找出与人口关系密切、有较长时序的统计数据，且易于把握的影响因素（如就业、产值等） 进行预测的城市人口规模预测方法是（ ）。
A 、相关分析法
B 、时间序列法
C 、区位法
D 、职工带眷系数法
【正确答案：A】
本题涉及的考点是城市人口规模的预测方法。相关分析法（间接推算法）：找出 与人口关系密切、有较长时序的统计数据，且易于把握的影响因素（如就业、产值等）进行预测。 适用于影响因素的个数及作用大小较为确定的城市，如工矿城市、海港城市。
对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，并根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。理论模型的设计主要包含三部分工作，即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。
1.确定模型所包含的变量在单方程模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。确定模型所包含的变量，主要是指确定解释变量。可以作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。于是，我们可以用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为一个变量来表征技术。这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面，为了叙述方便，我们将“因素”与“变量”间的区别暂时略去，都以“变量”来表示。关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。这是正确选择解释变量的基础。例如，在上述生产问题中，已经明确指出属于供给不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，一般的投入要素主要是技术、资本与劳动。如果属于需求不足的情况，那么影响产出量的因素就应该在需求方面，而不在投入要素方面。这时，如果研究的对象是消费品生产，应该选择居民收入等变量作为解释变量；如果研究的对象是生产资料生产，应该选择固定资产投资总额等变量作为解释变量。由此可见，同样是建立生产模型，所处的经济环境不同、研究的行业不同，变量选择是不同的。其次，选择变量要考虑数据的可得性。这就要求对经济统计学有透彻的了解。计量经济学模型是要在样本数据，即变量的样本观测值的支持下，采用一定的数学方法估计参数，以揭示变量之间的定量关系。所以所选择的变量必须是统计指标体系中存在的、有可靠的数据来源的。如果必须引入个别对被解释变量有重要影响的政策变量、条件变量，则采用虚变量的样本观测值的选取方法。第三，选择变量时要考虑所有入选变量之间的关系，使得每一个解释变量都是独立的。这是计量经济学模型技术所要求的。当然，在开始时要做到这一点是困难的，如果在所有入选变量中出现相关的变量，可以在建模过程中检验并予以剔除。从这里可以看出，建立模型的第一步就已经体现了计量经济学是经济理论、经济统计学和数学三者结合的思想。在选择变量时，错误是容易发生的。下面的例子都是从已有的计量经济学应用研究成果中发现的，代表了几类容易发生的错误。例如农副产品出口额=-107.66+0.13×社会商品零售总额十0.22×农副产品收购额这里选择了无关的变量，因为社会商品零售总额与农副产品出口额无直接关系，更不是影响农副产品出口额的原因。再如生产资料进口额=0.73×轻工业投资+0.21×出口额+0.18×生产消费+67.60×进出口政策这里选择了不重要的变量，因为轻工业投资对生产资料进口额虽有影响，但不是重要的，或者说是不完全的，重要的是全社会固定资产投资额，应该选择这个变量。