我国人口出生率和人口死亡率.docx
《我国人口出生率和人口死亡率.docx》由会员分享,可在线阅读,更多相关《我国人口出生率和人口死亡率.docx(21页珍藏版)》请在冰豆网上搜索。
我国人口出生率和人口死亡率
经济计量学
期末考核
我国人口出生率和人口死亡率
对总人口数的影响的分析报告
班级12会计2班
学号1211029108
姓名吕永生
时间2014年12月
摘要
人口普查指在统一确定的时点,按照统一的调查表式、项目和填写方法,由政府组织对全国或一个地区的全部人口的社会、经济特征资料,逐人地进行搜集、整理、汇总、评价、分析和公布的全过程。
是世界各国所广泛采用的搜集人口资料的一种科学方法,是提供全国基本人口数据的主要来源。
人口普查提供的资料具有法律效力,被用于分配人民代表或议员名额,进行行政管理,制定政策和拟订建设计划;用于商业网点的铺设和劳动力的分配;以及用于广泛的人口研究工作。
,我国以2010年11月1日零时为标准时点进行了第六次全国人口普查。
在国务院和地方各级人民政府的统一领导下,在全体普查对象的支持配合下,通过广大普查工作人员的艰苦努力,目前已圆满完成人口普查任务。
本文先通过分析2012年之前总人口数变化,从而研究我国人口出生率和人口死亡率对总人口数的影响。
关键词:
总人口数,人口出生率,人口死亡率;人口变化
Abstract
Census referstothe unified determinethe pointintime, accordingtothequestionnaire, unifiedproject andfillmethod, organizedbygovernment data ontheentirepopulation, socialandeconomiccharacteristicsof thecountry oraregion, onebyone to collect, collate, collection, evaluation, analysisandpublished thewholeprocess. Isascientificmethod widely adoptedbycountriesallovertheworld gatheringpopulation data, providesthemainsource ofthebasic populationdata. Thecensus provides data havetheforceoflaw isusedtoassign people's representativeor Senator places, administrative management, todeveloppoliciesand toformulate plansfortheconstructionof commercialoutlets; forthedistributionof layingand labor; andforthe populationof extensiveresearchwork. InNovember1,2010, China standardtime of zero for thesixthnationalpopulationcensus. Undertheunifiedleadership oftheStateCouncil andthelocalpeople'sgovernments atvariouslevels under in thesupportandcooperationofallcensus, census staff through hardwork, thecensushasbeensuccessfullycompletedthe task. Thisarticlefirstthroughthe analysisof2012before thetotalpopulation changes, soasto study theimpactofChina's birthrate and populationmortalityrate for thetotalpopulation.
Keywords:
totalpopulation, populationbirthrate, mortality;populationchanges
目 录
摘要......................................................1
Abstract..................................................2
引言......................................................4
一、我国总人口数的关联分析..............................5
(一)我国总人口数的参数估计...........................5
(二)我国总人口数的假设检验...........................7
二、模型多重共线性的诊断及补救.............................8
(一)模型多重共线性的诊断...............................8
(二)多重共线性的补救措施.............................10
三、模型自相关的诊断及补救................................11
(一)模型自相关的诊断.................................11
(二)模型自相关的补救措施..............................13
