企业官网建设流程全解析

简介：《Leslie人口增长模型》是一份面向数学建模学习者与人口统计研究入门者的单文件文档，围绕中国人口总量及结构中长期预测展开。内容以Logistic阻滞增长模型和按年龄分布的Leslie矩阵模型为主线，结合全国人口数据完成参数拟合、趋势预测与残差比较，并延伸到老龄化、人口抚养比、劳动年龄人口及育龄妇女人数等指标分析，配有MATLAB建模与计算思路。资源包共1个doc文件，大小约988KB，篇幅紧凑，适合直接查阅模型假设、公式构建、预测结果与优缺点评价。目前已有5155人学习，可作为人口预测类赛题、课程论文或建模复现的参考材料，帮助读者快速理解两类模型的适用条件、数据组织方式和结果解释路径。

1. 从一条 S 形曲线到一张矩阵：人口预测为什么要分两层来做

把全国人口逐年画成一条曲线，再拿 Logistic 方程去套，可决系数能拟合到 0.9987——单看数字几乎无懈可击。但只要追加一句"2035 年 60 岁以上的人占多少"，这条曲线立刻哑火：它只知道总量有上界、有拐点，却不知道人口里的年龄构成。人口增长预测真正的难点从来不在总量，而在总量底下的结构，Leslie 人口模型要解决的就是这件事——把一个标量状态换成 91 维向量，把一次函数拟合换成一串矩阵乘法。这份资源同时放了 Logistic 和 Leslie 两个模型，不是凑数：一个负责给出上界和拐点，一个负责把上界拆成人。

2. Logistic 模型：为什么"越接近上限长得越慢"能写成一条可解的方程

2.1 从指数增长到阻滞项：增长率怎么变成 x 的减函数

指数增长模型的假设极其简单：每个人口个体以固定速率繁殖，于是有 dx/dt = r·x，解出来是 x = x0·e^{rt}。这个式子的问题不在于错，而在于它对长期没有任何约束——只要 r 是正的，人口就会一路指数上扬，与资源有限这个基本事实冲突。要修补它，最自然的落点是把常数增长率 r 换成一个随人口数量下降的函数 r(x)。

最省事的假定是让 r(x) 线性递减：r(x) = r − s·x。再利用边界条件"人口达到环境容纳量 xm 时不再增长"，即 r(xm) = 0，可以反解出 s = r/xm，于是 r(x) = r(1 − x/xm)。代回方程就得到阻滞增长模型：

dx/dt = r · x · (1 − x/xm)

这个式子的机制含义值得说清楚：x 代表"当前人口规模带来的增长动力"，(1 − x/xm) 代表"剩余可用资源比例"，两者相乘才是实际增速。人口越多，动力越大，但每个个体能分到的资源越少，两个效应互相拉扯，最终在 x = xm/2 处达到增速峰值——这个点就是 Logistic 曲线的拐点，也是"增长最快的那一年"。

常见的实现思路里，阻滞项未必非要取线性。(1 − x/xm) 换成 ln(xm/x) 就是 Gompertz 模型，换成 (1 − (x/xm)^θ) 就是广义 Logistic。选线性形式的现实原因只有一个：它能解析求解。对写论文和做参数估计的人来说，这个理由足够压倒其他考量。

2.2 解析解与三个起点：同一套公式为什么拟合出三条不同的曲线

分离变量后积分，可以得到 Logistic 方程的闭式解：

x(t) = xm / (1 + (xm/x0 − 1) · e^(−r·t))

三个参数各司其职：x0 是初始时刻的人口数，r 是内禀增长率，xm 是环境容纳量。这份资源最有价值的一处设计，是把同一套公式在三个不同起点上各跑了一遍——1954 年、1963 年、1980 年，终点统一取 2005 年，然后比较三条曲线的预测结果。

