projekcije prebivalstva

8/17/2019 Projekcije prebivalstva

http://slidepdf.com/reader/full/projekcije-prebivalstva 1/28

24.3.20

Metode proučevanja

prebivalstvaProjekcije prebivalstva

Izbrane teme

Geografija prebivalstva in naselij

Marko Krevs

Oddelek za geografijoFilozofska fakulteta v Ljubljani

Kvantitativne metode vdemogeografiji

• Zbiranje podatkov

• Analiza izbranih številskih podatkov• Raziskovanje povezave med demografskimi in

drugimi pojavi

24.3.2015 2



24.3.20

Geoinformatika vdemogeografiji

• GIS-i močno prodirajo na to področje,pogosto v povezavi s pojmi:

– Geodemographics: Geodemografija; načeloma g.prebivalstva, v praksi ožje – samo prostorski vidikprebivalstva

– Demo(geo)graphic targeting: Demo(geo)grafskoprepoznavanje ciljnih skupin

– Neighbourhood targeting: prepoznavanje ciljnih

sosesk – Geolifestyles: prepoznavanje “območnih”

življenjskih stilov

24.3.2015 3

Razmerje med statističnimi indemografskimi metodami• Zbiranje podatkov: skoraj izključno statistične

metode

• Analiza, povezave: statistične + demografskemetode

• Statistične metode šele po temeljitidemografski analizi

– Ustrezna izbira demografskega kazalca zastatistično analizo

24.3.2015 4



24.3.20

“Geodemografija”

• Analiza socio-ekonomskih in vedenjskihpodatkov o ljudeh s ciljem raziskatigeografske vzorce, ki strukturirajo (ali sostrukturirani na podlagi) oblike in funkcijenaselij (Harris, 2003)

24.3.2015 5

“Geodemografija” • Prevladuje proučevanje socio-ekonomskih in

vedenjskih podatkov za potrebe gospodarskihodločitev

• Dejansko je možno in pogosto smiselnoupoštevanje tudi ostalih demografskihpodatkov

24.3.2015 6



24.3.20

Kaj ima tolezveze z

geodemografijo?

24.3.2015 7

“Geodemografija” – primeritem

24.3.2015 8



24.3.20

“Geodemografija” – različneklasifikacije ljudi/ulic

24.3.2015 9

“Geodemografija” – različneklasifikacije gospodinjstev/sosesk

24.3.2015 10

Primer klasifikacije za Ljubljano: Rebernik

(socialno-geografska območja)



24.3.20

“Geodemografija” – različneklasifikacije sosesk

24.3.2015 11

“Geodemografija” – različne

klasifikacije “sosesk” kupcev v

nakupovalnemsredišču

(prostorskoopredeljenih napodlagi poštnih

oznak)

24.3.2015 12



24.3.20

“Geodemografija” – primer zgostitveenočlanskih gospodinjstev

24.3.2015 13

Projekcije prebivalstva

• … tudi populacijske projekcije

• Napovedovanje števila in struktureprebivalstva na določenem območju in vdoločenem času – Vedno temeljijo na konkretnih predpostavkah, tudi

če jih ne navedemo ali se jih celo ne zavedamo! – S časovnim oddaljevanjem od meritev se

zanesljivost napovedi zmanjšuje

24.3.2015 14



24.3.20

Kaj napovedujemo s projekcijoprebivalstva?

• Skupno količino prebivalstva na nekemobmočju v nekem času

• Lahko pa tudi na primer:

– Spolno, starostno sestavo prebivalstva

– Število poročenih žensk v starostnem razredu 20-24 let

– …

24.3.2015 15

Projekcije prebivalstva vSloveniji

• Statistični urad RS• Urbanistični inštitut RS (tudi za območja

manjša od državnega)• Raziskovalni center ekonomske fakultete

• Urad za makroekonomske analize in razvoj

• Geografski inštitut (nekdanji IGU)

• …v bodoče vsak (enopredmetni) geograf znašega oddelka! (vsaj na temeljni ravni)

24.3.2015 16



24.3.20

Preden izvedemo projekcijoprebivalstva

• Poznavanje dejstev in vzrokov preteklegaspreminjanja demografskih pojavov

– S pomočjo temeljite demografske analize

• Oblikovanje predpostavk bodočegaspreminjanja demografskih pojavov

24.3.2015 17

Kaj potrebujemo za dobroprojekcijo?

• Ustrezne kakovostne podatke za analizodosedanjega demografskega razvoja

• Dobro poznavanje razvojnih smernic ožjega inširšega območja

• Nekaj poguma, ki naj temelji na demografski

usposobljenosti

• Primerna orodja

24.3.2015 18



24.3.20

Spopadanje z negotovostjoprihodnosti

• Poglobljeno utemeljevanje uporabljenemetode, parametrov

• Analiza občutljivosti (sensitivity analysis ):kako/koliko se spremenijo napovedi čespreminjamo določene parametre modela – Na primer mogoča je velika negotovost glede

nekega parametra, a se izkaže, da napovedi nisoobčutljive na njegovo spreminjanje

24.3.2015 19

Spopadanje z negotovostjoprihodnosti

• Več scenarijev spreminjanja prebivalstva –več projekcij z različnimi kombinacijamiparametrov

– Glavna projekcija (principal projection ) – za kateromenimo, da je najbolj verjetna

– “Analitične projekcije” (vse druge izvedene) –prikaz občutljivosti projekcij na različne parametremodela

24.3.2015 20



24.3.20

Kako predstavimo rezultate

• Ne napovedujemo prihodnosti!

• Odkrivamo, kolikšna bo prihodnja populacija,če bodo parametri njenega spreminjanja insam način spreminjanja takšni, kakršni so biliv uporabljenem modelu

• Napovedi so torej nujno pogojno veljavne

• Nujno predstavljanje na način “če A potem B”

24.3.2015 21

Izvedba v različicah• Najpogosteje projekcijo izvedemo v različicah, na

primer (za izvedbo projekcij za Slovenijo od 2000naprej): – Nizka različica

• predpostavlja na primer nizko življenjsko pričakovanje, stalnostopnjo skupne rodnosti 1.3 od leta 2000 naprej in stalniselitveni prirast 1000 oseb letno

– Srednja (temeljna, osnovna) različica:• predpostavlja na primer srednjo življenjsko pričakovanje, stalno

stopnjo skupne rodnosti 1.6 od leta 2010 naprej in stalniselitveni prirast 2000 oseb letno

– Visoka različica• predpostavlja na primer visoko življenjsko pričakovanje, stalno

stopnjo skupne rodnosti 1.9 od leta 2010 naprej in stalniselitveni prirast 3000 oseb letno

24.3.2015 22



24.3.20

Osnovna različica projekcije• Čim bolj podobna osnovni projekciji EUROSTAT-a

• Predpostavke: – ugodno gospodarsko okolje,

– zadostna rast produktivnosti, ki ob zniževanju številadelovno aktivnih omogoči takšno gospodarsko rast, ki ne bizavrla nadaljnjega upočasnjevanja umrljivosti in bi hkratispodbudila nekoliko povečano rodnost,

– povečan selitveni prirast, ki bi ublažil zmanjšanje domačegadelovno sposobnega prebivalstva, bi bil na zgornji mejipolitične sprejemljivosti glede občutljivega ravnovesjanacionalne sestave prebivalstva

– nadaljnje precejšnje povišanje pričakovanega trajanjaživljenja – višjo rast rodnosti in selitev, kot kažejo dosedanji trendi

• Pogumna in optimistična v svojih predpostavkah

24.3.2015 23

Nizka različica projekcije• Zadržane nizke stopnje rodnosti in manj

povečano pričakovano trajanje življenja

24.3.2015 24



24.3.20

Visoka različica projekcije

• Predpostavke o višji rodnosti in daljšempričakovanem življenju

24.3.2015 25

Različice projekcije – primer,Slovenija

24.3.2015 26

Primerjaj z dejanskimivrednostmi do danes!



24.3.20


24.3.2015 27


• Vertot, 2009: Prebivalstvo Slovenije danes in jutri, 2008-2060 : projekcije prebivalstvaEUROPOP2008 za Slovenijo. SURS.

– Dostopno v pdf zapisu! – na straneh SURS-a

– Obvezno preglej!

24.3.2015 28



24.3.20

Vrste projekcij

• Matematične• Analitične, komponentne

24.3.2015 29

Matematične projekcije• Ekstrapolacija dosedanjega spreminjanja

prebivalstva z uporabo izbranih matematičnihfunkcij v prihodnost

• Funkcijo izberemo na podlagi poznavanjadosedanjega in predpostavljenega

prihodnjega spreminjanja pojava• Kratkoročne, praviloma ne več kot 5-7 let v

prihodnje

24.3.2015 30



24.3.20

Matematične projekcije

• Izbira modela

• Opredelitev parametrov modela

– najtežja, negotova naloga

• Uporaba modela (izvedba projekcije)

24.3.2015 31

Matematične projekcije –funkcije• Med katerimi funkcijami izbiramo?

• V teoriji jih je veliko, v praksi le 2-3:

– Linearna

– Eksponentna

– Logistična

24.3.2015 32



24.3.20

Projekcija prebivalstva -linearna funkcija

• Ekstrapolacija s pomočjo indeksa za prejšnjeobdobje

• Linearna intrerpolacija

• Linearna regresijska analiza

24.3.2015 33

Projekcija prebivalstva –eksponentna funkcija

• Pt prebivalstvo v letu t,P0 prebivalstvo vzačetnem letu, rkonstantna letna

stopnja rastiprebivalstva

• Parameter r ocenimo napodlagi znanih vrednostištevila prebivalcev vpreteklosti t

P

P

t

P P r

t

t 00

lnlnln

24.3.2015 34

rt

t e P P

0



24.3.20

Prednosti matematičnihprojekcij

• Skromna zahtevnost glede podatkov

• Hitra izvedba

• Obe prednosti danes zbledita ob vse lažjidostopnosti podatkov in zmogljivihračunalniških orodjih

24.3.2015 35

Pomanjkljivosti matematičnihprojekcij• Temeljijo na predpostavki, da se bo

prebivalstvo spreminjalo po istem modelu vcelotnem obdobju projekcije

• Ne upoštevajo dejanskih podpopulacij innjihovega spreminjanja

• Večina matematičnih projekcij precenjujeprihodnjo rast prebivalstva, večinoma zaradineupoštevanja zmanjševanja rodnosti

24.3.2015 36



24.3.20

Analitične (komponentne)projekcije

• Nujno podrobno poznavanje dotedanjihdemografskih procesov, tudi sosednjih in drugihprebivalstev.

• Na podlagi ocen komponent spreminjanja številaprebivalstva – rodnosti, smrtnosti, priselitev inodselitev

• Upoštevajo starostno, spolno sestavoprebivalstva

– Pogosto tudi strukturo glede poročnosti, zaposlitve,izobrazbe, nacionalne pripadnosti,..

• Pogosto je zaželena ne le projekcija števila,ampak tudi strukture prebivalstva v prihodnosti24.3.2015 37

Osrednji princip komponentneprojekcije

• Naravno gibanje: koliko bo prebivalcev stariht v nekem letu je odvisno od številaprebivalcev starih t-1 v prejšnjem letu – … in od koeficienta preživetja starih t-1

• Verjetnost, da ženska pri določeni starostirodi otroka, se s starostjo spreminja –upoštevanje dejanske starostne porazdelitvežensk omogoča realnejše projekcije številarojstev

– Koeficienti rodnosti so podani za vsako (enoletno)starostno skupino posebej

24.3.2015 38



24.3.20

Analitične (komponentne)projekcije

• Zunanji dejavniki demografskih procesov

– Socialno-ekonomski: izobrazba, gospodarstvo,zdravstvo, tehnologija

– Kulturni: konzervativizem, enakopravnost spolov,razmerja moči, individualizem, postmaterializem

• Uporabljajo se tudi za daljša časovnaobdobja, na primer 25 let

• Med slabostmi:

– Potrebnih je veliko podrobnih podatkov

– Težje izvedljiva (zelo nezanesljiva) za majhnaobmočja

24.3.2015 39

Praktična izvedba projekcijprebivalstva• Sodobni geograf naj bi znal samostojno:

– Izbrati ustrezno metodo projekcije

– Izračunati projekcijo v različicah – Ustrezno opredeliti in pojasniti različice in njihove

rezultate

– Povezati rezultate projekcij s proučevanimigeografskimi pojavi in procesi.

• V ta namen bodo tudi v bodoče v e-učilnici navoljo ustrezna orodja, bodisi v Excelovidatoteki ali v obliki spletnega orodja

24.3.2015 40



24.3.20

Koraki izvedbe komponentne

projekcije prebivalstva• Podatki o srednjem

prebivalstvu (30.6.)za temeljno leto pospolu

– x je starost tistih, kiso imeli rojstni dan v

letu t

ž

t x

m

t x

P

P

,

,

24.3.2015 41

Koraki izvedbe komponentneprojekcije prebivalstva

• Projekcija številaprebivalcev po spolih zavse starostne razrede,razen za starost 0

– q je koeficient umrljivosti (v

tej formuli moških) vdoločenem starostnemrazredu, (1-q) pa koeficientpreživetja

– M je migracijski saldo (v tejformuli moških), ki preživijodo sredine leta t+1

m

t x

m

t x

m

t x

m

t x M q P P 1,1,2

1,1,1 )1(

24.3.2015 42



24.3.20

Koraki izvedbe komponentne

projekcije prebivalstva• Projekcija števila prebivalcev

po spolih za starost 0

– B živorojeni (dečki) medsredinama temeljnega innaslednjega leta

– q je koeficient umrljivosti (vtej formuli živorojenih dečkov)

