不正常死亡3000万——荒唐的结论和数据基础

三年自然灾害期间，因为食品短缺造成了一定数量的非正常死亡，具体是多少有很多说法，其中有一个叫金辉的人，最早提出了3000万的说法，而老贼杨继绳的推断是4060万，茅于轼这个老贼更是说达到5000万，真是数不惊人死不休，他们的目的不言自明，虽然笔者一直不相信会死那么多人，但一直没有去考证，直到最近在一个论坛上看到有人又提什么至少3000万，我提出质疑，对方让我找证据，并告诉我他们的数据源于金辉、杨继绳、曾树基等人的论文或专著，还有外国人的研究结论（这可能更扯淡，中国人自己还整不明白呢）。金、杨的结论的基础是一份所谓的国家统计局的一份人口数据表，本文所要讨论的也是这个表，因为一旦这个数据表有问题金、杨等人的结论也就站不住脚了，因为金辉说的少些，就按他说的最少的3000万来论证吧。　　

一、        金辉的算法和结论　　

金辉的论文出的早，1993年就有了，大家可以在网上很容易找到他的文章，金辉的公式：　　

出生人口—正常死亡人口—人口增加=非正常死亡，　　

金辉的算法中：出生人口用到了统计局表（表1）中的出生率、人口总数，正常死亡则从灾害之外的相近年份估算的平均值，人口增加为本年人口减去上一人口，表上也可以直接查到，于是金辉利用这个公式计算出了60、61年的非正常死亡之和为2521万，但是他在用这个公式算59年的数字时遇到了麻烦，（用他的算法算下来是一个可笑的负数，而且不是一个可以忽略的小数字，是负的360万），于是他又根据那一一年的死亡率估算一个291万的非正常死亡，于是，三年非正常2800万出笼了（后来别有用心的人又给进到了3000万，那些口口声声普世的家伙对于中国的死亡数怎么就如此的慷慨,），金辉这还嫌不够，因此又在其论文的下半部左推右猜又补充死亡1290万，于是4060万出炉了。（这可能是杨老贼数据的出处吧，杨老贼的扯淡文章我是懒得看，浪费生命啊！）。单看金辉把不同方法得来的数据往一块加就极其不严肃，根本不是一个学者应该犯的错误，只引用对自己希望出现的结果有用的数据，出现问题不去怀疑自己的算法和引用的数据，而是瞎算加胡推论，这样的结论惨不忍睹，居然还能登上国家杂志，混淆视听。　　

二、        金辉算法、结论的分析　　

金辉公式本身没什么问题，因为他是从下面这个公式演变来的，即　　

出生数—死亡数=人口增加，这个公式更直观，不过还要用到：　　

死亡总数=非正常死+正常死，这也没问题，按理这个公式最直观、最简单（金辉59年的数据就用这个算法得到），死亡总数能根据表上的数据算出出来，也不会导致非正常死亡是负数这样可笑的结论出现，而且三年的数据都出自一个口径（即公布死亡率和当时人口基数），这样误差会小很多，说的形象点儿类似于合并同类项，金辉为什么兜圈子用他的复杂公式呢，因为按照简单公式和误差小的算法得到的三年非正常死亡人数约是1400万（根据表1），这显然不是金辉希望看到的，于是他开始质疑了，但他不去质疑60年人口突然出现负1000万增长，而去怀疑表中的出生率、死亡率、和自然增长率，于是乎又推论出2800万背后还有1200多万非正常死亡的结论，驴唇不对马嘴。　　

金辉对表中负1000万却深信不疑，因为这是他得出结论必须的，他已丧失一个作为学者应该有的严肃与公正，看到这个人还论证过那三年根本没有什么自然灾害的文章，他的险恶用心和阴暗心理已不言自明，他的论文可以说没什么价值了，但偏偏有更阴险之人居然据此写下洋洋洒洒80万的所谓专著“墓碑”，让一些没脑子的反毛们如获至宝，每每用来引用，讨论一个没谱的结论竟然用80万字，那都是些什么垃圾文字，你有那功夫怎么不去考证金辉结论的可靠性。茅贼于轼更是骇人听闻的提出了5000万的说法，死这么多没轮到你这个右派，你当时被当宝贝供起来了？　　

