Объем совокупности это: объем совокупности — это… Что такое объем совокупности?

Содержание

Определение объема выборки

Ранее мы рассмотрели методы построения доверительного интервала для математического ожидания генеральной совокупности. В каждом из рассмотренных случаев мы заранее фиксировали объем выборки, не учитывая ширину доверительного интервала. В реальных задачах определить объем выборки довольно сложно. Это зависит от наличия финансовых ресурсов, времени и легкости создания выборки. [1] Например, если нам необходимо оценить среднюю сумму накладных или долю ошибочных накладных в информационной системе компании, сначала следует выяснить, насколько точной должна быть оценка. Иначе говоря, следует задать ошибку выборочного исследования, допускаемую при оценке каждого из параметров. Кроме того, необходимо заранее определить доверительный уровень оценки истинного параметра генеральной совокупности.

Определение объема выборки для оценки математического ожидания

Чтобы определить объем выборки, необходимый для оценки математического ожидания генеральной совокупности, следует учесть величину ошибки выборочного исследования и доверительный уровень.

Кроме того, необходима дополнительная информация о величине стандартного отклонения. Для того чтобы вывести формулу, позволяющую вычислить объем выборки, начнем с формулы (1) (о происхождении этой формулы см. Построение доверительного интервала для математического ожидания генеральной совокупности):

где – среднее значение выборки, Z — значение стандартизованной нормально распределенной случайной величины, соответствующее интегральной вероятности, равной 1 – α/2, σ — стандартное отклонение генеральной совокупности, n

– объем выборки

Скачать заметку в формате Word или pdf, примеры в формате Excel2013

В этой формуле величина, добавляемая и вычитаемая из равна половине длины интервала. Она определяет меру неточности оценки, возникающей вследствие ошибки выборочного исследования, которая обозначается символом е и вычисляется по формуле

Решив уравнение (2) относительно n, получим:

Таким образом, для определения объема выборки необходимо знать три параметра:

Требуемый доверительный уровень, который влияет на величину Z, являющуюся критическим значением стандартизованного нормального распределения; [2]
Приемлемую ошибку выборочного исследования е;
Стандартное отклонение σ.

На практике вычислить эти величины непросто. Как определить доверительный уровень и ошибку выборочного исследования? Обычно ответить на этот вопрос могут лишь эксперты в предметной области (т.е. люди, понимающие смысл оцениваемых величин). Как правило, доверительный уровень равен 95% (в этом случае Z = 1,96). [3] Если требуется поднять доверительный уровень, обычно выбирают величину, равную 99%. Если можно ограничиться более низким доверительным уровнем, выбирают 90%. Определяя ошибку выборочного исследования, не стоит думать о ее величине (в принципе, любая ошибка нежелательна). Следует задать такую ошибку, чтобы полученные результаты допускали разумную интерпретацию.

Кроме доверительного уровня и ошибки выборочного исследования, необходимо знать стандартное отклонение генеральной совокупности. К сожалению, этот параметр почти никогда не известен. В некоторых случаях стандартное отклонение генеральной совокупности можно оценить на основе предшествующих исследований. В других ситуациях эксперт может учесть размах выборки и распределение случайной переменной. Например, если генеральная совокупность имеет нормальное распределение, ее размах приближенно равен 6

σ (т.е. ±3σ в окрестности математического ожидания). Следовательно, стандартное отклонение приближенно равно одной шестой части диапазона. Если величину σ невозможно оценить таким способом, необходимо выполнить пилотный проект и вычислить стандартное отклонение по результатам.

Пример 1. Вернемся к задаче об аудиторской проверке. Предположим, что из информационной системы извлечена выборка, состоящая из 100 накладных, заполненных в течение последнего месяца. Компания желает построить интервал, содержащий математическое ожидание генеральной совокупности, доверительный уровень которого равен 95%. Как был определен объем выборки? Следует ли его уточнить?

Допустим, что после консультаций с экспертами, работающими в компании, статистики установили допустимую ошибку выборочного исследования равной ±5 долл. , а доверительный уровень — 95%. Результаты предшествующих исследований свидетельствуют, что стандартное отклонение генеральной совокупности приближенно равно 25 долл. Таким образом, е = 5, σ = 25 и Z = 1,96 (что соответствует 95%-ному доверительному уровню). По формуле (3) получаем:

Следовательно, n = 96. Таким образом, объем выборки, равный 100, был выбран удачно и вполне соответствует требованиям, выдвинутым компанией.

Пример 2. Некая промышленная компания на Среднем Западе производит электрические изоляторы. Если во время работы изолятор выходит из строя, происходит короткое замыкание. Чтобы проверить прочность изолятора, компания проводит испытания, в ходе которых определяется максимальная сила, необходимая для разрушения изолятора. Сила измеряется в фунтах нагрузки, приводящей к разрушению изолятора (рис. 1, столбец А). Предположим, что нам необходимо оценить среднюю силу разрушения изолятора с точностью +25 фунтов при 95%-ном доверительном интервале для этой величины. Данные, полученные в предыдущем исследовании, свидетельствуют, что стандартное отклонение равно 100 фунтов. Определите требуемый объем выборки.

Решение. Итак, е = 25, σ =100, доверительный уровень 95% (т.е. Z = 1,96) (рис. 1).

Рис. 1. Определение объема выборки

Таким образом, n = 62 (дробные результаты, как правило, округляют с избытком до ближайшего целого).

Определение объема выборки для оценки доли признака в генеральной совокупности

Выше мы рассмотрели способ определения объема выборки для оценки математического ожидания генеральной совокупности. Предположим теперь, что нам необходимо определить долю накладных, не соответствующих правилам, принятым компанией (начальные условия см. пример 1 выше). Сколько накладных следует извлечь из информационной системы, чтобы построенный интервал имел заданный доверительный уровень? Для ответа на этот вопрос применим тот же подход, что и при определении объема выборки для оценки математического ожидания.

Ошибка выборочного исследования определяется по формуле (2). При оценке доли признака величину σ следует заменить на величину . Таким образом, формула для ошибки выборочного исследования принимает следующий вид:

Выражая n через остальные величины, получаем следующую формулу:

Таким образом, для определения объема выборки необходимо знать три параметра:

Требуемый доверительный уровень, по которому определяется величина Z.
Допустимую ошибку выборочного исследования е.
Истинную долю успехов р.

На практике вычислить эти величины нелегко. Если известен доверительный уровень, можно вычислить критическое значение стандартизованного нормального распределения Z. Ошибка выборочного исследования е определяет точность, с которой оценивается доля успехов в генеральной совокупности. Третий параметр — доля успехов в генеральной совокупности р — это именно тот параметр, который нам необходимо оценить.

Итак, как оценить диапазон изменения величины р по его выборочным значениям?

Существуют два способа. Во-первых, во многих ситуациях для оценки величины р можно использовать результаты предыдущих исследований. Во-вторых, если данные о предыдущих исследованиях недоступны, можно попытаться оценить параметр р так, чтобы исключить недооценку объема выборки. Обратите внимание на то, что в формуле (5) величина р(1 – р) стоит в числителе. Следовательно, необходимо найти максимальное значение этой величины. Очевидно, что оно достигается при р = 0,5.

Таким образом, если доля признака в генеральной совокупности

р заранее неизвестна, для определения объема выборки следует задать р = 0,5. В этом случае объем выборки будет переоценен, что приведет к дополнительным затратам на ее создание. Если истинная доля успехов в генеральной совокупности сильно отличается от 0,5, доверительный интервал окажется значительно уже, чем требовалось.

Оценка параметра р в этом случае будет весьма точной, однако за это придется заплатить дополнительными временными и финансовыми ресурсами.

Вернемся к задаче об аудиторской проверке. Предположим, аудитор желает построить интервал, содержащий долю ошибочных накладных, доверительный уровень которого равен 95%. Допустимая точность равна ±0,07. Результаты предыдущих проверок свидетельствуют, что доля ошибочных накладных не превышает 0,15. Таким образом,

е = 0,07, р = 0,15 и Z = 1,96 (что соответствует 95%-ному доверительному уровню). По формуле (5) получаем:

Таким образом, объем выборки, равный 100, был выбран совершенно правильно и вполне соответствует требованиям, выдвинутым компанией.

Определение объема выборки, извлекаемой из конечной генеральной совокупности

Для определения объема выборки, извлеченной из конечной генеральной совокупности без возвращения, необходимо использовать поправочный коэффициент. Например, при оценке математического ожидания выборочная ошибка вычисляется по следующей формуле:

При оценке доли признака ошибка выборочного исследования равна:

Чтобы вычислить объем выборки для оценки математического ожидания или доли признака, применяются формулы:

где n₀ — объем выборки без учета поправочного коэффициента для конечной генеральной совокупности. Применение поправочного коэффициента приводит к следующей формуле:

Предыдущая заметка Построение доверительного интервала для математического ожидания генеральной совокупности

Следующая заметка Применение доверительных интервалов в аудиторском деле

К оглавлению Статистика для менеджеров с использованием Microsoft Excel

[1] Используются материалы книги Левин и др. Статистика для менеджеров. – М.: Вильямс, 2004. – с. 471–476

[2] Для определения размера выборки используется величина Z, а не t, поскольку для вычисления критического значения t размер выборки необходимо знать заранее. В большинстве случаев размеры выборки позволяют хорошо аппроксимировать t-распределение стандартизованным нормальным распределением.

[3] Интервал c доверительным уровнем 95% делится на две равные части. Первая часть лежит слева от математического ожидания генеральной совокупности, а вторая — справа. Значение величины Z, соответствующей вероятности 2,5% (площади 0,025), равно –1,96, а значение величины Z, соответствующей суммарной площади 0,975, равно +1,96. Для расчета удобно воспользоваться функцией Excel Z=НОРМ.СТ.ОБР(р), где р – вероятность, подставляя значения р₁ = 2,5% и р₂ = 97,5%

Выборка, выборочное распределение

Оценка параметров популяции: точечные оценки

Мы часто заинтересованы в оценке параметра в популяции, среднего или стандартного отклонения. Обычно обозначают среднее популяции как , а стандартное отклонение популяции как .

В статистике принято обозначать популяционные параметры (генеральные) буквами греческого алфавита, а выборочные – соответствующими им буквами латинского алфавита, например, и m , и и т. д.

Мы оцениваем значение параметра, используя данные, собранные в выборке.

Эта оценка – точечная оценка генерального параметра (т.е. она принимает только одно значение) в отличие от интервальной оценки, которая имеет интервал значений.

Точечную оценку описывает выборочная статистика.

Выборочная дисперсия, выборочное стандартное отклонение

Если повторить извлечение выборок того же самого объема из популяции, маловероятно, что оценки параметра популяции будут точно такими же в каждой выборке. Однако все оценки должны быть близки к истинному значению параметра (генеральному параметру) в популяции и подобны друг другу.

Определяя величину вариабельности этих оценок, мы поймем, насколько они точны, и таким образом сможем оценить ошибку, обусловленную выборкой.

Обычно берут только одну выборку из популяции. Однако можно использовать знания о теоретическом распределении выборочных оценок для того, чтобы сделать выводы относительно генерального параметра популяции.

Выборочное стандартное отклонение s оценивается по наблюдаемой реализации выборки:

Стандартное отклонение отражает вариабельность в значениях данных и должно быть указано, если нужно пояснить изменчивость в наборе данных.

Выборочное распределение среднего, ошибка среднего

Предположим, что мы заинтересованы в оценке среднего популяции; можно брать много повторных выборок объема n из популяции и оценить среднее в каждой выборке.

Если объем выборки разумно большой, оценки среднего имеют нормальное распределение при любом распределении исходных данных в популяции.

Данное утверждение следует из теоремы, известной как центральная предельная теорема:

→ N (0,1) при n → ∞

Если объем выборки небольшой, оценки среднего отвечают нормальному распределению при условии, что данные в популяции также отвечают нормальному распределению;

Среднее этих оценок – несмещенная оценка истинного среднего в популяции (генерального среднего), т. е. среднее этих оценок эквивалентно истинному среднему в популяции;

Вариабельность распределения выражается стандартным отклонением оценок, известным как стандартная ошибка среднего (часто обозначают как Standard Error Means, SEM).

Если бы мы знали стандартное отклонение популяции σ, тогда стандартная ошибка среднего описывалась бы так:

В случае если есть, как обычно, только одна выборка, нашей лучшей оценкой среднего популяции будет выборочное среднее, а так как редко бывает известно стандартное отклонение в популяции (генеральный стандарт), то стандартную ошибку среднего оценивают следующим образом:

где s – стандартное отклонение в выборке.

Стандартная ошибка среднего отражает точность нашей оценки.

Большая стандартная ошибка указывает, что оценка неточна;

Небольшая стандартная ошибка указывает, что оценка точна;

Стандартная ошибка уменьшится, т. е. мы получим более точную оценку, если:

Объем выборки увеличится;

Данные имеют небольшое рассеяние.

Репрезентативная выборка. Рассчитать объем выборки

Один из главных компонентов тщательно продуманного исследования – определение выборки и что такое репрезентативная выборка. Это как в примере с тортом. Ведь не обязательно съедать весь десерт, чтобы понять его вкус? Достаточно небольшой части.

Так вот, торт – это генеральная совокупность (то есть все респонденты, которые подходят для опроса). Она может быть выражена территориально, например, лишь жители Московской области. Гендерно – только женщины. Или иметь ограничения по возрасту – россияне старше 65 лет.

Высчитать генеральную совокупность сложно: нужно иметь данные переписи населения или предварительных оценочных опросов. Поэтому обычно генеральную совокупность «прикидывают», а из полученного числа высчитывают выборочную совокупность или выборку.

Что такое репрезентативная выборка?

Выборка – это чётко определенное количество респондентов. Её структура должна максимально совпадать со структурой генеральной совокупности по основным характеристикам отбора.

Например, если потенциальные респонденты – всё население России, где 54% — это женщины, а 46% — мужчины, то выборка должна содержать точно такое же процентное соотношение. Если совпадение параметров происходит, то выборку можно назвать репрезентативной. Это значит, что неточности и ошибки в исследовании сводятся к минимуму.

Объем выборки определяется с учётом требований точности и экономичности. Эти требования обратно пропорциональны друг другу: чем больше объем выборки, тем точнее результат. При этом чем выше точность, тем соответственно больше затрат необходимо на проведение исследования. И наоборот, чем меньше выборка, тем меньше на неё затрат, тем менее точно и более случайно воспроизводятся свойства генеральной совокупности.

Поэтому для вычисления объема выбора социологами была изобретена формула и создан специальный калькулятор:

Доверительная вероятность и доверительная погрешность

Что означают термины «доверительная вероятность» и «доверительная погрешность»? Доверительная вероятность – это показатель точности измерений. А доверительная погрешность – это возможная ошибка результатов исследования. К примеру, при генеральной совокупности более 500 00 человек (допустим, проживающие в Новокузнецке) выборка будет равняться 384 человека при доверительной вероятности 95% и погрешности 5% ИЛИ (при доверительном интервале 95±5%).

Что из этого следует? При проведении 100 исследований с такой выборкой (384 человека) в 95 процентов случаев получаемые ответы по законам статистики будут находиться в пределах ±5% от исходного. И мы получим репрезентативную выборку с минимальной вероятностью статистической ошибки.

