Реферат: Анализ численности населения 2

--PAGE_BREAK--                 Глава 2. Статистический анализ состава населения
 

В практической и научно-исследовательской деятельности требуются сведения о составе населения, т.е. по отдельным группам населения, выделенным по тем или иным признакам, так как эти группы различаются по своей роли, значению в обществе, экономике, в демографических процессах.

Статистика изучает состав населения по признакам демографическим (пол, возраст, семейно-брачное состояние и др.), этническим (национальность, родной язык и др.), социально-экономическим (образование, занятие, профессия, источники средств существования, отношения собственности, общественно-политическая активность и т.д.)

Выделяются следующие основные группы населения:

1. По полу определяется численность мужчин и женщин. Группировка по полу проводится в комбинации с другими признаками (возраст, образование, занятие и др.)

2. По возрасту определяется численность населения с одногодичным интервалом и укрупненным интервалом, как правило, 5 и 10 лет. Кроме того, выделяются группы детей всего и в том числе младенцев, ясельного, дошкольного и школьного возраста; определяется численность населения трудоспособного возраста, численность женщин фертильного (детородного) возраста (15-44 года), численность избирателей (возраст 18 лет и старше), численность старого населения (возраст 65 лет и старше) и др. Распределение по возрасту осуществляется всего населения и в сочетании с другими признаками, в первую очередь с полом.

3. По состоянию в браке определяется число лиц, состоящих и не состоящих в браке, в том числе никогда не состоявших в браке, овдовевших, и одной группой разведенных и разошедшихся.

4. По этническим признакам определяется численность лиц каждой национальности, проводится группировка по родному языку в сочетании с национальностью.

5. По категории населенного пункта постоянного места жительства определяется численность городского и сельского населения.

6. По образованию в настоящее время выделяются группы населения, имеющие начальное общее, основное общее, среднее (полное) общее, среднее профессиональное, неполное высшее, высшее профессиональное образование.

В соответствии с программой предстоящей переписи населения России в 2002 г. предполагается выделить группу лиц с начальным профессиональным образованием и внести следующие редакционные поправки в существующую группировку: начальное общее (начальное), основное общее (неполное среднее), среднее (полное) общее, начальное профессиональное (профессионально-техническое), среднее профессиональное (среднее специальное), неполное высшее профессиональное [7].

7. По источникам средств существования выделяются группы:

1) Работающие по найму:

а) на предприятии, в организации, учреждении, крестьянском (фермерском) хозяйстве;

б) по обслуживанию домохозяйства;

в) у отдельных граждан.

2) Работающие не по найму в том числе:

а) в собственном крестьянском (фермерском) хозяйстве;

б) на собственном предприятии;

в) на индивидуальной основе, на семейном предприятии, в крестьянском (фермерском) хозяйстве;

3) Получающие государственное обеспечение:

а) пенсии;

б) стипендии;

в) пособия (кроме пособия по безработице);

г) пособия по безработице;

д) другой вид государственного обеспечения;

4) Имеющие доход от собственности;

5) Находящиеся на иждивении;

6) Имеющие иной источник дохода.

8. По положению в занятии выделяются группы:

1) работающие по найму;

2) члены производственного кооператива;

3) работодатели;

4) работающие на индивидуальной основе;

5) неоплачиваемые работники семейного предприятия.

В этой группировке программой переписи населения 2002 г. также предусмотрены изменения. Выделяются следующие группы:

а) работающие в качестве наемного работника;

б) работающие на собственном предприятии или в собственном деле:

— привлекая наемных работников на постоянной основе;

— без наемных работников или привлекая их от случая к случаю;

в) работающие в качестве члена производственного кооператива (артели)

г) помогающие без оплаты на принадлежащем родственнику(ам) предприятии или крестьянском (фермерском) хозяйстве.

Группировки населения проводятся и по другим признакам, например, профессии, отрасли экономики и т.д.

На основе данных о составе определяется структура населения, показатели соотношения (координации) разных групп населения. Например, удельный вес мужчин и женщин в общей численности населения, доля городского и сельского населения; сколько женщин приходится на 1000 мужчин, сколько человек нетрудоспособного возраста приходится на 1000 человек трудоспособного возраста и др.

