全国各地区流动人口影响因素研究Word文档格式.docx

1、 人口流动具有重大的意义。人口流动能够为人口流入地区提供大量的劳动力，促进地区制造业，服务业等行业的发展，总体上来说，人口流动能够为国家的经济腾飞提供丰富的劳动力，为城市化、现代化顺利发展奠定了基础，调节劳动力的地区分配。但是大量的人口流动相应地引起一些问题：据统计，2009年中国流动人口平均年龄为27.3岁，流动人口中78.7%为农业户口，以青壮年为主。大部分流动人口的文化程度比较低。而大量的流动人口流入地区，势必引起人口流入地区的交通，教育，环境等问题，在制度还不完善的情况下，流动人口的医疗，保险等社会保障严重缺乏。即使近年来国家出台一系列加强流动人口服务管理的重大决策，但大规模的人口流动

2、会给地方政府的管理带来严峻的挑战。如果能够建立关于流动人口与地区发展状况的模型，利用模型来研究流动人口与地区发展的关系，并初步预测流动人口，将对国家对流动人口的有序引导，地区对流动人口的管理有重大的意义。2.研究现状及存在问题现阶段关于流动人口的文献可分为两大方面，一方面是关于流动人口现状的分析报告，另一方面是关于流动人口预测的模型。流动人口预测的模型是人口预测的一大难题，目前还没有一种可以用于不同地区的基本办法。西方关于人口流动预测模型比较完善的是托达罗模型，但是由于模型只表明了决定迁移的因素和关系，并没有表达出被解释变量与各因素之间明确的函数关系，所以没有得到广泛应用2。在国内，有学者曾经

3、利用地区流动人口占常住人口的比例来建立流动人口预测模型，但是由于常住人口也是经常变动，数据获取难度大，也没有得到推广。很多学者在流动人口预测方面做了大量的研究，但是，可以发现存在一个问题。大多数文献都有提到，人口流动受到许多因素的影响和制约，多因素法是最理想的办法，若能建立流动人口与各社会因素之间的一种线性或非线性模型，便能在充分考虑各种影响因素的基础上预测流动人口规模的变化，但是难度很大。纳入模型的影响因素的选择和影响因素数据的获取等各个方面的困难，使该方面的研究停滞不前。3.基本思路及创新通过收集资料，确定流动人口的主要因素，即指标，对所选择的指标进行因子分析。接着，利用因子分析提取的主要

4、因子与流动人口进行关联度分析，计算其关联度，若关联度高，则用流动人口对主要因子进行回归分析，得到各个地区的发展状况与流动人口之间关系的模型。在模型建立过程中，利用聚类辅助分析流动人口的地域差异。指标的选取原则为：尽可能全面，简洁，可获性，科学性，系统性。本文的创新之处在于，在研究人口流动与多因素之间的关系的时候，采用因子分析，聚类等方法对数据处理后建立线性或者非线性模型。本着大胆假设，小心求证的精神，建立人口预测模型，定量分析流动人口。4.模型构建前的准备4.1模型假设（1）流动人口的定义：由于流动人口至今都没有一个统一的统计口径，所以无法找到直接反映我国流动人口的数据。本文将户口在外地，住在

5、本地区半年以上的人员（包括户口待定的人员）作为流动人口。（2）假定各个地区在短期内，发展状况稳定。所以可选取2009年的数据来反映短期内地区的发展状况。4.2数据来源本文的流动人口数据是根据2009年全国各地区分性别、户口登记状况的人口推算而得的。推算方法是将住本乡、镇、街道，户口在外地半年以上人口加上住本乡、镇、户口待定人口，再除以0.873的抽样比。所得2009年全国各地区流动人口数见附录。4.3指标的选择4.3.1反映经济状况的指标地区间的经济状况差异会引起流动人口，由最近几年关于流动人口的新闻报道中可以看出，地区发展越好，该地区的流动人口越多。本文选取地区GDP以反映地区的该地区的经济

6、表现，选取地区的社会消费品零售总额以反映该地区购买能力的实现，选取地区的第一产业生产总值，第二产业生产总值，和第三产业生产总值分别占国民生产总值的比重以反映该地区的经济结构。4.3.2反映地区居民生活的指标地区的居民生活状况也是人口流动的成因之一，人们都是向往美好的生活的。本文选取城镇居民人均年可支配收入和农村居民人均年纯收入以反映城乡居民间的收入差异。选取CPI和商品零售价格总指数来反映地区的消费水平。选取城镇人口比重来反映该地区目前的城镇化水平。该地区的流动人口的就业程度可以反映地区对流动人口的容纳情况，可是由于流动人口各个方面的数据难以统计，所以文章选取逆向指标城镇登记失业率，来反映该地

