Методы перспективного исчисления населения

 

 

Основными методами демографического прогнозирования являются: методы, основанные на применении той или иной математической функции (экстраполяционный и аналитический методы), а также метод передвижки возрастов, или метод компонент.

Методы, основанные на применении математических функций

 

 

Основной сферой применения методов этого класса является прогнозирование численности населения небольших территорий (например, регионов той или иной страны), особенно тех, для которых не существует надежной демографической статистики. Для прогнозирования населения на уровне страны в целом математические методы применяются редко, поскольку неучет изменений в компонентах роста численности населения и в возрастно-половой структуре, свойственный этим методам, обусловливает возникновение существенных ошибок прогноза. На региональном же уровне вероятность таких ошибок можег быть уменьшена с помощью дополнительного условия, заключающегося в том, что суммарная численность населения регионов не должна отличаться от результатов прогноза для страны в целом. Последний, таким образом, выступает как контрольный параметр для прогнозирования населения на региональном уровне.

Математические методы иногда применяются также для анализа исторической динамики и прогнозирования численности населения на глобальном уровне, как это будет показано ниже.

Математические методы позволяют получить прогноз только общей численности населения. Возможно, правда, прогнозирование отдельно численностей мужчин и женщин, однако их сумма может отличаться от прогноза численности населения в целом.

В прошлом подходы к прогнозированию населения были, явно или скрыто, математическими по своей природе. Применение математических методов предполагает, что на основе имеющихся эмпирических данных о численности населения подбирается некоторое математическое выражение, которое может быть использовано для предсказания его будущих параметров. Использование математических методов имеет ряд недостатков. Во-первых, они позволяют прогнозировать только общую численность населения, но не дают возможности предвидеть изменения его состава, например, распределения по возрасту, полу, расе. Во-вторых, в случае, если имеется много фактических данных (точек, построенных на их основе), подобранное математическое выражение, как правило, не проходит через каждую из них, в частности, и через последнюю...Это снижает надежность предсказания прогнозных значений. В-третьих, математический подход предполагает, что социальные и экономические факторы, которые определяли динамику населения в прошлом, сохранятся в неизменном виде и в будущем.

Spiegelman M, Introduction to Demography. Cambridge, MA. 1968. P. 406.

Для прогнозирования в принципе могут применяться самые разные математические функции. Наиболее часто, однако, используются линейная, экспоненциальная и логистическая функции. При этом прогнозирование, основанное на применении линейной и экспоненциальной функций, иногда чисто условно называют экстраполяционным методом, а прогнозирование, основанное на применении логистической и других функций, - аналитическим методом*. Ниже кратко рассматриваются основные методы экстраполяционного и аналитического прогнозирования.

Экстраполяционный метод

Экстраполяционный метод основан на прямом использовании линейной и экспоненциальной функций, т.е. данных о среднегодовых абсолютных изменениях численности населения за период или о среднегодовых темпах роста или прироста. Если эти показатели известны, то можно рассчитать численность населения на любое число лет вперед, просто предположив их неизменность на протяжении всего прогнозного периода.

Один из простейших способов прогнозирования основан на предположении о том, что среднегодовые абсолютные приросты численности населения, рассчитанные для отчетного периода времени, сохранятся и в будущем.

Иначе говоря, в этом случае для перспективного расчета применяется линейная функция

где Р₀ иР_t - численность населения соответственно в моменты времени 0 и t  Δ - абсолютный среднегодовой прирост, t - время в годах.

Пусть, например, нам известна численность населения Новосибирской области по данным переписей населения 1979 и 1989 гг. (2618 тыс. человек и 2782 тыс. человек соответственно). Определить численность населения Новосибирской области на 1 января 2000 г. при предположении неизменности ее абсолютных среднегодовых приростов**. Для этого сперва рассчитаем величину абсолютных среднегодовых приростов:

* Данное разделение не является общепринятым. ** Мы сейчас оставляем в стороне заведомую нереальность такого предположения.