同一个公式、同一批终点数据，为什么结果差那么多？因为最小二乘的前提是残差独立同分布、近似服从正态。1954 到 2005 这五十一年里，数据并不是由同一个生成机制产生的：五十年代末到六十年代初有一段明显的下凹区间，随后一年处于这种影响的滞后期，人口增长的随机误差明显偏离正态；而 1980 年之后，影响人口的主要外部变量趋于稳定，误差结构相对干净。把断裂的两段塞进同一个 x0 和 r 里，等于强迫一条光滑曲线去穿过两个不同的机制，残差自然既不对称也不正态。

三组拟合的残差绝对值之和分别是 57.9992、27.8046、10.1699，数量级差了一个量级。这个指标比可决系数更能说明问题：可决系数只看总平方和的解释比例，对系统性偏差不敏感；残差绝对值之和直接暴露拟合曲线偏离观测点的累计距离。1980 年起点那组最终拿到 0.9987 的可决系数，本质上不是模型变好了，而是喂进去的数据终于满足模型的前提了。

2.3 参数估计：nlinfit 的初值为什么不能随便给

非线性最小二乘是迭代算法，初值决定它落在哪个局部极小。Logistic 的解析解里 r 藏在指数上，xm 又同时出现在分子和分母，目标函数对这两个参数的等高线是狭长的香蕉形——沿着长轴方向走一步几乎不改变残差，沿着短轴方向走一步残差暴涨，梯度类算法很容易在平缓方向上原地打转。常见的做法是先用两个时刻的观测值联立解析解，解出一组粗糙的 (xm, r) 当作初值，再交给迭代去精修。

t = 0:25; % 1980 年记为 t=0 x = [98.705 100.10 101.654 103.008 104.357 105.851 107.50 ... 109.30 111.026 112.704 114.333 115.823 117.171 118.517 ... 119.850 121.121 122.389 123.626 124.761 125.786 126.743 ... 127.627 128.453 129.227 129.988 130.756]; % 单位：千万 % 取 t=5（1985 年）与 t=20（2000 年）两点代入解析解，先解出 (xm, r) [c, d] = solve('c/(1+(c/98.705-1)*exp(-5*d))=105.851', ... 'c/(1+(c/98.705-1)*exp(-20*d))=126.743', 'c', 'd'); b0 = [double(c), double(d)]; % 迭代初值 fun = inline('b(1)./(1+(b(1)/98.705-1).*exp(-b(2).*t))', 'b', 't'); [b1, r1] = nlinfit(t, x, fun, b0); % r1 为残差向量 y = b1(1)./(1+(b1(1)/98.705-1).*exp(-b1(2).*t)); R2 = 1 - sum(r1.^2) / sum((x-mean(x)).^2); % 可决系数，标量 W = sum(abs(r1)); % 残差绝对值之和

这里有两个容易忽略的细节。一是 x0 用 1980 年的实测值 98.705 固定住，不参与拟合——如果连 x0 一起放开，三条曲线的比较就失去了共同基准，拟合出来的差异有一部分会来自初值估计误差而不是数据本身。二是 b1(1) 的单位是千万人，b1(2) 的单位是每年，两者的量级差了三个数量级，这也是为什么要给初值而不能默认从 [1, 1] 起步。

参数估计完成后的外推只需要把 t 换成目标年份。预测 2010 年就是 t = 30，2033 年就是 t = 53。这一步没有任何技巧，误差全部来自前面那一步拟合区间怎么选。

2.4 三条曲线的分歧：外推模型真正在赌什么

把三条曲线在 2000 到 2048 年之间摊开看，分歧惊人。1954 年起点那条最激进，2024 年就冲到 151.9662 千万，2048 年仍是 166.7683 千万且毫无见顶迹象；1963 年起点那条最保守，2048 年才 148.558 千万；1980 年起点那条居中，2033 年 147.0172 千万，之后缓慢抬升。

