Прогнозирование возрастной структуры сельского населения

Министерство образования Республики Беларусь

Учреждение  образования

“ Белорусский государственный технологический университет”

 

 

 

Кафедра экономики  и управления на предприятии химико-лесного  комплекса

 

 

 

 

 

Индивидуальная  работа

по курсу  ”Прогнозирование и планирование экономики”

на тему: “Прогнозирование возрастной структуры сельского  населения”

 

 

 

 

 

 

 

 

                                                                                                      Выполнила: студентка 

                                                                                                      3 гр. 4курса ИЭФ

                                                                                     Камейша О.В.                                                                                                                                                                               

                                                                              Проверил:

                                                                                                       Касперович С. А.

 

 

 

 

Минск 2006

СОДЕРЖАНИЕ

 

ВВЕДЕНИЕ

На сегодняшний день актуален вопрос о возрастной структуре  сельского населения, т. к. на основании  этого показателя можно сделать прогнозы по многим социальным показателям жизни населения.

В условиях формирования рыночных форм хозяйствования качественное управление экономическими системами  различных уровней возможно только на основе использования эффективного механизма планирования и прогнозирования, позволяющего предвидеть и оценивать последствия принимаемых решений, а также разрабатывать перспективные программы развития.

Экономическое прогнозирование – это система научных исследований про возможные направления будущего развития экономики её отдельных отраслей. В макроэкономическом планировании оно играет особую роль, потому как даёт возможность вероятного видения исследования объекта в будущем. Научное прогнозирование есть форма научного предвидения. Оно, как правило, предшествует разработке социально-экономических и научно-технических программ и планов. Прогнозирование имеет два конкретных аспекта: предсказывать и предвидеть. В зависимости от того, какой результат необходимо получить или, что необходимо спрогнозировать, преимущество предоставляется то одному, то другому аспекту.

Прогнозирование необходимо, потому что будущее необычно и эффект многих решений, принимаемых сегодня, на протяжении определённого времени  не ощущаются. Поэтому точное предвидение  будущего повышает эффективность процесса принятия решения.

Цель данной индивидуальной работы - разработать прогноз возрастной структуры сельского населения.

Прогнозные расчеты  структуры населения осуществляются методом передвижки возрастов, сущность которого заключается в том, что на определенный момент времени (на дату последней переписи населения, являющейся базой для дальнейших вычислений) фиксируется сложившаяся структура населения, т.е. распределение населения по полу, возрасту, семейному состоянию и т.д. В расчетном периоде эта структура изменяется под влиянием изменения коэффициентов рождаемости, смертности, миграционных процессов и других факторов, влияние которых учитывается в прогнозе с помощью коэффициентов передвижки. Численность той или иной группы населения на данный период умножается на указанные коэффициенты. Полученный результат "передвигается" в следующий период и таким образом одновременно учитываются как переменные, так и чисто структурные изменения.

По итогам передвижки возрастов определяется ожидаемая численность всего населения, в том числе в трудоспособном возрасте, и рассчитывается его половозрастная структура.

Численность трудоспособного  населения в трудоспособном возрасте определяется путем вычитания из прогнозируемой численности населения в трудоспособном возрасте ожидаемого числа неработающих инвалидов I и II групп в трудоспособном возрасте, а также неработающих лиц трудоспособного возраста, получающих пенсию на льготных условиях.

Количество неработающих инвалидов I и II групп и лиц трудоспособного возраста, получающих пенсию на льготных условиях, может определяться исходя из доли их в составе населения в трудоспособном возрасте в базисном периоде и предполагаемого ее изменения в прогнозном периоде.

Численность работающих лиц старше трудоспособного возраста (пенсионеров) определятся на основе данных о количестве населения, выходящего за пределы трудоспособного возраста, и анализа сложившегося соотношения пенсионеров и работающих лиц пенсионного возраста. При этом следует учитывать также политику государства.

 

1. ИСХОДНЫЕ ДАННЫЕ

 

В данной работе для разработки прогноза на среднесрочный период (один год) были использованы данные о распределении  населения по группам в возрасте моложе трудоспособного, трудоспособном, старше трудоспособного за 4 года.

 

Таблица 1. Распределение населения по возрастным группам (тыс. чел.)

 

Годы	2002	2003	2004	2005
Население в  возрасте моложе трудоспособного	558,0	530,7	505,3	480,5
Население в  возрасте трудоспособном	1402,2	1403,7	1403,9	1398,7
Население в  возрасте старше трудоспособного	959,6	927,8	894,4	865,0

 

Данные были взяты  из статистического ежегодника «Республика  Беларусь» за 2005 год.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. Применение  метода экстраполяции при проведении  прогнозных и  плановых расчетов

В методическом плане основным инструментом любого прогноза является схема экстраполяции. Сущность экстраполяции заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития объекта прогноза и переносе их на будущее.

Различают формальную и  прогнозную экстраполяцию. Формальная базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития объекта прогноза; при прогнозной фактическое развитие увязывается с гипотезами о динамике исследуемого процесса с учетом изменений влияния различных факторов в перспективе.

