中国老年人口数量预测分析

发布时间：2021-08-14 06:22

　　进入21世纪后,我国人口老龄化问题日益显著,给我国社会保障体系带来严峻挑战。鉴于此,采用中国老年人口数据资料,基于ARIMA时间序列模型,在对中国老龄化现状深入剖析基础上,预测中国2020～2040年期间人口老龄化未来趋势。研究结果表明:我国人口老龄化问题已成为经济社会发展的瓶颈,在2030年以前我国的老年人口增速逐年增加,2030年以后增速放缓。最后,根据研究结论提出若干政策建议。 

【文章来源】：合作经济与科技. 2019,(24)

【文章页数】：3 页

【文章目录】：
一、引言
二、文献综述
三、数据说明与理论模型
    （一）数据说明。
    （二）理论模型。
四、ARMA模型的运用
    （一）老年人口数模型构建。
    （二）模型确立。
    （三）模型估计与诊断。
    （四）模型预测。
五、结论及建议


【参考文献】：
期刊论文
[1]基于ARIMA模型的重庆市人口老龄化趋势预测[J]. 邓世成.  武汉商学院学报. 2018(01)
[2]基于新陈代谢GM（1,1）模型的重庆市人口老龄化预测研究[J]. 王宁,张爽,曾庆均.  西北人口. 2017(01)
[3]基于神经网络和时间序列的河南省老年人口系数的预测[J]. 万丽颖.  平顶山学院学报. 2016(02)
[4]基于灰色GM（1,1）模型的城市人口老龄化预测[J]. 张振华.  统计与决策. 2015(19)
[5]陕西省人口老龄化趋势预测与分析[J]. 刘红英.  金融经济. 2014(10)
[6]人口老龄化对经济影响的模型与实证[J]. 徐达.  财经科学. 2012(04)
[7]人口老龄化的区域经济效应分析——基于新古典经济增长模型[J]. 包玉香.  人口与经济. 2012(01)
[8]ARIMA模型在城市年用电量预测中的应用[J]. 张士强,王雯,王健.  电力需求侧管理. 2010(06)
[9]河南省人口老龄化发展趋势预测[J]. 谢婧,盛利,施学忠.  郑州大学学报(医学版). 2008(02)
[10]积极构建养老服务体系应对人口老龄化问题[J]. 李红凤.  湖北经济学院学报(人文社会科学版). 2007(11)



本文编号：3341947