造成分歧的不是算法精度，而是起点位置对参数估计的杠杆效应。起点越早，x0 越小，为了拟合到同一个 2005 年终点，模型必须分配一个更大的 r 和一个更大的 xm，于是曲线在观测区间之后继续保持高增速；起点越晚，x0 越接近终点，模型"看到"的增长段越短，外推就越克制。这是一条关于外推的血泪经验：拟合区间决定了外推方向，而不是数据本身决定了真相。选 1954 年当起点，模型学到的其实是"从很低基数起飞的早期增长模式"，拿它去预测已经进入低生育阶段的人口，等于用旧地图找新大陆。

3. Leslie 矩阵：把"人"拆成年龄组后，增长就变成了矩阵乘法

3.1 状态向量：为什么只跟踪女性

Leslie 模型的第一步是离散化：把年龄切成等宽的组，把时间也切成同样的步长。取 1 岁一组、1 年一步，状态向量就是 n(t) = [n₀(t), n₁(t), …, n₉₀(t)]ᵀ，其中 nᵢ(t) 是 t 时刻第 i 年龄组的女性人数。90 岁及以上全部并入最后一组。

只跟踪女性不是偷懒，是因为生育这件事的生物学约束只落在女性一侧。男性人数对出生数的全部贡献，都可以折算进"每个女性平均生育女儿数"这个系数里被吸收掉。这样做的好处是状态维度直接砍半，而且不损失对总量的可推算性——只要保留分年龄的性别比，随时能从女性分布还原出总人口。

配套的两个参数是：fᵢ 表示第 i 年龄组每个女性在一年内平均生育的女儿数（注意是女儿，不是孩子，性别比在这里已经被消化掉了）；sᵢ 表示第 i 年龄组女性活到下一年的比例，也就是存活率，等于 1 减去该年龄组的死亡率。生育率只在 15 到 49 岁之间非零，其余年龄组一律为零。

3.2 矩阵结构：第一行是生育，次对角线是存活

写出递推关系，矩阵的形状就是被逼出来的：

n₀(t+1) = Σᵢ fᵢ · nᵢ(t) （下一年的 0 岁，来自今年所有年龄的生育） nᵢ₊₁(t+1) = sᵢ · nᵢ(t) （下一年的 i+1 岁，来自今年 i 岁活下来的人）

第一行是生育，因为它是一个求和关系——明年出生的所有女婴，是今年 0 到 90 岁女性各自生育量的累加，累加对应矩阵乘法里的行向量点积。次对角线是存活，因为它是一对一映射——明年 i+1 岁的人只可能来自今年 i 岁且活下来的那一批，一对一映射在矩阵里就是一条斜线。矩阵的形状不是数学家规定的，是生命事件的拓扑结构决定的。

┌ f₀ f₁ f₂ … f₈₉ f₉₀ ┐ │ s₀ 0 0 … 0 0 │ L = │ 0 s₁ 0 … 0 0 │ │ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ │ └ 0 0 0 … s₈₉ 0 ┘

91 乘 91 的方阵，每一列最多两个非零元，其余全是零。这个稀疏结构在数值计算上是好事，但在建模上是约束：它意味着年龄只能单向流动，不能跳级、不能回流、不能跨组迁移。任何想把"提前入学""延迟退休"这类政策建模进去的尝试，都得先想办法在矩阵外面处理，而不是往矩阵里硬塞。

3.3 长期行为：Perron-Frobenius 与稳定年龄结构

L 是非负矩阵，而且只要存在一组相邻的育龄年龄组都能生育，它就是本原的。本原非负矩阵有唯一的实正特征值 λ₁，其模严格大于其他所有特征值。把初始向量按特征向量展开，n(t) = Lᵗ·n(0) 在 t 足够大之后会收敛到：

n(t) ≈ c · λ₁ᵗ · v₁

λ₁ 就是长期年均增长因子：大于 1 长期增长，小于 1 长期衰减，等于 1 稳定；v₁ 是稳定年龄结构，各年龄组的相对比例不再随时间变化。这个结论解释了为什么不需要逐年模拟也能判断长期方向——只要看 λ₁ 和 1 的大小关系。

