簡(jiǎn)介一份面向數(shù)學(xué)建模競(jìng)賽參與者與人口統(tǒng)計(jì)研究者的中文技術(shù)文檔主題是中國(guó)人口增長(zhǎng)預(yù)測(cè)建模。文檔系統(tǒng)介紹了兩種經(jīng)典模型Logistic人口阻滯增長(zhǎng)模型與按年齡分布的Leslie模型并運(yùn)用MATLAB軟件進(jìn)行數(shù)據(jù)處理與模型求解。其中Logistic模型利用1954年至2005年多組總?cè)丝跀?shù)據(jù)對(duì)比擬合效果得出1980-2005年數(shù)據(jù)可決系數(shù)達(dá)0.9987并預(yù)測(cè)2010年、2020年、2033年總?cè)丝诜謩e約13.55億、14.18億、14.70億Leslie模型則按年齡結(jié)構(gòu)構(gòu)建矩陣預(yù)測(cè)出人口峰值約14.985億出現(xiàn)在2023年前后并分析了老齡化與人口撫養(yǎng)比趨勢(shì)。壓縮包內(nèi)僅含1個(gè)Word文檔大小988KB內(nèi)容包含問題重述、模型假設(shè)、符號(hào)說明、模型建立與求解、殘差分析與改進(jìn)建議等完整章節(jié)。目前已有5154人學(xué)習(xí)瀏覽既有理論推導(dǎo)又有數(shù)據(jù)演示適合作為建模論文寫作、課程設(shè)計(jì)或備賽研讀的參考。1. 人口預(yù)測(cè)模型的兩種實(shí)現(xiàn)從Logistic擬合到Leslie矩陣人口增長(zhǎng)預(yù)測(cè)是數(shù)學(xué)建模里繞不開的經(jīng)典題型也是很多量化分析課程的實(shí)戰(zhàn)項(xiàng)目。這套《Leslie人口增長(zhǎng)模型》同時(shí)覆蓋了Logistic人口阻滯增長(zhǎng)模型和按年齡分布的Leslie矩陣模型預(yù)測(cè)時(shí)間跨度從2001年到2050年輸出指標(biāo)包括總?cè)丝?、勞?dòng)年齡人口、老年人口占比、人口撫養(yǎng)比和育齡婦女人數(shù)。和網(wǎng)上那些只給一個(gè)公式的Demo不同這份資料里有完整的建模思路、數(shù)據(jù)表、可決系數(shù)、殘差分析和靈敏度分析適合正在備賽的學(xué)生也適合需要用MATLAB做時(shí)序預(yù)測(cè)的從業(yè)者。模型I用三組不同起始年份的數(shù)據(jù)擬合模型II從生育率修正到Leslie矩陣構(gòu)造全流程走通我能說清楚每一步在算什么、參數(shù)卡在哪、結(jié)果為什么和專家預(yù)測(cè)有偏差。2. 阻滯增長(zhǎng)模型的擬合套路三組數(shù)據(jù)對(duì)比與參數(shù)標(biāo)定2.1 Logistic方程的核心邏輯人口增長(zhǎng)不能永遠(yuǎn)按指數(shù)走自然資源和環(huán)境容量會(huì)給增長(zhǎng)率踩剎車。Logistic模型的做法是把人口增長(zhǎng)率寫成人口的減函數(shù)最常見的是線性遞減假設(shè)。設(shè)人口數(shù)量為x(t)最大容量為x_m方程可以寫成dx/dt r * x * (1 - x / x_m)這個(gè)方程的解是x(t) x_m / (1 (x_m / x_0 - 1) * exp(-r * t))這里x_0是初始年份的人口數(shù)r是內(nèi)稟增長(zhǎng)率x_m是環(huán)境容納量。關(guān)鍵在于這個(gè)模型只需要三個(gè)參數(shù)就能描述一條S形增長(zhǎng)曲線但參數(shù)對(duì)初始數(shù)據(jù)極其敏感。原題里先用了1954年到2005年的全量數(shù)據(jù)擬合可決系數(shù)雖然看著不錯(cuò)殘差絕對(duì)值之和卻高達(dá)57.9992而且殘差分布根本不服從正態(tài)分布——1959年到1961年那段特殊時(shí)期的數(shù)據(jù)把曲線帶偏了。