| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

關於中國,一個傳播了半個世紀的謊言

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
世間流傳著許多似是而非的觀點,這些觀點初看起來很有道理,很能迷惑一些人;但仔細一推敲,就會發現這些觀點經不起事實的檢驗。“中國人口太多”就是一個流傳很廣的謬論,常常有人把中國的貧窮落後歸咎於“中國人口太多”,說什麼“現在中國有13億人口,如果中國人口減少一半,那麼人均國民收入就會增加一倍。”


果真如此,在1960年,中國的人口確實僅相當於現在的一半,為什麼那時反而餓死了那麼多人?在1900年,中國人口只有4億,是不是那時的中國人就生活得很好?下面我從幾個方面來分析一下“中國人口太多”這種觀點是否符合事實.

首先,從中國人口占世界的比例來看,早在西漢時期,中國就已經是第一人口大國了。十九世紀初,中國人口有4億,世界人口是12億,中國人口占世界的三分之一。到了二十世紀初,由於長期戰亂,中國人口仍然是4億左右,而世界人口增長到16億,中國人口占世界的四分之一。


現在中國人口為13億,而世界人口已達65億,中國人口只占世界的五分之一。如果拿中國印度作對比,則中國人口的相對量減少得更快。據人口專家預測,如果按目前中印兩國的人口增長率繼續下去,不用10年,印度人口將超過中國

其次,看一個國家或地區的人口是不是太多,不能單從人口總數來看,還要看人口密度。例如,X疆的人口總數雖然比上海還要多,但由於X疆的面積比上海大得多,所以很多人都說上海的人口太多了,而沒有人說X疆的人口太多了。

從人口密度來看,中國為135人/平方公裡,韓國為470人/平方公裡,日本為335人/平方公裡,德國為235人/平方公裡,英國為245人/平方公裡,可見,韓國日本德國英國等發達國家的人口密度都比中國大,為什麼很少有人說“韓國日本德國英國的人口太多了”?




有人說:“中國西部有很多不適合人居住的地方。”然而,日本也有很多火山和地震,而且平原極少。現在假定日本韓國的全部國土都適宜人居住,中國只有一半國土適宜人居住,即使這樣算,日本韓國的人口密度還是高於中國

第三,所謂“中國人口太多”這個問題,不能脫離具體的歷史條件來看。比方說,現在中國有13億人,許多人都說“中國人口太多”。如果中國人口現在只有6億,相信沒有多少人會說“中國人口太多”了。但在1900年,中國人口只有4億,當時還是有很多人說“中國人口太多”。


事實上,所謂人口是“太多”還是“不多”,主要取決於經濟發展水平。恰恰是那些經濟發展緩慢、無法提供充分就業機會的國家覺得人口壓力大。而那些經濟發展迅速,能夠提供充分就業機會,並順利實現人口城市化的國家和地區,即使初始的人口密度非常高,人均資源擁有非常少,反而在經濟發展到一定程度時,感覺勞動力缺乏,八九十時代的亞洲四小龍就是例子。

有人說:“人口越少就越有利於經濟的發展。”事實上,許多人口密度高的國家或地區人均收入很高,而很多窮國卻人煙稀少。例如,日本和亞洲四小龍是世界上人口密度最高的地區之一,同時又是經濟發達的地區;相比之下,非洲面積3020萬平方公裡,相當於中國的三倍,人口僅有7.5億,非洲的人口密度遠低於日本和亞洲四小龍,自然資源又極為豐富,然而非洲卻是世界上經濟最落後的地區!

實際上,一個國家是否富裕,與這個國家的面積大小或人口多少並沒有必然的聯系。從各國人均GDP排名可以看出:排在前面的既有地廣人稀的國家,也有地狹人稠的國家。

有人說:“每年春運期間,中國的火車站總是人山人海,火車上人擠人,人疊人,可見中國的人口是太多了。”然而,為什麼你不認為這是由於中國的鐵路和火車太少,反而認為是中國的人口太多?中國人均擁有鐵路才5.5厘米,不及一支過濾嘴香煙長,在世界上排在100位之後。
您的點贊是對我們的鼓勵     還沒人說話啊,我想來說幾句
上一頁12下一頁
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0414 秒 and 11 DB Queries in 0.0078 秒