Методы экстраполяции  являются наиболее распространенными  и проработанными. Основу экстраполяционных  методов прогнозирования составляет изучение динамических рядов. Динамический ряд -  это множество наблюдений, полученных последовательно во времени.

В экономическом прогнозировании  широко применяется метод математической экстраполяции, в математическом смысле означающий распространение закона изменения функции из области ее наблюдения на область, лежащую вне отрезка наблюдения. Тенденция, описанная некоторой функцией от времени называется трендом. Тренд – это длительная тенденция изменения экономических показателей. Функция представляет собой простейшую математико-статистическую (трендовую модель) изучаемого явления.

Следует отметить, что  методы экстраполяции необходимо применять  на начальном этапе прогнозирования  для выявления тенденций изменения  показателей.

Рассмотрим методы экстраполяции, которые целесообразно применять  в переходный период к рыночным отношениям при изменяющихся условиях функционирования экономики.

Метод подбора  функций – один из распространенных методов экстраполяции. Главным этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводятся предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда. Задача выбора функции заключается в подборе по фактическим данным (x_i, y_i) формы зависимости (линии) так, чтобы отклонения данных исходного ряда y_i от соответствующих расчетных, находящихся на линии, были наименьшими. После этого можно продолжить эту линию и получить прогноз.

Для построения экстраполяционных  зависимостей широко используются кривые роста. Наиболее часто встречающимися из них являются полиномиальные, экспоненциальные и S-образные кривые роста.

Простейшие полиномиальные кривые роста имеют вид:

y = a₀ + a₁t - (полином 1-ой степени);

y = a₀ + a₁t + a₂t² - (полином 2-ой степени);

y = a₀ + a₁t + a₂t² + a₃t³ - (полином 3-ей степени).

Данные полиномы (линейные функции) применяются для описания процессов, равномерно развивающихся  во времени. Параметр а₁ - показывает линейный прирост, а₂ – ускорение роста, а₃ – изменение ускорения роста.

Экспоненциальные кривые в отличии от полиномиальных предполагают, что дальнейшее развитие объекта зависит от достигнутого уровня. В экономике прогнозируются, в основном, две разновидности экспоненциальных кривых:

 

y = a*b^t - простая экспонента.

 

В данной функции параметры a и b – положительные числа. При этом, если b>1, то функция растет с ростом t, если b<1, то функция убывает.

 

y = a*b^t + K - модифицированная экспонента.

 

В экономике часто  распространены процессы, которые сначала  ускоряются, а затем снова замедляют  свой рост, стремясь к какому-то пределу. Для моделирования таких процессов используются S-образные кривые:

  -   кривая Гомперца,

 

где а и b – положительные параметры, b<1,

К – асимптота функции.

 

  -   логистическая кривая (кривая Перла Рида).

 

Это возрастающая функция. В ней а и b – положительные параметры, К – это асимптота функции.

Расчет параметров (a,b) для конкретной функциональной зависимости осуществляется методом наименьших квадратов (МНК) и его модификаций. Суть МНК состоит в отыскании параметров модели тренда, минимизирующих отклонении расчетных значений от соответствующих значений исходного ряда, т.е. искомые параметры должны удовлетворять условию

 

∑(y_t - ỳ_t)² → min,

 

где n – число наблюдений. 

На основе МНК выводятся системы линейных уравнений, решая которые можно определить параметры кривых роста.

Для полинома 1-ой степени:

 

 

 

Полинома 2-ой степени:

 

 

Полинома 3-ей степени:

 

 

Параметры S-образных кривых находятся на основе использования ПЭВМ.

Параметры экспоненциальных кривых, как правило, находятся путем  приведения их к линейному виду путем  логарифмирования.

После того, как получена функция для прогнозирования  в частном виде, необходимо оценить ее адекватность  реальным данным, т.е. определить степень отклонения фактических значений от расчетных. Для этого рассчитывается средний квадрат отклонений 

 

 

Он характеризует степень  вариации данных. Чем меньше его  значение,  тем точнее кривая роста, т.е. тем меньше отклонения расчетных значений результирующего показателя от фактических. Эту функцию используют для проведения прогнозных расчетов.

При оценке подобранной  кривой роста часто рассчитывают коэффициент детерминации R². он определяется по следующей формуле

 

 

Коэффициент детерминации изменяется от 0 до 1 и показывает на сколько процентов динамика результирующего  показателя описывается динамикой  факторного.

После завершения операций оценки полученных зависимостей переходят к определению значения прогнозируемого  показателя. Для этого в формулу, описывающую процесс, подставляется величина периода, на который необходимо получить прогноз. Рекомендуется, чтобы длина ретроспективного периода была как минимум в три раза больше длины прогнозного периода.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3. Проведение  прогнозных расчетов

3.1. Прогнозирование  распределения сельского населения  в возрасте моложе трудоспособного.