小结与建议...............................................16
参考文献.................................................17
引言
人口总数是指一定时点、一定地域范围内所有的有生命活动的个人的总和。
它不分性别,不分年龄,不分民族,只要是有独立的生命活动就包含在人口总数之内。
人口总数是人口统计中最基本的指标。
人口总数,对于了解国情国力,制订人口计划和经济、社会发展计划,进行人口科学研究,都有十分重要的意义。
人口出生率指某地在一个时期内(通常指一年)出生人数与平均人口之比,它反映了人口的出生水平,一般用千分数表示。
人口死亡率指标反映人口死亡的强度,适于进行空间、时间上的对比。
除对一个地区的总死亡率研究外,还可以根据某种需要分年龄、分地区、分部门考察死亡率。
本文选取15组有关人口总数,人口出生率,人口死亡率的统计数据。
并运用计量经济学的分析方法,建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析,以更好的说明因素间的关系,即总人口数,人口出生率,人口死亡率之间的关系。
一、影响我国总人口数主要因素的关联度分析
(一)我国总人口数要素的参数估计
为了更好的进行对我国总人口数变化主要因素的分析,我们选取我国1998年至2012年的总人口数、人口出生率率和人口死亡率的统计资料,如表1所示。
年份
总人口数(万人)
人口出生率(‰)
人口死亡率(‰)
1998年
124671
15.64
6.5
1999年
125786
14.64
6.46
2000年
126743
14.03
6.45
2001年
127627
13.38
6.43
2002年
128453
12.86
6.41
2003年
129227
12.41
6.4
2004年
129988
12.29
6.42
2005年
130756
12.4
6.51
2006年
131488
12.09
6.81
2007年
132129
12.1
6.93
2008年
132802
12.14
7.06
2009年
133450
11.95
7.08
2010年
134091
11.9
7.11
2011年
134735
11.93
7.14
2012年
135404
12.1
7.15
我们建立二元回归模型y=b1+b2X2+b3X3+
(相关计算数据参照于表1),把我国总人口数作为被解释变量y,人口出生率作为解释变量X2,人口死亡率作为X3,运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表2、表3和表4所示。
REGRESSION
/DESCRIPTIVESMEANSTDDEVCORRSIGN
/MISSINGLISTWISE
/STATISTICSCOEFFOUTSCI(99)BCOVRANOVACOLLINTOLCHANGEZPP
/CRITERIA=PIN(.01)POUT(.10)
/NOORIGIN
/DEPENDENT总人口数
/METHOD=ENTER人口出生率人口死亡率
/RESIDUALSDURBIN
/CASEWISEPLOT(ZRESID)OUTLIERS(3).
回归
数据集
描述性统计量
均值
标准偏差
N
总人口数
130493.3333
3339.14678
15
人口出生率
12.7907
1.13654
15
人口死亡率
6.7240
.31805
15
相关性
总人口数
人口出生率
人口死亡率
Pearson相关性
总人口数
1.000
-.883
.877
人口出生率
-.883
1.000
-.596
人口死亡率
.877
-.596
1.000
Sig.(单侧)
总人口数
.
.000
.000
人口出生率
.000
.
.009
人口死亡率
.000
.009
.
N
总人口数
15
15
15
人口出生率
15
15
15
人口死亡率
15
15
15
输入/移去的变量b
模型
输入的变量
移去的变量
方法
1
人口死亡率,人口出生率
.
输入
a.已输入所有请求的变量。
b.因变量:
总人口数
模型汇总b
模型
R
R方
调整R方
标准估计的误差
更改统计量
Durbin-Watson
R方更改
F更改
df1
df2
Sig.F更改
1
.985a
.970
.965
623.02275
.970
195.076
2
12
.000
.895
a.预测变量:
(常量),人口死亡率,人口出生率。
b.因变量:
总人口数
系数相关a
模型
人口死亡率
人口出生率
1
相关性
人口死亡率
1.000
.596
人口出生率
.596
1.000
协方差
人口死亡率
425448.703
71012.207
人口出生率
71012.207
33316.762
a.因变量:
总人口数
共线性诊断a
模型
维数
特征值
条件索引
方差比例
(常量)
人口出生率
人口死亡率
1
1
2.992
1.000
.00
.00
.00
2
.007
20.137
.00
.39
.06
3
.000
82.019
1.00
.61
.93
a.因变量:
总人口数
残差统计量a
极小值
极大值
均值
标准偏差
N
预测值
124536.7578
134280.5625
130493.3333
3288.95043
15
残差
-686.53387
1345.48499
.00000
576.80699
15
标准预测值
-1.811
1.151
.000
1.000
15
标准残差
-1.102
2.160
.000
.926
15
a.因变量:
总人口数
GET
FILE='H:
\未标题1.sav'.