          
  
2.1  Статистика естественного движения населения

Численность населения постоянно меняется. Происходит это в результате движения населения: рождений и смертей. Рождения, смерти, а также браки и разводы называют естественным движением населения.

Для характеристики естественного движения населения определяется абсолютное число родившихся (N), умерших (М), естественный прирост (Dест) как разница между число родившихся и умерших (Dест = N – М), число заключенных браков и число расторгнутых браков (разводов) за период.

Сложившаяся практика учета движения населения подводит итоги за разные периоды времени, но обязательно за год, и показатели рассчитываются, как правило, за год.

Интенсивность движения населения характеризуют относительные показатели: общие и специальные коэффициенты, которые рассчитываются на 1000 человек населения, т.е. в промилле (‰):

1. Общий коэффициент рождаемости (Кр):

<img width=«162» height=«54» src=«ref-2_692151683-574.coolpic» v:shapes="_x0000_i1031">
<img width=«21» height=«28» src=«ref-2_692152257-240.coolpic» v:shapes="_x0000_i1032">– средняя численность всего населения за период.

2. Общий коэффициент смертности (Ксм):

<img width=«135» height=«54» src=«ref-2_692152497-524.coolpic» v:shapes="_x0000_i1033">
3. Коэффициент естественного прироста (КDест):

<img width=«363» height=«54» src=«ref-2_692153021-902.coolpic» v:shapes="_x0000_i1034">
4. Коэффициент жизненности (показатель Покровского) (Кжизн):

<img width=«148» height=«54» src=«ref-2_692153923-552.coolpic» v:shapes="_x0000_i1035">
5. Коэффициент депопуляции (Кдеп) определяется, когда число умерших больше числа родившихся, т.е. когда естественный прирост отрицательный:

<img width=«138» height=«54» src=«ref-2_692154475-538.coolpic» v:shapes="_x0000_i1036">
6. Общий коэффициент брачности (Кбр):

<img width=«165» height=«54» src=«ref-2_692155013-578.coolpic» v:shapes="_x0000_i1037">
Б – число заключенных браков за период.

7. Общий коэффициент разводов (Кразв):

<img width=«175» height=«54» src=«ref-2_692155591-585.coolpic» v:shapes="_x0000_i1038">
Р – число расторгнутых браков за период.

8. Коэффициент соотношения браков и разводов (Кр/б):

<img width=«134» height=«54» src=«ref-2_692156176-511.coolpic» v:shapes="_x0000_i1039">
Кроме общих коэффициентов, характеризующих интенсивность движения всего населения, определяются специальные коэффициенты, которые рассчитываются на 1000 человек той или иной группы населения, выделенной по какому-либо признаку (полу, возрасту, образованию т.д.). Среди специальных коэффициентов особое значение имеют коэффициент фертильности и коэффициент младенческой смертности.

9. Специальный коэффициент рождаемости или показатель фертильности (Кф):

<img width=«206» height=«61» src=«ref-2_692156687-677.coolpic» v:shapes="_x0000_i1040">
<img width=«62» height=«34» src=«ref-2_692157364-321.coolpic» v:shapes="_x0000_i1041">– средняя численность женщин детородного возраста (возраст 15 – 44 года).

10. Коэффициент младенческой смертности (Кмл.см.) можно определить несколькими способами в зависимости от наличия данных и необходимой тщательности расчета:

а) <img width=«197» height=«59» src=«ref-2_692157685-644.coolpic» v:shapes="_x0000_i1042">
m1 – число умерших детей в возрасте до 1 года в рассматриваемом году;

N1– число родившихся в рассматриваемом году.

б) <img width=«289» height=«68» src=«ref-2_692158329-932.coolpic» v:shapes="_x0000_i1043">
N0 – число родившихся в предыдущем году.

в) <img width=«275» height=«70» src=«ref-2_692159261-973.coolpic» v:shapes="_x0000_i1044">
m1/1 – число умерших детей в возрасте до 1 года в рассматриваемом году из число родившихся в этом же году;

m1/0– число умерших детей в возрасте до 1 года в рассматриваемом году из число родившихся в предыдущем году.

