XII Международная студенческая научная конференция Студенческий научный форум - 2020

Население является основополагающей частью всех процессов, проходящих в обществе. Изучение динамики и состава населения необходимо, чтобы регулировать и прогнозировать эти процессы. Актуальность данной темы заключается в необходимости систематического изучения населения и проведения анализа по его основным показателям с целью выявления основных проблем, характерных для данной территории. Статистический учет населения необходим в решении важнейших проблем при рассмотрении демографической политики, необходим для сбалансированного роста населения, в изучении миграции населения, составляющей основу межрайонного перераспределения рабочей силы и достижения равномерности ее распределения. На основании статистических данных по населению строится социальная и экономическая политика, разрабатываются программы развития страны и регионов.

Целью настоящего исследования является анализ существующих методов и приемов статистического прогнозирования численности населения. В процессе исследования был проведен контент-анализ публикаций с применением различных методов демографического прогнозирования.

Все многообразие методов прогнозирования численности населения можно разделить на два основных направления – формализованное и экспертное. Экспертный подход основывается на прогнозировании процессов, которые невозможно описать с помощью математического аппарата по причине характера информации или отсутствия информационной базы.

В зависимости от информационной базы, можно выделить три группы статистических методов прогнозирования динамики численности населения: прогнозы на основе ретроспективного анализа численности населения, прогнозы на основе показателей естественного и механического движения населения и прогнозы на основе моделирования ряда динамики.

Произведём отбор функции в качестве тренда используя F – критерий Фишера при α=0.05.

F_факт = *

1.Линейная функция:

F_факт = * =129,51

F табл=4,24

> , таким образом линейная функция считается статистически значимой и существенной.

2. Логарифмическая функция:

F_факт = * =50,39

F табл=4,24

> , таким образом логарифмическая функция считается статистически значимой и существенной.

3. Полиномиальная функция:

F_факт = * =70,66

F табл=3,38

F_факт>F_табл, таким образом полиномиальная функция считается статистически значимой и существенной.

4. Степенная функция:

F_факт = * =50,07

F табл=4,24

F_факт>F_табл, таким образом степенная функция считается статистически значимой и существенной.

5. Экспоненциальная функция:

F_факт = * =129,60

F табл=4,24

F_факт>F_табл, таким образом степенная функция считается статистически значимой и существенной.

Так как по F-критерию Фишера все пять функций подходят в качестве тренда, то наиболее адекватную функцию мы отберем по наименьшему среднему квадратическому отклонению. Среднее квадратическое отклонение имеет следующий вид:

1. Линейная функция:

=387,14

2. Логарифмическая функция:

=554,28

3. Полиномиальная функция:

=373,20

4. Степенная функция:

=564,16

5. Экспоненциальная функция:

=387,55

Наиболее адекватной функцией является полиномиальная функция, т.к. она имеет наименьшее среднее квадратическое отклонение.

Уравнение полиномиальной функции:

Y_t= 1,9014t² – 166,39t + 404,25

Отобрав функцию, подходящую в качестве тренда, определим показатели колеблемости и сделаем вывод о возможности прогнозирования на 2018 и 2019 года.

1. Размах колеблемости

R_t= (Y_i-Y̅_t)_max-( Y_i-Y̅_t)_min= 458,3-(-1103,5)=1561,8 тыс.чел.

2. Среднее абсолютное отклонение

d̅_t= = = 314, 8 тыс. чел.

3. Дисперсия колеблемости

_t² = = = 139281, 94 тыс. чел.

4. Среднеквадратическое отклонение тренда

_t= _t² = = 373,204 тыс. чел.

5. Относительный размах колеблемости

V_Rt= *100% = *100% = 4,05%

6. Относительное линейное отклонение

V _d̅t = *100% = *100% = 0,82%

7. Коэффициент колеблемости

V= *100% = * 100% = 0,97%

8. Коэффициент устойчивости уровня ряда динамики

K_уст = 100% - V = 100% - 0,97% = 99,03%

Коэффициент устойчивости превышает 50%, следовательно уровни ряда динамики устойчивы и можно выполнить прогноз на будущее на основе показателей ряда.

Выполним интервальный прогноз на 2 года:

,

где = = 156692,18

- интервальный прогноз,

- табличное значение Стьюдента,

=2,06 при ,

Интервальный прогноз на 2018 год:

Интервальный прогноз на 2019 год:

Таким образом, если выявленная тенденция по полиномиальной функции сохранится, то в следующие два года с вероятностью 95% можно ожидать снижение численности сельского населения, причем в 2018 году сельское население будет составлять от 37066,2 тыс. чел. до 37447,4 тыс. чел., а в 2019 году – от 37000,43 тыс. чел. до 37397,11 тыс. чел.

Список литературы

1. Аблеева, А. М. Статистика [Электронный ресурс] : учебное пособие / А. М. Аблеева ; М-во сел. хоз-ва РФ, Башкирский ГАУ. - Уфа, 2018.- 173 с.

2. Бережной В. И. Статистика в примерах и задачах [Электронный ресурс]: учебное пособие / В.И. Бережной, О.Б. Бигдай, О.В. Бережная, Киселева О.А. - М.: НИЦ ИНФРА-М, 2016. - 288 с.– Режим доступа: http://znanium.com/bookread2.php?book=502176

3. Глинский, В. В. Статистика: учебник / В.В. Глинский, В.Г. Ионин, Л.К. Серга [и др.] ; под ред. В.Г. Ионина. — 4-е изд., перераб. и доп. — М. : ИНФРА-М, 2017. — 355 с. – Режим доступа: http://znanium.com/bookread2.php?book=552459

4. Гужова, О.А. Статистика в управлении социально-экономическими процессами : учеб. пособие / О.А. Гужова, Ю.А. Токарев. — М. : ИНФРА-М, 2017. — 172 с. — Режим доступа: http://znanium.com/bookread2.php?book=556718

5. Ефимова М. Р. Общая теория статистики [Электронный ресурс]: учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - 2-e изд., испр. и доп. - М.: ИНФРА-М, 2011. - 416 с. – Режим доступа: http://www.znanium.com/bookread.php?book=251320

6. Федеральная служба государственной статистики – Режим доступа: http://www.gks.ru/

Код для цитирования: Скопировать