Численность населения Новосибирской области на 1 января 2000 г. будет равна:

Р2000 =2782 + 16,4 • 11= 2962,4 тыс. чел.

В реальности для прогнозирования численности населения линейная функция практически не используется, поскольку предположение о неизменности абсолютных среднегодовых приростов может быть относительно верным только для очень кратких периодов времени (не более 5 лет).

Несколько более реалистичным является предположение о неизменности среднегодовых темпов прироста численности населения, особенно при допущении неизменных уровней рождаемости и смертности и отсутствии миграции. В этом случае речь идет об использовании в прогнозировании экспоненциальной функции, о которой шла речь в главе 3:

Р_t = Р₀ е^rt,

где r - среднегодовые темпы прироста, t - время в годах, е - основание натуральных логарифмов.

Применим эту формулу для оценки численности населения Новосибирской области на 1 января 2000 г., используя приведенные выше данные. Рассчитаем прежде всего среднегодовые темпы прироста

Определим численность населения Новосибирской области на 1 января 2000 г., используя вычисленное значение среднегодовых темпов прироста:

Р2000 =2782 *е0'00607'11 =2782 *1,06905 =2974,1 тыс. чел.

Аналитический метод

Как видно, расчет по экспоненциальной функции дал для Новосибирской области большую численность на 1 января 2000 г., чем расчет по линейной функции. Это отражает большую скорость изменения в случае роста по экспоненте. Тем не менее для кратких периодов (не более 15 лет) применение обеих функций дает сходные результаты. Однако в случае, если имеет место уменьшение численности населения, как сейчас происходит в большинстве регионов России, то более предпочтительным является ислользование экспоненциальной функции, т.к. это гарантирует, что численность населения не станет отрицательной. Экстраполяционный метод применим только при отсутствии резких колебаний рождаемости, смертности и миграции.

Аналитический метод основан на том, что исходя из прошлой демографической динамики подбирается функция, наиболее близко ее описывающая. В принципе это может быть любая функция. Однако в любом случае эта функция носит эмпирический характер, и не существует никакого общего математического закона демографической динамики⁵.

Математические выражения, которые используются для описания роста населения, являются по необходимости эмпирическими; не может быть найдено никакого закона роста населения, хотя некоторые математические уравнения определялись именно как таковой закон. При построении уравнения или кривой, соответствующих данным переписей населения, в одном случае исходят из предположения, что численность населения является полиномиальной степенной функцией от времени:

P_t=a + bt+ct² +dt³ +...,

где константы а, b, с, d,...оцениваются с помощью подходящей техники, например, с помощью метода наименьших квадратов. Если оцениваются только константы а и b, то получаем просто линейную функцию; добавление других констант означает переход к квадратичной параболе или к параболам более высоких порядков. Например, Pritchett использовал кубическую параболу для данных переписей США с 1790 по 1880 год и экстраполировал данные о численности населения на будущее. Spiegelman M. Introduction to Demography. Cambridge, MA. 1968. P. 406.

Конкретный вид функции подбирается исходя из вида эмпирической кривой, а также гипотезы о связи численности населения с временем как независимой переменной. Один класс такого рода гипотез приведен во вставке. Если же предположить, что изменение численности населения за бесконечно малый промежуток времени является функцией численности населения, то получают другие математические выражения.

Одним из них является экспоненциальная функция с ненулевым постоянным членом, или рост (убыль) населения в геометрической прогрессии, рассмотренный выше в этом параграфе, а также в главе 3.

Другим примером такого рода функций является широко применяемая в перспективном исчислении численности населения логистическая* функция (кривая Ферхюлста-Пйрла-Рида), особенность которой состоит в том, что ее приращение уменьшается по мере роста численности населения. Остановимся несколько подробнее на этой функции, учитывая ее роль в истории демографии.

Логистическая функция выражается следующей формулой 6:

Здесь P_t - численность населения в момент времени t,b - постоянная интеграции, 1/a - некая предельная численность, к которой асимптотически приближается численность населения с ростом t,u - параметр, определяющий конкретный вид кривой. Логистическая кривая симметрична относительно точки перегиба, которая равна 1/2а. При малых значениях Р темпы его прироста практически постоянны и равны приблизительно и. С другой стороны, если значения Р велики и близки к На, темпы его прироста стремятся к 0.

