第一章 人口統計的威力
我們花了很長一段時間才領悟到，人口統計趨勢對股市的影響力。就整個歷史來看，即使文明國家已編纂了人口統計相關資料，卻鮮少了解這類趨勢潛藏的力量。
古時的埃及、羅馬和中國都會收集人口統計料，不過資料範圍相當有限；這資些政府計算國家人口總數，以得知有多少人可徵召當兵，可課稅人數有多少。雖然在這些方面的統計從古代延續至今，但一直到十七世紀才奠定資料基礎；政府對人口數的計算，此時才從以軍事與課稅用途，改成追溯死亡人數，並編纂出生和婚姻資料。
人口統計學之父
十七世紀初期，倫敦的教士依照法律要求，每週編纂一份名單，列出所屬教區死於疫病的人數，這些名單就是所謂的﹁死亡表﹂︵Bills of Mortality︶，英國政府利用死亡表確認哪些地區正在爆發疫病，必須加以隔離。死亡表所列項目最後連其他死亡原因也包含在內，並把出生日期與結婚日期列入。
死亡表的編製也孕育出人口統計學之父：約翰．葛蘭特︵ John Graunt︶只是一名倫敦商人，卻對死亡表深深著迷；雖然沒有受過正式訓練，但葛蘭特愈深入分析死亡表，就發現更多的問題，於是分析死亡表變成他畢生的研究。一六六二年，葛蘭特寫了︽針對死亡表的觀察︾︵Natural and Political Observations Made upon the Bills of Mortality︶一書，書中提出有關家庭人數、健康及就業地點等問題。這本書終於讓人們認清人口統計趨勢的潛力，對人口統計開始愈來愈感興趣，先是以醫療統計數字追蹤特定死因，於是政府必須設立負責統計資料的官方機構，以便收集並追蹤所有這類資訊。到了十九世紀，人口普查的概念終於蔚為風行。
什麼是﹁人口統計資料﹂？
葛蘭特究竟發現什麼？人口統計資料究竟為？以最基本的形式來說，人口統何計資料意指研究人口變遷及潛藏其中的人口結構。人口統計資料是一項既基本又簡單的概念；數量有限的事件會改變人口總數，而且這些事件都能個別加以計算與追蹤。通常，這些事件跟﹁人口統計方程式﹂︵demographic equation︶有關，國家人口總數只會因為三種事件而改變：出生、死亡和遷移。
統計學家追蹤整個國家的出生人數，這種全國出生人數趨勢即為﹁生育率﹂。同樣地，追蹤整個國家的死亡人數即為﹁死亡率﹂。因此，生育率、死亡率和遷移就構成引發所有人口變遷的人口統計方程式。
生育率
事實上，生育率就是任何特定人口中，女性生兒育女的傾向。雖然對大多數業餘觀察者來說，生育率︵出生︶和死亡率︵死亡︶看似簡單明瞭，但分析生育率其實相當複雜。
首先就死亡率來看，人一生當中只死一次，而且終將一死，所以死亡率的計算相當簡單，但生育率的情況卻截然不同。
女性可能會生幾個小孩，或一個小孩也不生，所以生育率等於是對重複事件進行分析。此外，死亡通常取決於醫療因素，人性因素影響有限；人們通常不會選擇死亡，卻可能因為別人引發的事件致死—— 這是人性因素，而非醫療因素影響死亡率的例子。不過在大多數情況下，影響死亡率的是醫療因素而非人性因素。生育率的情況剛好相反。在大多數族群中，雖然政府可能對生育率採取有影響的法令，但要不要生兒育女仍為個人選擇。簡單地說，人們可以選擇要不要生小孩，卻無法選擇要不要死。
評量生育率的方式有二種：單期方式和終生方式。
單期方式
以單期方式衡量生育率是最常見做法這種法檢視的是特定年度或期間有的，方多少出生人數，所以稱為﹁單期方式﹂。這種方法盛行的原因有二：第一個原因是簡單。大多數政府統計機構產生的年度出生人數，是由母親年齡做分類。第二個原因是能提供最新資料。
