1. 研究目的与意义
中国是世界上人口最多的国家之一，占世界总人口数量的 1/5 左右。2015年全国 1%人口抽样调查数据表明，中国总人口是 13.7349 亿，同 2010 年第六次全国人口普查的 13.397 亿相比，五年时间增加了 0.3377 亿人，增长了 2.52%，年平均增长率是 0.5%[1]。自 1980 年实施计划生育政策以来，中国的人口自然增长率从1981 年的 14.55‰，下降到 2015 年的 4.96‰，全国少生人口达 4 亿多人，有效地缓解人口增长对社会、资源和环境的压力。随着中国人口自然增长率的不断下降，近年来出现了生育率降低、劳动力供给减少、老龄化程度加重、出生人口性别比例偏高等问题，人口结构问题成为人口发展的突出矛盾。面对这些问题，2013 年中是十八届三中全会提出放开生育政策，即执行“单独二孩”政策，允许夫妻一方为独生子女的可以生育两个孩子[2]。从“单独二孩”的执行效果来看，符合生育政策的夫妻生育意愿远远少于预期。由于“单独二孩”政策并没有达到预想的效果，2015 年中共十八届五中全会明确提出“全面开展一对夫妇生育两个孩子的政策”，积极采取应对人口老龄化的措施[2]。该政策于 2016 年 1 月 1 日起正式执行。 人口预测是以过去的人口现状为基础对将来人口的一种估算，精确的人口预测可以为社会经济发展计划决策的确立指明正确的方向。近年来人口问题是全世界关注的热点，中国的生育政策发生了巨大的改变，研究人口生育政策变动下的人口数量和人口结构，探讨生育政策改变对于解决中国生育率降低、出生人口性别比例偏高、劳动力供给减少、人口老龄化严重等困境符合中国国情，具有一定的现实意义。中国的人口生育政策由“一孩”到“双独二孩”、“单独二孩”和“全面二孩”会不会使新出生人口数量剧烈增加，会不会对中国粮食安全以及教育、医疗卫生、就业等公共基础服务造成压力，是政府部门和广大民众关注的话题，也是本文的研究意义。研究结果表明：“全面二孩”政策不会使人口出现爆发式增长，而是保持相对稳定的发展水平，使人口总量在可控制的范围内，并且在一定水平上缓解了劳动力下降及老龄化程度加重的的趋势。
2. 研究内容和预期目标
本文首先阐述论文研究的背景和意义，总结国内外关于人口预测模型相关文献综述，然后介绍了新中国成立以来，中国人口生育政策的发展过程以及在该政策下中国人口数量和结构发展现状。研究结果表明:旧的生育政策使中国面临着出生人口性别比偏高，少年儿童数量减少和人口老龄化加重的现象，放开人口生育政策势在必行。接着，建立Leslie人口预测模型预测中国2015-2050年人口发展趋势，对比分析人口生育政策变化前后的人口数量和结构。结果表明，人口生育政策发生改变时，中国人口在未来几十年不会出现爆发式增长，而是呈现先增加后减少的趋势，放开二孩不仅推迟了人口拐点，而且拔高了人口峰值，有利于缓解少年儿童数量减少、劳动力供给下降和老龄化加重等问题。最后，提出生育政策变化下，鼓励群众按政策生育，需要关爱女性职业发展、减少养育孩子成本、保障老年人权益和进一步放开人口生育政策的建议。
第一章为绪论。第一章一共分成四节。第一节介绍研究的背景、研究的理论意义和研究的现实意义。第二节介绍论文的研究内容和研究方法。第三节介绍论文的创新点以及存在的不足之处。
3. 国内外研究现状
人口问题的定量研究方法始于国外。早在 17 世纪 90 年代英国社会学家G.King[4]教授提出采取简单的数学方法计算未来人口，并通过该模型对英国未来600 年的人口状况进行了粗略的手工估计。虽然该数学方法的预测精度并不高，但是为后人留下了有益的启示。1789 年英国统计学家Thomas Robert Malthus[5]在他的《人口原理》中提出Malthus增长模型，此模型假定人口的自然增长率 r 是常数，完全忽略了有限的生育空间和生育力水平的发展，当人口增加到一定数量时，人口自然增长率要随人口数量的上升而不断下降。1838 年比利时数学家维哈尔斯特（Verhulst）[6]考虑到自然资源、环境条件和经济现状等因素对人口增长起阻碍作用，人口数量不可能没有约束地增加，提出了Logistic模型又称为自我抑制性方程。该方法在某种水平上避免了Malthus增长模型的缺点，能够用于人口长期预测。澳大利亚统计学家莱斯利在 1945 年提出了莱斯利模型[7]，通过利用某一初始时刻种群的年龄结构现状构造Leslie矩阵，预测任意时段种群的数量和年龄结构。以后的人口预测研究方法是以Malthus指数模型、Logistic增长模型和Leslie模型为基础，进行多重改变发展的。Strydom N, Struweg J（2016）[9]探讨南非人口增长和粮食安全的长期趋势。若人口增长符合Malthus模型，将会导致南非人均谷物产量下降，考到国家的粮食安全状况，人口增长要受到自然资源的限制。Maghsoodi Y, Grist E P M（1973）[9]通过渐进行为的数学分析研究Leslie矩阵的特征值，探究当时间充分长时人口增长和年龄分布结构趋势是否趋于稳定状态。Leach D（1969）[10]运用Logistic模型对美国、英国、苏格兰的人口进行预测。