五普以來中國及其分地區(qū)死亡漏報模式變遷

【摘要】我國歷次人口普查的死亡數(shù)據(jù)質(zhì)量備受關(guān)注，尤其是不同地區(qū)的死亡漏報問題，長期以來對公共衛(wèi)生政策、社會老齡化應對策略以及經(jīng)濟規(guī)劃存在深遠影響。然而，現(xiàn)有研究對分地區(qū)、分年齡段死亡漏報的縱向分析仍然較少，特別是在五普至七普期間中國社會的快速轉(zhuǎn)型背景下，死亡漏報模式是否發(fā)生變化尚需深入探討。文章基于對數(shù)二項模型和各級政府公布的死亡相關(guān)數(shù)據(jù)，修訂五普至七普間各省、自治區(qū)及直轄市的死亡數(shù)據(jù)，系統(tǒng)分析死亡漏報的變動模式及其背后的潛在影響機制。研究發(fā)現(xiàn)全國嬰兒死亡漏報率自五普以來呈顯著上升趨勢，從7.04%升至六普的70.99%以及七普的75.67%。但嬰兒死亡漏報數(shù)量在七普時已顯著減少，每十萬人漏報從六普的931人降至七普的474人，嬰兒死亡數(shù)據(jù)質(zhì)量已有所改善。相比之下，成年段與老年段的死亡漏報問題持續(xù)惡化，成年段死亡漏報率從五普的5.28%升至七普的26.18%，漏報數(shù)量從每十萬人674人增加至2230人；低齡老年段（60～79歲）死亡漏報率從五普的6.21%增至七普的22.64%，漏報數(shù)量從每十萬人348人增加至920人；高齡老年段（80～99歲）漏報率從1.09%升至4.84%，漏報數(shù)量從每十萬人108人增加至475人。分地區(qū)觀察顯示各地漏報的嚴重程度和年齡段側(cè)重存在顯著差異。嬰幼兒死亡漏報率在華北和東北地區(qū)較高；成年段死亡漏報在華北、華東和西北地區(qū)尤為嚴重；低齡老年段漏報以西南、華南地區(qū)最高，而高齡老年段漏報則以華南和東北地區(qū)最為顯著。進一步分析顯示不同年齡段的漏報機制存在顯著差異。嬰幼兒死亡漏報率與其死亡水平之間存在顯著的“U”型關(guān)系，即死亡率較低時漏報率反而升高，體現(xiàn)出低死亡水平下的統(tǒng)計敏感性的增強；成年段漏報與人口流動密切相關(guān)，流動人口參與度對漏報率有負向影響，表明外出人口死亡后返回原籍登記減少了漏報，流動人口能見度則對漏報率有正向影響，反映了流入地因流動人口返鄉(xiāng)報告導致的漏報增加；老年段死亡漏報則更多受經(jīng)濟發(fā)展水平的影響，但與嬰幼兒、成年段有較大不同，其漏報可能與社會經(jīng)濟條件、文化觀念和社會支持系統(tǒng)間存在復雜的耦合關(guān)系。文章揭示了中國及其分地區(qū)死亡漏報模式變遷的基本圖景，強調(diào)在評估死亡漏報時應結(jié)合中國社會的快速轉(zhuǎn)型背景，而非僅依賴靜態(tài)數(shù)理模型。未來研究需特別關(guān)注成年段和老年段死亡漏報問題，探索更具針對性的評估和干預策略。

【關(guān)鍵詞】人口普查；死亡漏報；數(shù)據(jù)質(zhì)量；死亡水平；模型生命表

【中圖分類號】C924.24""""""""""""【文獻標志碼】"A""""""""""doi：10.16405/j.cnki.1004-129X.2025.01.004

【文章編號】1004-129X（2025）01-0049-16

一、引言

人口統(tǒng)計數(shù)據(jù)（尤其是死亡數(shù)據(jù)）的準確性直接關(guān)系公共衛(wèi)生策略的制定、老齡化社會的應對措施以及長期經(jīng)濟規(guī)劃的有效性，因而始終是學術(shù)研究和公共政策關(guān)注的核心問題。然而，除1982年的第三次人口普查數(shù)據(jù)質(zhì)量較高外，歷次人口普查均存在不同程度的死亡漏報問題。［1］隨著2000年后中國經(jīng)濟的迅速發(fā)展、人口流動和結(jié)構(gòu)的深刻變遷，死亡漏報的模式也可能發(fā)生了根本性的變化。深入研究死亡漏報的變遷過程不僅對于改進死亡數(shù)據(jù)收集和提升公共政策的針對性及有效性具有重要的實踐價值，對于理解中國人口動態(tài)也具有重要意義。

已有對歷次人口普查的死亡漏報研究顯示嬰幼兒與老年人口是死亡漏報的重災區(qū)。在全國層面，對于嬰兒死亡漏報率的截面估計，不同學者的估計區(qū)間從五普的18.32%、［2］29.46%～30.78%等，［3］到六普的68%、［4］75.5%～77.3%、［5］77.88%、［1］78%、［6］78.83%～84.39%、［7］78.0%～85.55%等，［3］再到七普的75.3%～76.1%、［8］77.8%～85.08%等。［9］同時，對于全國老年段死亡漏報率的截面估計，70～95歲老年人口死亡漏報區(qū)間從五普的11.5%～22.2%擴大到了六普的16.5%～24.3%；［10］60～89歲老年人口的漏報區(qū)間從六普的2.3%～7.09%、［5］8%～23%，［3］到七普的20.75%～22.55%；［9］60～79歲老年人口的漏報區(qū)間在七普則為26.79%～29.27%。［8］各學者對歷次普查的估計區(qū)間顯示嬰兒死亡漏報從五普至六普有十分明顯的上升，但六普至七普沒有顯著變化，老年死亡漏報則從五普至七普均有十分明顯的上升，暗示了中國死亡漏報模式正在發(fā)生著潛在的變動。最近一項針對歷次人口普查與人口抽樣調(diào)查的縱向研究進一步提供了漏報模式變遷的佐證，即嬰兒死亡漏報率從2000年的32.50%～41.00%上升至2010年間的67.80%～74.80%，但2016年后又開始下降，60～89歲老年死亡漏報率同樣從2000年的11.10%～11.80%上升至2010年的12.60%～13.40%，且2010年的95～99歲老年人口漏報率甚至超過了20%。此外，該縱向研究也討論了以往研究較為忽略的15～59歲成年人口死亡漏報問題，顯示其與老年段十分近似的變動趨勢，從2000年的11.80%～12.50%上升至2010年的13.30%～14.00%，［11］結(jié)合已有對七普成人死亡漏報的截面估計，其漏報區(qū)間大致為23.21%～41.75%，［8］暗示了七普成人死亡漏報率可能進一步攀升。

