В широком понимании воспроизводство населения предстает либо как совокупность трех форм движения: естественного (рождаемость и смертность), пространственного (миграция) и социального (изменение социальных структур, социальная и профессиональная мобильность и т.д.),
Прогнозирование демографических процессов. Современные модели прогнозирования учитывают не только численность всего населения в целом, но и развитие основных демографических процессов — рождаемости, смертности и, но возможности, миграционного движения.
Разработка прогноза смертности населения может основываться на концепции эндогенной и экзогенной смертности, автором которой в первоначальном ее варианте является французский демограф Ж. Буржуа-Пиша [4]. К эндогенным причинам смертности относятся болезни системы кровообращения, врожденные пороки развития, наследственные и некоторые другие болезни. Экзогенные причины смертности — болезни, обусловленные неблагоприятным воздействием уровня жизни, состоянием системы здравоохранения, экологической ситуацией — несчастные случаи, травмы и отравления, инфекционные и паразитарные болезни, острые заболевания органов дыхания и пищеварения и некоторые другие. Эти причины смерти можно рассматривать как реально устранимые в обозримый период времени.
Сценарий перспективной динамики смертности населения на основе анализа причин смерти, а также учет возможного полного или частичного устранения тех или иных причин смерти дают основание для получения количественных результатов, показывающих, на сколько лет удлиняется или укорачивается средняя продолжительность жизни для достигших того или иного возраста.
Сценарий будущей динамики рождаемости может разрабатываться с применением когортного метода анализа повозрастной рождаемости. С осторожностью необходимо использовать для обоснования прогнозного числа рождений данные о желаемом или ожидаемом числе детей в ходе выборочных обследований рождаемости. Показатель нуждается в корректировке в зависимости от того, насколько выполнимы репродуктивные планы семьи, и от изменений социально-демграфической политики.
Для моделирования процессов рождаемости и смертности широко используются линейные регрессионные модели типа
где а — параметры модели; у — коэффициенты рождаемости или смертности; .xi — i-й фактор, влияющий на параметр воспроизводства населения [5].
Сравнительно мало трудностей вызывает привлечение для прогнозов численности населения данных о вероятности смерти. Поскольку эти вероятности в течение времени остаются более или менее стабильными, до недавнего времени в большинстве случаев использовали вероятности из последней имеющейся таблицы смертности. Эти коэффициенты вероятности смерти принимались неизменными на весь период прогноза. Среди факторов смертности можно выделить уровень развития здравоохранения, потребление алкоголя, удельный вес городского населения, калорийность питания.
Поскольку изменение рождаемости в более значительной степени зависит от индивидуального поведения, ее перспективное прогнозирование является гораздо менее точным. Уровень рождаемости подвержен влиянию совокупности социальных, экономических и культурологических факторов. Исследования показывают, что наиболее существенное влияние на рождаемость оказывают такие факторы, как доход семьи и его оценка, степень жилищной обеспеченности, доля городского населения, занятость женщин в общественном производстве, уровень их образования.
Наряду с регрессионными моделями для обоснования тенденций изменения параметров режима воспроизводства населения применяются имитационные модели, базирующиеся на методе Монте-Карло. Имитационное моделирование наиболее эффективно используется для тех социально-демографических процессов, на которые влияют случайные факторы. В методе Монте-Карло все население рассматривается как система взаимодействующих переменных в некоторый элементарный промежуток времени, в течение которого может произойти только одно демографическое событие.
Наиболее часто имитационные модели участвуют в прогнозировании миграционных процессов, состава семьи, брачной структуры населения и т.п. Основным препятствием для их широкого применения часто служат отсутствие необходимой информации, громоздкость и трудоемкость вычислений.
Еще более сложным представляется прогноз миграционных процессов. До недавнего времени эти процессы либо вовсе не учитывались при демографических прогнозах, либо дополнялись дальнейшими расчетами, позволявшими изучить последствия различных предположений о миграционных движениях.
Существует несколько традиционных подходов к моделированию миграции.
1. Гравитационные модели. По аналогии с моделью гравитационного поведения физического тела моделируется движение потока населения, "притягиваемого" различными территориями. Такой подход позволяет учесть разнообразные факторы (например, природно-климатические), формирующие "притягательную" силу конкретного района, и, как следствие, возможность получить прогноз. Однако при таком подходе оказывается — вне моделирования ряд важных характеристик ("движущих сил") миграции — специфика взаимного расположения регионов (в одном экономическом районе или нет), интенсивность установившихся связей, влияние регионов-соседей и т.п., — что представляет угрозу долгосрочной надежности такой модели.
2. Регрессионные (факторные) модели. К данной группе относятся модели, формализующие связь миграционных показателей с разнообразными индексами социально-экономического развития (уровень безработицы, индексы изменения среднедушевых доходов и др.).
Их преимущество — возможность количественного измерения тесноты связи между отдельными независимыми показателями и, следовательно, определения конкретной управленческой стратегии.
Однако они исходят из предположения о неизменности влияния того или иного показателя на миграцию, между тем как изменение демографической и социально-экономической ситуации может привести к коренным изменениям причинно-следственных связей миграционных процессов. Эти модели не учитывают внеэкономических причин миграции, способных оказать значительное воздействие на мощность и интенсивность межрегиональных потоков.
3. Марковские модели. Обладают рядом преимуществ: содержательность показателей, хорошо проработанный математический аппарат, допущение взаимной зависимости объясняемых переменных. Однако применение этих моделей возможно лишь при полной информации о матрице вероятностей перехода в некоторый момент времени.
Марковские цепи предполагают вероятностный характер описываемых процессов.
4. Оптимизационные модели. Выходом модели служит описание оптимальной (для заданных перспективных показателей социально-экономического развития) структуры миграции и указание необходимых для ее достижения значений управляемых параметров миграционной системы. Возможно и решение обратной задачи — как должна развиваться экономика региона для достижения конкретной мощности и интенсивности миграции.
Если критерий оптимальности отражает некоторый закон поведения населения данной территории, вероятно получение нормативного прогноза миграционных потоков.
Реализация перечисленных подходов предполагает использование широкого спектра математических методов — теорий конечных марковских цепей и дифференциальных уравнений, аппарата математического программирования и матричной алгебры, методов вероятностного оценивания параметров и установления корреляционной зависимости и др. [7]
5. Балансовый метод анализа территориальной подвижности населения. Представление предметной области в виде балансовой матрицы с успехом использовалось отечественными и зарубежными экономистами при решении разнообразных задач.
Наибольшее распространение при изучении миграции населения получили модели взаимосвязей, которые охватывают факторные и гравитационные модели. Для изучения влияния факторов миграции используются различные методы: группировки, индексный метод, корреляционно-регрессионный анализ и др. Наряду с факторными моделями миграции часто применяются гравитационные модели следующего типа:
