从Logistic到Leslie矩阵：人口预测的年龄结构之谜

简介：以Logistic人口阻滞增长模型和按年龄分布的Leslie矩阵模型为核心的中国人口预测方案，适合数学建模竞赛、人口学课程设计以及MATLAB数据分析学习者参考。文档以压缩包形式发布，内含1个doc格式文档，压缩包大小约988KB，已有5153人浏览学习。内容基于1954—2005年多组总人口数据建立模型Ⅰ，对比不同起始年份的拟合优度，得出1980—2005年数据效果最佳（可决系数0.9987），并预测2010、2020、2033年人口约13.55亿、14.18亿、14.70亿；又利用2001年年龄结构构造Leslie矩阵，预测2002—2050年人口总量、劳动力和老年人口变化，探讨老龄化加速、抚养比上升、育龄妇女短期高峰后回落等趋势。附带残差分析、优缺点评价与模型推广，可辅助读者完整掌握从数据预处理、模型构造、参数求解到结果检验的建模流程，并理解MATLAB在矩阵迭代与数值拟合中的实际应用。

1. Leslie人口增长模型：为什么同一组人口数据会预测出两个相差十年的峰值

对于Leslie人口增长模型，一个经常被忽略的现象值得从底层拆解：当同一组历史人口数据分别塞进Logistic阻滞模型和Leslie矩阵模型，前者的预测峰值出现在2033年前后，总量在14.70亿附近，后者却把峰值提前到2023年，并且多出接近3000万人。差异不在数学推导，而在模型对“年龄结构”的处理方式。Logistic把所有人口压缩成一个标量，只关心总量如何撞上环境容量；Leslie矩阵按年龄段记录人口向量，让出生高峰形成的人浪在几十年后反复冲击生育率和死亡率结构。峰值提前的十年，正是这种人口记忆效应的体现。搞懂这个反差，就理解了人口增长预测从连续模型走向离散矩阵的根本原因。

2. Logistic阻滞模型：S曲线的“封顶值”是怎么决定预测走向的

2.1 从无上限指数增长到阻滞项：增长率为什么要线性衰减

人口预测最原始的出发点是Malthus指数模型：人口变化率正比于人口总量 x(t)，即 dx/dt = r x。只要 r>0，人口就会无限膨胀，这在资源有限的世界里显然站不住脚。Logistic模型只修改了其中一个关键环节：增长率不再是常数，而是随人口数量上升而下降的减函数。最常用的假设是把增长率写成人口总量 x 的线性函数，即 r(x) = r(1 - x/K)，其中 K 表示自然资源和环境条件所能容纳的最大人口数量，两边同时代入原有方程，得到标准的阻滞增长方程：

dx/dt = r x (1 - x/K)

这个方程的解是 x(t) = K / (1 + (K/x0 - 1) e^{-r t})，图像是一条S形曲线。当 x 远小于 K 时，(1 - x/K) 接近1，曲线近似指数增长；当 x 接近 K 时，增速被阻滞到0。这里的 K 是整条曲线的天花板，它决定了高位段的走向。r 只管爬坡速度，K 则控制顶棚高度。如果 K 被估计偏了，模型长期预测就会系统性偏移。

这个过程看起来只是把常数增长率换成了线性递减函数，但实际上它引入了一个非常重要的特性：人口增长不再是无约束的，而是自反馈的。人口越多，总的自然增长率越低，直到最后增长率为零。这个“天花板效应”是所有总量型人口模型的灵魂。理解了这一层，才能理解为什么后续用不同统计区间拟合，会得到截然不同的峰值预测——因为不同时间段的数据，对K的“支撑强度”完全不同。

2.2 三个拟合区间背后的模型选择：为什么偏偏选中1980到2005

在我们要拆解的这份建模资料中，作者先将总人口视为一个整体，分别以1954年、1963年和1980年为初始年份，利用非线性拟合来估计 K、r 和初始值。三个起点对应三种拟合口径。以1954年为起点，数据区间涵盖了大起大落的波动期，包括1959年到1961年前后的严重扰动，以及1962年的滞后效应。这些扰动不独立，残差呈现出明显的系统性偏差，拟合出的曲线偏高，到2048年时预测总人口已经冲到16.67亿左右。