但更值得记住的是它的另一半：收敛需要时间。49 年的预测窗口里，年龄结构还在向 v₁ 靠拢的过程中，短中期结果强烈依赖初始分布 n(0)，只有长期才由 λ₁ 主导。这份资源里用 2001 年抽样数据构造的初始向量，直接决定了 2023 年那个峰值出现在哪一年——初始分布差一点，峰值就挪几年，而 λ₁ 对此毫不知情。

3.4 递推实现与边界处理

ages = 0:90; m = numel(ages); L = zeros(m); L(1,:) = b; % 第一行：各年龄组平均生育女儿数 for i = 1:m-1 L(i+1,i) = s(i); % 次对角线：从 i 岁活到 i+1 岁的比例 end L(m,m) = s(m-1); % 90 岁组是开区间：只接收 89 岁存活者，不再生育 N = zeros(m, 50); N(:,1) = n2001(:); % 2001 年女性分年龄人数 for t = 1:49 N(:,t+1) = L * N(:,t); % 递推 49 步，覆盖到 2050 年 end % 由女性分布还原总人口：按分年龄女性占总人口比例逐项除回去 total = zeros(50,1); for t = 1:50 total(t) = sum(N(:,t) ./ ratio_f(:,t)); end

b 是长度为 91 的生育率向量，s 是长度为 90 的存活率向量，n2001 是 91 维的女性年龄分布，ratio_f 是分年龄女性占总人口的比例矩阵。循环里那一行 L*N(:,t) 就是全部的计算量，49 次矩阵向量乘法，在任何一台机器上都是毫秒级。

边界那一行值得单独说：L(m,m) 写的是 s(m-1) 而不是 s(m)。因为 90 岁组是开区间，它既接收 89 岁活下来的人，也把 90 岁以上的人全部并了进来，所以传递给它的是 89 岁的存活率，而它自己不再往下一组传，也不需要自己的存活率。这个位置写错，会直接改变最高龄组的人数，进而影响 65 岁以上人口占比和抚养比——误差不大，但会出现在结论里。

4. 从抽样表到矩阵元素：Leslie 矩阵的每一项是怎么被算出来的

4.1 市镇乡分层：把抽样样本还原成全国分布

原始数据是一份抽样调查表：城市男 147907、城市女 147465；镇男 80279、镇女 77976；乡男 394690、乡女 372242。三层合计 1,220,559 人。

第一步是算三层的抽样权重：城市 (147907+147465)/1220559 ≈ 0.2420，镇 ≈ 0.1297，乡 ≈ 0.6283。用 2001 年全国总人口 12.7627 亿乘这三个权重，得到市、镇、乡三个子总体的规模，再乘以各层分年龄女性占比，才能得到全国 91 维女性年龄分布。

为什么必须分层再合并，而不能先合成一个全国比例？因为市镇乡的生育率和死亡率差异很大，乡村的生育率明显高于城市，而 Leslie 矩阵对 fᵢ 的分布形状极其敏感——分布形状决定特征值 λ₁，λ₁ 决定长期增长率。先合并再平均，等于用人口加权的方式抹平了结构差异，等于人为地把生育率曲线削平，长期增长就会被低估。先分层算完再按女性人口加权合并，顺序不能反。

这里还有一个隐含假设：抽样在三层内部是自加权的。实际抽样设计往往不是这样，所以后面必须做一次总量对账。

4.2 女婴数与总和生育率：fᵢ 到底怎么落格

附件给出的生育率是含男含女的，而 fᵢ 要求的是"生育女儿数"。中间差一个折算系数：出生性别比（女=100）为 SRB 时，女婴占比是 100/(100+SRB)。

samp = [147907 147465; % 城市 男 女 80279 77976; % 镇 男 女 394690 372242]; % 乡 男 女 w = sum(samp,2) / sum(samp(:)); % 三层抽样人口权重 P = 12.7627e4 * w; % 折算成三层总人口（万人） for k = 1:3 nF(k,:) = P(k) * shareF{k}; % 层总人口 × 该层分年龄女性占比 end n2001 = sum(nF, 1)'; % 合成全国 91 维女性分布 % 女婴折算：含男女的生育率 × 女婴占比 for k = 1:3 b(k,:) = fert{k} .* (100 ./ (100 + srb(k))); end b_all = sum(b .* wF, 1); % 按三层女性人口权重加权合并 % 存活率合成 d_all = sum(d_rate .* wF, 1); s_all = 1 - d_all;

