BULETIN UNIVERSITAS NEGERI TOMSK 2009 Manajemen, Teknik Komputer dan Informatika No. 3(8) UDC 519.21 .А. Nazarov, M.G. Nosova METODE GERAKAN KELOMPOK USIA DALAM DEMOGRAFI DAN APLIKASINYA1 Diusulkan metode pergeseran kelompok umur langsung dan terbalik. Karakteristik utama ditemukan yang menentukan distribusi probabilitas nilai ukuran grup untuk metode pemindahan langsung dan mundur. Penilaian dibuat dari besarnya kerugian manusia di Federasi Rusia selama Perang Patriotik Hebat menggunakan data sensus penduduk tahun 1939 dan 1959. dan metode pergeseran langsung dan terbalik dari kelompok usia. Kata kunci: metode pergerakan, jumlah penduduk. Sehubungan dengan semakin besarnya peran faktor demografis dalam perencanaan sosial-ekonomi, perhitungan prospektif dari jumlah dan komposisi penduduk menjadi relevan. Pemodelan matematika berguna dalam memecahkan masalah ini. Pengembangan dan penggunaan berbagai macam model matematika berfungsi baik untuk menganalisis reproduksi populasi secara keseluruhan dan untuk mengidentifikasi pola dalam pengembangan proses demografis tertentu. Saat pemodelan, asumsi awal tertentu dibuat mengenai komponen utama proses (fertilitas, mortalitas, migrasi, dll.). Atas dasar ini, karakteristik lain dari populasi dan strukturnya dihitung. Tempat khusus dalam pemodelan matematika ditempati oleh metode pergeseran usia (atau metode komponen), yang dikembangkan oleh P. K. Welpton. S.G. Strumilin, A.Ya. Boyarsky, P.P. Shusherin, M.S. Bedny, S. Shcherbov, V. Lutz, W. Sanderson, serta Komisi Kependudukan Perserikatan Bangsa-Bangsa, Komite Statistik Negara Federasi Rusia, Pusat Demografi dan Ekologi Manusia. Metode pergeseran kelompok umur cukup efektif untuk prakiraan jangka pendek dengan perencanaan horizontal untuk jangka waktu tidak lebih dari 10-15 tahun. Dalam makalah ini, metode pergeseran kelompok usia menentukan jumlah korban jiwa di Federasi Rusia selama Perang Patriotik Hebat, dengan menggunakan data dari sensus penduduk tahun 1939 dan 1959. 1. Metode Pergeseran Umur Metode pergeseran langsung digunakan untuk menentukan perkiraan nilai populasi N(x+τ,t+τ) sekelompok orang yang berumur x+τ pada tahun t+τ, dengan ketentuan bahwa populasi N(x,t), diketahui adalah langkah prediksi. Ukuran populasi1 Pekerjaan ini didukung oleh AVCP “Pengembangan potensi ilmiah pendidikan tinggi (2009-2010). )" dari Badan Federal untuk Pendidikan Federasi Rusia di bawah proyek "Pengembangan metode untuk mempelajari sistem antrian non-Markovian dan penerapannya pada sistem ekonomi yang kompleks dan jaringan komunikasi komputer". A A. Nazarov, M.G. Nosova 68 dilihat secara agregat, tanpa pembagian berdasarkan jenis kelamin. Dilambangkan dengan p(x,x+τ) probabilitas bersyarat untuk mencapai usia x+τ oleh orang-orang berusia x. Diketahui bahwa p (x , x + ) = S (x + ) / S (x) , di mana S(x) adalah fungsi survival, yaitu peluang seseorang akan hidup sampai usia x. Diketahui N(x,t) dan p(x,x+τ), distribusi probabilitas nilai N(x+τ, t+τ) ditentukan oleh skema Bernoulli dan binomial: P(N ( x + , t + ) = m) = C Nm(x,t) p (x, x + ) m (1 − p (x, x + )) N (x ,t) m (1 ) dengan harapan S (x + ) . (2) S (x) Menyatakan taksiran nilai N(x+τ,t+τ) dengan lambang yang sama, kita tulis ulang persamaan (2) menjadi N (x + , t + ) S (x) = N (x , t) S (x + ) + 1 , (3) MN (x + , t + ) = N (x, t) p (x, x + ) = N (x, t ) di mana 1 adalah galat acak dengan ekspektasi matematis M 1 = 0 . Kesetaraan (3) adalah yang utama untuk menerapkan metode pergeseran berdasarkan usia. Khusus untuk metode pergeseran langsung, dituliskan sebagai S (x + ) N (x + , t + ) = N (x, t) + 2 , (4) S (x) di mana N(x ,t ) diberikan, dan N(x+τ,t+τ) adalah perkiraan ukuran kelompok demografis orang usia x+τ pada tahun t+τ, dan 2 adalah kesalahan acak dengan matematika harapan M 2 = 0 . Ketika argumen x diganti dengan x–τ dan t oleh t–τ, kita tulis ulang persamaan (3) menjadi N (x, t) S (x − τ) = N (x − τ, t τ) S (x ) + 3 , di mana 3 adalah galat acak dengan ekspektasi matematis M 3 = 0 . Dari mana kita memperoleh S (x τ) + 4 , (5) S (x) di mana N(x,t) diberikan dan N(x–τ, t–τ) tahun t–τ, 4 adalah kesalahan acak dengan ekspektasi matematis N (x , t ) = N (x, t) M 4 = 0 . Kesetaraan (5) memungkinkan untuk menentukan perkiraan ukuran kelompok demografis di masa lalu. Sebut saja ini metode backtracking. Perkiraan N(x–τ, t–τ) memerlukan penelitian tambahan, yang akan kami lakukan di bawah ini. Jelas mengikuti persamaan (1) bahwa estimasi populasi N(x+τ, t+τ) yang diperoleh dengan pergeseran langsung memiliki varians DN (x + , t + ) = N (x, t) p (x, x + )(1 p (x, x + )) = N (x, t) S (x + ) S (x + ) 1− , S (x) S (x) dan koefisien variasi V1 dari besaran ini adalah V1 = DN (x + , t + ) = MN (x + , t + ) 1 N (x, t) S (x) 1 . S (x + ) Metode pergeseran kelompok umur dalam demografi dan penerapannya 69 Mari kita tentukan batas-batas nilai koefisien variasi V1. Karena jumlah kelompok usia lima tahun dalam data statistik Federasi Rusia adalah sekitar beberapa juta, faktor pertama 1/ N (x, t) kurang dari 10–3. Menggunakan data statistik tentang ketergantungan fungsi kelangsungan hidup pada usia dan menganalisis semua kemungkinan nilai faktor kedua untuk tahun dan x 70 tahun, kami menemukan bahwa faktor kedua mengambil nilai maksimum 12,578 pada = 45 tahun . Hasilnya, kami menemukan bahwa koefisien V1 dalam hal ini memiliki nilai kurang dari 0,0126. Karena estimasi (4) memiliki akurasi yang cukup tinggi, kesalahan 2 dapat diabaikan. 2. Metode Pergeseran Balik Persamaan (5) yang menentukan taksiran bilangan N(x–τ, t–τ) pada metode pergeseran mundur, diperoleh dengan menggunakan pergeseran langsung, sehingga perlu dicari ciri-ciri penduga ini , khususnya, harapan dan varians matematisnya. Untuk nilai N(x,t) tertentu, kami menemukan distribusi probabilitas nilai populasi N(x–τ, t–τ) dari sekelompok orang berusia x–τ pada tahun t–τ. Menurut rumus Bayes, kita dapat menulis P(N (x − τ, t τ) = m / N (x, t) = n) = P(N (x, t) = n / N (x , t τ ) = m)P(N (x , t ) = m) . (6) = P(N (x, t) = n / N (x , t τ) = v)P(N (x , t τ) = v) v=n Disini, sama dengan (1) P(N (x, t) = n / N (x τ, t τ) = m) = Cmn p(x , x) n (1 p(x , x ) )m n , (7) dimana p(x , x) = S (x) / S (x ) . Distribusi apriori P(N (x τ, t τ) = m) akan diasumsikan Poisson dengan beberapa parameter a, yang nilainya akan ditentukan di bawah ini: P(N (x − τ, t ) = m) = am ae . M! (8) Pertimbangkan jumlah ψ (z) = zv P(N (x, t) = n / N (x τ, t ) = v)P(N (x , t ) = v). v =n Untuk singkatnya, kami menyatakan p(x, x + ) = p . Berdasarkan persamaan (7) dan (8), kita menulis fungsi (z) sebagai ψ (z) = z v Cvn p n (1 p)v n = v =n n a p e n! 1 av−a v! av = e = p n e− a z v (1 p)v n v! n !(v n)! v! v=n z v (v n)! (1 p)v n av = v=n = zn (apz) n a z v n e ∑ [ a(1 p)]v n = n! v = n (v n)! (ap) n a az (1 p) (ap) n = zn e e exp (a [ (1 p) z 1]) . n! n! A A. Nazarov, M.G. Nosova 70 Fungsi pembangkit (z) dari distribusi (6) berbentuk (z) = ∞ ∑ zm P(N (x − τ, t τ) = m / N (x, t) = n) = m=n = (z) = zn exp((z 1)a (1 p)). (1) (9) Dengan demikian, distribusi (6) adalah konvolusi dari distribusi degenerasi dari nilai deterministik n dan distribusi Poisson dengan parameter = a (1 p) = a(1 p(x , x)) . (10) Temukan nilai rata-rata a posteriori dari N(x–τ,t–τ). Jelas, seseorang dapat menulis MN (x τ, t − τ) = n + a(1 p(x , x)) . Dengan asumsi bahwa nilai rata-rata apriori dan a posteriori bertepatan, kita menulis persamaan a = n + a(1 p(x , x)) , dari mana kita menemukan nilai parameter a dalam bentuk S (x τ) a = n / p ( x , x) = n . S (x) (11) Dengan demikian, distribusi (6) ditentukan oleh fungsi pembangkit (9) dengan parameter a bentuk (11). Mari kita cari ekspektasi matematis bersyarat dan varians dari nilai N(x–τ,t–τ) asalkan persamaan n=N(x,t) terpenuhi. Jelas, persamaan S (x τ) MN (x , t ) = a = N (x, t) , (12) S (x) dipenuhi, yang membenarkan pilihan estimasi dalam bentuk (5). Mari kita cari varians bersyarat dari nilai taksiran (5) di bawah kondisi bahwa n=N(x,t). Dengan persamaan (9) DN (x , t τ) = a(1 p (x , x)) = N (x, t) S (x τ) ⎛ S (x) ⎛ S (x τ) 1− = N (x, t) − 1⎟ ⎜ ⎟ S (x) S (x − τ) S (x) dan koefisien variasi V2 adalah V2 = DN ( x , t − τ) = MN (x τ, t − τ) 1 N (x, t) S (x) S (x) 1− . S (x τ) S (x τ) Di sini, mirip dengan V1, kami mendefinisikan rentang nilai koefisien variasi V2. Faktor pertama 1/ N (x, t) kurang dari 10–3. Demikian pula untuk V1, setelah menganalisis semua kemungkinan nilai faktor kedua untuk tahun dan x 70 tahun, kami menemukan bahwa faktor kedua mengambil nilai maksimum 0,489 pada = 45 . Hasilnya, kita mendapatkan bahwa koefisien variasi V2 memiliki nilai kurang dari 10–3 untuk setiap dan x. Perhatikan bahwa dalam hal nilai koefisien variasi, perkiraan yang diperoleh dengan pergeseran terbalik adalah urutan besarnya (10 kali) lebih akurat daripada perkiraan yang diperoleh dengan pergeseran langsung untuk cakrawala perkiraan yang sama . Oleh karena itu, kesalahan acak 4 juga dapat diabaikan di sini. Kami menerapkan metode pergeseran berdasarkan usia yang dipertimbangkan untuk memecahkan masalah menentukan besarnya kerugian manusia di Federasi Rusia selama tahun-tahun Perang Dunia Kedua. 