Уровень младенческой смертности имеет значение не только как демографическая характеристика, но и является показателем уровня жизни населения. Такую же функцию выполняет и показатель ожидаемой продолжительности жизни при рождении. Ожидаемая продолжительность жизни – интервал между рождениями и смертью.
    продолжение
--PAGE_BREAK--                           2.2  Статистика миграции
На изменение численности населения отдельного населенного пункта территории влияют так же перемещения населения из одного населенного пункта в другой со сменой постоянного места жительства. Такое движение называется механическим или миграцией населения.

Перемещения населения внутри страны называются внутренней миграцией, а перемещение из одной страны в другую – внешней миграцией.

На основе текущего учета населения статистика разрабатывает сведения о составе мигрантов (по полу, возрасту, национальности), о направлениях миграции (в пределах России: с выделением экономических районов, республик, краев, областей; международная миграция: с указанием стран входа – выхода мигрантов), о причинах миграции: в связи с учебой; в связи с работой; возврат в прежнему месту жительства; из-за обострения межнациональных отношений; обострение криминогенной обстановки; экономическое неблагополучие; несоответствие природно-климатическим условиям; причины личные, семейные; иные причины [8].

Особое значение имеет анализ вынужденных переселенцев и беженцев.К вынужденным переселенцам относятся граждане Российской Федерации, «вынужденные или намеревающиеся покинуть место своего постоянного жительства на территории другого государства либо на территории Российской Федерации вследствие совершенного в отношении них или членов их семей насилия или преследования в иных формах, либо реальной опасности подвергнуться преследованию в связи с обстоятельствами, существенно ущемляющими права человека»

Беженцы – лица не граждане России, вынужденные «оставить место жительства (уходить, уезжать, спасаясь бегством) вследствие различных угрожающих обстоятельств»

В России ведется ведомственный учет вынужденных переселенцев и беженцев с 1 июля 1992 года со времени создания Федеральной миграционной службы. В текущем статистическом учете эта категория мигрантов отражается в общей численности без выделения отдельной группой.

Абсолютные показатели миграции:

— число прибывших на постоянное жительство из других населенных пунктов (П);

— число выбывших на постоянное жительство в другие населенные пункты (В);

— сальдо миграции или механической прирост (Dмех = П – В).

Интенсивность миграции характеризуют коэффициенты:

11. Коэффициент прибытия (КП):

<img width=«128» height=«54» src=«ref-2_692160234-493.coolpic» v:shapes="_x0000_i1045">
12. Общий коэффициент выбытия (КВ):

<img width=«122» height=«54» src=«ref-2_692160727-489.coolpic» v:shapes="_x0000_i1046">
13. Коэффициент механического прироста ( <img width=«51» height=«31» src=«ref-2_692161216-300.coolpic» v:shapes="_x0000_i1047">.)

<img width=«469» height=«54» src=«ref-2_692161516-1094.coolpic» v:shapes="_x0000_i1048">
Коэффициенты механического движения населения рассчитываются не только общие, но и специальные, т.е. по отдельным группам населения.

На основе данных о естественном и механическом приросте определяется общий прирост населения (Dобщ = Dест + Dмех).


 



Глава 3. Методы прогнозирования в статистике населения. 3.1   Моделирование   временного тренда среднегодовой численности занятого населенияСанкт-Петербурга
Приведем данные среднегодовой численности занятого населения





Построим показательный тренд <img width=«72» height=«37» src=«ref-2_692162610-256.coolpic» v:shapes="_x0000_s1028 _x0000_s1027 _x0000_s1029 _x0000_s1030 _x0000_s1031 _x0000_s1032 _x0000_s1033 _x0000_s1034 _x0000_s1035">

Приведем массив данных

<img width=«154» height=«38» src=«ref-2_692162866-530.coolpic» v:shapes="_x0000_i1100"> <img width=«154» height=«38» src=«ref-2_692163396-512.coolpic» v:shapes="_x0000_i1101"><img width=«154» height=«38» src=«ref-2_692163908-576.coolpic» v:shapes="_x0000_i1102"><img width=«154» height=«38» src=«ref-2_692164484-544.coolpic» v:shapes="_x0000_i1103">

