信息速览
世界人口展望（World Population Prospects，下称 WPP）是联合国秘书处经济和社会事务部人口司每两年发布一次的全球人口估计与预测。它给每个国家或地区、每一年、每一个单岁年龄、每一种性别各一个数，估计段从 1950 年铺到现在，预测段从明年铺到 2100 年，并且不止给一条路径，而是一次给十条。
这个库最常被低估的身份是分母。流行病学里所有的「每十万人」「每千活产」「每名妇女」都只是一次除法，分子可以来自任何一条疾病或死亡流水，分母却几乎总是 WPP。它不描述任何人的健康，却决定了所有健康描述的分母口径；它不含一例个案，却是最多个案统计能被换算成率的前提。
也正因如此，WPP 的价值不在「多一个数据源」，而在「它是唯一被各方共同接受的那一个」。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 本质 | 联合国人口司的官方人口估计与预测库，第 28 版为 2024 修订版 |
| 覆盖面 | 237 个国家或地区，另有区域、次区域、发展组、收入组、SDG 区域等聚合层 |
| 时间 | 估计段 1950 至 2023，预测段 2024 至 2100，逐年而非五年一段 |
| 拆分 | 单岁年龄（0 至 100+）× 性别，另有标准五岁组 |
| 情景 | 中方案为主，另有低、高、恒定生育、恒定死亡、零迁移、动量、瞬时更替等共十种 |
| 格式 | CSV（gzip）、Excel（完整与精简两版）、Data Portal 开放 API |
| 许可 | CC BY 3.0 IGO |
| 版本节奏 | 每两年一版；2026 版已推迟至 2027 |
| 在库内的位置 | 率型指标的分母；与疾病、死亡、调查类数据集构成分子分母的配对关系 |
§1 它是什么：一个按秒复利的年度人口账本
§1.1 三条流量的账本
人口学里最简单的恒等式是：明年的人口，等于今年的人口，加上出生，减去死亡，加上净迁入。WPP 就是把这个恒等式在 237 个国家或地区上各算一遍、在 150 年上各算一遍的结果。听起来是初中算术，但难点全在输入：出生数从哪来，死亡数从哪来，迁移数从哪来。
官方页面给出的答案是三条线索：1950 年至 2023 年间完成的 1,910 次全国人口普查，各国生命登记系统，以及 3,189 次具有全国代表性的住户调查。普查确定基数，生命登记确定出生与死亡的流量，调查填补登记缺口并纠正漏报。三条线索在不同国家的权重完全不同：北欧国家的生命登记几乎就是答案，撒哈拉以南非洲许多国家则要靠调查加间接估计补齐大半。
这就决定了 WPP 的一个基本性格：它的精度不是均匀的。同一个「2020 年某国总人口」的单元格，在不同国家的可信程度可以差一个数量级。使用者在做跨国比较时必须意识到，图上相邻的两个点，背后的证据强度可能相差很远。
§1.2 估计段与预测段的分界线
WPP 2024 的估计段是 1950 到 2023 年，预测段是 2024 到 2100 年。这条分界线不是「确定性到此为止」的意思，而是「证据类型到此切换」的意思。
估计段里，人口司同样在做模型：它要把漏报的出生补上，把年份对不上的普查调平，把不同来源的口径统一。所以估计段也不是纯粹的观测量，只是它的约束来自已发生的事实。预测段则完全由假设驱动：生育率走向哪里，死亡率改善多快，净迁移每年多少人。这些假设不是拟合出来的唯一解，而是专家判断加上历史外推的组合。
两段的分界在文件里是用列位置区分的，而不是用一个标志列。这一点在 §6 的坑点里会反复出现：很多人拿到文件后按「有数就信」处理，结果把预测段的中方案数字当成了已经发生的人口数引用。
§1.3 从五年组到单岁的一年之变
2022 年修订版之前，WPP 的年龄与时间都是五年一段。2022 年起改成逐年、逐岁。这个改动看起来只是粒度变细，实际上是使用方式的分水岭。
五年一段的时代，把 WPP 和年度疾病数据相除时，必须先决定用哪一年代表这个五年。有人用段首，有人用段中，有人按加权平均，同一条率在不同论文里能差出几个百分点。改成单岁单年之后，这种「代表年」的选择消失了——你想要 2019 年，就直接有 2019 年。
代价是数据量。按 237 个国家或地区 × 151 年 × 约 101 个单岁年龄 × 2 种性别估算，仅人口一项的完整网格就在七百万行量级；再乘上多个指标与十种情景，总量进入亿级。这让「打开文件看一眼」的用法基本失效，取数必须带过滤条件。
§1.4 一个国家的四个数
在正式展开之前，先用一个国家把四类量的关系串起来，后面的每一节都会回到它。
以中国大陆为例。它在 WPP 的地区表里有一个固定的编号 156，这个编号来源于联合国 M49 体系，与 ISO 3166-1 的数字编码在这一项上恰好一致。它的总人口在 2024 修订版里是一条连续的年度序列，2023 年及以前属于估计段，2024 年及以后属于预测段。它的年龄结构可以按单岁展开，也可以按五岁组合并；性别可以拆成男、女、合计三行。
任何一项以中国大陆为单位的率型指标，都能在这条序列里找到对应年份、对应岁组、对应性别的分母。这条链条——编号、年份、岁组、性别——就是 WPP 的使用模型。搞清这四个维度，剩下的工作都是机械的；搞不清其中一个，所有率都会偏。
§1.5 典型应用场景
第一类是把率算对。疾病监测数据给出病例数，WPP 给出同年的暴露人口，两者一除，得到可以跨国比较的率。这是最基础也最常用的场景。
第二类是把结构看清。抚养比、老龄化率、劳动年龄人口占比，都是从人口数推出来的派生量，它们描述的是一个国家的人口结构处在什么阶段。
第三类是把未来框住。用中方案做规划，用低方案与高方案做敏感性分析，用零迁移情景分离迁移的影响。这类场景的关键不是选哪个情景，而是同时呈现几个情景。
第四类是把别的数据接上。任何按国家与年份排列的数据集，都需要一张地区与年份的参照表，WPP 的地区表与年份序列天然承担这个角色。
第五类是把教学讲明白。人口转型、人口红利、老龄化，这些概念在 WPP 的数字上都能画出形状，而且全部国家用同一套方法处理过，不会因为个别国家的统计缺陷而让图形出现无法解释的跳变。讲人口转型时，把生育率与死亡率的下降曲线叠在一起，两条线交点前后的人口增长差异，是一张图就能说清的事情，比任何文字描述都直观。
第六类是把地区对齐做对。做跨国面板时，最耗时的往往不是模型，而是把不同来源的国家编码对齐。WPP 的地区表同时提供数字编号、两位与三位字母代码以及 SDMX 代码，可以当作对齐的枢纽表：先把它和 A 源对齐，再用同一个编号去对 B 源，两边就自动通了。
这些场景的共同前提是同一件事：先确认版本，再确认维度。版本与维度确认之前做的任何取数，都有可能在下一次修订后失效。
§2 数据构成与规格
§2.1 三层结构
WPP 的文件不是一张宽表，而是按主题分层的多个文件，共用一组键列。理解这组键列，比记住文件名更重要。
第一层是地区表，包含国家或地区以及各类聚合体的编码、名称、层级关系、ISO 代码、SDMX 代码与地区类型。第二层是指标层，每个指标一个数值列，按年龄、性别、年份展开。第三层是衍生层，生命表、人口暴露量、年龄结构百分比等，由前两层推导。
官方文档明确建议用 LocID、VarID 与 MidPeriod 三列把不同文件连起来。这个建议值得当真：它是官方给出的连接键，也是避免连错的第一道保险。
