分享到:

从1990年人口普查1%抽样数据看我国的民族通婚

我国是一个多民族国家 ,包括汉族在内共有 56个民族。各民族之间通婚现象的研究 ,涉足的人不多 ,成型的文字有限。本文利用全国第四次人口普查 1%抽样数据 ,对各民族通婚的现状做了初步研究。一、各民族粗通婚率及标准化通婚率的比较首先给我们这里的粗通婚率下一个定义 ,粗通婚率的公式表述如下 :粗通婚率 =通婚人口已婚人口 × 10 0 %由于人口普查 1%抽样数据中只能得到各民族户主及其配偶的通婚人数 ,因此 ,这里对通婚人数从户主及其配偶范围推算到所有已婚人口范围 (包括离婚和丧偶 )。利用上面的公式 ,得到 18个百万人口以上少数民族的粗通婚率。 (对于人口在百万以下的民族 ,由于抽样后数据量较小 ,这里暂不讨论 )在计算通婚率时 ,由于各民族的人口年龄结构不同 ,已婚人口在各年龄段的分配比例不同 ,将会影响到各民族通婚率的大小 ,为了更好地进行比较 ,往往要对指标进行标准化处理。为此 ,利用 1990年人口普查时的全国 15...  (本文共4页) 阅读全文>>

《飞航导弹》1950年60期
飞航导弹

用于研究抽样数据控制下连续时间系统的频域灵敏度函数

用于研究抽样数据控制下连续时间系统的频域灵敏度函数摘要给出关于抽样数据系统频率响应的结果,定义了2个新的频域灵敏度函数,它们能定量定性地描述这类系统的连续时间响应,使用这2个函数可量化样本间的特性。主题词抽样数据系统,灵敏度分析前言多年来,用以分析数字控制系统的传统工具一直是Z变换法以及与该方法有关的时域/频域推断法。然而,这些方法仅仅描述了抽样点的特性,非抽样点的实际特性与根据抽样点特性所做出的预测常常出入很大。改进的Z变换法虽可以较好地估测抽样间的特性,但不能用它进行定性分析,又因为对于(0,凸)范围内的每个。(其中西为抽样周期)都要分别计算函数,故没有被广泛地用于设计中。量化抽样数据控制下连续系统的连续响应这一问题是目前的一个热门话题。本文所介绍的分析方法更侧重于获取频域设计的定量定性信息。它提出了2个频域增益函数,利用这些函数可以估算对于任意基准输入信号及扰动输入信号的连续响应,其中假设这些输人信号可进行傅立叶变换。这2...  (本文共7页) 阅读全文>>

《河南教育学院学报(哲学社会科学版)》2007年06期
河南教育学院学报(哲学社会科学版)

我国留守家庭状况的统计研究

在我国社会转型和人口城市化过程中,成年人口尤其是成年男性人口是人口流动外出的主体,其他的家庭成员一般留守在户籍地。这种非家庭化的人口流动,使众多的家庭成为以家庭成员分别居住在不同地点为特征的“分离家庭”(Separated fam ily)。一个完整的家庭分为两个部分,在人口流出地的部分即所谓的“留守家庭”,在流入地的部分即“流动家庭”。留守家庭是我国从二元社会向一元社会转变过程中凸现出的重要社会现象,而且已经引起了国内学术界的关注。2004年,《人口研究》编辑部针对农村留守家庭问题举办了专题论坛[。1]国外对因人口跨国流动而产生的留守家庭也有相关的研究(Godfrey Guanatilleke,1992)。[2]家庭是社会的基本单位,家庭的形态、结构和功能会随社会经济条件的变化而变化。这些变化可能有利于社会和个人的发展,也可能会对社会和个人的发展产生负面影响。以家庭主要成员缺位为特征的留守家庭,其赡养老人、养育子女等功能的弱化...  (本文共3页) 阅读全文>>

《中国高新技术企业》2016年05期
中国高新技术企业

联城镇2015年1%人口抽样数据分析

1 2015年全国1%人口抽样调查数据调查结果:2015年全国1%人口抽样调查在联城镇共随机抽取3个调查小区,191户,539口人。本次调查539口人中,0~15周岁人口88人,占总人口的16.3%,60周以上人口115人占总人口数的21.3%,劳动年龄人口占总人口的62.3%,2015年人口抽样少儿抚养比26.19%,老年抚养比34.22%。2015年全国1%人口抽样调查人均住房面积52.9平方米,2000年文盲人口占15岁以上人口比重为12.25%,2015年联城镇人口抽样文盲人口占15岁以上人口比重为12.08%。2通过调查数据的分析提出相应解决方法经过仔细分析调查结果得知,2015年联城镇15岁以上的文盲比例达到12.08%,比2000年的比例有所下降,仔细分析下降的原因有很多:首先是老一代文盲群体的死亡;其次是当今农村义务教育得到了普遍落实,凡是达到上学年龄的孩子都要走进学校学习,学生不仅按时入学,还能按时毕业;最后是...  (本文共2页) 阅读全文>>

《中国卫生统计》2015年04期
中国卫生统计

复杂抽样数据统计分析方法回顾

当今社会科学与健康科学调查研究,尤其是大规模调查,往往涉及多地区或多中心的抽样问题,采取单纯随机抽样选择样本因调查对象过于分散,成本高,可行性低[1],调查设计者更倾向于可行性较高的复杂抽样,但其通常使样本结构复杂化。若采用忽略抽样特征的传统统计学方法分析此类数据,会导致标准误的低估,进而低估可信区间,且增大犯I类错误的可能性,最终导致偏倚甚至得到错误的统计推断[2]。目前,对于复杂抽样数据的统计分析主要分为基于设计和基于模型两种方法体系[3],本文对这两种分析体系的主要文献进行了回顾。复杂抽样简介复杂抽样指在抽样过程中采用除一阶段单纯随机抽样外,其他抽样方法或其组合的抽样方案。复杂抽样通常具有分层、整群、不等概率或多阶段等设计特点,其产生的样本称为复杂样本。复杂抽样优势在于:节省人力物力,使大规模调查更具可行性;可灵活调整样本量在各级抽样单位中的分配;可通过改变抽样比来提高子总体的代表性和估计的可靠性。因此,目前在卫生领域调查...  (本文共4页) 阅读全文>>

《中国卫生统计》2014年02期
中国卫生统计

复杂抽样数据多水平模型分析方法及其应用

目前主流统计分析软件,如SAS,SPSS,Stata,M-Plus和SUDAN,都将抽样权重纳入统计分析过程,除可进行复杂抽样数据的描述性统计分析外,还可进行复杂抽样数据的多元线性回归、logistic回归、Poisson回归和Cox回归等,使得复杂抽样数据的统计推断方法越来越多地在数据分析中得到应用[1-4]。复杂抽样数据大多具有层次结构即多水平,其特点是反应变量的分布在个体间不具独立性,存在地理距离内、行政区划内或特定空间范围内的聚集性[5]。多水平模型在医学领域已有多年的应用,在处理层次结构数据上已发挥了重要的作用[6-8];复杂抽样数据的分析既要考虑抽样权重,又要兼顾数据的层次结构,一般是将权重纳入广义线性混合模型(generalized linear mixed mod-els,GLMMs)来处理这类数据[9-11]。当GLMMs将抽样权重纳入模型后,使GLMMs能处理复杂抽样数据,解决了复杂抽样数据多水平模型统计分析...  (本文共5页) 阅读全文>>