DATASETNAME数据集1WINDOW=FRONT.
表2模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.995a
.989
.988
124.98203
a.预测变量:
(常量),新抵押贷款费用率,个人收入。
表3ANOVA(b)
模型
平方和
df
均方
F
Sig.
1
回归
1.902E7
2
9510011.321
608.816
.000a
残差
203066.589
13
15620.507
总计
1.922E7
15
a.预测变量:
(常量),新抵押贷款费用率,个人收入。
b.因变量:
未偿付抵押贷款
表4系数(a)
模型
非标准化系数
标准系数
B
标准误差
试用版
t
Sig.
1
(常量)
155.615
578.386
.269
.792
个人收入
.826
.064
.883
12.990
.000
新抵押贷款费用率
-56.433
31.458
-.122
-1.794
.096
a.因变量:
未偿付抵押贷款
据此,可得该回归模型各项数据为:
b1=155.615
b2 =0.826
b3=-56.433
=15620.507
Var(b1)=334530.365
Var(b2)=0.004
Var(b3)=989.606
Se(b1)=
=578.386
Se(b2)=
=0.064
Se(b3)=
=31.458
t(b1)=
=0.269
t(b2)=
=12.990
t(b3)= =-1.794
=0.989
df = 13
模型为:
y=155.615+0.826X2-56.433X3+
(二)总人口数变化因素的假设检验
令
=0.01,
我们提出如下假设:
H0:
Bi=0,Y=B1+B2X2+μi
y=b1+b2X2+b3X3+
t(bi)~t0.01(13)
在
水平下,t检验的拒绝域为:
〔-∞,-3.01〕和〔3.01,+∞〕
所以t(b2)落在拒绝域中,拒绝原假设,即X2对于模型有意义;
t(b1)、t(b3)均落在拒绝域中,不拒绝原假设,即X1、X3对于模型没有意义。
对于该模型的社会意义解释如下:
平均而言,在其他条件不变的情况下,个人收入每变动一个单位,将引起未偿付抵押贷款变动0.826个单位。
并且,该模型反映了98.9%的真实情况。
联合假设检验:
H0:
=0
F~F0.01(2,13)
在
水平下,模型中的F值落在F检验的右侧拒绝域〔8.19,+∞〕中,拒绝原假设,即
0
对于该模型的经济意义解释如下:
平均而言,在其他条件不变的情况下,个人收入每变动一个单位,将引起未偿付抵押贷款变动0.826个单位。
在其他条件不变的情况下,新抵押贷款费用率每变动一个单位,将引起未偿付抵押贷款反方向56.433个单位。
并且,该模型反映了98.9%的真实情况。
二、模型多重共线性诊断
在以下分析中,将选取原数据所得模型:
y=155.615+0.826X2-56.433X3+
相关计算数据参照于表1。
(一)进行多重共线性的诊断
(1)
=0.989 t(b1)=0.269
t(b2)=12.990t(b3)=-1.794
由此可看出,该模型的拟合优度较大,各参数的t检验值都较显著,所以,不能据此看出其存在多重共线性。
(2)X2、X3之间的关联度
如下表5:
表5相关系数表
个人收入
新抵押贷款费用率
个人收入
Pearson相关性
1
-.908**
显著性(双侧)
.000
N
16
16
新抵押贷款费用率
Pearson相关性
-.908**
1
显著性(双侧)
.000
N
16
16
**.在.01水平(双侧)上显著相关。
由此可看出,该模型的X2与X3是不相关的。
(3)辅助回归
针对模型:
y=155.615+0.826X2-56.433X3+
建立以X2为因变量,X3为自变量的辅助回归模型:
X2=c1+c2X3+c3X4+
运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表6、表7和表8所示。
表6模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.908a
.824
.811
525.42090
a.预测变量:
(常量),新抵押贷款费用率。
表7ANOVA(b)
模型
平方和
df
均方
F
Sig.
