死亡水平和人口预期寿命既是社会和经济发展的重要指标，也是衡量人类健康水平的重要指标。随着社会经济的发展，中国死亡水平和人口预期寿命发生了巨大变化。民国时期的数据显示（1929～1931年）农村人口的平均寿命低于35岁（许仕廉，1960）。20世纪50年代初期，随着经济状况好转，人民生活趋于安定，中国人口预期寿命延长至50岁左右，20世纪80年代初期人口预期寿命延长至65岁左右，到1990年人口预期寿命达到67.90岁，而2000年人口预期寿命已经超过71岁（黄荣清等，2008）。2010年，中国进行了第六次人口普查。根据人口普查数据计算的人口预期寿命为77.95岁，男性人口预期寿命为75.65岁，女性人口预期寿命为80.49岁，但是考虑到漏报，人口预期寿命调整为74.83岁（崔红艳等，2013）。在中国，用于死亡研究的数据主要来源于普查数据和抽样调查数据。自1982年起，中国人口普查开始搜集死亡数据信息。由于死亡数据是回顾性信息，可能存在漏报和误报，所以关于死亡数据的质量一直存在较大争议。学者们在死亡数据、死亡水平、死亡模式及变化趋势等方面做了大量的研究。

中国在1982年、1990年、2000年和2010年人口普查中收集了死亡信息。学者普遍认为人口普查的死亡数据中存在漏报，其中比较严重的是婴幼儿和老年人的死亡漏报，由此导致人口普查数据中粗死亡率、婴儿死亡率、5岁以下儿童死亡率和老年人口的死亡率偏低，人口预期寿命偏高。系统性梳理人口普查数据的死亡信息既是对过去数据的总结，也是为未来判断人口普查数据中死亡数据的质量提供基础。就中国的人口普查数据来说，中国1982年人口普查数据较为可靠，而1990年、2000年和2010年人口普查中死亡数据存在漏报瞒报的现象。1990年人口普查数据中死亡漏报主要集中于婴幼儿阶段和成年阶段。2000年和2010年人口普查死亡数据的漏报主要集中在低龄阶段和老龄阶段。1990年、2000年和2010年人口普查在低龄阶段和老年阶段人口死亡漏报较为严重。因此，在对中国死亡水平进行具体分析之前，需要对人口普查中死亡数据的质量进行评估。

关于中国的死亡问题，当前研究主要集中在死亡漏报方面，而样本量的问题也逐渐受到关注（黄荣清，2006；黄荣清、曾宪新，2013）。本章通过二项分布和正态分布及其方差估计、逆抽样方法等统计方法，分析了样本量、死亡水平、相对误差、置信水平之间的相互关系。本文说明死亡是稀有事件，在一定的置信水平和相对误差下，研究死亡水平对样本量要求比较大；使用逆抽样方法估算的样本量也证实了这一点。本文发现，在小样本量下的调查中，当死亡率较低时可能观测不到死亡案例，特别是出生人数少的县级和区级单位。使用人口普查或者抽样调查的样本量观测到的死亡人数与使用统计模型可以估算出的可能的最大死亡概率，有助于我们加强对死亡率分析的认识。即使考虑到最高死亡率，报告的死亡水平仍然低于正常水平，所以对于数据的评估和调整还需要继续进行。2010年人口普查报告的婴儿死亡率明显偏低，可以判断调查中存在较大的婴儿死亡漏报率（黄荣清、曾宪新，2013）。因此，在厘清样本量和死亡水平的关系之后，死亡漏报及其调整仍然是需要研究的主要问题之一。

本文使用历史数据，借助于二维死亡模型和三参数死亡模型的思路，根据年龄别死亡率之间的相关关系估计了中国2010年0岁死亡率。首先，不同的数据反映的年龄别死亡率之间的关系有差别，会得到不同的回归系数，从而得到不同的结果。其次，选择不同年龄组的死亡率进行回归分析，也会得到不同的结果。本章使用1～4岁、5～9岁、10～14岁、15～19岁、20～24岁死亡率估计0岁死亡率。对中国死亡数据来说，1～4岁死亡数据可能存在较多漏报，因此可以考虑把1～4岁年龄组数据剔除。最后，使用不同的回归模型也会影响结果。本章使用线性模型，直接对死亡率进行回归。如果使用其他模型也会得到不同的结果。如果对数据进行处理例如对死亡率取对数之后，得到的结果也会有差异。本文依据二维死亡模型和三参数死亡模型的思路，根据各年龄组死亡率之间的关系，估计了0岁死亡率。在具体应用中，需要对基础数据、回归模型、年龄组等方面进行综合考虑。本章方法存在一定的局限性，但提供了一种估计0岁死亡率从而估计婴儿死亡率的思路。

