中图分类号：G521.9 文献标识码：A 文章编号：1003-9082（2016）11-0310-03
引言
科学预测区域人口的发展趋势，特别是预测教育适龄人口的特征，可以为一定时期内教育规划科学制定、教育资源有效配置等提供必要基础。本研究基于相关人口统计数据，对青岛市受教育人口（3岁-18岁）进行测算，预测2015-2020年的受教育人口年龄、数量、区域的分布状况；从而预测在校生规模，也为青岛市教育设施布局提供人口测算依据。
一、青岛市受教育人口数量变化情况
结合青岛市第五次和第六次人口普查的数据以及青岛市统计局年度统计数据来看，青岛市受教育人口数量及分布变化情况明显。2000年以来，幼儿园至高中各阶段的受教育人口数量表现出总体下降的趋势。同时，与2000年各年级受教育人口分布相比，2010年各年级受教育人口分布较为均匀，受教育人口数量发展趋于稳定。（参见图1-1）
从全市人口数量来看，根据2012年青岛市国民经济和社会发展统计公报（2013年3月7日）2012年末全市户籍总人口为769.56万人，增长0.42%，其中，市区（含原胶南市）363.9万人，增长0.74%；四市（县级）405.66万人，增长0.13%。全年新出生人口74910人，出生率为9.75‰；死亡人口62830人，死亡率为8.18‰；人口自然增长率为1.57‰。
就受教育人口数量分布而言，全市共有各类大专院校（含民办高校）24所，其中普通高校22所，在校学生29.7万人，增长1.9%。普通中学292所，在校学生37万人，下降0.98%；中等专业学校和技工学校88所，在校学生13.7万人，下降6.9%。接受中等职业教育的学生占高中阶段在校生的52.5%。共有小学840所，在校学生48.5万人，增长1.1%。学龄儿童入学率100%，初中入学率达99%以上。
二、预测数据、方法与模型
1.测算方法
本研究采用多状态人口预测模型（PDE， Population-Development-Environment Analysis）对青岛市受教育人口进行测算和预测。该方法是对多状态生命表和队列构成预测方法的扩展，把人口按照年龄、性别、教育程度等分为不同的状态。从上世纪70年代起，该方法就应用于研究多个国家人口迁移和分布模式的多区域人口预测项目。（Rogers， 1981）PDE方法在近年被应用于中国人口的预测。（蒋耒文和任强，2005；陈功和曹桂英等，2006）用来考察和预测区域人口发展趋势、受教育状况和城市化水平等。
2.分析模型
2.1确定主要变量
利用PDE模型分析受教育人口的数量和区域分布变化，对于人口数据要求较高。从人口测算的角度看，受教育人口的变化取决于几个因素的交互影响：
（1）区域内人口自然增长情况，需要获得青岛市人口自然增长过程的数据；我们需要通过该数据来测算入学人口数量。
（2）区域内人口迁移数据，最关键的是受教育人口的迁入迁出数据；我们需要该数据来测量受教育人口的变动情况。
（3）不同教育水平之间状态转换的数据；我们需要通过该数据确定受教育的趋势，来确定低年龄组人口按照队列向后自然移动的情况。这也就是教育转换率。
由此，构建模型的数据由以下几方面状态数据构成：（1）人口自然增长率；（2）生育率数据，可能包括会发生变化的生育意愿数据；（3）受教育人口迁移数据；（4）教育转换率。
2.2数据模型
PDE模型可以通过各种状态的组合来预测受教育人口的情况。这些状态主要包括上述分析中确定的变量：自然增长率、生育率、二胎生育意愿、人口迁移率、教育转换率等。
P（i+1） = Pi + Ni + Mi +S+ E
P为不同年份受教育人口的预测数；Pi为基数年受教育人口；N为受教育人口自然增长数量；M为净迁入受教育人口；S为单独二胎政策影响下产生的受教育人口增量；E为测算与实际情况的误差。
本研究采用两种测算方案考察青岛市受教育人口的分年度分区域变化情况。根据测算结果的高低，确定为低指标方案和高指标方案。两条方案的区别主要在于对于受教育人口自然增长数量测算方式的不同。低指标方案基于人口普查的育龄妇女获得人口增长率；高指标方案则是基于在校生人数年度变化获得人口增长率。从某种意义上来说，两种预测结果产生差异的主要原因在于受教育人口自然增长人数统计口径的差异。低指标数据来自于第六次人口普查的0岁人口数；高指标数据来自于青岛市教育局受教育人口的统计数据。
3.高指标预测方案
采用PDE模型对青岛市2015-2020年受教育人口进行预测；实施高指标方案，测算结果是较之于2014年受教育人口（基数人口），青岛市2020年受教育人口将增加44.8万。
