При рассмотрении уравнений зависимости миграции от перечисленных факторных признаков было получено следующее соотношение: y3 = 334,8 +3,5х1-20,9х2-0,03х3-7,05х4+0,03х6 -1,61х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,52. F набл. =7,4. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n =13 ?=0,95; ?1 = 6; ?2 =4) = 4,53, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,06 (х3).

Для оставшихся переменных получим уравнение регрессии:

y3= 321,3+3,4х1 - 19,3х2 - 7,9х4+0,03х6 - 1,67х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,6. F набл. =11,1. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; ?=0,95; ?1 = 5; ?2 =5) = 5,05, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =0,36 (х6).

Получили следующее уравнение: y3=303,5+4,57х1-22,5х2-4,69х4-1,67х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,91, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,5. F набл. =16,2. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; ?=0,95; ?1 = 4; ?2 =6) = 6,16, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,41 (х4).

Имеем следующее уравнение: y3= 130,5 + 7,05х1-20,3х2-11,5х7.

Это уравнение регрессии удачно аппроксимирует фактическое значение рождаемости, так как ошибка аппроксимации равно всего 0,32%, а значения остатков очень малы.

Высокий уровень множественного коэффициента детерминации =0,91 свидетельствует, что 91% вариации результативной переменной описывается вошедшими в модель признаками. Остальная часть вариации описывается неучтенными факторами.

Коэффициент Дарбина-Уотсона = 1,87, то есть приближается к 2, что свидетельствует о незначительной автокорреляции в остатках и подтверждает адекватность нашей модели.

Анализируя полученную модель можно сказать, что при повышении доли лиц пенсионного возраста на 1% сальдо миграции уменьшится на 20,3 на 1000 (так как коэффициент отрицателен) и при уменьшении безработицы на 1% сальдо миграции уменьшится на 11,5 чел. на 1000.

Влияние на миграционные процессы в республике оказывают экономические причины - показатели безработицы. Требуется обратить внимание на создание благоприятных условий для активной жизнедеятельности человека в регионе. Необходимо вводить более высокие нормативы при развитии социальной инфраструктуры по сравнению с центральными частями России и даже с учетом различий внутри рассматриваемых субъектов.

Основной причиной оттока населения из региона является текучесть кадров из-за низкой заработной платы. Также на этой территории большое значение на миграцию оказывает возрастная структура населения: причем в большинстве случаев не только увеличение пожилого населения, но и детского усиливает отток.

Можно сделать общий вывод, исходя из всех рассмотренных моделей, что наибольшее значение на процессы рождаемости, смертности и миграции в регионе оказывает экономический фактор и только за счет улучшения положения населения можно добиться стабилизации демографической ситуации.

3.2 Прогнозирование основных составляющих демографической ситуации: рождаемости и смертности

Для разработки прогноза показателей естественного движения населения нами использован метод экспоненциального сглаживания. Он заключается в том, что уровни исходного временного ряда взвешиваются с помощью скользящей средней, веса которой подчиняются экспоненциальному закону распределения. Данная скользящая средняя получила название экспоненциальной средней St (y) и позволяет проследить закономерности изменения явления в динамике по наиболее существенным последним уровням.

Особенность метода заключается в том, что при расчете теоретических значений, полученных по модели тренда, учитываются только значения предыдущих уровней временного ряда взятых с определенным весом [21, с. 94].

Общая формула расчета экспоненциальной средней:

St (y)= ?*уt + (1 - ?)* St-1 (y),

где St (y) - значение экспоненциальной средней временного ряда для момента t;

St-1 (y) - значение экспоненциальной средней для момента t - 1;

уt - значение последнего уровня ряда динамики для перспективного прогнозирования или значение уровня временного ряда социально-экономического явления в момент t;

? - параметр сглаживания (вес t-го значения уровня временного ряда.

При вычислении экспоненциальной средней используются значения предыдущей экспоненциальной средней и значения последнего уровня временного ряда, все предыдущие уровни ряда опускаются.

Одной из проблем практической реализации этого метода является определение значения параметра сглаживания ?. От значения параметра ? зависят веса предшествующего значения временного ряда и в соответствии с этим степень их влияния на сглаживаемый уровень, а, следовательно, и значение прогнозных оценок. Автор метода Р.Г.Браун предложил следующую формулу расчета ? = 2/(n+1), где n - число уровней временного ряда вошедших в интервал сглаживания.

