过去20年以来,我国人口年龄结构正在经历着重大改变。生育率的下降和人口预期寿命的延长使我国的人口迅速老化,从2005到2013年,60岁以上人口的比例从10.45%升高到14.7%,老龄化的加剧正日益加大我国养老保障体系的压力。除此之外,出生性别比的提高、老年抚养比的上升、总人口性别比的偏高、劳动力人口比的减小等现象都将给我国经济和社会的发展带来巨大的影响。因此,科学准确的对我国人口年龄结构进行预测,能为我国社会经济发展策略的制定提供重要的指导,为下一步我国人口发展规划提供理论与实证依据。国内人口年龄结构的研究发展较晚,从现有研究成果来看,大多数的研究仅限于定性分析,对年龄结构具体分布形态的研究还较少。而随着对人口规划精度要求的提高,定量测量人口结构的方法正日益得到重视。现今国内主流的人口结构预测模型有logistic模型、神经网络模型、回归方程模型和Leslie矩阵模型等,但都是采取一个确定性的视角来进行分析,而这种静态数据所反映出来的问题是非常有限的。而国外在人口预测方面的研究相对成熟,除了著名的logistic模型、Leslie矩阵等离散型数据模型,基于函数性数据分析的连续型数据模型也较为常用。基于以上问题,笔者综合分析了国内外的研究成果,将一种基于连续随机人口预测模型的函数型数据分析方法应用在我国的人口年龄结构研究中。本文以离散的队列要素人口预测模型为主模型,结合非参数平滑的思想,将函数型数据分析应用在该方法中,对队列要素法涉及的基本要素进行函数型数据分析。队列要素法涉及三个基本要素:年龄别死亡率、按年龄划分的生育率(育龄期妇女)、年龄别净移民率。但由于我国移民人口数据的缺失,以及移民人口在我国总人口中所占的比例非常小,因此我们忽略了移民对我国人口年龄结构的影响。所以,本文在此基础上,建立年龄别死亡率和生育率的函数型数据模型,即将死亡率和生育率随年龄变化的过程视为一个连续的随机过程,那么每一年死亡率和生育率分别对应一条曲线,其样本也就是一系列的曲线,再根据曲线随时间的变化趋势来预测未来的曲线分布,得到未来的年龄别死亡率和按年龄划分的生育率。再根据基础人口数据,以队列要素法为基础,经过一系列的矩阵运算,可以得到未来各年龄的出生人口数和死亡人口数,从而可以得到未来各年龄的人口数量。函数型数据模型具有较高的准确性,男性死亡率函数模型的预测精度在90%以上,女性死亡率函数模型预测精度在86%以上,生育率函数模型的预测精度在88%以上。本文的具体结构安排如下:第一章:绪论。主要包括文章的研究背景的研究意义、关于人口年龄结构和函数型数据分析的国内外研究现状、研究思路与框架及文章创新之处。第二章:人口年龄结构主模型和函数型数据模型。第一部分是队列要素人口预测模型,具体包括模型的基本原理介绍和模型相关指标的解释。第二部分是函数型数据模型,具体包括模型的理论基础及该方法应用在人口年龄结构研究中的具体分析步骤。第三章:基于函数型数据的人口年龄结构预测模型。第一部分是文章数据的来源及预处理。第二部分是模型的建立与预测,具体包括函数型死亡率预测模型、函数型生育率预测模型和人口年龄结果预测模型。第四章:结论及政策建议。第一部分是文章的主要结论,具体包括未来的人口年龄结构、劳动力人口数、人口抚养比和人口老龄化进程。第二部分是政策和建议部分,具体包括针对我国人口结构变化提出的与政策相结合的建议,以及研究方法上的建议。目前,函数型数据分析方法在我国人口统计学领域中的应用较少,本文将该方法应用到我国人口年龄结构的研究中,从函数的视角对我国未来人口的出生率和死亡率进行预测,在一定程度上丰富了我国人口年龄结构的研究方法。与传统模型相比,函数型数据模型更加充分的利用并挖掘了历史数据的信息,没有任何主观上的判断,连续随机的生育率和死亡率模型进一步提高了人口年龄结构预测模型的精度。