– M je migracijski saldo (v tejformuli dečkov), ki preživijodo sredine leta t+1

m

t

m

t

m

t

m

t M q B P 1,0,0

2

11,0 )1(

24.3.2015 43

Izračun vseh živorojenih

• Projekcija skupnegaštevila živorojenih venem koledarskemletu t+1 (mi v

resnici potrebujemomed sredinama let)

f

t x

x t xt

P f B1,

2

1

,2

1

24.3.2015 44



24.3.20

Izračun vseh živorojenih

• Projekcija skupnegaštevila živorojenih vobdobju medsredinamatemeljnega (t) innaslednjega leta(t+1)

f

t x

f

t x

x

t xt P P f B1,,,

2

1

24.3.2015 45

Izračun živorojenih dečkov• Skupno številoživorojenih v obdobjumed sredinamatemeljnega innaslednjega leta Bt “razdelimo” glede nademografsko konstanto

– Slednjo lahko izračunamoza temeljno leto, ali jopovzamemo od SURS

– Za primer MOL je razmerjedečkov in deklic 1392 :1325, število dečkovizračunamo tako:

t t

m

t B B B 51233,0

13251392

1392

24.3.2015 46



24.3.20

Primer izvedbe projekcijeprebivalstva – MOL

• Samo za “naravni del” gibanja številaprebivalstva

• Izhodiščne podatke je že urejene prispevalSandi Jakoš, UIRS

24.3.2015 47


• Podatki:

– Število prebivalcev po spolu po enoletnih starostnihrazredih, 0-85+ let

– Koeficienti rodnosti za vsak starostni razredprebivalstva (žensk)

– Koeficienti umrljivosti za vsak starostni razred

prebivalstva, ločeno po spolih

24.3.2015 48

ž

t x

m

t x

P

P

,

, m

t xq

,2

1 )1(



24.3.20


24.3.2015 49

Primer izvedbe projekcijeprebivalstva – MOL• Izračun za razrede 1-85+

• Smrtnost za en starostni razred nazaj

24.3.2015 50

m

t x

m

t x

m

t x q P P ,

2

1,1,1 )1(



24.3.20


• Izračun rodnosti za razrede 0-85+

• Koeficient za isti starostni razred

24.3.2015 51

f

t x

f

t x

x

t xt P P f B 1,,,2

1


• Ocena za razred 0 let:

– Vsoto rojenih je treba porazdeliti po spolih

– Uporabimo razmerje (M:Ž 0 let) iz leta 2008

24.3.2015 52



24.3.20

MOL – majhno območje?

• Koeficienti rodnosti:

• Graf desno vendarle

kaže, da gre zgolj zamajhno “posebnost”

24.3.2015 530.00000000 0.02000000 0.04000000 0.06000000 0.08000000 0.10000000 0.12000000

0

3

6

9

12

15

18

21

24

27

30

33

36

39

42

45

48

51

54

57

60

63

66

69

72

75

78

81

84

Nekaj možnosti dopolnjevanjaprojekcije za MOL• Migracije – samo za oceno skupnega števila

prebivalcev

• Migracije – vključimo v model po starostnih razredih – Če imamo podatke o migrantih po starostnih razredih – Ali predpostavljamo rodnost prebivalcev MOL tudi za

priseljene v neki starostni skupini?

• Simulacije / scenariji – na primer vplivi gospodarskekrize na rodnostne in smrtnostne koeficiente postarostnih razredih – in vpliv na projekcijo – Ti vplivi na posamezne starostne skupine so predmet

raziskav

– Zdi se možna uporaba tovrstnih izsledkov za druga območja,vendar …

24.3.2015 54



24.3.20

Lipro 4.0 – program zaprojekcije prebivalstva

• NIDI – Netherlands InterdisciplinaryDemographic Institute:

– http://www.nidi.knaw.nl/en/projects/270101/

• Brezplačen! (v eučilnici + pdf knjiga z navodiliza uporabo)

– Imhoff, E. van & N. Keilman (1991),

• LIPRO 2.0: an application of a dynamic demographicprojection model to household structure in theNetherlands. NIDI/CBGS Pubications nr. 23, Amsterdam/Lisse: Swets & Zeitlinger. 245 p.

24.3.2015 55

24.3.2015 56

Literatura za radovedne

• Malačič• Jones

• Hinde

• Vertot, 2009!

http://www.nidi.knaw.nl/en/projects/270101/



projekcije prebivalstva

Documents