Interpretacja modeli urodzeń

Do określenia siły wpływu zmiennych na liczbę nowo narodzonych dzieci, zaproponowano liniowy model ekonometryczny szacowany według KMNK. Model ten przyjmuje następującą postać:

,

1

0 it t

k i

i

t X

URODZZ  



 



(t = 1, 2,……,n), (5)

gdzie:

k – liczba zmiennych objaśniających X , _i _i– parametry strukturalne modelu, _t– składnik losowy.

Wyniki estymacji modeli zaprezentowano w tabeli 1. Otrzymane modele w procedurze eliminacji a posteriori składają się głównie z jednej zmiennej niezależnej. Do oceny istotności wpływu poszczególnych zmiennych niezależnych wykorzystano test istotności t-Studenta. Procedurę przeprowadzono zakładając poziom istotności 0,01. Modele urodzeń poddano weryfikacji występowania autokorelacji wyższych rzędów, w tym celu zaproponowano test Breuscha-Godfreya (H : brak autokorelacji wobec alternatywnej ₀ H₁: występuje autokorelacja). Do weryfikacji hipotezy H posłużono się następującą ₀ statystyką opartą na zasadzie (Langrange multiplier – LM) mnożnika Langrange’a (Madalla 2006: 292-293):

R2

T

LM   , (6)

gdzie:

T – liczba obserwacji, R²- współczynnik determinacji pomocniczego oszacowanego modelu.

Test umożliwił zbadanie autokorelacji do rzędu drugiego. Wartość krytyczną dla modeli chi-kwadrat przy założeniu m = 2, α = 0,05, odczytana z tablic rozkładu wynosi ²= 5,991 (m-liczba stopni swobody). Podano również wartość p-value który jest wyższy od 5% co wskazuje na brak odrzucenia H .W razie wystąpienia autokorelacji zastosowano ₀ opóźnienia w celu jej eliminacji. Stosując opóźnienia otrzymano modele o rzędzie opóźnienia p o postaci ogólnej:

, .

1

0 it p t

k i

i

t X

URODZZ    _ 



 (t = 1, 2,……,n). (7) gdzie:

k – liczba zmiennych objaśniających X ,_i _i– parametry strukturalne, p – rząd opóźnień (p

= 1, 2,……n), _t – składnik losowy.

Modele poddano weryfikacji hipotezy o normalności rozkładu składnika resztowego testem Doornika-Hansena. Z analizy wynika że nie ma podstaw do odrzucenia hipotezy zerowej gdyż wartości p-value były większe od wartości krytycznej α = 0,05. Do oceny dopasowania modeli do danych empirycznych wykorzystano współczynnik determinacji R , błąd standardowy reszt 2 S , współczynnik zmienności _y V , a także odchylenia _y standardowe parametrów strukturalnych D . _()

Rozpatrując relacje zmiennych co do kierunku oddziaływania na zmienną endogeniczną wynika że, zmienna (MALZ) w powyższych modelach wpływa zdecydowanie stymulująco co oznacza wzrost liczby urodzeń żywych. Zmienna migracje na pobyt stały (MIGR), głównie zachowuje się znakiem dodatnim. Dodatni związek korelacyjny z liczbą żywo urodzonych dzieci stwierdzono w powiatach: pajęczańskim, kutnowskim, sieradzkim, wieluńskim, miechowskim, brzeskim, krapkowickim, leżajskim, grajewskim, zambrowskim, chodzieskim, szamotulskim, gryfińskim, stargardzkim. Występują również powiaty w których zmienna (MIGR) zachowuje się destymulująco jak w powiatach:

łomżyńskim, wschowskim. Ujemna zależność między liczbą żywo urodzonych dzieci

zauważono u zmiennej (ROZW). Zmienna zasoby mieszkaniowe (MIESZ) zachowuje się różnokierunkowo. Dodatni związek wykazano w powiatach: otwockim, piaseczyńskim, pruszkowskim, wołomińskim. Natomiast w powiecie limanowskim, nowosądeckim, nowotarskim, tarnowskim, rzeszowskim, szczycieńskim zauważono ujemną zależność.

Związek zmiennych: pracujący w głównym miejscu pracy (PRAC), liczba kobiet pracujących (PRACK) w zasadzie jest dodatnio skorelowany co można zaobserwować w modelach prócz powiatu milickiego (woj. dolnośląskie). Kierunek wpływu zmiennej (DOCHOD) na poziom urodzeń, raz zachowuje się ujemnie, a w innym przypadku kierunkiem dodatnim. Ujemny związek obserwujemy w powiatach: staszowskim, opolskim, włocławskim. Związek zmiennej (BEZR) głównie oddziałuje destymulująco z jednym wyjątkiem w powiecie wieruszowskim. Wpływ zmiennej bezrobotne kobiety (BEZRK), jest różnokierunkowy. Z jednej strony wysokie bezrobocie może oznaczać brak środków do utrzymania i wychowywania dzieci, zaś z drugie strony może powodować wyższą płodność kobiet wynikającą z niższej aktywności zawodowej.

Tabela 1. Modele urodzeń żywych w powiatach w latach 1999-2007

Błąd szacunku Parametry oceny Test LM Powiaty Modele

Lipnowski _{URODZZ0,403}^b_0,995^b_MALZt 0,150 0 - 0,503 0,048 5,958 4,118 0,128 Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

Łódzki _{URODZZt0,138}^b_1,391^c_MALZt 0,050 0 - 0,943 0,036 5,458 4,740 0,094 Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

Sierpecki _{URODZZt0,678}^c_1,377^c_ROZWt 0,021 0,316 - 0,731 0,028 4,763 1,280 0,527 Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

Siemiatycki _{URODZZ0,670}^c_5,981^c_ROZWt 0,070 1,626 - 0,659 0,049 11,73 0,674 0,714 Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

ŚWIĘTOKRZYSKIE

URODZZ 0,073 0,023 0,471 0,750 0,027 3,404 3,427 0,180

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

Złotowski _{URODZZ0,581}^c_0,510^b_MALZt 0,114 0,264 - 0,349 0,044 5,511 0,619 0,734 m. Kalisz _{URODZZ0,285}^a_1,218^c_MALZt 0,128 0,222 - 0,812 0,029 2,963 2,139 0,343 m. Konin _{URODZZ0,2420,018}^b_PRACt 0,152 0,006 - 0,597 0,032 4,374 0,068 0,966 m. Poznań _{URODZZ1,5991,135}^a_MALZt 1,745 0,594 - 0,343 0,386 7,829 5,535 0,063 ZACHODNIOPOMORSKIE

Białogardzki _{URODZZ0,281}^b_0,028^a_PRACt 0,103 0,013 - 0,414 0,025 4,963 0,788 0,647 Choszczeński _{URODZZ0,354}^c_0,029^a_PRACt 0,096 0,015 - 0,346 0,023 4,274 0,231 0,891 Drawski _{URODZZ0,410}^c_0,723^b_MALZt 0,083 0,263 - 0,518 0,048 7,571 0,081 0,960 Goleniowski _{URODZZ0,2130,048}^c_PRACt 0,129 0,009 - 0,787 0,032 3,681 4,393 0,111 Gryficki _{URODZZ0,349}^b_1,080^b_MALZt 0,141 0,421 - 0,485 0,077 10,946 5,139 0,077 Gryfiński _{URODZZ0,579}^c_0,397^b_{MIGRt0,008}^b_{BEZRKt0,012}^b_P0,075 0,111 0,002

/0,003

0,944 0,013 1,568 4,922 0,085

Kamieński _{URODZZ0,552}^c_0,027^b_BEZRKt 0,036 0,012 - 0,441 0,012 2,602 4,257 0,119 Kołobrzeski _{URODZZ0,444}^b_0,019^a_PRACKt1 0,143 0,010 - 0,394 0,036 4,930 0,945 0,623 Koszaliński _{URODZZ0,1960,140}^b_PRACKt 0,144 0,041 - 0,626 0,034 4,916 1,667 0,435 Policki _{URODZZ0,307}^c_0,536^c_DOCHODt 0,051 0,086 - 0,847 0,024 3,805 0,350 0,839 Pyrzycki _{URODZZ0,143}^a_0,104^c_PRACKt 0,075 0,028 - 0,673 0,016 3,664 1,470 0,480 Stargardzki _{URODZZ0,615 0,829}^a_MIGRt 0,334 0,414 - 0,364 0,142 11,19 3,725 0,155 Szczecinecki _{URODZZ0,499}^c_0,049^a_PRACt 0,140 0,023 - 0,402 0,030 3,726 1,055 0,590 m. Koszalin _{URODZZ1,039}^c_0,037^a_BEZRKt 0,081 0,017 - 0,418 0,037 4,344 1,965 0,374 m. Szczecin _{URODZZ2,443}^c_0,413^c_DOCHODt 0,227 0,106 - 0,685 0,109 5,496 2,056 0,358 m. Świnoujście _{URODZZ0,130}^c_0,025^b_DOCHODt 0,030 0,010 - 7,299 0,171 0,918 0,022 0,487 Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