<img width=«154» height=«38» src=«ref-2_692165028-581.coolpic» v:shapes="_x0000_i1104"><img width=«154» height=«38» src=«ref-2_692165609-556.coolpic» v:shapes="_x0000_i1105"><img width=«145» height=«38» src=«ref-2_692166165-524.coolpic» v:shapes="_x0000_i1106"><img width=«154» height=«38» src=«ref-2_692166689-597.coolpic» v:shapes="_x0000_i1107">

Обозначимln(f)=y, ln(a)=alpha, ln(b)=beta

Получим

<img width=«174» height=«38» src=«ref-2_692167286-589.coolpic» v:shapes="_x0000_i1108"><img width=«174» height=«38» src=«ref-2_692167875-643.coolpic» v:shapes="_x0000_i1109"><img width=«174» height=«38» src=«ref-2_692168518-627.coolpic» v:shapes="_x0000_i1110">

<img width=«174» height=«38» src=«ref-2_692169145-630.coolpic» v:shapes="_x0000_i1111"><img width=«174» height=«38» src=«ref-2_692169775-605.coolpic» v:shapes="_x0000_i1112"><img width=«174» height=«38» src=«ref-2_692170380-588.coolpic» v:shapes="_x0000_i1113">

<img width=«174» height=«38» src=«ref-2_692170968-612.coolpic» v:shapes="_x0000_i1114"><img width=«174» height=«38» src=«ref-2_692171580-648.coolpic» v:shapes="_x0000_i1115">



Для регрессии вида  <img width=«103» height=«34» src=«ref-2_692172228-386.coolpic» v:shapes="_x0000_i1116">  найдем коэффициенты по формулам

<img width=«484» height=«123» src=«ref-2_692172614-6644.coolpic» v:shapes="_x0000_i1117">

<img width=«484» height=«59» src=«ref-2_692179258-3280.coolpic» v:shapes="_x0000_i1118">

Вычислим

<img width=«307» height=«42» src=«ref-2_692182538-1048.coolpic» v:shapes="_x0000_i1119">

<img width=«307» height=«42» src=«ref-2_692183586-1056.coolpic» v:shapes="_x0000_i1120">

<img width=«307» height=«42» src=«ref-2_692184642-1079.coolpic» v:shapes="_x0000_i1121">

<img width=«316» height=«42» src=«ref-2_692185721-1103.coolpic» v:shapes="_x0000_i1122">

<img width=«316» height=«42» src=«ref-2_692186824-1183.coolpic» v:shapes="_x0000_i1123">

<img width=«316» height=«42» src=«ref-2_692188007-1179.coolpic» v:shapes="_x0000_i1124">

<img width=«316» height=«42» src=«ref-2_692189186-1097.coolpic» v:shapes="_x0000_i1125">

<img width=«316» height=«42» src=«ref-2_692190283-1130.coolpic» v:shapes="_x0000_i1126">

Тогда <img width=«415» height=«70» src=«ref-2_692191413-1404.coolpic» v:shapes="_x0000_i1127">

<img width=«261» height=«70» src=«ref-2_692192817-956.coolpic» v:shapes="_x0000_i1128">

Откуда<img width=«246» height=«34» src=«ref-2_692193773-1008.coolpic» v:shapes="_x0000_i1129">. Тогда  линейная регрессия будет иметь вид <img width=«246» height=«34» src=«ref-2_692194781-1017.coolpic» v:shapes="_x0000_i1130"> . Смысл коэффициента beta  заключается в том, что при изменении значения X на 1 единицу Y меняется на 0,0045 единиц

Параметры показательной регрессии <img width=«114» height=«34» src=«ref-2_692195798-517.coolpic» v:shapes="_x0000_i1131"><img width=«114» height=«34» src=«ref-2_692196315-501.coolpic» v:shapes="_x0000_i1132">

<img width=«185» height=«38» src=«ref-2_692196816-822.coolpic» v:shapes="_x0000_i1133">

Нарисуем точки и показательную регрессию:

<img width=«215» height=«215» src=«ref-2_692197638-2998.coolpic» v:shapes="_x0000_i1134">

