Пользуясь методами других наук, демография видоизменяет их в соответствии со своими особенностями, поэтому четкую границу между ними и методами собственно демографическими провести иногда трудно; они, преломляясь в изучении воспроизводства населения, становятся неотъемлемой частью демографической методики.
2.2 Методы экстраполяции в демографии
Методы экстраполяции основаны на прямом использовании линейной и экспоненциальной функций, т.е. данных о среднегодовых абсолютных изменениях численности населения за период или о среднегодовых темпах роста или прироста. Если эти показатели известны, то можно рассчитать численность населения на любое число лет вперед, просто предположив их неизменность на протяжении всего прогнозного периода.
Один из простейших способов прогнозирования основан на предположении о том, что среднегодовые абсолютные приросты численности населения, рассчитанные для отчетного периода времени, сохранятся и в будущем.
Иначе говоря, в этом случае для перспективного расчета применяется линейная функция:
Рt = Po + *t, (1)
где Po и Рt - численность населения соответственно в моменты времени 0 и t;
- абсолютный среднегодовой прирост;
t - время в годах.
В реальности для прогнозирования численности населения линейная функция практически не используется, поскольку предположение о неизменности абсолютных среднегодовых приростов может быть относительно верным только для очень кратких периодов времени (не более 5 лет).
Несколько более реалистичным является предположение о неизменности среднегодовых темпов прироста численности населения, особенно при допущении неизменных уровней рождаемости и смертности и отсутствии миграции. В этом случае речь идет об использовании в прогнозировании экспоненциальной функции:
Рt = Р0 * ert , (2)
где r - среднегодовые темпы прироста;
t - время в годах;
е - основание натуральных логарифмов.
r = ln Pt -lnP0 (3)
Как видно, расчет по экспоненциальной функции даёт нам большие результаты. Это отражает большую скорость изменения в случае роста по экспоненте. Тем не менее для кратких периодов (не более 15 лет) применение обеих функций дает сходные результаты. Однако в случае, если имеет место уменьшение численности населения, как сейчас происходит в большинстве регионов России, то более предпочтительным является использование экспоненциальной функции, т.к. это гарантирует, что численность населения не станет отрицательной. Экстраполяционный метод применим только при отсутствии резких колебаний рождаемости, смертности и миграции[11, c 130].
Аналитический метод основан на том, что исходя из прошлой демографической динамики подбирается функция, наиболее близко ее описывающая. В принципе это может быть любая функция. Однако в любом случае эта функция носит эмпирический характер, и не существует никакого общего математического закона демографической динамики.
Математические выражения, которые используются для описания роста населения, являются по необходимости эмпирическими; не может быть найдено никакого закона роста населения, хотя некоторые математические уравнения определялись именно как таковой закон. При построении уравнения или кривой, соответствующих данным переписей населения, в одном случае исходят из предположения, что численность населения является полиномиальной степенной функцией от времени:
Pt=a + bt+ct2 +dt3 +……..n, (4)
где а, b, с, d, - константы, оцениваются с помощью подходящей
техники, например, с помощью метода наименьших квадратов.
Если оцениваются только константы а и b, то получаем просто линейную функцию; добавление других констант означает переход к квадратичной параболе или к параболам более высоких порядков.
Конкретный вид функции подбирается исходя из вида эмпирической кривой, а также гипотезы о связи численности населения с временем как независимой переменной. Один класс такого рода гипотез приведен во вставке. Если же предположить, что изменение численности населения за бесконечно малый промежуток времени является функцией численности населения, то получают другие математические выражения.
Одним из них является экспоненциальная функция с ненулевым постоянным членом, или рост (убыль) населения в геометрической прогрессии.
Другим примером такого рода функций является широко применяемая в перспективном исчислении численности населения логистическая функция (кривая Ферхюлста-Пйрла-Рида), особенность которой состоит в том, что ее приращение уменьшается по мере роста численности населения..
