cn/2024/12/08/her-match/

[giscus[bot]]

cn/2024/12/08/her-match/

https://hongtaoh.com/cn/2024/12/08/her-match/

[hongtaoh]

@earfanfan 凡姐有兴趣试一下吗？数据生成 有兴趣也可以看一下。我在想要不要写一篇投给统计之都。@XiangyunHuang 不知道湘云觉得这个是否有投稿价值。

[yufree]

这不是一个人说了算的，特别是单身的，也没必要计划或有所期待，你很难替另一个还不认识的人规划人生。不过，年龄越大，就越能从同龄人那边了解到婚姻的实际状况，离婚、冷战、队友、互相鼓励……感同身受与完全不理解的都有，在这些多样性里结婚前那些考虑与要求很多都属于想多了。很多要求婚前达到了，婚后也会有同等难度或更高难度的新要求出现，不过有人就愿意挑战难度实现更高水平的幸福，也有人躺平先顾自己。于我个人，我不会规划未出现的问题，婚姻对我而言属于副本而不是主线任务，也许很多人玩游戏主线通关后期主要就是优化某个副本的攻略，但眼前有意思的副本跟主线更新足够消耗我的地球服体验时间了。

[hongtaoh]

@XiangyunHuang 我觉得你的问题太理想化了。你问一个几乎没谈过恋爱的人，对婚后生活有什么期待。

未来5-10年内，打算如何度过?

只能靠整天写代码度过了。

[XiangyunHuang]

我不是要规划别人的人生，而是要找那个相互感到合适的人，这就包含一部分对未来的规划和期待。从我了解到的样本来看，不少人（特别是女的）对另一半有要求或期待。而这些未满足她们的的期待和要求是最后分道扬镳的重要原因。

至于，即使婚前满足了彼此的期待，婚后，也会出现新的期待和要求，如果未能及时满足就会影响婚姻稳定。那这种情况，是不是应该考虑影响彼此的长期性的因素，比如性格、能力、学识和家庭等影响深远而又难以改变的因素。

[XiangyunHuang]

@yufree 我很赞同你的主线和副本任务的比喻。

@hongtaoh 问题不是很理想化吧，很现实啊！如果没有谈过恋爱，那就是结婚前的恋爱阶段，你会期待女朋友是什么样的？各方面都可以谈呀。你且看《非诚勿扰》，这两年又有四处奔波的王婆。还有app老是推荐一些交友广告。我的问题来源于生活。

[hongtaoh]

我不会去想这些问题。这也不是可以想出来的。如果没有恋爱基础，是不可能知道自己喜欢什么，不喜欢什么的。

[earfanfan]

@yanyuteng

请这位未来的人口学大师来指点一下吧，俺表示期待，搬个板凳先。

[yanyuteng]

抱歉最近太忙了，才看到评论。袁姐别调侃我了，今年就业市场竞争极其激烈 我正处于退圈边缘 。
我觉得郝哥做的数据生成很有意思，但有几个疑问，第一点，生成数据与真实数据的优势在哪里？不知道郝哥是否使用过人口普查的抽样调查数据，2020年抽样的使用需要依托国内单位，但2015年及以前的数据其实半公开了，这些微观数据也是百万级的，而且涵盖的变量更多。第二点，如果说生成数据能根据宏观数据来分配微观数据的情况，那么部分设定是如何获得的？这里的每一个变量似乎都有很主观的假定？比如我看了一下健康比重的分配，根据我之前处理的GBD 2021或者人口普查数据，直观上我会感觉老年段的健康比重设定偏低很多。第三点，生成数据的意义是什么？相比于郝哥提到的教学和测试，我个人会更感兴趣数据探索的部分，尤其是能否根据数据生成与微观仿真获得一些变量间的非线性关系？

def get_health_status_probabilities(age):
    """
    根据年龄返回健康状况的概率分布
    health_status = ['健康', '亚健康', '慢性病', '重大疾病']
    """
    if age < 25:
        probs = [0.90, 0.08, 0.015, 0.005]
    elif 25 <= age < 35:
        probs = [0.85, 0.12, 0.03, 0.01]
    elif 35 <= age < 45:
        probs = [0.75, 0.15, 0.08, 0.02]
    elif 45 <= age < 55:
        probs = [0.65, 0.20, 0.12, 0.03]
    elif 55 <= age < 65:
        probs = [0.50, 0.25, 0.20, 0.05]
    else:
        probs = [0.35, 0.30, 0.28, 0.07]
    
