企业官网建设流程全解析

简介：围绕中国人口增长预测这一数学建模问题，这份文档提供了一套较完整的分析与建模方案，适合数学建模参赛者、人口与统计方向学习者，以及使用MATLAB做预测实验的读者参考。内容以Logistic阻滞增长模型和按年龄分布的Leslie模型为主线，先比较不同起止年份数据对拟合效果的影响，再用Leslie矩阵预测总人口、劳动年龄人口与老年人口，并延伸到人口老龄化、抚养比、育龄妇女人数等指标，最后对两个模型做残差分析、优缺点评价与推广讨论。压缩包仅含1个doc文件，大小约988KB，篇幅集中、结构清晰，便于直接查阅建模假设、符号说明、公式推导与预测结论。已有5156人学习，可作为课程论文、竞赛复盘或人口预测入门案例，帮助读者理解如何把MATLAB计算与人口结构分析结合起来。

1. 一条 0.9987 的曲线预测不了老龄化：Leslie 模型到底补上了哪一维

先给一个反直觉的结论：用 1980—2005 年总人口数据拟合出来的 Logistic 曲线，可决系数 0.9987，残差几乎贴着零轴走，但它对“老龄化”这三个字一个字都说不出来。原因很简单，Logistic 把一国人压成了一个标量 N(t)，所有年龄被平均掉了。Leslie 人口增长模型真正解决的问题不是把总数预测得更准，而是把“年龄”抬升为状态向量的一维，让生育率、存活率、性别比在同一个矩阵乘法里闭合。搞懂它，你才能解释为什么同一批数据能算出 2023 年达峰、为什么总和生育率要从 1.42 硬拉到 1.8、为什么峰值年份会比官方预测提前十年。这几个问题，恰恰是这类模型最容易被当成黑匣子的地方。

2. Logistic 阻滞：增长率为什么会自己踩刹车

2.1 从指数增长到 r(N)=r(1−N/K)：一条线性假设如何决定 S 型

指数增长模型只有一个假设：增长率恒定，dN/dt = rN，解出来是 N = N₀e^{rt}。它在短期能蒙对，长期一定翻车，因为 r 恒等意味着资源无限。阻滞增长模型改的就是这一条：把 r 从常数变成 N 的函数，且必须是减函数——人越多，人均资源越少，增长率越低。

最简单的假定是线性：r(N) = r − sN。再用一个边界条件把它钉死：当 N 达到资源与环境能容纳的上限 K 时，增长率归零，即 r(K) = 0，代入得 s = r/K，于是

r(N) = r(1 − N/K)

把它代回 dN/dt = r(N)·N，得到 Logistic 方程 dN/dt = rN(1 − N/K)，分离变量求解后是

N(t) = K / (1 + (K/N₀ − 1)·e^{−rt})

这条曲线有三个可验证的特征：N 单调趋近 K；拐点在 N = K/2，此处增长率最大；t → ∞ 时 N → K。模型里所有的“人口学”都被压缩进了两个参数——K 和 r。这也是它的第一个软肋：K 不是一个能独立观测到的物理量，它只能从数据里反演出来，数据段一变，K 就变。

注意：这里的“线性阻滞”是一阶近似，不是自然定律。选线性的理由是可解析、参数少、可解释，而不是它更真。这一点决定了后面三段拟合会给出三个不同的 K。

整份推导里最值得琢磨的设计取舍在这儿：模型假设人口增长只受“总量拥挤”影响，完全不区分 0 岁和 80 岁。这在总量预测上够用，但一旦你要回答“劳动年龄人口什么时候见顶”“抚养比会不会翻倍”，这个模型在结构上就答不了，不是精度不够，是维度不够。

2.2 非线性最小二乘：nlinfit 怎么把 K 和 r 拧出来

Logistic 的解对参数是非线性的，没法用普通最小二乘的闭式解，只能用迭代。思路是把观测值 x_i 和模型值 f(t_i; K, r) 的差平方和作为目标函数，用 Gauss-Newton 或 Levenberg-Marquardt 一步步往下走。这类算法对初值极其敏感，初值给歪了要么不收敛，要么收敛到一个毫无意义的局部极小。