3. Menentukan jumlah kerugian manusia di Federasi Rusia selama Perang Dunia Kedua perlu diketahui nilai koefisien kelangsungan hidup. Informasi tersebut dapat diperoleh dari hasil sensus penduduk Federasi Rusia sebelum tahun 1939, atau setelah tahun 1959. Dalam pekerjaan ini, kami akan menggunakan data statistik tahun 1979 (Tabel 1). Tabel 1 Data statistik tentang distribusi populasi Federasi Rusia pada tahun 1939 dan 1959 (ribu pers.) No. kelompok: usia No. 1: 0-4 No. 2: 5-9 No. 3: 10-14 No. 4: 15-19 No. 5: 20-24 No. 6: 25-29 7: 30-34 No. 8: 35-39 No. 9: 40-44 No. 10: 45-49 No. 11: 50-54 No. 12: 55-59 No. 13: 60-64 Tidak .14: 65-69 No. 15: ≥70 1939 13806 11735 14158 9495 8744 10454 8820 7240 5315 4268 3710 3332 2775 2079 2426 1959 13353 12415 8502 8975 11552 10591 11103 6423 6177 7167 5965 4751 3589 2664 4307 123 129 11902 8016 8399 10485 9376 9716 5595 5065 5493 8200 Menurut data tahun 1959 dan 1979 gg. temukan perkiraan tingkat kelangsungan hidup orang dalam kelompok ke-n dengan usia orang (n + 4) dalam kelompok N (n + 4,1979) p(n, n + 4) = N (n.1959) sebagai rasio dari jumlah kelompok penduduk ke-N(n+ 4.1979) (n+4) pada tahun 1979 sampai dengan nomor N(n.1959) dari kelompok penduduk ke-n pada tahun 1959, yang terdiri dari orang-orang yang sama dari Federasi Rusia (Tabel 2 ). Nilai terakhir 0,3855 pada baris pertama diperoleh sebagai perbandingan jumlah 8200 kelompok terakhir (ke-15) pada tahun 1979 dengan jumlah total 21272 A.A. Nazarov, M.G. Nosov 72 grup dari tanggal 11 hingga 15 tahun 1959. Koefisien p(n, n + 4) masing-masing digunakan dalam metode pergeseran langsung, dan p(n–4, n), dalam metode pergeseran terbalik. Tabel 2 Perkiraan tingkat kelangsungan hidup No. gr. #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 #11 #12 #13 #14 #15 p(n, n+4) 0.9732 0.9587 0.9428 0.9358 0.9076 0.8853 0.8751 0.8711 0.8200 0.7664 p( n–4, n) 0.9732 0.9587 0.9428 0.9358 0.9076 0.8853 0.8751 0.8711 0.8200 0.7664 0.3855 0.3855 3.1. Penentuan korban dengan metode gerakan langsung Menggunakan nilai tingkat kelangsungan hidup yang diberikan pada baris pertama Tabel. 2, dengan metode pemindahan langsung, menurut rumus (4), kami menemukan nilai perkiraan ukuran kelompok usia untuk tahun 1959 menurut data tahun 1939. Nilai-nilai ini diberikan di meja. 3. Tabel 3 Estimasi jumlah kelompok umur tahun 1959, diperoleh dengan metode direct shift No. gr. 1939 p(n, n+4) #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 #11 #12 #13 #14 #15 13806 11735 14158 9495 8744 10454 8820 7240 5315 4268 0 9732 0,9587 0,9428 0,9358 0,9076 0,8711 0,8751 0,8711 0,8200 0,7664 14322 0,3855 Pergerakan tahun 1959 1959 Selisih 13436 11250 13349 8886 7936 9255 7718 6307 4358 3271 5521 11552 10591 11103 6423 6177 7167 5965 4751 3589 2664 4303 1884 659 2246 2463 1753 2088 1753 1556 769 607 1218 kelompok usia pada tahun 1959. Nilai-nilai ini dapat diartikan sebagai besarnya kerugian manusia Federasi Rusia selama Perang Dunia Kedua. Nilai total mereka adalah S1 = 17001 ribu. 2, dengan metode pemindahan terbalik menurut rumus (5), kami menemukan nilai perkiraan ukuran kelompok umur untuk tahun 1939 menurut data tahun 1959. Hasilnya diberikan dalam Tabel. 4. Tabel 4 Nilai perkiraan ukuran kelompok umur untuk tahun 1959, diperoleh dengan metode pergeseran terbalik No. gr. #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 #11 #112 #13 #14 #15 1959 11552 10591 11103 6423 6177 7167 5965 4751 3589 2664 4303 p(n–4, n) 0,9732 0,9587 0,9428 0,9358 0,9076 0,8853 0,8751 0,8711 0,8200 0,7664 0,3855 Pergerakan tahun 1939 11870 11047 11776 6863 6806 8096 6817 5454 4377 3476 1939 Selisih 13806 11735 14158 9495 8744 10454 8820 7240 5315 4268 1936 688 2382 2632 1938 2358 2003 1786 938 792 11163 14322 3159 Perbedaan ini dapat diartikan sebagai jumlah orang-orang dari kelompok umur tertentu yang dikeluarkan dari proses pembentukan penduduk pada tahun 1959. Nilai total S2 dari perbedaan ini untuk semua kelompok umur adalah S2 = 20612 ribu.Jumlah ini terdiri dari kerugian karena penyebab alam, serta kerugian manusia yang disebabkan oleh Perang Dunia II, yang nilainya berdasarkan kelompok usia ditentukan oleh produk dari nilai baris terakhir Tabel. 4 dengan koefisien p(n, n+4). Nilai-nilai ini diberikan dalam tabel. 5. Nilai baris terakhir tabel ini bertepatan dengan nilai baris terakhir tabel. 3, oleh karena itu, nilai kerugian manusia Federasi Rusia selama Perang Dunia Kedua adalah 17 juta orang. A A. Nazarov, M.G. Nosova 74 Tabel 5 Nilai kerugian manusia akibat Perang Dunia II No. gr. #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 #11 #112 #13 #14 #15 1936 688 2382 2632 1938 2358 2003 1786 938 792 p(n,n+4) 0, 9732 0.9587 0.9428 0.9358 0.9076 0.8853 0.8751 0.8711 0.8200 0.7664 3159 0.3855 1884 659 2246 2463 1759 2088 1753 1556 769 802 dapat digunakan untuk menghitung jumlah kelompok umur penduduk dalam tahun antar tanggal sensus. Metode ini merupakan alat sederhana untuk analisis demografi dan memberikan hasil yang cukup sesuai dengan kenyataan. REFERENSI 1. Whelpton P.K. Populasi Amerika Serikat, 1925 hingga 1975 // The American Journal of Sociology. 1928. V. 34. N 2. P. 253 - 270. 2. Demographic Encyclopedic Dictionary / ed. DI. Valentine. M.: Ensiklopedia Soviet, 1985. 608 hal. 3. Medkov V.M. Demografi. M.: INFRA-M, 2007. 683 hal. 4. Falin G.I., Falin A.I. Pengantar matematika aktuaria. M.: Rumah Penerbitan Universitas Negeri Moskow, 1994. 86 hal. 5. Nazarov A.A., Terpugov A.F. Teori Probabilitas dan Proses Stokastik: Buku Teks. Tomsk: Rumah Penerbitan NTL, 2006. 204 hal. 6. Buku Tahunan Statistik Rusia: Koleksi Statistik: Edisi Resmi / Negara. Komite Statistik Federasi Rusia (Goskomstat Rusia) / ed. V.L. Sokolina dkk.M.: 2001. 642 hal. Nazarov Anatoly Andreevich Nosova Maria Gennadievna Universitas Negeri Tomsk Email: [dilindungi email]; [dilindungi email] Diterima 11 Mei 2009
Teks karya ditempatkan tanpa gambar dan rumus.
Versi lengkap dari karya tersebut tersedia di tab "File Pekerjaan" dalam format PDF
pengantar
Relevansi penelitian.
Secara tradisional, peramalan populasi jangka panjang adalah cara yang digunakan untuk menentukan proyeksi populasi ke sumber daya. Masalah setiap peradaban adalah rasio sumber daya dan populasi. Jika terjadi kekurangan yang pertama, peradaban pasti akan punah. Pada saat yang sama, modernisasi kehidupan dan pertumbuhan ekonomi yang cepat di sejumlah negara berkembang dan negara-negara dengan transisi ekonomi di masa mendatang menyebabkan fakta bahwa negara-negara ini sejajar dengan negara-negara maju, terus tetap berbeda dalam budaya, melestarikan identitas peradaban mereka, berbeda dari yang Barat. Peristiwa politik baru-baru ini di panggung dunia (pemilihan Donald Trump sebagai Presiden Amerika Serikat, penarikan Inggris Raya dari anggota UE) menentukan bahwa kita sedang bergerak dari agenda globalisasi ke pembentukan serikat politik dan ekonomi regional. Hal ini menimbulkan pertanyaan tambahan terkait dengan perkiraan jangka panjang: berapa rasio populasi di negara-negara terbesar?
Dengan mempertimbangkan tren demografi terkini (pertumbuhan populasi dunia secara bertahap), dapat dikatakan bahwa diperlukan strategi untuk kelangsungan hidup umat manusia, yang menjamin pertumbuhan kemakmuran dan pelestarian keseimbangan ekologis. Pada saat yang sama, ada masalah interaksi antar peradaban, terkait dengan fakta bahwa penurunan populasi alami dimulai di negara maju, dan dalam kondisi keberhasilan mengejar pembangunan, populasilah yang menjadi sumber daya penting yang menentukan komparatif. potensi negara dan peradaban.
Proyek ini didasarkan pada perkembangan demografis peradaban modern untuk mengidentifikasi masalah global. Nilai proyek ini adalah karena fakta bahwa materi yang dipelajari dapat diterapkan dalam studi geografi di sekolah.
Objek studi: penduduk sebagai salah satu unsur dinamika demografi.
Subjek studi: perubahan populasi di negara-negara "sepuluh" pertama untuk parameter ini.
Tujuan studi: memprediksi perubahan populasi negara-negara di dunia yang termasuk dalam sepuluh besar dalam parameter ini.
Tujuan penelitian:
1. Pelajari sumber tentang masalah ini;
2. Cari tahu populasi Cina, India, AS, Indonesia, Brasil, Pakistan, Bangladesh, Nigeria, Rusia, Jepang;
3. Mendeskripsikan esensi metode pergeseran usia untuk peramalan penduduk;
4. Dengan menggunakan metode ini, buatlah ramalan penduduk untuk negara-negara di atas.
Hipotesis penelitian. Pertambahan atau penurunan penduduk berkorelasi langsung dengan laju rata-rata tahunan pertumbuhan penduduk secara umum.
Metode penelitian. Analisis dan sintesis, statistik.
1. Prakiraan demografi 1.1 Inti dari metode pergeseran usia untuk peramalan penduduk
Sehubungan dengan semakin besarnya peran faktor demografis dalam perencanaan sosial-ekonomi, perhitungan prospektif dari jumlah dan komposisi penduduk menjadi relevan. Pemodelan matematika berguna dalam memecahkan masalah ini. Pengembangan dan penggunaan berbagai jenis model matematika berfungsi baik untuk menganalisis reproduksi populasi secara keseluruhan, dan untuk mengidentifikasi pola dalam pengembangan proses demografis tertentu. Saat pemodelan, asumsi awal tertentu dibuat mengenai komponen utama proses (fertilitas, mortalitas, migrasi, dll.). Atas dasar ini, karakteristik lain dari populasi dan strukturnya dihitung.
Tempat khusus dalam pemodelan matematika ditempati oleh metode pergeseran usia (atau metode komponen), yang dikembangkan oleh P. K. Welpton. S.G. Strumilin, A.Ya. Boyarsky, P.P. Shusherin, M.S. Bedny, S. Shcherbov, V. Lutz, W. Sanderson, serta Komisi Kependudukan Perserikatan Bangsa-Bangsa, Komite Statistik Negara Federasi Rusia, Pusat Demografi dan Ekologi Manusia.
Metode pergeseran kelompok umur cukup efektif untuk prakiraan jangka pendek dengan perencanaan horizontal untuk jangka waktu tidak lebih dari 10 – 15 tahun.
Studi ini dilakukan atas dasar data statistik terbuka. Untuk mencapai tujuan penelitian, dengan menggunakan metode pergeseran usia, kami menghitung perkiraan populasi negara-negara yang termasuk dalam sepuluh besar. Pergerakan usia mengacu pada transisi orang-orang dari usia X ke usia berikutnya X + 1, sedangkan jumlah orang-orang ini berkurang karena kematian dan penurunan angka kelahiran, dan juga perubahan karena migrasi. Dengan demikian, penggantian generasi dipastikan, yang menentukan reproduksi sumber daya tenaga kerja. Dalam kasus kami, kami tidak membuat shift untuk kelompok umur individu, tetapi menghitung untuk semua kelompok umur.
Penghitungan mundur dilakukan dari jumlah penduduk tahun 2011 berdasarkan rata-rata total pertambahan/penurunan jumlah penduduk selama tahun 2011-2015. berdasarkan asumsi bahwa pertambahan/penurunan penduduk akan tetap konstan setiap tahunnya.
1.2 Prakiraan populasi negara yang diteliti
Di bagian pekerjaan ini, kami melakukan perkiraan populasi negara-negara yang termasuk dalam sepuluh besar untuk indikator ini. Metodologi untuk proses ini juga telah dijelaskan di atas. Data awal untuk perhitungan meliputi jumlah penduduk tahun 2011, 2012, 2013, 2014 dan 2015. Sebuah sampel lima tahun memungkinkan untuk menentukan nilai rata-rata pertumbuhan penduduk tahunan, atas dasar yang akan membuat perkiraan populasi. Data ini diberikan dalam tabel. satu.
Tabel 1.
Populasi negara-negara terkemuka dunia untuk 2011-2015
|
Populasi, 2011 |
Populasi, 2012 |
Populasi, 2013 |
Populasi, 2014 |
Populasi, 2015 |
|
|
Amerika Serikat |
|||||
|
Indonesia |
|||||
|
Brazil |
|||||
|
pakistan |
|||||
|
Bangladesh |
|||||
Sumber: 2.
Dari data tabel tersebut dapat disimpulkan bahwa secara umum terjadi peningkatan jumlah penduduk di negara-negara tersebut pada tahun 2015 dibandingkan tahun 2011 sebesar 5%. Rusia secara konsisten berada di antara sepuluh negara terbesar di dunia dalam hal populasi. Kami sengaja tidak mengurangi nilai absolut menjadi indikator fraksional untuk menjaga keakuratan perhitungan.
Beras. 1. Perubahan populasi Cina.
Populasi Cina meningkat dari 2011 hingga 2015. Populasi meningkat sebesar 3,9%. Trennya positif. Pertumbuhan penduduk China dipengaruhi oleh larangan memiliki anak kedua pada tahun 2016. Selama 36 tahun pembatasan ini, efek samping telah muncul. Akibat negatifnya adalah jumlah penduduk yang sehat semakin berkurang setiap tahunnya. Dan dalam beberapa tahun, situasi dapat terjadi ketika jumlah pensiunan akan melebihi jumlah orang yang mampu yang bertanggung jawab untuk mengisi anggaran pensiun China.
Situasi yang sama dengan populasi diamati di India. Tetapi di sini tidak ada reproduksi populasi yang menyempit, sehingga struktur usianya lebih muda.
Beras. 2. Perubahan jumlah penduduk India.
Jumlah penduduk meningkat dari tahun 2011 ke 2015 sebesar 8%. Trennya positif. Tetapi jika di dua "raksasa" Asia itu populasinya tumbuh karena pertumbuhan alami, karena mentalitas Asia tidak terlalu disukai oleh calon migran dari negara-negara Barat, maka populasi AS meningkat terutama karena migran.
Beras. 3. Perubahan populasi AS.
Selama masa penelitian, populasi meningkat sebesar 2%. Trennya positif.
Situasinya berbeda di Indonesia.
Beras. 4. Perubahan populasi di Indonesia.
Dari grafik terlihat bahwa dari tahun 2011 ke tahun 2014 jumlah penduduk meningkat, namun kemudian dari tahun 2014 ke tahun 2015 jumlah penduduk turun tajam. Saat ini, populasi telah stabil, kami melihat alasan fluktuasi tajam dalam situasi sosial ekonomi.
Populasi Brasil juga tumbuh tidak merata. Tidak ada tren positif di sini, dan populasi tumbuh secara siklis.
Beras. 5. Perubahan populasi di Brasil.
Berdasarkan grafik terlihat bahwa jumlah penduduk meningkat dari tahun 2011 ke tahun 2012, namun kemudian dari tahun ke tahun menurun tajam, namun kemudian dari tahun 2013 ke tahun 2015 mulai meningkat. Itu meningkat sekitar 3%.
Beras. 6. Perubahan populasi di Pakistan.
Dari grafik terlihat bahwa jumlah penduduk Pakistan meningkat dari tahun 2011 ke tahun 2014. Namun belakangan, dari 2014 hingga 2015, populasinya turun tajam. Itu meningkat sekitar 3%.
Beras. 7. Perubahan populasi di Bangladesh.
Kita dapat melihat bahwa jumlah penduduk meningkat dari tahun 2011 ke tahun 2015. Itu meningkat sekitar 6%. Trennya positif.
Beras. 8. Perubahan populasi di Nigeria.
Berdasarkan grafik terlihat bahwa jumlah penduduk meningkat sebesar 118% dari tahun 2011 ke tahun 2015.
Beras. 9. Perubahan populasi Rusia.
Menurut grafik, kita melihat bahwa pada awalnya, dari 2011 hingga 2012, populasi sedikit menurun, tetapi kemudian, dari 2012 hingga 2015, meningkat 5%, termasuk karena aneksasi Krimea dan stabilisasi angka kelahiran. Trennya positif.
Beras. 10. Perubahan jumlah penduduk Jepang.
Dari grafik terlihat bahwa di Jepang dari tahun 2011 hingga 2012, jumlah penduduknya meningkat drastis, namun kemudian dari tahun 2012 hingga 2015, jumlah penduduknya menurun. Trennya negatif.
Setelah menentukan tren demografi, kami menentukan nilai pertumbuhan tahunan total dan rata-rata per tahun. Data ini diberikan dalam tabel. 2.
Meja 2.
Nilai total pertumbuhan penduduk untuk negara-negara yang diteliti
|
Tingkat pertumbuhan tahunan rata-rata |
||||
|
Amerika Serikat |
||||
|
Indonesia |
||||
|
Brazil |
||||
|
pakistan |
||||
|
Bangladesh |
||||
Berdasarkan data tersebut, dilakukan perhitungan proyeksi penduduk untuk tahun 2016-2019. Ini disajikan dalam Tabel. 3.
Tabel 3
Populasi yang diproyeksikan
|
Populasi, 2015 |
Tingkat pertumbuhan tahunan rata-rata |
|||||
|
Amerika Serikat |
||||||
|
Indonesia |
||||||
|
Brazil |
||||||
|
pakistan |
||||||
|
Bangladesh |
||||||
Jika Anda tidak percaya proyeksi demografis orang lain, Demoscope mengundang Anda untuk memeriksanya atau, jika Anda mau, buat sendiri.
Di antara banyak metode perhitungan prediktif untuk masa depan yang cukup dapat diperkirakan, katakanlah selama 25 atau bahkan 50 tahun, metode yang paling terkenal adalah "kemajuan zaman". Ini sepenuhnya konsisten dengan logika penuaan dan pembaruan populasi, dan dalam pengertian ini tampaknya benar-benar alami. Inti dari metode ini adalah sebagai berikut.
Anak-anak yang lahir pada tahun tersebut, misalnya 2001, pada awal tahun berikutnya, 2002, akan membentuk kelompok usia termuda pada usia 0 tahun. Jumlah kelahiran tergantung pada jumlah wanita usia subur dan frekuensi melahirkan anak pada wanita usia tertentu. Ini berarti bahwa untuk membuat ramalan, perlu untuk memprediksi berapa frekuensi ini di tahun-tahun yang berbeda dari seluruh periode ramalan n tahun.
Semua orang lain yang akan hidup pada tahun 2002 sudah hidup pada tahun 2001. Seseorang yang berusia n tahun pada awal tahun 2001 pasti akan menjadi 1 tahun lebih tua pada awal tahun 2002 - kecuali, tentu saja, dia meninggal sebelum akhir tahun 2001 . Jadi, untuk membuat ramalan, perlu untuk memprediksi berapa peluang seseorang berusia n akan hidup hingga n + 1 tahun.
Probabilitas usia untuk bertahan hidup hingga akhir tahun, serta probabilitas untuk tidak bertahan hidup, merupakan indikator demografi yang dipelajari dengan baik. Sebagai aturan, mereka berkorelasi erat dengan harapan hidup saat lahir. Oleh karena itu, untuk setiap nilai harapan hidup dimungkinkan untuk memprediksi semua indikator usia kelangsungan hidup dengan akurasi yang cukup tinggi.