После того, как подсчет объема выборки выполнен, можно посмотреть есть ли достаточное число респондентов в демо-версии Панели Анкетолога. А как провести панельный опрос можно подробнее узнать здесь.

Сохранить

Построение выборки в количественных исследованиях

При формировании вероятностной (случайной) выборки обеспечивается такой отбор наблюдений, при котором сформированная выборка является репрезентативной в отношении генеральной совокупности. Репрезентативность является свойством, благодаря которому выборка воссоздает все важные [с точки зрения исследования] характеристики генеральной совокупности.
Одной из первых задач выборочного исследования является переход от объекта исследования к выборочной совокупности, который целесообразно осуществлять по следующей схеме: объект исследования => генеральная совокупность => основа выборки => единицы отбора => единицы наблюдения.

К вероятностной выборке принято относить простую случайную выборку, стратифицированную выборку, кластерную выборку и многоступенчатую выборку.
Для осуществления простой случайной выборки исследователю должен быть доступен список генеральной совокупности. После получения списка, отбор должен вестись с помощью одной из техник, обеспечивающих одинаковую вероятность попадания каждой единицы наблюдения в выборочную совокупность:

Основная проблема при реализации простой случайной выборки заключается в получении необходимых сведений для подготовки и составления общего списка генеральной совокупности. Другая проблема, связанная с достижимостью респондентов — есть противоречия между требованием опрашивать именно тех людей, которые попали в случайный отбор и практической невозможностью опросить определенную часть полученной выборочной совокупности. Следующая проблема обусловливается слишком рассеянным в пространстве полем респондентов, что служит причиной существенного увеличения временных и финансовых затрат.

Если в исследовании указанные проблемы отсутствуют или представленные довольно слабо необходимо осуществлять простой случайный отбор. Если же они действительно выражены сильно, необходимо использовать процедуру многоступенчатого случайного отбора. Последнее предусматривает обращение к принципам стратификации и/или кластеризации.
Стратифицированная выборка основывается на принципе районирования и предусматривает предварительную группировку единиц генеральной совокупности по типам, которые отличаются между собой (деление на страты).
В основу классификации ложится признак (или их совокупность), по которым респонденты существенным образом отличаются один от другого, и при этом именно данный признак должен существенным образом влиять на исследуемое явление. Таким образом, при выборе критерия стратификации необходимо руководствоваться двумя особенностями: а) данная характеристика должна влиять на исследуемое явление; б) по данной характеристике единицы генеральной совокупности должны различаться.
В статистическом смысле районирование отвечает выделению такого числа и таких статистически однородных групп, чтобы дисперсия соответствующих параметров внутри полученных групп была меньшей, чем между ними. Выражаясь более простым языком, стратифицированную выборку следует использовать тогда, когда генеральная совокупность состоит из разнородных непохожих друг на друга групп (конечно же, если эта разнородность касается изучаемого явления).
К основным преимуществам стратификации относятся следующие: а) оценки для каждой страты могут быть получены отдельно; б) можно оценить отличия между стратами; в) полученные результаты (выборочные средние и выборочные пропорции) будут более точными.
Что касается кластерной выборки, то она в определенном смысле противоположна стратифицированной. Если при стратификации исследователь выделяет разнотипные подгруппы, то при кластерной выборке генеральная совокупность разбивается на однотипные группы (кластеры), внутри которых содержатся разнородные единицы наблюдения. Например, учебные группы в рамках одного большого факультета.
Кластер является промежуточным объектом исследования, который отбирается на определенном шаге формирования выборки и служит исходной совокупностью для дальнейшего отбора. Ими могут быть разнообразные единицы отбора, начиная от городов и районов и заканчивая производственными коллективами, семьями и т.п..
Используя принцип кластеризации, необходимо руководствоваться следующими принципами: а) все единицы генеральной совокупности должны быть распределенные между кластерами; б) каждый элемент генеральной совокупности должен принадлежать лишь к одному кластеру; в) кластеры должны быть по возможности однородными по ряду показателей, т.е. похожими друг на друга; г) кластеры [подобно генеральной совокупности] должны иметь неоднородную структуру по этим же показателям.
В рамках кластера можно использовать как сплошной, так и выборочный опрос.
Многоступенчатая выборка обычно используется в случаях проведения крупномасштабных исследования, в которых не имеется возможности реализации простой случайной выборки.
Следуя своему названию это выборка, которая осуществляется последовательно на двух и более иерархических уровнях (например: города — улицы — квартиры — жители).
В современной практике проведения широкомасштабных исследований при построении выборки чаще всего используют как принцип стратификации, так и принцип кластеризации. Последовательным применением каждого из этих принципов достигается повышение репрезентативности выборочной совокупности.
Примером многоступенчатой выборки может служить общенациональная выборка, в которой на первом этапе вся территория, на которой проводится опрос, делится на отличные в культурном смысле страты (например, на основе типа населенного пункта и территориального округа). На втором этапе в каждой страте определяются населенные пункты, а также количество улиц (кластеров), в каждом из них, на которых будет проводиться отбор. Наконец на отобранных улицах осуществляется случайный отбор домохозяйств (квартир или частных домов), в которых будет опрошен один респондент (этот респондент также определяется случайным образом, если домохозяйство включает более одного жильца).

что это и где его взять

Мы уже рассказывали о важности этапа подготовки данных (Data Preparation), результатом которого является обработанный набор очищенных данных, пригодных для обработки алгоритмами машинного обучения (Machine Learning). Такая выборка, называемая датасет (dataset), нужна для тренировки модели Machine Learning, чтобы обучить систему и затем использовать ее для решения реальных задач. Однако, поскольку в процессе обучения необходимо оценивать качество модели, различают несколько типов выборок. В этом материале мы расскажем, из чего состоит dataset, какие бывают датасеты и как их сформировать.

Что такое датасет для Data Mining и из чего он состоит

Dataset для машинного обучения – это обработанная и структурированная информация в табличном виде. Строки такой таблицы называются объектами, а столбцы – признаками. Различают 2 вида признаков [1]:

независимые переменные – предикторы;
зависимые переменные – целевые признаки, которые вычисляются на основе одного или нескольких предикторов.

Признаковое описание характерно для задач классификации, когда имеется выборка – конечное множество объектов, для которых известно, к каким классам они относятся. Классовая принадлежность остальных объектов неизвестна. В процессе машинного обучения строится модель, способная классифицировать произвольный объект из исходного множества [2]. Практический смысл задач классификации состоит в предсказании возможных исходов на основе совокупности входных переменных, например, диагностика заболеваний, предварительная оценка эффективности месторождений полезных ископаемых, кредитный скоринг, распознавание речи, прогнозирование оттока клиентов (Churn Rate) и т.д.

В зависимости от варианта задачи классификации, целевой признак может выглядеть по-разному [1]:

один столбец с двоичными значениями (1/0, TRUE/FALSE и пр.): двухклассовая классификация (binary classification), когда каждый объект принадлежит только одному классу;
несколько столбцов с двоичными значениями: задача классификации с пересекающимися классами (multi-label classification), когда один объект может принадлежать нескольким классам;
один столбец с действительными значениями: регрессионный анализ, когда прогнозируется одна величина;
несколько столбцов с действительными значениями: задача множественной регрессии, когда прогнозируется несколько величин.

Задачи классификации описываются признаками

Каким бывает dataset: типы выборок

Первичный набор исходных данных принято называть генеральной совокупностью. Процесс формирования выборок из генеральной совокупности называется порождение данных [3]. Выборка – это конечное подмножество элементов генеральной совокупности, изучив которое можно понять поведение исходного множества. Например, генеральная совокупность состоит из 150 тысяч посетителей сайта, а в выборку попали 250 из них.

Вероятностная модель порождения данных предполагает, что выборка из генеральной совокупности формируется случайным образом. Если все ее элементы одинаково случайно и независимо друг от друга распределены по исходному множеству (генеральной совокупности), выборка называется простой. Простая выборка является математической моделью серии независимых опытов и, как правило, используется для машинного обучения. При этом для каждого этапа Machine Learning необходим свой набор данных [3]:

для непосредственного обучения модели нужна обучающая выборка (training sample), по которой производится настройка (оптимизация параметров) алгоритма;
для оценки качества модели используется тестовая (контрольная) выборка (test sample), которая, в идеальном случае, не должна зависеть от обучающей;
для выбора наилучшей модели машинного обучения понадобится проверочная (валидационная) выборка (validation sample), которая также не должна пересекаться с обучающей.

Выборки бывают разные: обучающие, контрольные и валидационные

Как сформировать выборку для Data Mining

Методы формирования обучающих и оценочных выборок зависят от класса задачи, решаемой с помощью машинного обучения [1]:

для задач классификации данные следует разделить так, чтобы в полученных наборах численное соотношение объектов разных классов было таким же, как в исходной генеральной совокупности;
для задач регрессионного анализа необходимо одинаковое распределение целевой переменной в полученных наборах, которые будут использоваться для обучения и контроля качества.

При соблюдении этих условий объемы обучающей и оценочных выборок могут существенно различаться. Например, размер валидационного датасета может составлять всего 10% генеральной совокупности. Главное в формировании выборок – ни в коем случае не объединять обучающий датасет и с оценочными (тестовым и валидационным), поскольку это грозит переобучением модели Machine Learning. В этом случае модель получит высокие оценки качества в процессе тренировки, но не покажет такого результата на реальных данных.

После того, как выборка сформирована, наступают следующие процессы CRISP-DM: очистка данных и работа с признаками: генерация, трансформация, нормализация и отбрасывание лишних переменных, чтобы исключить мультиколлинеарность факторов и понизить размерность модели Machine Learning. Об этом мы расскажем в следующих статьях.

Формирование выборок – начальный этап Data Preparation

Вся практика Data Preparation в нашем новом курсе для аналитиков Big Data: подготовка данных для Data Mining. Присоединяйтесь!

Источники

http://datareview.info/article/universalnyj-podxod-pochti-k-lyuboj-zadache-mashinnogo-obucheniya/
https://ru.wikipedia.org/wiki/Задача_классификации
http://www.machinelearning.ru/wiki/index.php?title=Выборка

Водоизмещение Дедвейт — Что такое Водоизмещение Дедвейт ?

Cуществует несколько различных способов измерения тоннажа судна.

Дедвейт — основной массовый показатель размеров судна, выражаемый в тоннах массы воды, вытесняемой судном в данном состоянии, и равный суммарной массе судна и его нагрузки.
Для грузовых судов наиболее употребительным показателем является дедвейт, или валовая грузоподъемность при погружении судна на определенную грузовую марку.

Что такое водоизмещение:

Водоизмещения (Displacement tonnage) — это общий вес объема воды, которую вытесняет судно, когда он сидит в воде.

Что такое стандартное водоизмещение:

Стандартный тоннаж водоизмещения — это Водоизмещение с одним небольшим отличием.
При расчете стандартного водоизмещения из Водоизмещения вычитаете вес любого топлива и питьевой воды, находящихся на борту судна.

Что такое Дедвейт:

Дедвейт (Deadweight)- это вес (в тоннах) всего груза, топлива, сухих продуктов, припасов и тд, перевозимых на борту судна.
При расчете дедвейта из Водоизмещения судна вычитается Легкий тоннаж (см. Легкий тоннаж ниже).

Что такое легкий тоннаж:

Легкий тоннаж (Lightweight ) — это вес судна, когда оно было построено на верфи.
Не включает вес любого расходного материала, такого как топливо, вода, масло или другие расходные материалы.

Что такое валовой тоннаж ( валовая вместимость, Gross tonnage):

Валовая вместимость — общий внутренний объем судна.
Рассчитывается путем умножения внутреннего объема V судна (м³) на переменную, известную как «K» (изменяется в зависимости от общего объема судна).

Что такое Чистый тоннаж (Нетто-тоннаж, Net Tonnage):

Нетто-тоннаж — это общий внутренний объем грузовых отсеков на судне и рассчитывается примерно как валовая вместимость.
Общий объем назначенных грузовых мест (м³) умножается на совокупность факторов, в результате чего получается официальная чистая стоимость тоннажа.
Фактический расчет чистого тоннажа один из наиболее сложных для расчета тоннажа учитывает осадку и количество пассажиров, и др.

Система научной аттестации станет гибче и демократичнее — Российская газета

Стать доктором наук теперь можно без диссертации, отвечать на претензии оппонентов — на расстоянии, а минимальный состав диссертационного совета сокращен с 19 до 11 человек. И в его состав имеют право войти ученые с дипломом PhD, чего в России никогда не было. За такие перемены — резонансные и давно ожидаемые — проголосовали на пленуме Высшей аттестационной комиссии при Министерстве образования и науки РФ.

В связи с пандемией COVID-19 деятельность ВАК, включая его экспертные советы и президиум, была приостановлена. И только недавно с удаленным интерактивным участием вновь заработали экспертные советы, стал собираться президиум. Итоги первого в этом году пленума в интервью «Российской газете» прокомментировал председатель ВАК академик Российской академии образования Владимир Филиппов.

Владимир Михайлович, перемены и споры о переменах в системе аттестации научных кадров мы наблюдаем уже лет пятнадцать. Какие нововведения предложены сейчас и чем они вызваны?

Владимир Филиппов: На пленуме ВАК, который обычно собирается два раза в год, а в этом году состоялся только сейчас, принято несколько принципиальных и давно ожидаемых решений.

Первое и главное — это новая номенклатура научных специальностей. Раньше было 430, сейчас останется, наверное, 350 специальностей. Большинство из оставшихся получило новое наименование или произошли объединения. Над этим ученые работали последние два года. Предыдущая номенклатура не менялась практически 12 лет, были добавлены только две новые специальности — теология и пластическая хирургия. И это при том, что новые направления в науке рождаются стремительно. Система была не гибкая.

Второе — дополнение к ныне действующему порядку, когда в диссертационном совете должно быть минимум 19 докторов наук и есть право проводить защиты по трем научным специальностям. Теперь предусмотрена возможность формировать диссертационные советы численностью 11 докторов наук и более, но с правом проведения защит только по одной-двум научным специальностям.

Третье — возможность защиты не по тексту специально написанной диссертации, а по научному докладу. Были и сохраняются требования к рукописи, которая называется диссертацией. Даже к ее объему: для гуманитариев — один, для естественных наук — другой. Сейчас принято решение создать возможность для активно работающих ученых защищаться по научному докладу, в основе которого — совокупность опубликованных работ.

Правовые аспекты образования эксперты «РГ» разбирают в рубрике «Юрконсультация»

Речь только о степени доктора наук или о кандидатских диссертациях тоже?

Владимир Филиппов: И министерство, и ВАК прислушались к мнению коллег из Российской академии наук. Они предложили начать с докторских — посмотреть, отработать процедуры, учесть возможные риски. А молодые ученые должны учиться писать в строгом научном стиле, и работа над текстом диссертации как раз проявляет и формирует такие навыки. Поэтому пока принято решение, что только на ученую степень доктора наук возможна защита по научному докладу.

И, наконец, четвертое важное изменение, которое будет вводиться. Это возможность включения в состав диссертационных советов не только докторов наук, но и тех активно работающих ученых, которые имеют степень PhD или же со степенью кандидата наук.

Эти четыре новации серьезно изменят ландшафт научной аттестации в нашей стране.

Почему решили изменить (кто-то говорит, снизить) требования к численному и качественному составу диссертационных советов?