我一般會(huì)把數(shù)據(jù)分段嘗試找出隨機(jī)誤差服從正態(tài)分布的那段區(qū)間擬合結(jié)果才可信。2.2 三組數(shù)據(jù)擬合的MATLAB實(shí)現(xiàn)用nlinfit做非線性最小二乘擬合關(guān)鍵是給好初始參數(shù)。原項(xiàng)目用solve解方程粗估了x_m和r的初值這一步很實(shí)用能避免nlinfit陷入局部最優(yōu)。% 令1980年為初始年份t0對(duì)應(yīng)1980年 t 0:25; % 1980年到2005年全國(guó)總?cè)丝跀?shù)據(jù)單位千萬 x [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]; % 用前兩個(gè)點(diǎn)粗估初值c是容納量x_m, d是增長(zhǎng)率r [c, d] solve(c/(1(c/98.705-1)*exp(-5*d))105.851, ... c/(1(c/98.705-1)*exp(-15*d))117.171, c, d); % 初值帶入nlinfit b0 [241.9598, 0.02985]; fun inline(b(1)./(1(b(1)/98.705-1).*exp(-b(2).*t)), b, t); [b1, r1, j1] nlinfit(t, x, fun, b0); % 用擬合參數(shù)寫預(yù)測(cè)方程 y b1(1) ./ (1 (b1(1)/98.705 - 1) .* exp(-b1(2) .* t)); % 可決系數(shù) R^2 R2 1 - sum(r1.^2) / sum((x - mean(x)).^2); fprintf(可決系數(shù) R^2 %.4f\n, R2); fprintf(殘差絕對(duì)值之和 %.4f\n, sum(abs(r1)));這段代碼的要點(diǎn)有兩處。一是初值b0的獲取方式先用solve代入兩個(gè)年份的人口數(shù)解出近似參數(shù)這是原項(xiàng)目里很聰明的做法直接拿全量數(shù)據(jù)跑nlinfit容易被初始值帶偏。二是可決系數(shù)R2的計(jì)算公式用殘差平方和除以總平方和數(shù)值越接近1說明擬合越好。用1980年到2005年數(shù)據(jù)擬合R2達(dá)到0.9987殘差絕對(duì)值之和只有10.1699明顯優(yōu)于前兩組。2.3 用擬合曲線做外推預(yù)測(cè)擬合完成之后預(yù)測(cè)未來某一年的人口就是純數(shù)學(xué)代入了。需要先把年份轉(zhuǎn)換成相對(duì)t值再代入擬合好的方程。% 預(yù)測(cè)2010年、2020年、2033年人口1980年為t0 t_predict [30, 40, 53]; % 對(duì)應(yīng)2010、2020、2033 x_predict b1(1) ./ (1 (b1(1)/98.705 - 1) .* exp(-b1(2) .* t_predict)); disp(預(yù)測(cè)結(jié)果單位千萬); disp(x_predict);算出來2010年13.55357億、2020年14.18440億、2033年14.70172億這和附件1里專家預(yù)測(cè)的13.6億、14.5億、峰值15億左右非常接近。這套結(jié)果直接拿去和官方數(shù)據(jù)做對(duì)比表就能在報(bào)告里形成論據(jù)閉環(huán)。2.4 三組擬合的殘差特征對(duì)比三組數(shù)據(jù)擬合后的表現(xiàn)差異很大。1954年起步的全量擬合殘差絕對(duì)值之和57.9992圖形上殘差不在零軸兩側(cè)對(duì)稱分布那段歷史波動(dòng)直接破壞了模型假設(shè)。1963年起步的擬合殘差絕對(duì)值之和27.8046分布接近對(duì)稱但1970年代的人口政策干預(yù)還是留下了一些痕跡。