Komponen ketiga dari ramalan demografis adalah migrasi. Komposisi usia migran paling banyak mengalami fluktuasi, namun tetap tidak sepenuhnya sembarangan. Ada logika objektif tertentu dalam pembentukan distribusi usia emigran dan imigran, memahaminya, seseorang dapat lebih atau kurang secara akurat memprediksi apa komposisi usia mereka yang tiba di dan meninggalkan negara itu di masa mendatang.
Perkiraan tersebut melibatkan 202 usia (101 untuk pria dan 101 untuk wanita) probabilitas bertahan hidup dan 35 usia probabilitas memiliki bayi. Peramalan independen mereka tidak hanya melelahkan, tetapi juga tidak banyak berguna. Faktanya adalah bahwa probabilitas pada usia yang berbeda cukup erat terkait satu sama lain, dan ada model hubungan yang cukup andal. Oleh karena itu, cukup menerima hipotesis independen mengenai beberapa karakteristik akhir kematian, kesuburan, dan migrasi, yang dapat dilakukan siapa pun - lagi pula, ini tidak lebih dari hipotesis - dan model yang ada akan membantu untuk beralih dari mereka ke indikator usia dan melakukan perhitungan prediksi penuh.
Perhitungan biasanya dilakukan oleh kelompok umur satu tahun kelipatan 1 tahun, atau kelompok umur lima tahun dan kelipatan 5 tahun. Penting di sini bahwa untuk langkah perkiraan, seluruh kelompok usia masuk ke yang berikutnya. Misalnya, jika kita mempertimbangkan kelompok lima tahun yang berusia 30-34 tahun, maka pada langkah berikutnya harus berubah menjadi kelompok berusia 35-39 tahun, yang berarti bahwa langkah lima tahun juga harus diambil.
Kami hanya akan membangun prakiraan lima tahun seperti itu. Mereka lebih mudah dilihat dan cukup memadai untuk berbagai tujuan yang sangat luas.
Nah, sekarang ke intinya! File prognozis.xls yang terletak di situs Excel akan memungkinkan Anda untuk bergabung dengan sejumlah peramal tanpa banyak usaha.
Lebih banyak arti dari kata ini dan terjemahan Inggris-Rusia, Rusia-Inggris untuk kata «METODE USIA BERGERAK» dalam kamus.
Metode komponen membuka lebih banyak peluang bagi pengembang perkiraan demografis. Tidak seperti ekstrapolasi dan analitik, ini memungkinkan Anda untuk mendapatkan tidak hanya total populasi, tetapi juga distribusinya berdasarkan jenis kelamin dan usia*.
Metode komponen dikembangkan oleh ahli demografi Amerika P.K. Welpton (R.K. Whelpton, 1893-1964). cm.: Bogue D.J. Teknik Membuat Proyeksi Penduduk: Proyeksi Usia-Jenis Kelamin. Chicago, 1980. Hal 8. Dicetak ulang di:Bacaan dalam Metodologi Penelitian Kependudukan. Volume 5. Model Populasi, Proyeksi dan Estimasi. Chicago, 1993. Hal. 17-7-17-10.
Dinamakan ganda metode peramalan demografi ini (metode komponen, atau metode pergeseran usia) karena faktanya, pertama, penerapannya didasarkan pada penggunaan persamaan keseimbangan demografis, yang telah dibahas pada Bab 3:
di mana P0 Dan P1- populasi, masing-masing, pada awal dan akhir periode (tahun); DI DALAM- jumlah kelahiran untuk periode tersebut; D- jumlah kematian untuk periode tersebut; M i - arus masuk migrasi untuk periode tersebut; M 0 - arus keluar migrasi untuk periode tersebut. Di mana B, D, M saya Dan M 0 disebut komponen perubahan penduduk selama periode (tahun).
Kedua, karena fakta bahwa data jumlah usia individu dan kelompok jenis kelamin bergerak di sekitar setiap tahun pada usia berikutnya, dan ukuran kelompok usia nol ditentukan berdasarkan perkiraan jumlah kelahiran dan kematian bayi tahunan.
Inti dari metode komponen adalah untuk "melacak" pergerakan kelompok individu dalam waktu sesuai dengan parameter (perkiraan) kesuburan, kematian dan migrasi yang diberikan. Jika parameter ini diperbaiki pada beberapa waktu awal t 0 , kemudian tetap tidak berubah selama periode D i , maka ini secara unik menentukan ukuran dan struktur populasi pada saat itu t0 + t
Mulai dari waktu ke waktu, populasi setiap usia individu menurun sesuai dengan probabilitas kematian spesifik usia yang diprediksi. Jumlah kematian dikurangi dari populasi awal setiap usia, dan yang selamat menjadi satu tahun lebih tua. Tingkat kesuburan spesifik usia yang diproyeksikan digunakan untuk menentukan jumlah kelahiran untuk setiap tahun dari periode perkiraan. Mereka yang lahir juga mulai mengalami risiko kematian sesuai dengan kadar yang diterimanya. Metode komponen juga memperhitungkan tingkat migrasi spesifik usia (kedatangan dan keberangkatan).