Владимир Филиппов: Тут два момента, их считаю важным развести. Да, требования к количественному составу решено снизить. Это сделано в интересах научного сообщества, научных школ — главным образом, для Сибири, Дальнего Востока, других регионов России, где не всегда можно набрать 19 докторов наук, чтобы сформировать один диссертационный совет. Буквально только что на президиуме ВАК обсуждали и принимали решение о закрытии действующего совета в Хабаровске. Ситуация абсолютно жизненная: один из 19 докторов наук, человек в возрасте, скончался. И все — с этого момента диссертационный совет недееспособен. Они шесть месяцев пытались найти замену — доктора наук соответствующей специальности. Не нашли. И по действующим правилам совет был закрыт.

А чтобы создать заново — это долгая и непростая бумажная эпопея…

Владимир Филиппов: В том и дело. А сейчас, когда будет требование по количественному составу 11 человек — это более гибкая система. Но в том, что касается качественного состава, никакого снижения нет и быть не может. Я бы даже сказал, наоборот. Раньше в состав диссовета не могли входить лица со степенью PhD. В том числе весьма известные ученые, даже лауреаты Нобелевской премии. Почему? Потому что они PhD, по нашим прежним критериям — кандидаты, а не доктора наук. Но это же нонсенс, когда мы в течение последних 10 лет, да и раньше, не могли включать в состав диссоветов нобелевских лауреатов!

Почему же? Думаю, что и Виталий Лазаревич Гинзбург, и Жорес Иванович Алферов, светлая им память, в такие советы могли входить и входили. Или вы имеете в виду иностранных ученых — лауреатов Нобелевской премии?

Владимир Филиппов: Конечно, иностранных. Потому что наши указанные ученые — доктора наук. Но главное, что каждый такой ученый со степенью PhD и просто кандидат наук должен иметь за пять последних лет не менее 10 научных публикаций в журналах из мировых баз данных. Это серьезное требование для них. Давайте сравним: сейчас, если ты доктор наук и у тебя 1-2 такие публикации, ты можешь быть в диссовете. А ученый, у которого за 5 лет 10 публикаций, но он только PhD, не мог быть в составе совета. Поэтому сейчас качественный состав диссоветов может быть существенно повышен за счет иностранных ученых и активно работающих российских кандидатов наук.

Теперь такого «крайнего» не будет. Каждый диссовет, каждый ученый в его составе и есть тот вратарь на последней линии, чтобы брак не пропускать

А уж если затронули тему премий как признания заслуг в науке, скажем шире: помимо Нобелевской есть учрежденная в России международная премия «Глобальная энергия» — за открытия и достижения в области энергетики. У математиков есть престижные Абелевская премия и премия Филдса, у физиков — премия Ферми и другие. Их всего более ста — престижных международных наград в разных областях науки.

Но их обладатели не могли входить в составы диссоветов, так как имели только степень PhD — не было для этого юридических оснований? А теперь такие основания будут?

Владимир Филиппов: Именно так. А почему это назрело? Потому что с формальной, в том числе количественной, стороны при формировании диссоветов мы в последние годы все соблюдали, а качественная сторона страдала. Семь лет назад, когда мы начали серьезную реформу в сфере научной аттестации, в России было 3300 диссоветов. Сейчас их осталось менее 1900, а 1400 закрыты. За плохое качество работы, за то, что не набирали в свой состав тех самых 19 докторов наук. Вводимые сейчас изменения назрели как раз потому, что почти половина диссертационных советов в стране было закрыто. И большинство из тех, что закрыты, находились не в Москве и не в Санкт-Петербурге, а в регионах, причем весьма удаленных.

Правильно ли я понимаю, что теперь, как уже было когда-то, можно получить ученую степень без обязательного написания и защиты диссертации? Вместо нее можно представить научный доклад по совокупности опубликованных статей? С какой целью решили сделать это допущение?

Владимир Филиппов: Во-первых, это зарубежный опыт. У нас обязательно диссертация, то есть специально созданная рукопись. А там, как правило, автореферат, к которому прикладываются основные научные публикации автора. Такой подход уже стали широко практиковать и наши ведущие вузы: Санкт-Петербургский госуниверситет, Высшая школа экономики, РУДН, ЛИТМО и целый ряд других. И пошло это, хочу особо подчеркнуть, не из желания подражать Западу. Главный посыл был от наших активно работающих ученых. Многие из них, весьма достойные научных степеней, не хотели и не могли защищаться только потому, что нужно было отрываться от реальной научной работы и садиться за написание формальной диссертации, да еще «по ГОСТу». И вполне справедливо возмущались, что от них требуют никому не нужный талмуд с большим набором формальных условий.

В такую произвольно открытую дверь может хлынуть вал желающих остепениться…

Владимир Филиппов: Требования содержательные — не по форме, а по существу — остаются высокими и едиными для всех. А для таких защит, по докладу, даже стали жестче. За 10 последних лет нужно иметь 50 публикаций в международных базах данных для гуманитарных и социально-экономических направлений и 30 — для естественно-научных и технических специальностей. Это в среднем по 5 публикаций в год в серьезных рецензируемых журналах.

Некоторые говорят: ну вот сейчас многие конторы и так называемые хищные журналы станут за деньги публиковать и продвигать всех желающих в международные базы данных. А потом по ним станут защищаться. Хочу сказать, что все ровно наоборот. Это раньше, когда защищалась только диссертация, смотрели главным образом на этот текст, а публикации автора никто (или почти никто) не изучал и даже в них не заглядывал. Даже оппоненты этого не делали — за о-очень редким исключением. Читали только автореферат и в лучшем случае диссертацию. А вот сейчас — наоборот. Когда не будет текста диссертации, а приложены опубликованные статьи, их будут смотреть и члены диссовета, и назначенные оппоненты.

Помимо опубликованных статей для такого рода защит по докладу можно прилагать и патенты, свидетельства на изобретения, другие практические подтверждения важных научных разработок?

Владимир Филиппов: Такие предложения вносились, мы их обсуждали, но принять не смогли. По той причине, что патенты, свидетельства на изобретения и другие документы такого рода не входят в международные базы данных — ни в Scopus, ни в Web of Science, а значит, не могут быть учтены. Возможно, это следующий этап — расширение возможностей. А пока в итоге коллективного обсуждения ученые пришли к тому, чтобы при защитах по докладу, то есть совокупности работ, брать в расчет только научные публикации в международных базах данных.

Защита по докладу — это ведь не что-то из ряда вон новое. Насколько знаю, в советские времена это широко практиковалось для ученых и конструкторов, работающих в оборонной сфере. Тем более когда это было связано с секретностью, защитой гостайны и особыми формами допуска…

Владимир Филиппов: Вы правы. Как в той поговорке: все новое и лучшее — хорошо забытое старое… А если говорить всерьез, этот опыт действительно пришел из оборонки, когда стремились не отвлекать для написания диссертаций высоко квалифицированных и предельно загруженных основной работой специалистов.

Защита по докладу — это проверка научной зрелости, а не способ «остепениться по-быстрому». Фото: sasirin pamai / istock

Все то, что будет изменено в системе научной аттестации, имеет универсальный и обязательный характер для всех субъектов этого процесса в России? Или выводит «за скобки» те университеты и научные организации, которым уже дано право самостоятельно, помимо ВАК, формировать диссертационные советы и самостоятельно, по своим критериям и процедурам, присваивать ученые степени?

Владимир Филиппов: Для того чтобы рекомендации ВАК стали действующей нормой, предстоит издание нормативных актов. Ведь положение о порядке присуждения ученых степеней, об этом важно напомнить, утверждается правительством России. Другие нормативные акты, например, положение о формировании диссертационных советов, вводятся приказом министра образования и науки и регистрируются в минюсте. Если в финальном тексте документов не будет оговорок или изъятий из рекомендаций ВАК, то они распространятся на всех участников системы аттестации.

Не будем забывать и том, что организации, получившие право самостоятельно присуждать ученые степени, многое из предлагаемого для всех уже используют. По действующей нормативной базе они не могли только включать в состав диссертационных советов лиц со степенями PhD и активно работающих кандидатов наук. Ну а в том, что касается новой номенклатуры научных специальностей, эти изменения станут обязательны для всех.

Вице-президент РАН Алексей Хохлов публично высказался в том смысле, что по нововведениям «шла продуктивная совместная работа минобрнауки, РАН и ВАК, и они представляют собой оптимальное на сегодняшний день компромиссное решение». Как было организовано это взаимодействие?

Владимир Филиппов: Высшая аттестационная комиссия, ВАК, — это более 130 человек, из них более 70 — это академики и члены-корреспонденты РАН и других государственных академий наук. То есть более половины голосов в составе ВАК — это голоса академического сообщества. Эти ученые представляют научно-исследовательские центры, многие работают в ведущих университетах или совмещают одно с другим. А их совместная работа в ВАК, в том числе над обновлением номенклатуры научных специальностей, стала следствием многолетних системных решений по интеграции вузовской и академической науки.

В России было 3300 диссоветов. Сейчас осталось менее 1900, а 1400 закрыты. За плохое качество работы и за то, что не набирали в свой состав 19 докторов наук

В этой работе непосредственным образом участвовали 46 экспертных советов ВАК. А в каждый из них входит в среднем по 40 человек. То есть более полутора тысяч ученых в 46 экспертных советах работали, в частности, над новой номенклатурой научных специальностей.

И третье, что во многом определило результат, это создание совместной с РАН рабочей группы: это 66 ученых, большинство из них — академики, каждый со своим мнением. Руководить такой рабочей группой было очень непросто. Поэтому очень важна была, я бы сказал, политическая поддержка такой работы и со стороны министра Валерия Николаевича Фалькова, и со стороны президента РАН Александра Михайловича Сергеева.

Неужели по всем предлагавшимся изменениям позиции РАН и минобрнауки полностью совпали?

Владимир Филиппов: Тут я могу только согласиться с академиком Хохловым: действительно, найдено оптимальное на сегодняшний день решение. Да, оно компромиссное. Но жизнь на этом не заканчивается. Будем работать и вносить те или иные коррективы, когда ситуация, что называется, созреет.

Ключевой вопрос

Поступают ли к вам сигналы о фактах ненадлежащей защиты диссертаций в тех вузах и НИИ, которым даны автономные права в вопросах аттестации? Как вы и члены ВАК на такие сигналы реагируете?

Филиппов | Такие сигналы, естественно, поступают. Но практически все они связаны с процедурными нарушениями — где-то сроки превысили, где-то бумагу нужную не приложили или оформили что-то «не по уставу». Но во всех подобных случаях это компетенция и ответственность самих организаций, которым дано право присуждения ученых степеней.

А претензий, которые бы касались качества защищенных диссертаций в организациях с автономными правами, мы до сих пор не получали. Более того, все такие организации, начиная с МГУ, Санкт-Петербургского госуниверситета, Высшей школы экономики, РАНХИГС, РУДН, МИФИ, повысили требования и к соискателям, и к работам, которые они публиковали и на которые ссылаются при защите. Чтобы это были не только работы в журналах из перечня ВАК, но и в международных базах данных. А при самих защитах все чаще выясняют и оценивают то, в каких организациях работа проходила апробацию, где докладывались основные результаты — на каких конференциях, семинарах.

И еще одно попутное замечание. Мы же говорим и призываем друг друга: больше демократии. Поэтому нельзя и не надо все сводить к тому, что вот в Москве есть дядька, мы ему пожалуемся — в минобрнауки или ВАК. Важнейшая идея и цель новой системы — повысить репутационную ответственность этих организаций и самих ученых в составе диссоветов. Чтобы не отмахивались, как бывало прежде: ВАК, мол, утвердил — какие к нам претензии… Сейчас такого «крайнего» не будет. Каждый диссовет, каждый входящий в его состав ученый и есть тот вратарь на последней линии, чтобы брак не пропускать. Они своей репутацией за качество отвечают. Более того, в некоторых из этих организаций принято правило не тайного голосования, а каждый член диссовета своей подписью закрепляет то, как он проголосовал — за или против.

Темпы роста населения по сравнению с объемом прироста населения

С 1968 года темпы роста населения в мире неуклонно снижались, с 2,1 процента в год до 1,1 процента в настоящее время. Согласно одному недавнему исследованию, опубликованному в журнале The Lancet, численность мирового населения может достигнуть пика уже в 2064 году и составит 9,7 миллиарда человек, а затем постепенно сократиться, упав до 8,8 миллиарда к 2100 году. Напротив, наиболее цитируемый демографический прогноз Организации Объединенных Наций предполагает рост населения в 21-м году. века, с расчетным населением 10.8 миллиардов к 2100 году. Разные выводы, по сути, являются результатом уникальных предположений о будущих тенденциях рождаемости.

Так или иначе, за последние 50 лет очевидно, что темпы прироста населения снизились — — , и это отличная новость для и без того перегруженной планеты. Мы уже используем больше ресурсов, чем можем пополнять каждый год при нашем нынешнем населении в 7,8 миллиарда человек. Земля находится в разгаре кризиса исчезновения, чрезвычайной ситуации с выбросами парниковых газов и многих других опасных экологических катастроф.Когда дело доходит до вопроса об устойчивой человеческой цивилизации, разумные умы могут расходиться во мнениях относительно относительной важности фактора населения, но никакой разумный объективный анализ никогда не проигнорирует его полностью.

Следовательно, очень важно понимать, что снижение темпов роста населения не означает, что проблема народонаселения решена. . Это, конечно, не означает, что нынешняя численность населения в 7,8 миллиарда человек является экологически устойчивой или что попытки избежать более высоких прогнозов численности населения нежелательны.Пока мы не достигнем темпов роста 0% — и да, даже временных отрицательных темпов роста (подобных тем, что переживает Япония сейчас) — население мира будет продолжать расти, а уровни потребления, выбросы CO2 и экологическая деградация почти наверняка последуют этому примеру. .

Довольно невероятно, но многие люди, включая влиятельных экономистов, политиков и некоторых руководителей отрасли, все еще принимают свои решения так, как будто никаких экологических проблем не существует. Другие, такие как Илон Маск, беспокоятся о прекращении роста населения, как если бы это была ужасная проблема.Эти примеры демонстрируют, что многие чрезвычайно квалифицированные, талантливые и умные люди недостаточно уважают сложность и ценность экологических систем Земли. Для них рост населения считается категорическим положительным моментом, поскольку он способствует неолиберальной экономической экспансии. Возможно, что еще более удивительно, некоторые люди согласны с тем, что существует экологический кризис, но считают, что устойчивость возможна даже при большом и растущем человеческом населении. Эта статья, опубликованная в «Нью-Йорк Таймс» за 2013 год, отражает такую философию.

История темпов роста по сравнению с абсолютным чистым ростом

Люди, которых не слишком беспокоит нынешняя человеческая нагрузка на планету или которые твердо убеждены, что население не является приоритетной проблемой для экологической устойчивости, обычно указывают на снижение темпов прироста населения. Они ссылаются на снижение темпов роста, как будто это должно немедленно положить конец любым дальнейшим дискуссиям о народонаселении как об экологической проблеме. Они намекают — или прямо заявляют, — что беспокойство о населении наивно, неразумно, человеконенавистнически или того хуже.

Экологи, биологи и защитники окружающей среды, безусловно, приветствуют снижение темпов прироста населения, но они решительно указывают на критическое предостережение: объем прирост населения еще не начал существенно снижаться. Здесь понятие объема — это мера абсолютного числа людей, прибавляемых к населению в заданный период времени, аналогично объему воды, протекающей через реку в любое данное место и время.