原文给初值的办法很土但有效：拿两个年份的数据点联立方程，先解出一组 (K, r) 当起点，再交给 nlinfit 精修。

t = 0:51; % 以 1954 年为初始年 t=0 x = [60.2 61.5 62.8 64.6 66.0 67.2 66.2 65.9 67.3 69.1 ... 70.4 72.5 74.5 76.3 78.5 80.7 83.0 85.2 87.1 89.2 ... 90.9 92.4 93.7 95.0 96.259 97.5 98.705 100.1 101.654 ... 103.008 104.357 105.851 107.5 109.3 111.026 112.704 ... 114.333 115.823 117.171 118.517 119.85 121.121 122.389 ... 123.626 124.761 125.786 126.743 127.627 128.453 129.227 ... 129.988 130.756]; % 单位：千万 % 用两个年份的点联立，先解一组粗糙初值 [c, d] = solve('c/(1+(c/60.2-1)*exp(-5*d))=67.2', ... 'c/(1+(c/60.2-1)*exp(-20*d))=90.9', 'c', 'd'); b0 = [241.9598, 0.02985]; % 迭代起点，避免从零猜 fun = inline('b(1)./(1+(b(1)/60.2-1).*exp(-b(2).*t))','b','t'); [b1, r1] = nlinfit(t, x, fun, b0); % r1 是残差向量 y = 180.9871 ./ (1 + (180.9871/60.2 - 1) .* exp(-0.0336 .* t)); plot(t, x, '*', t, y, '-or'); R = 1 - sum(r1.^2) / sum((x - mean(x)).^2); % 可决系数 W = sum(abs(r1)); % 残差绝对值之和

几个参数要看清。b(1)就是 K，拟合出 180.9871（千万），即 18.1 亿；b(2)是 r，0.0336，含义是人均增长率在人口接近零时的理论上限。r1是 52 个残差，R是可决系数，W是残差绝对值之和。nlinfit返回的b1和手写在y里的两个数应当一致，如果不一致，说明迭代没收敛到你以为的那个点——这是排查拟合问题时第一个该看的信号。

这里有个常被忽略的细节：可决系数 R = 1 − SSE/SST 的写法必须是两个求和之比，不能用逐元素相除再求和。时间序列拟合里 R² 天然偏高，因为趋势项主导了总离差，0.99 以上并不稀奇，它只能说明曲线抓住了趋势，说明不了残差是否服从正态、参数是否可解释。

2.3 三段起始年份对照：0.9987 是拟合出来的，还是选出来的

原文做了一件很关键的事：同一套 Logistic 形式，分别用 1954 年、1963 年、1980 年作为初始年份，各拟合一次，比较结果。

三个 K 从 181 千万掉到 151 千万，差了近 30 千万，相当于三个亿。为什么？因为最小二乘法有一个隐含前提：残差独立同分布、近似正态。1954—1962 年这一段既包含第一次出生高峰形成的“由缓到快”增长，又夹着一段数据本身的异常波动，残差在这段出现系统性偏离，正态假设不成立。早期数据在时间轴上杠杆最长，它把 K 往上拽，拽出一个偏大的饱和水平。

1963 年之后，增长基本按自然规律走；1980 年之后生育政策稳定，没有大的外部干扰，残差大致关于零轴对称，绝对值之和也最小。这就是“0.9987”的真正来源——不是模型更聪明，而是数据段更符合模型的前提假设。参数可信度是被数据口径决定的，不是被算法决定的。

三条曲线对同一批年份给出的预测差得很明显（单位：千万）：

1954 起始那条曲线一路飙到 166.7 千万，明显偏乐观；1963 起始偏保守；1980 起始居中，和专家预测最接近。原文据此采信 1980 段的结果：2010 年 13.55357 亿、2020 年 14.18440 亿、2033 年 14.70172 亿。这套“分段拟合 + 交叉比对”的做法，本质上是在用数据口径的稳定性替代统计检验，在没有更长可靠序列的情况下，这是少有的可行解。

3. Leslie 矩阵：把出生和死亡压缩成一次矩阵乘法

3.1 年龄离散化与状态向量：为什么只数女性

Logistic 的一个标量装不下年龄结构，Leslie 换了个载体：一个向量。把人口按年龄等间隔切成 m+1 组（原文按 1 岁一组，0 到 90 岁，90 岁以上合并），时间也离散成同样步长，于是“一年”就是一次向量更新。