shareF 是各层分年龄女性占比，fert 是含男女的生育率，srb 是出生性别比，wF 是三层的女性人口权重，d_rate 是分年龄女性死亡率。

这里最容易踩的坑是折算顺序。女婴折算必须在每一层内部先做完，再合并——如果先把三层的生育率按人口加权平均成一个全国生育率，再乘全国平均出生性别比，就会引入偏差，因为城市的出生性别比和乡村不同，加权平均的次序不可交换。

算完之后还有一步：总和生育率 TFR = Σbᵢ，即把 15 到 49 岁所有年龄组的 fᵢ 加起来，表示一个妇女按当年各年龄组生育率过完育龄期平均会生几个女儿。这份资源里算出来的 TFR 明显偏低，于是整体缩放了一个系数 k = 1.8 / TFR_calc 去修正。偏低的常见原因是抽样对出生漏报敏感，尤其是乡村部分，出生登记和抽样覆盖之间有落差。整体缩放的代价是所有年龄组的生育率被同比例放大，年龄分布形状不变——这个代价在预测结构指标时会显现出来。

4.3 存活率合成与 90 岁截断假设

死亡率同样要分层加权，但权重必须用女性人口权重，不是总人口权重，因为状态向量只跟踪女性。合成公式是 dᵢ = Σₖ wₖ · dᵢ⁽ᵏ⁾，再取 sᵢ = 1 − dᵢ。

90 岁截断假设是：所有超过 90 岁的妇女都按 90 岁计算。在 2001 年这个假设的影响可以忽略——90 岁以上女性在总人口里的占比不到千分之一。但这是一个随时间放大的误差源：高龄组是增长最快的年龄组，到 2050 年，如果仍然用固定截断，会系统性低估 90 岁以上人口，进而低估老龄化程度和抚养比。这是一个可以明说的模型局限，而不是需要掩盖的缺陷。

5. 避坑与排查：人口模型最容易翻车的五个地方

5.1 起点年份随手选，参数全跟着错

现象：拿全部可得年份的数据一起拟合，可决系数看着还行，但预测值系统性偏高，残差绝对值之和五十多。

原因：拟合区间跨越了两个生成机制不同的阶段。最小二乘假设残差独立同分布且近似正态，而这个假设在跨越结构断裂的数据上不成立，拟合出来的是两条曲线的某种折中，既不像前一段也不像后一段。

解决：先画残差散点图再定拟合区间。残差在时间轴上出现连续同号段，就说明存在未建模的系统性因素。把数据按外部条件分段，各段单独拟合，然后比较残差绝对值之和，而不是只比可决系数。

5.2 把"更替水平"和"总和生育率"当成同一个数

现象：按抽样数据算出的 TFR 是 1.42，外部口径给的是 1.8，直接把 1.8 塞进矩阵，预测出来的峰值年份比参照报告提前了十年。

原因：更替水平是"净再生产率等于 1"对应的那个 TFR，要除以女性活到育龄期的概率，通常在 2.05 到 2.1 之间；1.8 是总和生育率口径，表示平均每个妇女一生生育的孩子数。两个数物理含义不同，拿 1.8 当更替水平去反推，等于系统性低估了生育强度，人口自然见顶更早。

解决：先统一口径，明确手里的数是 TFR 还是 NRR。如果是 TFR，直接按年龄组缩放生育率曲线；如果是 NRR，要先除以存活概率再进矩阵。这一步没对齐，后面所有结论都要打问号。