7、区的就业情况。4.3.3反映公共服务的指标根据中国流动人口发展报告中对当前流动人口生存发展的基本状况分析中可以得知，我国流动人口家庭的平均规模为2.3人，67.4%为夫妻/子女一起居住。而流动人口的子女中，70.2%为流动儿童，29.8%为留守儿童。因此大胆推断，流动人口的子女就学等问题也是流动人口的影响因素之一，所以选取地区的教育财政支出来反映该地区的教育事业发展程度。综合各个方面的考虑，选取的指标有：GDP、社会消费品零售总额、第一产业生产总值，第二产业生产总值，和第三产业生产总值分别占国民生产总值的比重、城镇居民人均年可支配收入、农村居民人均年纯收入、CPI、商品零售价格指数、城镇人口占

8、全国人口的比重、城镇登记失业率、教育财政支出。4.4变量的预处理对各个指标进行无量钢化处理，即数据标准化，消除单位的影响。通过对数据的预分析，发现第一产业总值所占比重和第二产业所占比重对流动人口的影响较小。根据中国流动人口发展报告，三大产业是流动人口就业的主要领域：制造业、批发零售业和社会服务业吸纳了近七成流动人口就业，第三产业从业比重超过第一、第二产业之和。所以，从指标中删除第一产业所占比重和第二产业所占比重。经过预处理，确定本文分析的变量为标准化处理后的流动人口、GDP、社会消费品零售总额、第三产业生产总值比重、城镇居民人均年可支配收入、农村居民人均年纯收入、CPI、商品零售价格指数、城镇

9、人口比重、城镇登记失业率、教育财政支出。5.模型的建立5.1因子分析模型5.1.1模型的选定一般而言，在四维或者更多维度的空间进行数据分析和处理是一件很困难的事。但如果能够把维度降下来，在低维空间中对数据进行解释比在高维空间就容易得多。而且在大多数情况下，许多变量之间存在一定的相关关系，这就为用较少的综合性指标来描述和反映原有变量中所包含的信息提供了可能。因此对本文选取的影响全国各地区流动人口的10个变量进行降维处理，形成少数独立的、不相关的综合指标来进行数据解释是很有必要的。这样一方面减弱了变量之间的多重共线性，另一方面也在一定程度上减少了数据分析和采集的工作量。因子分析过程实际上就是降维处

10、理的过程，是一种用少数几个因子来描述许多指标或因素之间的联系和反映原有资料的大部分信息的多元统计分析方法。因子分析是主成分分析的推广和发展，它既能客观计算出一个可供评价的综合得分，又克服了主成分分析无法直接得到分化的指标载荷，不便于选取指标的缺点。同时，因子分析模型的整个处理过程基本是客观的，结果可以进行统计检验。通过以上分析，本文选取因子分析模型来对10个变量进行降维处理，建立流动人口的统计指标体系。5.1.2因子分析的数学模型本文在建立流动人口指标体系过程中采取的因子分析的数学模型如下： 公式1其中，是原有的个指标，称为的公共因子或潜因子，即前面所说的综合指标；称为因子载荷，是第个变量在第

11、个公共因子上的负荷；的特殊因子。5.1.3因子分析（1）确定待分析的原有指标是否适合进行因子分析本文用于检验指标是否适合于作因子分析的方法是KMO检验和Bartlett球形检验。当KMO0.5，Bartlett球形检验的相伴概率值小于0.05时，适合作因子分析。运用统计软件SPSS进行的KMO and Bartlett检验结果如表1。表1 KMO and Bartlett检验KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.651Bartletts Test of SphericityApprox. Ch

12、i-Square420.001df45Sig.000由以上结果可以看出，KMO的值为0.651，大于0.5，而Bartlett检验的值为420.001，相应概率值近似为0.000，在5%的显著性水平下拒绝原假设，认为原有变量间存在关联性。因此原有指标适合作因子分析。（2）因子提取，确定描述数据所需要的因子数首先对数据进行一致化和标准化处理，其中城镇登记失业率是逆指标，所以需要取倒数，进行正向化处理。接着建立指标间的相关系数阵并求出其特征值和特征向量，同时画出特征值的碎石图，具体结果如下：表2 解释方差总和Total Variance ExplainedComponentInitial Eige

13、nvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %15.18451.8403.61736.17522.27522.74874.5883.20732.07368.24831.27412.73887.3251.90819.0774.7327.32594.6505.2642.63597.2856.1571.56998.8547.058.57699.4308.034.34199.7719.017.17399.94410.006.056100.000表2显示：第1个因子的特征值为5.184，大约占去方差的51.840%，基于过程内定取特征值大于1的原则，因子分析过程提取了第1、2、3个因子即F1、F2、F3，这3个因子共占去