Логистическая функция выражается следующей формулой (5):
Pt =(5)
где Pt - численность населения в момент времени;
t и b- постоянная интеграция,
1/а - некая предельная численность, к которой асимптотически
приближается численность населения с ростом t и u;
t, u - параметр определяющий конкретный вид кривой;
Логистическая кривая симметрична относительно точки перегиба, которая равна 1/2а. При малых значениях Р темпы его прироста практически постоянны и равны приблизительно u. С другой стороны, если значения Р велики и близки . На, темпы его прироста стремятся к 0.
Идея логистической функции была впервые высказана А. Кетле в 1835 г. и позже (в 1838 г.) аналитически выведена бельгийским математиком Пьером Франсуа Ферхюлстом (Verhulst) (1804-1849). Ферхюлст пытался найти кривую, описывающую ситуацию автонасыщения, которая предполагает существование некоторой предельной для данных конкретных условий численности населения. По мере приближения к этой предельной численности рост населения замедляется вследствие действия неких сил сопротивления, мешающих этому росту. Поиск такого рода функции был необходим А. Кетле для опровержения так называемого закона народонаселения Т.Р. Мальтуса. Этот закон, исходит из того, что не ограничиваемый ничем рост населения происходит в геометрической прогрессии (по экспоненциальной функции). По словам. Кетле, в действительности экспоненциальный рост не имеет места из-за того, что сопротивление или сумма препятствий его увеличению, при прочих равных условиях, действует как квадрат скорости, с какой население имеет тенденцию роста. Развивая эту идею, Ферхюлст и вывел указанную выше функцию.
Затем логистическая кривая была надолго забыта и вновь выведена американскими биологами Р. Пирлом (1879-1940) и Л. Ридомв. Они применили логистическую кривую для прогнозирования численности населения США вид:
Pt = (6)
Как и рассмотренные выше линейная и экспоненциальная функции, логистическая функция не может отражать динамику реальных населений в сколько-нибудь длительной перспективе. Она может использоваться, главным образом, для прогнозирования численности небольших территорий на краткие периоды времени. Условием качественности прогноза и в данном случае является контроль с помощью данных о численности населения всей страны. Перспективные расчеты с помощью логистической функции требуют знания численности населения на три равноудаленных момента времени (или на другое кратное трем их число) или задания численности населения на два равноудаленных момента времени и нижней и верхней асимптот. При этом, если нижняя асимптота может быть принята за О, для определения верхней асимптоты не существует никакой разумной процедуры, которая давала бы перспективное значение максимальной численности населения[13, c 86].
Тем не менее логистическая функция может использоваться для прогнозирования небольших территорий, если общая численность населения страны используется как контрольная величина для суммарного населения всех регионов. В этом случае вместо расчета численности населения региона прогнозируются доли населения каждого региона в общей численности населения страны. Поскольку доля может изменяться только в пределах от 0 до 1, эти величины могут использоваться как нижняя и верхняя асимптоты логистической кривой.
Зная прогнозные значения этих долей и прогнозную величину численности населения всей страны, можно определить и будущую численность населения каждого из регионов.
Хотя не существует и не может существовать никакого универсального математического закона, описывающего динамику численности населения, тем не менее в демографии известны многочисленные попытки найти подобный закон. В частности, весьма популярны попытки вывести гиперболический закон роста населения Земли. В качестве примера подобных попыток можно указать на гиперболический закон роста численности населения Земли.
В качестве примера применения методов экстраполяции рассмотрим расчет общей численности населения на основании уравнения экспоненциальной кривой[14, c 55].
Lt = Lo * e p*t (7)
где - численность населения в прогнозный период;
Lo - численность населения в период, предшествующий прогнозному;
e p*t - основные натурального логарифма (2,7182);
t- период, на который разрабатывается прогноз;
p - коэффициент естественного прироста населения, выраженный в
долях единиц, рассчитанный по формуле (6) :
Р = (8)
где ЧР - число родившихся за период;
ЧУ - число умерших за период;
ЧН - средняя численность населения за период.