以1963年为起点得到的曲线则偏低，2048年预测值只有14.86亿左右。1963年到1979年的人口增长比较接近自然增长逻辑，城市和农村的生育行为虽有差异，但没有太多外部强干预。1980年之后，人口干预政策逐步稳定，这段数据在统计口径上“相对干净”，拟合的可决系数达到0.9987。更重要的是，残差绝对值之和从57.9992降到了10.1699，说明残差基本对称分布在零轴附近，最小二乘法的前提条件勉强成立。于是最终选定了1980到2005这段数据作为Logistic模型的基准。

这个选择本身就是建模艺术的一部分。数据拟合不是时间越长越好，而是数据生成机制越稳定越好。拟合几段不同的区间，把预测结果横向比较，是判断模型可靠性的最直接办法。

t = 0:25; % 1980年为t=0，2005年为t=25，按年步进 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]; % 单位：千万 fun = @(b,t) b(1)./(1+(b(1)/x(1)-1).*exp(-b(2).*t)); b0 = [150, 0.04]; % 初始猜测：容量约150千万，内禀增长率0.04 [b, r] = nlinfit(t, x, fun, b0); R2 = 1 - sum(r.^2)/sum((x-mean(x)).^2); pred_2033 = fun(b, 53); % 2033年对应 t=53

代码中fun的形态就是初值问题解析解。b0的初始猜测会影响迭代结果，建议多试几组初值，看看K是否收敛到同一个数量级。r是残差向量，R2=0.9987只是拟合段内的优度，不能代表外推可靠性。如果数据段还在S曲线中段，K就根本没被充分识别，预测结果会非常脆弱。

2.3 可决系数0.9987看似漂亮，为什么外推仍可能“翻车”

可决系数接近1，说明拟合曲线能很好地解释样本数据的变化，但预测是另一码事。Logistic预测的关键在于K，只有当样本人口数已经明显逼近并接近水平渐近线时，K的估计才可信。1980到2005的数据，人口增长率确实在下降，但距离K还很远，曲线的上半段几乎是外推出来的。此时更换不同年份的拟合区间，K值会变化，峰值年份也会变化。

这正是很多建模者容易踩的坑：拿一个漂亮的R²去做长期外推，结果预测值和后来的实际人口对不上。表中列出了三条预测曲线的差异。用拟合曲线(8)，即1980-2005段，预测2010年、2020年、2033年总人口分别约为134.76千万、142.35千万、147.02千万；如果换用1954-2005段，2033年预测高达158.60千万。这个差距就是K识别不足的体现。所以Logistic模型更适合做中短期趋势近似，而不适合直接回答“何时见顶”的问题。

要在长期预测上更有说服力，就必须引入年龄结构，这正是Leslie矩阵模型登场的理由。

3. Leslie矩阵：年龄结构如何通过递推矩阵改写人口走势

3.1 状态向量、生育率与存活率：把人变成一支会流动的向量

Leslie人口增长模型的出发点非常朴素：人口的增长不是由一个总人口数字决定的，而是由不同年龄段人群的生育和死亡共同作用。设 x_i(t) 为第t时段第i年龄组的女性人口数，年龄组按一岁间隔划分。从t到t+1，这段时间内发生了两件事：已有各年龄组女性按存活率 s_i = 1 - d_i 转入下一个年龄组；各育龄组女性按各自生育率 f_i 生育女儿，最年轻的0岁组由所有育龄组的贡献汇总。

若把所有年龄组排成一个列向量 x(t)，上述过程就能写成一个矩阵递推式：x(t+1) = L x(t)。矩阵L的第一行依次是各年龄组生育率 f_i，次对角线依次是各年龄组存活率 s_i，其余位置全为零：

