《Frontiers in Public Health》：Forecasting Kazakhstan’s regional population aged 6–17?years to 2030: cohort validation and uncertainty analysis
编辑推荐：
摘要翻译：
背景：6–17岁人口的区域预测可为教育和学校健康规划提供人口学分母，但并不能直接估计卫生服务或人力需求。本研究旨在预测至2030年哈萨克斯坦20个领土单元的6–17岁人口，并将一个重点年龄平移队列模型与ARIMA和ETS基准的历史准确性进行比较。方
摘要翻译：
背景：6–17岁人口的区域预测可为教育和学校健康规划提供人口学分母，但并不能直接估计卫生服务或人力需求。本研究旨在预测至2030年哈萨克斯坦20个领土单元的6–17岁人口，并将一个重点年龄平移队列模型与ARIMA和ETS基准的历史准确性进行比较。方法：分析了2015–2025年官方汇总人口数据，覆盖20个领土单元，按地区、性别、 locality类型和单岁年龄分层。队列模型、ARIMA和ETS模型在相同的五个扩展窗口一步预测目标（2021–2025年）上进行评估。使用转移年份分块自举重采样评估队列转移比的经验不确定性；同时检验了系数敏感性和探索性迁移效应压力测试。结果：在20个领土中，队列模型在17个中具有最低的滚动起点均方根误差（RMSE），ETS在两个中最低，ARIMA在一个中最低。到2030年，点估计增幅最大的地区为阿斯塔纳、奇姆肯特、阿拉木图市和曼格斯套州，而降幅最大的地区为北哈萨克斯坦州。经验不确定性区间支持八个领土的增长和两个领土的下降；其余十个领土的方向仍不确定。结论：在主要验证设计下，队列模型在大多数领土中具有最低的历史预测误差（以RMSE衡量）。预测量化了一个人口学分母；将其转化为人员配备、服务或基础设施需求，需要关于发病率、覆盖率、利用率、可及性、生产力和现有能力的额外数据。
论文解读：
**研究背景与意义**
在区域尺度上，针对特定年龄范围的人口预测需要同时反映人口规模与年龄结构。对于6–17岁学龄人口，单岁年龄数据使得研究者能够直接建模进入和退出该年龄区间的过程，从而在五年预测期内无需依赖对未来出生数的假设。哈萨克斯坦的区域人口动态差异显著，不同地区及三个共和级城市之间的人口增长与迁移模式极不平衡。以往研究虽已指出人口增长对教育基础设施的压力，但鲜有研究在相同的预测起点上系统比较年龄结构模型与总量时间序列模型的历史预测精度，也未充分量化由近期队列转移变化所带来的不确定性。从学校健康规划角度看，6–17岁人口的预测应被视为一种人口学分母，而非直接的健康服务需求估计；将其转化为人员、服务和基础设施需求还需补充发病率、覆盖率、利用率、可及性、服务标准及现有能力等信息。因此，本研究旨在通过重点年龄平移队列模型预测哈萨克斯坦20个领土单元至2030年的6–17岁人口，并在统一的滚动起点和固定保留设计下与ARIMA和ETS基准模型比较历史预测准确性，同时量化经验转移比不确定性、模型设定敏感性及探索性迁移效应压力测试。
**研究设计与技术方法**
研究人员基于哈萨克斯坦战略规划与改革署国家统计局的人口统计动态表，获取了2015–2025年按年、地区、性别、 locality类型和单岁年龄分层的官方汇总人口数据。分析粒度为年×地区×性别×locality类型×单岁年龄，共覆盖20个领土单元。研究首先对所有关键变量进行了重复键、缺失年份、非有限或负计数、年龄覆盖完整性及冲突总计的质量检查。最终观测序列包含每个领土单元从2015至2025年的11个年度值。由于以2025年为基线，2030年所有6–17岁队列在2025年均已在1–12岁被观测到，因此五年预测无需假设未来出生数。研究采用集成分析框架，包含一个重点模型和四个补充组件：年龄平移队列模型作为主要预测模型；ARIMA和ETS作为历史验证的聚合时间序列基准；转移年分块自举用于量化经验变异性；替代系数窗口和汇总统计量检验设定敏感性；迁移情景作为探索性压力测试。队列转移比定义为同一年龄队列从前一年龄在t年移动到下一岁年龄在t+1年的人口数比值，该比值综合反映了死亡率、迁移、边界或报告效应。最终预测使用2020–2024年五个转移年比值的单位数（中位数）作为系数，并按地区–性别–locality–目标年龄完整分层计算。