Моделирование прогноза рождаемости на примере Республики Тыва
DOI:
https://doi.org/10.17059/ekon.reg.2023-3-14Аннотация
Вопросам прогнозных оценок рождаемости посвящено довольно много трудов ведущих отечественных демографов и статистиков. В последние годы Росстат в открытом доступе публикует данные о перспективных оценках демографических процессов, в частности об уровне суммарного коэффициента рождаемости. На первый взгляд, это позволяет говорить о проработанности темы, однако на наш взгляд, в настоящее время недостаточно внимания уделяется анализу возможностей применения для оценки будущей динамики рождаемости адаптивных методов прогнозирования. Целью исследования явилось построение моделей прогноза рождаемости региона на основе адаптивных методов. В качестве региона отобран один из уникальных субъектов России — Республика Тыва, в которой на протяжении всего периода реализации Концепции демографической политики, в частности материнского капитала, суммарный коэффициент рождаемости не опускается ниже отметки простого воспроизводства (2,14). Методологическую базу исследования представили адаптивные методы прогнозирования, в частности модели ARIMA, Хольта, Брауна. Выбор модели с наилучшими значениями прогноза базировался на формально-логическом анализе с сопоставлением основных характеристик точности и качества прогнозных моделей. Полученные результаты позволили говорить о перспективных сценариях развития: умеренно оптимистичном и регрессивном. Оценки умеренно оптимистичного сценария представили возможность научно обосновать выполнимость достижения к 2025 г. роста рождаемости в Республике Тыва, ориентируясь на высокие параметры среднего ежегодного значения суммарного коэффициента рождаемости — 3,10 ребенка на одну женщину репродуктивного возраста, что отвечает целям проводимой демографической политики
Библиографические ссылки
Abylkalikov, S. I. & Baimurzina, G. R. (2022). Demographic processes in the towns of Kyzyl and Elista in 2011-2020: a comparative study. Novye issledovaniya Tuvy [New Research of Tuva], 2, 34-52. DOI: https://www.doi.org/10.25178/nit.2022.2.3 (In Russ.)
Abylkalikov, S. I. (2021). Features of the Demographic Development of Tuva: Contribution of Migration to the Demographic Balance. Novye issledovaniya Tuvy [New Research of Tuva], 4, 131-142. DOI: https://www.doi.org/10.25178/nit.2021.4.10 (In Russ.)
Andreychik, M. F. & Kholshina, M. A. (2012). Demographic processes role in Tuva republic stabilized development. Vestnik KrasGAU [Bulletin of KrasGAU], 11, 10-16. Retrieved from: http://www.kgau.ru/vestnik/content/2012/11.12.pdf (Date of access: 20.02.2023) (In Russ.)
Arkhangelskiy, V. N. & Zayko, E. S. (2021). Lines of reproductive behavior. Problemy sotsialnoy gigieny, zdravookhraneniya i istorii meditsiny [Problems of social hygiene, public health and history of medicine], 29, 1374–1380. DOI: http://dx.doi.org/10.32687/0869-866X-2021-29-s2-1374-1380 (In Russ.)
Arkhangelskiy, V. N. (2019). Regional differentiation of fertility in Russia. In: Sotsialno-ekonomicheskie i demograficheskie aspekty realizatsii natsionalnykh proektov v regione: sbornik statey X Uralskogo demograficheskogo foruma. T. I [Socio-economic and demographic aspects of the implementation of national projects in the region: a collection of articles of the X Ural Demographic Forum, Volume I] (pp. 16-27). Ekaterinburg: Institute of Economics of the Ural Branch of RAS. Retrieved from: https://elar.urfu.ru/handle/10995/77572 (Date of access: 18.02.2023) (In Russ.)
Bakhitova, R. Kh., Lackman, I. A. & Shamsutdinova, N. K. (2016). Application of ARIMA-Models for Short-term Forecasting Fertility in the City of Ufa. Uroven zhizni naseleniya regionov Rossii [Living Standards of the Population in the Regions of Russia], 12(3), 214-219. DOI: 10.12737/22310 (In Russ.)