Население мира достигло 1 миллиарда в начале первого десятилетия 1800-х годов. Прошло более 120 лет, прежде чем оно достигло 2 миллиардов в 1927 году. Затем началось большое ускорение — и потребовалось всего 33 года, чтобы достичь трех миллиардов в 1960 году. На тот момент темп прироста населения составлял около 1,86%.

Население мира достигло 4 миллиардов в 1974 году (14 лет), когда темпы роста составляли 1,94%. Пять миллиардов пришло в 1987 году (13 лет), а темп роста составил 1,85%. Население превысило 6 миллиардов в 1999 году (12 лет), а темпы роста составили 1.33%. Семь миллиардов было пройдено в 2011 году (12 лет) с темпом роста 1,21%. Важно отметить, что в конце 2022 года ожидается 8 миллиардов — всего 11 лет с 7 миллиардов — и темпы роста по-прежнему будут составлять около 1%.

Несмотря на продолжающееся снижение темпов прироста населения — что, конечно, хорошо, — объем прироста населения (абсолютное число людей, добавляемых к населению) по-прежнему приводит к дополнительной нагрузке на 1 миллиард человек на планете каждые 11 человек. -14 лет. Это происходит непрерывно с 1960 года.

Расходящиеся мнения о населении

В Population Media Center мы считаем, что численность населения составляет человек, что вносит основной вклад в экологическую деградацию. Конечно, население — это лишь часть очень сложной ситуации. Это буквально лишь одна часть уравнения.

Уровень потребления во всем мире также играет фундаментальную, очень разрушительную роль. На горстку стран приходится большая часть выбросов CO2, а относительно небольшая клика чрезвычайно богатых людей потребляет значительно больше ресурсов, чем миллиарды людей с низкими доходами вместе взятые.Многие из стран с высоким уровнем рождаемости, например в странах Африки к югу от Сахары, в настоящее время имеют относительно низкий углеродный след. Однако стоит отметить, что все нынешние страны с низким экологическим следом работают над тем, чтобы максимально увеличить свое потребление, как только у них появится такая возможность. Фактически очевидно, что по крайней мере 2,5 миллиарда из 7,8 миллиарда человек, живущих сегодня на планете, отчаянно нуждаются в дополнительных материальных ресурсах, если они хотят избежать бедности и достичь минимально приемлемых стандартов питания, жилья и санитарии.

Имея это в виду, снижение уровня потребления в уже экономически развитых странах должно быть основным экологическим приоритетом, но это не делает темпы роста населения менее заметными как область для долгосрочного вмешательства. Эти две цели не исключают друг друга. Мы должны делать все возможное, чтобы смягчить наихудшие последствия быстро меняющейся планеты, работая над созданием наиболее устойчивой ситуации для будущих поколений.

Узнайте, как PMC решает проблему глобального роста населения

Population Media Center понимает, что уменьшение факторов роста мирового населения должно идти рука об руку с далеко идущей социальной справедливостью, гендерным равенством и экономической парадигмой, действительно основанной на экологических аспектах.В своей работе мы придерживаемся рекомендаций, содержащихся в Программе действий Международной конференции по народонаселению и развитию 1994 года: создание развлекательных средств массовой информации, включая радио и телешоу, мыльные оперы и драмы, которые будут устранять коренные причины неустойчивого роста населения.

Эти движущие факторы включают сочетание темпов роста численности населения, представлений о высокой желаемой фертильности во всем мире, низкого статуса женщин и девочек и предвзятого отношения к противозачаточным средствам, которое само по себе в значительной степени основано на слухах, мифах, дезинформации и подчинении личных предпочтений женщин. .Наши шоу успешно вызвали позитивные изменения в отношении и поведении публики по всему миру. Мы дали возможность миллионам слушателей спланировать свои семьи таким образом, чтобы они были жизнеспособными для них самих, их сообществ и мира в целом.

Узнайте, как PMC сегодня принимает меры против перенаселения!

Перспективы народонаселения мира: редакция 2017 года | Мультимедийная библиотека

Ожидается, что нынешнее население мира, составляющее 7,6 миллиарда человек, достигнет 8.6 миллиардов в 2030 году, 9,8 миллиарда в 2050 году и 11,2 миллиарда в 2100 году, согласно новому докладу Организации Объединенных Наций, который публикуется сегодня. Ежегодно население мира увеличивается примерно на 83 миллиона человек, и ожидается, что тенденция к увеличению численности населения сохранится, даже если предположить, что уровни фертильности будут продолжать снижаться.

The World Population Prospects: The 2017 Revision , опубликованный Департаментом ООН по экономическим и социальным вопросам, содержит всесторонний обзор глобальных демографических тенденций и перспектив на будущее.Информация необходима для руководства политикой, направленной на достижение новых целей в области устойчивого развития.

Изменения в рейтинге населения страны

Новые прогнозы включают некоторые важные выводы на страновом уровне. Китай (с 1,4 миллиарда жителей) и Индия (1,3 миллиарда жителей) остаются двумя самыми густонаселенными странами, составляя 19 и 18% от общей численности населения мира. Ожидается, что примерно через семь лет, или примерно к 2024 году, население Индии превзойдет население Китая.

Среди десяти крупнейших стран мира Нигерия растет самыми быстрыми темпами. Следовательно, население Нигерии, которая в настоящее время занимает седьмое место в мире, по прогнозам, превзойдет население Соединенных Штатов и станет третьей по величине страной в мире незадолго до 2050 года.

Большая часть глобального прироста приходится на небольшое количество стран

Ожидается, что с 2017 по 2050 год половина прироста населения мира будет сосредоточена всего в девяти странах: Индии, Нигерии, Демократической Республике Конго, Пакистане, Эфиопии, Объединенной Республике Танзании, Соединенных Штатах Америки. , Уганда и Индонезия (в порядке их ожидаемого вклада в общий рост).

Группа из 47 наименее развитых стран (НРС) по-прежнему имеет относительно высокий уровень фертильности, который составлял 4,3 рождения на женщину в 2010–2015 годах. В результате население этих стран быстро растет, примерно на 2,4% в год. Хотя ожидается, что эти темпы роста значительно замедлятся в ближайшие десятилетия, общая численность населения НРС, составляющая примерно один миллиард в 2017 году, по прогнозам, увеличится на 33% в период с 2017 по 2030 год и достигнет 1,9 миллиарда человек в 2050 году.

Аналогичным образом, в Африке по-прежнему наблюдаются высокие темпы прироста населения. Согласно прогнозам, в период с 2017 по 2050 год население 26 африканских стран увеличится как минимум вдвое по сравнению с нынешним.

Концентрация глобального роста населения в беднейших странах представляет собой серьезную проблему для правительств в реализации Повестки дня в области устойчивого развития на период до 2030 года, которая направлена на искоренение бедности и голода, расширение и обновление систем здравоохранения и образования, достижение гендерного равенства и расширение прав и возможностей женщин, сокращение неравенство и гарантировать, что никто не останется позади.

Замедление темпов роста мирового населения из-за более низкого уровня рождаемости

В последние годы рождаемость снизилась почти во всех регионах мира. Даже в Африке, где уровни фертильности являются самыми высокими из всех регионов, общая фертильность упала с 5,1 рождений на женщину в 2000–2005 годах до 4,7 в 2010–2015 годах.

Европа была исключением из этой тенденции в последние годы: общая фертильность увеличилась с 1,4 рождений на женщину в 2000–2005 годах до 1,6 в 2010–2015 годах.

В настоящее время все больше и больше стран имеют коэффициенты фертильности ниже уровня, необходимого для смены следующих друг за другом поколений (примерно 2,1 рождения на женщину), а некоторые находятся в такой ситуации в течение нескольких десятилетий. В 2010–2015 годах рождаемость была ниже уровня воспроизводства в 83 странах, в которых проживает 46% населения мира. В десятку самых густонаселенных стран этой группы входят Китай, Соединенные Штаты Америки, Бразилия, Российская Федерация, Япония, Вьетнам, Германия, Исламская Республика Иран, Таиланд и Великобритания (в порядке численности населения).

Снижение фертильности ведет также к старению населения

В отчете подчеркивается, что снижение уровня фертильности приводит не только к замедлению темпов роста населения, но и к старению населения.

Ожидается, что по сравнению с 2017 годом количество людей в возрасте 60 лет и старше увеличится более чем вдвое к 2050 году и более чем втрое к 2100 году, увеличившись с 962 миллионов в 2017 году до 2,1 миллиарда в 2050 году и 3,1 миллиарда в 2100 году.

В Европе 25% населения уже в возрасте 60 лет и старше.По прогнозам, эта доля достигнет 35% к 2050 году и останется на этом уровне во второй половине столетия. Согласно прогнозам, население других регионов также значительно постареет в течение следующих нескольких десятилетий и продолжится до 2100 года. В Африке, например, где возрастное распределение является самым молодым из всех регионов, прогнозируется быстрое старение населения. Хотя африканское население останется относительно молодым еще несколько десятилетий, ожидается, что процент его населения в возрасте 60 лет и старше вырастет с 5% в 2017 году до примерно 9% в 2050 году, а затем почти до 20% к концу столетия. .

Согласно прогнозам, к 2050 году в мире число людей в возрасте 80 лет и старше утроится — со 137 миллионов в 2017 году до 425 миллионов в 2050 году. Ожидается, что к 2100 году оно увеличится до 909 миллионов, что почти в семь раз больше, чем в 2017 году.

Прогнозируется, что старение населения окажет глубокое влияние на общества, подчеркнув финансовое и политическое давление, с которым системы здравоохранения, пенсий по старости и социальной защиты многих стран могут столкнуться в ближайшие десятилетия.

Более высокая продолжительность жизни во всем мире

За последние годы произошло существенное улучшение ожидаемой продолжительности жизни.Во всем мире ожидаемая продолжительность жизни при рождении увеличилась с 65 лет для мужчин и 69 лет для женщин в 2000–2005 годах до 69 лет для мужчин и 73 лет для женщин в 2010–2015 годах. Тем не менее, между странами сохраняются большие различия.

Несмотря на то, что недавний рост ожидаемой продолжительности жизни разделили все регионы, наибольший прирост был отмечен в Африке, где в период с 2000–2005 годов по 2010–2015 годы ожидаемая продолжительность жизни выросла на 6,6 года после роста менее чем на 2 года по сравнению с предыдущим десятилетием.

Разрыв в ожидаемой продолжительности жизни при рождении между наименее развитыми странами и другими развивающимися странами сократился с 11 лет в 2000–2005 годах до 8 лет в 2010–2015 годах.Хотя, согласно прогнозам, различия в ожидаемой продолжительности жизни между регионами и группами доходов сохранятся в будущие годы, ожидается, что такие различия значительно уменьшатся к 2045–2050 годам.

Повышенный уровень и снижение вариабельности ожидаемой продолжительности жизни были вызваны многими факторами, включая более низкий уровень смертности детей в возрасте до пяти лет, который упал более чем на 30% в 89 странах в период с 2000-2005 по 2010-2015 годы. Другие факторы включают продолжающееся снижение смертности от ВИЧ / СПИДа и прогресс в борьбе с другими инфекционными, а также неинфекционными заболеваниями.

Крупные перемещения беженцев и других мигрантов

Продолжаются значительные перемещения мигрантов между регионами, часто из стран с низким и средним уровнем доходов в страны с высоким уровнем доходов. Объем чистого притока мигрантов в страны с высоким уровнем доходов в 2010-2015 годах (3,2 миллиона в год) представляет собой снижение по сравнению с пиковым значением, достигнутым в 2005-2010 годах (4,5 миллиона в год). Хотя международной миграции на нынешнем уровне или около него будет недостаточно для полной компенсации ожидаемой потери населения, связанной с низким уровнем рождаемости, особенно в европейском регионе, перемещение людей между странами может помочь смягчить некоторые неблагоприятные последствия старения населения. .

В отчете отмечается, что кризис сирийских беженцев оказал серьезное влияние на уровни и характер международной миграции в последние годы, затронув несколько стран. По оценкам, чистый отток из Сирийской Арабской Республики в 2010–2015 годах составил 4,2 миллиона человек. Большинство этих беженцев отправились в соседние с Сирией страны, что способствовало значительному увеличению чистого притока мигрантов, особенно в Турцию, Ливан и Иорданию.

Кинетика объема популяции у добровольцев: Reply | Анестезиология

Мы благодарим Dr.Хану за прекрасные комментарии ¹ и пристальный интерес к нашему исследованию. ² В этом исследовании мы попытались определить важные ковариаты, которые можно было бы использовать для разработки будущих исследований объемной кинетики.

Мы осознаем ограничения нашего исследования. А именно, в настоящем исследовании неточные данные мочи были получены с помощью УЗИ мочевого пузыря , что привело к неопределенности в выделении мочи в отношении времени и объема.Таким образом, чтобы не вносить систематической ошибки, измерения мочи не были включены в моделирование. Мы понимаем, что этот недостаток потенциально привел к менее стабильной модели с более высокой межиндивидуальной вариабельностью. Кроме того, дизайн исследования, исследуемая популяция и небольшое количество субъектов ³ и наблюдения также могут привести к более высокой оценке межиндивидуальной вариабельности константы скорости выведения ( k _e) по сравнению с предыдущими исследованиями.

В нашем исследовании среднее артериальное давление было тесно связано с состоянием пациента ( e.грамм. , находясь под наркозом или бодрствуя). Включение сильно связанных ковариат в пошаговую процедуру построения ковариатной модели приведет к высокой неточности и нестабильности ковариатного анализа. ^4,5 Таким образом, мы решили включить только состояние объекта в качестве ковариации. Кроме того, поскольку состояние субъекта, вероятно, будет известно до любого вмешательства, эту ковариату будет легче применить при планировании будущих исследований. Следовательно, поскольку корреляция между средним артериальным давлением и состоянием пациента высока, мы не считаем, что включение гипотензии, вызванной анестезией, улучшило бы соответствие модели, а вместо этого, вероятно, ослабило бы влияние ковариаты состояния пациента.

Мы тщательно перепроверили таблицу 1 в оригинальной рукописи ² и подтверждаем, что оценки, сделанные на основе построения модели, верны. Таким образом, модель (представленная в таблице 1) ² может быть использована для экстраполяции и планирования будущих исследований. Однако в моделировании имеется типографская ошибка, заключающаяся в переключении константы скорости передачи от центра к периферии на константу скорости передачи от периферии к центру при моделировании эффекта состояния объекта.Эта ошибка повлияет на моделирование состояния субъекта (под наркозом или бодрствование) в противоположном направлении (, т. Е. , что приведет к немного меньшей площади под кривой и максимальному разбавлению плазмы у анестезированных субъектов по сравнению с бодрствующими субъектами). Мы благодарим доктора Хана за обнаружение этой ошибки.

2020

Введение в демографию населения | Изучайте науку в Scitable

Популяция определяется как группа особей одного и того же вида, живущих и скрещивающихся на определенной территории. Члены популяции часто полагаются на одни и те же ресурсы, подвержены схожим ограничениям окружающей среды и зависят от доступности других членов, чтобы сохраняться с течением времени. Ученые изучают популяцию, исследуя, как люди в этой популяции взаимодействуют друг с другом и как популяция в целом взаимодействует с окружающей средой.В качестве инструмента для объективно изучения популяций популяционные экологи полагаются на серию статистических измерений, известных как демографические параметры , для описания этой популяции (Lebreton et al .1992). Область науки, заинтересованная в сборе и анализе этих цифр, называется демографией населения, также известной как демография.