上述研究很好地揭示了中國普查死亡數(shù)據(jù)的漏報現(xiàn)狀，但對于各省、自治區(qū)及直轄市的普查死亡漏報的系統(tǒng)分析和長期變化趨勢的討論卻相對較少。已有對各地區(qū)普查死亡漏報的討論仍然是以截面討論為主，且1990年前后對于三普、四普的各地區(qū)死亡漏報差異的討論沒有很好地延續(xù)至五普，［12-13］直到六普后，對各地區(qū)普查死亡數(shù)據(jù)質(zhì)量的討論開始再次活躍。具體到嬰兒死亡漏報，在各地區(qū)中，河南、湖南、四川存在較為嚴重的漏報，有研究對河南漏報率的評估區(qū)間甚至高達88.73%～95.51%，［4］［6］［14］而貴州、云南的數(shù)據(jù)質(zhì)量相對較好，其漏報率分別為29.21%～38.20%、29.87%～35.63%。［14］同樣的，具體到老年死亡漏報，海南、西藏和新疆可能存在老年段死亡人口的系統(tǒng)性漏報，其中新疆的漏報率可能超過了20%，而同期廣東老年男性的漏報率低于1%，福建、上海和浙江的女性漏報率也相對較低。［10］［14］部分學者為上述一般性討論提供了更具地方性的見解，如新疆農(nóng)村地區(qū)的嬰兒死亡數(shù)據(jù)更差，且可能存在嬰兒死亡誤報為幼兒死亡的問題。新疆老年死亡數(shù)據(jù)中的農(nóng)村地區(qū)70歲以上男性、80歲以上女性，城市地區(qū)70歲以上男性、女性可能存在較為嚴重的漏報問題。［15］

目前，對于不同年齡段死亡漏報的成因討論尚無公認的一般性解釋，這主要是死亡漏報問題十分復雜。死亡率的計算包括了作為分母的常住人口數(shù)與作為分子的死亡人口數(shù)，而前者與后者均存在重報、漏報及誤報問題，這使死亡漏報率的估計會受到相當程度的干擾。［11］在不考慮重報與誤報的前提下，嬰幼兒的死亡漏報主要有四個原因，一是社會習俗導致的漏報，即農(nóng)村地區(qū)因死亡避諱或“入土為安”導致的瞞報。二是政策導致的漏報，部分違規(guī)超生的新生兒產(chǎn)后死亡，其家人也傾向瞞報。三是技術(shù)導致的漏報，即普查填報時未區(qū)分死產(chǎn)或活產(chǎn)后死亡以及普查中常住人口與死亡人口的統(tǒng)計時間口徑不一，使嬰幼兒死亡未被有效登記。四是流動導致的漏報，即流動人口在經(jīng)濟發(fā)達地區(qū)所生的新生兒不幸死亡，可能會因其返鄉(xiāng)休養(yǎng)而造成流入地漏報。［6］［16］老年人口的死亡漏報主要有三個原因，一是社會習俗導致的漏報。二是經(jīng)濟因素導致的漏報，享有養(yǎng)老金的老年人口死亡，其家人可能會通過瞞報或緩報以領(lǐng)取養(yǎng)老金。三是流動導致的漏報。有學者猜測，如海南老年人口的漏報，可能是因為在11月1日的普查時點，候鳥老年人口被計算在內(nèi)，但身體狀況欠佳的老年人口會因“落葉歸根”而提前返鄉(xiāng)，使死亡數(shù)被原籍地記錄，這一常住人口的增加與死亡人口的減少提升了流入地的漏報率。但對老年流動的漏報影響也存在另一看法，即健康的個體才會流出原籍地，從而降低流入地的死亡率，造成事實上流入地的漏報率減少。［10］［16］在上述關(guān)于死亡漏報的紛繁解釋中存在兩個基本的影響因素，即人口流動水平與經(jīng)濟發(fā)展水平。流動水平越高的地區(qū)普查工作的難度越大，相應各年齡段的死亡漏報可能性越高。經(jīng)濟水平越高的地區(qū)對火葬的排斥越小，超生的可能越低，嬰幼兒死亡的瞞報可能性越低。但由于較發(fā)達地區(qū)相對更多的獨居老人、更完備的養(yǎng)老金制度，老年段死亡的漏報、瞞報可能性也越高。此外，在較低死亡水平下，較少的死亡數(shù)量漏報可能會帶來較大的漏報率，這也是死亡漏報率變動的一個重要解釋。

對已有研究的簡要回溯揭示了兩個潛在問題。第一，由于中國的地域廣闊、發(fā)展不均以及歷史上不同時間點的政策和社會環(huán)境的差異，導致各地區(qū)之間在死亡數(shù)據(jù)漏報的程度和模式上存在顯著差異，但目前仍缺少對歷次普查的地區(qū)死亡漏報情況的縱向討論（尤其是七普的各地區(qū)死亡漏報是否出現(xiàn)了新的變化）。第二，已有研究在解釋死亡漏報時往往基于定性的解釋，缺乏將各地區(qū)、各年齡段的死亡漏報水平與潛在影響因素之間關(guān)聯(lián)起來的定量分析，難以討論死亡漏報背后的各影響因素效應大小以及各影響因素效應是否針對不同年齡組存在異質(zhì)性效應。本文旨在填補上述研究空白，通過采用對數(shù)二次項模型，修訂了五普至七普期間各地區(qū)公布的普查死亡數(shù)據(jù)，對中國各地區(qū)的死亡漏報模式的變遷進行系統(tǒng)研究。這一討論不僅為死亡漏報的相關(guān)討論提供了新的視角和實證支持，也為政策制定提供了數(shù)據(jù)質(zhì)量監(jiān)測的相應依據(jù)，以優(yōu)化公共衛(wèi)生策略和應對人口老齡化等挑戰(zhàn)。

二、研究方法與數(shù)據(jù)來源

1.研究方法

為回應前述研究問題，本文對可獲得的普查死亡數(shù)據(jù)進行了修訂。已有對死亡數(shù)據(jù)的修訂方法可以被概述為兩類，即針對全年齡段的經(jīng)驗模型評估與針對特定年齡段的特殊評估模型，前者以模型生命表為代表，后者以通過擬合各社會經(jīng)濟水平與特定死亡率的回歸模型為代表。［8］綜合考慮后，本文選擇Wilmoth等人開發(fā)的對數(shù)二項模型作為主要修訂方法，［17］這主要是因為隨著中國快速的健康轉(zhuǎn)變，經(jīng)典方法如Brass-Logit模型、聯(lián)合國模型等所依賴的前提假設正經(jīng)受著越來越多的挑戰(zhàn)，而對數(shù)二項模型可以根據(jù)實時更新的人類死亡率數(shù)據(jù)庫（HumanMotalityDatabase，HMD）擬合更穩(wěn)健的修訂模型，因其很好的適用性與可復制性，受到了越來越多的應用。［18］

具體以單參數(shù)二項法為例，其基本思路認為0～4歲的兒童死亡概率對數(shù)與各年齡別死亡率對數(shù)存在顯著相關(guān)，［17-18］即：

[logmx=ax+bx?log5q0+cx?log5q02+vxk+εx]（1）

[mx]為[x]歲的瞬時死亡率，[5q0]為5歲及以下兒童死亡概率，[ax]為[x]歲的截距項，表示當[log5q0=0]時的死亡水平，[bx]為[x]歲死亡率和[log5q0]的線性關(guān)系斜率，[cx]為[x]歲死亡率與[log5q02]的二次非線性關(guān)系系數(shù)，[vx]為[x]歲的偏差項系數(shù)，用于捕捉[log5q0]以外的年齡相關(guān)性偏差，[k]表示偏離典型死亡率模式的強度參數(shù)，尤其用于調(diào)整15～59歲的成人死亡水平，[εx]為模型殘差值。通過式（1）回歸擬合，可以獲得主要模型參數(shù)（[ax]、[bx]、[cx]），但由于系統(tǒng)性偏差模式[vxk]是乘積項，直接回歸擬合會將其歸入噪聲項[εx]中，無法同時分解并估計這兩個變量。為此需引入奇異值分解，通過對回歸殘差矩陣的分解，提取年齡間的偏差模式（[vx]）及其強度（[k]），從而估計潛在的系統(tǒng)性偏差模式[vxk]。參數(shù)選擇上，對數(shù)二項模型可以被擴展至兩參數(shù)，輸入如0歲預期壽命、嬰兒死亡率（0歲死亡概率，后同）、成人死亡概率等。由此，本文基于2023年9月人類死亡數(shù)據(jù)庫中獲取的1751年至2022年間50個國家或地區(qū)的991張生命表數(shù)據(jù)，擬合獲得了可供修訂各年齡段死亡概率的基本參數(shù)。此外，本文也擬合了剔除問題年份或重疊人群后的840張生命表數(shù)據(jù)作為敏感性檢驗，各年齡段死亡概率的估計結(jié)果無顯著差異。

