试析大中城市人口预测须考虑的因素.docxVIP

浅析大中城市人口预测须考虑的因素刘君君北京交通大学城市轨道交通专业1203班摘 要：城市人口预测是城市总体规划的首要工作，合理预测城市人口对城市的总体规划和可持续发展有着十分重要的意义。但是随着城镇化进行策划那个的发展，大中城市的人口组成在不断的发展和变化，这给合理预测城市人口带来诸多不便之处。本文结合目前大中城市的现状，论述影响大中城市人口预测的因素。关键词：大中城市；人口预测；影响因素前言：人口分析和预测是城市规划不可缺少的一项基础工作，预测未来人口规模对于城市规划和建设都是非常必要的，且突出体现在对未来城市建设用地规模和基础设施建设规模的影响。可以说，城市人口预测城市规划的最重要的准备工作。对等大中城市而言，人口组成与发展比小型城市更复杂，影响人口预测的因素也更多，了解有哪些具体的影响因素以及这些因素在所有因素中占比例大小对人口预测至关重要。1 现代城市人口预测的方法传统的人口预测方法包括平均增长率法、带眷系数法、剩余劳动力转化法和劳动平衡法，等已经不适用于北京上海等经济快速发展人口组成和迁入迁出基数大的城市了。现代城市人口预测的经常用到的有线性回归法、移动平均法、指数平滑法、GM(1，1)灰色模型法、宋健人口预测模型、Logistics曲线模型、系统动力学方法、人工神经网络预测法、PS多目标决策预测法。除以上方法外，一些学者还利用SPSS统计软件、资源环境容量、土地承载力、生命表法、Bertalanffy模型、数学期望模型等对人口预测做了一些研究。虽然方法有很多但并不是所有方法都会经常使用，譬如宋健人口预测模型，虽然具有较高的准确性，但涉及的参数较多，在～般的统计年鉴中查不到，只能在人口普查资料中查到，所以只有在人口普查后才能用该方法。这里主要介绍一些常用到的方法。1.1 线性回归法线性回归法：①一元线性回归方程法。用一元性回归法预测的基本思想是：按照两个变量X、Y的现有数据，把X、Y作为已知数，根据回归方程寻求合的a、b确定回归曲线；再把a、b作为已知数来确定X、Y的未来演变。一元线性回归方程为：Y=aX+b。一元回归模型在短时期内精度最好，但对中长外推预测，由于置信区间在扩大，误差较大，尤其在转折时期函数形式发生变化，误差更大。一元线性回法一般适用于人口数据变动平稳、直线趋势较明显预测。②多元线性回归方程法。人类社会系统是由口和其它多种要素组成的，同时各要素之间是相互系、相互影响和相互制约的。因此，可根据人口与其它多种要素之间的定量关系，预测出未来不同发展阶段的人口。模型为：利用最小二乘法估计偏回归系数b0， b1…bn。多元回归分析方法通过研究人口数量的变化与有关经济社会变量的关系探讨人口变化的规律，预测人口的变化趋势。它的优点是考虑了人口发展与社会经济的密切关系，通过探索它们之间的关系来间接推算人口走势，比较符合实际；缺点是人口与社会经济变量之间的关系并非直接的关系，而且各变量之间又相互关联，选择最佳的指标、模型都比较困难。1.2移动平均法移动平均法是在算术平均法基础上发展起来的一种预测方法。移动平均法是将一定历史时期的人口规模数据，根据近期数据对预测值影响较大，而远期数据对预测值影响较小的事实，把平均数逐期移动。移动平均法分为一次移动平均预测法和二次移动平均预测法。二次移动平均预测法是在经过一次移动平均形成新序列的基础上再做一次移动平均，利用移动平均滞后偏差的规律建立直线趋势预测模型。其中：①一次移动平均数法的计算公式为：=(++…+)/N。式中为第t周期的一次移动平均数，为第t周期的人口数据,N为计算移动平均数所选周期个数。一般而言，如果实际数据没有明显的周期变化和趋势变化，则可用作为t+1周期预测值。。②二次移动平均数法。计算t周期二次移动平均数的计算公式为：=(++…)／N。在此基础上可建立的线性模型=a+bT。式中，t为当前时期数；T为由当前时期数t到预测期的时期数，即t以后模型外推的时间；为第t+T期的预测值；a为截距；b为斜率；a、b又称为平滑系数。根据移动平均值可得截距和斜率的计算公式为：a=2-；b=[2／(N-1)]x[-]。一次移动平均数法适用于实际数据没有明显周期变化和趋势变化的情况。二次移动平均数法补充了一次移动平均数法的不足。在实际应用移动平均法时，移动平均项数Ⅳ的选择十分关键，它取决于预测目标和实际数据的变化规律。如果N值(周期)选择较大，则预测的结果较小；反之，预测值较大。在选择N值时，要通过多个N值进行试算比较而定，哪个N值引起的预测误差小就采用哪个。与该种预测方法接近的还有指数平滑预测法、移动平均法和指数平滑法适用于历史人口数据较少，人口发展趋势与过去相同的情形下的人口预测。1.3 灰色模型法GM(1，1)灰色模型法：灰色系统理论把受众多因素影响而又无法确定那些复杂关系的量，