多源数据跨国人口迁移预测

针对跨国人口迁移预测所面临的数据代表性问题,利用多源数据分别构建3个预测模型:线性拟合模型、乘法分量模型和带有时间序列预测(WTSP)的线性拟合模型.线性拟合模型用于刻画1年内的移民规律;乘法分量模型利用时间序列预测算法对未来迁移模式进行预测;WTSP线性拟合模型利用迁移模式的变化预测跨国人口迁移数量的未来趋势.对比3个模型的预测结果可知,WTSP线性拟合模型可以有效预测未来的移民规律,相比经典线性拟合模型,WTSP线性拟合模型能体现迁移模式随时间变化的规律,预测准确率可至少提升3%;相比乘法分量模型,WTSP线性拟合模型能呈现更完整的迁移模式,有更强的可解释性.

基于灰色模型的RBF人口迁移预测方法研究

人口迁移预测模型是深入研究人口迁移行为的基础。现有迁移预测模型大多集中在单模型、单变量预测上,不能描述人口迁移行为的合力效应。提出了一个新的人口迁移预测模型——GRBF,该模型包含两个子模型:灰色模型和RBF模型。灰色模型构建于人口迁移的影响指标之上,为GRBF提供充分时间维度指标信息;RBF模型则接收灰色模型的输出,计算人口迁移量的预测值。实例分析证明,GRBF支持人口迁移量预测,提供对预测数据的误差分析,能够有效预测人口迁移量的变化。

应用时空滤波模型的亚洲内部国际人口迁移流影响因素分析及短期预测

亚洲是国际人口迁移的活跃区域。除区域社会经济因素外,迁移流之间的时空依赖也不可忽视。本文基于1990—2020年6个时期亚洲国家双边移民流量数据,采用零膨胀负二项回归以及与之相结合的特征向量空间滤波和时空滤波模型(时空同期和时空滞后),分析亚洲内部国际人口迁移的影响因素,并对2020—2025年人口迁移流进行预测。结果初步表明:①亚洲国际人口迁移流存在显著的时空自相关,且同期邻近迁移流比过去邻近迁移流影响更大,加入表征时空依赖的特征向量能够有效提高模型拟合能力;②人口规模、经济水平、战乱情况以及邻近性是影响亚洲国际人口迁移流的主要因素,在1990—2020年,人口规模效应先减后增,经济差异驱动力则先强后弱,因战乱死亡人数仍具有较强的推力,地理距离的阻碍作用在减小,语言邻近和经济合作依然对人口迁移具有显著的促进作用;③综合时空同期和时空滞后2种模型的预测结果,2020—2025年巴基斯坦和印度之间、印度→沙特、巴基斯坦→阿富汗和叙利亚→约旦的迁移趋势明显;④根据2种时空滤波模型的结果,2020—2025年亚洲国际人口迁移流总量约为1.8×10^(7)人。揭示亚洲内部国际人口迁移的时空依赖特性和其他规律有助于准确预测未来人口迁移趋势,同时为国家经济社会发展的宏观政策制定等提供科学决策参考。