Известия Саратовского университета. Новая серия.

Серия: Экономика. Управление. Право

ISSN 1994-2540 (Print)
ISSN 2542-1956 (Online)


Для цитирования:

Копнова Е. Д., Родионова Л. А. СТАТИСТИЧЕСКИЕ ПОДХОДЫ К АНАЛИЗУ И ПРОГНОЗИРОВАНИЮ ДЕМОГРАФИЧЕСКИХ ДАННЫХ // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2016. Т. 16, вып. 3. С. 306-315. DOI: 10.18500/1994-2540-2016-16-3-306-315

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
(загрузок: 0)
Язык публикации: 
русский
Рубрика: 
Тип статьи: 
Научная статья
УДК: 
519.246.8; 314.1; 311.17

СТАТИСТИЧЕСКИЕ ПОДХОДЫ К АНАЛИЗУ И ПРОГНОЗИРОВАНИЮ ДЕМОГРАФИЧЕСКИХ ДАННЫХ

Авторы: 
Копнова Елена Дмитриевна, НИУ «Высшая школа экономики»
Родионова Лилия Анатольевна, НИУ «Высшая школа экономики»
Аннотация: 

Введение. В статье рассмотрены возможности применения ARIMA-моделирования к анализу и прогнозированию временных рядов демографических показателей. Зарубежные исследования показали, что наряду с традиционными демографическими методами ARIMA-модели дают хорошие результаты при прогнозировании таких показателей, как численность населения, уровень рождаемости и смертности, продолжительность жизни населения. Методика исследования. В работе использовалась методология Бокса – Дженкинса анализа и прогнозирования временных рядов, в частности, применительно к демографическим данным: коэффициенту суммарной рождаемости в России (1990–2014 гг.), количеству заключенных браков по месяцам в России (2005–2015 гг.), общему коэффициенту рождаемости во Франции (1740–2014 гг.) и уровню безработицы в России (1996–2016 гг.). Были проанализированы ARIMA-, SARIMA- и ARFIMA- модели в зависимости от характера динамики исследуемого показателя. Результаты. Проведенный анализ показал, что оцененные ARIMA-модели для коэффициента суммарной рождаемости и количества заключенных браков являются адекватными, имеют хорошие статистические и прогностические свойства. На основании полученных моделей построены прогнозы. В случае длинных рядов наличия свойств процессов с длинной памятью выявлено не было.

Список источников: 
  1. Box G. P., Jenkins G. M. Time Series Analysis Forecasting and Control. San Francisco : Holden-Day, 1970. 554 p.
  2. Hiorns R. W. Mathematical Models in Demography // The Structure of Human Populations. Ed. by G. A. Harrison, A. Z. Boycl. Oxford : Clarendon Press. 1972. Р. 110–127.
  3. Lee R. Forecasting Births in Post-Transition Populations // Journal of the American Statistical Association. 1974. Vol. 69. P. 607–617.
  4. Pollard J. H. On Simple Approximate Calculations Appropriate to Populations with Random Growth Rates // Theoretical Population Biology. 1970. Vol. 1. P. 208–218.
  5. Saboia J. L. M. Modeling and Forecasting Populations by Time Series ‒ The Swedish Case // Demography. 1974. Vol. 11. P. 483–492.
  6. Kashyap R. L., Rao A. R. Dynamic Stochastic Models from Empirical Data. N.Y. ; L. : Academic Press, 1976. 352 p.
  7. Saboia J. L. M. Autoregressive Integrated Moving Average (ARIMA) Models for Birth Forecasting // Journal of the American Statistical Association. 1977. Vol. 72 (358). P. 264–270.
  8. Pfl aumer Р. Forecasting US population totals with the Box – Jenkins approach // International Journal of Forecasting. 1992. Vol. 8. P. 329–338.
  9. Tiziana T., Vaupel J. W. Forecasting life expectancy in an international context // International Journal of Forecasting. 2012. Vol. 28. P. 519–531.
  10. Alho J. M., Spencer B. D. Statistical demography and forecasting. Springer, 2005. 410 p.
  11. Booth H. Demographic forecasting : 1980 to 2005 in review // International Journal of Forecasting. 2006. Vol. 22. P. 547–581.
  12. Росстат. URL: http://www.gks.ru (дата обращения: 22.03.2016).
  13. Мхитарян В. С., Архипова М. Ю., Балаш В. А., Балаш О. С., Дуброва Т. А., Сиротин В. П. Эконометрика / под общ. ред. В. С. Мхитаряна. М. : Проспект, 2014. 384 с.
  14. Айвазян С. А. Методы эконометрики. М. : ИНФРА-М, 2010. 510 с.
  15. Щербакова Е. Число зарегистрированных браков и разводов в 2012 году снизилось // Демоскоп weekly. 2013. № 541–542. URL: http://demoscope.ru/weekly/2013/0541/barom04.php (дата обращения: 20.12.2015).
  16. Hurst H. E. Long term Storage Capacity of Reservoirs // Transactions of the American Society of Civil Engineers. 1951. Vol. 116. P. 770–799.
  17. Mandelbrot B. Statistical methodology for non-periodic cycles : From the covariance to R/S analysis // Annals of Economic and Social Measurement. 1972. Vol. 1. P. 259–290.
  18. Lo A. W. Long-term memory in stock market prices // Econometrica. 1991. Vol. 59. P. 1279–1313.
  19. Hyndman R. J., Booth H., Yasmeen F. Coherent Mortality Forecasting : The Product-Ratio Method With Functional Time Series Models // Demography. 2013. Vol. 50, iss. 1. P. 261–283.
  20. Granger C. W. Long memory relationships and the aggregation of dynamic models // Journal of Econometrics. 1980. Vol. 14, iss. 2. P. 227–238.
  21. Демоскоп : [сайт]. URL: http://www.demoscope.ru/weekly/app/long_cbr.php (дата обращения: 22.03.2016). 22. World Bank : [сайт]. URL: http://www.worldbank.org (дата обращения: 22.03.2016).
Поступила в редакцию: 
20.06.2016
Принята к публикации: 
19.07.2016