再如农业总产值=0.78+0.24×粮食产量+0.05×农机动力—0.21×受灾面积这里选择了不独立的变量，因为粮食产量是受农机动力和受灾面积影响的，它们之间存在相关性。值得注意的是上述几个模型都能很好地拟合样本数据，所以绝对不能把对样本数据的拟合程度作为判断模型变量选择是否正确的主要标准。变量的选择不是一次完成的，往往要经过多次反复。选择了适当的变量，接下来就要选择适当的数学形式描述这些变量之间的关系，即建立理论模型。选择模型数学形式的主要依据是经济行为理论。在数理经济学中，已经对常用的生产函数、需求函数、消费函数、投资函数等模型的数学形式进行了广泛的研究，可以借鉴这些研究成果。需要指出的是，现代经济学尤其注重实证研究，任何建立在一定经济学理论假设基础上的理论模型，如果不能很好地解释过去，尤其是历史统计数据，那么它是不能为人们所接受的。这就要求理论模型的建立要在参数估计、模型检验的全过程中反复修改，以得到一种既能有较好的经济学解释又能较好地反映历史上已经发生的诸变量之间关系的数学模型。忽视任何一方面都是不对的。也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图，由散点图显示的变量之间的函数关系作为理论模型的数学形式。这也是人们在建模时经常采用的方法。在某些情况下，如果无法事先确定模型的数学形式，那么就采用各种可能的形式进行试模拟，然后选择模拟结果较好的一种。
3.拟定理论模型中待估参数的理论期望值理论模型中的待估参数一般都具有特定的经济含义，它们的数值，要待模型估计、检验后，即经济数学模型完成后才能确定，但对于它们的数值范围，即理论期望值，可以根据它们的经济含义在开始时拟定。这一理论期望值可以用来检验模型的估计结果。拟定理论模型中待估参数的理论期望值，关键在于理解待估参数的经济含义。例如上述生产函数理论模型中有4个待估参数和α、β、γ和A。其中，α是资本的产出弹性，β是劳动的产出弹性，γ近似为技术进步速度，A是效率系数。根据这些经济含义，它们的数值范围应该是0<α<1，0<β<1，α+β≈1，0<γ0。样本数据的收集与整理，是建立计量经济学模型过程中最为费时费力的工作，也是对模型质量影响极大的一项工作。从工作程序上讲，它是在理论模型建立之后进行，但实际上经常是同时进行的，因为能否收集到合适的样本观测值是决定变量取舍的主要因素之一。
1.几类常用的样本数据常用的样本数据有三类：时间序列数据、截面数据和虚变量数据。时间序列数据是一批按照时间先后排列的统计数据，一般由统计部门提供，在建立计量经济学模型时应充分加以利用，以减少收集数据的工作量。在利用时间序列数据作样本时，要注意以下几个问题。一是所选择的样本区间内经济行为的一致性问题。例如，我们建立纺织行业生产模型，选择反映市场需求因素的变量，诸如居民收入、出口额等作为解释变量，而没有选择反映生产能力的变量，诸如资本、劳动等，原因是纺织行业属于供大于求的情况。对于这个模型，利用时间序列数据作样本时，只能选择80年代后期以来的数据，因为纺织行业供大于求的局面只出现在这个阶段，而在80年代中期以前的一个长时期里，我国纺织品是供不应求的，那时制约行业产出量的主要因素是投入要素。二是样本数据在不同样本点之间的可比性问题。经济变量的时间序列数据往往是以价值形态出现的，包含了价格因素，而同一件实物在不同年份的价格是不同的，这就造成样本数据在不同样本点之间不可比。需要对原始数据进行调整，消除其不可比因素，方可作为模型的样本数据。三是样本观测值过于集中的问题。经济变量在时间序列上的变化往往是缓慢的，例如，居民收入每年的变化幅度只有5%左右。如果在一个消费函数模型中，以居民消费作为被解释变量，以居民收入作为解释变量，以它的时间序列数据作为解释变量的样本数据，由于样本数据过于集中，所建立的模型很难反映两个变量之间的长期关系。这也是时间序列不适宜于对模型中反映长期变化关系的结构参数的估计的一个主要原因。四是模型随机误差项的序列相关问题。