金辉的公式没问题，却能得到荒唐的结论，那么显然是数据出了问题，金辉的反应是三率有问题，我的反应是59年人口数目有问题，因为59年已是灾年，人口竟然净增1200多万，而59年共出生约1500万，灾年仅死亡300多万，比正常年份死的还少很多，而同是灾年的60年却要死亡超过2000多万，跳跃的是不是太大了？这可能么？而用当年死亡率估算死亡人口是900多万，同一年的数字出现如此大的矛盾现象，说明某些数字被人改动了，因为统计局的个个数据是相关的，单改某些数字就会产生这样的问题，这绝对不会是统计局的原始数据，太不专业了，是对统计局基层工作人员智商的侮辱。因为统计局的数字要横向（同一年内）相符，纵向（历年内）相符，这很像数独游戏，受行、列、宫三重限制，你行列都对，但可能和宫中的已知数字矛盾。大家可以演算一下，其实表1中58到62这五年的数据都有问题，数据横纵两向都存在不符。而其他年份基本没有这个问题。

    表1

      表2  1949-1985年中国大陆历年人口数据 
年份 年末总人口 出生率 死亡率 自然增长率 总和生育率
（万人） （‰） （‰） （‰） (个)
1949 54167 36.00 20.00 16.00 6.14
1950 55196 37.00 18.00 19.00 5.81
1951 56300 37.80 17.80 20.00 5.70
1952 57482 37.99 17.00 20.99 6.47
1953 58796 37.00 14.00 23.00 6.05
1954 60266 38.19 13.18 25.00 6.28
1955 61465 32.18 12.28 19.90 6.26
1956 62780 33.67 11.40 21.39 5.85
1957 64238 34.03 10.80 23.23 6.41
1958 65346 29.22 11.98 17.24 5.68
1959 66012 24.78 14.59 10.19 4.30
1960 66207 20.86 17.91 2.95 4.02
1961 66457 18.02 14.24 3.78 3.29
1962 67295 22.63 10.02 12.61 6.02
1963 69172 40.00 12.11 27.89 7.50
1964 70499 30.68 11.50 19.18 6.18
1965 72538 38.42 9.50 28.92 6.08
1966 74206 31.82 8.83 22.99 6.26
1967 76032 33.04 8.43 24.61 5.31
1968 78198 36.70 8.21 28.49 6.45
1969 80335 35.35 8.03 27.32 5.72
1970 82542 35.07 7.60 27.47 5.81
1971 84779 34.42 7.32 27.10 5.44
1972 86727 30.59 7.61 22.98 4.98
1973 88761 30.49 7.04 23.45 4.54
1974 90409 25.91 7.34 18.57 4.17
1975 91970 24.59 7.32 17.27 3.57
1976 93267 21.35. 7.25 14.10 3.24
1977 94774 23.03 6.87 16.16 2.84
1978 96159 20.86 6.25 14.61 2.72
1979 97542 20.59 6.21 14.38 2.75
1980 98705 18.26 6.34 11.92 2.24
1981 100072 20.21 6.36 13.85 2.63
1982 101654 22.28 6.60 15.68 2.87
1983 103008 20.19 6.90 13.29 2.42
1984 104357 19.90 6.82 13.08 2.35
1985 105851 21.04 6.78 14.26 2.20　　

假设金辉的结论正确，即三年间非正常死亡达到了3000万，加上估算的每年约700万的正常死亡，三年累计死亡5000万，而三年中累计出生人口约4000万，就是说三年后将出现1000万的负增长，这从表1看是矛盾的，于是金辉的结论是61年底的人口数有问题，按理他可以这么怀疑，但如果是这样的话，将引起62、63年的数据异常，进而影响到64年的数据，因为61年底人口数如果比表1中的数字少1000多万的话，到64年是如何也补不回来的，而64年因为进行了人口普查，64年的人口应该是准确的，承认64年数据是我们和金辉等人讨论人口变化的基础，如果连64年的数据也怀疑的话，那大家所有的讨论都失去了意义，金辉的结论更是扯淡。如果没有64年的二次普查，有些问题还真说不清了。　　