Идея логистической функции была впервые высказана А. Кетле в 1835 г. и позже (в 1838 г.) аналитически выведена бельгийским математиком Пьером Франсуа Ферхюлстом (Verhulst) (1804-1849). Ферхюлст пытался найти кривую, описывающую ситуацию «автонасыщения», которая предполагает существование некоторой предельной для данных конкретных условий численности населения. По мере приближения к этой предельной численности рост населения замедляется вследствие действия неких сил сопротивления, мешающих этому росту. Поиск такого рода функции был необходим А. Кетле для опровержения так называемого «закона народонаселения» Т.Р. Мальтуса.

От греч. Люуктшке - искусство вычислять, рассуждать. От этого же слова происходит название модной в наше время специальности - логистики.

Этот «закон», исходит из того, что не ограничиваемый ничем рост населения происходит в геометрической прогрессии (по экспоненциальной функции). По словам. Кетле, в действительности экспоненциальный рост не имеет места из-за того, что «сопротивление или сумма препятствий его увеличению, при прочих равных условиях, действует как квадрат скорости, с какой население имеет тенденцию роста»⁷. Развивая эту идею, Ферхюлст и вывел указанную выше функцию.

Затем логистическая кривая была надолго забыта и вновь выведена американскими биологами Р. Пирлом (1879-1940) и Л. Ридом, исследовавшими закономерности динамики популяции мух дрозофил. В 1920 г. Пирл и Рид опубликовали статью под названием «О темпах роста населения Соединенных Штатов с 1790 г. и их математическом выражении», в которой они распространили выведенную ими закономерность на человеческое население и применили логистическую кривую для прогнозирования численности населения США⁸. Формула, выведенная Пирлом и Ридом, имела следующий вид⁹:

Как показало сравнение расчетных данных с итогами последующих переписей населения США, полученные данные хорошо согласуются с численностью населения по переписи 1930 г., превышают на 5 миллионов численность населения по переписи 1940 г., недооценивают более чем на 2 миллиона численность населения по переписи 1950 г. и далеко расходятся с итогами последующих переписей¹⁰. Основная причина этих расхождений заключается не только в том, что прогноз не учитывал внешнюю миграцию в США, но и в том, что его авторы фактически игнорировали вероятность изменения репродуктивного поведения населения, предположив неизменность показателей рождаемости на протяжении всего прогнозного периода. Точно так же прогноз Пирла и Рида не учитывал изменения в смертности.

Известен также опыт применения логистической функция для прогноза численности населения СССР. В 1930 г. отечественный биолог Г.Ф. Гаузе опубликовал свой прогноз, основанный на использовании логистической функции¹¹.

Как и рассмотренные выше линейная и экспоненциальная функции, логистическая функция не может отражать динамику реальных населений в сколько-нибудь длительной перспективе. Она может использоваться, главным образом, для прогнозирования численности небольших территорий на краткие периоды времени. Условием качественности прогноза и в данном случае является контроль с помощью данных о численности населения всей страны. Перспективные расчеты с помощью логистической функции требуют знания численности населения на три равноудаленных момента времени (или на другое кратное трем их число) или задания численности населения на два равноудаленных момента времени и нижней и верхней асимптот. При этом, если нижняя асимптота может быть принята за О, для определения верхней асимптоты не существует никакой разумной процедуры, которая давала бы перспективное значение максимальной численности населения.

Тем не менее логистическая функция может использоваться для прогнозирования небольших территорий, если общая численность населения страны используется как контрольная величина для суммарного населения всех регионов. В этом случае вместо расчета численности населения региона прогнозируются доли населения каждого региона в общей численности населения страны. Поскольку доля может изменяться только в пределах от 0 до 1, эти величины могут использоваться как нижняя и верхняя асимптоты логистической кривой.