本文將修訂后的死亡概率與普查報告的死亡概率進行比較，獲得死亡漏報的估計。［11］與以往多數(shù)研究僅評估死亡漏報率不同，本文使用了兩種計算方式，以獲得更全面的評估。其一是相對的死亡漏報率，如式（2）所示，[nURx]為[x]+[n]歲組年齡別死亡漏報率，[nqx]為修訂后的[x]+[n]歲組死亡概率，[nqx]為普查報告的[x]+[n]歲組死亡概率。其二是絕對的每十萬人死亡漏報數(shù)量，如式（3）所示，[nUNx]為[x]+[n]歲組每十萬人死亡漏報數(shù)量，[nqx]、[nqx]與式（2）含義相同。前者提供了一個各地區(qū)自身變動比較的相對值，后者則提供了一個跨地區(qū)比較的絕對值。

[nURx=100×nqx?nqxnqx]（2）

[nUNx=nqx?nqx×100000]（3）

通過上述工作，本文能夠?qū)θ珖约案鞯氐牟煌挲g段死亡漏報率有一般性了解。進一步通過標準化的線性回歸模型，引入可能潛在影響漏報率的基本因素，本文得以對五普以來死亡漏報背后的各影響因素進行定量分析。

2.基本數(shù)據(jù)與修訂參數(shù)

本文的基礎數(shù)據(jù)來自五普至七普間全國以及各省、自治區(qū)和直轄市的死亡數(shù)據(jù)，獲得全體人口的原始生命表共96張。因普查體系不同，本文分析不包括港澳臺地區(qū)，后不再贅述。

為了對死亡數(shù)據(jù)進行統(tǒng)一校訂，本文收集整理了五普以來的全國以及各地區(qū)的預期壽命與5歲以下兒童死亡率參考指標（見表1）。預期壽命指標主要來自《中國人口和就業(yè)統(tǒng)計年鑒2021》1。5歲以下兒童死亡率主要來自兩個渠道，第一個來源是婦幼衛(wèi)生監(jiān)測系統(tǒng)中的2000年、2010年數(shù)據(jù)，該數(shù)據(jù)系婦幼衛(wèi)生監(jiān)測辦公室、中國疾病預防控制中心及IHME等機構(gòu)聯(lián)合發(fā)表使用的1996—2012年中國2851個區(qū)縣的5歲以下兒童死亡率數(shù)據(jù)集，［19］這也是該官方監(jiān)測系統(tǒng)數(shù)據(jù)的首次間接性發(fā)布，本文通過將其區(qū)縣代碼與五普、六普的區(qū)縣代碼進行匹配，以各區(qū)縣嬰幼兒人口數(shù)量作為權(quán)重，通過式（4）計算得到省、自治區(qū)及直轄市一級的5歲以下兒童死亡率。其中[i]為31個省、自治區(qū)及直轄市，[k]為各地區(qū)的區(qū)縣個數(shù)，[Ni，j]為[i]地區(qū)的[j]區(qū)縣的0～4歲人口數(shù)量，[mi，j]為[i]地區(qū)的[j]區(qū)縣的5歲以下兒童死亡率。

[U5MRi=j=1kNi，j?mi，jj=1kNi，j]（4）

第二個來源是本文收集整理的全國以及各地區(qū)政府公開發(fā)布的2020年數(shù)據(jù)，包括如統(tǒng)計年鑒、婦女與兒童發(fā)展規(guī)劃及其相關(guān)監(jiān)測報告、“十二五”衛(wèi)生健康事業(yè)發(fā)展規(guī)劃等。盡管兒童死亡率方面因數(shù)據(jù)來源不同，可能存在不同地區(qū)間口徑的可比性問題，但受限于自五普以后，衛(wèi)生統(tǒng)計年鑒等政府資料不再提供統(tǒng)一修訂的全國以及各地區(qū)嬰幼兒死亡率，這一整理已是目前能做到的最貼近政府修訂值的嘗試。此外，為使行文邏輯連貫，對于影響漏報率的潛在因素，其相關(guān)數(shù)據(jù)來源將在死亡漏報的變動機制一節(jié)再作介紹。

3.修訂結(jié)果的簡要評估

通過上述工作，在假定收集整理的指標數(shù)據(jù)是相對準確的前提下，本文得到了修訂后的全國以及各地區(qū)的分年齡別死亡概率，進而獲得相應的死亡漏報率估計值。為了確認這一估計值與已有研究保持了基本一致，本文以學界相對評估最多的六普分省死亡數(shù)據(jù)作為對照，顯示本文估計結(jié)果具有很高的信度，其結(jié)果如圖1所示。

首先，比照作為輸入?yún)?shù)的0歲預期壽命與5歲以下兒童死亡率。預期壽命方面，與普查的原始報告值相比，政府修訂值和不同學者對預期壽命的估計值均有明顯下調(diào)。楊明旭和魯蓓所估計的預期壽命值與政府修訂值十分近似，［20］因其使用的基礎校訂參數(shù)來自婦幼衛(wèi)生監(jiān)測系統(tǒng)，同樣是政府修訂時的主要參考數(shù)據(jù)。以李成和米紅的分性別估計值作為上限與下限，［14］則政府修訂的全國以及各地區(qū)的32個值中有30個值在其區(qū)間范圍，僅海南和西藏分別有略低（-0.4歲）和略高（0.19歲）的估計值。相對而言，舒星宇等人的估計值顯著低于上述估計，［21］可能與其使用曾生子女數(shù)的間接估計法有關(guān)，該估計方法會高估快速變遷的死亡率，進而拉低預期壽命估計。據(jù)此，本文認為《中國人口和就業(yè)統(tǒng)計年鑒2021》中政府修訂的預期壽命值基本合理。

5歲以下兒童死亡率方面，由于本文與楊明旭和魯蓓、IHME使用主要參考數(shù)據(jù)均為婦幼衛(wèi)生監(jiān)測數(shù)據(jù)，［20］［22］并進行了近似的加權(quán)計算，結(jié)果呈現(xiàn)了高度一致。將本文參數(shù)與楊明旭和魯蓓參數(shù)、IHME參數(shù)比較，在全國以及各地區(qū)中差值絕大多數(shù)不超過0.5‰。如果將李成和米紅估計的男性值作為下限、女性值作為上限1，［14］則本文參數(shù)中也有六成樣本均在其估計區(qū)間，且在區(qū)間外的參數(shù)與其上下限差值超過2‰的僅有西藏，考慮《西藏自治區(qū)兒童發(fā)展規(guī)劃（2011—2015年）》中披露的5歲以下兒童死亡率僅為28.15‰，本文值仍比其高出了15.29‰，具有較高的合理性。據(jù)此，本文使用的婦幼監(jiān)測點數(shù)據(jù)與已有研究保持了基本一致，具有較高信度。