§2.2 主键与粒度
一条观测由六个维度共同定位：地区（LocID）、情景（VarID）、年份（Time，另有 MidPeriod 表示年中或年底）、年龄（AgeGrp 或 AgeGrpStart 加 AgeGrpSpan）、性别（Sex）、指标（文件内的数值列名）。去掉任何一个，就会出现同一键多行的情况。
这里最容易出问题的是「指标」这个维度。它不是一个列，而是一批列。所以严格说 WPP 的原始形态是「长键 + 宽指标」，而不是纯粹的长表。要做成标准长表，必须先把数值列融化，再统一回六个维度。
§2.3 规模量级
以下是可核验的量级，具体数字以官方文件为准：
| 项目 | 量级 | 口径说明 |
|---|---|---|
| 国家或地区 | 237 | 官方首页口径 |
| 聚合层 | 数百 | 含大洲、次区域、发展组、收入组、SDG 区域、特殊聚合 |
| 估计段 | 1950–2023 | 官方首页口径 |
| 预测段 | 2024–2100 | 官方首页口径 |
| 单岁年龄 | 0 至 100+ | 100 以上合并为一档 |
| 标准五岁组 | 21 组 | 0-4 至 100+ |
| 性别 | 男、女、合计 | 合计行不可与男女行相加 |
| 情景 | 10 | 中方案加九个替代情景 |
| 地区层级类型 | 9 类 | 国家、大洲、次区域、发展组、收入组、SDG 区域、特别组等 |
| 中方案 CSV 列数 | 67 | 实读文件头：10 列键与属性，57 列数值 |
| 中方案 CSV 压缩包 | 约 16.6 MB | 官方链接头读得 |
| 中方案 CSV 记录数 | 约八万四千行 | 逐行计数，含全部层级 |
| 中方案 CSV 年份跨度 | 1950–2101 | 逐行计数，152 个不同年份 |
| 替代情景 CSV 压缩包 | 约 75.3 MB | 同上，含九个情景 |
| 精简版 Excel | 约 26.1 MB | 只含估计与中方案 |
| 完整版 Excel | 更大 | 含全部情景 |
这张表里有三项是直读文件数出来的，不是转引：67 列、八万余行、152 个年份。其中 152 个年份值得解释一下——官方口径是 1950 至 2100，但文件里多出一行 2101 年，这是为计算 2100 年的年度变化留的对齐行，不是预测延长到了 2101。用它做时间序列时，若按「最后一年」取数，取到的会是这个辅助行。
§2.4 国家层与聚合层的实际分布
文件里的八万余行并不全是国家。逐行按地区类型分组后，分布是这样的：
| 地区类型 | 行数 | 说明 |
|---|---|---|
| 国家或地区 | 36,024 | 237 个地区 × 152 年 |
| 未标注类型 | 35,568 | 各类特别聚合，如开发银行区域组 |
| 临时分组 | 3,496 | 按主题临时拼合的组 |
| 次区域 | 3,192 | 大洲之下的地理单元 |
| SDG 区域 | 1,368 | 用于 SDG 监测的分组 |
| 收入组 | 1,368 | 按收入水平分组 |
| 发展组 | 1,064 | 发达、发展中、最不发达等 |
| 特别其他 | 1,064 | 其他汇总口径 |
| 地理区域 | 1,064 | 六大洲 |
| 全球 | 152 | 全世界一行一年 |
这张表最有用的信息是最后一列的规律：除国家层外，每个聚合体都恰好 152 行，与国家层一致；国家层有 237 个地区，每个地区恰好 152 行，没有缺行。
「未标注类型」占了四成以上，这是最容易踩的坑：如果只按「类型为空就当成国家」处理，会把开发银行区域组当成国家混进来，全球总数立刻虚高。
§2.5 一个具体切片的核对
把中国 2024 年那一行取出来，可以看到几个口径同时出现：总人口约 14.19 亿（以千人为单位），出生预期寿命约 78.0 年，总和生育率约 1.01。三个数都在同一行，但它们的含义完全不同——人口是一个时点存量，寿命是一个合成指标，生育率是一个当期流量。
用这一行做三件事最容易出错：把人口当作「2024 年全年人口」（它是 7 月 1 日的时点值）；把寿命当作「活到 78 岁」（它是按当期死亡率推算的合成指标）；把生育率当作「平均每个妇女生育数」（它是把当期年龄别生育率加总的合成指标，不是任何真实队列的经历）。三个数的正确解释，都在官方指标定义里。
§2.6 情景的设定逻辑
十种情景不是十个平行的猜测，而是一组围绕中方案的对照实验。中方案是官方的主线，也是所有公开引用默认采用的那一条。低方案与高方案对生育率给出上下两条路径；恒定生育与恒定死亡是把某一年的水平冻结；零迁移是把净迁移置零；动量是冻结生育但保留年龄结构；瞬时更替是从预测起点直接把生育率换到更替水平。
这些情景的设计意图是分离变量，而不是预测未来。用低方案去论证「人口会崩」，或用高方案去论证「人口会爆」，都是把对照实验当成了预言。附录 A 给出逐条说明。
§2.7 一致性约束
WPP 的内部一致性可以从三个恒等式检验，它们在任何一层都必须成立。
第一个恒等式关于性别：分性别人口之和应等于总人口。第二个关于年龄：各年龄人口之和应等于总人口。第三个关于变化：本年人口减上年人口，等于出生减死亡加净迁移。
这三个恒等式看起来平凡，实际使用却经常被破坏。破坏它们不是 WPP 的问题，而是使用者的问题：加了不该加的合计行、过滤掉了某个年龄段、把年初人口与年中人口混在一列。三项检验写成单元测试，可以在十分钟内定位绝大多数加载错误。
§2.8 百分比的陷阱
年龄结构百分比文件是一个看起来最无害、实际最容易误用的部分。它的数值加起来是 100，这一点会诱导使用者把它当成可以跨年龄相加的量做别的计算。
正确的用法只有一种：把它当作结构描述，看各年龄段的占比。错误的用法有很多：把它当成人口数、把不同国家的百分比直接相减、把他国百分比套用到本国人口上。最后一种尤其常见——有人用全球年龄结构乘某国总人口，得到该国的年龄分布，这实际上假定所有国家的人口结构相同。
§2.9 迁移数据的特殊性
净迁移是三条流量里最难测的一条。出生与死亡有生命登记或调查可以捕捉，迁移却常常只能靠推算：用两次普查之间的人口变化，减去自然增长，剩下的余数就是净迁移。这个余数把所有普查误差都吸收进去，所以它的噪声远大于生育与死亡。
这解释了为什么零迁移情景在分析里特别有用：把迁移置零，等于把这条最嘈杂的流量从结果里剥离出来，剩下的部分完全由生育与死亡决定。如果低方案与高方案的差距在零迁移时明显缩小，说明差异主要来自迁移假设而不是生育假设。
小国的迁移噪声尤其大。一个年净迁移几万人的小国，其数值可能相当于总人口的百分之几，而同样几万人放在大国身上只是万分之几。所以跨国的迁移率比较，必须在比率而非人数的尺度上进行。
§3 怎么拿到：三条路与它们的代价
§3.1 三条路的选择
官方提供三条取数路径，彼此的数据源相同，但适合的任务不同。
第一条是 CSV 批量下载，官方明确推荐给需要入库或做统计分析的场景。第二条是 Excel，分完整版与精简版，适合快速查数与做图表。第三条是 Data Portal 的开放 API，适合程序化按需取数。
选择的关键不是「哪条更快」，而是「哪条能保证口径一致」。如果一次分析要跨十几个指标，混着用三条路会引入三种不同的取整与缺行处理，最后对不上账。