В нашем случае ? = 0,167, так как число уровней временного ряда равно 11.

Рисунок 3.1 - Тенденция исходного временного ряда показателя уровня рождаемости

Тенденция исходного временного ряда описывается линейным трендом, что видно на рисунке 3.1.

Получили уравнение вида: yt = 10,79 - 0,257*t

Теперь определим начальные условия первого и второго порядков. Порядок начального условия определяется числом параметров линейного тренда.

Начальное условие первого порядка: S01(y)=9,51;

начальное условие второго порядка: S02(y)= 8,23.

Следующим этапом является расчет экспоненциальных средних первого и второго порядков.

Экспоненциальная средняя первого порядка St1(y)=12,7.

Экспоненциальная средняя второго порядка St2(y)= 8,97.

Прогноз строится по модели вида y*t+L = a0 + a1* t,

где t =1;

a0 = 16,43;

a1 = 0,746.

Сделаем прогноз на 2008 год, где t = 3, так как последний уровень ряда 2005 года.

y*3+L= 16,43 + 0,746*3;

y*3+L= 18,668.

Прогноз на 2009 год: y*4+L= 19,414.

По проделанным расчетам можно сказать, что в 2008 году коэффициент рождаемости будет равен 18,7 промилле, а в 2009 году - 19,4 промилле.

Спрогнозируем уровень смертности.

? = 0,167, так как число уровней временного ряда равно 11.

Рисунок 3.2 - Тенденция исходного временного ряда показателя уровня смертности

Тенденция исходного временного ряда описывается линейным уравнением тренда, что видно на рисунке 3.2.

Получили уравнение вида: yt = 10,844 + 0,443*t

Параметры уравнения вычислены с помощью метода наименьших квадратов.

Теперь определим начальные условия первого и второго порядков. Порядок начального условия определяется числом параметров линейного тренда.

Начальное условие первого порядка: S01(y)=8,63;

начальное условие второго порядка: S02(y)= 6,42.

Следующим этапом является расчет экспоненциальных средних первого и второго порядков.

Экспоненциальная средняя первого порядка St1(y)=13,04.

Экспоненциальная средняя второго порядка St2(y)= 7,52.

Прогноз строится по модели вида y*t+L = a0 + a1* t,

где t =1, a0 = 18,56, a1 = 1,1.

Сделаем прогноз на 2008 год, где t = 3, так как последний уровень ряда 2005 года.

y*3+L= 18,56 + 1,1*3;

y*3+L= 21,8.

Прогноз на 2009 год: y*4+L= 22,9.

По проделанным расчетам прогнозных данных можно сказать следующее, что рождаемость имеет тенденцию к возрастанию, в то же время и уровень смертности также имеет возрастающую тенденцию, показано на рисунке 3.3, 3.4. Это говорит о том, что численность населения республики будет все также сокращаться.

Рисунок 3.3 - прогноз уровня рождаемости

Рисунок 3.4 - Прогноз уровня смертности

3.3 Статистический прогноз численности населения Республики Бурятия

Неотъемлемой частью характеристики демографической ситуации является прогноз сложившихся тенденций и оценка их последствий с точки зрения динамики численности населения и его структур. Цель такого прогноза - показ возможных неблагоприятных или опасных последствий, для избежания которых необходимы определенные меры. Среди наиболее распространенных прогнозов - перспективные расчеты численности российского населения при условии сохранения сложившихся тенденций рождаемости и смертности, которые свидетельствуют о неизбежном исчезновении в исторически краткие сроки (в пределах 100 лет) российского народа при отсутствии внешней миграции. Если же масштабы миграции будут такими, которые компенсируют естественную убыль, то российский народ тоже исчезнет, поскольку в такие исторически короткие сроки мигранты не ассимилируются в постоянном населении, а просто заменят его [37, с. 150].

Разработаем прогноз численности населения Республики Бурятия методом экстраполяции тренда. Прогнозирование проведем по среднему годовому абсолютному приросту, значение которого равно ?=-22.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14