    # 确保概率和为1
    return np.array(probs) / np.sum(probs)

[hongtaoh]

感谢贡献！很好的问题，我回答一下：

1. 我简单搜了一下，2015年我也没看到我想要的数据。你说的现在半公开的数据是百万级别的、匿名化的、具体自然人的各种变量数据吗？就是每一行是一个人，然后每一列是一个变量？如果有这种数据，那我的模拟数据就没有任何用了。我目前看到的只是单个变量的统计，这没有任何用，只能用来看看我的模拟数据单个变量是否准确。
2. 确实是很主观的设定，因为这个生成过程我不求多么精确，所以没有对每个条件概率查的很具体。还有就是，我重点是 22-45 这个群体，因为我的假定是这个应用的使用群体人大概率也不会选 45 以上的。但是你指出的问题确实是存在的。
3. 其实第一点就是第三点的回答。如果真实的数据符合第一点的要求，那我肯定不会用合成的数据。合成数据的意义是弥补没有真实数据的缺漏。

[hongtaoh]

我去，还真的有！咋说呢，其实光身高+学历，按照互联网上择偶标准，基本上只有 5% 的人符合了。剩下的再精确也只是在这个基础上浮动。但我如果真的想做的话，会按照 2015 年微观数据来做，可能再稍微改改。有微观数据再用模拟数据就不太说得过去了。再次感谢🙏

[earfanfan]

@residualsun1

这位人类学的小朋友是不是还在忙于复习和考试呢？撒时候有空来跟哥哥姐姐们交流一下又一下子。

[hongtaoh]

几乎从来没有谈过恋爱的我也不好评论。我感觉男生择偶标准不会太多，至少谈恋爱的话不会考虑那么多，或者说我不会考虑那么多。这里是有性别差异的。

不清楚鸿涛具体要讨论什么问题

我想讨论的问题很简单。在网上看到一些评论，说女生择偶要求不现实，符合要求的人基本都已经结婚了。但是我们并没有实际的数据。什么样的标准叫高？一个比较高的择偶标准，最后能筛掉多少候选人？这些都没有实证的研究，只是大家在猜测。我只是想抛砖引玉，做一个模型，看看一些我们以为比较合理的要求能刷掉多少人。这就是我做这个项目的初始想法。但在生成数据的时候发现这个工程太大了，基本上是在模拟整个中国社会，变量太多了，而且关系错综复杂，最后的结果就是被凡姐吐槽。

[residualsun1]

在网上看到一些评论，说女生择偶要求不现实，符合要求的人基本都已经结婚了。但是我们并没有实际的数据。什么样的标准叫高？一个比较高的择偶标准，最后能筛掉多少候选人？这些都没有实证的研究，只是大家在猜测。我只是想抛砖引玉，做一个模型，看看一些我们以为比较合理的要求能刷掉多少人。

原来是这样，感觉是我想得太复杂了，跑偏了。我个人觉得这个想法很值得试一试，因为我也很好奇实证上会怎么呈现中国女性择偶观，感觉这里说的择偶，从年龄看相对小一些的我觉得更多可能是恋爱，大一些的则考虑婚姻角度吧。我就经常在网络上看到说男生「身高是硬伤」，有「180cm以下不考虑」，甚至还有「170cm残废」这样的暴论，看得我「触目惊心」、我也很好奇，是不是从实证角度看，几乎所有女生都那么看重身高？其他一些因素也是。

虽然袁凡（姐）吐槽了一下，但我觉得这也是一个厘清思路的建议，不断完善。我想起之前有人在论坛问怎么学R，列驰说要架空学好语言，出门就能和人吵架不现实，要边用边学。我觉得这种数据研究应该也可以这样理解，所以我还是很期待你做的这个分析😁。

[hongtaoh]

要啥要期待，已经做完了。。就是这个。你期待的是一个问卷吗？那不是我要做的。我只是把男性数据模拟出来，不是要去调查真实女性的择偶观。

[residualsun1]

喔喔，那我还是误解了，我以为是要根据数据和变量进一步做具体分析。

[hongtaoh]

并没有。本来也是觉得好玩才弄的。

[earfanfan]