通過上述參數(shù)與模型，本文調(diào)整了全年齡段死亡概率，以學界討論較多的嬰兒死亡率與60～89歲老年死亡概率進行比照，體現(xiàn)了本文估計結(jié)果較高的信度。嬰兒死亡率方面，已有研究中黃榮清和曾憲新的估計值相對較高，［6］黃潤龍的估計值相對較低。［4］如果將二者的估計值作為上下限，則本文的修訂值超過2/3介于二者估計值之間，且區(qū)間外的絕大多數(shù)修訂值與黃潤龍、黃榮清和曾憲新的估計值差值不超過1‰，僅云南、貴州、江西相對較低，新疆、西藏相對較高。本文與黃榮清和曾憲新、黃潤龍的部分估計差異應主要是由于擬合模型導致的差異，他們均使用了外部數(shù)據(jù)如經(jīng)濟發(fā)展水平進行校訂，可能存在一定高估。同時，本文修訂值與李成和米紅所估計的區(qū)間十分一致，［14］在全國30個地區(qū)與其差值不超過±0.5‰，僅西藏低于其估計下限1.96‰。

同樣，在60～89歲老年死亡概率方面，本文估計結(jié)果在全國以及各地區(qū)23個樣本均在李成和米紅的估計區(qū)間內(nèi)，［14］其余地區(qū)與其區(qū)間上下限差值不超過5%，僅海南高于其估計區(qū)間上限6.87%，吉林、黑龍江低于其估計區(qū)間下限5.97%、5.60%?？紤]李成和米紅對海南的老年段死亡概率估計值是全國最低，低于上海、北京，而已有研究顯示吉林、黑龍江在六普的預期余壽分別排位全國第六和第十五，［23］本文對海南的上調(diào)與對吉林、黑龍江的下調(diào)均較為合理。因此，在老年死亡概率方面，本文與李成和米紅估計值的高度一致性，顯示了對數(shù)二項模型與DCMD模型修訂結(jié)果的較高的一致性。

三、我國分地區(qū)死亡漏報的基本特征和變動趨勢

上述修訂工作為本節(jié)系統(tǒng)評估五普以來的分地區(qū)死亡漏報提供了數(shù)據(jù)基礎，本節(jié)按全國以及傳統(tǒng)的七大經(jīng)濟區(qū)劃分，對0～4歲嬰幼兒、15～59歲成年段、60～79歲低齡老年段以及80～99歲高齡老年段的各地區(qū)死亡漏報的基本情況與變動趨勢作簡要討論。對于5～14歲死亡漏報，鑒于多數(shù)的漏報討論并未關(guān)注，且該年齡段在七普時多數(shù)地區(qū)的死亡概率已降至極低的1‰以下，本文不再報告。本節(jié)結(jié)果顯示五普以來全國死亡漏報中嬰幼兒死亡漏報率呈持續(xù)上升趨勢，但每十萬人嬰幼兒死亡漏報數(shù)量在七普時已有很大改善；成年段、老年段死亡漏報率、每十萬人死亡漏報數(shù)量均持續(xù)上升，死亡漏報問題趨于嚴重。各地死亡漏報問題復雜，漏報嚴重程度與年齡段側(cè)重均存在顯著差異。

1.嬰幼兒死亡漏報

如圖2、圖3所示，全國嬰兒死亡漏報從五普的7.04%上升至六普和七普的70.99%、75.67%；全國5歲以下兒童死亡漏報從五普的6.80%上升至六普和七普的59.11%、66.21%。結(jié)合每十萬人死亡漏報數(shù)量可以發(fā)現(xiàn)全國嬰兒死亡漏報數(shù)量呈現(xiàn)了先上升后下降的趨勢，從五普的每十萬人漏報199人到六普的931人，再至七普的474人，全國5歲以下兒童死亡漏報數(shù)量呈現(xiàn)了一致的變動趨勢。與已有研究一致，本文評估顯示了嬰幼兒死亡漏報率從五普以來呈現(xiàn)顯著上升趨勢，嬰幼兒死亡漏報問題似乎趨于嚴重，但更仔細的檢視可以發(fā)現(xiàn)相對漏報率并不能反映絕對漏報數(shù)量，如從漏報數(shù)量角度觀察，則六普至七普間，全國嬰幼兒死亡漏報問題已有很大改善，漏報數(shù)量下降了49.09%。

分地區(qū)觀察嬰兒死亡漏報率，五普和七普最高的兩個地區(qū)為華北、東北，天津始終是華北地區(qū)較高漏報率的主要貢獻地區(qū)。東北地區(qū)中黑龍江的漏報率始終最高，且該省在六普、七普的全國漏報率排序始終位列前三。華中地區(qū)在六普時漏報率最高，主要是由于河南當年漏報率（93.79%）全國最高，但在七普時華中地區(qū)被華東、華南地區(qū)超過，主要是由于七普中山東、海南的漏報率排位相較于六普有顯著上升。嬰兒漏報率最低的地區(qū)始終是西南、西北地區(qū)，主要是云南、貴州的漏報率始終較低。［14］在嬰兒死亡漏報數(shù)量方面，五普以來華東地區(qū)始終保持最低且以上海為代表的華東地區(qū)省份的排位仍在下降。西北、西南地區(qū)在五普、六普時較高，青海和貴州始終有較高的死亡漏報人數(shù)，但東北地區(qū)在七普時的死亡漏報數(shù)量稍微超過了西北、西南地區(qū)，主要是因為青海和貴州的漏報數(shù)量在七普時有顯著下降，而吉林的排位從五普至七普間有顯著上升。

因此，當結(jié)合考察漏報率與漏報數(shù)量時可以發(fā)現(xiàn)：五普以來就嬰兒死亡漏報而言，我國華北、東北、華東地區(qū)雖然有較高的漏報率，但漏報數(shù)量較低，而西南、西北地區(qū)雖然有較低的漏報率，但漏報數(shù)量較高，這與死亡水平、漏報率以及漏報數(shù)量之間的動態(tài)關(guān)系有關(guān)。漏報率和漏報人數(shù)的差異在很大程度上取決于死亡水平，在同等漏報率下，死亡水平越低，漏報數(shù)量越低。舉例來說，盡管華東地區(qū)與西北地區(qū)在七普有著十分接近的嬰兒死亡漏報率，分別為56.07%、52.37%，但二者的死亡水平不同，分別為3.36‰、5.72‰，這導致每十萬人嬰兒死亡漏報數(shù)量分別為197人、295人，后者是前者的1.50倍，這一數(shù)值在六普時達到2.02倍。5歲以下兒童死亡漏報呈現(xiàn)了相近的結(jié)果。

上述描述很好地揭示了全國以及地區(qū)間嬰幼兒死亡漏報的復雜情況，一方面，七普嬰兒死亡水平的下降，使全國以及各地區(qū)的死亡漏報數(shù)量已有很大改善，但這也直接影響了全國以及部分地區(qū)的嬰兒死亡漏報率的小幅上升；另一方面，在相近的漏報率水平下，因地區(qū)間的死亡水平差異，各地死亡漏報數(shù)量仍然存在顯著差異。