§3.2 CSV 的两种切法
CSV 目录里最常用的两个文件，一个装估计加中方案，一个装其余九个情景。这个切法本身就是一条使用提示：绝大多数分析只需要第一个文件，第二个文件体积是它的四倍多，只在做情景对比时才需要。
两个文件都按 gzip 压缩。解压后体积会膨胀到压缩包的数十倍，落盘前请先确认磁盘余量。按压缩包大小与总行数的比例估算，单行展开约几百字节，替代情景文件的解压体积会是压缩包的十倍以上，留足空间再动手。
§3.3 Excel 的两种版本
精简版只含估计与中方案，是官方所称「最常用数据合在一个文件里」的那一版。完整版含全部情景。两者都按年、按指标组织成宽表，行是国家或地区，列是年份。
Excel 的实际用途是查证，不是分析。用它打开后手动找一行数据核对，是最快的事实校验方式；用它做统计，会在几十万行的规模上遭遇计算与内存的双重瓶颈。
§3.4 API 的形态
Data Portal 提供的接口是 REST 形式，路径按「指标 / 地区 / 起始年 / 结束年」组织，返回 JSON，带分页信息。指标清单端点会返回每个指标的年龄维度、性别维度、情景维度是否存在，以及默认的年龄、性别与情景编号。
2026 年 10 月直连探测的实际情况是：元数据端点（指标清单、地区清单）匿名可读，指标清单返回 86 条记录；地区清单返回 300 条记录，其中包含国家或地区以及各类聚合体；但数据端点返回 401，需要凭证。这一点与「开放 API」的表述之间存在落差，使用前请以官方当前文档为准，不要假定匿名可直取数据。
§3.5 三条路的取舍表
| 需求 | 首选 | 理由 |
|---|---|---|
| 建库、做面板回归 | CSV | 结构稳定，键列齐全，适合批量入仓 |
| 核对某一个数字 | Excel 精简版 | 打开即查，不必写代码 |
| 情景敏感性对比 | 替代情景 CSV | 一次拿全九个情景，键列一致 |
| 单一指标的小范围取数 | Data Portal API | 可按地区与年份切片，返回体小 |
| 教学演示 | Excel 或数据门户网页 | 无编程门槛 |
§3.6 特殊聚合
除了标准的地理层级，官方还提供一批特殊聚合：按经济发展水平分组、按世界银行收入分组、按可持续发展目标区域分组，以及若干政治与经济贸易集团。
这些聚合的用途是做对比基线，而不是做替代。很多人直接用「全球」这一行的数值当作分母，这在国际比较里通常是正确的，因为全球人口就是全部国家之和。但如果用「某收入组」的数值当分母去算一个国家的率，就出现了口径错配：率的分母应该与该指标所覆盖的人群一致。
特殊聚合的另一个问题是它们会随时间变化。收入分组的归属每几年调整一次，一个现在属于中高收入组的国家，十年前可能属于中低收入组。用聚合行做长时序分析，会把分组变化读成人口变化。
§3.7 数据的落地形态
如果把这批文件落到本地数据仓库，推荐的形态是三层。原始层保留未改动的文件与校验和；标准层把宽指标融化成长表并按六维排序；应用层按具体任务生成宽表或聚合表。
三层的好处是任何一层的错误都可以回溯到上一层的原始文件。如果只有一层，出了错就只能重新下载，而重新下载拿到的可能已经是新版本，问题就再也复现不了。
校验和这一步值得单独强调。官方文件的链接是固定的，但内容会随版本更新而替换，链接本身不带版本信息。存一个 SHA-256 到元数据表里，是证明「我用的是哪一份文件」的唯一可靠方式。
§4 结构层：字段、键与连接
§4.1 地区表的字段
地区表是全部连接的锚。它包含地区编号、地区名称、地区类型、父级编号、ISO3 代码、ISO2 代码、SDMX 代码与备注标记。其中 LocID 对国家和区域沿用 ISO 3166-1 的数字编码习惯，这在使用上是个便利：与外部数据连接时，LocID 经常可以直接对上。
但便利不等于等价。WPP 的地区清单包含一些不在 ISO 标准里的聚合体与特别地区，也包含一些在 ISO 里有代码但 WPP 单列的地区。用 LocID 做连接时，务必先看地区类型列，别把「次区域」当成「国家」。
§4.2 指标层的字段
指标层的每一列是一个指标定义。官方在下载页逐条列出了中方案文件名下的指标，包括总人口（年初与年中两版）、分性别人口、人口密度、性别比、年龄中位数、自然增长、增长率、倍增时间、出生数、青少年生育、粗出生率、总和生育率、净再生产率、平均生育年龄、出生性别比、死亡数、粗死亡率、分性别与分年龄的预期寿命、婴儿死亡、五岁以下死亡、若干年龄段的死亡概率、净迁移人数与净迁移率。
同一个人口量有两个版本（1 月 1 日与 7 月 1 日），这不是重复，是两种口径。年中人口是人口学的惯例分母，年初人口在与日历年事件配对时更常用。混用会让所有率都偏一点，且偏得没有规律。
§4.3 年龄维度的两种表达
官方提供单岁与标准五岁组两套年龄拆分。单岁表的年龄列是字符串标签（如「15」或「100+」），另有起始年龄与跨度两个数值列。五岁组表同样有这三列。
做率型计算时，五岁组几乎总是更好的选择，因为大多数疾病与死亡统计本来就按五岁组发布。用单岁表去凑五岁组，需要自己处理末端的开口组，容易在 100+ 处出错。
§4.4 生命表的位置
生命表是单独的一批文件，只提供中方案，分性别与合计，估计段与预测段各一份。字段是标准的生命表量：中心死亡率、死亡概率、生存概率、存活人数、死亡人数、人年数、生存比、累计人年数、期望寿命、平均存活年数。
这些量的关系是确定的，任何一个可以从其它几个推出来。这意味着生命表文件里的数值若与人口文件里的死亡数不一致，问题多半出在口径（比如分母是暴露量还是年中人口），而不是数据错误。做校验时先查定义，再怀疑数值。
§4.5 人口暴露量
人口暴露量是人年数，用于把事件数与风险时间对齐。它与年中人口接近但不相等：年中人口是一个时点的快照，暴露量是区间内的积分。做发病率或死亡率建模时，正确的分母是暴露量，而不是年中人口。
这个区别在人口平稳时几乎看不出来，在人口快速变动或年龄结构陡变时就会显现。这也解释了为什么同一份疾病数据，用两个分母算出的率会在某些国家相差几个百分点。
§4.6 与外部编码的对齐
WPP 提供三套外部编码：ISO 三位字母、ISO 两位字母与 SDMX 地区代码。三套并存的好处是几乎任何外部数据源都能找到一条对齐路径；坏处是三者并非一一对应，某些地区在其中一套有码、另一套为空。
实际连接时，优先级建议是：先试 LocID 与 ISO 数字编码（若对方也用），再试 ISO 三位字母，最后才用名称匹配。名称匹配放在最后，是因为名称最容易出问题——同一地区在不同语言、不同版本里可能有不同的写法，甚至有历史名称与现行名称之分。
对齐之后一定要做覆盖率检查：对方的每一个地区是否都在 WPP 里找到了对应项，WPP 的每一个国家是否都被对方覆盖。两个方向的缺失都要计数，不能只看其中一边。
§4.7 连接时的三种失败
第一种是错配：编码看起来对上了，实际是两个不同的地区。这种情况在历史上改过名的地区最常见。
第二种是漏配：对方的编码在 WPP 里不存在，于是这条记录被静默丢弃。多半是对方用了自定义编号，或者 WPP 把某个地区归入了上一级。
第三种是多重匹配：一个外部地区在 WPP 里对应多行，比如把「某群岛」同时映射到了岛屿本身与所属的次区域。这种情况会在连接后产生重复行，进而让总数虚高。
