根据表1计算得出2012－2030年适龄人口数，得出2012－2030年适龄人口变化趋势图。从图1可看出，2030年前适龄人口总体呈快速下降趋势，年均下降156.58万。从内部来看，2012－2030年适龄人口下降趋势呈先快、后慢、后期平稳的态势。2012－2021年适龄人口急速下降，年均减少260.8万；2021－2024年下降趋势放缓，年均减少159.2万；2024－2030年适龄人口平稳发展、增减交替，稳定在7600万左右。适龄人口的迅速减少，降低了高等教育毛入学率测算基数，可能会使我国提前进入高等教育普及化阶段。
图1 2012－2030年适龄人口变化趋势
三、我国高等教育规模时序模型分析
衡量高等教育规模的主要指标包括高等学校数、在校学生数、招生数、毕业生数、教职工数和专任教师数、教育经费总额及国家财政性教育经费以及毛入学率等。毛入学率是衡量高等教育发展水平、发展层次、发展类型、发展结构、发展科类的核心指标；其次是衡量社会经济发展水平的核心指标；最后是衡量高等教育与社会经济互动发展水平的核心指标(冯用军，2010)。在我们看来，高等教育毛入学率既能从纵向反映高等教育发展速度，也能从横向反映出同时期内适龄人口接受高等教育的规模，而且马丁·特罗教授还将其视为划分高等教育发展阶段：精英阶段(15％)、大众化阶段(15％～50％)、普及阶段(50％)的重要标准，因此，将它作为衡量高等教育发展规模的指标，具有典型意义。
图2 高等教育毛入学率时序趋势图
时间序列趋势外推法就是根据历年教育规模统计数据的绝对值和相对值，以时间为变量进行趋势分析，探寻因变量的内部发展规律。(毛建青，2008)。从图2看，我国高等教育毛入学率与年份有高度一致性，毛入学率随年限的推移呈现增速快慢交替、总体递增趋势。但二者关系难以用单一的线性模型准确衡量，需采用探索性方法，构建多种拟合模型同时预测并比较各种方法的结果，以减小方法选取上的随机误差。逻辑函数(Logistic)、幂(Power)、逆函数(Inverse)、指数(Exponential)、S曲线(S)、三次曲线(Cubic)、二次曲线(Quadratic)、对数(Logarithmic)、增长(Growth)、复合(Compound)这10种模型均可进行时间序列预测。将1991－2011年高等教育毛入学率数据(教育部，2010)代入时间序列模型，运行SPSS 19.0，得出各模型的参数、判定系数、F值和概率P值。拟合结果显示10个模型的概率P值均近似为0，全部通过α＝0.01的显著性检验，说明构建的模型有效。根据判定系数看，对数、逆函数、二次曲线、三次曲线的判定系数均为0.985，S曲线的判定系数也达0.964，说明这5个模型的拟合效果优于其他，故舍弃剩余模型。经检验，S曲线获得预测值过大，显著异于另4个模型的结果。综合考虑，适配度最好的4个模型被保留下来(见表2)。