但是，這種單期方式會產生一些問題，最大的問題是，各年度的生育率差別極大。換句話說，只檢視單一年度的生育率可能誤判一國的長期生育率。日本在一九六○年代發生的狀況，就是最典型的實例。一九六○年到一九六五年，日本的生育水準基本上並無變化，所以使用任一年的生育率做預估，會得到同樣的結果。但生育率卻在一九六六年遽降，如果用這一年的生育率做預測，就會誤以為生育率日後會下降。一九六七年和一九六八年的生育率爆增，遠比一九六○年代最初幾年更高，如果以一九六七年或一九六八年的生育率做為單期方式的預測基準，所預測的生育率就會比實際生育率更高。
引起一切變動的原因是由於﹁火馬﹂(fiery horse)。一九六六年︵丙午年︶是日本每六十年出現一次的﹁火馬年﹂，日本人迷信這一年出生的女子不適合為人妻子，一輩子命不好。結果，大多數日本夫妻決定不在那一年生小孩；但大家並不是不想生小孩，只是想等火馬年過後再生，所以一九六七年和一九六八年的生育率暴增。
終生方式
使用終生方式衡量人在一生中的生育數目，就能規避單期方式產生的缺失；使用這種方式衡量日本在一九六○年代的生育率，數據失真的問題較小，問題是，收集資料要花相當長的時間。生育年齡一般從十五歲到五十歲，長達三十五年之久，所以利用終生方式這種做法，就必須收集三十五年的資料，才能全盤了解每個從十五歲到五十歲的人所生育的子女數。這樣做除了缺乏時效性，而且經過三十五年後，追蹤這股趨勢的政府統計機構的人事大多有所變動，導致潛在錯誤增加—— 計算出生人數並不像表面看起來那樣簡單。


了解死亡趨勢
依據不同特徵，死亡率會出現極大差異，其中以﹁年齡﹂這項特徵最顯著，但死亡率也可能受到個人職業和性別的影響。想了解死亡趨勢，必須做兩件事，首先必須確認及衡量死亡率的差異。其次，同時也更重要的是，必須把這些差異整理成一項獨有的特徵。如果兩種職業的死亡率差異極大，未必表示死亡受到職業影響，有可能是這種職業需要更有經驗的從業人員，所以這些人比較年長。因此，是職業致死？或者應該把年齡特徵列為實際致死的主因？
測量死亡率最簡單也最廣受採用的做法是﹁粗死亡率﹂︵crude death rate︶：將特定期間︵通常為一年︶死亡人數除以總人口數，因此粗死亡率幾乎都以每千名人口的死亡數表示。
假設某個國家有二千五百萬人口，死亡人數為二十二萬人，所以只要將二十二萬︵表示去年度死亡總數︶除以二千五百萬︵總人口數︶，就得到○．○○八八，再將這個數字乘以一千，可得到答案八．八，接著把這個數字四捨五入就得到九。也就是說，這個國家去年，每千人中有九人死亡。這樣做不但比較容易了解，也比較容易依據國家別進行比較，迅速了解各國死亡率。
遷移
遷移是人口統計方程式中第三項，也是最後一項要素。隨著時代演變，遷移變成人口統計方程式中最不被重視的一環；統計學家對生育率和死亡率投注更多的時間與關注，進行更多分析和研究，所以對這方面有更多的了解。遷移總是人們較不了解的一項要素，原因很簡單：在這三項要素中，遷移要素的評量與分析是最困難也最複雜的。遷移通常不只會影響單一國家的人口，當人們從出生國移居到不同國家，就會影響到這兩個國家的人口。況且，遷移不是單行道，人們同時在出生國與移居國之間往返。
跟生育率和死亡率相比，遷移這個因素更錯綜複雜：只會死一次，女性生人們育率會受到時間限制與年齡影響，但遷移卻不是這樣。人們在一生中可以遷移無數次。相較之下，統計學家能在生育率和死亡率取得更多、更精確的資訊，但有關遷移的資訊則較少，也比較不精確。