2.成人死亡漏報

如圖3所示，與嬰兒死亡漏報呈現(xiàn)的漏報率與漏報數(shù)量的相異變動趨勢不同，15～59歲成人死亡漏報在漏報率與漏報數(shù)量上呈現(xiàn)了基本一致的趨勢，均在五普至七普間持續(xù)上升。全國成人死亡漏報率從五普的5.28%上升至六普和七普的18.98%、26.18%，這與已有研究基本一致，李成和米紅估計的六普成人死亡漏報率大致為13.30%～14.00%，［11］李婷等估計的七普成人死亡漏報率大致為23.21%～41.75%。［8］全國每十萬人成人死亡漏報數(shù)量，則從五普的674人上升至六普和七普的2040人、2230人。

分地區(qū)觀察可以發(fā)現(xiàn)五普以來華北、華東與西北地區(qū)始終是成人死亡漏報率較高的地區(qū)，而東北、西南地區(qū)成人死亡漏報率相對較低。對成人死亡漏報的觀察有兩點值得注意。第一，全國以及各地的成人死亡漏報問題正在變得突出。相較于六普，七普中西北、華東地區(qū)成人死亡漏報率顯著升高，但二者背后的驅(qū)動原因可能不同。西北地區(qū)始終處于較高的死亡水平，七普時的成人死亡概率為126.14‰，漏報率為44.98%。而七普時華東地區(qū)的成人死亡概率為51.03‰，但其漏報率也高達43.96%。如按從高到低排位各地的漏報率，則華東地區(qū)的浙江、上海，以及西北地區(qū)的甘肅剛好位列前三位。顯然，西北地區(qū)與華東地區(qū)相近的成人死亡漏報率，其背后的驅(qū)動模式是不同的。在西北地區(qū)，尤其是少數(shù)民族地區(qū)，以“入土為安”等傳統(tǒng)習俗主導的死亡瞞報仍十分常見；在華東地區(qū)，則可能是由于流入地常住人口死亡后返鄉(xiāng)登記導致的漏報。

第二，相對于普查原始值，本文對五普時四川、重慶、海南的成人死亡水平可能有一定低估，這使西南地區(qū)和華南地區(qū)在死亡數(shù)量方面呈現(xiàn)出觀測死亡率高于估計死亡率的“多報”現(xiàn)象。這一現(xiàn)象有多種可能的解釋，一方面是上述地區(qū)可能存在的死亡重報，即同一死亡個體被重復報告，西南地區(qū)作為傳統(tǒng)勞務輸出省份，其人口流動參與度一直很高，在五普、六普時期均處于全國前列，［24］但五普時的普查死亡登記仍是按常住地登記，外出務工的死亡人口有可能經(jīng)流出地家庭主動上報而被再次記錄，［25］使流出地的成年段常住人口死亡數(shù)出現(xiàn)多報；另一方面，多報現(xiàn)象可能與死亡重報無關(guān)，或是人口數(shù)漏報導致的，即某些在普查時點的短期外出務工人口沒有被流出地家庭上報，［25］或是人口異質(zhì)性改變導致的，即按照遷移研究中的健康選擇機制來理解，健康的成年個體流入發(fā)達地區(qū)，不健康的個體留在原地，［26］這可能增加了流出地人群的死亡概率，導致流出地實際死亡人數(shù)有所增加。此外，考慮已有研究指出川渝地區(qū)在2000年后的死亡模式特征表現(xiàn)為高于全國水平的5～49歲死亡率，［27］本文基于偏重發(fā)達國家數(shù)據(jù)庫的HMD數(shù)據(jù)，所擬合出的模型可能低估了五普時西南地區(qū)成人死亡率，因此也不能排除這一多報現(xiàn)象是否是由模型誤差導致的。如去除上述可能存在多報的省份，五普時期華南地區(qū)的成人死亡漏報率最低，僅4.41%，其次是東北、華東地區(qū)，而西北、華北地區(qū)漏報則最嚴重，分別為14.64%與12.91%。

3.老年死亡漏報

老年死亡漏報在漏報率與漏報數(shù)量上呈現(xiàn)了基本一致的趨勢。全國老年死亡漏報率方面，60～79歲老齡段從五普的6.21%上升至六普和七普的14.71%、22.64%；全國80～99歲老年段從五普的1.09%上升至六普和七普的3.12%、4.84%。全國每十萬人成人死亡漏報數(shù)量方面，60～79歲老年段從五普的348人上升至六普和七普的722人、920人；全國80～99歲老年段從五普的108人上升至六普和七普的309人、475人。如對90～99歲老年段做進一步檢視，則六普中全國90～94歲、95～99歲組的死亡漏報率分別為14.38%、20.53%，這一估計結(jié)果與李成和米紅的估計結(jié)果十分一致，［11］且本文的估計結(jié)果顯示上述兩個年齡組的老年漏報率在七普繼續(xù)小幅上升至17.29%、21.34%。

分地區(qū)觀察發(fā)現(xiàn)：在低齡段老年（60～79歲，后同）死亡漏報方面，西南、華南地區(qū)漏報始終較為嚴重，而東北、華北、華中地區(qū)漏報相對較少。七普中以西南地區(qū)漏報率最高、東北地區(qū)漏報率最低；在高齡段老年（80～99歲，后同）死亡漏報方面，東北、華南地區(qū)始終較為嚴重，而華東、華中、西南、西北地區(qū)漏報相對較少，七普中以東北地區(qū)漏報率最高、華東地區(qū)漏報率最低。結(jié)合來看，以低齡、高齡老年段及其死亡漏報率高低為二乘二交叉組，則華中地區(qū)的老年段漏報在低齡、高齡段均較少，以湖北為代表，其七普時的低齡、高齡老年漏報率在5.96%與2.76%。華南地區(qū)的老年段漏報在低齡、高齡段均較為嚴重，以海南為代表，其七普時的低齡、高齡老年漏報率均為全國最高，分別為40.83%、18.63%。東北地區(qū)的老年段死亡漏報則表現(xiàn)為低齡段較少而高齡段嚴重，以吉林為代表，其七普時低齡老年漏報率低于全國平均水平，僅為12.98%，但高齡老年漏報率僅次于海南，為15.60%。西南、華東地區(qū)則表現(xiàn)為低齡段較嚴重而高齡段較少，以重慶、浙江為代表。此外，華北、西北地區(qū)并沒有在某一年齡段的死亡漏報方面有突出特征，以北京為代表的較發(fā)達地區(qū)，低齡、高齡漏報均較低，而以陜西、新疆為代表的欠發(fā)達地區(qū)，低齡、高齡漏報均較高。上述討論充分顯示了各地區(qū)不同的老齡年齡段漏報模式存在著顯著差異。

此外，本文的估計結(jié)果顯示五普時期華北、東北地區(qū)也呈現(xiàn)了一定的低齡老年死亡多報現(xiàn)象，主要體現(xiàn)在河北、天津、內(nèi)蒙古以及吉林等地。已有對人口數(shù)量重報的研究指出我國五普、六普的中、老年年齡段人口數(shù)量無明顯異常，［25］［28］且流動人口中老年段相對較少，則這一死亡多報可能與本文對上述地區(qū)老年段死亡水平的低估有關(guān)。有研究認為以天津為代表的直轄市、以吉林為代表的東北地區(qū)，以及以內(nèi)蒙古為代表的西北地區(qū)，上述地區(qū)的老年死亡水平均超過全國平均值，［27］相對高的普查報告值與相對低的本文估計值可能導致了多報現(xiàn)象。但總體而言，盡管本文對部分地區(qū)的老年段死亡估計可能存在一定低估問題，五普至七普間全國以及各地的老年段死亡漏報率與死亡漏報數(shù)量仍有明顯漲幅，老年死亡漏報問題均趨于嚴重，這一發(fā)現(xiàn)與已有研究一致，［11］并在七普的分地區(qū)估計中得到了進一步證實。各地區(qū)中，華北地區(qū)在六普至七普間的60～79歲老年段死亡漏報率的年均增幅為各地區(qū)最高，達12.29%。

