Статистический анализ демографических процессов в Оренбургской области

 

Анализ данных таблицы 10 по динамике механического движения населения области дает нам основание сделать вывод о том, что за три изучаемые года (с 2008 г. по 2010 г. включительно) наибольшее число прибывших (33,3 тыс. человек) и выбывших (35,2 тыс. человек) приходится на 2009 г. При сравнении данных 2010 г. с данными за 2008 г. прослеживается сокращение механической убыли населения Оренбуржья. Также за три рассматриваемых года прослеживается положительное изменение коэффициента прибытия (на 0,2 ) и отрицательное изменение коэффициента выбытия (на 0,1 ).

Коэффициент общего прироста находится как сумма коэффициентов  естественного и механического  приростов, и в 2010 г., в сравнении  с 2008 г., он увеличился на 0,4 при сохранении своего отрицательного значения. Т.е. В Оренбургской области наблюдается общая убыль населения.

 

3.4 Демографический прогноз

 

Демографический прогноз-это  научно обоснованное предвидение основных параметров движения населения и  будущей демографической ситуации: численности, возрастно-половой и  семейной структуры, рождаемости, смертности, миграции. Необходимость демографического прогнозирования связана с задачами прогнозирования и планирования социально-экономических процессов  в целом. Без предварительного демографического прогноза невозможно представить себе перспективы производства и потребления  товаров и услуг, жилищного строительства, развития социальной инфраструктуры, здравоохранения и образования, пенсионной системы, решение геополитических проблем и т.д. Именно поэтому деятельность по прогнозированию динамики численности и структуры населения, численности и структуры семей, отдельных демографических процессов составляет важнейшую часть общей деятельности международных, государственных и неправительственных организаций, учреждений и научных институтов.

С чисто научных позиций  особая роль демографического прогнозирования  вытекает из важнейшего общенаучного принципа, согласно которому ценность и плодотворность всякой научной  теории не только и не столько определяется тем, в какой мере данная теория связывает  воедино накопленные научные  факты, сколько способностью теории предсказывать новые, ранее не известные  свойства и явления. С этой точки  зрения демографический прогноз  может рассматриваться и как  критерий оценки положенной в его  основу теории.

С технической точки зрения демографический прогноз выступает, обычно, в виде так называемого  перспективного исчисления населения, т.е. расчета численности и возрастно-половой  структуры, построенного на основании  данных об изменениях демографических  характеристик (численности населения, демографических структур, рождаемости, смертности и т.д.) в прошлом, а  также с учетом принимаемых гипотез  относительно их динамики в будущем.  

 Т.о., Для планирования  многих народнохозяйственных показателей  очень важно знать (предвидеть) численность населения на планируемый  период, поэтому одной из задач  статистики населения является  определение численности населения  на перспективу.

На основании  имеющихся данных о численности  населения Оренбургской области  с 2009 г. по 2011 г. включительно (табл. 11) составим прогноз численности населения области на 2013, 2014 и 2015 г.

 

Таблица 11 – Численность населения Оренбургской области

Годы	Численность населения, тыс. чел.
2009	2162,5
2010	2150,4
2011	2137,8

 

В 2009 и 2011 г. коэффициент общего прироста оставался неизменным и  составил -5,9 . Предположим, что данный коэффициент на три последующие года сохранит своё значение. В таком случае . Рассчитаем прогнозируемую численность населения по формуле

, где

 – общая численность населения  в конце прогнозируемого периода;

 – общая численность населения  в начале прогнозируемого периода;

k – предполагаемый коэффициент прироста населения в прогнозируемом  периоде;

 t – величина прогнозируемого периода.

 

где – прогнозируемая численность населения в 2013 г.;

  – прогнозируемая численность населения в 2014 г.;

  – прогнозируемая численность населения в 2015 г.;

Итак, мы получили, что в 2013–2015 годах преобладающей тенденцией будет некоторое увеличение среднегодовой  численности постоянного населения: 2013 год – 2027,2 тыс. человек; 2014 год  – 2029,0 тыс. человек; 2015 год – 2031,0 тыс. человек.

С 2008 года реализуется концепция демографической политики на период до 2025 года, направленная на улучшение демографической ситуации в области, в том числе на сохранение и укрепление семьи, сокращение уровня смертности, рост рождаемости, укрепление здоровья населения, увеличение продолжительности жизни, регулирование внутренней и внешней миграции.

Ожидается замедление темпов естественной убыли населения за счет увеличения общего коэффициента рождаемости с 13,9 человека в расчете  на 1000 жителей в 2011 году до 15,2  человека в 2015 году. Прогнозируется снижение уровня смертности соответственно с 14,3 человека на 1000 жителей в 2011 году до 13,1 человека в 2015 году.

По итогам заседания Правительства  области прогноз социально-экономического развития Оренбургской области на 2013 год и среднесрочный период утвержден. 