何謂遷移？
簡單地說，遷移的定義是，個人久住的改變﹂。這項定義雖然看似簡單﹁永所易懂，但事實卻非如此。首先，那些沒有永久住所的人該如何定義？舉例來說，遊牧民族仍遍及亞洲—— 他們住在臨時帳篷裡，逐水草而居，要如何計算這些人數？該把他們計算在內嗎？除此之外，有些人有一個以上的永久住所，他們會在不同季節住在不同地方，這些變動也要列入計算嗎？遷移也分成許多規模、形態和種類，可能牽涉到幾哩、幾百哩或幾千哩的移動。
全球遷移
在全球經濟與市場中，這些變動的全球特質或許是掌握遷移的最重要因素，所以區別國內遷移︵在同一國家內部遷移︶和國際遷移︵涉及到遷居他國︶就相當重要。
在追蹤遷移趨勢時，從某地遷出但仍在國內居留者稱為﹁遷出人口﹂︵out-migrants︶，遷出至不同國家則被歸為﹁移出人口﹂︵emigrants︶。相反地，在國內遷入某地者稱為﹁遷入人口﹂︵in-migrants︶，從不同國家來定居的移民則稱為﹁移入人口﹂︵immigrants︶。
大多數衡量遷移的方法並未區別移入人口和遷入人口，或區別移出人口和遷出人口，所以使評量出現誤差。
該收集哪方面的資料？
人口統計方程式是由生育率、死亡率和遷移構成，而檢視任何人口統計資料時，可依照下列四項基本規則：
一、注意異常資料。任何異常數據都要注意，也要找出異常數據的發生原因。一般來說，異常數據之所以出現，可能因為資料有誤，或是出現能提供實際線索、了解未來趨勢的特殊事件。
二、將資料分群。你可以把資料分成群組，然後在群組中找出自然形成的分類。在這個群組中，大多數人都是來自同樣的職業類別嗎？或者都是特定收入水準？是高收入或低收入水準？他們的健康狀況都不好嗎？群組能讓我們看出數字以外的訊息。
三、確認型態。生育率、死亡率和遷移都會因為年齡、職業和民族性而不同，這些資料型態能在分析未來趨勢時派上用場。
四、進行比較，，這是四項規則中最重要的一項。進行比較、進行更多比較，做好比較後，還要再做更多的比較。人口統計學的潛在力量就是，將資料與全球其他地區的資料做比較。必須一再地重複這項程序，同時把資料跟同一出處不同時期的資料做比較，這樣就能迅速了解人口統計趨勢如何演變，以及跟世界其他地區的趨勢相比的情況為何。


人口統計的官方用途
以人口統計資料作為決策參考，政府在這方面確實領先商界。
人口統計資料一直是中央與地方政府進行規劃時的依據之一，也是政府官員在刪減、擴增、制定服務時，所考量的關鍵要素。對地方政府來說，人口統計資料可決定警察局、消防局、圖書館、遊樂場等公家機構的地點，也是規劃高速公路和運輸時的關鍵因素。
以人口統計資料決定遊樂場地點
我在地方政府工作過，甚至曾在俄亥俄州貍溪鎮︵Beavercreek︶擔任市政官員，所以我能以親身經驗告訴大家，用人口統計進行決策就是地方政府的做事方式，決定遊樂場的地點就是最簡單的實例。從表面上來看，這件事聽起來很簡單，但事實絕非這樣；市議會中總有人說：﹁讓我們決定下一個遊樂場地點，讓本市較貧困的兒童能充分利用新遊樂場。﹂
第一個步驟是去公園管理部門，查出所有現有公園的地點，確認哪些地方需要新公園。接下來是去規劃部門，找出所有適合興建公園的可用土地之地點，而人口統計可協助我們做決定：美國戶口調查資料會列出戶口區低收入家庭孩童數與孩童年齡，只要找到低收入家庭中年幼孩童數最多的戶口區，就應該在這些地方興建公園—— 前提是，戶口區內並沒有任何公園，而且有地可建公園。
在這個情況下，市政單位設法找出沒有遊樂場，但有空地可蓋遊樂場的戶口區，而且最重要的是，這個戶口區裡的低收入家庭有最多的幼童；人口統計學就能決定遊樂場的地點。
