关于作者

宋健

中国人民大学人口与发展研究中心副主任、教授

01

人口学方法的传承遵循两条线

第一个可以追溯到 1662 年约翰·格朗特 (John Graunt) 发表他的第一部人口学著作《关于死亡表的自然和政治观察》时采用的主要方法。 这条线走的是纯粹人口学或正式人口学的道路，从死亡现象出发，着眼于人口系统内部各要素之间的关系人口学英语，利用具体的人口概念、测量指标和人口统计方法进行人口分析。

1798年托马斯·罗伯特·马尔萨斯的经典著作《人口原理》出版后，通过人口的几何增长与粮食的算术增长的不平衡表现和结果而发展起来的另一条道路，引起了学术界的讨论。 关于人口过剩的争论揭示了人口与经济之间的关系。 该路线重点研究人口系统内部要素及其变化与人口系统社会、经济等外部因素之间的关系和相互作用机制。 它吸引着不同专业领域的学者运用各自的学科视角和方法进行人口研究（人口）。 学习）。

人口分析和人口研究也被认为是广义人口学中包含的两个方面。 其中，群体分析历史较长，方法经典，面对新问题不断探索、寻找突破点； 人口研究领域更为广阔学英语，方法也借鉴了众多流派的长处，具有相当的包容性。 这两方面相辅相成，赋予了人口统计方法古典与现代、内向与开放并存的特点。

02

人口分析方法注重人口发展的内在规律

人口分析是人口学的核心内容之一。 基于人口数据、结构比、比率等指标； 关注人口规模、分布、结构和变化【2020年第39期】人口统计方法的传承与演变，以及不同规模和结构群体间死亡、出生等人口事件的表现和差异； 探索人口发展的内在规律，预测人口发展趋势，为制定相关政策提供依据和参考，是人口分析的主要特点。

数据的可用性和质量是人口分析方法有效发挥作用的基础。 不同的数据来源对应不同的人口分析指标和方法。 利用多源数据和间接估计技术评估数据质量、估计和检验重要的人口指标是人口分析的关键内容之一。 数据收集方法和数据属性的改进有助于激发新想法并开辟人口分析的新领域。

生命表技术、假设队列分析方法、种群预测技术、标准化和因子分解技术是经典的种群分析方法和技术。 这些方法和技术在今天仍然具有强大的生命力，并赋予人口学与其他社会科学相比的独特性。 独特的视角和题材魅力。

生命表技术最初用于死亡率分析。 由于数据可用性和及时性较差，很少编制队列生命表； 周期生命表作为统计模型更受欢迎。 目前生命表技术的应用包括考虑其他因素和死亡构建多因素生命表，也包括将该模型扩展到婚姻、家庭、劳动就业等领域； 生命表技术，尤其是它的“生存分析”（Survival Analysis）思想也被应用到其他学科领域。

假设群组分析方法具有特定的人口统计特征。 在难以获得真实队列数据的现实生活场景中，假设一个队列根据特定年龄比率（例如特定年龄死亡率或使用分龄生育率）来计算构建的指数结合了易于获取周期数据和易于理解队列思想的双重优点。 它反映一定时期内人口事件的综合发生水平，广泛应用于人口学的诸多领域。

人口预测是人口学中应用最广泛的分析方法之一。 从分析的角度来看，可以分为期望模型和随机模型两种。 两者是对时间、年龄、人口状况及其变化过程的不同视角和理解，取决于人口发展过程被视为预期生命过程还是随机生命过程。 目前英语，概率预测方法（大多基于贝叶斯分层模型或时间序列模型）通常首先对生育率和死亡等因素本身进行预测，然后根据这些因素使用队列因素方法对整个人群进行预测。

指标标准化（直接或间接）和因素分解是经典的人口分析技术。 其核心是排除或区分人口结构因素和事件发生率因素，其中事件发生率是人口分析中最受关注的指标形式； 结构性因素除了年龄结构外，还包括婚姻结构、子女结构等。标准化和因素分解技术的运用对于准确掌握人口状况具有重要作用。 作为经典的总体分析方法，标准化和因子分解技术不仅被广泛使用人口学英语，而且不断推出新的技术。 人口因素分解方法与微观数据驱动的统计回归标准化方法相结合人口学英语，是未来人口分析方法可能的发展方向。