Do obliczeń wykorzystano oprogramowania GNU Regression Econometrics and Time-Series Library – GRETL

Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

W wyniku przeprowadzonej analizy ekonometrycznej wykazano, że najczęściej stwierdzonymi determinantami wpływającymi na wielkość żywo urodzonych dzieci poszczególnych w województwach są:

– dolnośląskie – małżeństwa (MALZ), powiaty: bolesławiecki (0,414), oławski (0,765), polkowicki (0,480), wrocławski (0,954), liczba pracujących (PRAC) powiaty: kłodzki (0,017), legnicki (0,030), milicki (0,088), świdnicki (0,017), pracujące kobiety (PRACK), powiaty: jaworski (0,079), lwówecki (0,079), wałbrzyski (0,068), ząbkowicki (0,020), – kujawsko-pomorskie – pracujący w głównym miejscu pracy (PRAC), powiaty:

chełmiński (0,051), radziejowski (0,039), sępoleński (0,024), żniński (0,037),

– lubelskie – pracujący w głównym miejscu pracy (PRAC), powiaty: chełmski (0,065), kraśnicki (0,058), łukowski (0,119), rycki (0,040), m. Biała Podlaska 0,014), m. Zamość (0,012),

– lubuskie – bezrobotne kobiety (BEZRK) powiaty: słubicki (0,078), świebodziński (0,067), Żarski (0,041), m. Gorzów Wielkopolski (0,053),

– łódzkie – małżeństwa (MALZ), powiaty: brzeziński (0,953), łódzki wschodni (1,391), piotrkowski (0,655), m. Skierniewice (0,900), migracje na pobyt stały (MIGR), powiaty:

kutnowski (0,922)²⁰, pajęczański (0,898), radomszczański (1,002), sieradzki (0,999), wieluński (0,878),

– małopolskie – pracujące kobiety (PRACK), powiaty: brzeski (0,064), gorlicki (0,098), olkuski (0,090), wadowicki (0,117), zasoby mieszkaniowe (MIESZ), powiaty: limanowski (0,043), nowosądecki (0,049), nowotarski (0,037), tarnowski (0,037),

– mazowieckie – rozwody (ROZW), powiaty: ciechanowski (0,632), grójecki (0,624), kozienicki (1,130), mławski (1,219), ostrołęcki (2,476), przasnyski (2,336), przysuski (1,817),

pułtuski (0,908), sierpecki (1,377), szydłowiecki (2,484), węgrowski (1,690), żuromiński (1,077),

– opolskie – pracujący w głównym miejscu pracy (PRAC), powiaty: głubczycki (0,031), kędzierzyńsko-kozielski (0,026), kluczborski (0,039), namysłowski (0,042), nyski (0,025), strzelecki (0,042),

– podkarpackie – rozwody (ROZW), powiaty: brzozowski (4,132), jarosławski (4,070), jasielski (3,069), krośnieński (1,882), łańcucki (2,510), przemyski (2,529), ropczycko-sędziszowski (3,354), strzyżowski (2,266),

– podlaskie – rozwody (ROZW), powiaty: augustowski (1,430), białostocki (2,203), bielski (1,337), kolneński (2,485), sejneński (2,429), siemiatycki (5,981), suwalski (3,147),

– pomorskie – małżeństwa (MALZ), powiaty: kwidzyński (0,235), lęborski (0,798), malborski (1,847), pucki (0,643), starogardzki (0,610), sztumski (0,350), tczewski (0,742), wejherowski (0,808), m. Słupsk (0,046),

– śląskie – małżeństwa (MALZ), powiaty: bielski (0,675), będziński (0,707), kłobucki (0,995), mikołowski (1,294), rybnicki (0,947), wodzisławski (1,008), m. Bielsko-Biała (0,944), m. Chorzów (0,747), m. Dąbrowa Górnicza (0,669), m. Gliwice (0,629), m.

Jastrzębie-Zdrój (0,431), m. Katowice (0,690) m. Ruda Śląska (0,368) m. Rybnik (0,649), m. Siemianowice Śląskie (0,597), m. Zabrze (0,523), m. Żory (0,560),

– świętokrzyskie – pracujące kobiety (PRACK), powiaty: jędrzejowski (0,080), ostrowiecki (0,044), pińczowski (0,143), sandomierski ( 0,114), skarżyski (0,033), starachowicki (0,057),

– warmińsko-mazurskie – małżeństwa (MALZ), powiaty: elbląski (0,549), giżycki (1,498), iławski (0,864), rozwody (ROZW), powiaty: braniewski (1,050), nowomiejski (2,565), m.

Elbląg (1,032), pracujący w głównym miejscu pracy (PRAC), powiaty: braniewski       

(0,076), lidzbarski (0,062), piski (0,059), bezrobotne kobiety (BEZRK), powiaty: gołdapski (0,065), mrągowski (0,052), olsztyński (0,066).

– wielkopolskie – małżeństwa (MALZ), powiaty: leszczyński (0,466), nowotymski (0,517), obornicki (0,530), rawicki (1,526), śremski (0,736), wągrowiecki (0,725), złotowski (0,510), m. Kalisz (1,218), m. Poznań (1,135),

– zachodniopomorskie – pracujący w głównym miejscu pracy (PRAC), powiaty:

białogardzki (0,028), choszczeński (0,029), goleniowski (0,048), gryfiński (0,012), szczecinecki (0,049),

Przestrzenne rozmieszczenie zmiennych demograficznych i ekonomicznych wpływające na poziom urodzeń żywych zaprezentowano na mapie 1. Zmienne ekonomiczne zdecydowanie przeważają w zachodnio-północnej części kraju w województwie:

Lubuskim, zachodniopomorskim, oraz wielkopolskim, dolnośląskim, opolskim, małopolskim i świętokrzyskim. Natomiast największe skupiska zmiennych demograficznych znalazły się w powiatach w środkowo-wschodniej części kraju w województwie: podlaskim, mazowieckim, łódzkim oraz w południowej (woj.

podkarpackim, śląskim). Również w powiatach na styku województwa pomorskiego z warmińsko-mazurskim. Zidentyfikowane zmienne demograficzne wykazano głównie w powiatach ziemskich. Powiaty leżące w pasie przygranicznym we wschodnio-południowej części kraju charakteryzujących się niskim stopniem zurbanizowania poddających się trendom z pewnym opóźnieniem. Według S. Borowskiego na terenach wschodnich Polski proces przejścia demograficznego był opóźniony o około 60 lat w przeciwieństwie do ziem zachodnich. Prawdopodobnie na terenach wschodnich występują nadal rejony, w których realizowane mogą być zjawiska klasycznego przejścia demograficznego.

W województwach, w których nie oszacowano modelu z istotną zmienną ze zbioru proponowanych zmiennych będzie kontynuowana dalsza analiza której efektem będą kolejne publikacje. Przyczyną takiego stanu rzeczy jest niewystarczająca grupa zmiennych zaangażowanych do badania, a także liczba obserwacji była zbyt mała.

Mapa 1. Zróżnicowanie zmiennych demograficznych i ekonomicznych kształtujących poziom urodzeń żywych w powiatach w latach 1999-2007

Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

Co ciekawe, że zmienna tj. kobiety w wieku rozrodczym 15-49 lat nie została zauważona jako determinanta w modelach ekonometrycznych (z wyjątkiem powiatu oleckiego w woj.

warmińsko-mazurskim), co z pewnością może dziwić. Taki stan rzeczy wynika z 2 podstawowych powodów: zmienna przy niewielkiej liczbie obserwacji często nie wykazała wystarczającej zmienności aby mogła się znaleźć się w procesie korelacji zmiennych, jeżeli już posiadała wystarczającą zmienność to jej współczynnik korelacji względem zmiennej egzogenicznej był zbyt niski aby mogła się znaleźć w procesie estymacji modelu.