Широкое применение методов экстраполяции объясняется тем, что данные процессы в большинстве случаев достаточно инерционны в своем развитии. Методы экстраполяции применяются не только для оценки будущей численности населения, но и для расчета характеристик движения населения (например, коэффициентов рождаемости, смертности, миграции). Общий недостаток построенных с помощью методов экстраполяции прогнозов - это то, что они опираются на средние тенденции динамики населения, зачастую игнорируя особенности отдельных половозрастных групп.
2.3 Метод передвижки возрастов
Метод компонент открывает перед разработчиками демографического прогноза более широкие возможности. В отличие от экстраполяционного и аналитического он позволяет получать не только общую численность населения, но и его распределение по полу и возрасту.
Метод компонент разработан американским демографом П.К. Уэлптоном. Двойное название данного метода демографического прогнозирования (метод компонент, или метод передвижки возрастов) связано с тем, во-первых, что его применение основано на использовании уравнения демографического баланса:
Во-вторых, с тем, что данные о численности отдельных возрастно-половых групп передвигаются каждый год в следующий возраст, а численность нулевой возрастной группы определяется на основании прогноза годового числа рождений и младенческой смертности.
Суть метода компонент заключается в отслеживании движения отдельных когорт во времени в соответствии с заданными (прогнозными) параметрами рождаемости, смертности и миграции. Если эти параметры зафиксированы в некоторый начальный момент времени t0, оставаясь затем неизменными на протяжении периода Di, то это однозначно определяет численность и структуру населения в момент времени t0+ Dt
Начиная с момента времени tо, численность населения каждого отдельного возраста уменьшается в соответствии с прогнозными повозрастными вероятностями смерти. Из исходной численности населения каждого возраста вычитается число умерших, а оставшиеся в живых становятся на год старше. Прогнозные повозрастные уровни рождаемости используются для определения числа рождений на каждый год прогнозного периода. Родившиеся также начинают испытывать риск смерти в соответствии с принятыми ее уровнями. Метод компонент учитывает также повозрастные интенсивности миграции (прибытия и выбытия).
Процедура повторяется для каждого года прогнозного периода. Тем самым определяется численность населения каждого возраста и пола, общая численность населения, общие коэффициенты рождаемости, смертности, а также коэффициенты общего и естественного прироста. При этом прогнозные расчеты могут производиться как для однолетних возрастных интервалов, так и для различных возрастных групп (5-летних или 10-летних). Техника перспективных расчетов в обоих случаях совершенно одинакова. Перспективные расчеты обычно делаются отдельно для женского и мужского населения. Численность населения обоих полов и его возрастная структура получается простым суммированием численностей женского и мужского населения. При этом все прогнозные параметры рождаемости, смертности и миграции могут меняться для каждого года или интервала лет прогнозного периода.
На практике прогноз населения осуществляется на основе повозрастных данных для каждого пола в отдельности. Рождаемость выражается в ее повозрастных коэффициентах. Сила смертности выражается в повозрастных вероятностях дожить до следующего возраста отдельно для мужчин и женщин. Миграцию принято измерять в терминах ожидаемой ежегодной нетто-миграции, классифицированной по полу и возрасту. Более современной тенденцией является стремление уточнить миграцию, выделив, где возможно, приток и отток[13, c 125].
Расчеты производятся в терминах цикла прогнозирования, каждый из которых обычно равен 1 году или 5 годам. Население в конце цикла, рассчитанное с помощью этой операции, в свою очередь становится исходным для следующего цикла. Цикл прогнозирования повторяется, чтобы получить оценку населения для следующей даты в будущем. Так повторяется до тех пор, пока не будет достигнута дата, для которой и строится прогноз. Особенностью этой процедуры является то, что прогнозист может использовать для каждого прогнозного цикла различные величины рождаемости, смертности и миграции. Коль скоро для каждого цикла выбраны наборы величин каждого из компонентов, вычислительный процесс сводится просто к подстановке полученных значений в уравнение демографического баланса. Обоснованность и полезность прогноза зависит от точности оценки исходного населения и от точности предвидения будущих параметров рождаемости, смертности и миграции.
