為什麼人口統計學家要給出每 100,000 人的比率？
以每年 100,000 人口的形式給出人口統計數據似乎很普遍。例如，自殺率、兇殺率、殘疾調整生命年，不勝枚舉。為什麼？
如果我們談論化學，百萬分之幾 (ppm) 很常見。為什麼計算人數的行為從根本上有所不同。100,000 這個數字在 SI 系統中沒有依據，據我所知，它根本沒有經驗依據，除了與百分比的微弱關係。每 100,000 人的計數可以解釋為毫百分比，m%。我想這可能會引起一些抱怨。
這是歷史文物嗎？或者有什麼理由來捍衛這個單位？
一項小型研究首先表明，人口統計學家（以及其他人，例如報告人口事件發生率的流行病學家）不會“普遍”使用 100,000 作為分母。事實上，谷歌搜索“demography 100000”或相關搜索似乎會找到與 100,000 一樣多的使用 1000 作為分母的文檔。一個例子是人口參考局的人口統計術語表，它一直使用 1000。
環顧早期流行病學家和人口統計學家的著作表明，早期的流行病學家（如約翰·格朗特和威廉·佩蒂，1662 年早期倫敦死亡率法案的撰稿人）甚至沒有標準化他們的統計數據：他們報告了特定行政單位內的原始計數（例如倫敦市）在給定的時間段內（例如一年或七年）。
開創性的流行病學家John Snow (1853) 製作了標準化為 100,000 的表格，但討論了每 10,000 人的比率。 這表明表中的分母是根據可用的有效數字的數量選擇的，並進行了調整以使所有條目都具有完整性。
這樣的約定在數學表中很常見，至少可以追溯到約翰納皮爾的對數書（c. 1600），它表示每 10,000,000 的值，以實現該範圍內的值的七位數精度. （十進製表示法顯然是最近才出現的，以至於他覺得有必要在書中解釋他的表示法！）因此人們會期望選擇典型的分母來反映報告數據的精度並避免使用小數。
John Tukey的經典文本 EDA (1977)提供了一個現代示例，該示例一致地使用 10 次方重新縮放以在數據集中實現可管理的整數值。他強調，數據分析師應該隨意重新縮放（更一般地，非線性地重新表達）數據，以使它們更適合分析和更易於管理。
因此，我懷疑這種推測，無論多麼自然和吸引人，100,000 的分母在歷史上起源於任何特定的人類規模，例如“中小型城市”（在 20 世紀之前，無論如何，這個城市的人口應該少於 10,000 人）少於 100,000）。