验证设计以滚动起点为主，用2020年以前数据预测2021，然后逐步扩展至2024年数据预测2025，每个模型在每个领土产生五个一步预测。不确定性分析采用转换年分块自举，10,000次模拟，每次从五个观测转移年中有效回放抽样，保持跨单元相关结构，计算2030年预测总量的2.5%和97.5%分位数作为95%经验不确定性区间。迁移效应压力测试使用2021–2024年净迁移均值乘以6–17岁人口占比作为学校年龄迁移代理，设定0×和2×情景以展示方向敏感性。数据处理和建模在R 4.5.2中完成，使用readxl、dplyr、tidyr、forecast、ggplot2和writexl包。
**研究结果**
数据覆盖与模型输入：最终数据集中，2025年全国6–17岁观测人口总计4,491,452人。所有1,258个所需的地区–性别–locality–目标年龄系数单元均可在完全分层水平上估计，无需回退。中位转移系数范围为0.932至1.053，中位数为0.996。
重点预测与经验不确定性：点预测显示2025至2030年间相对增幅最大的地区为阿斯塔纳（+32.14%）、奇姆肯特（+23.18%）、阿拉木图市（+21.09%）和曼格斯套州（+15.54%）；降幅最大的为北哈萨克斯坦州（?11.12%）、阿克莫拉州（?7.09%）和科斯塔奈州（?6.06%）。经验区间支持增长的领土有八个：阿斯塔纳、奇姆肯特、阿拉木图市、曼格斯套、阿克托贝、阿特劳、西哈萨克斯坦和克孜勒奥尔达；支持下降的为阿拜和北哈萨克斯坦；其余十个领土因区间包含2025年观测水平而方向不确定。区间最宽的五个领土为阿拉木图市、阿拉木图州、阿克莫拉州、阿斯塔纳和奇姆肯特。
比较历史验证：在共同滚动起点评估中，队列模型在17个领土中RMSE最低，ETS在两个（阿拜和北哈萨克斯坦），ARIMA在一个（阿克莫拉）。队列模型的区域中位MAPE为0.77%，ARIMA为1.26%，ETS为1.96%。在固定保留验证中（2015–2023年训练，2024–2025测试），队列模型在所有20个领土中RMSE均最低，中位MAPE为0.31%，而ARIMA为2.04%，ETS为1.98%。两种验证方案在17个领土中选出了相同的最优模型。
设定敏感性与迁移效应压力测试：四种系数设定下，2030年预测范围最大的地区为阿拉木图市（63,671人）、阿拉木图州（25,117人）、阿克莫拉州（20,408人）、奇姆肯特（20,123人）和阿斯塔纳（16,740人）。迁移压力测试范围最大的为阿斯塔纳（92,870人）、阿拉木图市（66,606人）、突厥斯坦州（65,009人）、江布尔州（31,830人）和杰特苏州（20,362人），这些范围仅用于展示方向敏感性，并非概率性迁移预测。
**讨论与结论**
研究发现，年龄平移队列模型在大多数领土中优于聚合时间序列基准，说明近期单岁年龄结构包含总量趋势外推无法捕捉的预测信息。点预测显示增长集中在主要城市和曼格斯套州，而北哈萨克斯坦州将显著下降。然而，经验不确定性分类比点估计更保守：增长仅八个、下降两个、十个方向不明。分块自举区间反映了近期转移年波动在五步递推中的累积效应，但由于底层仅五个转移年块，区间并不涵盖所有来源的结构不确定性，如领土调整、迁移冲击或政策变化。迁移情景基于学校年龄迁移与总体人口占比成比例的简化假设，可能不反映年龄选择性迁移的复杂性，因此仅作为探索性压力测试。研究限制包括仅使用11年年度观测、五个转移年块和四年净迁移数据，未包含发病率、服务利用和基础设施等变量。未来研究应在获得新年度数据后更新验证，并加入年龄特异性发病率、服务覆盖与利用、人员编制规范、生产力和旅行时间测量后再估算资源需求。结论部分指出，年龄平移队列模型在2021–2025年历史验证期内在20个领土中的17个获得了最低滚动起点RMSE，并产生了到2030年区域异质性的6–17岁人口预测。点估计显示阿斯塔纳、奇姆肯特、阿拉木图市和曼格斯套州增幅最大，北哈萨克斯坦州降幅最大。考虑经验转移比不确定性后，支持八个领土增长、两个领土下降、十个领土方向不确定。这些预测量化的是人口学分母而非卫生服务需求；在保留不确定性的前提下可作为区域规划的输入之一，但将人口预测转化为人员需求、服务量、疫苗接种工作量或基础设施需求，仍需发病、覆盖、利用、可及性、生产率、服务标准和现有能力的额外信息。研究发表于《Frontiers in Public Health》。
