作为Social Science Research 期刊50周年方法特刊的一篇文章，非常感谢谢宇老师邀请一起来完成这篇人口学方法综述的论文，谢老师在整个写作过程中给予了很多的指导和极大的帮助。

原文免费阅读和下载地址（8月20日之前）：https://authors.elsevier.com/a/1fL1x,17RoZLLg （或者点击文末阅读原文跳转） 

应该说这篇文章是我本人写作强度最大的一项工作，二、三个月时间一边写一边查阅大量资料，但更难的是如何找到一条线索把所有方法都串起来。但在搜寻与思考的过程中，也的确加深了我对人口学方法及其与其他领域方法关系的理解。下面就简单介绍一下我所认知的人口学方法的演进的路线，也对应了这篇文章组织的逻辑。与传统的二阶段划分（formal demography vs. population studies)稍有不同，这篇文章将人口学方法及其演进分为三个阶段。

一、寻找人口现象背后的规律

其实对于传统人口学科的主要任务，学界一直存在分歧。一派认为人口学最重要的工作就是做好描述、估计与预测；而另一派则认为人口学也应该对趋势变化做出解释。这第一个阶段方法的发展主要围绕描述、估计与预测展开。完成这些任务是要建立在对人口现象背后数字规律的探索之上。在这个意义上，格兰特及其制作的第一张生命表当之无愧成为人口学开创的象征。

格兰特建立生命表的最大的贡献在于：人们不再认为出生、疾病和死亡等现象是上帝的秘密，而意识到它们也受某种自然规律的支配。寻找规律使人类不把每个生命事件作为孤立的和独特的，而是当作发生在个体上的统计学事件来研究，因此格兰特也是第一个证明概率和人口科学之间联系的人。除了死亡的年龄别规律外，人口学最重要的基本规律还包括：基本人口平衡方程、稳定人口特征方程、以及自然生殖力、年龄别生育模式等。
 

在建立和应用规律这个标准下，本部分所回顾的方法主要包括下面几类：
 

生命表及其拓展

稳定人口方法

历程模型（schedule models）：年龄别（生育、死亡）模型，模型生命表等

估计和评估方法：用于数据质量评估和未知数据估计的系列方法（例如 P/F比例法，亲属存活间接估计法等），这些方法大多建立在人口平衡方程和稳定人口等基本规律或者schedule 模型上。

预测模型：从基本的队列要素法，到建立在概率预测基础上的Lee-Carter方法、贝叶斯分层预测方法等

二、理解人口的成分构成及其变化

这一部分的方法事实上就涉及人口学对趋势进行解释的任务。但与现在主流社会科学在微观层面上建立在演绎逻辑上的因果解释路径不同，传统人口学方法倾向于在归纳的逻辑上进行宏观趋势的因果解释，其核心就建立在对人口组成成分的分解上。Samuel Preston把这类研究归入social demography类别。注意，这与后面的population studies是有所区别的。

本部分所回顾的方法主要包括下面几类：
 

因素分解法：包括Kitagawa， Das Gupta，Arriaga和Pollard等人的工作，特别的针对时期TFR的数量和时序效应的分解引出了队列效应的概念

队列视角与年龄-时期-队列（APC）分析：宏观层面的队列视角与APC模型回顾。值得说明的，本质上APC模型用以推断趋势变化采用的是归纳逻辑。但因为APC方法如今广泛应用到微观数据层面，在实际操纵中经常出现两种逻辑混用的情况，实际上是存在问题的。

生命历程视角与微观模拟模型（simulation-based model）

人口异质性与选择性模型

三、人口研究中的因果解释

第三类方法就是基于微观数据的演绎逻辑下的因果解释。这也是前述研究通常界定的population studies范畴内的方法。微观层面因果解释方法的盛行，既源于调查方法的发展和微观数据的可得性，也来自于人口学在理论上向因果推断范式的转向。应该说大部分演绎类的因果解释方法，并不是由人口学家专门发展，而是在社会科学多个领域内融合发展成型的。这一小节在众多方法中我们专门讨论了三类方法，因为它们与人口学传统方法有很深的渊源。
 

事件史分析方法（event history analysis）：应该说所有的事件史分析都可以追溯到生命表技术。Cox模型就是典型的将对不同组群死亡风险差异测量转换成对解释变量效应系数估计的方法。

婚姻匹配与对数线性模型：其实最早的婚姻匹配方法是由人口学家发展，建立在带计量限制（accounting constraints）的人口更新过程之上。后续的对数线性模型也是在这一脉络上发展起来的。

分层模型：专门提分层模型是因为传统的基于宏观数据的人口学方法（demography）与基于微观数据的人口学研究（population studies）存在一个断裂，即如何整合宏观与微观两个层面的现象。分层模型完成了其中的一个链条，即可以用来评估宏观特征如何影响微观结果。

四、人口学方法的未来展望

在这一部分主要讨论了三个趋势：
 

社会科学多领域方法的继续融合：不仅有经济学的因果推断方法，有地理科学的空间分析方法，还有心理学领域的各类广义的社会实验方法。

主体建模模型（Agent-based model）与复杂系统：主体建模模型事实上被人口学家寄予厚望，希望其能完成整合宏观与微观过程的最后一个链条，即展示微观行为如何构建起复杂的宏观现象的。当然主体建模模型本身就是如今火热的复杂系统概念中的一环，也是未来人口学可能有所突破的方向。

计算社会科学与数字人口学：大数据与计算社会科学方法已经深刻影响了整个社会科学领域，人口学也不例外。但面对大数据时代，人口学仍然能发挥其独特的优势：对数据质量的评估、对偏误数据的有效修正，以及提供准确的趋势信息。

总体而言，人口学方法的演进过程体现了多组对立概念的交错与融合：描述与解释、归纳与演绎、宏观与微观、随机误差与个体异质性。这些要点也构成了文章最重要的叙述脉络。

感谢我们专业的硕士学生凌宛莹主动把文章翻译成了中文，感兴趣的可以点击下面的链接：

人口学方法的前世、今生与未来

作者：中国人民大学社会与人口学院 李婷 教授