在人口的迁徙和流动中产生了大量的历史数据，如何准确高效的利用这些数据得出具有政策导向意义的研究结果尤为重要。有理论表明人口的变动在相邻或者相近的地域之间有较为明显的相关性，但在以往的研究中多是单纯从时间维度上考虑人口结构的变动预测未来的走势或是仅仅对人口的研究在空间统计的范畴内进行分析。本文综合考虑空间和时间的依赖性，针对两类时空数据：连续数据与格数据，分别借助空间残差模型和克里格地理统计模型两个研究方法进行研究。在理论方面，本文主要做了如下工作:对时空数据的类型介绍，时空数据建模的假设与前提，时空模型的形式，参数估计基本思想和极大似然的迭代方法，采用的似然比检验以及预测方法。同时也简要讨论了时空数据模型在实际中的应用；在应用层面借用以上的方法，通过R软件编程实现了整个计算过程。在实证部分中，先对数据进行描述性分析，初步了解其空间和时间维度的分布特点。同时做了统计解释并根据数据的一阶差分特征判定它是适用于空间残差模型的，接下来进行模型拟合和检验发现其空间和时间依赖系数都显著，为人口分布的空间依赖理论提供了数理方面的佐证，并对其进行实际意义的解释。而后对两种模型的拟合结果做出了预测精度和计算效率的对比和评价，发现针对此问题，时空克里格方法在预测精度上优于空间误差模型。以上研究内容为时空数据模型的分析提供数理方面的分析思路。本文在进行实证分析时采用的数据是瑞典的人口数据。因为其空间分辨率高，以教区为地理单位，比省市地区的数据精度要高，有助于在时空分析中得出准确的结论，并且在时间维度上具有完整性和分割一致性。而国内的人口数据主要通过人口普查得到的省市县的数据，在数据的可获得性和空间分辨率上有局限，并且在时空数据模型使用之前，需要对其进行空间化的处理，考虑到工作量和时间成本因素，因而本文直接选取了直接可用来分析的瑞典人口时空数据。但只要数据质量够高，或者数据空间化的预处理已经完成，在遇到时空数据模型问题时，本文的研究思路是值得借鉴和参考的。