         可见无论怎样论证，金辉的结论都是站不住脚的的，金辉结论的主要支持数据是表1中的两个人口负增长，因此这两个数据就相当令人怀疑了。那到底这个负增长可疑还是金辉说的三率有问题呢？请接着看　　

        三、人口数据统计表考证以及我们到底该相信哪些数据　　

金辉原文中提到的84年公布的那个表在国家统计局的网站上查不到，在能查到的表中缺少58到61年的数据，我在网上查到了的数据表有两个，一个是表1，一个是表2 ，其中表1和金辉原文中引用的数据一致，而且是有些人说毛左们更改了国家统计局数字（即表2）的根据。既然这些人可以这么认为，那表1是不是可以认为是反毛的人改动的？两个表格现在应该在同一起跑线了吧？那我们看看谁更可疑。　　

首先，简略了解一下统计表中的数据如何获得。53、64两年的数字是人口普查的结果，应该是准确的数字了，其余年份人口数量是根据户籍数估算（户籍数由公安部门提供），这个要用到平均每户的人口数。出生率、死亡率都是由抽样获取的，而自然增长率是两者之差，显然由上一年人口数和自然增长率可算出当年人口，这个可以和按户籍估算的人口数相比较，如果误差不是很大，说明人口统计模型基本合理，否则要做相关的修整，显然户籍总数更不容易统计，户均人口数更是不太容易估算的，而出生率等只要取样数量充分布局合理得到的数据就会很准确，要比根据户籍得到的人口总数可信度更高，一样光景的年份出生率、死亡率相差不应该很大，否则就令人怀疑，出生率等因有一定的统计作为基础，是客观的，改动了很容易看出问题，这也是表　　

　 　

1、表2中许多年份（主要是57—62）当年人口数相差很大，而三率却基本一样，说明改的那个人也很清楚这一点，但是因为数据的相关性，改动的那个表的数据是无法自圆其说的。说出生率相对准确，在从国家统计局网站上查到的另一数据表中得到验证，见表3 。这是1995年统计的分年龄段人口统计。我当时怀疑63年那么高的出生率，找到了表3（见文章最后）。按表1、表2计算的出生人口都是2800多万，我开始怀疑没这么多，但95年32岁的人口确实有那么多，我又看了看64年以前的出生数量，表2表3基本吻合的很好，表1中我看了62年的数，根据表1算的62年出生2400多万，而95年时33岁人的数量是1900多万，61、63都很符合，难道单单62年出生的人比那相邻两年出生的人口多死500万，这可不是一个小的比例。因此考证到这里的时候我对出生率的准确性怀疑基本解除了，而表1中数据的可疑之处越来越多。　　

让我们来看看表1数据的可疑和不合理的地方。从57年的数字就有问题了。　　

57年，表上显示人口狂增1800多万万，实际出生人口2100万左右，仅死亡300多万（按金辉的公式又是一个非正常死亡负好几百万的结果），而按两个表中自然增长率来计算的话增加1400万。疑点当年人口被虚加，但出生率已相当高，不能再改，而死亡率太低也不现实，硬着头皮不改，于是横向数据不符出现。　　

58年虚增200万。三率和表2基本一致。　　

59年最可笑，灾年逆势增加1200多万，当年仅出生1500多万，而按统计死亡率算死亡约990万。疑点，三率两个表一致，硬加600余万。三率不改原因同上。　　

60年，大跃进式死亡2100多万，三率中不改变死亡率和2100万实在不相配了，相应自然生长率也随之变化，但死亡率改的没有到位，千分之25的死亡率对应死亡人数约1650万，为什么不敢再往上编了，因为千分之25的死亡率本身已很高，也比相邻两个灾年高的太多。　　

61年，人口数已改烂了，三率没改，明显的不符是人口负增长对应着正的人口自然增长率，改数的人已乱了方寸，不是不想改圆，是数据的相关性太强，为了60年1000万的负增长，改了前三年，可是要回归64年的普查数据，62、63更费劲了。　　