设 n_i(t) 是第 t 年第 i 年龄组的人口数，组成列向量 n(t) = (n₀, n₁, …, n_m)ᵀ。原文只追踪女性，理由是出生数由育龄女性数量乘生育率决定，男性数量在模型假设下不构成对出生数的直接约束；性别比不消失，而是被折算进生育率里。这个处理让矩阵规模直接减半，代价是男性人口只能事后按比例反推，一旦出生性别比随时间漂移，反推就会有系统偏差。

模型还假设生育率和死亡率不随时间变化。这条假设是整个模型最脆的地方——它等价于说“今年 25 岁的人怎么生、怎么死，二十年后 25 岁的人也一模一样”。在十年尺度上勉强能接受，拉到五十年尺度就是明显的硬伤。原文在模型评价里也承认了这一点，改进方向是把死亡率做成时变的，后面会讲。

3.2 第一行生育率、次对角线存活率：矩阵结构就是人口学假设

Leslie 矩阵的结构本身就在陈述人口学。设 b_i 是第 i 年龄组每个女性平均生育女儿的人数，s_i 是第 i 年龄组的存活率（= 1 − 死亡率），则

⎡ b₀ b₁ b₂ … b_{m-1} b_m ⎤ ⎢ s₀ 0 0 … 0 0 ⎥ L = ⎢ 0 s₁ 0 … 0 0 ⎥ ⎢ 0 0 s₂ … 0 0 ⎥ ⎢ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⎥ ⎣ 0 0 0 … s_{m-1} 0 ⎦

第一行全是生育率，含义是“t 年各年龄组女性生出的女婴，全部进入 t+1 年的 0 岁组”——所以 0 岁组的人口是各行生育率的加权和，权重就是各年龄组女性人数。次对角线全是存活率，含义是“t 年 i 岁的人，活到 t+1 年就是 i+1 岁”，所以第 i+1 行第 i 列放 s_i。其余位置为 0，因为一个人不可能一年长两岁，也不可能往回长。

矩阵成为 Leslie 矩阵需要两个条件：b_i ≥ 0，且至少一个严格大于 0；s_i ∈ (0, 1]。前一条保证有出生，后一条保证死亡率不为 1（否则整列清零，那一代人直接断掉）。注意第一行最后一个元素 b_m 对应 90 岁组，现实中基本为 0，但它留在那里表示“末组仍在生育”的可能性，删掉也不影响结果。

这里有一个容易看漏的设计：矩阵里没有“死亡”这个动作，死亡是以“不进入下一行”的方式隐式表达的。s_i = 0.98 意味着 2% 的人凭空消失，不会出现在任何一行里。这使得 Leslie 模型天然是一个只增不减的入口结构——总人口的变化完全由出生数和各年龄存活率决定。

3.3 n(t+1)=L·n(t) 的迭代：长期增长率藏在主特征值里

有了矩阵，递推只剩一行：n(t+1) = L·n(t)，展开就是 n(t) = Lᵗ·n(0)。原文实现的核心循环非常短：

function [N, L] = leslie_forecast(f, s, n0, T) % f : 1×(m+1) 各年龄组女性平均生育女儿数（第一行） % s : 1×m 各年龄组女性存活率（次对角线） % n0 : (m+1)×1 初始年份分年龄女性人口 % T : 预测年数 m = numel(n0) - 1; L = zeros(m + 1, m + 1); L(1, :) = f; % 生育：0 岁组由各行生育率加权得到 L(2:end, 1:m) = diag(s); % 存活：i 岁到 i+1 岁 n = n0; N = zeros(1, T + 1); N(1) = sum(n); for t = 1:T n = L * n; % 一次乘法 = 一年的出生 + 存活 + 死亡 N(t+1) = sum(n); end end

L(1,:) = f决定了出生，L(2:end,1:m) = diag(s)把存活率放到次对角线上，其余为 0。循环里没有任何分支判断，因为所有的人口学规则都已经编码进矩阵结构了。sum(n)得到的是女性总数，要还原总人口还得乘性别比系数——原文的预测值 2010 年 14.2609 亿、2020 年 14.9513 亿、2023 年峰值 14.985 亿，都是这么还原出来的。

