【摘要】在近200年高龄人口死亡率研究中,学者们对高龄死亡率减速已达成共识,且认为人口异质性是导致减速现象的最常见解释。然而,近年来的研究则表明这种减速是源于夸大年龄、数据异质性、使用死亡概率指标而非危险率导致的估计下行偏差。为此,本文将死亡数据质量问题、数据同质性和差异性融入到5类经典Logistic死亡模型中,通过构建具有一致性的分层建模框架,在深度诠释我国高龄人口死亡率性别差异、区域差异及动态改善基础上,探讨我国高龄人口死亡率减速到底是估计偏差还是事实?研究表明,当数据质量良好时,描述死亡率减速的Logistic模型最优且对数据质量改变的敏感程度最低,即我国高龄人口死亡率减速不是估计下行偏差,而是事实。最后也对近年研究得出的下行偏差给出了解释。