Дисперсионный анализ для линейной регрессии

Среднее Y<img width=«142» height=«34» src=«ref-2_692200636-602.coolpic» v:shapes="_x0000_i1135">
Остаточная вариация   (RSS)<img width=«371» height=«70» src=«ref-2_692201238-1498.coolpic» v:shapes="_x0000_i1136">

<img width=«166» height=«34» src=«ref-2_692202736-680.coolpic» v:shapes="_x0000_i1137">

Общая вариация  (TSS)<img width=«228» height=«70» src=«ref-2_692203416-904.coolpic» v:shapes="_x0000_i1138"><img width=«157» height=«34» src=«ref-2_692204320-623.coolpic» v:shapes="_x0000_i1139">

Объясняемая вариация (ESS)<img width=«331» height=«70» src=«ref-2_692204943-1354.coolpic» v:shapes="_x0000_i1140">

<img width=«166» height=«34» src=«ref-2_692206297-728.coolpic» v:shapes="_x0000_i1141"><img width=«144» height=«34» src=«ref-2_692207025-429.coolpic» v:shapes="_x0000_i1142">

Правило сложения дисперсий выполняется

Подсчитаем оценку дисперсии ошибки, т.е. <img width=«19» height=«34» src=«ref-2_692207454-86.coolpic» v:shapes="_x0000_i1143"><img width=«110» height=«70» src=«ref-2_692207540-472.coolpic» v:shapes="_x0000_i1144"><img width=«281» height=«70» src=«ref-2_692208012-1051.coolpic» v:shapes="_x0000_i1145"><img width=«138» height=«34» src=«ref-2_692209063-661.coolpic» v:shapes="_x0000_i1146"><img width=«160» height=«38» src=«ref-2_692209724-707.coolpic» v:shapes="_x0000_i1147">

Среднее X<img width=«144» height=«34» src=«ref-2_692210431-625.coolpic» v:shapes="_x0000_i1148">. Найдем оценки дисперсий коэффициентов регрессии<img width=«62» height=«42» src=«ref-2_692211056-314.coolpic» v:shapes="_x0000_i1149">по формулам 

<img width=«484» height=«119» src=«ref-2_692211370-6040.coolpic» v:shapes="_x0000_i1150">

Получим<img width=«291» height=«38» src=«ref-2_692217410-1159.coolpic» v:shapes="_x0000_i1151">

Доверительные  интервалы для оцененных параметров

<img width=«246» height=«34» src=«ref-2_692193773-1008.coolpic» v:shapes="_x0000_i1152">

уровень доверия <img width=«75» height=«34» src=«ref-2_692219577-385.coolpic» v:shapes="_x0000_i1153">. Количество степеней свободы  6. Критическое значение статистики Стьюдента <img width=«25» height=«39» src=«ref-2_692219962-110.coolpic» v:shapes="_x0000_i1154"><img width=«79» height=«38» src=«ref-2_692220072-324.coolpic» v:shapes="_x0000_i1155">

Доверительный интервал для  beta

<img width=«400» height=«38» src=«ref-2_692220396-1288.coolpic» v:shapes="_x0000_i1156">

равен<img width=«234» height=«34» src=«ref-2_692221684-1063.coolpic» v:shapes="_x0000_i1157">

Не  можем на данном уровне значимости принять гипотезу beta=0  т.к. не попадает в доверительный интервал. Доверительный интервал для  alpha

<img width=«503» height=«63» src=«ref-2_692222747-1895.coolpic» v:shapes="_x0000_i1158">

равен<img width=«180» height=«34» src=«ref-2_692224642-766.coolpic» v:shapes="_x0000_i1159">. Мы не можем на данном уровне значимости принять гипотезу alpha=0  т.к. не попадает в доверительный интервал. 