В широком смысле демография — это изучение характеристик населения. Он дает математическое описание того, как эти характеристики меняются с течением времени.Демография может включать любые статистические факторы, влияющие на рост или сокращение численности населения, но несколько параметров особенно важны: размер популяции, плотность, возрастная структура, плодовитость (уровень рождаемости), смертность (уровень смертности) и соотношение полов (Dodge, 2006). Мы представим каждый из них по очереди.

Самый фундаментальный демографический параметр — это количество людей в популяции (Lebreton et al , 1992). Размер популяции определяется как количество особей, находящихся в субъективно обозначенном географическом диапазоне человек.Несмотря на простоту концепции, определить местонахождение всех особей во время переписи (полный подсчет каждой особи) практически невозможно, поэтому экологи обычно оценивают размер популяции, подсчитывая особей в пределах небольшой области выборки и экстраполируя этой выборки на большую популяцию. Независимо от проблем, связанных с измерением размера популяции, это важная характеристика популяции со значительными последствиями для динамики популяции в целом (Lebreton et al .1992).
Популяции демонстрируют отличительное поведение в зависимости от их размера. Небольшие популяции подвергаются большему риску исчезновения (Caughley 1994). Особи в этих популяциях могут испытывать трудности с поиском качественных партнеров, поэтому спаривается меньше особей, а те, которые действительно рискуют, инбридинг (Hamilton 1967). Кроме того, люди из небольшой популяции более подвержены случайной смерти. Такие события, как пожар, наводнение и болезнь, имеют больше шансов убить всех людей в популяции.

Большие группы населения испытывают собственные проблемы. По мере приближения к максимальной численности устойчивой популяции (), известной как продуктивность, большие популяции демонстрируют характерное поведение. Популяции, приближающиеся к своей несущей способности, испытывают более сильную конкуренцию за ресурсы, сдвиги в отношениях хищник-жертва и снижение плодовитости. Если популяция станет слишком большой, она может начать превышать пропускную способность окружающей среды и ухудшить доступную среду обитания (рис. 1).

Рис. 1: Стаи саранчи превышают потенциальную урожайность при огромных размерах популяции.
Эти кратковременные всплески численности населения порождают стаи, способные разрушать фермы, когда они перемещаются по сельскохозяйственным ландшафтам, съедая все на своем пути.
Фото любезно предоставлено Комптоном Такером / NASA GSFC.
Более полное описание размера популяции включает плотность населения — размер популяции по отношению к количеству пространства, которое она занимает.Плотность обычно выражается как количество особей на единицу площади или объема (Lebreton et al , 1992). Например: количество ворон на квадратный километр или количество планктона на литр (Andren 1992, Sterner 1986). Как и все свойства популяции, плотность — это динамическая характеристика, которая со временем изменяется по мере того, как особи добавляются к популяции или удаляются из нее. Близкородственные виды птиц олуш будут сохранять очень разную плотность (рис. 2). Рождение и иммиграция — приток новых людей из других областей — могут увеличить плотность населения, в то время как смерть и эмиграция — перемещение людей из популяции в другие области — могут уменьшить его плотность (Lebreton et al .1992).

Рис. 2: Оуши могут сохраняться при очень высокой плотности.
Они развили преувеличенное территориальное поведение как приспособление для поддержания этих плотно упакованных колоний.
Фото любезно предоставлено Follash через Wikimedia Commons.
Как и размер популяции, плотность населения показывает отличительные характеристики как при высоких, так и при низких значениях. Факторы, зависящие от плотности , включая конкуренцию, хищничество , миграцию и болезнь, усиливаются внутри популяций по мере увеличения плотности.Напротив, независимых от плотности факторов , таких как погода, режимы пожаров и наводнения, воздействуют на популяции независимо от их удельной плотности (Lebreton et al , 1992).
Не все люди вносят одинаковый вклад в популяцию. Иногда исследователи считают полезным охарактеризовать различный вклад, сделанный разными людьми. Во-первых, индивидуумы сортируются по возрастным категориям, называемым когортами , например, «подростки» или «младшие взрослые» (Dodge, 2006).Затем исследователи создают профиль размера и возрастной структуры когорт, чтобы определить репродуктивный потенциал этой популяции, чтобы оценить текущий и будущий рост. Обычно быстро растущее население будет иметь более крупные репродуктивные когорты, стабильные популяции демонстрируют более равномерное распределение возрастных классов, а быстро сокращающиеся популяции имеют большие старшие когорты (Lebreton et al , 1992).
Возрастная структура может быть представлена графически в виде пирамиды населения (рис. 3).Хотя возрастная структура населения не всегда имеет пирамидальную форму, в большинстве популяций есть более молодые когорты, которые больше, чем старшие. Например, исследования сусликов Белдинга на перевале Тиога, проведенные Шерманом и Мортоном, выявили когорты более 300 особей и менее 10 особей в когортах старше шести лет (Sherman & Morton 1984).

Рис. 3. Пирамида возрастной структуры итальянского городка Мателика показывает доминирующий средний возрастной класс.
Пирамида возрастной структуры итальянского городка Мателика показывает доминирующий средний возрастной класс.
Фото любезно предоставлено Qc72 через Wikimedia Commons.

Согласно возрастной структуре, некоторые люди в популяции имеют большее влияние на процессы на уровне популяции, такие как рост. Плодовитость описывает количество потомков , которое особь или популяция может произвести в течение заданного периода времени (Martin 1995) (Рисунок 4). В демографических исследованиях плодовитость рассчитывается с помощью повозрастных коэффициентов рождаемости, которые могут быть выражены как количество рождений в единицу времени, количество рождений на одну женщину в единицу времени или количество рождений на 1000 человек на единицу времени. время.Максимальная (или физиологическая) плодовитость составляет теоретических максимального количества потомков, произведенных в популяции, без учета экологических ограничений. Однако, поскольку каждая экосистема налагает ограничения на свои популяции, экологи предпочитают измерять реализованную (или экологическую) плодовитость, которая представляет собой наблюдаемое количество потомства, производимого в популяции в реальных условиях окружающей среды.
Рис. 4: Общее гнездо яиц сцинка показывает плодовитость нескольких особей.
В то время как максимальная плодовитость является постоянной для популяций, реальная плодовитость меняется со временем в зависимости от размера, плотности и возрастной структуры популяции. Внешние условия, такие как наличие пищи и среды обитания, также могут влиять на плодовитость. Регулирование, зависящее от плотности, обеспечивает отрицательную обратную связь, если популяция становится слишком большой, за счет снижения рождаемости и остановки роста популяции с помощью множества механизмов (Lebreton et al .1992).У белоногих мышей, например, популяции регулируют скорость воспроизводства с помощью гормона стресса . По мере увеличения плотности населения растут и агрессивные взаимодействия между людьми (даже когда еда и кров безграничны). Высокая плотность населения приводит к частым агрессивным столкновениям, вызывая стрессовый синдром, при котором гормональные изменения задерживают половое созревание , вызывают сокращение репродуктивных органов и подавляют иммунную систему (Krohne 1984).
Еще одна индивидуальная черта, влияющая на рост населения, — смертность.Смертность — это мера индивидуальных смертей в популяции, которая служит противовесом плодовитости. Как и плодовитость, смертность измеряется в показателях , обычно выражаемых как количество особей, умерших за определенный период (количество смертей в единицу времени), или доля населения, которое умирает в данный период (процент смертей в единицу времени). У населения теоретически минимальная смертность — теоретически минимальное количество смертей в популяции без учета экологических ограничений.Минимальная смертность всегда ниже, чем реализованная (или экологическая ) смертность , которая представляет собой наблюдаемое количество потерь в популяции в реальных условиях окружающей среды. Так же, как и реальная плодовитость, реальная смертность меняется со временем в зависимости от внутренней и внешней динамики популяции (Benrey & Denno 1997).
Чтобы визуализировать смертность и плодовитость популяции, экологи создают таблицы дожития для отображения повозрастных статистических сводок моделей выживания популяции.Таблицы дожития, впервые разработанные римскими актуариями, использовались для оценки ожидаемой продолжительности жизни лиц определенной возрастной категории для оценки продуктов страхования жизни (Trenerry 1926). Раймонд Перл (1928) впервые представил таблицу дожития в биологии, когда применил ее к лабораторным исследованиям плодовой мухи, Drosophila . Таблицы дожития особенно полезны для видов с дискретными стадиями развития и коэффициентами смертности, которые широко варьируются от одной стадии к другой (Рисунок 5).