L = [ f1 f2 f3 ... f_{n-1} fn s1 0 0 ... 0 0 0 s2 0 ... 0 0 ... 0 0 0 ... s_{n-1} 0 ]

这个矩阵递推要比Logistic多记一层“年龄位移记忆”。某一年出生的庞大的婴儿群，在未来的第20年集体进入生育期，在第35年进入生育旺盛期，在第60年进入老龄段。Logistic无法表达这种延迟冲击，而Leslie矩阵天然捕捉它。矩阵的主特征值λ反映了长期增长率：λ>1人口扩张，λ=1保持稳定，λ<1走向萎缩。人口学中常说的“更替水平”，本质就是调整 f_i 和 s_i，使得主特征值稳定在1附近。

3.2 从2001年抽样数据到Leslie矩阵：一次完整的构造过程

构造Leslie矩阵的难点不在迭代，而在如何把抽样调查数据转换成矩阵元素。原始资料给出的是一套抽样数据，包含城市、镇、乡三个类别人口，还分别给出了各年龄段的妇女占比、分年龄生育率、分年龄死亡率，以及出生人口性别比。第一步是换算各年龄组女性人口：用抽样占比推算城市、镇、乡的总人口，再乘以各年龄段女性占该区域总人口的比率，得到每个年龄组的女性人口向量。

第二步是换算每个女性平均生育的女儿数。原始生育率是按“包含男孩和女孩”的口径给出的，所以必须先乘上出生人口性别比换算得到的女孩出生率，得到每个年龄组女性平均生育女儿数 f_i。这里有个重要细节：附件中直接计算出的总和生育率只有约1.42，和权威研究者给出的1.8相差甚远。正文的处理方式是，在保持各年龄组生育模式相对形状不变的前提下，对生育率做等比放大，把总和生育率拉到1.8。也就是说，让每个年龄组的 f_i 按同一个比例放大。

第三步是计算分年龄存活率。分区域死亡率加权汇总得到各年龄组女性总死亡率，再用 s_i = 1 - d_i 求出存活率。做完这三步，Leslie矩阵就完整了。下面是一个简化实现：

n = 91; % 0到90岁，每岁一组 x = zeros(n, 1); % 初始女性人口向量，来自2001年抽样数据 f = zeros(n, 1); % 分年龄生育率，只在15到49岁非零 d = zeros(n, 1); % 分年龄死亡率 % 校正：将直接计算所得TFR=1.42等比放大到1.8 tfr_raw = sum(f); scale = 1.8 / tfr_raw; f = f * scale; s = 1 - d; % 存活率 L = zeros(n, n); L(1, :) = f'; % 第一行：育龄组的女儿贡献 for i = 1:n-1 L(i+1, i) = s(i); % 次对角线：存活进入下一岁组 end records = zeros(n, 60); for t = 1:60 x = L * x; records(:, t) = x; end

放大系数1.8 / tfr_raw的做法，隐含了一个假设：数据统计误差对不同年龄组的影响比例一致。若怀疑不同年龄组的漏报程度不同，就要按年龄组分组修正，而不是统一缩放。代码里的records记录了未来60年的年龄分布，累积下来就可以继续计算总人口、劳动年龄人口、老年人口占比和抚养比。

3.3 特征值、更替水平与人口惯性：为什么1.8不等于马上停止增长

Leslie矩阵长期行为由主特征值λ决定。λ=1对应零增长，但即使把总和生育率压到接近更替水平，人口总量也不会立刻停止增长，而是会继续爬升一段时间。原因是年龄结构中存在大量出生于增长高峰期的女性，她们当前已在或即将进入生育期，按既有人口惯性，未来出生人口的数量还会维持在高位。正文预测总人口在2023年达到峰值14.985亿，随后才缓慢下降，正是这种人口惯性的体现。

