多元统计分析技术在人口研究中的应用

摘要：多元统计分析技术能够定量分析人口研究中各个变量之间的相互关系，讨论多元统计分析技术在人口研究中的应用及其重要意义。本文首先详细介绍了几种在多元统计分析中常用的统计方法，然后论述了我国目前人口研究中多元统计分析技术的应用现状，最后指出了我国人口研究在应用多元统计分析技术过程中存在的主要问题。

关键词：多元统计；人口研究；统计模型

随着统计学和统计软件的发展，统计分析技术被越来越多地应用于实际生活。我国作为一个人口大国，了解我国的人口状况是关系国计民生的一项重大工作。所以，研究多元统计分析技术在人口研究中的应用有着深远的意义。

一、应用于人口研究的多元统计方法

作为一门专业课程，多元统计分析提出了大量的统计方法。如多元线性回归分析、logistic回归分析以及因子分析和聚类分析等。

1.多元线性回归分析在人口研究中的应用

多元线性回归模型主要用于研究一种变量受多种因素影响时的状况。而在人口研究中，多元线性回归模型主要用于人口老龄化以及城乡收入水平的影响因素等问题。例如利用多元线性回归模型研究人口老龄化问题的分析步骤如下：

（3）对各变量进行显著性检验，确定模型并结合实际意义进行分析。

2.logistic回归分析在人口研究中的应用

logistic回归分析的用途主要包括三个：一是寻找特殊因素因素；二是预测；三是判别，例如预测某一个体属于某一情形的概率。logistic回归分析在人口研究中主要用于人口预测。

3.因子分析和聚类分析在人口研究中的应用

因子分析是指从影响研究变量的众多影响因子中提取出公共因子的统计方法。因子分析能够将具有相同本质的影响因子归入同一个公共因子，从而减少研究变量的数目。聚类分析则根据研究对象的特征，对研究对象进行分类，从而达到减少研究对象的目的。因子分析和聚类分析主要用于研究人口迁移影响因素、人口发展水平等问题。

二、多元统计分析技术在人口研究中的应用现状

在20世纪80年代，我国的人口研究中很少使用多元统计分析技术。进入90年代后，随着各种多元统计分析方法的引入和统计分析软件的使用，统计分析技术在人口研究中得到了广泛的应用。多元统计分析技术能够定量分析经济因素、社会因素和人口因素之间的关系，从而更好地解释人口现象。

1.我国人口研究中多元统计分析的特点

我国人口研究问题中多元统计分析技术的应用呈现出多样化的特点，主要表现在统计方法的多样性和统计分析内容的多样性。前面提到的多元线性回归方法、logistic回归分析方法以及聚类分析等多元统计分析方法在我国人口研究中都有应用。统计分析内容更是涉及生殖健康、居住类型以及人均收入水平等生活的各个方面。

2.我国人口研究中多元统计分析数据特点

我国在人口研究中的多元统计分析数据主要来源于抽样调查和典型调查等，统计分析的单位主要是以个人和家庭等个体单位为主。在数据类型方面，我国人口问题研究中的多元分析数据以横截面数据为主，时间序列数据极少用到。

三、我国人口研究中多元统计分析技术存在的主要问题

由于多元统计分析技术在我国人口研究中的应用时间比较短，很多人口研究人员对多元统计分析技术也没有经过系统的学习，在实际应用中难免会出现一些问题。

1.人口研究中多元统计分析方法使用错误

统计方法主要由研究目的和研究数据决定。但在实际应用中，由于研究人员难以正确区分各个统计方法，从而出现随意选择的现象。通过查阅用多元统计方法研究人口问题的相关文献我们发现，在进行人口问题研究时使用最多的就是多元线性回归模型。虽然多元线性回归模型具有易于理解和分析简便的特点，但它主要是研究一个目标受多个因素影响时的情形。很多文献没有注意到这个问题，从而错误地使用了该方法。

2.多元统计分析中缺乏评价和检验

评价和检验是多元统计分析的一个重要内容，因为很多统计方法只有结合实际，才能更好地确定自己的模型建立是否恰当，才能更好地解释模型中各个变量的实际意义。但在人口研究的实际应用中，很多研究人员只是注重对统计结果的分析，而忽略了模型的检验和评价。

对模型的评价主要是指模型对观测数据的拟合程度，每一种多元统计方法都有相应的模型评价方法和指标。对模型的检验主要是指显著性检验，从而判断该模型中各变量之间的关系是否存在。因此，模型评价和检验是多元统计分析不可分割的一部分，读者也只有通过这些内容才能更好地理解人口研究报告中所描述的现象。然而通过统计可以发现，很多有关人口研究的统计报告都缺乏模型评价和检验者方面的内容。

四、结束语

多元统计分析中的很多方法都适用于人口研究。近年来，随着统计学科和计算机技术的发展，多元统计分析技术在人口研究中也得到了广泛的应用。我国人口研究对多元统计分析技术的应用呈现出多样化的特点，多元统计分析的数据来源以抽样调查和横截面数据为主。但由于我国人口研究中多元统计分析技术的引入比较晚，在实际应用中仍存在较多的问题需要改善。