人口模型在山西省的應(yīng)用.pdf

1、文章利用《中國統(tǒng)計年鑒》提供的人13數(shù)據(jù),建立了針對山西省的Multhus人口模型、Logistic增長模型、差分方程模型和自適應(yīng)回歸模型(AR(1)與AR(2)模型),并對山西省未來人口發(fā)展規(guī)模做出預(yù)測。預(yù)測結(jié)果顯示,這3類模型均取得了較好的模擬效果,但也各有特色,其累積相對平均誤差如下表所示：┏━━━━━━┳━━━━━┳━━━━━┳━━━━━┳━━━━━┳━━━━━━┓┃┃┃┃差分方程┃AR(1) ┃ AR(2) ┃┃年份┃M模型(

2、％) ┃L模型(％) ┃┃┃┃┃┃┃┃模型(％) ┃模型(％) ┃模型(％) ┃┃誤差┃┃┃┃┃┃┣━━━━━━╋━━━━━╋━━━━━╋━━━━━╋━━━━━╋━━━━━━┫┃未來5年┃ 0.30 ┃ 0.92 ┃ 4.87 ┃ 0.16 ┃ 0.18 ┃┣━━━━━━╋━━━━━╋━━━━━╋━━━━━╋━━━━━╋━━━━━━┫┃未來10年┃ 0.76 ┃ 1.4 ┃ 6.28 ┃ 0.16 ┃ 0.17 ┃┣━━━━━━╋━━━

3、━━╋━━━━━╋━━━━━╋━━━━━╋━━━━━━┫┃未來15年┃ 1.8 ┃ 1.65 ┃┃ 0.13 ┃ 0.13 ┃┗━━━━━━┻━━━━━┻━━━━━┻━━━━━┻━━━━━┻━━━━━━┛ 由此可以看出,在預(yù)測短期內(nèi)人口變化時,Multhus人口模型有其獨特的優(yōu)勢,Logistic增長模型則在預(yù)測中期人口變化時顯示了其較Multhus人口模型的優(yōu)越性,二者都不適宜于預(yù)測長期人口變化。而自適應(yīng)回歸模型無論是在預(yù)測短

4、期、中期還是長期人口變化時,都較前兩個模型要好得多。特別是AR(1)模型,其預(yù)測效果相當(dāng)好。說明適應(yīng)我省人口變化的最好的預(yù)測模型就是AR(1)模型,而AR(2)模型可能由于擬合過度,其實際效果反而不好。應(yīng)該說,差分方程模型是一個較好的模型,從中我們可以讀出更多的信息,例如人口總量,各年齡段人口數(shù)等等,只是我們這里由于數(shù)據(jù)的限制,造成實際效果并不太好,我們深信,一旦初始數(shù)據(jù)完備,定會得到較好的預(yù)測效果。但是由于這個模型的計算量過大,可操作