四、我國分年齡段死亡漏報的影響機制討論

上文討論了五普以來分地區(qū)的死亡漏報的基本情況與變動趨勢，但已有研究對死亡漏報率背后的驅(qū)動機制討論仍然較少。盡管地區(qū)間存在較大異質(zhì)性，不同年齡段死亡漏報的原因卻仍然存在一些相同點，且大致可以被歸結(jié)為三個主要要素，即死亡水平所帶來的統(tǒng)計敏感性、人口流動強度以及經(jīng)濟發(fā)展水平。為了更深入地理解上述因素如何影響了死亡漏報率，本節(jié)將對上述因素與五普以來各?。▍^(qū)、市）的漏報率進行擬合，研究發(fā)現(xiàn)：嬰幼兒死亡水平對嬰幼兒死亡漏報有重要影響，二者呈“U”型曲線關(guān)系；流動強度對成人死亡漏報有重要影響，且人口流入或流出對死亡漏報均有顯著作用；經(jīng)濟發(fā)展水平則更多解釋了老年段死亡漏報。不同年齡段的死亡漏報機制存在明顯的差異。

1.外部數(shù)據(jù)與基本方法

第一，數(shù)據(jù)方面，以學術(shù)界討論較多的各年齡段死亡漏報率作為因變量。自變量中，在死亡水平方面，本文使用了估計得到的各年齡組死亡概率；在人口流動方面，本文使用段成榮等估計得到的流動人口參與度與流動人口能見度作為流動水平的代表，［24］前者體現(xiàn)了某地區(qū)流出的流動活躍度，后者意味著某地區(qū)流入的流動活躍度；在經(jīng)濟發(fā)展水平方面，本文引入了國家統(tǒng)計局公布的人均GDP、分城鄉(xiāng)人均可支配收入，并按1981年GDP指數(shù)、CPI指數(shù)平減，對上述指標做主成分分析降維，提取的第一主成分貢獻率超過85%，作為一般性的經(jīng)濟發(fā)展水平。

第二，方法方面，考慮三期普查的樣本量有限，主要使用OLS線性回歸模型，并對報告系數(shù)做標準化處理，以比較各機制的貢獻大小。本節(jié)同時考察了控制地區(qū)后的固定效應模型，結(jié)果無顯著變化。

2.漏報變動機制的討論

對各年齡段各潛在機制的擬合模型可見表2的模型（1）至模型（5）。首先，本文檢視了不同年齡段的死亡漏報率是否與其自身的死亡水平有關(guān)，且考慮死亡水平與死亡漏報率之間可能存在非線性的曲線關(guān)系，本文在控制相同變量后，遍歷了各年齡組死亡水平的四次項及以下的項組合，根據(jù)多重共線性檢驗與系數(shù)顯著性檢驗，發(fā)現(xiàn)僅在嬰幼兒死亡漏報方面，死亡水平與其對應的漏報率呈現(xiàn)為二次曲線關(guān)系，而這一曲線關(guān)系并未表現(xiàn)在成人、老年段死亡漏報方面。為行文簡潔，本文省去相關(guān)檢驗報告。

模型（1）的嬰兒死亡漏報率模型顯示：在控制各因素后，嬰兒死亡水平及其平方項的標準化系數(shù)仍然最高，嬰兒死亡水平與嬰兒死亡漏報率呈現(xiàn)了很強的“U”型曲線關(guān)系。去除可能存在多報的地方后，本文對二者關(guān)系再次擬合（見圖7）?；谠摱雾棓M合曲線，當嬰兒死亡率逼近0‰時，與之對應的漏報率大約為69.64%，當嬰兒死亡率為67.97‰，與之對應的漏報率到達最低點27.14%。按照中國經(jīng)驗擬合的數(shù)據(jù)顯示：隨著嬰兒死亡率的下降，會經(jīng)歷一個下降后再上升的過程。該變動模式與已有對死亡漏報的評估保持了基本一致，孫福濱等人對四普云南省的估計顯示：較低的嬰兒死亡漏報率（25.20%～35.14%）卻對應著較高的嬰兒死亡率（55.53‰～61.51‰）。［13］同時，很多學者認為六普的河南嬰兒死亡漏報率近90%，本文計算的河南的嬰兒死亡率在六普為13.42‰，按二次曲線預測的漏報率雖僅為54.52%，但也處于擬合曲線的高位。因此，結(jié)合前述一節(jié)的討論，雖然我國的嬰兒死亡漏報率在最近20年有較大上升，但從絕對值看，漏報數(shù)量在七普是下降的，漏報率的上升事實上反映的是極低死亡水平下的高統(tǒng)計敏感性。本文揭示的嬰兒死亡水平與嬰兒漏報水平的規(guī)律，回答了已有截面研究未盡的問題，即六普時嬰兒死亡漏報率很高的河南省，與嬰兒死亡漏報率很低的貴州省、云南省，其主要機制是因為各地所處的死亡水平不同，而對漏報的敏感性不同導致的。在可預見的未來，我國嬰幼兒死亡漏報仍然會維持在相對較高的水平。

其次，本文檢視了不同年齡段的死亡漏報率是否與各省流動水平有關(guān)?？梢钥吹搅鲃訖C制更多表現(xiàn)在嬰幼兒與成人段方面，但對老年段并沒有顯著影響。一方面，在嬰幼兒組中，模型（1）和模型（2）顯示了嬰幼兒死亡漏報還受到流動人口能見度的顯著負向影響，這沒有支持已有研究的觀點，即流動人口在經(jīng)濟發(fā)達地區(qū)所生的新生兒不幸死亡，可能會因其返鄉(xiāng)休養(yǎng)而使流入地漏報。相反，模型暗示了嬰幼兒死亡可能因普查時流動人口在流入地直接上報，而降低了流入地漏報。另一方面，模型（3）的成人死亡漏報模型顯示，除死亡水平外，流動確實是成年段死亡漏報的最主要的影響機制，流動人口參與度與流動人口能見度對成人死亡漏報率均起到了重要作用，前者與成年段死亡漏報呈現(xiàn)顯著負向關(guān)系，表明流出人口的異地死亡可能會減少流出地死亡漏報率，后者則與成年段死亡漏報呈現(xiàn)顯著正向關(guān)系，表明流入人口的死亡可能會增加流入地死亡漏報率，這一增減關(guān)系暗示，對于成年段死亡而言，成年段流動人口死亡后的返鄉(xiāng)報告可能是一個常見現(xiàn)象。總體而言，隨著鄉(xiāng)土中國向流動中國的進一步轉(zhuǎn)型，人口流動對于普查死亡漏報的重要性正日益凸顯。