中国的死亡数据漏报问题比较严重，导致死亡水平一直存在争议。本文希望使用尽可能多的数据，通过不同方法多种结果的比较，进一步了解中国死亡水平，为完善服务政策提供借鉴和依据。对于单次人口普查死亡人口漏报情况，1990年女性人口死亡漏报率高于男性；2010年，Brass增长平衡方程估计方法估算的女性人口死亡漏报率低于男性，而Preston-Coale成人死亡率估计方法估计的男性死亡漏报率高于女性。采用这两种估计方法与死亡率观测值比较，发现老年人口死亡漏报情况较为严重。使用这两种间接估计方法得到的人口预期寿命均低于人口预期寿命观测值，1990年和2000年采用两种方法得到的人口预期寿命结果相差不大，但在2010年，Preston-Coale成人死亡率估计方法估计得到的女性人口预期寿命明显高于Brass增长平衡方程估计方法估计得到的女性人口预期寿命。对于相邻两次人口普查估算死亡人口漏报情况，Bennett-Horiuchi非稳定人口估计方法估算死亡人口漏报率高于Preston-Hill一代人生存率估计方法，女性人口漏报程度高于男性。因而，Bennett-Horiuchi非稳定人口估计方法估算人口死亡率高于Preston-Hill一代人生存率估计方法，老年人口死亡漏报情况较为严重。从两次普查年间调整后的结果可以看出，Preston-Hill一代人生存率估计方法得出的人口预期寿命高于Bennett-Horiuchi非稳定人口估计方法估计的人口预期寿命。对于男性而言，1982～1990年两种方法得出的人口预期寿命结果相差较大；对于女性而言，1982～1990年和2000～2010年两种方法得出的人口预期寿命结果相差较大。本文采用四种间接估计方法，发现人口普查的死亡数据存在漏报。许多学者也利用各种方法估计和修正死亡数据，估计和修正的方法不统一，也没有一个普遍接受的结果。但各种方法的结果都表明，中国人口死亡水平显著下降，人口预期寿命不断上升。

本文展示了粗死亡率、婴儿死亡率、5岁以下儿童死亡率和人口预期寿命等死亡指标的变化趋势。使用中国地图从省级层面分析死亡指标，不同人口普查时点各省份粗死亡率、婴儿死亡率、5岁以下儿童死亡率和人口预期寿命均存在较大的差异。1982年到2010年各省份的粗死亡率、婴儿死亡率和5岁以下儿童死亡率呈现由东向西阶梯式上升趋势，而人口预期寿命呈现由东向西阶梯式下降趋势。随着中国社会经济的发展和医疗水平的提高，各省份的死亡水平逐渐降低并且差距也逐渐缩小。但是不同省份之间的差异依然存在，东部地区的死亡水平低于中部地区，西部地区的死亡水平最高。中国死亡水平的地区差异表明，不同区域在制定政策时需要因地制宜，采取有针对性的措施，促进人口与社会长期、均衡和可持续发展。

构建全年龄人口死亡模型是一个很有意义但亟待解决的难题。自1825年起，Gompertz开始尝试建立全年龄人口死亡模型。此后，许多学者继续构建人口死亡模型，但是模型构造过于复杂，存在参数估计困难、模型精度太低等问题，因而难以应用于实际。本文试图从现有符合情况的累计分布函数中选出适合中国人口的死亡模型。

人口死亡模型是对死亡数据的数学化处理，其研究能够加深我们对人口死亡规律的认识。本文使用10种统计模型拟合1982年、1990年、2000年和2010年全国人口普查中65岁及以上老年人口死亡概率，分析不同模型拟合结果以及模型拟合值与观测值之间的差异。

自1980年以来，中国开始对死亡数据进行统计，但是存在死亡漏报和年龄误报等现象造成的数据质量问题。本文使用死亡率、死亡概率、存活概率和人口预期寿命等多个死亡指标来反映中国的死亡水平。

世纪80年代以来中国人口的死亡率持续下降，本文把全国和各省份粗死亡率的变化分解为年龄别死亡率变化和年龄结构变化两个因素，主要得到以下结论：第一，对全国、城市、城镇和农村粗死亡率变化进行分解，发现年龄别死亡率变化的贡献值促使粗死亡率降低，年龄结构变化的贡献值促使粗死亡率升高，但在不同时期年龄别死亡率变化的贡献值和年龄结构变化的贡献值的大小和方向不同，因此全国、城市、城镇和农村粗死亡率有升有降。第二，比较城市、城镇和农村粗死亡率差异，可知年龄别死亡率变化贡献值绝对值始终大于年龄结构变化贡献值绝对值，即在城市和城镇、城镇和农村、城市和农村粗死亡率的变化中，年龄别死亡率变化是粗死亡率变化的主要影响因素。第三，分析不同年龄组粗死亡率的变化，在全国、城市、城镇和农村中，发现65岁及以上人口对粗死亡率变化的贡献值绝对值在不同时期均达到最大。因此，65岁及以上老年人口对粗死亡率的变化起重要作用。第四，对各省份粗死亡率变化进行分解，1982～1990年有13个省份的粗死亡率降低，1990～2000年有23个省份的粗死亡率降低，2000～2010年有20个省份的粗死亡率降低，年龄别死亡率变化和年龄结构变化在不同时期对粗死亡率变化的影响具有相似性。年龄别死亡率变化促使粗死亡率降低，但影响力先上升后下降；年龄结构变化促使粗死亡率上升，但影响力先降低后上升。