三种失败都不会报错，只能通过连接前后的行数与总量对比发现。
§5 为什么分母本身值得单独成条
§5.1 率型指标的一半在分母
任何率都写成分子除以分母。分子通常有专门的采集体系：疾病登记、死亡登记、医院报告、调查。分母却没有专门的体系，它只能从人口数据里来。于是所有做率分析的人，最终都会走到同一批人口文件面前。
这就是库内已有 who-gho 这类指标库时，仍然需要一份独立的分母数据集的原因。who-gho 提供的是已经除好的率，但它同时也需要对各国人口做分母校验；gbd-results 用自有的人口估计，与联合国口径不同，两库的数字不能直接相减；human-mortality-database 给的是历史生命表，没有预测也没有情景；world-health-survey 是横断面调查，分母是抽样框而不是全国人口。这四条各自解决了一半问题，剩下的一半——一个统一的、带预测的、逐年逐岁的人口分母——只有 WPP 提供。
§5.2 分母错配是静默错误
分子与分母的错配不会报错。你把 2020 年的病例数除以 2015 年的人口，代码照跑，图表照出，数字看着也合理。错配的代价要等到有人复算才发现，而那时结论可能已经发表。
WPP 的价值就在于它能消除这类错配的一大部分：它给了每一年、每一岁的人口，你不需要再为分子挑一个「代表年」，也不需要再用五年组的中值去近似。分子是什么年份什么年龄，分母就能给同一年份同一岁。
§5.3 情景让分母变成了分布
传统上，分母是一个点。WPP 把它变成一个分布：低方案到高方案之间，是人口路径的可能范围。这带来一个方法论上的选择——率的不确定性，要不要把分母的不确定性也算进去。
大多数研究会忽略这一点，只报分子侧的不确定性。但如果分母在 2100 年的区间宽度达到数十亿，那么所有依赖远期人口的健康预测，其不确定区间都被系统性地低估了。这是 WPP 作为分母最容易被浪费掉的价值。
§5.4 不适合谁
这份数据给不了实时人口。它给不了国以下的空间单元（少数国家有次国家数据，但不构成全球覆盖）。它给不了健康状态，任何疾病、伤残、就医的信息都不在其中。它也给不了因果：两个国家人口增速不同，不能推出任何关于政策效果的结论。把它当成实时计数器用，或把它当成健康数据库用，都会失望。
§5.5 分母的三种用法
第一种是标准化率。把粗率除以人口结构，得到年龄标化率。这里的分母不是总人口，而是标准人口与年龄别率的加权组合，而年龄别率本身的分母又是 WPP 的年龄别人口。也就是说，一个标化率背后用了两层 WPP。
第二种是分配权重。做全球汇总时，每个国家的权重是它的人口占比。权重本身来自 WPP，若权重用错年份，全球汇总就会偏向人口增长快或慢的国家。
第三种是解释变异。跨国率的差异有多少来自分子、多少来自分母，这个问题只能靠分母的结构化数据回答。同样一个病例数，放在老龄化国家与年轻化国家，含义完全不同。
这三种用法说明，分母不是一次除法里被顺手拿来的常数，它是一个有结构、有时间、有情景的对象。这也是为什么它需要单独成为一个可被理解与引用的对象，而不是某张指标表里的一列。
§5.6 与库内相邻条目的分工
who-gho 提供的是已经除好的率，覆盖面广但只到国家年，且不含预测。它的强项在卫生主题的纵深，弱项在人口侧的精细度。做跨国率的精算时，很多人会发现 GHO 给出的率与自己用 WPP 重算的结果有差异，这个差异本身就是有价值的信息：它反映了分子侧的定义差别。
gbd-results 用自有的人口估计，与 WPP 口径不同。两边的疾病负担数字可以互相印证，但绝不可以互相代入。想把 GBD 的结果换算成率，应当用 GBD 自带的人口，或者明确说明改用 WPP 分母并接受由此引入的口径变化。
human-mortality-database 提供的是历史生命表，深度远超 WPP，但只到少数发达国家，没有预测，也没有迁移。它适合做历史死亡率的精细分析，不适合做全球比较。
world-health-survey 是横断面调查，分母是抽样框覆盖的人口，不是全国人口。用它算出的率，严格说是样本加权率，不能直接与 WPP 分母算出的率相比。
dhs-program 与 who-mortality-db 分别从生育与死亡两个方向提供原始证据，它们是 WPP 的输入之一，而不是替代品。把这几条串起来，正好构成一条从原始证据到估计、再到率的链条，WPP 站在链条的中段。
§6 AI 就绪指南
§6.1 一条最短的取数管线
下面这段脚本做四件事：取 CSV、按六维融化、按需过滤、落成 Parquet。所有路径与过滤条件都在顶部常量里，改一行即可复用。
#-- 01 取数与融化：把宽指标列压成六键长表
import gzip
import pandas as pd
SRC = "WPP2024_Demographic_Indicators_Medium.csv.gz"
KEYS = ["LocID", "VarID", "Time", "AgeGrp", "Sex"]
raw = pd.read_csv(SRC, compression="gzip")
id_cols = [c for c in raw.columns if c in KEYS or c in ("Location", "ISO3_code")]
val_cols = [c for c in raw.columns if c not in id_cols]
long = raw.melt(id_vars=id_cols, value_vars=val_cols,
var_name="Indicator", value_name="Value")
long = long.dropna(subset=["Value"])
print(long.shape, long["Indicator"].nunique())
#-- 02 建索引与落盘：按常用查询维度排序，供后续切片
long = long.sort_values(["LocID", "VarID", "Time", "AgeGrp", "Sex", "Indicator"])
long.to_parquet("wpp2024_long.parquet", index=False)
#-- 03 取某国某年的五岁组人口，作为别处的分母
def denom(df, loc, year):
m = df[(df.LocID == loc) & (df.Time == year) &
(df.Indicator == "TPopulation1July") & (df.Sex == "Both sexes")]
return m.set_index("AgeGrp")["Value"]
print(denom(long, 156, 2020).head()) #-- 156 是中国大陆在 WPP 中的 LocID
第二段调用里，156 是联合国 M49 给中国大陆的编号。这个编号在 WPP 里直接可用，但在别的数据源里未必一致：有的用 ISO 三位字母，有的用自有编号，连接前先查地区表。
§6.2 把分母接到分子上
下面的写法把疾病数据的分母对齐到同一年同一岁组，并在对齐失败时不静默填充。
#-- 分子侧：每十万人发病数的分母构造
def rate_per_100k(cases, population):