1980年起步的擬合最干凈殘差絕對(duì)值之和10.1699圖形基本關(guān)于坐標(biāo)軸對(duì)稱說明這段時(shí)間的隨機(jī)誤差確實(shí)服從正態(tài)分布。所以說Logistic擬合不是數(shù)據(jù)越多越好。我一般會(huì)觀察殘差的分布形態(tài)如果殘差絕對(duì)值之和特別大而且序列有明顯系統(tǒng)偏差就該換時(shí)間段重跑。3. Leslie矩陣的構(gòu)建按年齡分組的核心算法3.1 為什么需要按年齡分組Logistic模型的輸出只有一個(gè)總數(shù)看不出年齡結(jié)構(gòu)。但人口問題的關(guān)鍵恰恰在結(jié)構(gòu)20歲女性的一胎概率和40歲女性完全不同65歲以上老人的死亡率也遠(yuǎn)高于中年人。原題用2001年數(shù)據(jù)構(gòu)造Leslie矩陣把人口按1歲間隔分成年齡組把時(shí)間也按同樣單位離散化這樣就能遞歸預(yù)測(cè)未來任何一年的分年齡人口分布。核心遞推公式是x(k1) L * x(k)其中x(k)是年齡分布向量L是Leslie矩陣。L的第一行是各年齡組的生育率生女孩率次對(duì)角線是存活率其余位置是0。3.2 生育率計(jì)算與修正過程這是整個(gè)模型里最容易踩坑的環(huán)節(jié)。附件2給出的原始育齡婦女生育率算出來的總和生育率只有1.42和專家給出的更替水平1.8差了很遠(yuǎn)直接導(dǎo)致人口峰值預(yù)測(cè)年份提前了10年。原項(xiàng)目做了一個(gè)關(guān)鍵修正先按附件2算出各個(gè)年齡段的生育率結(jié)構(gòu)再用專家給出的1.8作為總和生育率目標(biāo)值把整體生育率放大修正。修正的邏輯是這樣的。先算城市、鎮(zhèn)、鄉(xiāng)分年齡段的生育率結(jié)合男女出生性別比把總生育數(shù)折算成女嬰數(shù)得到每個(gè)女性平均生育女兒數(shù)。然后算總和生育率發(fā)現(xiàn)偏低就把每個(gè)年齡段的生育率按比例調(diào)整讓總和生育率逼近1.8。這個(gè)修正思路在真實(shí)項(xiàng)目中非常常用——抽樣數(shù)據(jù)往往有偏差需要用權(quán)威目標(biāo)值校準(zhǔn)。3.3 Leslie矩陣構(gòu)造的MATLAB實(shí)現(xiàn)% 構(gòu)造Leslie矩陣 % 以2001年為初始年份一歲一組0到90歲共91組 n 91; L zeros(n, n); % 第一行填入各年齡段的生育率 b(i)已折算為女嬰出生率 % b數(shù)組為修正后的生育率15-49歲有值其他為0 L(1, :) b; % 次對(duì)角線填入存活率 s(i) 1 - d(i)d(i)為死亡率 for i 1:n-1 L(i1, i) s(i); end % 初始年齡分布向量2001年各年齡女性人口數(shù) x0 w; % w為91維列向量單位人 % 遞歸預(yù)測(cè)2002年到2050年 years 2002:2050; N length(years); X zeros(n, N); X(:, 1) L * x0; for k 2:N X(:, k) L * X(:, k-1); end % 總?cè)丝? 女性各年齡組加總 / 女性占比 total_population sum(X) ./ female_ratio;這套代碼的核心價(jià)值在于X矩陣每一列就是某一年完整的91維年齡分布可以隨時(shí)取任意年齡段做匯總——比如15到64歲是勞動(dòng)年齡人口65歲以上是老年人口。做人口撫養(yǎng)比、老齡化率等衍生指標(biāo)都從這個(gè)矩陣出發(fā)計(jì)算不需要重新跑模型。3.4 矩陣可逆性與長(zhǎng)期預(yù)測(cè)Leslie矩陣的特征值決定了長(zhǎng)期預(yù)測(cè)的收斂形態(tài)。主特征值大于1人口持續(xù)增長(zhǎng)等于1人口保持穩(wěn)定小于1人口走向衰減。