以人口統計資料處理社會福利問題
與州政府和地方政府一樣，聯邦政府也使用人口統計資料。從許多方面來看，政府面臨最大、最複雜、跟政治最有關的問題之一，就是如何處理社會福利事宜；；不管怎樣，社會福利就跟人口統計資料有關。社會福利制度的資金取決於人口年齡分佈，因為人口分佈決定就業人數與非就業年長者人數。
這種年齡分佈是生育率、死亡率與遷移的過往趨勢所形成的產物，人口統計方程式的構成因素會對未來人口年齡分佈造成影響。生育率是決定人口年齡分佈的最重要因素，因此生育率是引發社會福利相關財務問題的關鍵指標。過去一百年來︵一九四六年到一九六四年嬰兒潮世代除外︶，整體生育率下降是讓目前人口分配出現年輕人口比例相當低，年長人口比例較高的主因。但是，生育率不是單一主因，整體死亡率的下降也是年長人口數大幅提高的主因。以六十五歲以上的人口為例，死亡率大幅下降，讓年老人口大幅增加。
要了解如何運用人口統計資料處理社會福利事宜，就必須從源頭開始了解。美國於一九三五年制定社會福利制度；一九三五年時，男性預期壽命為五十九歲，女性為六十三歲，請把這些數字先牢記在心。
男性在五十九歲過世，女性在六十三歲過世，難怪社會福利的財務狀況在一九三五年時仍不成問題—— 因為活到能六十五歲支領福利金的人少之又少。但現在的情況卻不是這樣，現在﹁一般﹂的退休年齡為六十五歲。
男性今日的預期壽命為七十五歲，所以大多數男性至少能支領十年的社會福利金；女性預期壽命為八十一歲，所以大多數女性至少能支領十六年的社會福利金。隨著日後預期壽命的增加，支領社會福利金的年數就會增加︵圖1.1 ︶。
民營企業如何應用人口統計
跟地方政府、州政府和聯邦政府一樣，民營企業也使用人口統計資料了解與分析消費者行為。人口統計趨勢能說明某個地區與其他地區對某項產品消費的含意，因此，檢視兩地的年齡分佈和任何特定年齡的消費資料就很重要。
大多數產品的消費會依年齡不同而產生極大的差異，想了解某家店或某個地區會比其他店或其他地區擁有更大的消費力，就必須先了解這兩個地區的年齡分佈。
用人口統計創造商機
我們都錯過最重要的投資工具—— 人口統計趨勢。決定投資決策的應該是人口統計資料，而不是經濟新聞或盈餘報告，因為人口趨勢擁有長期影響力，也比較容易預測。人口統計資料必須成為投資者的重要工具。以下的例子會告訴你，美國嬰兒潮世代人口統計資料，如何創造投資商機。
量販店
一九八○年代初期，量販店首次在美國出現時，只是一個利潤微薄的成功投資，現在卻是世界各地最熱門的投資主題。為什麼會出現這種變化？？？
是量販店的行銷做得比較好？
不是。
是存貨控制得更好？
不是。
是量販店業者為營運成功，發展出一些秘密計策？
不是。
事實上，現在的量販店跟一九八○年代的並無不同，但他們為什麼突然間變成有利可圖？沒錯，有一件重要事項確實改變了，那就是人口統計資料。

第一章 人口統計的威力我們花了很長一段時間才領悟到，人口統計趨勢對股市的影響力。就整個歷史來看，即使文明國家已編纂了人口統計相關資料，卻鮮少了解這類趨勢潛藏的力量。古時的埃及、羅馬和中國都會收集人口統計料，不過資料範圍相當有限；這資些政府計算國家人口總數，以得知有多少人可徵召當兵，可課稅人數有多少。雖然在這些方面的統計從古代延續至今，但一直到十七世紀才奠定資料基礎；政府對人口數的計算，此時才從以軍事與課稅用途，改成追溯死亡人數，並編纂出生和婚姻資料。人口統計學之父十七世紀初期，倫敦的教士依照法律要...