#-- 分子与分母必须同键；不对等就报错，不做隐式补齐
joined = cases.merge(population, on=["LocID", "Time", "AgeGrp"], how="inner")
if len(joined) != len(cases):
missed = len(cases) - len(joined)
raise ValueError(f"{missed} 行分子找不到同键分母，请先查地区编码与年龄标签")
joined["rate"] = joined["cases"] / joined["pop"] * 1e5
return joined
这段代码的重点是那个 raise。率型分析最常见的静默失败，是 inner join 之后行数变少而没人发现。行数变化意味着有一部分分子被悄悄丢掉，而剩下的率看起来完全正常。
§6.3 年龄标签的标准化
WPP 的年龄标签是字符串，有「0-4」「15-19」这种带横线的五岁组形式，也有「100+」这种开口组。与别的数据集连接前，必须把标签标准化成一个约定。
#-- 年龄标签标准化：统一成 (lo, hi) 元组，便于区间匹配
import re
def parse_age(label):
label = str(label).strip()
m = re.fullmatch(r"(\d+)\+", label)
if m:
return int(m.group(1)), 200 #-- 开口组给一个足够大的上界
m = re.fullmatch(r"(\d+)-(\d+)", label)
if m:
return int(m.group(1)), int(m.group(2))
return int(label), int(label) #-- 单岁标签
for a in ["0-4", "15-19", "100+", "25"]:
print(a, parse_age(a))
开口组的上界给 200 是一个工程约定，不是人口学定义。写进文档，别写进代码注释就完事——下一个人接手时需要知道这个魔法数字的来处。
§6.4 情景对比的最小实现
做情景对比时，最容易犯的错是把十个情景放进同一张图却不标注哪条是主线。
#-- 情景对比：只画低、中、高三条，其余情景单列附注
import matplotlib.pyplot as plt
def scenario_curve(df, loc, indicator="TPopulation1July"):
sub = df[(df.LocID == loc) & (df.Indicator == indicator) & (df.Sex == "Both sexes")]
pivot = sub.pivot_table(index="Time", columns="Variant", values="Value", aggfunc="sum")
keep = [c for c in ["Low", "Medium", "High"] if c in pivot.columns]
ax = pivot[keep].plot(figsize=(8, 4.5))
ax.set_xlabel("Year")
ax.set_ylabel("Population (persons)")
ax.axvline(2024, color="grey", linestyle="--", linewidth=0.8)
plt.title(f"LocID {loc}: observed to 2023, projected after")
return ax
那条竖线标在 2024，是为了把估计段与预测段分开。没有这条线，曲线左半是事实、右半是假设，看起来却完全一样，这正是最容易被误读的地方。
§6.5 坑点清单
| 坑点 | 症状 | 后果 | 规避 |
|---|---|---|---|
| 坑点 1：把预测段当中方案事实 | 引用 2050 年人口时未注明「中方案预测」 | 论文被要求补充假设说明 | 所有 2024 年及以后的数值，句中必须带情景名 |
| 坑点 2：合计性别行重复相加 | 分性别人口求和后与总人口差几位 | 总量虚高约一成 | 只在「男」或「女」或「合计」三者中选一个 |
| 坑点 3：年初与年中人口混用 | 率整体偏移 | 跨年比较出现假趋势 | 固定用 7 月 1 日口径，并在方法段写明 |
| 坑点 4：跨版本拼接 | 同一年份两个版本的数不同 | 序列出现不存在于任何版本的拐点 | 一个分析只用一版；换版就整条重算 |
| 坑点 5：把聚合层当国家 | 地区表未过滤类型 | 全球与区域重复计数 | 先按地区类型列筛出国家层 |
| 坑点 6：inner join 丢行 | 行数悄悄变化 | 部分分子的率凭空消失 | 连接后比行数，不等就抛错 |
| 坑点 7：开口组处理 | 85+ 与 100+ 混用 | 高龄人口被重复或截断 | 用 AgeGrpStart 加 AgeGrpSpan 精确匹配 |
| 坑点 8：API 权限假设 | 匿名调用数据端点得 401 | 管线在无人值守时中断 | 先探测权限，再决定是否走 CSV |
| 坑点 9：压缩包体积误判 | 按 16.6 MB 规划磁盘 | 解压后空间不足 | 按压缩比十倍以上预留 |
| 坑点 10：人口密度分母 | 用密度当作人口数 | 数值差三到四个数量级 | 密度、人口、增长率三者不可互换 |
坑点 2 值得单独说一句。很多人在做「按性别分层」的图时会顺手把男女两列加起来当作总量，然后发现和总人口列差了百分之十。差的不是数据错误，是合计行本身已经在表里，加一遍就是重复计一次。
§6.6 模型侧的建议
用 WPP 做特征时，有三类用法，价值递增。
第一类是直接用量：把某年某年龄的人口当作协变量。这是最省事的用法，但信息量也最低，因为人口与年龄结构高度共线。
第二类是派生量：抚养比、年龄中位数、老龄化率、性别比、人口增长率。这些量把人口结构压缩成少数几个标量，信息密度更高，也更适合放进线性模型。
第三类是情景差：用低方案与高方案的差值作为不确定性代理。这一类用法最少见，但在做远期预测时最有价值，因为它把分母侧的不确定性显式带进了模型。
§6.7 评估与对账
WPP 自己没有排行榜，也没有官方基线指标。它的「评估」只能是内部一致性检查：分性别人口之和是否等于合计数，各年龄人口之和是否等于总人口，出生减死亡加净迁移是否等于人口变化。
这三项检查应该写进任何以 WPP 为输入的数据管线的单元测试里。它们不验证 WPP 是否正确，只验证你的加载逻辑是否把 WPP 读对了。而读错的比例，远高于 WPP 本身出错的比例。
§6.8 特征工程的三个尺度
把 WPP 做成机器学习特征，有三个尺度可选，各有取舍。
国家年尺度：一行一个国家一年，特征是总人口、年龄中位数、抚养比、增长率。这个尺度最通用，能与绝大多数社会经济数据连接，但丢失了年龄结构的细节。
年龄组尺度：一行一个国家一年一个五岁组，特征是各组人口与占比。这个尺度适合做与年龄强相关的任务，比如分年龄的疾病负担预测，但行数会膨胀二十倍以上。
单岁尺度：一行一个国家一年一个单岁年龄。这个尺度只在需要精细年龄建模时使用，比如把不同年龄组的死亡率曲线作为输入。它的行数最大，且末端开口组需要特别处理。