在k1.8修正后的矩陣?yán)镏魈卣髦德孕∮?所以2023年達(dá)到峰值后總?cè)丝诰徛陆颠@個(gè)趨勢(shì)和官方預(yù)測(cè)的高峰期基本吻合。但長(zhǎng)期預(yù)測(cè)有個(gè)問題生育率和死亡率被假設(shè)為不隨時(shí)間變化這在20年以上的時(shí)間跨度里不太現(xiàn)實(shí)。原項(xiàng)目的靈敏度分析用k1.6、1.8、2.0、2.2四組不同生育率分別跑預(yù)測(cè)就是為了觀察參數(shù)波動(dòng)對(duì)結(jié)果的影響。我一般會(huì)把這種批量掃描做成循環(huán)腳本一次性輸出多組預(yù)測(cè)曲線。4. 從人口矩陣到?jīng)Q策指標(biāo)老齡化、撫養(yǎng)比和育齡婦女預(yù)測(cè)4.1 勞動(dòng)年齡人口與總?cè)丝诘碾p線走勢(shì)用Leslie模型預(yù)測(cè)的分年齡數(shù)據(jù)可以直接聚合出勞動(dòng)年齡人口。按15到64歲定義勞動(dòng)年齡人口模型顯示2010年達(dá)到10.4421億2013年達(dá)到高峰10.4852億之后轉(zhuǎn)入下降通道。這個(gè)結(jié)論的言外之意是短期內(nèi)勞動(dòng)力數(shù)量不缺缺的是結(jié)構(gòu)性調(diào)整——比如高齡勞動(dòng)力占比上升新增勞動(dòng)力供給下降的趨勢(shì)已經(jīng)在路上。4.2 老齡化和撫養(yǎng)比的計(jì)算口徑老齡化指標(biāo)有兩種統(tǒng)計(jì)口徑60歲以上和65歲以上判斷標(biāo)準(zhǔn)不同原始資料里兩種都做了。2001年60歲以上老年人口1.5538億占總?cè)丝?1.5693%2020年預(yù)計(jì)達(dá)到2.907億比重19.443%本世紀(jì)40年代中后期形成高峰平臺(tái)60歲以上達(dá)4.45億人、比重33.277%65歲以上達(dá)3.51億人、比重25.53%。人口撫養(yǎng)比的計(jì)算公式是撫養(yǎng)比 (0到14歲人口 65歲及以上人口) / 15到64歲人口用MATLAB對(duì)每年的年齡分布向量分段求和就能得到一條隨時(shí)間變化的撫養(yǎng)比曲線。結(jié)果顯示撫養(yǎng)比呈持續(xù)上升趨勢(shì)主要驅(qū)動(dòng)力是老齡人口占比擴(kuò)大兒童撫養(yǎng)比相對(duì)平穩(wěn)。4.3 預(yù)測(cè)合成的對(duì)比表指標(biāo)2010年2020年峰值年份峰值數(shù)值總?cè)丝趦|14.260914.9513202314.985勞動(dòng)年齡人口億10.4421持續(xù)下降201310.485260老年人口億約2.02.9072040s4.45總撫養(yǎng)比約0.38約0.45持續(xù)上升超過0.55這張表可以直接放進(jìn)論文的結(jié)果分析部分把模型輸出和官方報(bào)告預(yù)測(cè)放在一起做對(duì)比能節(jié)省大量整理數(shù)據(jù)的時(shí)間。5. 避坑指南數(shù)據(jù)修正、參數(shù)初值與模型邊界5.1 總和生育率偏低導(dǎo)致峰值提前現(xiàn)象用附件2原始數(shù)據(jù)算出的總和生育率只有1.42Leslie模型預(yù)測(cè)的人口峰值年份比官方報(bào)告提前了10年。原因抽樣數(shù)據(jù)里城市、鎮(zhèn)、鄉(xiāng)的生育率加權(quán)后明顯偏低和專家評(píng)估的更替水平1.8不一致。解決用專家給定的總和生育率1.8做目標(biāo)值對(duì)分年齡生育率按比例修正重新構(gòu)造Leslie矩陣。峰值年份從提前10年修正到基本與官方預(yù)測(cè)吻合。5.2 初值估算不到位導(dǎo)致擬合結(jié)果飄現(xiàn)象nlinfit直接跑全量數(shù)據(jù)經(jīng)常收斂到奇怪的參數(shù)可決系數(shù)甚至出現(xiàn)負(fù)值。