Рис. 5. Зеленый вонючий жук ( Nezara viridula ) принимает различные формы тела в результате метаморфоза между разными дискретными стадиями жизни.
Фото любезно предоставлено Jovo26 через Wikimedia Commons
Организмы, размножающиеся половым путем, должны найти себе пару, чтобы произвести потомство. Без сопоставимого количества самцов и самок возможности для спаривания могут быть ограничены, а рост популяции замедлится. Таким образом, экологи измеряют количество мужчин и женщин в популяции, чтобы построить соотношение полов, которое может помочь исследователям предсказать рост или сокращение популяции.Как и размер популяции, соотношение полов — это простая концепция, имеющая большое значение для динамики популяции. Например, стабильные популяции могут поддерживать соотношение полов 1: 1 и, следовательно, поддерживать постоянную скорость роста, тогда как сокращающиеся популяции могут развивать соотношение полов 3: 1 в пользу самок, что приводит к увеличению скорости роста . У видов, у которых самцы вносят значительный вклад в потомство , вырастающее , популяции могут вместо этого поддерживать соотношение, смещенное в сторону самцов (Hamilton 1967).
Интересно, что соотношение полов не всегда случайно, но им можно управлять при рождении с помощью механизмов окружающей среды или физиологических механизмов. Все крокодилы и многие рептилии используют стратегию, называемую экологическим определением пола, при которой температура инкубации определяет пол каждой особи (Delmas et al , 2008). Например, при низких температурах рождаются самцы, а при высоких температурах — самки. Во времена ограниченных ресурсов или высокой плотности популяции самки могут манипулировать соотношением полов в их кладке , тратя больше или меньше времени на инкубацию яиц (Girondot et al .2004 г.).
Популяция — это группа особей одного вида, взаимодействующих в одном пространстве. Здоровье и поведение населения определяется тем, как эти люди взаимодействуют друг с другом и с окружающей их средой. Мы можем определить статус популяции, измеряя и вычисляя элементы, общие для всех популяций, такие как размер, плотность, плодовитость, смертность, соотношение полов и возрастная структура. Эта демографическая статистика предоставляет исследователям стандартизированные показатели для сравнения популяций и оценки риска исчезновения.Точно так же, как врач не может диагностировать болезнь с помощью только измерения артериального давления, мы не можем управлять популяциями только на основе демографических параметров. Тем не менее, демографические данные обеспечивают основу для мониторинга здоровья населения и дают представление о механизмах сокращения численности населения.
RIPEC публикует объем населения в Род-Айленде в контексте серии — Совет по государственным расходам Род-Айленда
PROVIDENCE R.I. (октябрь 2019 г.): Сегодня Совет по государственным расходам Род-Айленда выпустил второй из трех томов, которые включают «Род-Айленд в контексте: региональные и исторические тенденции», издание 2019 года.
«Род-Айленд в контексте» предоставляет сводки и анализ самых последних национальных, региональных и государственных данных, которые измеряют тенденции в области народонаселения, экономики и государственных финансов штата Океан по сравнению со средними национальными и региональными показателями за десятилетия.
«Второй том Род-Айленда в контексте предоставляет общую и детальную информацию о тенденциях в области народонаселения Род-Айленда», — сказал Джон Симмонс, генеральный директор и президент RIPEC. «Имея эти данные в руках, можно более эффективно проводить анализ эффективности состояния и принимать соответствующие политические решения», — продолжил Симмонс.
«Том I: Государственные финансы» предоставил данные и анализ, относящиеся к государственным расходам, доходам, налогам, загруженности дел и экономическому прогнозированию.
«Том II: Население» помимо прогнозов на будущее предлагает данные и анализ, относящиеся к историческому и нынешнему населению Род-Айленда. Он предоставляет обзор населения, а также данные, раскрывающие тенденции, связанные с миграцией, доходами, медицинским страхованием, социальной помощью и образованием.
Наконец, «Том III: Экономика» будет содержать региональные и исторические данные по экономике, охватывающие экономические показатели, занятость, валовой внутренний продукт (ВВП), торговлю, жилищное строительство, энергетику, деловой климат, а также исследования и разработки (НИОКР).
Основные моменты в томе II включают:
Обзор населения
Население Род-Айленда стареет, и ожидается, что эта тенденция сохранится до 2030 года.
В период с 2010 по 2018 год в Род-Айленде наблюдался среднегодовой прирост в 0,04 процента.
Миграция
В период с 2004 по 2011 год самая большая когорта новых жителей Род-Айленда была из населения, проживающего за пределами Соединенных Штатов (за исключением 2009-2010 годов), но в период с 2011 по 2016 год иностранное население не входило в первую пятерку стран происхождения, а самая большая Поступающее население прибыло из Коннектикута (в 2011–2012 годах) и Нью-Йорка (между 2012 и 2016 годами).
В Род-Айленде за последние десять лет наблюдается чистый отток мигрантов. Популярные направления эмиграции включают Флориду, Техас и Калифорнию.
Доход
В Род-Айленде доход и заработная плата, как правило, выше, чем в среднем по стране, но ниже, чем в среднем по Новой Англии.
На скорректированной основе в Род-Айленде наблюдалось снижение реального медианного дохода домохозяйства на 261 доллар США, или 0,4 процента, в период с 1998 по 2018 год (с 62 527 долларов США до 62 266 долларов США).Однако в Род-Айленде за тот же период реальный личный доход на душу населения увеличился на 29,4 процента (по сравнению с увеличением на 33,8 процента в Новой Англии и на 26,8 процента по стране).
В то время как средний доход испаноязычных / латиноамериканских домохозяйств в США был на 18,6 процента ниже, чем в среднем по стране в 2018 году, в Род-Айленде средний доход этой когорты был на 46,5 процента ниже среднего по штату.
Медицинское страхование
Страхование здоровья расширилось за последние пять лет.95,2 процента населения Род-Айленда в возрасте до 65 лет были охвачены в 2018 году по сравнению с уровнем охвата 94,9 процента в Новой Англии и 89,6 процента в Соединенных Штатах.
Социальная помощь
Среднемесячные пособия по Программе дополнительного питания (SNAP) в Род-Айленде росли более высокими темпами, чем в стране, но ниже, чем в Новой Англии. В период с 2007 по 2016 финансовый год участие в программе SNAP в Род-Айленде увеличилось на 124,1 процента.
Количество получателей временной помощи для нуждающихся семей (TANF) в Род-Айленде уменьшилось на 49,2 процента в период с 2007 по 2018 год.
Образование
В период с 2005 по 2018 год процент населения Род-Айленда старше 25 лет со степенью бакалавра или выше был ниже, чем в Новой Англии, и выше, чем в стране. Во всех трех регионах наблюдался рост общего уровня высшего образования (младшего, бакалавра и дипломированного специалиста / профессионала) у одного и того же населения за последние пять лет.
Государственное высшее образование составляло меньшую долю охвата высшим образованием в Род-Айленде (49,6 процента), чем в национальном масштабе (73,7 процента) в 2017 году.
Стоимость высшего образования в Род-Айленде, независимо от типа учреждения или продолжительности обучения в период с 2016 по 2018 год превышают национальные расходы.
Согласно Национальной оценке образовательных программ (NAEP) 2017 года, начальные и средние результаты по математике в Род-Айленде уступают как США, так и Новой Англии, в то время как показатели чтения опережают страну и уступают Новой Англии.
В 2019 году средний балл по SAT в Род-Айленде, равный 995, отставал от среднего показателя по США, равного 1059, и среднего балла любого другого штата Новой Англии.
Примечание: исходная публикация «Род-Айленд в контексте» не включала данные SAT за 2019 год, поскольку она была опубликована до публикации этих данных.
% PDF-1.4 % 2717 0 объект > эндобдж xref 2717 726 0000000016 00000 н. 0000017434 00000 п. 0000017597 00000 п. 0000018760 00000 п. 0000018799 00000 п. 0000018838 00000 п. 0000018877 00000 п. 0000019058 00000 п. 0000019238 00000 п. 0000019311 00000 п. 0000019502 00000 п. 0000019617 00000 п. 0000020775 00000 п. 0000021319 00000 п. 0000021948 00000 п. 0000022128 00000 п. 0000022216 00000 п. 0000022856 00000 п. 0000023530 00000 п. 0000023618 00000 п. 0000024134 00000 п. 0000024744 00000 п. 0000026133 00000 п. 0000027515 00000 п. 0000028852 00000 п. 0000029031 00000 н. 0000030585 00000 п. 0000032035 00000 п. 0000033513 00000 п. 0000034976 00000 п. 0000035096 00000 п. 0000040092 00000 п. 0000044955 00000 п. 0000045317 00000 п. 0000106862 00000 н. 0000107219 00000 п. 0000107465 00000 н. 0000107549 00000 п. 0000107606 00000 н. 0000107630 00000 н. 0000107709 00000 н. 0000107824 00000 н. 0000107902 00000 н. 0000108026 00000 н. 0000108125 00000 н. 0000108276 00000 н. 0000108632 00000 н. 0000109002 00000 п. 0000109071 00000 н. 0000109190 00000 п. 0000109315 00000 н. 0000109440 00000 н. 0000109565 00000 н. 0000109690 00000 н. 0000109815 00000 н. 0000109940 00000 н. 0000145231 00000 п. 0000145272 00000 н. 0000157051 00000 н. 0000157092 00000 н. 0000157190 00000 н. 0000157289 00000 н. 0000157438 00000 н. 0000157517 00000 н. 0000157642 00000 н. 0000157767 00000 н. 0000157892 00000 н. 0000158017 00000 н. 0000158142 00000 н. 0000158267 00000 н. 0000158392 00000 н. 0000158517 00000 н. 0000158642 00000 н. 0000158767 00000 н. 0000158892 00000 н. 0000159017 00000 н. 0000159142 00000 н. 0000159267 00000 н. 0000159392 00000 н. 0000159517 00000 н. 0000159642 00000 н. 0000159767 00000 н. 0000159892 00000 н. 0000160017 00000 н. 0000160142 00000 п. 0000160267 00000 н. 0000160392 00000 н. 0000160517 00000 н. 0000160642 00000 н. 0000160759 00000 н. 0000160884 00000 н. 0000161009 00000 н. 0000161124 00000 н. 0000161249 00000 н. 0000161374 00000 н. 0000161499 00000 н. 0000161624 00000 н. 0000161749 00000 н. 0000161874 00000 н. 0000161999 00000 н. 0000162124 00000 н. 0000162249 00000 н. 0000162374 00000 н. 0000162499 00000 н. 0000162624 00000 н. 0000162749 00000 н. 0000162874 00000 н. 0000162999 00000 н. 0000163124 00000 н. 0000163249 00000 н. 0000163374 00000 н. 0000163499 00000 н. 0000163624 00000 н. 0000163749 00000 н. 0000163874 00000 н. 0000163999 00000 н. 0000164124 00000 н. 0000164249 00000 н. 0000164374 00000 н. 0000164499 00000 н. 0000164624 00000 н. 0000164749 00000 н. 0000164874 00000 н. 0000164999 00000 н. 0000165124 00000 н. 0000165249 00000 н. 0000165374 00000 н. 0000165499 00000 н. 0000165624 00000 н. 0000165741 00000 н. 0000165866 00000 н. 0000165991 00000 н. 0000166116 00000 п. 0000166241 00000 н. 0000166366 00000 н. 0000166491 00000 н. 0000166616 00000 н. 0000166741 00000 н. 0000166820 00000 н. 0000167167 00000 н. 0000167246 00000 н. 0000167592 00000 н. 0000167671 00000 н. 0000168017 00000 н. 0000168096 00000 н. 0000168439 00000 н. 0000168518 00000 н. 0000168858 00000 н. 0000168937 00000 н. 0000169278 00000 н. 0000169357 00000 н. 0000169698 00000 п. 0000169777 00000 н. 0000170119 00000 п. 0000170198 00000 н. 0000170538 00000 п. 0000170617 00000 н. 0000170962 00000 н. 0000171041 00000 н. 0000171382 00000 н. 0000171461 00000 н. 0000171805 00000 н. 0000171884 00000 н. 0000172226 00000 н. 0000172305 00000 н. 0000172650 00000 н. 0000172729 00000 н. 0000173071 00000 н. 0000173150 00000 н. 0000173489 00000 н. 0000173568 00000 н. 0000173914 00000 н. 0000173993 00000 н. 0000174335 00000 н. 0000174414 00000 н. 0000174757 00000 н. 0000174836 00000 н. 0000175176 00000 н. 0000175255 00000 н. 0000175597 00000 н. 0000175676 00000 н. 0000176018 00000 н. 0000176097 00000 н. 0000176440 00000 н. 0000176519 00000 н. 0000176860 00000 н. 0000176939 00000 н. 0000177286 00000 н. 0000177365 00000 н. 0000177710 00000 н. 0000177789 00000 н. 0000178132 00000 н. 0000178211 00000 н. 0000178553 00000 н. 0000178632 00000 н. 0000178975 00000 н. 0000179054 00000 н. 0000179397 00000 н. 0000179476 00000 н. 0000179818 00000 н. 0000179897 00000 н. 0000180239 00000 н. 0000180318 00000 н. 0000180659 00000 н. 0000180738 00000 н. 0000181080 00000 н. 0000181159 00000 н. 0000181501 00000 н. 0000181580 00000 н. 0000181923 00000 н. 0000182002 00000 н. 0000182344 00000 н. 0000182423 00000 н. 0000182762 00000 н. 0000182841 00000 н. 0000183185 00000 н. 0000183264 00000 н. 0000183605 00000 н. 0000183684 00000 н. 0000184027 00000 н. 0000184106 00000 н. 0000184448 00000 н. 0000184527 00000 н. 0000184866 00000 н. 0000184945 00000 н. 0000185284 00000 н. 0000185363 00000 н. 0000185706 00000 н. 0000185785 00000 н. 0000186126 00000 н. 0000186205 00000 н. 0000186551 00000 н. 0000186630 00000 н. 0000186974 00000 н. 0000187053 00000 н. 0000187396 00000 н. 0000187475 00000 н. 0000187818 00000 н. 0000187897 00000 н. 0000188238 00000 п. 0000188317 00000 н. 0000188661 00000 н. 0000188740 00000 н. 0000189085 00000 н. 0000189164 00000 н. 0000189505 00000 н. 0000189584 00000 н. 0000189925 00000 н. 00001
00000 н. 00001 00000 н. 00001
00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 00001 00000 н. 0000192453 00000 н. 0000192532 00000 н. 0000192873 00000 н. 0000192952 00000 н. 0000193295 00000 н. 0000193374 00000 н. 0000193714 00000 н. 0000193793 00000 н. 0000194133 00000 н. 0000194212 00000 н. 0000194551 00000 н. 0000194630 00000 н. 0000194973 00000 н. 0000195052 00000 н. 0000195393 00000 н. 0000195472 00000 н. 0000195817 00000 н. 0000195896 00000 н. 0000196241 00000 н. 0000196320 00000 н. 0000196663 00000 н. 0000196742 00000 н. 0000197086 00000 н. 0000197165 00000 н. 0000197508 00000 н. 0000197587 00000 н. 0000197929 00000 н. 0000198008 00000 н. 0000198349 00000 н. 0000198428 00000 н. 0000198772 00000 н. 0000198851 00000 н. 0000199193 00000 н. 0000199272 00000 н. 0000199617 00000 н. 0000199696 00000 н. 0000200040 00000 н. 0000200119 00000 н. 0000200463 00000 н. 0000200542 00000 н. 0000200882 00000 н. 0000200961 00000 н. 0000201303 00000 н. 0000201382 00000 н. 0000201726 00000 н. 0000201805 00000 н. 0000202146 00000 н. 0000202225 00000 н. 0000202570 00000 н. 0000202649 00000 н. 0000202991 00000 н. 0000203070 00000 н. 0000203412 00000 н. 0000203491 00000 н. 0000203831 00000 н. 0000203910 00000 н. 0000204254 00000 н. 0000204333 00000 н. 0000204673 00000 н. 0000204752 00000 н. 0000205098 00000 н. 0000205177 00000 н. 0000205523 00000 н. 0000205602 00000 н. 0000205948 00000 н. 0000206027 00000 н. 0000206372 00000 н. 0000206451 00000 н. 0000206796 00000 н. 0000206875 00000 н. 0000207223 00000 н. 0000207302 00000 н. 0000207649 00000 н. 0000207728 00000 н. 0000208073 00000 н. 0000208152 00000 н. 0000208496 00000 н. 0000208575 00000 н. 0000208922 00000 н. 0000209001 00000 н. 0000209347 00000 н. 0000209426 00000 н. 0000209770 00000 н. 0000209849 00000 н. 0000210195 00000 н. 0000210274 00000 н. 0000210618 00000 п. 0000210697 00000 п. 0000211043 00000 н. 0000211122 00000 н. 0000211466 00000 н. 0000211545 00000 н. 0000211891 00000 н. 0000211970 00000 н. 0000212315 00000 н. 0000212394 00000 н. 0000212738 00000 н. 0000212817 00000 н. 0000213161 00000 п. 0000213240 00000 н. 0000213585 00000 н. 0000213664 00000 н. 0000214007 00000 н. 0000214086 00000 н. 0000214432 00000 н. 0000214511 00000 н. 0000214857 00000 н. 0000214936 00000 н. 0000215283 00000 н. 0000215362 00000 н. 0000215708 00000 н. 0000215787 00000 н. 0000216131 00000 п. 0000216210 00000 н. 0000216554 00000 н. 0000216633 00000 н. 0000216978 00000 н. 0000217057 00000 н. 0000217403 00000 н. 0000217482 00000 н. 0000217827 00000 н. 0000217906 00000 н. 0000218249 00000 н. 0000218328 00000 н. 0000218673 00000 н. 0000218752 00000 н. 0000219097 00000 н. 0000219176 00000 н. 0000219521 00000 н. 0000219600 00000 н. 0000219944 00000 н. 0000220023 00000 н. 0000220366 00000 н. 0000220445 00000 н. 0000220792 00000 н. 0000220871 00000 н. 0000221215 00000 н. 0000221294 00000 н. 0000221639 00000 н. 0000221718 00000 н. 0000222062 00000 н. 0000222141 00000 п. 0000222484 00000 н. 0000222563 00000 н. 0000222906 00000 н. 0000222985 00000 н. 0000223331 00000 н. 0000223410 00000 н. 0000223753 00000 н. 0000223832 00000 н. 0000224178 00000 н. 0000224257 00000 н. 0000224604 00000 н. 0000224683 00000 п. 0000225029 00000 н. 0000225108 00000 н. 0000225457 00000 н. 0000225536 00000 н. 0000225881 00000 н. 0000225960 00000 н. 0000226306 00000 н. 0000226385 00000 н. 0000226731 00000 н. 0000226810 00000 н. 0000227156 00000 н. 0000227235 00000 н. 0000227579 00000 п. 0000227658 00000 н. 0000228004 00000 н. 0000228083 00000 н. 0000228427 00000 н. 0000228506 00000 н. 0000228850 00000 н. 0000228929 00000 н. 0000229271 00000 н. 0000229350 00000 н. 0000229691 00000 п. 0000229770 00000 н. 0000230116 00000 п. 0000230195 00000 н. 0000230539 00000 п. 0000230618 00000 н. 0000230965 00000 н. 0000231044 00000 н. 0000231388 00000 н. 0000231467 00000 н. 0000231811 00000 н. 0000231890 00000 н. 0000232233 00000 н. 0000232312 00000 н. 0000232657 00000 н. 0000232736 00000 н. 0000233080 00000 н. 0000233159 00000 н. 0000233506 00000 н. 0000233585 00000 н. 0000233932 00000 н. 0000234011 00000 н. 0000234357 00000 н. 0000234436 00000 н. 0000234783 00000 н. 0000234862 00000 н. 0000235209 00000 н. 0000235288 00000 п. 0000235634 00000 н. 0000235713 00000 н. 0000236059 00000 н. 0000236138 00000 п. 0000236485 00000 н. 0000236564 00000 н. 0000236909 00000 н. 0000236988 00000 н. 0000237335 00000 п. 0000237414 00000 н. 0000237760 00000 н. 0000237839 00000 н. 0000238185 00000 н. 0000238264 00000 н. 0000238609 00000 н. 0000238688 00000 н. 0000239032 00000 н. 0000239111 00000 п. 0000239458 00000 п. 0000239537 00000 н. 0000239881 00000 н. 0000239960 00000 н. 0000240306 00000 н. 0000240385 00000 н. 0000240730 00000 н. 0000240809 00000 н. 0000241154 00000 н. 0000241233 00000 н. 0000241576 00000 н. 0000241655 00000 н. 0000242001 00000 н. 0000242080 00000 н. 0000242424 00000 н. 0000242503 00000 н. 0000242848 00000 н. 0000242927 00000 н. 0000243271 00000 н. 0000243350 00000 н. 0000243697 00000 н. 0000243776 00000 н. 0000244121 00000 н. 0000244200 00000 н. 0000244545 00000 н. 0000244624 00000 н. 0000244969 00000 н. 0000245048 00000 н. 0000245394 00000 н. 0000245473 00000 н. 0000245819 00000 н. 0000245898 00000 н. 0000246241 00000 н. 0000246320 00000 н. 0000246666 00000 н. 0000246745 00000 н. 0000247088 00000 н. 0000247167 00000 н. 0000247511 00000 н. 0000247590 00000 н. 0000247933 00000 н. 0000248012 00000 н. 0000248357 00000 н. 0000248436 00000 н. 0000248778 00000 н. 0000248857 00000 н. 0000249202 00000 н. 0000249281 00000 н. 0000249628 00000 н. 0000249707 00000 н. 0000250053 00000 н. 0000250132 00000 н. 0000250478 00000 н. 0000250557 00000 н. 0000250902 00000 н. 0000250981 00000 п. 0000251329 00000 н. 0000251408 00000 н. 0000251754 00000 н. 0000251833 00000 н. 0000252179 00000 н. 0000252258 00000 н. 0000252603 00000 н. 0000252682 00000 н. 0000253028 00000 н. 0000253107 00000 н. 0000253451 00000 н. 0000253530 00000 н. 0000253875 00000 н. 0000253954 00000 н. 0000254300 00000 н. 0000254379 00000 н. 0000254724 00000 н. 0000254803 00000 н. 0000255150 00000 н. 0000255229 00000 н. 0000255573 00000 н. 0000255652 00000 н. 0000255999 00000 н. 0000256078 00000 н. 0000256422 00000 н. 0000256501 00000 н. 0000256846 00000 н. 0000256925 00000 н. 0000257268 00000 н. 0000257347 00000 н. 0000257693 00000 н. 0000257772 00000 н. 0000258116 00000 н. 0000258195 00000 н. 0000258542 00000 н. 0000258621 00000 н. 0000258965 00000 н. 0000259044 00000 н. 0000259389 00000 н. 0000259468 00000 н. 0000259812 00000 н. 0000259891 00000 н. 0000260236 00000 п. 0000260315 00000 н. 0000260661 00000 н. 0000260740 00000 н. 0000261086 00000 н. 0000261165 00000 н. 0000261508 00000 н. 0000261587 00000 н. 0000261929 00000 н. 0000262008 00000 н. 0000262353 00000 п. 0000262432 00000 н. 0000262778 00000 н. 0000262857 00000 н. 0000263202 00000 н. 0000263281 00000 н. 0000263625 00000 н. 0000263704 00000 н. 0000264046 00000 н. 0000264125 00000 н. 0000264469 00000 н. 0000264548 00000 н. 0000264891 00000 н. 0000264970 00000 н. 0000265315 00000 н. 0000265394 00000 н. 0000265737 00000 н. 0000265816 00000 н. 0000266160 00000 н. 0000266239 00000 н. 0000266581 00000 н. 0000266660 00000 н. 0000267003 00000 н. 0000267082 00000 п. 0000267424 00000 н. 0000267503 00000 н. 0000267850 00000 н. 0000267929 00000 н. 0000268275 00000 н. 0000268354 00000 н. 0000268697 00000 н. 0000268776 00000 н. 0000269120 00000 н. 0000269199 00000 н. 0000269542 00000 н. 0000269621 00000 н. 0000269965 00000 н. 0000270044 00000 н. 0000270386 00000 н. 0000270465 00000 н. 0000270809 00000 н. 0000270888 00000 н. 0000271231 00000 н. 0000271310 00000 н. 0000271654 00000 н. 0000271733 00000 н. 0000272076 00000 н. 0000272155 00000 н. 0000272502 00000 н. 0000272581 00000 н. 0000272923 00000 н. 0000273002 00000 н. 0000273342 00000 н. 0000273421 00000 н. 0000273765 00000 н. 0000273844 00000 н. 0000274185 00000 н. 0000274264 00000 н. 0000274607 00000 н. 0000274686 00000 н. 0000275027 00000 н. 0000275106 00000 п. 0000275447 00000 н. 0000275526 00000 н. 0000275866 00000 н. 0000275945 00000 н. 0000276288 00000 н. 0000276367 00000 н. 0000276708 00000 н. 0000282989 00000 н. 0000283068 00000 н. 0000283203 00000 н. 0000283302 00000 н. 0000283461 00000 н. 0000284008 00000 п. 0000284087 00000 н. 0000284614 00000 н. 0000284693 00000 н. 0000285240 00000 н. 0000285319 00000 п. 0000285867 00000 н. 0000285946 00000 н. 0000286454 00000 н. 0000286533 00000 н. 0000287034 00000 н. 0000287113 00000 н. 0000287610 00000 н. 0000287689 00000 н. 0000288157 00000 н. 0000288236 00000 н. 0000288749 00000 н. 0000288828 00000 н. 0000289331 00000 п. 0000299775 00000 н. 0000396188 00000 п. 0000397629 00000 н. 0000555260 00000 н. 0000557379 00000 н. 0000712029 00000 н. 0000712601 00000 н. 0000802154 00000 н. 0000808446 00000 н. 00000 00000 н. 0000927007 00000 н. 0001015015 00000 п. 0001016390 00000 п. 0001184185 00000 п. 0001194338 00000 п. 0001279805 00000 п. 0001282682 00000 п. 0001357529 00000 п. 0001366433 00000 п. 0001427987 00000 п. 0001429659 00000 н. 0001604639 00000 п. 0001764322 00000 н. 0001769977 00000 н. 0001899234 00000 п. 0002003402 00000 п. 0002004777 00000 п. 0002084539 00000 п. 0002086158 00000 п. 0002473361 00000 п. 0002474802 00000 п. 0002634364 00000 п. 0002645966 00000 п. 0002761443 00000 н. 0002763291 00000 н. 0002889817 00000 п. 0002895542 00000 п. 0002964599 00000 н. 0002966730 00000 н. 0003102765 00000 п. 0003107808 00000 п. 0003318430 00000 п. 0000017208 00000 п. 0000015119 00000 п. трейлер ] / Назад 4566363 / XRefStm 17208 >> startxref 0 %% EOF 3442 0 объект > поток в ޼ Вт L [> KM = BcpXAC «+ F²PQ / Ki5kR J2.ҟ% NUuR ԫ0LGe MXp5Im / dӪI ~; {
Изменение численности населения и его движущие факторы в сельских, пригородных и городских районах Висконсина, США, 1970–2000 гг.
На рост (или сокращение) населения влияют многие факторы, которые входят в широкие области демографических характеристик, социально-экономических условий, транспортной инфраструктуры, природных благ, а также землепользования и развития в пространстве и времени. В данной статье используется интегрированный подход пространственной регрессии для исследования пространственных и временных вариаций воздействия этих факторов на изменение численности населения.В частности, мы проводим анализ на уровне малых административных единиц в Висконсине, США, с 1970 по 2000 годы. Результаты показывают, что факторы оказывают различное влияние на изменение численности населения во времени и в сельских, пригородных и городских районах. Их эффекты зависят от общей тенденции процессов перераспределения населения, локальной динамики и характеристик ареала. В целом, при систематическом изучении демографических изменений следует учитывать множество факторов, временные и пространственные вариации их эффектов и пространственные побочные эффекты.Экзамен должен обладать гибкостью, позволяющей идентифицировать и учитывать факторы, влияющие на данный момент времени и пространства, а не придерживаться единого набора факторов при любых обстоятельствах. Полученные данные имеют важное значение для прогнозов численности населения, используемых для местного и регионального планирования.
1. Введение
Конфликты, связанные с землепользованием, региональные / межплеменные войны, ухудшение состояния окружающей среды и конкуренция за ограниченные ресурсы — все это усугубляется ростом населения. Целостные или систематические подходы становятся критически важными в решении сложных проблем развития и изменения численности населения [1–3].Результаты исследований показали, что рост (или сокращение) населения определяется совместно демографическими, социальными, экономическими, политическими, географическими и культурными факторами, а также временными и пространственными влияниями [4]. Однако большинство существующих исследований сосредоточено только на некоторых факторах и влияниях и не учитывает другие [5]. Это может быть связано с тем, что развитие и изменение населения сложны и требуют междисциплинарных знаний, но существующие исследования часто проводятся в дисциплинарных рамках [3, 6].Кроме того, моделирование сложности изменения численности населения требует хорошо обоснованного опыта в методологии, а составление набора данных с различными переменными в пространстве и времени является дорогостоящим. Широкий диапазон результатов возможен за счет исключения соответствующих факторов и влияний из эмпирических моделей [7]. Следовательно, поскольку различные исследования, как правило, сосредоточены на конкретных факторах и влиянии в рамках дисциплинарных границ и не учитывают другие, существующие исследования популяционных изменений часто дают разные, а иногда и противоречивые результаты [8].Это привело к пробелу в литературе систематического взгляда на изменение населения. В данной статье делается попытка восполнить этот пробел путем систематического изучения факторов, влияющих на изменение численности населения, а также их временной и пространственной динамики. Это исследование обеспечивает более динамичные и менее предвзятые оценки эффектов и более полное понимание изменения численности населения.
Развитие и изменение численности населения сложны — они демонстрируют пространственные вариации в разные периоды времени, обусловленные разными факторами.Например, мы выделяем несколько отличительных периодов в истории Соединенных Штатов: моноцентрические города примерно с 1850 по 1930 год, рост пригородных структур примерно в начале 20 века, «круговая миграция», возвращающая людей в богатые удобствами сельские районы в 1970-е годы, «возобновление роста мегаполисов» в 1980-х, восстановление сельских районов в 1990-х и выборочная деконцентрация в 2000-х (обширный обзор литературы см. [9]). Эти различные процессы перераспределения населения — централизация, децентрализация, возрождение сельских районов, возобновление роста мегаполисов, восстановление сельских районов и выборочная деконцентрация — характеризуются различными основными движущими факторами.Один важный фактор в определенный период времени может стать неважным в другой, и наоборот. Когда меняются основные детерминанты, меняются и модели перераспределения населения. Эти факторы можно охарактеризовать в широких пределах, включая демографические характеристики, социально-экономические условия, транспортную доступность, природные удобства, а также политику и биофизические условия, связанные с землепользованием и развитием [8].
Что делает изучение развития и изменения населения более сложным, так это то, что влияние движущих факторов варьируется в пространстве.Изменение численности населения и его движущие факторы могут быть пространственно коррелированы [10, 11]. В то время как большая часть существующей литературы по городскому и региональному развитию рассматривает городские или мегаполисные районы как двигатель роста, а сельские или неметропольные районы — как остатки, и поэтому проводит исследования отдельно в этих областях, было обнаружено, что эти области взаимодействуют друг с другом и вместе влияют на развитие и население изменить [3]. Кроме того, некоторые факторы могут быть более важными в одних областях, чем в других, что демонстрирует пространственные различия в их влиянии на изменение численности населения [12, 13].
Последние достижения в области пространственных демографических исследований в сочетании с ростом доступности данных с географической привязкой и сложных программных пакетов для пространственного анализа позволяют проводить комплексный целостный анализ воздействия движущих факторов на изменение населения во времени и в пространстве. Наш центральный исследовательский вопрос заключается в следующем: как влияние движущих факторов на изменение численности населения меняется во времени и в пространстве? В частности, мы задаем три подвопроса: какова относительная важность движущих факторов в объяснении изменения численности населения? Меняются ли эффекты со временем, и если да, то как? Различаются ли эффекты в сельских, пригородных и городских районах, и если да, то как?
Чтобы ответить на эти вопросы, мы применяем интегрированный пространственный подход для изучения изменения численности населения и его движущих факторов в периоды времени с различными процессами перераспределения населения и в сельских, пригородных и городских районах.Интегрированный пространственный подход, который был первоначально разработан в Chi [5] с целью изучения воздействия автомагистралей на изменение численности населения, обеспечивает комплексный способ изучения изменения численности населения и его движущих факторов в пространстве и времени. Подход рассматривает множество факторов, которые вызывают изменение численности населения, исследует пространственные вариации их эффектов и выбирает оптимальную матрицу пространственных весов среди множества факторов. Мы применяем этот подход к данным, связанным с изменением численности населения на уровне малых административных единиц (MCD) в Висконсине, США, с 1970 по 2000 год, рассматривая четыре элемента: широкий спектр факторов, временные вариации их воздействия на изменение численности населения, пространственные вариации эффектов и пространственные побочные эффекты изменения численности населения.Висконсин выбран в качестве области исследования, потому что наше понимание a priori предполагает, что мы будем наблюдать пространственную и временную изменчивость влияния факторов изменения населения, а также потому, что соответствующие данные были легко доступны.
В следующих разделах мы сначала описываем область исследования и данные, а также рассматриваем методологию. Затем мы сообщаем результаты с двух точек зрения: относительная важность движущих факторов в объяснении изменения численности населения с течением времени и их относительная важность в сельских, пригородных и городских районах.Наконец, мы завершаем этот документ обзором и разделом для обсуждения.
2. Данные
Мы сосредотачиваемся на изменении численности населения с 1970 по 2000 год на уровне MCD в штате Висконсин в Соединенных Штатах в качестве примера исследования для изучения пространственных и временных вариаций воздействия движущих факторов на изменение численности населения. Висконсин — это штат с «сильным MCD», что означает, что все его MCD (поселки, города и деревни) действуют как действующие правительственные единицы. Другими словами, в каждом МКД есть выборные должностные лица, которые собирают доходы для своих населенных пунктов и предоставляют услуги своим избирателям.Большим преимуществом использования MCD в качестве единицы анализа является их актуальность для местного планирования. География MCD в Висконсине состоит из взаимоисключающих политических территорий. Границы MCD не были стабильными с 1970 по 2000 год, потому что со временем границы меняются, появляются новые MCD и исчезают старые MCD, меняются названия MCD и меняются статусы MCD в юрисдикционной иерархии штата (например, города становятся деревнями, а деревни становятся городами) . Из-за таких изменений мы скорректировали данные, чтобы создать пространственно согласованный набор данных с течением времени.В результате набор аналитических данных состоял из 1837 MCD, где средний размер MCD составлял 29,6 квадратных миль, а диапазон — от 0,1 до 368. Среднее население MCD составляло 2920 человек в 2000 году с диапазоном от 37 до 596 974 человек. .
Мы классифицировали MCD на сельские, пригородные и городские районы на основе данных переписи 2000 г. в городских районах и городских и микрополитических статистических районов (MMSA) 2000 г., определенных Управлением управления и бюджета США. Мы классифицируем MCD, которые попадают в урбанизированные районы переписи, как городские районы, MCD, которые попадают в MMSA, но не в урбанизированные районы переписи, как пригородные районы, а MCD, которые выпадают из MMSA и урбанизированных районов переписи, как сельские районы (рисунок 1) (Существует множество классификаций сельских, пригородных и городских территорий, но стандартной классификации не существует [14].Наша категоризация полезна для целей оценки, но не обязательно для точного отражения условий штата Висконсин).

