贵州省人口老龄化灰色关联分析与预测

来源:用户上传      作者: 徐超然

　　摘要：运用灰色关联分析，主成分分析和灰色预测对贵州省人口老龄化影响因素进行分析并作出预测。结果显示城镇化率和人口结构指标是主要的影响因素，社会发展和政府政策是重要影响成分，老龄化进程将加剧。
　　关键词：贵州省；人口老龄化；灰色关联分析；主成分分析；灰色预测
　　中图分类号：C924.24 文献标识码：A 文章编号：1001-828X（2013）09-0-01
　　一、研究背景
　　2003年底，贵州省65岁及以上人口占总人口的7.54%，标志着贵州省人口年龄结构进入老龄化阶段，而2003年贵州省人均GDP是3600元，仅为全国的34.15%，因此贵州进入老龄化社会是在经济十分欠发达的情况下的。据统计，截至2011年底，贵州省老龄化率已达到9.1%，且根据预测将不断上升。由此可见，贵州省人口老龄化已经压力很大。
　　二、实证分析
　　1.灰色关联分析
　　选取65岁及以上人口占总人口的比重为参考序列，从经济发展，教育，人口结构等方面的影响指标中选取16个指标为被比较序列。利用灰色关联分析软件计算参考序列对被比较序列的关联度并排序：
　　可以看出，人口老龄化的变化是受多种因素的影响的。就单一因素来看，城镇化率与人口老龄化的相关程度最高，教育支出与医疗卫生支出与人口老龄化的关联性最差。为抓住影响老龄化变化的主要矛盾，接下来进行主成分分析。
　　2.主成分分析
　　利用SPSS软件对16个指标数据进行主成分分析：
　　可以看出，医疗卫生支出，城镇/农村人均消费支出，城镇登记失业率，城镇化率，教育支出，废气中主要污染物排放量，医疗卫生机构床位数，人均GDP，0-14岁人口比例，人口密度在第一主成分中载荷较高，基本上反映了社会发展和政府政策的实施对老龄化变化的作用，因此第一主成分可以称为社会和政策因素。初中阶段毛入学率，性别比，参加基本养老保险人数，废水排放总量，文盲率在第二主成分中载荷较高，基本上反映了个人行为对老龄化变化的作用，因此第二主成分可以称为个体因素。
　　3.灰色预测
　　使用灰色关联分析软件对2012年至2016年的贵州省人口老龄化率进行预测，预测结果分别为：8.9264%，9.0706%，9.2170%，9.3658%，9.5170%。显然，预测值基本上在9%以上且显著上升。
　　4.预测模型的检验
　　用R软件进行预测模型的检验：
　　（1）残差检验
　　残差平方和为0.2701904，平均相对误差为2.0128%。因此模型的精确度较高。
　　（2）后验差检验
　　根据后验差检验标准，后验差比值C=0.27795<0.35，该灰色预测模型的预测精度等级为：好。
　　三、结果分析
　　（一）城镇化率是与贵州省人口老龄化最相关的影响指标。近年来，贵州省的城镇化建设步伐不断加快，截至2012年全省城镇化率已达到35%。贵州省规划至2020年城镇化率提至50%左右，以推进城镇化来带动人民增收以及经济发展。城镇生活质量相对较高，医疗设施和保障体系相对较完善，使得老龄人口的平均寿命延长，死亡率降低从而使得老龄化加剧。
　　0-14岁人口比例，性别比，人口密度等人口结构指标与贵州省人口老龄化的关系也较密切。人口结构的变化，人口密度的增长所带来的生存及资源环境等压力会影响人们的生育倾向，人们在一定程度上自愿地降低生育率。
　　教育支出及医疗卫生支出等政府支出因素对贵州省人口老龄化的影响较小。
　　（二）社会发展和政府政策的制定实施是影响贵州省老龄化的主要因素，在老龄化进程中具有主导地位。这也说明，应对老龄化问题是政府和社会需共同面对和担当的责任。
　　（三）未来几年内贵州省老龄化率基本上会在9%以上，并显著上升，预计到2016年会达到9.5%左右。说明当今贵州省人口老龄化在不断加剧，应及时正视老龄化问题。
　　参考文献：
　　[1]黄润龙，管于华.数据统计分析-SPSS原理及应用[M].北京：高等教育出社，2010.
　　[2]何建宁，朱霄雪.人口老龄化影响因素的灰色关联分析[J].税务与经济，2010（6）.
　　[3]杜鹏，王武林.论人口老龄化程度城乡差异的转变[J].人口研究，2010（2）.
　　作者简介：徐超然（1991-），女，北京人，贵州财经大学数学与统计学院2012级应用统计硕士，研究方向：人口统计。
转载注明来源:https://www.xzbu.com/3/view-4511782.htm