人口老龄化问题建模论文Word下载.docx
《人口老龄化问题建模论文Word下载.docx》由会员分享，可在线阅读，更多相关《人口老龄化问题建模论文Word下载.docx（111页珍藏版）》请在冰豆网上搜索。
学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；
学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；
学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。
在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。
日期:
论文作者签名：
指导教师签名:
人口老龄化问题
人口老龄化问题是21世纪中国所面临的严峻社会问题，已引起全社会的广泛关注，但目前我们对老龄化影响因素的研究还不够系统和全面。
本文从老龄化
的影响因素出发，建立主成分分析法、线性拟合和灰色预测的数学模型，得到影响人口老龄化的四个主要因素，并科学的预测出了未来几年老龄化人口的数量。
首先，我们通过阅读大量的相关文献，确定出十几个影响人口老龄化的影响因子，并从国家统计局网站上获得相应指标的原始数据，结合合理的假设，建立
不同年份各个影响因子的一个二维表。
其次，我们建立主成分分析法模型，将所获得的指标和原始数据进行标准化处理，运用SPSS软件进行分析，得到了影响人口老龄化的主要因素有：
人均GDP，预期平均寿命，教育经费投入，农村人口比重这四个方面。
再次，利用上述已提取的四个影响因素，通过线性拟合得出四个主要因素和人口老龄化的函数关系式：
y=-42.202925370799250+0.679854684616473*x1-0.000002837083521*x2+0.000027713758515*x3+0.016482418326739*x4
再通过灰色预测模型结合上述关系式求解出未来人口老龄化的比重，随后我们将历史年份预测值与真实值进行对比，其结果较为吻合，从而验证出了模型的合理性。
下表为我们预测出的未来6年老龄化人口比重：
2010
2011
2012
2013
2014
2015
7.7
7.9
8.2
8.5
8.9
10.3
最后，我们对此模型进行了优缺点评价和模型改进。
本文特色是将线性拟合和灰色预测模型相结合。
首先根据历史数据，线性拟合出人口老龄化比重与四个影响因素之间的的函数关系式，再运用灰色预测模型预测出四个影响因素的未来指标，最后代入已拟合好的函数关系式中，就可以求解出未来老龄化人口的比重。
关键字：
人口老龄化主成分分析法线性拟合灰色预测
1、问题重述
人口问题是全球最主要的社会问题之一，是当代许多社会问题的核心。
据官方统计，到2050年，世界人口将达到90—100亿，其中60岁以上的人口将达到20亿。
控制人口的增长已迫在眉睫。
而老龄化问题是人口问题中最突出的问题。
目前世界人口老龄化程度较深的国家有日本、意大利、德国等，其高达25%以上，而我国65岁以上的老年人口占总人口7%按这个标准，我国已进入老龄化社会。
控制人口老龄化问题已刻不容缓，对社会经济的稳定和可持续发展都有重要意义。
利用附表中的数据及互联网数据，建立数学模型，分析老龄化人口数与诸多影响因素之间的关系，为防止老龄化提供依据，同时预测未来两年我国老龄化人口数量。
2、问题分析
21世纪的中国是一个不可逆转的老龄社会。
日益增多的老龄人口以及与此相伴而生的社会经济问题已引起全社会的广泛关注。
针对影响因素与人口老龄之间的关系和预测未来老龄化人口数量这两个问题我们做了如下分析：
1.就题目中所呈现的我国人口老龄化的现状，我们从影响此现状的因素入手，选择经济、科技、政策、环境等四个方面，并从这四方面展开分析，最终计算出全面合理的影响因素。
2.基于第二问，预测未来人口老龄化的数量也就是先用灰色预测模型，由历
史值得出各个影响因素的未来值，再通过线性拟合关系式，运算出结果的过程。
3、模型假设
1、假设在中国统计局网站搜集的数据均真实有效。
2、假设影响人口老龄化各因素之间互不相关。
3、本文以年份为时间变量，忽略了以地区差异性为特点的人口密度指标。
4、符号说明
X
人口老龄化比重
X1
女性比重
X2
农村人口比重
X3
恩格尔系数
X4
预期平均寿命
X5
人均GDP
X6
教育投入
X7
科学技术投入
X8
文体投入
X9
社会保障投入
X10
医疗卫生投入
X11
环境保护
X12
自然增长率
y
a
常数
bl
预期平均寿命的权重
b2
人均GDP的权重
b3
教育经费投入的权重
b4
农村人口比重的权重
n
指标编号
m
年份
Xj
第j个指标的各年数据的平均值
Sj
第j个指标的各年数据的标准差
Xij
原始数据
R
相关系数矩阵
表4-1-1
5、模型建立与求解
模块1（主成分的筛选）
5.1.1数据查找
我们通过中国统计局网站得到所需年份的统计年鉴，对原始因素的相关数据
进行了搜集整理，得到与本模型相关的数据。
（详见附录一）
5.1.2模型分析
主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。
在本题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。
这些涉及的因素一般称为指标，在多元统计分析中也称为变量。
因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。
在用统计方法研究多变量问题时，变量太多会增加计算量和问题分析的复杂性，我们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。
故选用此种方法进行主要因素的提炼。
5.1.3数据标准化处理
将04~09年各个影响因素的有关原始指标数据写成矩阵形式X（Xj）mn，然
后运用标准化公式yj
（jj）i1,2,,m;
j1,2,,n
（其m为年份，n为指标编号，Xj为原始数据，Xj为第j个指标各年的平均值,
S是Xj的标准差）进行处理（详见附录二），消除各指标受纲量的影响。
5.1.4模型建立
在实际情况中影响人口老龄化的因素较多，包括如下表内的12个以及未列
出的各种因素，我们将这些因素的近几年数据找出并将原始数据写成的矩阵输入SPSS软件中经过一些运算得到相关的指标。
解释的总方差
方差
合计
方差的%
累积%
的%
1
11.214
93.448
2
.482
4.017
97.465
3
.229
1.907
99.372
4
.051
.426
99.798
5
.024
.202
100.000
6
6.194E-165.161E-15
7
4.194E-163.495E-15
8
2.078E-161.732E-15
9
5.452E-174.543E-16
10
-1.211E-1
-1.009E-1
11
-2.883E-1
-2.402E-1
12
-7.270E-1
-6.058E-1
表5-1-1
在实际研究中，由于主成分的目的是为了降维，减少变量的个数，故一般选取少量的主成分（不超过5或6个），只要他门所能包含原变量信息的86%以上即可。
由上表可以得到每一个主成分的贡献率和累计贡献率，相关系数的特征值即各主成分的方差，可以看出第一个成分的特征值的累积贡献率已经高达93.448%,所以我们选取第一个成分为主成分。
再由SPSS#到相关系数矩阵R的特征向量如下：
成份矩阵a
成份
女性比重1
.964
.232
.087
.092
-.004
农村人口比
-.985
.118
.046
.108
-.041
重2
恩格尔系数3
-.881
.432
-.171
.052
.078
预期平均寿
.997
-.034
-.026
-.038
.059
命4
人均GDP5
.993
.018
-.097
-.031
.050
教育经费投
.992
-.067
-.015
.005
入6
.984
-.042
.167
.032
.027
科学技术投
入7
文体投入18
.011
.174
.041
社会保障投
.966
.162
-.185
-.055
入9
医疗卫生10
.979
.149
.128
.035
-.032
环境保护11
.971
.222
-.058
-.0
升级会员 