
中国婚姻大数据告诉你,为什么近10年初婚的人越来越少
为此,腾讯信息可视化实验室从国家统计局收集了中国2007-2016年婚姻服务数据,分析发现以下几个特点:
1、近10年结婚的人越来越少,离婚的人越来越多,2016年的离婚登记对数是2007年的近2倍;
2、初婚的人越来越少,再婚的人越来越多;
3、从城市/省份来看,近3年,粗离婚率最高的城市并非集中在北上广深等大城市,而是黑龙江省。吉林、辽宁等东北地区的离婚率也相对较高;
4、西藏自治区连续7年离婚率最低;
5、排除夫妻个人情感及家庭矛盾等微观因素,从大数据的角度看,人口的迁移、城镇化率高低及生育率高低等因素都会影响离婚率。
注:
1、国家统计局2017年婚姻服务数据还没出,所以选取数据年限为2007-2016;
2、31个省市的粗离婚率统计年份为2010-2016年;
3、粗离婚率指某地区当年离婚对数占该地区年平均人口的比重。计算公式为:粗离婚率=当年离婚对数/年平均人口数×1000‰。
近10年,全国离婚登记翻了近两倍
从2007-2016年中国结婚、离婚趋势图中可以看出, 2007年全国离婚登记209.8万对,到2016年全国离婚登记已经高达415.82万对,离婚数将近翻倍,离婚率一直处于上升状态。
在结婚方面,2007年-2013年,全国结婚登记处于攀升状态,但2013年开始,结婚登记对数及粗结婚率开始下滑。
近10年初婚率越来越低,再婚率越来越高
纵观黑龙省2010-2016年的粗离婚率、离婚登记数及年末常住人口数发现:
2013年-2016年,黑龙江的粗离婚率较2010-2012年大幅上升; 但离婚登记数却增幅不大。
不考虑其他因素,只从“粗离婚率”公式推算,黑龙江省2013-2016年粗离婚率高或许与黑龙江2013-2016年末常住人口有所减少有关。
城镇化率对离婚率影响大
上世纪70年代,美国人就离婚成因对3111个县进行了调查分析发现,城镇化对离婚率的影响最大,平均每提高一个百分点的城镇人口比例,离婚率就会上升0.41个百分点。
通过以上的数据发现,2010-2016黑龙江省的城镇化水平一直远高于中国城镇化率的平均水平。城镇化率提高,离婚率也会提高的规律对黑龙江省同样适用。
生育率高低会影响离婚率
在中国家庭结构中,没孩子的夫妻比有孩子的夫妻更容易离婚。
从上图中发现,黑龙江省的生育率比较低,家庭结构符合现代化趋势,这也是导致其离婚率较高的一个原因。
此外,多元化的社会环境也会影响当地人们的婚姻观念,黑龙江、吉林、辽宁等东北地区靠近中国边境,少数民族较多,当地人深受外来移民文化和生活方式的影响,婚姻观念开放、自由,这也是东北地区离婚率较高不可忽视的因素。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04