Демографическая ситуация в России

Данные  показатели рассчитываются как отношение среднего квадратического отклонения к средней величине признака и, как правило, выражаются в процентах:

5. Корреляционный анализ

Корреляционный  анализ — метод обработки статистических данных, заключающийся в изучении коэффициентов корреляции между  переменными. При этом сравниваются коэффициенты корреляции между одной  парой или множеством пар признаков  для установления между ними статистических взаимосвязей.

Цель  корреляционного анализа — обеспечить получение некоторой информации об одной переменной с помощью  другой переменной. В случаях, когда  возможно достижение цели, говорят, что  переменные коррелируют. В самом  общем виде принятие гипотезы о наличии  корреляции означает что изменение  значения переменной А, произойдет одновременно с пропорциональным изменением значения Б.

Корреляция  отражает лишь линейную зависимость  величин, но не отражает их функциональной связности. Например, если вычислить  коэффициент корреляции между величинами A = sin(x) и B = cos(x), то он будет близок к  нулю, то есть (линейная) зависимость  между величинами отсутствует. Между  тем, величины A и B очевидно связаны  функционально по закону sin2(x) + cos2(x) = 1.

Область применения

Данный  метод обработки статистических данных весьма популярен в экономике  и социальных науках (в частности  в психологии и социологии), хотя сфера применения коэффициентов  корреляции обширна: контроль качества промышленной продукции, металловедение, агрохимия, гидробиология, биометрия  и прочие.

Популярность  метода обусловлена двумя моментами: коэффициенты корреляции относительно просты в подсчете, их применение не требует специальной математической подготовки. В сочетании с простотой  интерпретации, простота применения коэффициента привела к его широкому распространению  в сфере анализа статистических данных.

Ложная корреляция

Часто заманчивая простота корреляционного  исследования подталкивает исследователя  делать ложные интуитивные выводы о  наличии причинно-следственной связи  между парами признаков, в то время  как коэффициенты корреляции устанавливают  лишь статистические взаимосвязи.

Например, рассматривая пожары в конкретном городе, можно выявить весьма высокую  корреляцию между ущербом, который  нанес пожар, и количеством пожарных, участвовавших в ликвидации пожара, причём эта корреляция будет положительной. Из этого, однако, не следует вывод  «бо́льшее количество пожарных приводит к бо́льшему ущербу», и тем более не имеет смысла попытка минимизировать ущерб от пожаров путем ликвидации пожарных бригад.

В cовременной количественной методологии социальных наук, фактически, произошел отказ от попыток установить причинно-следственные связи между эмпирически наблюдаемыми переменными. Поэтому, когда исследователи в социальных науках говорят об установлении взаимосвязей между изучаемыми переменными, подразумевается либо общетеоретическое допущение, либо статистическая зависимость.

Например, существует корреляция между размером обуви и средним доходом человека. Это, однако, не означает, что нося обувь  на размер больше, вы станете (получите шанс) больше зарабатывать.

Ложная  корреляция вызывается «общей причиной», называемой иногда «агентом ложной корреляции». В случае с пожаром таким агентом  является масштаб пожара. На более  интенсивный пожар (с большой  вероятностью) будет вызвано бо́льшее количество пожарных, и весьма вероятно, что более интенсивный пожар причинит бо́льший ущерб.

Для выявления ложных корреляций рассматривают  не пару, а множество «потенциально  важных» значений, и используют частные  корреляции. Так, если зафиксировать  пожары примерно одного масштаба, и  посчитать корреляцию между количеством  пожарных и ущербом, то корреляция окажется обратной.