PDE模型是通过不同状态的组合预测受教育人口的情况。这些状态主要包括上述分析中确定的变量：自然增长率、生育率、二胎生育意愿、人口迁移率、教育转换率等。
P（i+1）= Pi+Ni+Mi+S+E 其中，P为不同年份受教育人口的预测数；Pi为基数年受教育人口；N为受教育人口自然增长数量；M为净迁入受教育人口；S为单独二胎政策影响下产生的受教育人口增量。E为测算与实际情况的误差。
本报告选定2014年青岛市受教育人口数作为基数年受教育人口数。其中，受教育人口数是青岛市3-6岁户籍人口与小学到高中在校人口数之和。
Mi 表示不同年份青岛市净迁入受教育人口数，既包括不同年份青岛市净迁入人口的总数，也包括青岛市不同年份分地区净迁入人口的总数。关于Mi的测算引入了一个公式：
Mi=k*（Pi-Pi-1）
其中，k为2014年青岛市受教育人口迁入率。由于不同市区迁入的受教育人口的数量不同，因此其迁入率也存在差异。所以需要对不同市区的k值进行测算。
本报告将不同市区的k值分别定义为k1、k2、k3、k4、k5、k6、k7、k8、k9、k10、k11，代表市南区、市北区、崂山区、李沧区、城阳区、黄岛区、胶州市、胶南市、即墨市、平度市、和莱西市，k值表示青岛市受教育人口总体的净迁入人口率。以2014为基础数据，k=M/Pi，测得k=0.369。根据教育局提供的全市受教育人口的数据，以学生身份证号前四位为依据，将非3702的人口算入迁入人口，因此测得2014年受教育人口的迁入数，即为M。
Pi则为2014年全市受教育人口的总数。Pi-1为2013年的全市受教育人口的总数，此数据来源于2014年青岛市统计年鉴。Pi-Pi-1为新增受教育人口数，包括自然增长的人口数与新增净迁入人口数。同理，可分区市将各区市的迁入人口数相对应的k值测出。
由于获得数据有限，本研究假定k值保持不变。N为2014年受教育人口的自然增长人数，基于教育局提供的全市受教育人口的数据，由于已经设定迁移人口数，k为受教育人口的迁移率，为了避免重复计算，N=（1-k）*（Pi-Pi-1）。因此由于不同市区k值存在差异，因此不同市区所对应的N值存在差异，需要分别进行测算。
4.低指标预测方案
采用PDE模型对青岛市2015-2020年受教育人口进行预测；实施低指标方案，测算结果是较之于2014年受教育人口，青岛市2020年受教育人口将增加17万。
PDE模型是通过不同状态的组合预测受教育人口的情况。这些状态主要包括上述分析中确定的变量：自然增长率、生育率、二胎生育意愿、人口迁移率、教育转换率等。
P（i+1）= Pi+Ni+Mi+S+E
其中，P为不同年份受教育人口的预测数；Pi为基数年受教育人口；N为受教育人口自然增长数量；M为净迁入受教育人口；S为单独二胎政策影响下的受教育人口增量；E为测算与实际情况的误差。
本研究基于市教育局提供的全市受教育人口的数据，选定2014年青岛市受教育人口数作为基数年受教育人口数。其中，受教育人口数是青岛市3-6岁户籍人口与小学到高中在校人口数之和。
Mi 表示不同年份青岛市净迁入受教育人口数，既包括不同年份青岛市净迁入人口的总数，也包括青岛市不同年份分地区净迁入人口的总数。关于Mi的测算引入了一个公式：
Mi=k*（Pi-Pi-1）
其中，k为2014年青岛市受教育人口迁入率。由于不同市区迁入的受教育人口的数量不同，因此其迁入率也存在差异。所以需要对不同市区的k值进行测算。为了避免误解，本研究将不同市区的k值分别定义为k1、k2、k3、k4、k5、k6、k7、k8、k9、k10、k11，代表市南区、市北区、崂山区、李沧区、城阳区、胶州市、即墨市、平度市、黄岛区和莱西市，k值表示青岛市受教育人口总体的净迁入人口率。以2015为基础数据，k=M/Pi，测得k=0.369。根据教育局提供的全市受教育人口的数据，以学生身份证号前四位为依据，将非3702的人口算入迁入人口，因此测得2014年受教育人口的迁入数，即为M。
Pi则为2014年全市受教育人口的总数。Pi-1为2013年的全市受教育人口的总数（此数据来源于2014年青岛市统计年鉴）。Pi-Pi-1为新增受教育人口数。