选择尺度的判据不是「越大越好」，而是「下游任务是按什么粒度定义的」。如果下游只要一个国家的年度总量，用单岁尺度只会让数据量膨胀而毫无收益。
§6.9 可重复性清单
一条以 WPP 为输入的管线，要在六个月后仍然可复现，需要留下五样东西：文件名与下载日期、文件校验和、使用的版次号、使用的情景名、使用的指标口径（年初还是年中）。
五样里最常被漏掉的是校验和与口径。前者在文件被替换后就再也追不回来，后者在方法段被省略后就变成了隐含假设。两者都不占用多少篇幅，却决定了复现的成败。
§6.10 训练与评测中的用法边界
WPP 的数据本身很少直接作为标签。它更多是特征、是权重、是分母。这个定位决定了它在数据划分中的位置：按年份划分时，WPP 会同时出现在训练集与测试集里，因为它的年份覆盖贯穿全时段。
这不构成泄漏，因为 WPP 的数值不是被预测的目标。但如果任务本身是人口预测，WPP 就成了标签，这时必须按年份切分，并且严格只用估计段做训练、预测段做测试。更严格的做法是用旧版做训练、新版做测试，模拟真实的预测场景。
§7 质量、边界与已知问题
§7.1 前置认知校正
先纠正三个常见的前提误解，再谈质量。
第一个：WPP 不是「各国上报的人口数汇总」。它是人口司在各国数据基础上重新建模的结果，因此经常与各国官方公布的数字不同。差异不是错误，是方法不同。
第二个：WPP 的年份不是「数据年份」而是「参考年份」。一年的数值指的是这一年年中的人口，不是在这一年内采集到的记录。它没有采集日期，只有参考日期。
第三个：WPP 的修订不是「打补丁」。每次修订都重算 1950 年以来的整条序列，所以一次修订可能改变几十年前的数字。拿着两个版本的数做趋势分析，等于把两次估计的差异当成了人口变化。
§7.2 已知偏差
| 偏差类型 | 表现 | 影响方向 |
|---|---|---|
| 登记覆盖偏差 | 生命登记薄弱国家的早年流量靠模型补 | 历史段不确定性大 |
| 普查漏报偏差 | 普查漏报人口需按年龄性别分别调整 | 儿童与劳动年龄人口受影响最大 |
| 迁移统计偏差 | 净迁移是最难测的流量 | 小国受扰动远大于大国 |
| 预测假设偏差 | 生育路径依赖专家判断 | 远期分叉大，且系统性偏向连续 |
| 年龄申报偏差 | 高龄与特定年龄的年龄堆积 | 单岁表的 5 与 0 结尾年龄异常 |
| 版本选择偏差 | 只用最新版会丢弃历史修订信息 | 与旧文献对不上 |
最后一项常被忽视。很多研究直接下载最新版，然后发现与前人论文的数字对不上，就怀疑对方算错。实际上两边可能都对，只是版本不同。发表时写清版本号，是避免这类争议最省力的办法。
§7.3 泛化边界
WPP 在国家层面泛化良好：237 个国家或地区全覆盖，时间跨度 150 年，年龄性别双拆，这些维度上的完整性在全球人口数据里没有对手。
在次国家层面则不行。少数国家有城市或省级数据，但不成系统，也不在同一批文件里。要用次国家分母，得找各国的统计局或专门项目。
在时间上也不行。1950 年之前没有覆盖，要更早的人口得用历史人口重建数据库。2100 年之后也没有，虽然有些机构做过外推，但那已经不是 WPP。
在语义上更不行。它不含健康、教育、收入、地理坐标。把这些变量与 WPP 连接，是使用者的工作，不是 WPP 的工作。
§7.4 伦理与公平
WPP 本身是聚合统计，不涉及个体隐私，伦理风险很低。但有两点值得注意。
一是预测的政治性。人口预测常被用于资源分配、选举席位、移民政策讨论，而预测本身包含假设。把中方案当作既定事实引用，在政策辩论中会产生不对称的影响：支持某个结论的人会挑选对他有利的情景。
二是国家边界的处理。WPP 的国别划分遵循联合国的通行做法，但在一些存在争议的地区，边界与名称的表述可能与该地区自身的立场不同。跨界使用时，按原文引用并说明来源，是最稳妥的做法。
§7.5 漂移与版本管理
WPP 的漂移是有节奏的：每两年一次，一次改全部。这种漂移与「持续更新」类数据集很不一样——后者是每天变一点，前者是两年变一次，一次变很多。
工程上的对策是：把版本号写进表名或目录名，把下载日期写进元数据，把校验和对齐到文件。任何引用了 WPP 的分析，都应该能回答一个问题：这条结论用的是哪一版、哪一天下的、哪个文件。
§7.6 DAIMS 数据资产检查
DAIMS 是数据资产与信息管理的一套评估框架，下面按它对常见维度的关切做一次落地检查，结论用于判断这个库在自动化管线中的稳妥程度。
| 维度 | 检查结果 | 说明 |
|---|---|---|
| 可发现性 | 高 | 官方首页、下载页、数据门户三处入口，路径稳定多年 |
| 可访问性 | 中高 | CSV 与 Excel 直链无门槛；API 数据端点须凭证 |
| 可理解性 | 中 | 指标名清晰，但年龄与年份口径需读官方定义 |
| 可连接性 | 高 | 提供 ISO 与 SDMX 两套外部编码，键列官方明示 |
| 可信度 | 高 | 机构权威、方法公开、版本可追溯 |
| 及时性 | 中 | 两年一版，2026 版已推迟，最新仍在 2024 修订版 |
| 一致性 | 中 | 跨版本重算全序列，同一键的值会变 |
| 完整性 | 中高 | 国家层覆盖全，小地区与高龄末端存在缺行 |
| 许可清晰度 | 高 | CC BY 3.0 IGO，署名即可用 |
| 可重复性 | 中 | 无版本化下载链接，须自行存档快照 |
十项里最弱的两项是及时性与一致性，且它们是同一个根因的两面：因为每次修订都重算全序列，所以版本之间必然不能拼接；因为两年一版，所以最新数据总是滞后一两年。这两点无法通过技术手段消除，只能通过工程手段管理——存档快照、记录版本、换版重算。
§8 生态位置、版本史与可持续性
§8.1 它为何能持续
一个数据集能持续，通常要有三根支柱：一个稳定的机构、一个不可替代的职能、一套可持续的方法。WPP 三样都有。
机构上，它挂在联合国秘书处经济和社会事务部的人口司名下，这个机构 1946 年就成立了。职能上，它是联合国系统内唯一负责全球人口估计的部门，其他机构（世界银行、世卫组织、各国统计局）在需要全球人口口径时，都会引用它。方法上，队列成分法是人口学的标准工具，几十年没有根本变化，只是输入数据与计算能力在改进。
2026 年的推迟说明了另一面：它的产出也受制于资源。官方文件显示，2026 版因流动性约束与平台测试未达标，被推到 2027 年，并与修订后的 2026 年估算对齐。这不是方法论问题，而是组织与预算问题——但它提醒使用者，不要假定发布节奏永远准时。
§8.2 版本史的关键节点
| 节点 | 变化 | 使用影响 |
|---|---|---|
| 长期惯例 | 每两年一版，奇数年发布 | 引用时必须写年份版次 |
| 2022 修订版 | 年龄与时间改为单岁单年 | 五年组的「代表年」问题消失 |
| 2022 修订版 | 引入按单岁的年龄与时间间隔 | 数据量显著上升 |
| 2024 修订版 | 第 28 版，纳入 1,910 次普查与 3,189 次调查 | 当前主线版本 |
| 2024 修订版 | 增加人口密度等多个指标 | 指标列从四十余增至五十余 |
| 2026 版 | 已推迟至 2027 | 2026 年内不会出现新版 |
| 2027 版 | 计划与修订后的 2026 年估算对齐 | 预计一次性改动较大 |