用时间序列数据作样本，容易引起模型随机误差项产生序列相关。这个问题后面还要专门讨论。截面数据是一批发生在同一时间截面上的调查数据。例如，工业普查数据、人口普查数据、家计调查数据等，主要由统计部门提供。用截面数据作为计量经济学模型的样本数据，应注意以下几个问题。一是样本与母体的一致性问题。计量经济学模型的参数估计，从数学上讲，是用从母体中随机抽取的个体样本估计母体的参数，那么要求母体与个体必须是一致的。例如，估计煤炭企业的生产函数模型，只能用煤炭企业的数据作为样本，不能用煤炭行业的数据。那么，截面数据就很难用于一些总量模型的估计，例如，建立煤炭行业的生产函数模型，就无法得到合适的截面数据。二是模型随机误差项的异方差问题。用截面数据作样本，容易引起模型随机误差项产生异方差。这个问题后面还要专门讨论。虚变量数据也称为二进制数据，一般取0或1。虚变量经常被用在计量经济学模型中，以表征政策、条件等因素。例如，建立我国的粮食生产计量经济学模型，以粮食产量作为被解释变量，解释变量中除了播种面积、化肥使用量、农机总动力、成灾面积等变量外，显然，政策因素是不可忽略的。1980年前后，由于实行了不同的政策，即使上述变量都没有变化，粮食产量也会发生大的变化。于是必须在解释变量中引人政策变量，用一个虚变量表示，对于1980年以后的年份，该虚变量的样本观测值为1，对于1980年以前的年份，该虚变量的样本观测值为0。也可以取0、l以外的数值，表示该因素的变化程度。例如，在工业生产模型中用虚变量表示气候对工业生产的影响，可以将不同年份气候的影响程度，分别用0、1、-1，甚至0.5、-0.5等表示。不过，这种方法应慎用，以免违背客观性。
2.样本数据的质量样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性四个方面。完整性，即模型中包含的所有变量都必须得到相同容量的样本观测值。这既是模型参数估计的需要，也是经济现象本身应该具有的特征。但是，在实际中，“遗失数据”的现象是经常发生的，尤其在中国，经济体制和核算体系都处于转轨之中。在出现“遗失数据”时，如果样本容量足够大，样本点之间的联系并不紧密的情况下，可以将“遗失数据”所在的样本点整个地去掉；如果样本容量有限，或者样本点之间的联系紧密，去掉某个样本点会影响模型的估计质量，则要采取特定的技术将“遗失数据”补上。准确性，有两方面含义，一是所得到的数据必须准确反映它所描述的经济因素的状态，即统计数据或调查数据本身是准确的；二是它必须是模型研究中所准确需要的，即满足模型对变量口径的要求。前一个方面是显而易见的，而后一个方面则容易被忽视。例如，在生产函数模型中，作为解释变量的资本、劳动等必须是投入到生产过程中的、对产出量起作用的那部分生产要素，以劳动为例，应该是投入到生产过程中的、对产出量起作用的那部分劳动者。于是，在收集样本数据时，就应该收集生产性职工人数，而不能以全体职工人数作为样本数据，尽管全体职工人数在统计上是很准确的，但其中有相当一部分与生产过程无关，不是模型所需要的。可比性，也就是通常所说的数据口径问题，在计量经济学模型研究中可以说无处不在。而人们容易得到的经济统计数据，一般可比性较差，其原因在于统计范围口径的变化和价格口径的变化，必须进行处理后才能用于模型参数的估计。计量经济学方法，是从样本数据中寻找经济活动本身客观存在的规律性，如果数据是不可比的，得到的规律性就难以反映实际。不同的研究者研究同一个经济现象，采用同样的变量和数学形式，选择的样本点也相同，但可能得到相差甚远的模型参数估计结果。为什么？原因在于样本数据的可比性。例如，采用时间序列数据作为生产函数模型的样本数据，产出量用不变价格计算的总产值，在不同年份间是可比的；资本用当年价格计算的固定资产原值，在不同年份间是不可比的。对于统计资料中直接提供的这个用当年价格计算的固定资产原值，有人直接用于模型估计，有人进行处理后再用于模型的估计，结果当然不会相同。