值得注意，Logistic模型给出的峰值年份在2033年左右，而Leslie模型给出的峰值在2023年，提前了整整十年。差异全在年龄结构。按2001年的年龄结构，育龄妇女占比在短期内仍偏高，但长期看年轻人口对总体的替代不足。矩阵把“年龄结构”和“增长惯性”显式地表达出来，才能得到这种不同于总量模型的预测结果。这个提前的十年，不是两个模型竞争优劣，而是两个模型对未来的信息不同维度的投影。

4. 生育率校准与灵敏度：1.42与1.8之间的差距从哪来

4.1 为什么直接算出的总和生育率会偏低

原始数据计算的TFR只有1.42，权威口径却是1.8。这个差距不能简单归咎于“数据不真实”。抽样调查中普遍存在三类系统性误差：其一是流动人口和边远群体覆盖不充分，多胎或超生人群容易漏报；其二是出生性别比较高，女婴漏报率相对更高，这会直接低估生育女儿的均值；其三是分母中包含了大量非育龄女性，若年龄分组处理不当，分年龄生育率加权后会被稀释。

生育率是Leslie矩阵中最灵敏的元素。TFR每差0.2，主特征值就明显偏移，峰值年份就会移动数年。正文对生育率进行等比放大，本质上是把“市场算出来的微观值”和“权威估计的宏观值”做了一次桥梁嫁接。这个操作完全可以理解，但需要在报告中说明修正的依据和方式，否则模型可复现性会受影响。

4.2 不同生育率情景下的总分和老龄化走势

为了观察总和生育率k对结果的影响，正文在k=1.6、1.8、2.0、2.2四种情景下分别计算了总人口和老龄化趋势。结果是：k越小，人口到达峰值越早，下降越陡峭，老龄化速度越快；k越大，峰值越高、下降越慢，但总量长期维持在高位，资源和环境压力也会更大。

这个表揭示了人口决策的核心矛盾：压低生育率能在中短期控制总量，但长期会造成年龄结构恶化和劳动力不足；放开生育率可以延缓老龄化，却会带来更大的总量压力。模型的灵敏度分析，就是在向决策者展示“平衡点”的位置。在k=1.8附近，人口总量和老龄化两项指标都处于一个相对温和的区间，这也是为什么这个口径被研究者普遍接受。

4.3 残差与灵敏度验证：验证人口模型不能只看结果是否合理

正文在Logistic模型后面做了三组残差分析：1954段残差绝对值之和为57.9992，残差在坐标轴上下波动但不服从正态分布；1963段残差绝对值之和为27.8046，对称性明显改善；1980段残差绝对值之和仅为10.1699，图形基本关于零轴对称，拟合最可靠。这个验证过程非常有示范意义：模型评估不只是看曲线是否贴近数据，更要看残差是否表现出独立同分布的随机特征。如果残差带有明显的“波浪形”或“分段漂移”，就说明还有系统性因素没被模型捕捉。

此外，对Leslie模型还应做更系统的灵敏度验证。例如，把分年龄死亡率整体降低5%，看看峰值年份和老年人口占比如何变化；把初始女性年龄分布向量做平滑扰动，观察预测结果是否剧烈抖振。如果一个参数变化5%导致峰值年份前移或后移超过3年，说明模型输出对这个参数高度敏感，需要谨慎处理。

5. 建模排查：人口预测里最容易翻车的四个环节

5.1 拟合优度很高，外推预测却“冲过头”

现象：用1980-2005数据拟合Logistic模型，得到R²=0.9987，曲线在样本内几乎完美穿过每一个数据点，可一旦外推至2033年，预测结果明显偏高，甚至和后来的实际人口总量越拉越远。

原因：可决系数衡量的是样本内拟合效果，而Logistic曲线的上半段完全靠未观测到的K支撑。样本都集中在S曲线中段时，很多组(K, r)都能生成几乎相同的拟合效果，K并没有被数据钉死，外推自然不可靠。

解决：不要只用一组拟合区间。至少用三个不同起始年份分别拟合，看K和峰值年份是否稳定；同时限制预测范围，离数据末端越远的预测越要打折，尽量给出一个区间而不是单个确定值。

