Uniwersyteckie Czasopisma NaukoweKorzyści i ograniczenia związane z wykorzystaniem podejścia probabilistycznego do prognozowania ludności Polski
Słowa kluczowe:
prognozy demograficzne, ludność Polski, modele stochastyczneAbstrakt
Podejście probabilistyczne do budowy prognoz demograficznych powstało w odpowiedzi na zapotrzebowanie na bardziej precyzyjną informację dotyczącą niepewności przewidywań dotyczących procesów demograficznych. Projekcje probabilistyczne budzą jednak szereg kontrowersji i obecnie większość oficjalnych prognoz ludności ma charakter deterministyczny.
W dyskusji o korzyściach i ograniczeniach projekcji probabilistycznych do przewidywania stanu i struktury ludności Polski przedstawione zostaną wyniki prac prowadzonych w GUS. Wstępna prognoza probabilistyczna, oparta na Prognozie ludności na lata 2014–2050, którą przygotowałem w 2015 r., daje możliwość porównania przedziałów predykcji dla poszczególnych współczynników demograficznych oraz liczby ludności z danymi empirycznymi z ostatnich trzech lat. Porównanie to jednoznacznie wskazuje, że podejście probabilistyczne pozwoliło zawrzeć zmienność procesów demograficznych w ramach przedziałów predykcji, podczas gdy wyniki prognozy deterministycznej, zaledwie po trzech latach od powstania, w znacznym stopniu odbiegają od stanu rzeczywistego.
Na przykładzie tej prognozy można wskazać również poważne ograniczenia, jakie napotyka tego typu podejście przy zastosowaniu go do danych dla Polski. Największym z nich są bez wątpienia oficjalne dane (oparte na meldunku) dotyczące migracji, które są dalece zaniżone i marginalizują znaczenie tego komponentu w prognozowaniu ludności. W przypadku prognoz probabilistycznych niskie strumienie migracji, połączone ze znacznymi ich wahaniami, powodują dodatkowe komplikacje – przy klasycznym podejściu przedziały predykcji obejmowałyby wartości ujemne. Bardziej wiarygodne szacunki migracji oparte o tzw. Statystyki lustrzane dostępne są dopiero od 2008 r. Podejście probabilistyczne bez wątpienia może posłużyć również do przygotowania znacznie bardziej złożonych prognoz na szczeblu niższym niż ogólnokrajowy. Daje na przykład możliwość oszacowania prawdopodobieństwa skrajnej depopulacji w poszczególnych regionach Polski.
Downloads
Bibliografia
Alho J. (2002), The Population of Finland in 2050 and Beyond, The Research institute of Finnish Economy, Helsinki.
De Beer J. (2000), Dealing with Uncertainty in Population Forecasting, Statistics Netherlands.
De Beer J., Alders M. (1999), Probabilistic Population and Household Forecast for the Netherlands.
GUS (2014), Prognoza ludności na lata 2014–2050.
Keilman N. (1997), Ex Post Errors in Official Population Forecast in Industrialized Countries, „Journal of National Statistics”, No. 3.
Keilman N., Pham D.G., Hetland A. (2002), Why Population Forecasts Should Be Probabilistic? – Illustrated Case of Norway, „Demographic Research”, Vol. 6, No. 15.
Lee R., Tuljapurkar S. (1994), Stochastic Population Forecasts for the United States: Beyond High, Medium and Low, „Journal of American Statistical Association”, Vol. 89, No. 428.
Lutz, W., Sanderson W., Scherbov S. (1998), Expert-Based Probabilistic Population Projections, „Population and Development Review”, Vol. 24.
Matysiak A., Nowok B. (2007), Stochastic Forecast of the Population of Poland 2005–2050, „Demographic Research”, Vol. 17, No. 11.
ONZ, Department of Economic and Social Affairs, Population Division (2013), World Population Prospects: The 2012 Revision, Highlights and Advance Tables.
Rowam S., Wright E. (2010), Developing Stochastic Population Forecasts for the United Kingdom: Progress Report and Plans for Future Work, Office for National Statistics.
Scherbov S., Mamolo M., Lutz W. (2005), Probabilistic Population Projections for the 27 EU member States Based on Eurostat Assumptions.