一致性，即母体与样本的一致性。上面在讨论用截面数据作为计量经济学模型的样本数据时已经作了介绍。违反一致性的情况经常会发生，例如，用企业的数据作为行业生产函数模型的样本数据，用人均收入与消费的数据作为总量消费函数模型的样本数据，用31个省份的数据作为全国总量模型的样本数据，等等。在模型的参数估计量已经得到后，可以说一个计量经济学模型已经初步建立起来了。但是，它能否客观揭示所研究的经济现象中诸因素之间的关系，能否付诸应用，还要通过检验才能决定。一般讲，计量经济学模型必须通过四级检验，即经济意义检验、统计学检验、计量经济学检验和预测检验。
1.经济意义检验经济意义检验主要检验模型参数估计量在经济意义上的合理性。主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性。首先检验参数估计量的符号。例如，有下列煤炭行业生产模型：煤炭产量=-108.5427+0.00067×固定资产原值+0.01527×职工人数-0.00681×电力消耗量+0.00256×木材消耗量在该模型中，电力消耗量前的参数估计量为负，意味着电力消耗越多，煤炭产量越低，从经济行为上无法解释。模型不能通过检验，应该找出原因重新建立模型。如果所有参数估计量的符号正确，则要进一步检验参数估计量的大小。例如，有下列煤炭企业生产函数模型：Ln（煤炭产量）=2.69+1.85Ln（固走资产原值）+0.51Ln（职工人数）因为该模型是一个对数线性模型，所以在该模型中，固定资产原值前的参数的经济意义是明确的，即固定资产原值的产出弹性；表示当固定资产原值增加1%时煤炭产量增加的百分数。根据产出弹性的概念，该参数估计量应该是0与1之间的一个数，模型中的参数估计量虽然符号正确，但是数值范围与理论期望值不符，不能通过检验。应该找出原因重新建立模型。即使模型参数估计量的符号正确、数值范围适当，仍然不能说已经通过经济意义检验，还要对参数之间的关系进行检验。例如，有下列职工家庭日用品需求模型：Ln（人均购买日用品支出额）=-3.69+1.20Ln（人均收入）一6.40Ln（日用品类价格）该模型也是一个对数线性模型，所以在该模型中，人均收入和日用品类价格前的参数的经济意义是明确的，即是它们各自的需求弹性。该二参数估计量的符号是正确的，数值范围大体适当。但是根据经济意义，二参数估计量之和应该在1左右，因为当收入增长1%、价格增长1%时，人均购买日用品支出额也应该增长1%左右。显然该模型的参数估计量不能通过检验。应该找出原因重新建立模型。只有当模型中的参数估计量通过所有经济意义的检验，方可进行下一步检验。模型参数估计量的经济意义检验是一项最基本的检验，经济意义不合理，不管其他方面的质量多么高，模型也是没有实际价值的。
2.统计检验统计检验是由统计理论决定的，目的在于检验模型的统计学性质。通常最广泛应用的统计检验准则有拟合优度检验、变量和方程的显著性检验等。
3.计量经济学检验计量经济学检验是由计量经济学理论决定的，目的在于检验模型的计量经济学性质。通常最主要的检验准则有随机误差项的序列相关检验和异方差性检验，解释变量的多重共线性检验等。
4.模型预测检验预测检验主要检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度，确定所建立的模型是否可以用于样本观测值以外的范围，即模型的所谓超样本特性。具体检验方法为：
（1）利用扩大了的样本重新估计模型参数，将新的估计值与原来的估计值进行比较，并检验二者之间差距的显著性；
（2）将所建立的模型用于样本以外某一时期的实际预测，并将该预测值与实际观测值进行比较，并检验二者之间差距的显著性。经历并通过了上述步骤的检验后，可以说已经建立了所需要的计量经济学模型，可以将它应用于预定的目的。
您好，失业率=100万/（1000万+100万）*100%=9.1%