Balakina, G. F. (2022). Risks in human development in ethnic communities of the Republic of Tuva (1999-2021). Novye issledovaniya Tuvy [New Research of Tuva], 2, 20-33. DOI: https://www.doi.org/10.25178/nit.2022.2.2 (In Russ.)
Box, G. E. P. & Jenkins, G. M. (1970). Time series analysis: forecasting and control. San Francisco, CA: Holden-Day, 575.
Dai, J. & Chen, S. (2019). The application of ARIMA model in forecasting population data. Journal of Physics: Conference Series, 1324(1), 012100. DOI: https://doi.org/10.1088/1742-6596/1324/1/012100
Dubrova, T. A. (2019). Analysis of temporal data. In: V. S. Mkhitaryan (Ed.), Analiz dannykh [Data analysis] (pp. 397-459). Moscow: Yurait. (In Russ.)
Farida, Y., Farmita, M., Ulinnuha, N. & Yuliati, D. (2022). Forecasting Population of Madiun Regency Using ARIMA Method. CAUCHY: Jurnal Matematika Murni dan Aplikasi, 7(3), 420-431. DOI: https://doi.org/10.18860/ca.v7i3.16156
Frenkel, A. A. (1989). Prognozirovanie proizvoditelnosti truda: metody i modeli [Forecasting labor productivity: methods and models]. M.: Economics, 214. (In Russ.)
Garcia, F., Guijarro, F., Moya, I. & Oliver, J. (2012). Estimating returns and conditional volatility: A comparison between the ARMA-GARCH-M models and the backpropagation neural network. International Journal of Complex Systems in Science, 1(2), 21-26.
Gorbey, S., James, D. & Poot, J. (1999). Population forecasting with endogenous migration: An application to trans-Tasman migration. International Regional Science Review, 22(1), 69-101.
Keilman, N., Pham, D. Q. & Hetland, A. (2002). Why population forecasts should be probabilistic — illustrated by the case of Norway. Demographic Research, 6, 409-454.
Lamazhaa, Ch. K., Valiakhmetov, R. M. & Samba, A. D.-B. (2022). The problem field of studying human development in Tuva: a survey of literature and expert opinions (2020-2021). Novye issledovaniya Tuvy [New Research of Tuva], 2, 6-19. DOI: https://www.doi.org/10.25178/nit.2022.2.1 (In Russ.)
Lawrence, R. C. (1996). Forecasting U.S. mortality: A comparison of Box-Jenkins ARIMA and structural time series models. The Sociological Quarterly, 37, 127-144.
Mandyt, M. K. (2017). Republic of Tyva as a region of sustainable natural population growth. Uspekhi sovremennogo estestvoznaniya [Advances in current natural sciences], 7, 91-95. Retrieved from: https://natural-sciences.ru/ru/article/view?id=36484&ysclid=leklq67p83314466156 (Date of access: 20.02.2023) (In Russ.)
Maniatis, P. (2012). Forecasting The Exchange Rate Between Euro and USD: Probabilistic Approach Versus ARIMA And Exponential Smoothing Techniques. Journal of Applied Business Research (JABR), 28(2), 171-192. DOI: https://doi.org/10.19030/jabr.v28i2.6840
Mkhitaryan, S. V. & Danchenok, L. A. (2014). Sales forecasting using adaptive statistical methods. Fundamentalnye issledovaniya [Fundamental research], 9(4), 818-822. (In Russ.)
Ning, Y., Kazemi, H. & Tahmasebi, P., (2022). A comparative machine learning study for time series oil production forecasting: ARIMA, LSTM, and Prophet. Computers & Geosciences, 164, 105126. DOI: https://doi.org/10.1016/j.cageo.2022.105126.