由于获得数据有限，因此本研究假定k值在2015年到2020年保持不变。同理，可分区市将各区市的迁入人口数相对应的k值测出。N为2014年受教育人口的自然增长人数，由于已经设定迁移人口数，k为受教育人口的迁移率，为了避免重复计算，N=（1-k）*（2010年0岁人口人数-2014年高三人数）。基于2010年第六次人口普查数据以及是教育局提供的全市受教育人口的数据，测得N=10272因此由于不同市区k值存在差异，因此不同市区所对应的N值存在差异，需要分别进行测算。本研究假定N值在2015-2020年保持不变。
我们采用以下公式得出2014年各区受单独二胎影响的人口增减总人数，即S值。假设T总=该年度总和生育率，P增=单独二胎政策影响下的受教育人口增量为：
P增 =（1.8-T总）/35*育龄妇女人口总数=（1.8-929.20‰）/35*244133≈6074
根据有关文献，我们把育龄妇女总和生育率的值确定为1.8。然后，通过《青岛市2010年人口普查资料》得出的各区人口占该年度青岛市总人口的比例，我们大致可以得出各区（市）单独二胎政策影响下的受教育人口增量，具体如下：
三、青岛市教育适龄人口预测结果
1.高指标测算结果
根据PDE高指标数据模型推算，预计到2020年，青岛市教育适龄人口总数将达到1596926人。较之于2014年的受教育人口的基数，2020年的青岛市教育适龄人口增加了约48.8万人口。
青岛市教育适龄人口总数呈逐年增长的趋势，具体表现如下： 2016年1273366人，2017年1345145人，2018年为1422998人，2019年为1506925人，2020年为1596926人。 2.低指标测算结果
根据PDE低指标数据模型推算，预计到2020年，青岛市教育适龄人口总数将达到1313468人。较之于2014年的受教育人口的基数，2020年的青岛市教育适龄人口增加了约17万人口。
根据PDE低指标数据模型测算，青岛市教育适龄人口2016年为1208538人，2017年为1235300人，2018年为1261515人，2019年为1287529人，2020年为1313468人。
四、预测结果风险评估
1.经济社会变革影响受教育人口变化
随着青岛市经济发展和产业布局的调整，城市化的进程在逐步加快。由图4-1可以看出，青岛市城市化水平随时间推移所发生的变化，呈接近于线性地增长模式。在此背景下，城市受教育人口也会出现一定程度的变化，存在大幅增加的可能性。
青岛流动人口1053449人，占青岛市总人口的10%。在行政分区上，城阳区流动人口最多，占总流动人口的24.04%；市北区紧随其后，占19.08%；另外开发区、崂山区、李沧区也都超过了10%。在性别上，女性流动人口占总流动人口的绝大部分，为83.2%。（参见图4-2）
青岛市城市化进程加快，流动人口增多，给教育管理和教育资源投入与分配带来难题。流动人口是构成城区受教育人口的重要组成部分，城市化水平的提高势必增加城市原有教育配套设施供给的压力。因此，针对流动人口中受教育人口在城市中的教育配套设施的完善就显得尤为必要。
2.人口政策调整可对人口测算数据的影响
人口政策会比较重要的政策有两个，一个是关于人口计生工作的政策，一个是关于农业流动人口的政策。
当前都测算结果有影响的人口计生政策，主要表现在关于“单独二胎”的政策上。该政策的实施将产生重要影响，主要体现为，二胎生育意愿将会导致受教育人口数量的难于测算，对教育管理活动与教育资源配置的科学测算，提出了更高的要求。如果过高或过低地估计了二胎生育意愿的影响，目前要做的和已经做的中长期教育规划可能会部分地脱离现实。本研究在估算受教育人口时，根据计生政策在2013年的预期调整，测算了2016-2020年间各年度的受教育人口增量。
农业流动人口有关的政策调整会影响到受教育人口数量及其分布的状态。目前，在城市化改革进程中，各个城市对于农业流动人口市民化的问题都很重视，很多城市也拟定了关于农业流动人口的相关政策。青岛市如果推进这些政策的修订、制定和实施工作，尤其是涉及到落户、住房和教育的配套改革政策时，将直接涉及其子女入学受教育的问题，也必然会对青岛市受教育人口的数量和区域分布产生影响。
3.受教育阶段上的区域间教育转换率问题的影响
由于教育资源的不均衡，不同区市的受教育人口数量转换将存在实际差异，这就产生了受教育阶段上的区域教育转换率问题。本研究中，将分年龄的教育转换率和分区域的教育转换率都设置为1，也就是将小学阶段的区域受教育人口100%转换到该区域的初中和高中阶段。这种测算方法一方面可以有效保证青岛市范围的总体测算科学合理；另一方面，也为相关教育规划政策的出台和教育资源的配置，提出一个要实际考虑的问题。教育管理部门在配置相关教育资源时候，要充分考虑这种区域间教育转换率带来的受教育人口实际差异。