5.2 Leslie预测峰值比权威口径提前十年

现象：直接用抽样数据构造的Leslie模型，算出总和生育率仅1.42，预测人口峰值出现在2010年前后甚至更早，而权威口径的人口峰值大约在2023年或之后。

原因：TFR偏低，人口更替跟不上世代更迭，导致模型预测过快进入收缩。问题不出在矩阵迭代，而出在输入参数失真。抽样漏报和出生性别比都会让TFR被低估。

解决：先交叉核对总和生育率。若与宏观权威估计相差超过0.2，应检查是否有女婴漏报、流动人口漏报、育龄分母偏差等问题。修正时按原有年龄生育模式等比放大各年龄组 f_i，而不是简单把每个年龄组都提高相同数量。

5.3 把总人口当作Leslie矩阵的状态向量，结果直接翻倍

现象：有人图省事，不区分男女，直接用总人口向量去乘Leslie矩阵，新生的0岁组数量比预期高出接近一倍。

原因：Leslie模型的生育率 f_i 定义是“每名女性平均生育女儿数”，状态向量必须是女性人口。把男性也纳入状态向量后，育龄女性数量被高估，生育率的乘数效应自然放大。

解决：严格分开性别。先用抽样数据求出女性初始向量，迭代时只更新女性人口；总人口通过女性和男性的年龄组比例在输出时合成。这一步做到了，矩阵的“量纲”才正确。

5.4 改变年龄组间隔，预测峰值就漂移不止

现象：把每1岁一组改成每5岁一组，模型输出的峰值年份和峰值人口明显变化，甚至差出数千万人。

原因：年龄组变粗会把发育、生育、死亡律的细节抹平，特别是育龄妇女在20-29岁生育最密集，粗分组的生育率难以准确表达这种尖峰分布。

解决：在数据允许的情况下，尽量用1岁间隔。若只有5岁汇总数据，先用平滑插值还原分年龄曲线，再构造Leslie矩阵。时间步长和年龄组宽度必须一致，否则递推步进会和年龄位移对不上。

提示：人口预测模型最大的风险不是矩阵算错，而是输入口径不自洽。数据在进入模型前，先做一遍维度、单位和量纲检查，能避免大量“结果看起来合理但实际上是错”的情况。

6. 模型取舍的边界：从连续到离散，该信哪一个结果

Logistic和Leslie的区别，本质上是“用哪种信息预测未来”的取舍。Logistic模型只需求得K、r和初始总量，数据成本低，实现简单，计算快；适合在没有完整年龄结构数据时做总量基线预测。但它无法回答老龄化、抚养比、劳动力变化这一类依赖年龄结构的问题。Leslie模型需要分年龄生育率、死亡率和出生性别比，数据要求高，构造步骤繁琐，但换来的是对人口内部动态的精细刻画。

这两种模型不是对与错的关系，而是边界不同的关系。如果任务是预测未来十年内的总人口，Logistic提供的趋势是够用的；如果任务是判断劳动力什么时候见顶、老年人口福利负担何时最重，那就必须用Leslie模型展开年龄分布。正文的建模路径是先简后繁，先用Logistic摸清总量趋势，再引入Leslie去解释年龄结构的迁移效应，这种由简到繁的思路本身也是可复用的建模策略。

验证层面，我更习惯把两套模型的结果放到一起做“对撞”。比如用Logistic预测出2033年左右见顶，但用Leslie预测出2023年就见顶，那就要回到参数层去查TFR和年龄结构。若两种模型在短期预测上能互相印证、在长期预测上方向一致，结论的置信度就更高。

从那以后，我每次建立人口模型都强制自己跑一遍三件事：换数据起点重拟合、重扫TFR灵敏度、检查状态向量是否为女性口径。很多看似高深的矩阵推导，最终翻车都翻在这些不起眼的边界设定上。希望帮到你。

本文还有配套的精品资源，点击获取