原因非線性最小二乘對(duì)初值敏感全局最優(yōu)解可能被局部最優(yōu)掩蓋。解決先用solve代入兩個(gè)已知年份的數(shù)據(jù)解出x_m和r的近似值把解出來的參數(shù)作為nlinfit的初值。我一般會(huì)先畫散點(diǎn)圖觀察數(shù)據(jù)形態(tài)再?zèng)Q定初值范圍。5.3 時(shí)間跨度過長(zhǎng)導(dǎo)致預(yù)測(cè)失真現(xiàn)象1954年到2005年的全量擬合殘差絕對(duì)值之和57.9992圖形上殘差明顯不對(duì)稱。原因包含了特殊歷史時(shí)期的大幅波動(dòng)線性假設(shè)和正態(tài)分布假設(shè)被破壞。解決分段時(shí)間窗口做擬合選擇1980到2005年這種政策穩(wěn)定、隨機(jī)誤差服從正態(tài)分布的區(qū)間。5.4 死亡率恒定的假設(shè)不適用于超長(zhǎng)期現(xiàn)象預(yù)測(cè)到2050年以后老年人數(shù)和總?cè)丝诒瘸霈F(xiàn)明顯偏差。原因模型假設(shè)各年齡組死亡率不隨時(shí)間變化實(shí)際醫(yī)療水平提高會(huì)降低死亡率。解決把模型定位為中短期預(yù)測(cè)工具或者引入時(shí)變死亡率參數(shù)做擴(kuò)展參考女性占比的變化動(dòng)態(tài)修正Leslie矩陣中的存活率。5.5 數(shù)據(jù)口徑不一致導(dǎo)致計(jì)算混亂現(xiàn)象城市、鎮(zhèn)、鄉(xiāng)的抽樣總?cè)丝诒壤煌髂挲g段女性占比直接相加會(huì)重復(fù)計(jì)算。原因沒有先按抽樣比例換算成實(shí)際總?cè)丝诰椭苯踊旌鲜褂昧瞬煌趶降谋嚷蕯?shù)據(jù)。解決先用抽樣數(shù)據(jù)算出市、鎮(zhèn)、鄉(xiāng)人口占全國(guó)總?cè)丝诘谋嚷试俜謩e乘以2001年全國(guó)總?cè)丝跀?shù)得到各區(qū)域?qū)嶋H人口最后加權(quán)計(jì)算年齡分布。6. 參數(shù)掃描技巧用生育率k值標(biāo)定模型邊界模型做完之后不能只給一組預(yù)測(cè)結(jié)果就收工。原項(xiàng)目的靈敏度分析用k1.6、1.8、2.0、2.2四組總和生育率分別掃描總?cè)丝诤屠淆g化趨勢(shì)這個(gè)方法值得完全照搬。具體做法是寫一個(gè)外層循環(huán)每次用不同的k值替換Leslie矩陣第一行的生育率向量其余參數(shù)保持不變重新跑完整的2001到2050年預(yù)測(cè)最后把所有k值對(duì)應(yīng)的總?cè)丝谇€和老年占比曲線畫在同一張圖上。從圖11可以看出k1.6時(shí)人口達(dá)到峰值后快速負(fù)增長(zhǎng)k2.2時(shí)人口持續(xù)膨脹且下降緩慢k1.8時(shí)增長(zhǎng)最穩(wěn)定。從圖12可以看到k越小老齡化速度越快k越大年齡結(jié)構(gòu)越穩(wěn)定。這個(gè)掃描的意義在于標(biāo)定模型邊界——政策制定者能直觀看到生育率每變化0.2總?cè)丝诤屠淆g化會(huì)發(fā)生多大變化。把這段掃描代碼附在論文附錄里能顯著提升模型的可信度和分析深度。另外我給一個(gè)建議每次跑完一組k值預(yù)測(cè)把年齡分布矩陣X保存下來后續(xù)算撫養(yǎng)比、育齡婦女人數(shù)這些衍生指標(biāo)時(shí)不需要重跑模型直接對(duì)X做聚合就行。我就是因?yàn)閯傞_始每次都從頭跑整套流程改了參數(shù)就要重新整理數(shù)據(jù)浪費(fèi)了大量時(shí)間。從那以后我每次建人口預(yù)測(cè)模型都會(huì)把年齡分布矩陣緩存下來方便隨時(shí)取數(shù)。希望這些經(jīng)驗(yàn)?zāi)軒湍惆堰@個(gè)模型跑通少走彎路。本文還有配套的精品資源點(diǎn)擊獲取