最后，本文檢視了不同年齡段的死亡漏報率是否與經(jīng)濟發(fā)展水平有關(guān)。經(jīng)濟發(fā)展水平機制更多表現(xiàn)在老年段方面，但對嬰幼兒與成年段并沒有顯著影響，且系數(shù)極小。一方面，雖然模型（1）和模型（2）中經(jīng)濟發(fā)展水平的提高與嬰兒死亡漏報率存在正向關(guān)系，但這可能是經(jīng)濟發(fā)展水平與嬰兒死亡率間的強相關(guān)導致的，為了驗證這一點，本文加入其與嬰兒死亡率的交互項后，系數(shù)不再顯著，為行文簡潔不再報告。另一方面，模型（4）和模型（5）的老年段死亡漏報模型顯示了低齡老年人口與高齡老年人口的死亡漏報存在相近卻不同的機制。

對于低齡老年人口而言，盡管本文納入的主要因素沒有顯著，但在另一意義上，本文部分拒絕了低齡老年人口漏報是由于流動、因經(jīng)濟因素導致的漏報或瞞報以及較低死亡水平導致的高漏報敏感原因，這些因素可能存在影響，但并沒有想象中重要。結(jié)合已有研究，低齡老年人口的漏報問題可能更與難以操作化的文化、觀念因素有較大關(guān)系。在我國多數(shù)地區(qū)，個體在平均預期壽命前的死亡仍然被視為不吉事件，且“入土為安”的觀念仍十分重要，這可能是低齡老年人口死亡漏報的主要原因。對于高齡老年人口而言，模型顯示經(jīng)濟發(fā)展水平對漏報率有顯著的正向影響，這與已有研究討論的瞞報死亡以獲取養(yǎng)老金可能有關(guān)，但隨著養(yǎng)老金體系的完備，這一可能性在下降。另一個猜測是隨著獨居老年人口數(shù)量的大幅增加，孤寡老年人口死亡未被及時發(fā)現(xiàn)的現(xiàn)象增加，這可能是老年段死亡漏報的新的潛在原因。因此，老年段死亡漏報與嬰幼兒、成年段存在較大不同，其漏報可能與社會經(jīng)濟條件、文化觀念和社會支持系統(tǒng)存在復雜的耦合關(guān)系。

五、結(jié)論與討論

本文基于對數(shù)二項法與相關(guān)死亡參數(shù)，對五普以來的中國及其分地區(qū)死亡漏報模式的變遷進行了深入分析。研究表明盡管全國的嬰兒死亡漏報率呈持續(xù)上升趨勢，但在七普時期每十萬人嬰兒死亡漏報數(shù)量顯著減少，這一變化可能反映了普查中通過更全面覆蓋和嚴格登記校正措施，實現(xiàn)了普查中嬰兒死亡數(shù)據(jù)統(tǒng)計質(zhì)量的提升。然而，成年段和老年段的死亡漏報率及數(shù)量持續(xù)上升，表明這兩個年齡段的死亡漏報問題日益嚴峻。地區(qū)層面的分析揭示了死亡漏報的地理分布差異：嬰兒死亡漏報率在華北和東北較高，西南和西北較低；成年死亡漏報在華北、華東和西北嚴重，東北和西南較低；老年死亡漏報在華南突出，華中較低，地區(qū)之間的死亡漏報在嚴重程度和年齡段側(cè)重方面顯示出了顯著差異。從影響機制的分析中可以進一步看出嬰幼兒死亡漏報率與死亡水平存在“U”型關(guān)系，反映了不同死亡水平下的統(tǒng)計敏感性差異。成年死亡漏報與人口流動強度有顯著關(guān)聯(lián)，流入和流出人口均對死亡漏報有重要影響。高齡老年死亡漏報則更多受經(jīng)濟發(fā)展水平影響。不同年齡段死亡漏報的影響機制差異明顯，這為理解中國死亡漏報的模式變遷提供了重要線索。

本文存在一些不足。首先，在數(shù)據(jù)評估方面，由于缺少較新的中國分區(qū)模型生命表，本文基于人類死亡率數(shù)據(jù)庫的估計，可能在部分地區(qū)、部分年齡段的校正中存在高估或低估問題。其次，在地區(qū)細分方面，本文按傳統(tǒng)地理區(qū)位進行的劃分可能掩蓋了各地區(qū)的內(nèi)部差異。最后，在機制討論部分，受限于數(shù)據(jù)可得性，本文難以量化各地區(qū)的文化觀念、養(yǎng)老金制度完備性等維度。但是，鑒于當前分地區(qū)的縱向死亡漏報討論仍然很少，本文為死亡漏報的相關(guān)討論提供了新的視角和實證支持，同時，本文在評估方法上也佐證了在成人死亡漏報率正在快速增長的情況下，經(jīng)典模型生命表如Brass-Logit通常假定的成人死亡率相對準確可能存在較大問題。［8］［11］

總結(jié)而言，本文對理解中國及其分地區(qū)死亡漏報模式的變遷提供了重要的視角和實證基礎，對于改進死亡數(shù)據(jù)收集方法、優(yōu)化公共衛(wèi)生政策和應對人口老齡化挑戰(zhàn)具有重要的實踐和理論價值。鑒于死亡漏報的變動模式可能會對公共衛(wèi)生政策和老齡化社會的應對策略產(chǎn)生重要影響，未來的研究和政策制定應充分考慮不同地區(qū)的死亡漏報的復雜性和多變性，并特別關(guān)注普查以及抽樣調(diào)查中成年和老年死亡漏報情況，探索其漏報影響機制，以實施有效的監(jiān)測和干預措施。

【參考文獻】

［1］張文娟，魏蒙.中國人口的死亡水平及預期壽命評估：基于第六次人口普查數(shù)據(jù)的分析［J］.人口學刊，2016（3）：18-28.

［2］翟德華.中國第五次人口普查全國人口死亡水平間接估計［J］.人口與經(jīng)濟，2003（5）：65-69.

［3］王金營.1990年以來中國人口壽命水平和死亡模式的再估計［J］.人口研究，2013（4）：3-18.

［4］黃潤龍.1991—2014年我國嬰兒死亡率變化及其影響因素［J］.人口與社會，2016（3）：67-75.

［5］李成，米紅，孫凌雪.利用DCMD模型生命表系統(tǒng)對“六普”數(shù)據(jù)中死亡漏報的估計［J］.人口研究，2018（2）：99-112.

［6］黃榮清，曾憲新.“六普”報告的嬰兒死亡率誤差和實際水平的估計［J］.人口研究，2013（2）：3-16.

［7］趙夢晗，楊凡.六普數(shù)據(jù)中嬰兒死亡率及兒童死亡概率的質(zhì)疑與評估［J］.人口研究，2013（5）：68-80.

［8］李婷，鄭葉昕，閆譽騰.第七次人口普查數(shù)據(jù)死亡水平估計［J］.中國人口科學，2022（5）：2-16，126.

［9］王金營，魏曉.中國人口普查死亡數(shù)據(jù)質(zhì)量評估及2010—2020年死亡模式轉(zhuǎn)變分析［J］.人口學刊，2023（4）：1-16.

［10］GuD，HuangR，AndreevK，etal.AssessmentsofMortalityatOldest-oldAgesbyProvinceinChina's2000and2010Censuses［J］.InternationalJournalofPopulationStudies，2016，2（2）：1-25.

［11］李成，米紅.中國1982年后人口普查和抽樣調(diào)查中死亡漏報的估計：基于bayesian分層回歸模型［J］.人口研究，2022（1）：19-36.