62年，很难改了，死亡率不能再低了，于是在出生率上做文章，这就是表1中61年出生率和表2和表3中数据不符的原因吧，虚升500多万出生人口。　　

再看看表2，首先自身没有矛盾，出生率与表3吻合的很好，问题年之外的年份三率与表1相符，问题年中的大部分三率和表1一致，而三率与表1中不一致的地方，表1的数据是如此荒唐，到底谁更可信，大家自己去判断吧。表1是一个无法自圆其说的数据表，如果其中64年以前的数据要是客观真实的，统计局相关的工作人员和领导就应该回家种白薯了，那从表面上看都不是一个合格的作业！从改数字看，改动的人应该是比较专业的人，因为万不得已他都不去动三率，即使有明显的不符出现，因为那是他们统计局的真实的工作成果，是有据可查的，改了之后也是更加不合理的。毛左们改数据了么，改的难道竟然比专业人士还好？　　

      表1、表2其他方面的证据，两表中59—61三年的人口出生率一致，都明显低于前后的年份，死亡率也明显高于前后年份，这真实的反映了灾害，但表1中60年的死亡率比同是灾年的前后两年高的不正常了，即使如此还和当年的数字对不上。　　

不比不知道，用来攻击毛左篡改数据的证据竟然比被攻击的数据还不靠谱，既然如此我们只好更相信表2了。　　

 四、   非正常死亡到底有多少　　

        前面按表1中的死亡率和人口基数统计约为1400万，这和社科院统计的数量相当，看来中科院使用的数据也是源自表1，只不过社科院没有按照金辉明显不靠谱的方法计算，就是没有相信60年负的1000人口变化。从前面的分析可以看出，表2数据更可信一些，按照表2数据用死亡率计算三年总死亡人数约3080万，如认定那几年正常每年死亡约700万左右，三年约2100万，这样得到的三年非正常死亡约1000万。这已不是个小数了，但对于金辉之流可能觉得太少了。但这是非正常死亡，不是直接饿死1000万，两个概念还是不一样的，真正饿死的我在网上也查阅了一些文章，唯一靠谱的是一个老干部回忆，他说灾后曾奉命调查过此事，结论是20万，因为这个数字当时被批给社会主义抹黑，85年后又变成替左倾掩盖事实真相，同样的数字，不同的遭遇，不管你信不信，我反正信了。　　

       结果和过程这样简单令我都觉得有些不可思意，其实我们已经接近真实的数据了。这好像对金、杨的那些洋洋洒洒的文字不太尊重，但推理和证据很充分了，至少我比金辉要严肃得多，也更严谨吧，至于杨的80万文字就让它进到他自己的“墓碑”里吧。其实事情本没那么复杂，颠倒黑白的是84年的数据，我不知道这样的数据是怎样出笼的，居然经不起我这样一个不专业人士的推敲。再一次说明，我计算的数据基础是表2，中的死亡率，和表1相比仅60年死亡率不同，而表1中的死亡率已证明不可信。人口基数取6.6亿，这是比较得到认可的数字。凭什么我要相信公布的死亡率？因为从出生率上看，统计基本准确，而死亡率也是同一群人统计的，因此和真实的至少相差不会很大。另外，没有比这些更权威的数字，还有新中国成立后，政府一直在有序运作，我们没有理由去怀疑统计局正常的统计工作，就是说没有被改过的数据一定是有坚实的统计基础的，以至于篡改数据的人都不敢轻易去动三率数字，事实上仅几处改动也一见便知。　　