Коэффициент корреляции<img width=«289» height=«60» src=«ref-2_692225408-1249.coolpic» v:shapes="_x0000_i1160">

где

<img width=«484» height=«59» src=«ref-2_692226657-4847.coolpic» v:shapes="_x0000_i1161">

<img width=«484» height=«59» src=«ref-2_692231504-2997.coolpic» v:shapes="_x0000_i1162">

<img width=«484» height=«59» src=«ref-2_692234501-2889.coolpic» v:shapes="_x0000_i1163">

<img width=«195» height=«34» src=«ref-2_692237390-806.coolpic» v:shapes="_x0000_i1164">

показывает, что связь сильна. Коэффициент детерминации <img width=«19» height=«34» src=«ref-2_692207454-86.coolpic» v:shapes="_x0000_i1165"><img width=«138» height=«38» src=«ref-2_692238282-454.coolpic» v:shapes="_x0000_i1166"><img width=«127» height=«38» src=«ref-2_692238736-620.coolpic» v:shapes="_x0000_i1167">

показывает, что регрессия объясняет 99,65 процентов  вариации признака.

Убедимся в значимости модели с помощью статистики Фишера <img width=«100» height=«62» src=«ref-2_692239356-462.coolpic» v:shapes="_x0000_i1168"><img width=«112» height=«34» src=«ref-2_692239818-493.coolpic» v:shapes="_x0000_i1169"> которая больше критического значения

<img width=«130» height=«38» src=«ref-2_692240311-282.coolpic» v:shapes="_x0000_i1170"><img width=«131» height=«38» src=«ref-2_692240593-445.coolpic» v:shapes="_x0000_i1171"><img width=«141» height=«34» src=«ref-2_692241038-610.coolpic» v:shapes="_x0000_i1172">

Следовательно, регрессия значима. Проверим значимость коэффициента корреляции. <img width=«193» height=«68» src=«ref-2_692241648-993.coolpic» v:shapes="_x0000_i1173"> <img width=«106» height=«34» src=«ref-2_692242641-477.coolpic» v:shapes="_x0000_i1174"><img width=«141» height=«34» src=«ref-2_692243118-585.coolpic» v:shapes="_x0000_i1175">

поэтому выборочный коэффициент корреляции значимо отличается от нуля.

Средняя ошибка аппроксимации

<img width=«484» height=«59» src=«ref-2_692243703-4417.coolpic» v:shapes="_x0000_i1176">

<img width=«149» height=«34» src=«ref-2_692248120-667.coolpic» v:shapes="_x0000_i1177">

Колеблемость — это отклонения уровней динамического ряда  от тренда, т.е. остатки регрессии. Найдем остатки регрессии (т.е. очищаем признак от тренда)

<img width=«138» height=«38» src=«ref-2_692248787-615.coolpic» v:shapes="_x0000_i1178"><img width=«119» height=«38» src=«ref-2_692249402-569.coolpic» v:shapes="_x0000_i1179"><img width=«138» height=«38» src=«ref-2_692249971-578.coolpic» v:shapes="_x0000_i1180"><img width=«119» height=«38» src=«ref-2_692250549-508.coolpic» v:shapes="_x0000_i1181">

<img width=«119» height=«38» src=«ref-2_692251057-563.coolpic» v:shapes="_x0000_i1182"><img width=«119» height=«38» src=«ref-2_692251620-549.coolpic» v:shapes="_x0000_i1183"><img width=«119» height=«38» src=«ref-2_692252169-542.coolpic» v:shapes="_x0000_i1184"><img width=«138» height=«38» src=«ref-2_692252711-587.coolpic» v:shapes="_x0000_i1185">

Нарисуем график остатков

<img width=«293» height=«293» src=«ref-2_692253298-5414.coolpic» v:shapes="_x0000_i1186">

Среднее линейное отклонение уровней  ряда от тренда описывается показателем <img width=«484» height=«59» src=«ref-2_692258712-2186.coolpic» v:shapes="_x0000_i1187">

т.е. среднее абсолютное отклонение от тренда равно <img width=«163» height=«34» src=«ref-2_692260898-750.coolpic» v:shapes="_x0000_i1188">

Амплитуда  колебаний есть разность максимального и минимального отклонения и показывает максимальный разброс отклонений.

<img width=«274» height=«38» src=«ref-2_692261648-1013.coolpic» v:shapes="_x0000_i1189"> <img width=«184» height=«38» src=«ref-2_692262661-660.coolpic» v:shapes="_x0000_i1190">
    продолжение
--PAGE_BREAK--