Nyoni, T. (2019). The population question in Zimbabwe: reliable projections from the Box — Jenkins ARIMA approach. Munich Personal RePEc Archive No. 96791. Retrieved from: https://mpra.ub.uni-muenchen.de/96791/ (Date of access: 26.09.2021)
Pavlovskij, E. V. (2017). ARIMA models in the short-term forecasting of internal migration in Russia. Voprosy statistiki, 10, 53–63. (In Russ.)
Pilyugina, A. V. & Boyko, A. A. (2015). Using ARIMA models for forecasting of currency exchange rate. Prikaspiyskiy zhurnal: upravlenie i vysokie tekhnologii [Caspian Journal: Management and High Technologies], 4, 249-267. (In Russ.)
Rostovskaya, T. K. & Zolotareva, O. A. (2021). Professional Standard «Demograph» as a Factor of Formation of a New Human Resources Model. Sotsiologicheskaya nauka i sotsialnaya praktika [Sociological Science and Social Practice], 9(2), 82-95. DOI: https://doi.org/10.19181/snsp.2021.9.2.8106 (In Russ.)
Rostovskaya, T. K. & Zolotareva, O. A. (2022). Professional Standard “Demographer” as a Key Mechanism for Managing the Development of Human Resources in the Field of People Saving. Sotsiologicheskaya nauka i sotsialnaya praktika [Sociological Science and Social Practice], 10(1), 128-142. DOI: https://doi.org/10.19181/snsp.2022.10.1.8865 (In Russ.)
Rostovskaya, T. K., Zolotareva, O. A. & Davletshina, L. A. (2023). Features of birth rate in the Republic of Tuva (1991–2021). Novye issledovaniya Tuvy [New Research of Tuva], 2, 34-49. DOI: https:// doi.org/10.25178/nit.2023.2.3 (In Russ.)
Ruppert, D. & Matteson, D. S. (2015). Statistics and Data Analysis for Financial Engineering. Springer, 719. DOI: https://doi.org/10.1007/978-1-4939-2614-5
Sadovnikova, N. A. & Zolotareva, O. A. (2020). COVID-19 in Russia: Realities Justified by Statistical Analytics and Forecasting. Ekonomicheskie strategii [Economic strategies], 4(170), 42-53. DOI: 10.33917/es-4.170.2020.42-53 (In Russ.)
Sevek, V. K., Sotnikov, A. I., Manchyk-Sat, Ch. S., Chul’dum, A. E. & Sereezhikpei, A. A. (2017). Monitoring and forecast of the basic indicators of living standards of the population of the Republic of Tyva. Ekonomika: vchera, segodnya, zavtra [Economics: Yesterday, Today and Tomorrow], 7(7A), 100-119. Retrieved from: http://www.publishing-vak.ru/file/archive-economy-2017-7/9-sevek.pdf (Date of access: 20.02.2023) (In Russ.)
Sun, J. (2021). Forecasting COVID-19 pandemic in Alberta, Canada using modified ARIMA models. Computer methods and programs in biomedicine update, 1, 100029. DOI: https://doi.org/10.1016/j.cmpbup.2021.100029
Swaraj, A., Verma, K., Kaur, A., Singh, G., Kumar, A. & Melo de Sales, L. (2021). Implementation of stacking based ARIMA model for prediction of Covid-19 cases in India. Journal of biomedical informatics, 121, 103887. DOI: https://doi.org/10.1016/j.jbi.2021.103887
Valiakhmetov, R. M., Zaripov, A. Ya. & Turakayev, M. S. (2022). Issues of human potential development in the republics of the Russian Federation (according to the results of a survey of experts in Dagestan and Tuva). Novye issledovaniya Tuvy [New Research of Tuva], 3, 170-185. DOI: https://www.doi.org/10.25178/nit.2022.3.12 (In Russ.)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Ростовская Тамара Керимовна , Золотарева Ольга Анатольевна
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