5.3 年龄组距和时间步长不一致

现象：把 5 岁一组的数据塞进 1 年步长的递推里，人口曲线出现阶梯状跳变，相邻年份之间人数不连续。

原因：Leslie 递推的合法性建立在"时间步长等于年龄组距"之上。5 岁一组配 1 年步长，sᵢ 就变成了"5 年存活率"却按 1 年在用，5 年才该发生一次的代际更替被压缩进了 1 年。

解决：要么统一成 1 岁 1 年，要么把 sᵢ 换成真实的 5 年存活率、把递推改成 L 的 5 次幂形式。两种都行，混着用不行。

5.4 可决系数算成了向量

现象：R = 1 − R1/R2 跑出来不是一个数，而是一整列数，还得用 max 或 mean 去凑一个结果。

原因：r1 和 (x−mean(x)) 都是向量，逐元素相除得到的是向量；而且 MATLAB 里/是矩阵右除，不是标量除法，在向量上下文里语义完全不同。

解决：老老实实按定义写 R = 1 − sum(r1.^2)/sum((x−mean(x)).^2)，两个 sum 一圈，结果就是标量。这个坑之所以常见，是因为它不报错，只是悄悄给出一个错数。

5.5 总人口性别比当出生性别比用

现象：用抽样表里的男女人数反算出三层的比值 100.3、103.0、106.0，直接当作出生性别比去折算女婴率，城市的女婴占比偏高。

原因：总人口性别比是存量指标，累积了几十年男女存活差异；出生性别比是流量指标，只反映当年出生婴儿的性别构成。两者数值可能接近，但含义完全不同，混用会在城市层引入明显偏差。

解决：只从原始数据里取"出生人口性别比"字段。如果确实只能拿到存量比，必须明确标注这是近似，并对折算系数做敏感性测试，看结论对它有几分依赖。

6. 灵敏度与设计取舍：一个模型给出的"确定答案"值多少钱

6.1 k 值扫描：生育率挪一格，老龄化挪一档

把总和生育率分别设为 1.6、1.8、2.0、2.2 重跑 Leslie 递推，会看到一组很有意思的分化：

生育率是唯一一个同时控制总量和结构的旋钮，但它对两者的作用时差完全不同：总量几年内就见分晓，老龄化要二十年后才看得出来。这就是为什么只盯总量控制的思路会埋雷——政策效果在总量曲线上立刻兑现，代价却要在结构曲线上延迟二十年才浮现，等到看见的时候已经改不动了。

6.2 把矩阵改成可控形式

想让矩阵本身带上政策变量，可以把生育率拆成两部分：bᵢ = β · hᵢ，其中 Σhᵢ = 1，hᵢ 是生育模式（由结婚年龄和两胎间隔决定），β 是平均生育胎数。这样 Leslie 矩阵就变成了 L(β) = L_base + β·h·e₁ᵀ，β 成为一个显式的控制变量，可以直接扫描出"要维持总量不降，β 至少要多大"这类问题的答案。代价是 hᵢ 被假定为不随 β 变化，而现实中生育胎数变化往往伴随生育年龄的整体推迟，这个假设会低估政策响应的时间滞后。

6.3 两个模型的分工：分叉点之后都是情景

把两套模型的结论放在同一张时间轴上看，会发现一个刺眼的分叉：Leslie 说 2023 年前后见顶，峰值 14.985 亿；1980 起点的 Logistic 说 2033 年才 14.70 亿且还在涨。差了十年。这十年差的不是精度，是假设——Logistic 假设增长率只依赖总量，Leslie 假设增长率依赖年龄分布。前者在结构剧变期必然失真，后者对初始分布和生育率修正高度敏感。

我验证这类模型的办法很土：把所有曲线的分叉点标出来，分叉点之前，两套假设的结论互相印证，可以采信；分叉点之后，所有数字只当情景，不当预测。更进一步，可以拿同一批数据分别跑 1954、1963、1980 三个起点的 Logistic，如果三条曲线在某个年份之后开始分道扬镳，那个年份就是模型开始编故事的地方。

从那以后我每次做任何外推——不管是人口、

本文还有配套的精品资源，点击获取