Следует также отметить, что симметричность корреляционной функции не позволяет  сделать вывод о направлении  взаимосвязи. Так, обнаружив корреляцию между склонностью людей к  туристическим походам и их склонности к взаимопомощи, невозможно сделать  выбор между двумя гипотезами:

• туристические походы повышают склонность людей к взаимопомощи
• люди, обладающие склонностью к взаимопомощи, любят ходить в поход, где они могут в полной мере реализовать эту свою склонность

Не  являясь доказательством причинно-следственной взаимосвязи, корреляция тем не менее может служить инструментом для выдвижения гипотез о наличии такой взаимосвязи. Ложные корреляции тоже могут быть полезны в процессе исследований, заставляя искать «общую причину» хорошо коррелированных явлений. Наконец, сама статистическая зависимость, даже не являясь причинно-следственной, может быть полезной. Так, первый предутренний восход Сириуса позволяет с хорошей точностью предсказать разлив Нила (что может быть ценным для сельского хозяйства), хотя и не является причиной этого разлива.

Заключение

С 1992 г. в России наблюдается устойчивая тенденция депопуляции, характеризующаяся  постоянным превышением числа умерших  над числом родившихся в 1,5- 2 раза. Сложившийся в настоящее время в России уровень рождаемости является одним из самых низких в Европе и почти на 40% ниже для простого численного замещения поколений родителей их детьми (около 1,3 детей в среднем на одну женщину). Несмотря на отмечаемое улучшение, в целом ситуация со смертностью в стране остаётся весьма неблагополучной. На 1000 человек населения в среднем регистрируется около 15 умерших. Это самый высокий показатель в Европе. Убыль населения охватывает более 2/3 регионов страны, при этом самый высокий показатель естественной убыли отмечается в областях Центральной России. Общее превышение числа умерших над числом родившихся за 2004-2008 гг. оценивается в 3,5 млн. человек. В то же время общие демографические потери России за эти годы вследствие ухудшения социально-экономического положения, разрушения привычной культурной и бытовой среды оцениваются в 8 млн. человек, из которых около 3 млн. - преждевременно умершие и около 5 млн. - не родившиеся в результате резкого падения детородной активности. Интенсивность ежегодных потерь населения в последние 5 лет более чем вдвое превысила потери периода сталинских репрессий и массового голода. Согласно имеющимся демографическим прогнозам при сохранении сложившихся тенденций к 2013 г. ожидается уменьшение численности населения еще на 9 млн. чел. (6% населения). Прогноз охвативших Россию тенденций вырождения говорит о "периоде полураспада" нации (т.е. двукратного сокращения численности населения страны) в 60-80 лет. В России сложился резко суженный характер воспроизводства населения, когда каждое поколение родившихся количественно меньше поколения своих родителей и не может восполнить убыль населения. Такой тип воспроизводства населения характерен только для России и обладает большой устойчивостью. В 1994 г. истинный коэффициент воспроизводства населения достиг катастрофической по демографическим последствиям цифры - 0,651, причём у городского населения он еще ниже - 0,570. Такого беспрецедентно низкого уровня воспроизводства ранее не отмечалось ни в нашей стране, ни в других странах мира даже во время войн. Депопуляция и вырождение нации особенно ярко проявляются в сокращении продолжительности жизни, которая за последнюю пятилетку снизилась до 57,5 лет для мужчин и 70,4 года для женщин. При этом в большинстве регионов страны ситуация ещё хуже - в Центральном, Северном, Северо-Западном регионах, в большинстве областей Сибири и Дальнего Востока продолжительность жизни сегодня составляет 49-55 лет для мужчин, 62-68 лет для женщин и 55-63 года в целом по населению. По продолжительности жизни Россия отстаёт от развитых экономических стран на 13-15 лет и находится рядом с Монголией, Марокко и Гватемалой.

Список используемой литературы:

1. С.А. Новосельский «Смертность и продолжительность жизни в России»
2. А.А. Бородин, Э.Л. Файбусович. «Женские» и «мужские» города России
3. И.И.Елисеева. «Общая теория статистики»
4. И.И.Елисеева. «Социальная статистика»
5. М.Р. Ефимова «финансы и статистика»
6. Росстат «Российский статистический ежегодник»
7. Росстат «Россия в цифрах»
8. Росстат «регионы России»