§8.3 在生态中的位置
与 WPP 构成竞争或互补的，主要有几类。
国家统计局的官方人口数是另一套口径，精度在国别层面可能更高，但跨国不可比，且发布节奏各国不同。human-mortality-database 给的是历史生命表，精度高、覆盖窄、没有预测。世界银行的开放数据把人口作为众多指标之一，取用方便但底层仍来自 WPP。gbd-results 用自有的人口估计，与 WPP 口径不同，两者不能直接相减。
一个实用的判断是：凡是需要跨国可比、需要预测、需要年龄性别双拆的场景，用 WPP；凡是需要某个国家最权威的当期人口数，用该国统计局；凡是需要历史深度，用专门的历史数据库。
§8.4 社区与工具
WPP 的生态工具不少：R 与 Python 都有第三方封装包，可以把 CSV 直接读成数据框；国际组织（世界银行、世卫组织）在自己的数据产品里内嵌或转引 WPP；学术界的复现包常把 WPP 快照一起存档。
这些工具的稳定性差异很大。第三方包多数只是封装下载与列名清洗，一旦官方改列名就会失效；内嵌式的数据产品则可能滞后一两个版本。用之前先确认封装包的最近更新时间。
§8.5 谁在用
使用者可以粗略分为四类：人口学家用它做方法研究与历史重建；流行病学家用它做率的分母；政策分析与记者用它做趋势叙事；工程师用它做地理与时序的连接表。四类人关心的重点不同，但对「版本」与「情景」这两个词的敏感度，都应该是一样的。
§8.6 版本推迟的影响
2026 版推迟到 2027，对使用者的实际影响有三层。
第一层是引用。2026 年内写作的论文，引用最新版就是 2024 修订版，这没有问题，但需要在方法段说明「截至访问日期最新版为 2024 修订版」，否则审稿人可能会问为什么不用更新的版本。
第二层是更新节奏。原来两年一版的节奏被拉长到三年，意味着旧版本的使用窗口比往常更长，也意味着 2027 版发布时一次性改动可能更大。
第三层是规划。把 WPP 作为输入的下游产品（仪表盘、报告、模型）如果需要定期刷新，2026 年这一轮刷新只能刷新访问日期，数据本身不会变。
§9 使用指引与引用
§9.1 三种角色的最短路径
| 角色 | 目标 | 路径 |
|---|---|---|
| 流行病学研究者 | 一个可信的率分母 | Excel 精简版核对口径 → CSV 取数 → 按年按岁对齐分子 |
| 政策分析人员 | 一段可引用的趋势描述 | 数据门户选国家与情景 → 记下版本与访问日期 → 引用时带情景名 |
| 数据工程师 | 一条可维护的管线 | 固定版本 → CSV 入仓 → 六维主键 → 单元测试验证内部一致性 |
三条路径的共同点是第一步都在确认版本。版本确认之前做的任何事，都有返工的风险。
§9.2 引用写法
官方给的引用格式是：机构名（年份），世界人口展望某年版，在线版。实际写作时，建议在括号里补三件事：情景名、访问日期、指标口径。
一个合格的写法是「联合国经济和社会事务部人口司，世界人口展望 2024 修订版，中方案，2026 年 10 月访问，7 月 1 日人口口径」。不合格的写法是「联合国人口数据」——这句话可以被读成至少四种不同的东西。
§9.3 再分发的注意事项
CC BY 3.0 IGO 允许再分发与改编，条件是署名。署名要满足三个要素：署明来源机构、署明版本、标明是否经过修改。
再分发时若做了加工（比如算成了率、做了插值、换了年龄分组），必须在文档里写清楚改了什么。原许可不要求你开源自己的加工代码，但要求你不让下游误以为加工结果就是官方数值。
§10 AI 使用声明与核验记录
| 事项 | 声明 |
|---|---|
| 性质 | 官方人口估计与情景预测，聚合统计，非个体数据 |
| 版本 | 2024 修订版（第 28 版） |
| 发布日期 | 2024 年 7 月 11 日首次发布，官方文件标注 2024 年 7 月 |
| 下一版 | 已由 2026 推迟至 2027 |
| 覆盖 | 237 个国家或地区，1950 至 2100 |
| 许可 | CC BY 3.0 IGO |
| 适用用途 | 率的分母、跨国比较、年龄结构分析、情景推演、教学 |
| 不建议用途 | 实时人口、次国家分母、健康状态推断、政策归因 |
| 引用要求 | 机构 + 年版 + 情景 + 访问日期 + 指标口径 |
| 核查时间 | 2026 年 10 月 29 日 |
本页涉及的数字均来自官方页面、官方文件头信息与官方文档原文。凡属推算的量（如解压后体积、总行数量级），均已在正文标注为估算。
常见误读
下表把最常遇到的说法与事实并列，每一条都给出可回查的依据，供写作与审稿时对照。
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 「WPP 就是各国上报的人口数汇总」 | 是人口司重新建模的结果，与各国官方数字常不同 | 官方首页所述的分析流程 |
| 「2026 年应该有 2026 版了」 | 已推迟至 2027 年 | 经社理事会 2026 年 3 月官方文件 |
| 「预测终点是 2125 年」 | 2024 修订版到 2100 年 | 官方首页原文 |
| 「只有低、中、高三种情景」 | 下载页列出十种 | 替代情景 CSV 目录下的分支 |
| 「人口预测是算出来的唯一解」 | 是专家假设加历史外推的组合 | 官方情景说明 |
| 「年初人口和年中人口可以混用」 | 两种口径，混用会使率偏移 | 精简版 Excel 的指标列名 |
| 「男女两列加成总量」 | 表里已有合计行 | 性别维度的三个取值 |
| 「国家数是 246 或 250」 | 官方口径为 237 个国家或地区 | 官方首页原文 |
| 「数据许可仅限非商业」 | CC BY 3.0 IGO，允许商用 | 官方文件页脚 |
| 「五年组的代表年可以任选」 | 2022 版起已改为逐年 | 官方首页关于间隔变化的说明 |
| 「两个版本可以拼成长序列」 | 每次修订重算全序列 | 官方修订说明 |
| 「API 匿名就能取全量数据」 | 数据端点返回 401 | 2026 年 10 月直连探测 |
附录 A：变体与情景说明
| 情景 | 设定 | 用途 | 常见误用 |
|---|---|---|---|
| 中方案 | 生育率沿最可能路径收敛 | 官方主线，所有默认引用 | 被当成唯一可能 |
| 低方案 | 生育率低于中方案 | 区间下界 | 被当成悲观预测 |
| 高方案 | 生育率高于中方案 | 区间上界 | 被当成乐观预测 |
| 恒定生育 | 冻结预测起点的生育水平 | 分离生育变化的影响 | 被当成现实情景 |
| 恒定死亡 | 冻结预测起点的死亡水平 | 分离死亡率改善的影响 | 被用来估计「若医学停滞」 |
| 零迁移 | 净迁移置零 | 分离迁移的影响 | 被用来估计「关闭国门」的效果 |
| 动量 | 冻结生育但保留年龄结构 | 显示人口惯性的强度 | 被当成生育政策效果的预测 |
| 瞬时更替生育 | 立即把生育率换到更替水平 | 分离生育路径与更替水平 | 被当成可达目标 |
| 瞬时更替零迁移 | 上述两项叠加 | 分离两种因素 | 同上的组合误读 |
| 无变化 | 各项均冻结 | 基准对照 | 被当成过去趋势的延续 |