真正有意思的是 L 的谱性质。L 是一个非负矩阵，且结构上不可约（每一代人最终都能通过生育链条连回 0 岁组），满足 Perron-Frobenius 定理的适用条件，因此存在唯一一个正的主特征值 λ₁，对应一个正特征向量 v。长期来看 n(t) ≈ c·λ₁ᵗ·v，也就是说：

• λ₁ > 1，总人口长期指数增长，增长率为 λ₁ − 1；
• λ₁ < 1，总人口长期指数衰减；
• v 归一化之后，就是稳定年龄分布，不管初始人口长什么样，迭代足够多步之后形状都会收敛到 v。

这解释了 Leslie 模型一个反直觉的表现：即使总人口还在涨，老年人口占比也可能在快速上升。因为老龄化不是“总数问题”，是向量形状从 n(0) 向 v 收敛的过程，加上生育率低于更替水平后 λ₁ 被压到 1 以下，v 本身偏老。原文预测 2020 年 60 岁以上 2.907 亿、占比 19.443%，65 岁以上 2.0628 亿、占比 13.797%，到 40 年代中后期 60 岁以上达 4.45 亿、占比 33.277%，本质上是这套向量迭代的自然结果，而不是额外加的规则。

4. 从抽样表到矩阵元素：b 和 s 是怎么一项项算出来的

4.1 市、镇、乡三层抽样如何还原分年龄女性人口

Leslie 矩阵的两个关键输入——初始女性人口向量 n₀ 和生育率行 b——都不是现成的，得从抽样调查数据里一步步折算。原文用的是 2001 年的抽样表，按市、镇、乡三层分别给出男女样本量：

按这个样本合计约 122 万人算，市、镇、乡的样本占比分别约为 24.2%、13.0%、62.8%。用这个比例乘上 2001 年全国总人口 127.627 千万，就得到三层的总人口 P_市、P_镇、P_乡。再乘上各层分年龄女性的占比 q_{r,i}，就还原出全国第 i 岁女性人数：

n_i = Σ_{r∈{市,镇,乡}} P_r · q_{r,i}

这一步的关键在于“分层”不是可选项。市、镇、乡的年龄结构、生育率、死亡率差异都很大，如果直接把三层样本混在一起算平均占比，会得到一个谁都不像的中间结构，尤其是乡村生育率被城镇拉低，预测出的出生数会系统性偏少。原文分三层各建一套参数再相加，计算量大，但结构误差小得多。

4.2 女婴出生率的折算：性别比 103~107 是怎么进矩阵的

生育率 b_i 的定义不是“生多少个孩子”，而是“生多少个女儿”，这一步最容易算错。原文的流程是：先算第 i 年龄组育龄妇女按年龄别生育率生育的孩子总数（含男女），再乘女婴占比，最后除以该年龄组女性总数。

女婴占比由出生人口性别比换算。性别比的定义是“以女婴为 100 时对应的男婴数”，正常范围 103~107。若某层性别比为 SRB，则女婴占比为 100/(100 + SRB)。取 SRB = 106，女婴占比约 48.5%。

% 第 i 年龄组：从“生孩子”到“生女儿”再到“每个女性生几个女儿” births_i = n_f_i .* fert_i; % 含男女的出生数 share_girl = 100 ./ (100 + srb_i); % 女婴占比，srb_i 为实测性别比 b_i = births_i .* share_girl ./ n_f_i; % 每个女性平均生育女儿数 % 总和生育率：各年龄组生育率之和（含男女口径） TFR_raw = sum(fert_i);

这里有个细节值得说清楚。fert_i是年龄别生育率，口径包含男女；b_i是“女儿数”，口径只含女。两者差一个share_girl因子，差得不多（约 3%），但会一路累积到五十年后的总人口上。原文在数据描述里专门强调了“此处应该是包含男孩和女孩”，说明这一步在当时是容易混淆的地方。另一点：srb_i用的是分层的实测值，而不是统一取 106，因为市、镇、乡的出生性别比差异明显，统一取值会抹掉这个结构。