失业率（UnemploymentRate）是指失业人口占劳动人口的比率 (一定时期全部就业人口中有工作意愿而仍未有工作的劳动力数字)，旨在衡量闲置中的劳动产能，是反映一个国家或地区失业状况的主要指标。
失业率=失业人口/劳动力人口*100%
劳动力人口=失业人口+就业人口
资料拓展：
类型划分
1. 周期性失业：就业水平取决于国民收入水平，而国民收入水平又取决于总需求，周期性失业是由于总需求不足而引起的周期失业，一般出现在经济周期的萧条阶段。
2. 自然失业：消灭了周期性失业时的就业状态就是充分就业，实现了充分就业时的失业率成为自然失业率。
3. 隐蔽性失业：表面上有工作，实际上对生产并没有做出贡献的人，即有“职”无“工”的人。
造成原因
1. 摩擦性失业(Frictional unemployment)：是指人们在寻找工作或转换工作过程中的失业现象。增加职业训练计划与提高信息沟通（使失业者能确实掌握就业机会）可降低这方面的失业。在实际劳动市场上，失业率总是围绕自然失业率波动，原因之一是工人寻找最适于自己的工作需要时间。它是由于经济运行中各种因素的变化和劳动力市场的功能缺陷所造成的临时性失业。经济总是变动的，工人寻找最适合自己嗜好和技能的工作需要时间，一定数量的摩擦性失业必然不可避免。即劳动者想要工作与得到工作之间的时间消耗造成的失业。
2. 结构性失业(Structural unemployment)：指市场竞争的结果或者是生产技术改变而造成的失业。结构性失业通常较摩擦性失业持久，因为结构性失业常表示人员需要再训练或是迁移才能找到工作。
3. 季节性失业(Seasonal unemployment)：农业，营建业与旅游业特别容易受季节性因素影响。季节性失业是一种自然失业，它给社会带来两个方面的不良影响：
一是季节性雇员由于就业时间短，收入受到影响(尽管有补偿性工资差别)；二是季节性失业不利于劳动力资源的有效利用。
4. 周期性失业(Cyclical unemployment)：由于总需求不足而引起的短期失业，一般出现在经济周期的萧条阶段。周期性失业的原因主要是整体经济水平的衰退；由于它是不可避免的，因而周期性失业也是人们最不想看见的。20世纪30年代经济大萧条时期的失业就完全属于周期性失业。每一个工人都从事着他们一直从事的工作，因此不存在摩擦性失业。与人们更倾向于手持货币而不是消费、企业被迫削减产出导致的失业相比，结构性失业同样极不明显。
影响房地产价格的因素：
房地产价格受各种因素的影响而发生变动，要掌握房地产价格的运动规律，必须弄清影响房地产价格的因素。
根据各种影响房地产价格因素自身的性质，可以将其分为经济因素、社会因素、行政政治因素、房地产的内在因素和环境因素。
1、经济因素
影响房地产价格的因素主要是国家、地区或城市的经济发展水平、经济增长状况、产业结构、就业情况、居民收入水平、投资水平、财政收支、金融状况。
这些因素会影响房地产市场的总体供求，特别是影响需求。通常来讲，一个地区的经济发展水平越高、经济增长越快、产业结构越合理、就业率、收入水平和投资水平越高，财政收入越多、金融形势越好，房地产市场需求就越大，房地产价格总体水平也越高。
反之，房地产价格总体水平越低。从中国的情况来看，改革开放20多年后的今天与改革初相比，房地产价格有了巨幅增长，就是源于全国的经济发展水平、居民收入水平等一系列经济因素方面的迅猛发展。
而从目前来看，沿海地区与内地，北京、上海、广州、深圳等大城市与一般城市之间，房地产价格水平有较为显著的差异，这也主要是由于这些城市之间，在以上经济因素方面存在的明显差异所造成的。
2、社会因素
影响房地产价格的社会因素包括人口、家庭、城市形成历史、城市化状况、社会治安、文化与时尚等。
其中，人口因素包括人口的数量、密度、结构（如文化结构、职业结构、收入水平结构等）；家庭因素指家庭数量、家庭构成状况等；文化与时尚主要指文化氛围、风俗习惯、大众心理趋势等。