Для этого исследования десятилетние переписи Бюро переписи населения США с 1970 по 2000 год (с коммерческой переработкой, выполненной Geolytics, Inc.) предоставляют данные о населении. Бюро переписи населения США, Федеральное бюро расследований и Голубые книги штата Висконсин предоставляют дополнительные демографические и социально-экономические данные. Национальный атлас Соединенных Штатов, Департамент транспорта Висконсина, Бюро аэронавтики Висконсина и Департамент гражданской и экологической инженерии Университета Висконсин-Мэдисон предоставляют данные о транспортной инфраструктуре.Геологическая служба США, Департамент природных ресурсов Висконсина, Центр дистанционного зондирования окружающей среды и Центр земельной информации и компьютерной графики Университета Висконсин-Мэдисон предоставляют данные о геофизических факторах и характеристиках природных благ. Эти первичные и вторичные данные используются для генерации переменных на уровне MCD.
2.1. Изменение численности населения
Для данного исследования изменение численности населения в соответствии с отчетом U.S. Бюро переписи населения является зависимой переменной и выражается в виде натурального логарифма численности населения за год переписи по численности населения десятью годами ранее. Например, показатель темпов роста с 1970 по 1980 год — это натуральный логарифм численности населения 1980 года, деленный на численность населения 1970 года. Расчет изменения численности населения таким образом помогает нам достичь нормального «колоколообразного» распределения, упрощает интерпретацию темпа изменения численности населения (рост показан положительным значением; снижение показано отрицательным значением; нулевое изменение показано вообще) , и контролирует влияние размера начальной популяции [15].
На рисунке 2 показано изменение численности населения за три периода времени: 1970–1980, 1980–1990 и 1990–2000. С 1970 по 1980 год относительно высокий прирост населения наблюдался в сельских и пригородных районах. В большинстве БДК наблюдалось сокращение численности населения в период с 1980 по 1990 год, десятилетие самого медленного роста в истории штата Висконсин. С 1990 по 2000 год относительно высокий прирост населения наблюдался в Северном Висконсине, Центральном Висконсине и некоторых пригородных районах. С 1970 по 1980 год было больше БДК с высокими темпами роста, чем с 1990 по 2000 год.