Przeprowadzona analiza wykazała zróżnicowanie determinant wynikających z zaproponowanej grupy zmiennych oddziaływujących na liczbę żywo urodzonych dzieci w przekroju powiatowym. Wyniki badań przedstawiono na mapie 2. Z grupy zmiennych ekonomicznych obliczenia wskazują że najczęstszymi determinantami oddziaływującymi na wielkość żywo urodzonych dzieci stały się: liczba osób pracujących w głównym miejscu pracy (PRAC) oraz pracujące kobiety (PRACK). Zasięg występowania zmiennych głównie skoncentrował się w powiatach wiejskich. Największe skupienie występowania zmiennej (PRAC) wykazano w województwie: świętokrzyskim, opolskim (Mapa. 2).

Parametry strukturalne przy zmiennej (PRAC) znalazły się w przedziale od 0,003 powiecie m. Kielce (woj. świętokrzyskie), do 0,635 w powiecie lipskim (woj. mazowieckie), natomiast przy zmiennej (PRACK) od 0,017 w powiecie zawierciańskim (woj. śląskie) do 0,723 w powiecie czarnkowsko-trzcianeckim (woj. wielkopolskie).

Mapa 2. Determinanty urodzeń w powiatach w latach 1999-2007

1 – gryfiński (MIGR, PRAC, BEZRK), 2 – sępoleński (BEZR, PRAC), 3 – gnieźnieński (DOCHOD, BEZR), 4 – m. Gorzów Wielkopolski (MIESZ, BEZRK), 5 – zgierski (DOCHOD, BEZR), 6 – sochaczewski ( MALZ, PRACK), 7 – warszawski zachodni (DOCHOD, BEZR), 8 – otwocki (MALZ, MIESZ), 9 – zawierciański (BEZR, PRACK), 10 – brzeski (PRAC, MALZ), 11 – m. Jastrzębie Zdrój (MALZ, PRACK), 12 – cieszyński (BEZR, PRAC), 13 – brzeski (PRACK, ROZW), 14 – krośnieński (PRAC, ROZW), 15 – miechowski (MIGR, ROZW), 16 – przysuski (PRAC, ROZW), 17 – rycki ( PRAC, ROZW), 18 – augustowski (MALZ, ROZW), 19 – braniewski (PRAC, ROZW), 20 – kościański ( BEZRK, ROZW), 21 – pajęczański (MIGR, ROZW).

Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

Interesującym faktem zaobserwowanym w badaniu jest zależność zmiennej między dochodem na 1 mieszkańca, a liczbą żywo urodzonych dzieci. Zauważono, iż na 25 modele ze zmienną dochód w 18 przypadkach zmienna ta, znalazła się w powiatach

miejskich tj. Łódź, Siedlce, Warszawa, Kraków, Mysłowice, Tychy, Chełm, Białystok, Szczecin, Świnoujście, Zielona Góra, Wrocław, Jelenia Góra, Opole, Gdańsk, Gdynia, Sopot, Olsztyn. Dodatnia relacja tej zmiennej kształtowała się w granicach od 0,012 w powiecie m. Sopot do 0,991 w powiecie m. Warszawa. Wielkość parametrów oznaczają, że na każdy 1000 tysiąc zł. przypadający na 1 mieszkańca urodzi się średnio corocznie od 12 do 991 nowo narodzonych dzieci. Natomiast jeżeli przypatrzymy się zmiennym tj. bezrobocie rejestrowane, kobiety bezrobotne wykazano że zdecydowanie występują one w powiatach ziemskich (w 50 przypadkach na 60), co potwierdza fakt występowania wyższego bezrobocia na terenach wiejskich w porównaniu do miast na prawach powiatu.

Wartości parametrów przy zmiennej bezrobotni zarejestrowani kształtują się w przedziale od 0,011 w powiecie gnieźnieńskim (woj. wielkopolskie) do 0,085 w powiecie mińskim (woj. mazowieckie), natomiast przy zmiennej kobiety bezrobotne stwierdza się, iż ze wzrostem o 1000 bezrobotnych kobiet z roku na roku liczba dzieci spadać będzie przeciętnie od 19 w powiecie średzkim (woj. dolnośląskie) do 171 w powiecie grodziskim (woj. mazowieckie).