社会因素对房地产价格的影响作用是相当复杂的，它的作用方式不如经济因素那样直截了当，作用过程也比较长，是一种渗透性的影响。如城市形成历史，对一个地区房地产价格水平的影响，虽然不如经济因素的影响那样明显，但却常常是非常深远并具根本性的；
在中国许多城市中，某一个特定的区域，由于其独特的发展历史，而始终成为房地产价格水平的高值区，如上海的外滩、徐家汇、厦门的鼓浪屿、青岛的八大观等。有些社会因素对房地产价格的影响在不同的阶段，作用结果是不同的。
如人口密度的提高，一开始会造成房地产需求的增加，引起房地产价格上升，但发展到一定程度，则会造成生活环境恶化，有可能引起需求量减少，房地产价格下降。
3、行政与政治因素
行政因素主要是国家或地方政府在财政、税收、金融、土地、住房、城市规划与建设、交通治安、社会保障等方面的一些制度、法规、政策和行政措施。政治因素主要指政局安定程度、国与国之间的政治、军事关系等。
行政和政治因素都是由国家机器来体现的，因此它对房地产价格的影响作用也比较突出。如城市规划对一块土地用途的确定，决定了这一地块的价格的基本水平。
与经济和社会因素不同，行政和政治因素对房地产价格影响作用的速度相对较快，如果说经济、社会因素的作用是渐变式的，则行政和政治因素的作用可以说是突变式的。
4、房地产内在因素和周边环境因素
这个因素主要是指房地产自身及其周边环境状态，如土地的位置、面积、形状、建筑物的外观、朝向、结构、内部格局、设备配置状况、施工质量，以及所处环境的地质、地貌、气象、水文、环境污染情况等。
首先，房地产自身的内在因素对房地产的生产成本和效用起着重大的制约作用，从而影响着房地产的价格。如地价上涨，建筑材料涨价，会带来成本推进型房价上升。
商品房内在品质提高，效用增大也会造成内在品质提高型房价上涨。再如，房屋的朝向也会影响房价。在中纬度地区，朝南的住宅，就比朝北的住宅舒适，因而价格也高。
扩展资料：
房地产价格的地位作用：
1、房地产价格的基础地位
房地产价格在整个价格体系中，处于基础价格的重要地位。从生产领域的角度分析，房地产是一切商品生产的空间和场所，为使这些房地产所支出的价格（包括租金）能得到价值补偿，必然纳入生产成本，成为商品价格的构成部分。
从消费领域的角度分析，住房消费是劳动力再生产费用中的重要组成部分。
2、房地产价格的主要功能和作用
房地产价格在市场价格体系中的基础地位，决定了它在市场经济中具有非常重要的功能和作用。具体表现在：
（1）首先，作为基础性价格，房地产价格水平一定程度上决定着市场总体价格水平。表现在房地产价格作为生产要素价格，既影响商品生产的物质成本，又影响工资成本，房地产价格合理与否，不仅决定着生产成本和一切商品市场价格的真实程度；
而且由于住房的价值量大在家庭消费支出中占有较大比重，住房价格在全社会消费价格中的权重相应较大，对整个市场消费价格也表现出一定程度上的决定作用。
（2）其次，住房作为重要的消费资料，住房价格对调节居民的生活水平有重要的功能和作用。住房价格高居民承受能力低，居住水平和居住质量会由此下降；
反之住房价格水平低，能增强居民的购房能力，相应提高居民的居住水平和居住质量。因此，住房价格的高低成为关系到居民切身利益的重大经济问题和社会问题。
（3）再次，价格作为市场经济最重要的调节机制，还发挥着调节房地产市场供求总量和结构的重要作用。表现为可以调节房地产供求关系，商品房价格高，开发商有利可图，增加开发量，由此增加供给，而房价高，消费者减少购买，也会缩小需求；
反之商品房价格低，开发商无利可图，就缩减开发量，由此减少供给，而房价低，促使消费者购买，又会增加需求，这样就可以利用价格杠杆调节商品房供求，实现供求总量平衡。
同时，不同类型、不同层次的房地产价格结构的合理化，还可以促使商品房供给结构与消费结构相适应，从而达到房地产结构平衡。在这里，房地产价格机制与供求机制是交互作用共同发挥其调节功能的。
参考资料：百度百科-房地产价格
温馨提示：