4.3 总和生育率从 1.42 修正到 1.8：一次显式的数据校准

整套建模里最有争议、也最能体现“工程判断”的一步在这里。把上面算出的各年龄组生育率直接求和，得到的总和生育率小于 1.8，原文说“误差很大”；进一步算出的人口更替率只有 1.42（五年均值），而当时中外专家给出的更替水平是 1.8。

差了 0.38，这不是随机误差，是系统偏差。抽样调查里高年龄、多孩的生育行为存在明显漏报，越是不合规的生育越不容易被统计到，于是生育率被系统性压低。如果直接用 1.42 建矩阵，λ₁ 会被压得很低，总人口会在远早于现实的年份开始下降。

原文的处理是显式修正：把生育率整体缩放到总和生育率等于 1.8 的水平，用这个校准后的 b 重建 Leslie 矩阵。修正后预测出的峰值年份比专家报告提前了约 10 年，原文把原因归结为两点：一是出生性别比中女性占比偏小，二是原始数据本身不够真实。

这一步的设计动机值得单独拎出来讲。用外部锚点覆盖数据算出来的值，在统计上是不“干净”的，但它换来了两样东西：一是可解释性，1.8 是有明确人口学含义的更替水平，读者能判断这个数靠不靠谱；二是可比性，不同年份、不同来源的模型可以用同一把尺子量。代价是预测结果的绝对水平被锚点决定了，如果 1.8 本身选错，整个五十年预测都会跟着偏。这也解释了原文为什么要同时保留“原始数据矩阵”和“1.8 矩阵”两套结果——不是二选一，是给读者一个区间。

5. 避坑与排查：人口预测最容易翻车的五处

5.1 起始年份选错，曲线会“假装”拟合得很好

现象：同一套 Logistic 形式，换一个起始年份，K 从 181 千万跳到 151 千万，2048 年的预测值差了 18 千万，但两条曲线的可决系数都在 0.99 以上。

原因：最小二乘的统计基础是残差独立同分布、近似正态。序列前段如果有出生高峰或数据异常，残差在那里出现系统性偏离，而早期数据在时间轴上杠杆最长，会把 K 往上拽。高 R² 只说明曲线抓住了趋势，不说明残差结构合格。

解决：按制度口径或数据口径分段拟合，画残差散点图，看残差是否关于零轴对称、绝对值之和是否收敛。原文三段对照里，1980 段的残差绝对值之和是 10.1699，1954 段是 57.9992，差了五倍多，这个差距比 R² 更能说明问题。

5.2 生育率没折算性别比，总和生育率系统性偏低

现象：算出来的总和生育率总比外部数据低一截，或者女婴数量比实际多出 3% 左右。

原因：年龄别生育率的口径含男女，直接当“女儿数”用会高估女婴出生；反过来，如果只算女婴却忘了除以该年龄组女性总数，b_i 的量纲就错了。

解决：严格分两步走——先算含男女的出生数，再乘 100/(100+SRB) 折算成女婴，最后除以该组女性人数。性别比用分层实测值，不要统一取 106。

5.3 90 岁截断与末组处理：存活率对角线的边界

现象：长期预测里总人口偏低，且时间越长偏得越多，但短期几年看不出来。

原因：矩阵最后一行只有一个 s_{m-1}，末组（90 岁以上）没有对应的存活率，迭代一次之后这批人全部消失。虽然 90 岁以上人口占比很小，但它是唯一一个“只出不进”的组，每年清零会持续累积。

解决：把末组当成开区间处理，给最后一列补一个接近 0 但不为 0 的存活率，或者把末组人口按固定比例并入 m−1 组。检查方法是单独追踪末组人数的时间序列，如果它每年归零，就是这里漏了。

5.4 峰值年份提前 10 年：数据口径不一致的锅

现象：Leslie 模型预测 2023 年达到峰值 14.985 亿，而官方报告说峰值在 2033 年前后，差了整整十年。

原因：不是矩阵算错了，是输入参数偏了。原始数据算出的更替率只有 1.42，远低于专家给出的 1.8；同时出生性别比中女性占比偏小，两者叠加把 λ₁ 压得更低，达峰自然提前。

解决：把生育率缩放校准到 1.8 重建矩阵，并跑一组 k = 1.6 / 1.8 / 2.0 / 2.2 的包络，看峰值年份和峰值高度的分布区间。单点预测没有意义，区间才有。