Najmniejszy wpływ na wielkość nowo narodzonych dzieci w powiatach ma zmienna zasoby mieszkaniowe (MIESZ), którą zaobserwowano w województwie mazowieckim w powiatach tj.: otwockim, piaseczyńskim, płockim, pruszkowskim, wołomińskim, w woj.

małopolskim: limanowskim, nowotarskim, tarnowskim, rzeszowskim, zauważono ujemną zależność, m. Gorzów Wielkopolski (woj. lubuskie), szczycieńskim (woj. warmińsko-mazurskie). Wpływ dodatni parametrów zmiennych znalazł się w przedziale 0,012-0,944.

Ze zmiennych demograficznych zdecydowanie najczęściej zidentyfikowanymi zmiennymi to liczba zawartych małżeństw i rozwody. W powiatach miejskich zmienna małżeństwa wystąpiła w 18 przypadkach na 64 modeli tj. Skierniewice, Płock, Bielsko Biała, Chorzów, Dąbrowa Górnicza, Gliwice, Jastrzębie Zdrój, Katowice, Ruda Śląska, Rybnik, Siemianowice Śląskie, Zabrze, Żory, Lublin, Tarnobrzeg, Kalisz, Poznań, Słupsk.

Wielkość parametru przy zmiennej (MALZ) kształtował się w przedziale od 0,235 w powiecie kwidzyńskim do 1,847 w powiecie malborski w województwie pomorskim.

Największe skupienie zmiennej małżeństwa wystąpiło w powiatach województwa:

śląskiego, wielkopolskiego, pomorskiego (mapa 2). W analizie zaobserwowano silny związek zmiennej rozwody z wielkością urodzeń. Zmienna rozwody (ROZW), zdecydowanie wystąpiła w powiatach środkowo-wschodniej części kraju w województwie:

podlaskim, mazowieckim oraz na południu Polski w województwie podkarpackim (mapa.

wpływ tej zmiennej wyrażony jest wartością parametrów znajdujących się w granicach od 0,541 w powiecie m. Włocławek (woj. kujawsko-pomorskie), do 5,981 w powiecie siemiatyckim (woj. podlaskie).

Wpływ zmiennej migracje na pobyt stały (MIGR) na urodzenia żywe zaobserwowano w 15 powiatach: kutnowskim, pajęczańskim, sieradzkim, wieluńskim, miechowskim, leżajskim, krapkowickim, zambrowskim, chodzieskim, szamotulskim, stargardzkim, gryfińskim, brzeskim, łomżyńskim, wschowskim. Najwyższa dodatnia wartość parametru wystąpiła w powiecie leżajskim na poziomie 1,138, natomiast najniższy w powiecie gryfińskim 0,397.

Natomiast liczba kobiet w wieku rozrodczym (KOBWR) wystąpiła w powiecie oleckim (woj. warmińsko-mazurskie). Jej parametr kształtował się na poziomie 0,045.

Uwagi końcowe

Próba zidentyfikowania siły i kierunku zmiennych zaproponowanych ze zbioru zmiennych demograficznych i ekonomicznych decydujących o terytorialnym zróżnicowaniu i poziomie urodzeń żywych wymaga przeprowadzenia dalszych badań. Z pewnością przedstawiony zbiór zmiennych objaśniających zastosowanych w analizie nie jest wystarczający. Ważnym aspektem jest nie tyle liczba zmiennych wykorzystanych w analizie, ale podejście indywidualne do każdego powiatu. Przeprowadzona analiza regresji urodzeń żywych według powiatów umożliwia do sformułowania następujących wniosków:

– istnieje przestrzenne zróżnicowanie zmiennych demograficznych i ekonomicznych wpływających na wielkość urodzeń żywych,

– w powiatach miejskich najczęściej wykazaną zmienną urodzeń stanowił dochód na 1 mieszkańca (DOCHOD) oraz liczba zawartych małżeństw (MALZ),

– w powiatach ziemskich największy wpływ mają zmienne tj.: rozwody (ROZW), małżeństwa (MALZ), pracujący w głównym miejscu pracy (PRAC), kobiety pracujące (PRACK),

– nie wykazano zależności między liczbą kobiet w wieku rozrodczym 15-49 lat (KOBWR), a liczbą urodzeń żywych,

– najczęściej występującą zmienną z grupy zmienny demograficznych okazały się małżeństwa (MALZ) i rozwody (ROZW), natomiast ekonomicznych: pracujący w głównym miejscu pracy (PRAC) oraz liczba pracujących kobiet w głównym miejscu pracy (PRACK), – w powiatach centralnej i wschodnio-południowej Polski wykazano przewagę zmiennych demograficznych natomiast na pozostałej części kraju zmiennych ekonomicznych.