Jpq C（1981）[11]运用Logistic模型对美国和巴西的人口进行预测。Woodward I O（2010）[12]发现人口动态预测可以运用标准的年龄结构方法—莱斯利矩阵预测模型，并举例说明该方法克服了以前试图反对使用莱斯利的建模过程预测人口的阶段性增长。Nelson B，Reid D T， Tangar A等（2013）[13]根据美国 2000 年人口数据，构建Leslie矩阵，预测美国 2000—2020 年的美国女性人口。通过与 2010 年美国人口普查数据中女性人口的实际数据进行对比，探究Lelie矩阵的准确性使用英国 1975 到 2009 年的数据，采用Leslie模型进行建模，结合多层次的功能数据方法，结果表明该方法在 2001年至 2009 年间显示出良好的样本预测精度，并对 2010—2030 年的样本人口进行预测。目前人口预测研究方法是以上述数学模型为基础，进行多重改变发展的。
选择合理的人口预测模型，从数量上准确刻画和预测人口数量和人口结构，是当今学者研究的关键。国内人口预测方法主要有 BP 神经网络方法、灰色预测模型。BP神经网络对干复杂的、非线性的数据有曲线拟合能力无需进行模型假设并且计算简单、灵活，但容易陷进局部极小的缺陷。通过数据挖掘方法里面的BP神经网络技术，构造了人口预测方法，实际预测了辽宁省沈阳市某区的婴儿数量，预测结果与实际情况吻合，为该地区在婴幼儿保健、学校教育的规划上提供理论支持。陆文珺，柳炳祥（2016）[16]通过BP神经网络模型以 1970—2010 年中国总人口数为样本预测 2011—2014 年人口数量，并与实际数据进行对比，结果表明，预测结果相对误差较小，模型精确度较高。灰色预测是邓聚龙教授[17]在 1982 年创立的，它能够把无序离散的原始数据为一个有序数据，模型可以较为准确地反映数据的真实情况。吴琼，陈永当，秦路宇（2015）[18]采用GM(1,1)方法对陕西省 2005—2012 年人口数量进行预测，统计检验和相对误差计算结果显示灰色预测方法的准确度较高。由于GM(1,1)预测模型准确度的大小取决于原始数据的光滑程度，通过改进原始数据的光滑程度可以改善模型的预测精度。GM(1,1)方法在预测时期较长时，该方法精度会降低，可利用等维灰数递补方法提高模型的精确度。李富荣（2013）[19]将 1999—2012年人口数据进行幂函数变换，以改善数据的光滑性并结合等维灰数递补的优点，采用变形的GM(1,1)方法对中国 2013—2022 年的人口数量进行估计，使最终预测结果更加精确和合理。灰色预测模型存在不足之处，虽然反映了数据的变化规律，但不能全面反映非规律性变量对预测结果的影响。
4. 计划与进度安排
1.查找文献，通过在图书馆和网络上查找与之相关的文献，经过阅读、摘录、编辑等工作，进而全面的了解一致收敛的重点几个部分。
2.求教导师，通过与导师的交流，询问相关的问题，充实自己的材料。
3.理论逻辑分析，结合以上的基本工作，通过自己的理论分析能力给出完整的论文。
5. 参考文献
- [1]Population policies, demographic structural changes, and the Chinese household saving puzzle[J] . Suqin Ge,Dennis Tao Yang,Junsen Zhang.European Economic Review . 2018
- [2]Chinese household saving and dependent children: Theory and evidence[J] . Steven Lugauer,Jinlan Ni,Zhichao Yin.China Economic Review . 2017
- [3]Demographics and aggregate household saving in Japan, China, and India[J] . Chadwick C. Curtis,Steven Lugauer,Nelson C. Mark.Journal of Macroeconomics . 2017
- [4]Demographic change and economic growth: Theory and evidence from China[J] . Shenglong Liu,Angang Hu.Economic Modelling . 2013
- [5]Population aging and endogenous economic growth[J] . Klaus Prettner.Journal of Population Economics . 2013 (2)
-
[6]老龄化如何影响科技创新[J]. 姚东旻,宁静,韦诗言.世界经济. 2017(04)
-
[7]农户保护性耕作技术采用行为及其影响因素:基于黄土高原476户农户的分析[J].李卫,薛彩霞,姚顺波,朱瑞祥.中国农村经济. 2017(01)
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