Пусть в некоторый исходный момент времени to(базовый год прогноза) численность женского населения в возрасте х лет равна рx0. В течение года исходная численность изменится: часть населения умрет, другая часть населения покинет данную территорию, кто-то, наоборот, прибудет на нее на жительство. В итоге численность населения возраста (х +1) в момент времени t1будет равна:
Р = Рх0 * Sn +Msx0 (9)
где Sn = - - коэффициент передвижения в следующий возраст;
Lx и Lx+l- числа живущих в возрастах х и х +1 из таблицы смертности;
Msx- сальдо повозрастной миграции.
Аналогичная процедура применяется ко всем возрастам за исключением возраста 0 лет.
Численность возрастной группы 0 лет в момент времени t1 рассчитывается с учетом как рождаемости, так и младенческой смертности и миграции, поскольку не все родившиеся в течение года доживут до начала следующего года и поскольку существует, хоть и небольшая, миграция и в этом возрасте тоже. Прежде всего рассчитывается число родившихся в течение года. Это число, как известно, равно сумме произведений повозрастных коэффициентов рождаемости на среднегодовую численность женщин соответствующих возрастов:
B= ? ASFRx * Fx, (10)
где В - годовое число рождений;
ASFRx- повозрастные коэффициенты рождаемости;
Fx- среднегодовая численность женщин в возрасте х лет.
Чтобы получить отдельно численность родившихся девочек, В умножают на (1-5), где 8 - доля мальчиков среди родившихся, которая колеблется между 0,507 и 0,517, но обычно принимается равной 0,512 (это соответствует вторичному соотношению полов, равному 105 на 100). Затем полученное таким образом число рождений корректируют с помощью принятой для прогноза функции дожития, а также с помощью данных о нетто-миграции для этого возраста, получая численность населения возраста 0 лет к началу следующего года.
Описанная выше процедура итеративно повторяется столько раз, сколько лет охватывает прогнозный период. Численность населения каждого возраста как бы передвигается в следующий, более старший возраст. Именно поэтому метод компонент также называют методом передвижки возрастов .
В итоге на каждый год прогнозного периода получают как общую численность населения, так и его возрастно-половую структуру, а также общие коэффициенты рождаемости и смертности.
Непременным условием применения метода компонент (передвижки возрастов) является предварительная разработка прогнозов рождаемости, смертности и миграции. Однако, если само по себе применение данного метода является чисто технической задачей, то прогнозирование динамики демографических процессов требует большой аналитической работы, знания закономерностей изменения рождаемости, смертности, миграции, их связи с социально-экономическими факторами. Можно даже сказать, что такое прогнозирование в чем-то сродни искусству.
Если точность и надежность исходной информации о численности и структуре населения не вызывают сомнений, то следующими шагами в прогнозировании является выдвижение гипотез о будущих тенденциях рождаемости, смертности и миграции. При этом необходима увязка этих гипотез между собой, хотя современное состояние демографической науки не позволяет фиксировать связи между рождаемостью, смертностью и миграцией с точностью и надежностью, необходимыми и достаточными для их эффективного применения в прогнозировании.
Особенностью прогнозирования отдельных демографических процессов является то, что их параметры определяются не на каждый год прогнозного периода, а лишь на некоторые его точки. После чего полученные значения интерполируются на промежуточные даты. При этом очень часто интерполяция сводится просто к предположению о неизменности параметров демографических процессов между опорными точками[12, c 50].
3. Демографическое прогнозирование России и Курской области
3.1 Демографическая ситуация в Российской Федерации
Численность постоянного населения Российской Федерации на 1 января 2009 г. составляла 141,9 млн. человек, из которых 103,7 млн. человек (73%) - горожане, и 38,2 млн. человек (27 %) - сельские жители. Сокращение числа россиян в 2008 г. (на 104,9 тыс. человек, или на 0,07%) было наименьшим за последние 13 лет (в 2007 г. - 212,1 тыс. человек и 0,15%; 2006 г. - 533 тыс. человек и 0,37%) (Приложение Б).
В условиях естественной убыли населения миграция стала единственным источником восполнения его численности. Однако объемы миграции таковы, что только в "пиковый" 1994 г. были достаточны не только для компенсации естественной убыли, но и для обеспечения прироста численности россиян.