03

人口研究方法重点

各要素之间的关系及相互作用机制

人口研究重点研究人口系统内外各要素之间的关系和相互作用机制，内容更加丰富多彩。 从学科分类来看，人口研究可进一步分为两个分支：社会人口学（利用人口系统的外部因素解释人口系统的内部因素）和应用人口学（利用人口系统的内部因素解释人口系统的外部因素）。人口系统因素）。 各分支的共同点是，除了构建指标和模型外，都注重基于宏观面板数据或微观调查数据的描述和回归统计，探索现象之间的因果关系。

人口发展有其自身的规律性，体现在不同人口要素在人口转型的各个阶段以及不同结构和特征的人群之间存在差异。 为什么人口因素会表现出这样的差异？ 哪些社会经济因素发挥了多大作用？ 人口因素的不同特征会对社会经济、资源环境产生怎样的影响？ 社会人口学和应用人口学分别回答上述两大类问题：“为什么”和“如何”。 对上述问题感兴趣的人来自经济学、生物学、统计学、、社会学、地理学等不同专业领域。 学者们纷纷加入，使人口研究成为多学科方法的交叉整合。

大多数关于人口因素的影响因素及其社会经济后果的研究都是基于微观样本调查数据或省/市面板数据。 他们通过构建回归模型，关注自变量对因变量的影响，尤其是探索两者之间的因果机制。 自马尔萨斯以来，人口研究领域关于人口与经济关系的讨论一直很盛行； 有时在两者的关系中加入更多的因素，同时考察资源、环境和生态条件的情况更为常见。 人口分布研究领域也吸收了地理学和经济学的一些指标和方法。 随着空间分析技术的不断发展，地理学贡献了更多的指标和方法，推动了人口地理学的发展。 广泛应用于心理学、教育学、行为科学、医学、经济管理等领域的横截面历史荟萃分析方法，近年来也被引入到人口学研究中。 一般来说，统计方法的进步总会（迟早）反馈到人口研究领域，并与数据的丰富和完善一起推动人口方法的进步。

04

增强方法的独特性和交叉性，

拓展应用促进人口学学科发展

从学科起源和发展路径来看，人口学具有“自然”和“政治”的内在属性，这使得它与生物学、统计学、社会学、地理学等相关学科有着“不断切割、不断混淆”的关系。 ”的关系，这一点在人口研究领域表现得更加明显。 人口统计学方法主要在人口分析方面具有独特性； 它们在人口研究中是交叉的； 其服务社会经济发展的应用特点贯穿于人口学的发展之中。

方法的独特性，塑造了人口学作为社会科学中强调实证分析的学科属性，使其与其他社会科学相比具有独特性。 这是人口学学科发展的基础，必须巩固和不断完善。 人口分析方法侧重于回答“什么”的问题学英语，依靠全面、准确的数据来描述事实，揭示人口现象和事件的状况。 对人口模式的探索往往采用生命历程或队列视角，通过指标构建和因子分解的方法，剥茧、筛沙、挑金，逐步接近真相。

方法的交叉性使人口统计学成为一门包容性和开放性的学科。 无论是原因分析还是结果预测，聚焦人口变量的同时将视野拓展到其他学科领域，极大丰富了人口研究的内容，为人口学学科的发展带来了持续的活力。 群体研究方法注重回答“为什么”和“如何”的问题，通过建立变量之间的有机联系，深入探究变量之间的相互作用机制人口学英语，探索变量之间的因果关系。 各学科专业视角和方法的融合对于人口研究方法的创新非常具有启发性。

人口学自产生以来就是一门服务于社会经济发展的应用社会科学。 人口学的强大生命力来自于它的学科研究对象、研究方法和研究内容。 人口学方法始终与时俱进，始终探索人口作为社会经济发展主体的发展轨迹和规律。 当代中国的社会变迁和实践创新，为人口学方法的发展提供了强大动力，也为人口学学科的发展展现了广阔的空间。