中國人口老齡化趨勢的時間序列分析

張珊珊 鄭小莉

【摘要】20世紀90年代以來，中國人口老齡化進程加快，逐漸出現勞動年齡人口減少、人口老齡化程度提高和性別比例失衡的情況。這將使我國養老、醫療、社會服務等方面的問題越來越多，而14歲以下人口比例也開始減少，這意味著未來勞動力所占比重可能會出現下降趨勢，將非常不利于我國經濟的發展。因此，對中國人口老齡化問題的研究是有意義的。本文擬利用時間序列的ARIMAX模型對中國人口老齡化的趨勢進行分析，研究表明人均GDP為主要影響因素，并獲得了模型口徑與預測結果。

【關鍵詞】人口老齡化? ?ARIMAX模型? GDP

一、引言

（一）研究的背景和意義

20世紀90年代以來，中國的老齡化進程加快，作為人口大國，我國在本世紀中葉前將面臨“人口太多”與“人口太老”兩大突出人口問題，如何協調這兩者之間的矛盾關系，將決定著我國未來社會和經濟等各個方面的發展。因此，國家今年全面開放“二胎”政策，以緩解當前問題。

（二）文獻綜述與創新

國外的專家學者一般通過預測總人數和老年人口數來預測人口老齡化。現今常用的人口預測模型有Malthus模型、Logistic模型和Leslie模型，分別是人口指數增長模型、加上人口上限K后的非線性回歸模型和以年齡與性別為分組的離散化矩陣模型。2012年，W.Webb Sprague提出了在Leslie模型中加入數據自動處理功能的二次優化模型，直接加入生育率、死亡率和轉移矩陣預測得到了成功的應用。

國內關于老齡化及人口預測的研究起步較晚，方法有灰色系統GM（1，1）預測模型、宋健等人建立的中長期人口發展方程的人口預測模型等。GM（1，1）對于短期內預測較準確，但對中長期的預測誤差較大且和時間的推移越來越大。宋健等的人口預測模型分為離散形式和連續形式，離散形式人口模型非常貼近實際，特別是人口發生轉變時。但不足之處是，模型中含有大量參數，且數據會有誤差，不利于實施。

本篇論文主要用含有多個輸入變量的多元時間序列法對人口老齡化趨勢進行了研究，用逐步回歸法對人口老齡化的顯著影響因素進行了提取，而不是主觀的定性分析，提高了準確性。

二、人口老齡化的ARIMAX模型

（一）模型介紹

本文運用的ARIMAX模型是在確定了目標序列的顯著影響因素后，構建響應序列與輸入序列的ARIMAX模型進行預測，其中輸入變量的確定方法為逐步回歸法。

（二）模型建立與分析

本文所有數據均來自中國統計局官網。根據1991年-2015年的人口數據中的總人口數和65歲以上老年人口數，計算得出每年的人口老齡化比例。

（1）數據預處理。記序列{oldratt}為人口老齡化比例，我們從宏微觀的角度，初步選擇人均GDP、人口出生率、教育經費、醫療衛生費用、社會保險基金投入、人口自然增長率和性別比共七個輸入變量序列。人口老齡化比例為非平穩時間序列，需先進行協整檢驗。

協整檢驗分兩個步驟進行：首先，采用逐步回歸法構建響應序列（{oldratt}）與各輸入變量序列之間的回歸模型。最終只有{gdpt}進入了回歸模型。對{gdpt}序列構建ARIMA模型，確定為MA（1）。其次，對回歸殘差序列εt進行平穩性檢驗，結果顯示εt為平穩序列（t=-5.834，p<0.01）。

（2）模型建立與預測

εt的ARIMA模型構建。回歸殘差εt的白噪聲檢驗結果表明，εt為非白噪聲序列（一階延遲），進一步構建MA（1）模型，模型口徑為：εt=（1-θB）αt。再對殘差序列αt進行白噪聲檢驗（p>0.05），說明模型信息已被充分提取。

模型參數估計與診斷。模型參數估計和診斷結果顯示各參數均具有統計學意義（P>0.05）。構造ARIMAX模型得到模型口徑如下：

利用模型進行預測（如表1），可以看到2010-2016年的人口老齡化比例的預測值與實際值絕對誤差0.2%以內。而2017年的預測值為11.18%，統計局公布的統計值為11.42%，絕對誤差-0.24%，相對誤差2.15%，模型擬合效果較好。根據向后預測的結果可以看出，我國人口老齡化比例將很快突破12%。

三、總結與展望

本篇論文利用多變量時間序列分析人口老齡化趨勢，隨著我國人均國民生產總值的日益增長，人民生活水平也會相應提高，在醫療、教育、養老保險等方面的投入更多，人均預期壽命也逐年增長，相應的人口老齡化程度就會增加。這也是發達地區相對于貧困地區人口老齡化程度更為嚴重的原因。

在對人口老齡化趨勢的研究中，還有很多需要改進與完善的地方。現如今我國已于2017年全面放開“二孩”政策，這將促進我國生育率的提高，這種沖擊在未來的時間里會對人口老齡化有怎樣的影響，需要進一步的研究。

參考文獻：

[1]汪遠征，徐雅靜.多元平穩時間序列ARIMAX模型的應用[J].統計與決策（理論版），2007：132.

[2]陳曦，洪希成，徐興建，魏鳳華，朱惠國.ARIMA與ARIMAX模型在釘螺密度預測中的應用[J].公共衛生與預防醫學，2014，25（2）：7-8.

[3]Chadsuthi S，Modchang C，Lenbury Y，et al.Modeling seasonal leptos transmission? and its association with rainfall and temperature in Thailand using time-series and ARIMAX analyses [J].Asian Pac J Trop Med，2012，5（7）：539-546.