Для графического изображения  изменения численности  населения  используются уравнения тренда. В зависимости от имеющихся данных прибегают к использованию линейного либо полиномиального уравнения тренда.

Для выбора подходящего типа уравнения тренда нам необходимо оценить степень адекватности разных моделей. В этих целях сравниваются значения величины коэффициента детерминации по каждому уравнению (чем больше значение , тем адекватнее выбранная модель). В нашем случае для линейного тренда , для полиномиального – . Как видим, из двух вариантов наиболее адекватным является полиномиальное уравнение тренда, которое выглядит следующим образом:

.

 

3.5 Корреляционно-регрессионный анализ численности населения

 

Для решения задач моделирования  показателей в операциях с  производными инструментами целесообразны  расчеты множественных корреляции и регрессии, и особо выделяются поиски соответствующих измерителей  в рядах динамики.

При помощи множественного корреляционно-регрессионного анализа  оценим связь между показателями численности населения ( ) и значениями двух факторов, влияющих на величину численности – среднедушевого дохода населения ( ) и индекса потребительских цен ( ) за 8 лет, данные показаны в таблице 12.

 

Таблица 12 – Исходные данные для корреляционно-регрессионного анализа

Годы	y	x1	x2
2004	2217,5	1078,3	139,7
2005	2211,2	1443,0	118,9
2006	2203,6	1927,4	116,1
2007	2189,9	2481,8	114,1
2008	2176,0	3135,1	111,4
2009	2162,5	3872,9	110,2
2010	2150,4	4984,7	112,4
2011	2137,8	6182,8	108,7

 

Перенесем данные табл. 9 в  ППП MS Excel и при помощи программного инструмента «Корреляция» выведем таблицу коэффициентов парной корреляции, таблицу 13.

 

Таблица 13 – Матрица коэффициентов парной корреляции

	1,000000
	-0,988610	1,000000
	0,732008	-0,690550	1,000000

 

Как мы видим, наиболее значимым из двух факторов является показатель среднедушевого дохода населения.

Составим уравнение, описывающее  зависимость результативного признака от факторов (уравнение множественной  регрессии) вида:

.  

Чтобы получить параметры  , и для уравнения, обработаем данные табл. 9 . Искомое уравнение будет выглядеть следующим образом:

Значение случайных ошибок параметров с учетом округления:

;  ;  .

Они показывают, какое значение данной характеристики сформировалось под влиянием случайных факторов. Эти значения используются для расчета  t-критерия Стьюдента:

;  ;  .

Если значения t-критерия больше 2,3, то можно судить о существенности данного параметра, который формируется под воздействием неслучайных причин. В нашем случае статистически значимыми являются параметры и , величина же сформировалась под воздействием случайных причин, поэтому фактор , силу влияния которого оценивает , можно исключить как несущественно влияющий. На это же указывает показатель вероятности случайных значений параметров регрессии: , что позволяет рассматривать как неинформативный фактор и удалить его для улучшения данного уравнения.

Величина  оценивает суммарное влияние прочих факторов, помимо учтенных нами, на результат .

Оценку надежности уравнения  регрессии в целом и показателя тесноты связи  дает F-критерий Фишера:

.  

По данным таблицы дисперсионного анализа, . Вероятность случайно получить такое значение F-критерия составляет 4 < 5%. Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи .

Нескорректированный коэффициент  множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 98,2% и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами – на очень тесную связь факторов с результатом.

Скорректированный коэффициент  множественной детерминации определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов в модели и потому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более 90%) детерминированность результата в модели факторами и .

Частный F-критерий – показывает статистическую значимость включения фактора в модель после того, как в нее включен фактор . . Вероятность случайной природы его значения составляет 30,7% против принятого уровня значимости , (5%). Следовательно, включение в модель фактора – индекса потребительских цен – статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным; фактор включать в уравнение после фактора не следует.

Если поменять первоначальный порядок включения факторов в  модель и рассмотреть вариант  включения  после , то результат расчета частного F-критерия для будет иным. . Вероятность его случайного формирования равна 0,01% – это значительно меньше принятого стандарта , (5%). Следовательно, значение частного F-критерия для дополнительно включенного фактора не случайно и является статистически значимым, достоверным: прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .

Вывод: множественная модель с факторами  и с содержит неинформативный фактор , то можно ограничиться уравнением парной регрессии:

,  ,

более простым, хорошо детерминированным, пригодным для анализа и прогноза.

Анализ полученного уравнения  парной регрессии показывает, что  увеличение показателя среднедушевого дохода на 1000 руб. вызовет увеличение численности населения на 15,2 тыс. человек.

 

 

 

 

 

 

 

 

 

 

Выводы и предложения

 

В настоящей курсовой работе была рассмотрена теоретическая  база статистики населения. Нами были изучены основные группировки, показатели, используемые в современной демографической  статистике, в том числе применительно  к сложившейся на данном этапе  демографической ситуации в Российской Федерации.