  这段时间我看了不少关于讨论这个问题的帖子，有一位网友的见地比较独特，他认为相信53年和64年两次人口普查的结果并以此为基础，先算出53—64的11年人口增量为1.13亿，用二次普查中分年龄段人口数推算出11年间出生2.31，其实用出生率得到各年出生人数同样得到跟这个数字相符合的2.3亿左右，这又证明出生率统计基本准确，也证明53年到64年间出生的孩子都还活着，如果那三年多死了三千万，小孩在这里的比例一定会很高。他用总出生减去总增加得到11年间共计死亡1.18亿，我觉得他的推理和结论到这都很有道理，1.18 亿的死亡总数也基本准确，但其后的结论就不太正确了，他说非正常死亡2000万、3000万或更多都有可能，他也提到左右两派互相攻击对方更改数据，推断右派不可能改数据，根据我上面的推理他的这些结论也是站不住脚的。根据表2历年死亡率（按表1也差不多）算11年间共计死亡约9070万，和前面的1.18亿相差2830万，这可能是那位网友说的非正常死亡2000万、3000万都是有可能的依据。但如果把这两三千万都算在那三年中，不论怎样分配，都会对那个表格带来可笑的不符和，其中表1就是一种尝试，但相当不成功。那问题到底出在哪里，笔者看了这位网友的帖子，也困惑了好久，后来笔者想到，我们一直假设统计局的三率统计准确，出生率已基本验证，但死亡率认定基本准确一直没有证据，但如果统计的模型有问题可能会产生系统误差，比如整体都偏低了。因此把多出来的数据都往那三年里放是不合理的，一放也会产生不符合，因此应该把多出来这些数字分配到各个年份中去，分配的方式是按每年死亡数的权重来分配，修正各年死亡数，那三年死亡约3000万，占9070万的三分之一，约分得930万，但相应的正常死亡平均数约增加237万，因此三年增加的非正常死亡约为930—237x3=219万，加上前面的1000万，约1200万。这就是本人的推论，因为修正后数据分配开了，每一年内的数字变化都不是很大，不会对统计表格带来致命伤，可能有人要问，为什么要这么在意这个表格，因为没有一个合理的接近真实情况的数据表，我们就失去了讨论问题的基础，无论说多少都是盲目的猜测了。我不敢说我关于死亡率修正的方法一定对，是我想到的最有可能的情形，谁有更好的合理解释，大家一起来讨论。　　

  

 五、关于曾树基的论文　　

曾树基没有用到统计局的数据。曾树基用调查全国各地三年间人口变化来得出结论是3250万。统计的单位是按古代的府的管辖范围来统计，为什么要用府作为统计？说是数据来自府志、县志，也没怎么具体说明就列出了各省的非正常死亡人数，按理数据的获得是你论文的重点，你应该罗列得到数据的过程，就那么突然的出来一个表格，谁信呢，要读者自己去考证，那就得重做曾的工作，这基本是不可能完成的任务，对于曾本人来说，我不知道他有和能量量去完成国家统计局都不可能完成的任务？　　

  　　