Prosedur ini diulang untuk setiap tahun dari periode perkiraan. Ini menentukan populasi setiap usia dan jenis kelamin, total populasi, tingkat kelahiran dan kematian umum, serta tingkat kenaikan umum dan alami. Pada saat yang sama, perhitungan prediktif dapat dibuat baik untuk interval usia satu tahun dan untuk berbagai kelompok usia (5 tahun atau 10 tahun). Teknik perhitungan prospektif persis sama dalam kedua kasus. Perhitungan prospektif biasanya dibuat secara terpisah untuk populasi wanita dan pria. Ukuran populasi dari kedua jenis kelamin dan struktur umurnya diperoleh hanya dengan menjumlahkan populasi perempuan dan laki-laki. Pada saat yang sama, semua parameter prakiraan fertilitas, mortalitas, dan migrasi dapat berubah untuk setiap tahun atau interval tahun dari periode prakiraan.
Di kanan ke Prediksi populasi dilakukan berdasarkan data spesifik usia untuk setiap jenis kelamin secara terpisah (berdasarkan usia spesifik). Kesuburan dinyatakan dalam koefisien usia tertentu. Kekuatan kematian dinyatakan dalam usia tertentu probabilitas bertahan hidup hingga usia berikutnya (sebagai jatah kelangsungan hidup spesifik usia) secara terpisah untuk pria dan wanita. Migrasi biasanya diukur dalam hal migrasi bersih tahunan yang diharapkan yang diklasifikasikan menurut jenis kelamin dan usia. Tren yang lebih baru adalah memperbaiki migrasi dengan membedakan antara arus masuk dan arus keluar jika memungkinkan.
Perhitungan dibuat dalam istilah "siklus perkiraan", yang masing-masing biasanya 1 tahun atau 5 tahun. Dimulai dengan sensus atau data sumber lainnya, ahli demografi menerapkan data kelahiran, kematian, dan migrasi secara berurutan selama satu siklus peramalan, kemudian menjumlahkan hasilnya untuk sampai pada perkiraan populasi pada tanggal yang menandai akhir siklus. Populasi pada akhir siklus, dihitung menggunakan operasi ini, pada gilirannya menjadi awal untuk siklus berikutnya. Siklus peramalan diulang untuk mendapatkan perkiraan populasi untuk tanggal berikutnya di masa depan. Ini diulang sampai tanggal perkiraan yang dibuat tercapai. Fitur dari prosedur ini adalah peramal dapat menggunakan nilai kelahiran, kematian, dan migrasi yang berbeda untuk setiap siklus prakiraan. Segera setelah untuk setiap siklus set nilai dari masing-masing komponen dipilih, proses komputasi direduksi hanya dengan mengganti nilai yang diperoleh ke dalam persamaan demografis keseimbangan. Dari penjelasan di atas, validitas (validitas) dan kegunaan (utilitas) ramalan bergantung pada akurasi estimasi populasi awal dan akurasi prediksi parameter fertilitas, mortalitas, dan migrasi di masa mendatang.
Bogue D.J. Teknik Membuat Proyeksi Penduduk: Proyeksi Usia-Jenis Kelamin. Chicago , 1980. Hal 8. Dicetak ulang di: Bacaan dalam Metodologi Penelitian Kependudukan. Volume 5. Model Populasi, Proyeksi dan Estimasi. Chicago, 1993. Hal. 17-7.
Mari kita tunjukkan, untuk kesederhanaan, bagaimana perhitungan prospektif dibuat dengan menggunakan contoh interval usia satu tahun untuk populasi wanita.
Biarkan pada beberapa waktu awal ke(tahun dasar proyeksi) penduduk wanita berusia x tahun adalah px 0. Selama tahun itu, jumlah awal akan berubah: sebagian dari populasi akan mati, bagian lain dari populasi akan meninggalkan wilayah ini, seseorang, sebaliknya, akan datang untuk tinggal di dalamnya. Akibatnya, jumlah penduduk usia (X+1) pada satu titik waktu t1 akan sama dengan:
(L x Dan L x + l- jumlah orang yang hidup dalam usia x Dan x+1 dari tabel kematian), M s x- keseimbangan migrasi usia tertentu.
Prosedur yang sama berlaku untuk semua usia kecuali usia 0 tahun.
Besarnya kelompok umur 0 tahun pada waktu t 1 dihitung dengan memperhitungkan baik tingkat kelahiran maupun kematian bayi dan migrasi, karena tidak semua yang lahir selama tahun tersebut akan hidup sampai awal tahun berikutnya, dan karena ada, meskipun kecil, migrasi pada usia ini juga. Pertama-tama, jumlah kelahiran selama setahun dihitung. Jumlah ini, seperti diketahui, sama dengan jumlah produk tingkat kesuburan spesifik usia dan jumlah tahunan rata-rata wanita pada usia yang sesuai:
di mana DI DALAM- jumlah kelahiran tahunan; ASFR X- tingkat kesuburan menurut usia; Fx- jumlah rata-rata tahunan wanita berusia x bertahun-tahun. Untuk mendapatkan jumlah anak perempuan yang lahir terpisah, DI DALAM dikalikan dengan (1-5), di mana 8 adalah proporsi anak laki-laki yang lahir, yang berkisar antara 0,507 dan 0,517, tetapi biasanya diambil 0,512 (ini sesuai dengan rasio jenis kelamin sekunder 105 hingga 100). Jumlah kelahiran yang diperoleh kemudian dikoreksi menggunakan fungsi kelangsungan hidup yang diadopsi untuk ramalan, serta menggunakan data migrasi bersih untuk usia ini, memperoleh populasi usia 0 tahun pada awal tahun berikutnya.
Prosedur yang dijelaskan di atas diulang secara berulang sebanyak jumlah tahun yang mencakup periode perkiraan. Populasi setiap usia, seolah-olah, bergerak ke usia berikutnya yang lebih tua. Itulah sebabnya metode komponen disebut juga “metode pergeseran usia”.
Hal ini dapat divisualisasikan sebagai berikut (Tabel 8.1).
