斯分层模型概率人口预测方法的应用进行研究。联合国概率人口预测方法充分考虑不确定性对未来人口发展产生的影响,丰富了现有的人口预测方法。但是,联合国人口司现有的贝叶斯分层概率人口预测方法仍有待进一步完善,比如,在人口迁移预测和对艾滋病高发国家预测的应用方面,如何建构较稳健和可信的预测模型仍然存在挑战;在现有的总和生育率和出生预期寿命的预测模型中,如何考虑各种危机、冲突、灾害、疾病大流行等不可预测事件对未来人口发展的影响,科学地解决不确定性...     

灰色神经网络模型在河南省未来人口总量预测中的应用

人口预测对经济社会的发展有着非常重要的作用。本文在灰色GM(1,1)模型基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省未来人口总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。结果证明了该组合模型的优势,具有较好的预测精度,预测结果是可信的。     

人口预测方法体系研究

人口预测方法可以归为数学方法、统计学方法和人口学方法三大类。数学方法和统计学方法只考虑到纵向的历史数据,只进行单变量预测,其信度较低,遭淘汰是必然的。人口学方法充分考虑人口自身的规律,队列因素法既考虑了历史的纵向数据,又利用了基年的横向数据,信息量大,预测精度高,可以同时对人口各个因素进行预测,因此,目前已经成为人口预测的标准模式;概率预测法结合了统计学方法的基本原理,预测结果更加科学。     

杭州市人口结构变化与老龄化趋势浅析

本文采用“四普”、“五普”资料及相关资料，以2003—2005年年龄百岁表为基数，采用人口预测软件CPPS，预测了杭州市老龄人口数量的增长态势，对杭州人口结构变化后带来的人口老龄化问题进行分析，以进一步探索杭州市人口结构变化和人口老龄化发展趋势。     

基于灰色PGM(1,N)模型的人口发展预测

为提高我国人口预测模型的预测精度,文章分析了GM(1,1)和PGM(1,N)预测模型的特点,并分别利用GM(1,1)和PGM(1,N)模型对我国人口的变化情况进行了预测,发现灰色PGM(1,N)预测模型有更高的精度和可靠性,更适合于我国人口的预测。     

基于分组人口模型对广东省城镇老龄人口的预测

文章运用2005~2009年的数据建立Leslie人口分组模型。在现行国家计划生育政策不变的前提下,预测广东省城镇老年人口发展的趋势。利用Leslie差分方程计算广东省城镇未来20年老年人口的预测值。由于初始值取样不同,用MATLAB软件对得到的数据进行三次多项式函数拟合,得到广东省城镇未来20年老年人口的拟合函数。最后对现有模型进行评价,说明预测结果基本上符合广东省城镇的实际情况,并指出原有模型的不足之处。