结论，非正常死亡约1200万，党史二卷说的1000多万，不知根据在哪，但和我的结论不冲突。

表3

全国分年龄和性别人口 (1995年10月1日) POPULATION BY AGE AND SEX (OCTOBER 1ST,1995) 本表是1995年1％人口抽样调查数据, 抽样比为1.04％。 Figures in this table are from the sampling survey in 1995.The sample proportion is 1.04％. ------------------------------------------------------!------------------------------------------------------- | 合 计 ------------------| 性别比 ! | 合 计 ------------------| 性别比 年龄(岁) | (人) | 男 | 女 | (女=100) ! 年龄(岁) | (人) | 男 | 女 | (女=100) Age | Total | | | Sex Ratio ! Age | Total | | | Sex Ratio |(person)| Male | Female |(Female=100)! |(person)| Male | Female |(Female=100) --------------+--------+--------+--------+------------!---------------+--------+--------+--------+------------ 总计 Total |12366952 6294901 6072051 103.67! 50 | 113515 57803 55712 103.75 0-4 | 901256 488560 412696 118.38! 51 | 106693 54827 51866 105.71 0 | 172308 92746 79562 116.57! 52 | 100909 51884 49025 105.83 1 | 149659 81965 67694 121.08! 53 | 99102 50875 48227 105.49 2 | 176120 96520 79600 121.26! 54 | 103904 54039 49865 108.37 3 | 188911 102719 86192 119.17! 55-59 | 475776 246614 229162 107.62 4 | 214258 114610 99648 115.01! 55 | 98846 51318 47528 107.97 5-9 | 1320225 692121 628104 110.19! 56 | 88569 45525 43044 105.76 5 | 269053 142744 126309 113.01! 57 | 98604 51519 47085 109.42 6 | 269091 140809 128282 109.77! 58 | 95288 49669 45619 108.88 7 | 258517 135324 123193 109.85! 59 | 94469 48583 45886 105.88 8 | 280753 146619 134134 109.31! 60-64 | 429181 219026 210155 104.22 9 | 242811 126625 116186 108.98! 60 | 95184 48132 47052 102.30 10-14 | 1084741 563047 521694 107.93! 61 | 86962 44366 42596 104.16 10 | 224016 116222 107794 107.82! 62 | 92130 47541 44589 106.62 11 | 203234 105485 97749 107.91! 63 | 80342 40630 39712 102.31 12 | 211852 110184 101668 108.38! 64 | 74563 38357 36206 105.94 13 | 241613 125444 116169 107.98! 65-69 | 337823 168389 169434 99.38 14 | 204026 105712 98314 107.52! 65 | 81579 41245 40334 102.26 15-19 | 912734 469837 442897 106.08! 66 | 67872 33904 33968 99.81 15 | 188956 97944 91012 107.62! 67 | 70571 35288 35283 100.01 16 | 202060 104670 97390 107.48! 68 | 61532 30456 31076 98.00 17 | 178302 91601 86701 105.65! 69 | 56269 27496 28773 95.56 18 | 166616 85230 81386 104.72! 70-74 | 242721 114915 127806 89.91 19 | 176800 90392 86408 104.61! 70 | 59869 28897 30972 93.30 20-24 | 1080610 535303 545307 98.17! 71 | 52078 24987 27091 92.23 20 | 182449 90781 91668 99.03! 72 | 46391 21975 24416 90.00 21 | 198485 97569 100916 96.68! 73 | 43787 20463 23324 87.73 22 | 217540 106959 110581 96.72! 74 | 40596 18593 22003 84.50 23 | 229840 114046 115794 98.49! 75-79 | 142224 61986 80238 77.25 24 | 252296 125948 126348 99.68! 75 | 36751 16313 20438 79.82 25-29 | 1257801 626178 631623 99.14! 76 | 31131 14096 17035 82.75 25 | 262479 129739 132740 97.74! 77 | 27608 11948 15660 76.30 26 | 254907 126726 128181 98.86! 78 | 25304 10773 14531 74.14 27 | 266519 132914 133605 99.48! 79 | 21430 8856 12574 70.43 28 | 222316 110868 111448 99.48! 80-84 | 72345 28302 44043 64.26 29 | 251580 125931 125649 100.22! 80 | 20209 8187 12022 68.10 30-34 | 1090887 546709 544178 100.47! 81 | 17039 6843 10196 67.11 30 | 250244 125367 124877 100.39! 82 | 14059 5432 8627 62.97 31 | 241765 120752 121013 99.78! 83 | 11226 4188 7038 59.51 32 | 285183 143824 141359 101.74! 84 | 9812 3652 6160 59.29 33 | 196715 98795 97920 100.89! 85-89 | 25506 8258 17248 47.88 34 | 116980 57971 59009 98.24! 85 | 7726 2622 5104 51.37 35-39 | 859345 439150 420195 104.51! 86 | 6404 2137 4267 50.08 35 | 150701 76385 74316 102.78! 87 | 4856 1517 3339 45.43 36 | 139968 71603 68365 104.74! 88 | 3579 1095 2484 44.08 37 | 181141 93240 87901 106.07! 89 | 2941 887 2054 43.18 38 | 203826 104505 99321 105.22! 90-94 | 6458 1682 4776 35.22 39 | 183709 93417 90292 103.46! 90 | 2281 596 1685 35.37 40-44 | 916950 465029 451921 102.90! 91 | 1507 420 1087 38.64 40 | 202816 103563 99253 104.34! 92 | 1182 310 872 35.55 41 | 194547 98671 95876 102.92! 93 | 890 211 679 31.08 42 | 181798 92057 89741 102.58! 94 | 598 145 453 32.01 43 | 181502 91846 89656 102.44! 95-99 | 941 182 759 23.98 44 | 156287 78892 77395 101.93! 95 | 424 86 338 25.44 45-49 | 685194 350151 335043 104.51! 96 | 185 44 141 31.21 45 | 155341 79490 75851 104.80! 97 | 174 19 155 12.26 46 | 148735 76573 72162 106.11! 98 | 109 25 84 29.76 47 | 130893 66963 63930 104.74! 99 | 49 8 41 19.51 48 | 130855 66982 63873 104.87! 100及以上 | 111 34 77 44.16 49 | 119370 60143 59227 101.55! 100 and Over | 50-54 | 524123 269428 254695 105.78! | ------------------------------------------------------!-------------------------------------------------------