5.5 用可决系数判断 Leslie 模型好坏：指标用错了地方

现象：想给 Leslie 模型也算一个 R²，算出来要么很低，要么根本对不上。

原因：R² 衡量的是模型对历史序列的拟合优度，前提是参数通过最小二乘从历史数据反演。Leslie 是递推结构模型，b 和 s 是从生育率、死亡率直接算出来的，不是拟合出来的，没有“拟合值 vs 观测值”的对应关系。

解决：Leslie 的验证走另外三条路——回测（用早期数据建模型，预测已知年份，比误差）、结构检验（各年龄组人数是否单调、是否出现负值）、灵敏度分析（扫 k 看结果怎么变）。拿 R² 去评价它，属于用错尺子。

6. 灵敏度与取舍：k=1.8 不是答案，是一个平衡点

6.1 四组总和生育率下的分叉：负增长与膨胀之间

把总和生育率 k 设成 1.6、1.8、2.0、2.2 四档，其余参数固定，重跑 Leslie 模型，会看到两条曲线朝相反方向分叉。

k = 1.6 时，人口增长最慢，达峰后下降速度最快，出现明显的负增长；同时老龄化指数上升最陡，年龄结构迅速老化。k = 2.2 时，人口增长快、峰值高、达峰后下降平缓，老龄化被稀释，但总人口会持续膨胀，对资源环境形成压力。k = 1.8 附近，总人口曲线相对平稳，老龄化速度处于中间位置。

这张表说明的是一件很朴素的事：控制总人口和控制老龄化是两个方向相反的力，k 就是那个杠杆。只看总数会低估老龄化的代价，只看老龄化会放任总量膨胀。原文说“只有掌握好一个平衡点”，这句话在数学上就是 λ₁ 接近 1 且 v 的形状不过度偏老——两个条件同时满足的 k 区间很窄。

6.2 把常数矩阵改成 L(k)：生育模式 h_i 才是真正的控制变量

固定矩阵的 Leslie 模型有一个理论缺陷：b_i 不随时间变，意味着生育模式五十年不变。现实中结婚年龄、生育间隔、孩次结构都在变。改进方向是把生育率行拆成“水平 × 形状”：b_i = k · h_i，其中 h_i 是归一化的生育模式，Σh_i = 1，k 是平均生育胎数。

% 不直接改 b_i，而是改生育模式 h_i 和水平 k h = fert_shape / sum(fert_shape); % 归一化，Σh = 1 L = zeros(m + 1, m + 1); L(1, :) = k * h; % 只动 k，形状由 h 决定 L(2:end, 1:m) = diag(s);

这样 k 和政策直接挂钩——调整结婚年龄、拉开两胎间隔，改的是 h 的形状，不是简单地把 k 调小。形状变了，稳定年龄分布 v 跟着变，老龄化路径也就变了，这是固定矩阵做不到的。原文在模型改进里提的“引入控制变量、控制结婚年龄和生育间隔”，落到底就是这句话。

6.3 验证一个人口模型，我一般看哪几件事

回测排第一。拿 1990 年的数据建模型，预测 2000 年，和实际值比，误差在 2% 以内才算过关。回测比任何拟合指标都诚实，因为它用的是模型没见过的时间段。

第二看残差结构，不只看大小。残差如果全在零轴一侧，说明系统性偏差；如果在零轴上下对称分布，才说明模型形式没选错。原文三段拟合的残差图，价值就在这里。

第三看参数敏感性。k 上下浮动 0.2，峰值年份和峰值高度各变多少？如果变动幅度超过你愿意接受的决策误差，这个模型就不该拿来定政策。

第四看独立来源。同一个指标，用完全不同的数据、不同的模型算出来，量级对不对得上。对不上不一定是自己错了，但一定要能解释为什么。

这几条我在早期做一个模拟项目时吃过亏：当时只看 R²，0.997，汇报时很自信，结果换一段数据重跑，K 直接掉了 15%，全场沉默。从那以后我每次碰人口类的递推模型，都强制走一遍回测加 k 扫描，哪怕结论看起来很明显。希望帮到你。

本文还有配套的精品资源，点击获取