情景分析

当前 runtime 边界

人口模型 v0.2 的 sensitivity 只改变明确的 cohortEntryScale 与 effectiveTransitionScale。这类输出是产品模拟，不是 WPP 的 high / low 官方 Projection 情景，也不代表高生育或低迁移已经被真实参数化。

教育模型 v0.2 的 enrollment rate、年龄窗口和人口敏感性同样属于显式假设。政策基准教职工规模参考值不能直接解释为教师需求、招聘、退休、调岗或学校撤并。

模型状态

这是草稿规范。当前人口数据仍是单一 medium 数据轨道，因此本页定义情景命名、假设和比较规则，不把尚未生成的数据伪装成多情景结果。

Projection 的含义

Projection 是在一组假设下的条件推演，不是“未来一定如此”。产品应同时展示假设、来源、可信度和 Data Gap；没有足够数据时，宁可展示可调整的模型规范，也不输出虚假精确值。

两层情景

Demographic Scenario

• 生育：baseline、high、low；
• 死亡：按来源提供的寿命或死亡率假设；
• 迁移：baseline、high、low，并单独记录省级代理或县级缺口。

System Scenario

• staffing rule：师生比、班级约束、编制规则；
• retirement：教师退出和补充假设；
• consolidation：学校调整规则与保留条件；
• accessibility constraint：距离、通勤、寄宿和过渡约束。

情景名称必须同时携带两层假设，例如 demographic-baseline + system-current-rule，不能只用“高/中/低”掩盖不同变量的组合。

比较方式

每个情景至少记录：

• 输入变量与参数版本；
• 影响的 Cohort 和时间范围；
• Population / Spatial / System / Impact 的输出类型；
• Evidence、Source、Confidence 和 Data Gap；
• 与基准情景的差异，而不是单独给出一个看似确定的数值。

Eurostat 的人口预测方法是本产品的语义参考：把人口 projection 解释为 what-if 情景，并对生育、死亡和迁移进行敏感性分析。它不是中国结果来源。

当前禁止事项

• 不把 medium 标签写成“最可能”；
• 不把情景差异写成因果证明；
• 不在县级年龄迁移数据缺失时批量生成县级迁移预测；
• 不把学校撤并阈值当成跨地区通用规则。