从2000年起,中国正式步入老龄化国家的行列,人口老龄化进程的加快、老龄人口的健康问题及其社会经济影响引起了政府和社会的日益关注。探究影响我国高龄人口健康因素,提高老年人口的生活质量,是当今社会迫在眉睫的大事。本学位论文借助统计学中常见的回归模型—logistic回归模型、混合效应模型研究影响高龄人群认知能力、日常活动能力、自评身体健康的因素。同时,借助机器学习中一个常见算法—随机森林(Random Forest,RF)进一步验证影响高龄人口认知能力、日常活动能力以及自评身体健康的重要性指标。论文首先对原始数据进行了清洗,将其中的离群点删除,缺失值补齐,无效特征舍去。然后,结合logistic回归、混合效应模型和随机森林算法重新选取特征变量。实证阶段,基于北京大学及中国老龄科学研究中心主持的“中国高龄老人健康长寿影响因素研究(CLHLS)项目”2008年、2011年及2014年三期的纵向追踪数据,建立了logistic回归模型、混合效应模型和随机森林模型。实证结果表明:对比分析几种模型、方法的统计结果,发现性别、年龄、出生地、婚姻状况、家庭结构、饮食习惯、生活习惯、社区服务和社会保障对高龄老人健康的各方面具有影响;并且在同样条件下,男性高龄人口的认知能力与自评身体健康状态均优于女性高龄人口;另外,丧偶或独居的老人较已婚且同居或与家人同居的老人而言,身体健康状态较差;较好的饮食习惯、乐观的情绪、较好的社区服务都是影响高龄人口健康与日常活动能力的重要因素。