［12］郝虹生，E·阿瑞葛，J·班尼斯特.中國分省死亡率分析［J］.人口研究，1988（4）：1-10.

［13］孫福濱，李樹茁，李南.中國第四次人口普查全國及部分省區(qū)死亡漏報研究［J］.中國人口科學，1993（2）：20-25.

［14］LiC，MiH.AssessmentsofProvincialMortalityinChina's2010PopulationCensusBasedontheDevelopingCountriesMortalityDatabaseModelLifeTable［J］.JournalofPopulationResearch，2021，38（2）：169-196.

［15］李建新，劉梅，劉瑞平.新疆城鄉(xiāng)人口死亡水平分析［J］.西北人口，2020（2）：39-51.

［16］黃榮清.20世紀90年代中國人口死亡水平［J］.中國人口科學，2005（3）：11-20，95.

［17］WilmothJ，ZureickS，Canudas-RomoV，etal.AFlexibleTwo-dimensionalMortalityModelforUseinIndirectEstimation［J］.PopulationStudies，2012，66（1）：1-28.

［18］張震，戴志杰，楊菁.二維死亡模型對中國人口死亡模式的適用性研究［J］.中國人口科學，2017（1）：81-91，127-128.

［19］WangY，LiX，ZhouM，etal.Under-5Mortalityin2851ChineseCounties，1996-2012：ASubnationalAssessmentofAchievingMDG4GoalsinChina［J］.TheLancet，2016，387（10015）：273-283.

［20］楊明旭，魯蓓.中國2010年分省死亡率與預期壽命：基于各省第六次人口普查資料［J］.人口研究，2019（1）：18-35.

［21］舒星宇，溫勇，宗占紅，等.對我國人口平均預期壽命的間接估算及評價：基于第六次全國人口普查數(shù)據(jù)［J］.人口學刊，2014（5）：18-24.

［22］IHME.ChinaSubnationalMDG4/5［R］.Seattle，UnitedStates：InstituteforHealthMetricsandEvaluation（IHME），2015.

［23］喬曉春.全國及各省份老年健康預期壽命變化及差異比較［J］.人口與經(jīng)濟，2023（5）：1-21.

［24］段成榮，邱玉鼎，黃凡，等.從657萬到3.76億：四論中國人口遷移轉(zhuǎn)變［J］.人口研究，2022（6）：41-58.

［25］陶濤，張現(xiàn)苓.六普人口數(shù)據(jù)的漏報與重報［J］.人口研究，2013（1）：42-53.

［26］郭未，馬炬申.遠方與故鄉(xiāng)：農(nóng)民工的流動范圍、社會環(huán)境與健康結(jié)果：基于CMDS2017數(shù)據(jù)的多重假說檢驗［J］.青海民族研究，2023（3）：52-69.

［27］李成.中國分省死亡水平和死亡轉(zhuǎn)變模式識別研究［D］.杭州：浙江大學，2021.

［28］王廣州.對第五次人口普查數(shù)據(jù)重報問題的分析［J］.中國人口科學，2003（1）：65-68.

［責任編輯李新偉］

VariationsinthePatternsofMortalityUnderreportinginChina

andItsSubregionssincetheFifthCensus

LITingA，YANYutengB，ZHIYatingB

（A.CenterforPopulationandDevelopmentStudies，RenminUniversityofChina，Beijing，100872，China；

B.SchoolofPopulationandHealth，RenminUniversityofChina，Beijing，100872，China）

Abstract：ThequalityofmortalitydatainChina'snationalcensuseshasgarneredsignificantattention，particularlyconcerningregionaldisparitiesindeathunderreporting，whichcarryprofoundimplicationsforpublichealthpolicies，strategiestoaddresspopulationaging，andeconomicplanning.Despiteitsimportance，longitudinalstudiesonregionalandage-specificunderreportingremainscarce，particularlyregardingshiftsinpatternsamidtherapidsocietaltransformationsbetweenChina'sFifthandSeventhCensuses.ByutilizingtheLog-QuadModelandgovernment-publishedmortalitydatafromvarioussources，thisstudyrevisescensus-reportedmortalityfiguresacrossprovinces，municipalities，andautonomousregions，providingasystematicanalysisofthepatternsandunderlyingmechanismsofmortalityunderreportinginChina.Thefindingsrevealasignificantupwardtrendinthenationalinfantmortalityunderreportingrate，whichrosefrom7.04%intheFifthCensusto70.99%intheSixthand75.67%intheSeventh.However，despitethisincrease，theabsolutenumberofunderreportedinfantdeathssignificantlydeclinedduringtheSeventhCensus，decreasingfrom931per100，000intheSixthCensusto474per100，000，highlightingnotableimprovementsinthequalityofinfantmortalitydata.Incontrast，underreportingissuesforadultsandtheelderlyhaveworsenedovertime.Theadultmortalityunderreportingrateincreasedfrom5.28%intheFifthCensusto26.18%intheSeventhCensus，withunderreporteddeathsrisingfrom674to2，230per100，000.Similarly，theunderreportingratefortheyoungerelderlygroup（aged60-79）rosefrom6.21%to22.64%，withcorrespondingunderreporteddeathsincreasingfrom348to920per100，000.Fortheolderelderlygroup（aged80-99），theunderreportingrateclimbedfrom1.09%to4.84%，withunderreporteddeathsrisingfrom108to475per100，000.Regionalanalysishighlightssignificantdisparitiesintheseverityandage-groupfocusofunderreporting.InfantmortalityunderreportingwasnotablyhigherinnorthernandnortheasternChina.Incontrast，adultmortalityunderreportingreacheditspeakinnorthern，eastern，andnorthwesternregions.YoungerelderlyunderreportingwasmostprevalentinsouthwesternandsouthernChina，whereasolderelderlyunderreportingwasparticularlypronouncedinsouthernandnortheasternregions.Furtheranalysisuncoversdistinctmechanismsdrivingunderreportingacrossagegroups.InfantmortalityunderreportingexhibitedaU-shapedrelationshipwithmortalitylevels，wherelowermortalitylevelscorrelatedwithhigherunderreportingrates，reflectingheightenedstatisticalsensitivityatlowmortalitylevels.Adultunderreportingwascloselytiedtopopulationmobility：themigrationparticipationratehadanegativeeffectonunderreporting，indicatingthatdeathsamongoutmigrantswereregisteredattheirplaceoforigin，reducingunderreporting.Conversely，thevisibilityofthefloatingpopulationhadapositiveeffect，reflectingincreasesinunderreporteddeathsatdestinationsduetodelayedormissingregistrationscausedbyreturnreporting.Elderlyunderreporting，ontheotherhand，wasmoreinfluencedbyeconomicdevelopmentlevels，demonstratingdistinctdynamicscomparedtoinfantsandadults.Thisunderreportingwaslikelydrivenbyacomplexinterplayofsocioeconomicconditions，culturalnorms，andsocialsupportsystems.ThisstudyprovidesacomprehensiveoverviewoftheevolutionofmortalityunderreportingpatternsacrossChinaanditsregions.Itemphasizestheneedtoevaluateunderreportingwithinthecontextofrapidsocietaltransformationsratherthanrelyingsolelyonstaticmathematicalmodels.Futureresearchshouldprioritizeaddressingtheunderreportingofadultandelderlydeathswhiledevelopingmoretargetedevaluationandinterventionstrategies.

KeyWords：CensusData，DeathUnderreporting，DeathDataQuality，DeathLevel，ModelLifeTable