附录 B：变量与主键
| 字段 | 类型 | 含义 | 备注 |
|---|---|---|---|
| LocID | 数值 | 地区编号 | 对国家和地区沿用 ISO 数字编码习惯 |
| Location | 文本 | 地区名称 | 与 LocID 一一对应 |
| ISO3_code | 文本 | 三位字母代码 | 聚合体为空 |
| ISO2_code | 文本 | 两位字母代码 | 同上 |
| SDMX_code | 文本 | SDMX 地区代码 | 用于国际交换 |
| LocTypeName | 文本 | 地区类型 | 过滤国家层的关键列 |
| ParentID | 数值 | 上级地区编号 | 用于构建层级 |
| VarID | 数值 | 情景编号 | 与情景名一一对应 |
| Variant | 文本 | 情景名 | 中方案为 Medium |
| Time | 数值 | 参考年份 | 年份而非采集时间 |
| MidPeriod | 数值 | 参考时点 | 小数部分表示月份 |
| AgeGrp | 文本 | 年龄标签 | 单岁或五岁组 |
| AgeGrpStart | 数值 | 起始年龄 | 用于区间匹配 |
| AgeGrpSpan | 数值 | 年龄跨度 | 开口组为 0 或特殊值 |
| Sex | 文本 | 性别 | 男、女、合计 |
| 指标列 | 数值 | 各指标值 | 一行可包含数十个指标 |
主键是 LocID、VarID、Time、AgeGrp、Sex 与指标名的组合。缺一项就会重复。
附录 C：术语表
| 术语 | 英文 | 含义 |
|---|---|---|
| 世界人口展望 | WPP | 联合国人口司的估计与预测库 |
| 队列成分法 | cohort component method | 按出生、死亡、迁移递推人口的经典方法 |
| 中方案 | medium variant | 官方主线情景 |
| 净迁移 | net migration | 迁入减迁出，最难测量的流量 |
| 更替水平生育率 | replacement fertility | 使人口长期不增不减的生育率 |
| 总和生育率 | TFR | 按当期年龄别生育率推算的每名妇女生育数 |
| 出生预期寿命 | e0 | 按当期死亡率推算的新生儿预期寿命 |
| 暴露量 | population exposure | 区间内的人年数，率分析的理想分母 |
| 生命表 | life table | 描述同一批人全部死亡过程的表 |
| 人口动量 | demographic momentum | 年龄结构带来的惯性增长 |
| 抚养比 | dependency ratio | 非劳动年龄与劳动年龄人口之比 |
| 开口组 | open-ended group | 如 100+ 这类无上界的年龄组 |
| 参考年份 | reference year | 数值所属的年份，非采集年份 |
| 修订版 | revision | 每两年一次的全序列重算 |
附录 D：常见误读 FAQ
Q1：2026 年能看到 WPP 2026 吗？
不能。官方已决定把发布推到 2027 年，并与修订后的 2026 年估算对齐。2026 年内最新仍是 2024 修订版。
Q2：预测终点是 2100 还是 2125？
2024 修订版的预测终点是 2100 年。部分衍生分析会外推到更远，但那不是官方文件的内容。
Q3：国家或地区是 237 还是 236？
官方首页写的是 237 个国家或地区，CSV 里按地区类型筛出国家级也正好得到这个数。不同版次之间可能变动一位，引用时注明版次即可。
Q4：到底有几种情景？
2024 修订版的下载页列出十种：中方案加九个替代情景。旧版本的情景数不同，不要跨版本套用。
Q5：许可到底是 CC BY 3.0 IGO 还是别的？
官方文件页脚与联合国相关页面均标注 CC BY 3.0 IGO，允许再分发与改编，条件是署名。
Q6：有 API 吗？
有，Data Portal 提供 REST 接口。但数据端点需要凭证，匿名只能读元数据。具体以官方当前文档为准。
Q7：为什么有些国家的数和我查到的官方数不一样？
因为 WPP 是重新建模的结果，不是各国上报数的汇总。差异反映方法不同，不反映谁对谁错。
Q8：两个版本的人口数能拼成一条序列吗？
不建议。每次修订重算全序列，拼接会把估计方法的差异读成人口变化。
Q9：能不能用它算某病的患病率？
能算，但患病率的分母通常是总人口或某年龄段人口，需明确用哪个。用 7 月 1 日人口还是暴露量，结果会不同。
Q10：能不能用它做国以下的分析？
大多数国家不行。少数国家有次国家数据，但不在同一批标准文件里，需要另找来源。
附录 E：引用与再分发注意事项
| 事项 | 要求 |
|---|---|
| 署名 | 联合国经济和社会事务部人口司 + 年版 |
| 版本 | 必须写明年份版次，不得只写缩写 |
| 情景 | 引用预测段数值时必须注明情景 |
| 访问日期 | 建议写明，因为官方文件可能替换 |
| 修改声明 | 若做了加工，须标明「经修改」 |
| 商业使用 | 许可未禁止，但仍须署名 |
| 官方背书 | 不得暗示联合国认可你的结论 |
| 边界表述 | 引用国名与边界时沿用来源表述 |
再分发时的最小合规动作是三步：保留来源名称、写清版本、标出改动。这三步不需要额外授权，也不需要付费，但缺任何一步，署名就不完整。
编辑说明
核验时间：2026 年 10 月 29 日。核验方式：直连官方首页、下载页、Data Portal 元数据端点与官方文件头信息；版本推迟一事以联合国经济及社会理事会 2026 年 3 月的官方文件表述为据。未覆盖内容：各指标的逐条方法说明、概率预测的细节、特殊聚合体的完整清单、次国家数据的国别分布。文件大小与行数为即时读取值，官方替换文件后会变动。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- usgs-comcat — 共享标签：公共卫生与流行病学 / 全球健康 / 公共卫生统计 / 时序数据
- mswep-v3 — 共享标签：公共卫生与流行病学 / 全球健康 / 公共卫生统计 / 时序数据
- who-gho — 共享标签：公共卫生与流行病学 / 全球健康 / 公共卫生统计 / 时序数据
- our-world-in-data — 共享标签：公共卫生与流行病学 / 全球健康 / 时序数据
- human-mortality-database — 共享标签：公共卫生与流行病学 / 全球健康 / 公共卫生统计
- gbd-results — 共享标签：公共卫生与流行病学 / 全球健康 / 公共卫生统计
- era5-single-levels — 共享标签：公共卫生与流行病学 / 全球健康 / 时序数据
- ghcn-daily — 共享标签：公共卫生与流行病学 / 全球健康 / 时序数据
- oisst-v2-1 — 共享标签：公共卫生与流行病学 / 全球健康 / 时序数据
- ibtracs — 共享标签：公共卫生与流行病学 / 全球健康 / 时序数据
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