1
回归
1.810E7
1
1.810E7
65.561
.000a
残差
3864939.644
14
276067.117
总计
2.196E7
15
a.预测变量:
(常量),新抵押贷款费用率。
b.因变量:
个人收入
表8系数(a)
模型
非标准化系数
标准系数
B
标准误差
试用版
t
Sig.
1
(常量)
8819.399
597.017
14.772
.000
新抵押贷款费用率
-449.181
55.475
-.908
-8.097
.000
a.因变量:
个人收入
据此,可得该回归模型为:
X2=8819.399-449.181X3+
2.F检验
H0:
=0
F=
=65.561
F~F0.01(1,14)
在
水平下,F值落在F检验的在拒绝域〔11.06,+∞〕中,拒绝原假设,说明存在多重共线性。
(二)多重共线性的补救
(1)辅助回归
针对模型:
y=155.615+0.826X2-56.433X3+
建立以X3为因变量,X2为自变量的辅助回归模型:
X3=c1+c2X2+
运行统计分析软件SPSS,将表1中数据输入界面,进行回归分析所得结果如表9、表10和表11所示。
表9模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.908a
.824
.811
1.06184
a.预测变量:
(常量),个人收入。
表10ANOVA(b)
模型
平方和
df
均方
F
Sig.
1
回归
73.919
1
73.919
65.561
.000a
残差
15.785
14
1.127
总计
89.704
15
a.预测变量:
(常量),个人收入。
b.因变量:
新抵押贷款费用率。
表11系数(a)
模型
非标准化系数
标准系数
B
标准误差
试用版
t
Sig.
1
(常量)
18.027
.967
18.643
.000
个人收入
-.002
.000
-.908
-8.097
.000
a.因变量:
新抵押贷款费用率
据此,可得该回归模型为:
X3=18.027-0.002X2+
H0:
=0
F=
=65.561
F~F0.01(1,14)
在
水平下,F值落在F检验的在拒绝域〔11.06,+∞〕中,拒绝原假设,说明存在多重共线性。
三、模型自相关诊断
(一)自相关的诊断
相关数据参照于表1。
(1)图形法
根据模型:
y=155.615+0.826X2-56.433X3+
1作
对
的散点图,所得结果如图1所示。
2作
对t的散点图,所得结果如图2所示。
图1
对
的散点图
图2
对t的散点图
从图形中可以看出,
是随机的,即不存在自相关。
(2)杜宾-瓦尔逊检验
H0:
是随机的
d=
=0.402142119
在
水平下,查D-W表得DL=0.74、DU=1.25,
则4-DU=3.26、4-DL=2.75,所以d值落在〔0,DL〕的区域中,即拒绝原假设,存在负自相关。
(二)自相关补救
yt=b1+b2x2t+b3x3t+et -----①
yt-1=b1+b2x2t-1+b3x3t-1+et-1 -----②
2*P(其中p=1-d/2=0.798928941) ----③
1-③得(yt–p*yt-1)=b1+b2(x2t-p*x2t-1)+b3(x3t-p*x3t-1)+et
令y*=yt–p*yt-1
x2*=x2t-p*x2t-1
x3*=x3t-p*x3t-1
得y*=b1+b2x2*+b3x3*+et
其具体数据如表12:
表12
年份
y
yt-1
y*=yt–p*yt-1
x2*=x2t-p*x2t-1
x3*=x3t-p*x3t-1
1998
1365.5
1999
1465.5
1365.5
374.5625315
1469.462531
-1078.277469
2000
1539.3
1465.5
368.4696374
1547.869637
-1156.130363
2001
1728.2
1539.3
498.4086816
1661.908682
-1214.651318
2002
1958.7
1728