@hongtaoh

我想到用另一种更简单的估算方法来得出你的结论。

首先假定一个基础条件，即最低学历为本科，和我一样1992年上半年出生，在2009年参加高考，这样我就可以根据真实数据估算出达到这个条件的比例。下面有两张图，第一张算是我国的升学路径图，中考会分流，高考是竞争。第二张就是我算的中考分流的比例，在2006年中考后升入普通高中的比例是0.4224。至于在2009年高考升上大学本科的比例嘛，我印象中那年的一分一段表大约是一本线取前10%，这里就粗暴取升入本科的比例是0.1算逑。

这样就会算出来，1992年出生的男性中读了大学的比例大概是0.4224*0.1。

接着，需要去掉已婚和离异有孩子的，去翻国家统计局第7次人工普查的数据，里面有“5-2a 各地区分年龄、性别的一人户（城市）”，可以看到全国25-29岁一人户男性是4390252，除以5得到878050，那么就假定2020年28岁男性居住在城市的一人户数量是878050，我记得1992年出生人口数量是两千多万，假定男性出生人口是一千万，那么城市男性一人户比例就是878050/10000000=0.0878。那么也粗暴地认为单身男性比例是0.0878吧。

总地来说，1992年出生的男性，在2020年单身且读过大学的比例是0.4224*0.1*0.0878=0.37%。在此基础上扩大年龄范围，印象中92年前后每年出生人口都是两千多万，粗暴操作就是年龄范围是几岁乘的倍数就是几。

[hongtaoh]

第一个图是你自己画的？

[earfanfan]

在此基础上扩大年龄范围，印象中92年前后每年出生人口都是两千多万，粗暴操作就是年龄范围是几岁乘的倍数就是几。

抱歉，这里是我没写清楚，我是以“我”为一个样本去计算，先选一个年份计算基础值，如果拓宽年龄范围，比如29-35，就只需要乘以6倍。

我没有什么「想要得到的结论」，我只是很好奇真实的情况是什么。如果有人用真实的数据证明我的结论不靠谱，我很乐意接受。

抱歉抱歉，是我误解你了。

第一个图是我自己画的，R 里面封装了 viz.js 和 mermaid.js ，可以使用 DiagrammeR 绘制流程图。

真实的社会里应该还有“阶层”，假如“学历是一种阶层”，那么继续以我为样本去看待的话，其实我的同学里同事里符合读过大学的基本条件的比例极高。当然，社会上还存在许多不同的“阶层”的概念，而你的结论基础是把每个阶层的女性要择的偶都放到了全部阶层取平均，分母扩大了那比例自然降低。再说，比例低好像应该很正常才对，因为人口基数还是很大，一个人只需要择一个偶。

又及，我觉得你好习惯对我说抱歉啊，你最近对我说的三次抱歉，我都觉得不用感到抱歉。于是我也学你，对你说很多抱歉。

[hongtaoh]

哈哈，抱歉，我不应该说那么多抱歉的。

[earfanfan]

哇嗷，抱歉抱歉抱歉。我想向你提出一个奇怪的要求，当你下次、下下次、下下下次想要对我说抱歉时，先憋回去，想一下为撒要说抱歉呢（PS只是我好奇想知道），再然后就随你了。

我好像明白了，难道其实这就是传说中的“绅士风度”吗？哈哈，不过按照你前面写的观点，男人和女人只是互相物化，男人用金钱交换女人的身体，可是虽然刚好你是男人，我是女人，但我俩是不可能这样互相交换的，所以如果你克制一下你的风度，不要总是对我说抱歉，那我俩就会成为平等的朋友了。

[earfanfan]

我前面的推算实在太粗糙，刚才想去国家统计局网站查92年的出生人口性别比，在年度数据-人口-人口抽样调查样本数据的目录中找到了下面的数据。由于我们国家的特色是比较夸张的出生人口性别比，所以谈论宏观的人口问题时，需要考虑一下这个因素。

指标	0-4岁性别比(女=100)(人口抽样调查)
2022年	109.88
2021年	110.37
2020年
2019年	113.62
2018年	113.91
2017年	114.52
2016年	115.62
2015年	116.23
2014年	116.87
2013年	117.3
2012年	118.46
2011年	119.15
2010年
2009年	122.66
2008年	123.26
2007年	123.59
2006年	120.72
2005年	122.66
2004年	122.69
2003年	121.22