Зная прогнозные значения этих долей и прогнозную величину численности населения всей страны, можно определить и будущую численность населения каждого из регионов.

В настоящее время разработаны специальные компьютерные программы, которые позволяют прогнозировать динамику численности населения с помощью логистической функции. В качестве примера укажем здесь разработанную Э. Арриагой из Международного Программного Центра Бюро цензов США систему специальных электронных таблиц PAS12.

Хотя, как было сказано выше, не существует и не может существовать никакого универсального математического закона, описывающего динамику численности населения, тем не менее в демографии известны многочисленные попытки найти подобный закон. В частности, весьма популярны попытки вывести гиперболический закон роста населения Земли. В качестве примера подобных попыток можно указать на гиперболический закон роста численности населения Земли, который опубликован в наделавшей в свое время много шума книге советского астронома И.С. Шкловского «Вселенная. Жизнь. Разум»¹³:

Здесь в числителе приведена предельная численность населения Земли в миллионах человек, а в знаменателе - конечный год (2030) и календарное время. Аналогичную формулу вывели также Маккендрик и Хорнер. Она приводится в книге С.П. Капицы «Теория роста населения Земли»¹⁴:

Это выражение, по словам С.П. Капицы, «с удивительной точностью описывает рост населения Земли в течение сотен и даже многих тысяч лет». Правда, далее автор оговаривается, что применимость такого рода формул ограничена (См.: вставку).

Во-первых, по мере приближения к 2025 году население мира будет стремиться к бесконечности. Этот вывод, благодаря которому эта формула получила некоторое распространение, и заставил некоторых считать 2025 год как время наступления Судного Дня. Во-вторых, и в далеком прошлом получается столь же абсурдный результат, поскольку при сотворении Вселенной 20 миллиардов лет тому назад должно было присутствовать 10 человек, несомненно обсуждавших все величие происходящего. Капица С.П. Теории роста населения Земли. М., 1997. С. 23.

Эзотеричность и абсурдность подобных игр в математику, игнорирующих собственно человеческую, социальную природу демографических явлений, то, что за любыми изгибами динамики численности населения, изменений рождаемости и смертности, брачности и разводимости и миграции стоит человек со своими интересами, потребностями, устремлениями и мотивами, в общем-то понятны. Тем не менее математики (да и физики тоже), к сожалению, играют в подобные игры, создавая впечатление, что население ничем не отличается от биологических популяций. И тот же С.П. Капица в своем интервью газете «Известия» весной 2001 г. утверждал, ссылаясь на приведенную выше формулу Маккендрика и Хорнера, что к 2025 г. прирост населения прекратится и выйдет на стабильную отметку 13-14 миллиардов человек. И это утверждается, несмотря на опубликованные официальные (и заведомо преувеличенные) прогнозы ООН, что численность населения Земли стабилизируется к 2150 г, и ни при каких условиях не будет к тому времени превышать 11 миллиардов человек! Воистину за деревьями (формулами) не видим леса (реального человеческого общества). В настоящее время разработаны специальные компьютерные программы, позволяющие прогнозировать динамику численности населения с помощью различных аналитических функций. Аналитический метод имеет те же ограничения, что и экстраполяционный. Он может применяться только для кратких периодов времени, для которых предположение о неизменности характера зависимости между временем и численностью населения остается более или менее правдоподобным. Однако в периоды резких экономических и социальных перемен, когда радикально меняется вся социальная структура, применение этих методов становится абсолютно неправомерным. Как совершенно справедливо подчеркивал М. Шпигельман (М. Spiegelman), автор одного из наиболее авторитетных учебников демографии¹⁵, слабостью методов прогнозирования, основанных на применении математических функций, является то, что тенденции, выведенные из прошлой динамики, молчаливо продлеваются без изменений в будущее. «В этой связи, - продолжает М. Шпигельман, - более обоснованным является применение в целях демографического прогнозирования метода компонент»¹⁶. К его рассмотрению мы переходим в следующей части данного параграфа.