Bibliografia

Bank Danych Regionalnych: www.stat.gov.pl.

Borowski S., 1983, Szkice z teorii reprodukcji płodności, Prace wybrane, Zebrał i wstępem zaopatrzył S. Wierzchosławski, Ossolineum, PAN, Warszawa.

Borowski S., 1989, Regiony reprodukcji ludności w Polsce Ludowej, pracę do druku przygotował S. Wierzchosławski, PWN, Warszawa-Poznań.

Chromińska M., 1996, Czynnik ekonomiczny a dzietność rodzin rolników indywidualnych w Polsce, Studium statystyczno-demograficzne dla lat 1926-1984, Akademia Ekonomiczna w Poznaniu, Poznań.

Gołata E., 1990, Studia nad terytorialnym zróżnicowaniem płodności kobiet w Polsce, SGPiS, Warszawa .

Kurkiewicz J., 1998, Modele przemian płodności w wybranych krajach europejskich w świetle drugiego przejścia demograficznego, Zeszyty Naukowe AE w Krakowie, seria specjalna: monografie nr 131, wyd. AE w Krakowie.

Kufel T., 2007, Ekonometria, Rozwiązywanie problemów z wykorzystaniem programu GRETL, PWN, Warszawa.

Madalla G. S., 2006, Ekonometria, PWN, Warszawa.

Panek T., 2009, Statystyczne metody wielowymiarowej analizy porównawczej, SGH, Warszawa.

Rószkiewicz M., 1996, Próba ocen wpływu wybranych czynników ekonomicznych i społecznych na płodność w Polsce, ,,Studia Demograficzne”, nr 4/126, 93-107.

Krzysztof Osiewalski, Beata Zając²¹

Krzywe cząstkowych współczynników zgonów – modele wygładzania

Wprowadzenie

Od czasu publikacji Heligmana i Pollarda w roku 1980 proponowana przez autorów ośmioparametrowa krzywa była głównym modelem opisującym cząstkowe współczynniki zgonów. Praca oparta była na danych z lat 1970-72 dla Australii, model weryfikowano również później, m.in. Dellaportas, Smith i Stavropoulos (2001) na danych z lat 1988-92 dla Anglii i Walii. Jednak podjęta w pracy próba zastosowania tego modelu do współczesnych danych dla Polski nie przynosi już tak dobrych rezultatów. Wraz z postępem cywilizacyjnym, a przede wszystkim rozwojem medycyny, wydłuża się przeciętna długość trwania życia oraz znacznie spada prawdopodobieństwo zgonu w grupach wiekowych cechujących się wcześniej największym ryzykiem.

W literaturze podejmowano już próby modyfikacji modelu Heligmana i Pollarda, np.

A. Kostaki (1992) proponowała dodanie kolejnego parametru do standardowego modelu.

Celem tej pracy jest uzyskanie najlepiej dopasowanej krzywej do wygładzonych krzywych cząstkowych współczynników zgonów według wieku, odzwierciedlających wzorzec umieralności w Polsce w latach 2005 – 2007. Zastosowano cztery modele: klasyczny, ośmioparametrowy model Heligmana i Pollarda, następne dwa (wykorzystujące trójwymiarową gęstość rozkładu Kumaraswamy lub funkcję sinus) są modyfikacją modelu Heligmana i Pollarda, natomiast czwarty opiera się o konstrukcję z zastosowaniem krzywych Beziéra. Do analizy wykorzystano podejście bayesowskie. Rozkłady a posteriori parametrów modeli symulowano wykorzystując łańcuch Markowa oparty na algorytmie Metropolisa i Hastingsa.

      

21 Studenci V roku matematyki Uniwersytetu Jagiellońskiego oraz III roku informatyki i ekonometrii

W dokumencie Społeczne i ekonomiczne konsekwencje zmian procesów demograficznych (Stron 60-78)