2.2. Движущие факторы изменения численности населения
Региональные ученые, демографы, географы и исследователи в других дисциплинах изучили механизм и движущие факторы изменения численности населения и обнаружили множество факторов, вызывающих изменения (см. [8, 16] для обзора литературы). Во многих исследованиях эти факторы выбираются с учетом конкретной дисциплинарной точки зрения, а не интегрированной точки зрения, основанной на нескольких дисциплинах. Широкий диапазон результатов возможен путем исключения релевантных переменных из модели, и такое исключение может привести к смещению оценок параметров для переменных, включенных в модель [7].Целостное изучение изменения численности населения и его движущих факторов требовалось во многих исследованиях (например, [17]). Этот спрос был удовлетворен в рамках совместных исследований человека и окружающей среды (например, [18]), экологии человека [19], комплексного планирования туризма [20, 21] и других. Эти систематические подходы дают полезную информацию о сложных взаимодействиях между изменением населения и его движущими факторами и позволяют местным специалистам по планированию и лицам, принимающим решения, изучить сценарии планирования «что, если».Отдельно подготовлен более обширный обзор факторов и структур, который можно найти в сопроводительном документе, доступном у авторов. Эти структуры обычно классифицируют факторы изменения населения по демографическим характеристикам, социально-экономическим условиям, физической инфраструктуре, экологическим и геофизическим факторам, культурным ресурсам и потенциальным правовым ограничениям.
В рамках этих областей движущих факторов изменения численности населения для этого исследования мы выбрали 30 переменных, основанных на доступности данных и суждениях о ситуации в Висконсине, чтобы изучить взаимосвязь факторов с изменением численности населения.Эти переменные включают следующее: (i) демографические характеристики (плотность населения, процент молодых, процент старых, процент чернокожих и процент латиноамериканцев), (ii) социально-экономические условия (уровень безработицы, доход, процент населения со средним образованием, процент населения с Степень бакалавра, процент населения колледжа, процент жилищных единиц, использующих общественную воду, процент сезонного жилья, стоимость недвижимости, статус округа, процент работников в розничной торговле и процент работников в сельском хозяйстве), (iii) транспортная доступность (близость к центральным городам) , близость к аэропортам, близость к основным автомагистралям, плотность шоссе и общественный транспорт), (iv) природные удобства (процентное покрытие лесов, процентное покрытие водными ресурсами, процентное покрытие водно-болотных угодий, процентное покрытие общедоступных земель, протяженность берега озера / реки / береговой линии, гольф поля и видовая площадка), (v) землепользование и развитие (вода, водно-болотные угодья, склоны, земли, освобожденные от налогов, и земли застройки).
Переменные демографических характеристик и социально-экономических условий, а также общественного транспорта измеряются в 1970, 1980 и 1990 годах. Вместо того, чтобы измерять во всех трех временных точках, переменные близости к транспортной доступности, а также переменные природных благ и землепользование и развитие измеряются в одной временной точке (2000 и 1992–1993 гг., соответственно), потому что эти переменные не сильно меняются за исследуемый период 1970–2000 годов. Эти переменные подробно обсуждались в Chi [16].
Использование всех этих переменных в статистическом анализе может вызвать мультиколлинеарность регрессионных моделей, что влияет на эффективность моделей. Эту проблему мультиколлинеарности можно решить, уменьшив размерность переменных. Были применены методы анализа главных факторов (PFA) и пространственного наложения для уменьшения размеров данных модели, а также для создания индексов. PFA с ротацией варимакс и критерием Кайзера [22] использовались для создания индексов для четырех из пяти групп переменных — демографии (местные демографические характеристики), пригодности для жизни (социальные и экономические условия), доступности (транспортная инфраструктура) и желательности (естественная удобства).Вращение варимакс, которое является наиболее распространенным методом вращения в факторном анализе, было реализовано для облегчения интерпретации факторов. Критерий Кайзера, который сохраняет факторы с собственными значениями более 1, использовался для определения количества факторов, которые будут использоваться для представления каждого индекса. Метод PFA полезен для оценки относительной важности четырех групп переменных.
В этом исследовании использовалась функция ModelBuilder ArcGIS [23], чтобы сгенерировать возможность застройки (доступность земли для застройки) на основе переменных землепользования и развития.Возможность развития региона определяется его геофизическими характеристиками, застроенными землями, культурными ресурсами и правовыми ограничениями. В идеале мы хотим использовать все четыре типа переменных для получения индекса возможности разработки. Однако из-за ограниченности доступности данных мы использовали только геофизические характеристики и застроенные земли для расчета индекса развития. Эти переменные включают воду, водно-болотные угодья, склоны, земли, освобожденные от налогов (государственные и институциональные земли, недоступные для застройки) и земли застройки.Небольшие мелкомасштабные пиксели (30 метров на 30 метров) обрабатываемых земель были получены из анализа ModelBuilder и впоследствии объединены с соответствующими MCD. Индекс застраиваемости выражается как доля обрабатываемых земель в каждом МЦД. При изучении коллективного воздействия переменных землепользования и развития на изменение численности населения существующие социально-демографические исследования часто объединяют их в один или несколько индексов с помощью PFA или других основанных на статистике методов взвешенного агрегирования [24].Однако такие сгенерированные индексы не могут обеспечить точную оценку количества земель, доступных для застройки, поскольку некоторые слои могут перекрываться; например, вода может перекрывать парки. Функция ModelBuilder может распознавать перекрывающиеся области и подсчитывать их только один раз; таким образом, он обеспечивает более точную оценку возможности освоения земель. Подробнее об этом подходе см. Chi [25].
Из 30 движущих факторов, упомянутых выше, мы использовали PFA и функцию ModelBuilder для получения индексов демографии, жизнеспособности, доступности, желательности и возможности развития, как описано ниже (Таблица 1).
9047 9048 Переменные жизнеспособности 90 514 Разница объяснена 0,1249 0,1249 −0474 −0474 0,868 904 904 9047 1495 Фактор 2 495 Фактор 495
(a)
9049 9049 молодое население (12–18 лет) 9049 9049 0,5 9049 выходцев из Латинской Америки
Демографические переменные 1970 факторные нагрузки 1980 Факторные нагрузки 1990 Факторные нагрузки 9047 9049 904 904 904 904 904 904 904 904 904 904 904 Фактор 1 Фактор 2 Фактор 1 Фактор 2
Разница объяснена 26,73% 23.91% 35,00% 27,82% 31,43% 28,72%
Плотность населения -0,162 0,445 0,251 0,404 — 0,404 — 0,635 0,033 −0,799 −0,093 0,784 −0,008
Процент пожилого населения (возраст ≥ 65) −0.447 0,020 0,760 -0,036 -0,559 -0,013
Процент черных 0,137 0,483 -0,026 0,031 0,030 -0,024 0,462 0,031 0,470

Факторные нагрузки 1970 Факторные нагрузки 1980 Факторные нагрузки 1990
Фактор 1 Фактор 2 Фактор 3 Фактор 1 Фактор 2 9047 Фактор 3 9047 Фактор3
33.44% 0,394 -0,329 0,081 0,478 -0,379 0,094 0,412
Средний доход домохозяйства 0,712 -0,083 0,198812 −0,095 −0,261 0,873 −0,139 −0,243
Процент населения с высшим образованием 0,659 0,196 0,730 0,074 −0,121
Процент населения со степенью бакалавра 0,803 0,210 0,086 0,734 0.270 −0,035 0,771 0,241 0,000
Процент населения колледжа 0,283 0,131 0,109 0,354 0,227 0,354 0,227 904 0,127
Процент жилищных единиц, использующих общественную воду 0,210 0,749 0,259 −0,003 0,817 −0,314 −0.026 0,786 −0,299
Процент сезонных жилищных единиц −0,135 −0,107 −0,460 −0,097 −0,103 −0,103
Средняя стоимость дома 0,842 0,265 0,175 0,918 -0,027 -0,031 0,895 -0,001 0,895 -0,001 0,030047 0,334 0,110 −0,019 0,349 −0,103 −0,033 0,352 −0,084
Процент работников в сфере розничной торговли
0,173 0,602 0,242 0,092 0,504 0,231
Процент работающих в сельском хозяйстве −0,358 −0.754 0,330 −0,246 −0,765 −0,299 −0,257 −0,736 −0,237
Переменные доступности Факторные нагрузки 1970 Факторные нагрузки 1980 Факторные нагрузки 1990
Фактор 1 Фактор 2 Фактор 1
Разница объяснена 32.17%
Близость к аэропортам 0,394 0,004 0,376 0,123 0,382 0,072
Близость к основным автомагистралям –0.009 0,029 –0,004 –0,021 –0,001 –0,030
Плотность автомагистралей 0,687 0,121 0,649 0,121 0,649 работники, пользующиеся общественным транспортом для работы 0,140 0,259 0,412 0,341 0,172 0,416
9047 9047 9047 9047 9047 9047 Переменные желательности Факторные нагрузки Фактор 1 Фактор 2 Фактор 3
Объяснение отклонений 27.07% 20,46% 15,26% Процент площади лесов 0,732 0,073 0,079 В процентах от водной площади 0,062 9049–04 площади водно-болотных угодий 0,489 –0,420 0,157 Процент площади государственных земель 0,468 –0,091 0,053 Длина берега реки / берега озера.369 0,257 0,646 Поля для гольфа –0,007 –0,092 0,387 Панели обзора (наклон 12,5% –20%) 0,94 0,94 9105
(i) Демография. Два демографических индекса были созданы для представления местной демографии в 1970, 1980 и 1990 годах. Первый индекс составлял 26–35% дисперсии, в основном объясняемой процентным соотношением молодых и старых.Второй индекс составляет 23–29% дисперсии, что объясняется плотностью населения и процентным соотношением чернокожих и латиноамериканцев. Таким образом, демографический индекс 1 можно рассматривать как фактор возрастной структуры, а демографический индекс 2 можно грубо рассматривать как фактор расы. (Ii) Жизнеспособность. Каждый из трех индексов пригодности для жизни был создан для представления условий развития и городских условий, подходящих для удобного образа жизни и качества жизни в 1970, 1980 и 1990 годах. На индекс пригодности 1 приходилось примерно 33% общей дисперсии в каждый из трех лет, и он составлял в основном объясняется доходом, стоимостью недвижимости и уровнем образования.На индекс благоустройства 2 приходилось отклонение от 15% до 19% и в основном объяснялось процентным соотношением единиц жилья, использующих общественную воду, и большим количеством работников в розничной торговле, чем в сельскохозяйственных отраслях. Индекс благоустройства 3 составлял 10–13% дисперсии и в основном объяснялся процентной долей сезонных единиц жилья. Эти три фактора можно интерпретировать как богатство и образование, модернизацию и роскошь. Доступность. (Iii) Доступность. На каждый год были сформированы два индекса доступности. Индекс доступности 1 составил около 33% дисперсии и в основном объяснялся близостью к центральным городам и плотностью автомагистралей.Индекс доступности 2 составил 20% дисперсии и объяснялся общественным транспортом. Эти два показателя можно интерпретировать как близость, инфраструктуру и общественный транспорт. (iv) Желательность. Три индекса желательности, на которые в целом приходилось 63% общей дисперсии, были сохранены для представления естественных удобств, желательных для проживания в определенных MCD. Первый индекс в основном объяснялся процентным соотношением лесов, водно-болотных угодий и земель общего пользования; второй по смотровым площадкам; третий по длине берега реки / озера / береговой линии и полей для гольфа.Эти три фактора можно интерпретировать по отдельности как зеленые насаждения, пейзажи и отдых. (V) Возможность застройки. Был создан только один индекс для представления земель, доступных для переустройства и застройки. Доля пригодных для освоения земель в каждом MCD представляет собой интересный механизм для прогнозирования направления и тенденции развития земель. В описательных целях он логически представляет собой пояснительный элемент перераспределения населения.
3. Методология
В этом исследовании мы приняли и модифицировали интегрированный пространственный подход, разработанный в Чи [5], чтобы изучить влияние движущих факторов на изменение численности населения в Висконсине в 1970–1980, 1980–1990 и 1990–2000 годах. через сельские, пригородные и городские районы.В частности, наша методология включает четыре шага: регрессию по методу наименьших квадратов (МНК), выбор оптимальной матрицы пространственных весов, регрессию пространственной зависимости и регрессию пространственного режима.
Сначала сгенерированные индексы были включены в три регрессионные модели OLS для изучения и сравнения их влияния на изменение численности населения в 1970–1980, 1980–1990 и 1990–2000 годах. Их эффективность оценивается на основе критериев соответствия, которые включают логарифмическую вероятность, информационный критерий Акаике (AIC) [26] и байесовский информационный критерий Шварца (BIC) [27].Для сравнения вложенных моделей можно выполнить логические тесты правдоподобия. Если две модели не вложены, часто используются AIC и BIC. AIC и BIC наказывают слишком сложные модели при оценке соответствия модели данным. Модели, имеющие меньший AIC или BIC, считаются лучшими моделями с точки зрения подгонки модели, сбалансированной с модельной экономией [28]. Остатки модели OLS могут демонстрировать пространственную автокорреляцию, и если это так, то следует контролировать пространственную автокорреляцию с помощью матрицы пространственных весов.
Во-вторых, мы выбрали оптимальную матрицу пространственных весов, следуя процедуре, разработанной в Chi [5]. Из сорока возможных матриц пространственных весов мы выбрали ту, которая фиксирует максимальную пространственную автокорреляцию остатков модели OLS за три периода. Матрицы сорока весов включают матрицы весов примыкания ладьи и ферзя с порядком 1 и порядком 2; матрицы весов ближайших соседей k , с k в диапазоне от 3 до 8 соседей; общие матрицы весов расстояний и матрицы весов обратных расстояний со степенью 1 или степенью 2 от 0 до 100 миль с шагом 10 миль на основе расстояния между центроидами MCD.Обзор других матриц пространственных весов и других процедур выбора оптимальной пространственной матрицы можно найти в Aldstadt и Getis [29].
В-третьих, выбранная матрица пространственных весов использовалась для диагностики типа пространственной зависимости в остатках модели OLS, на основе которой может быть указана соответствующая модель пространственной регрессии. Диагностика включает тесты множителя Лагранжа (LM) для зависимости от запаздывания, зависимости от ошибок и комбинации зависимостей от запаздывания и ошибки, а также надежные LM-тесты для зависимости от запаздывания и зависимости от ошибок.LM-тесты помогают обнаружить пространственную зависимость в виде пропущенной пространственно-запаздывающей зависимой переменной и / или зависимости от пространственной ошибки [30]. Надежные LM-тесты помогают диагностировать уместность пространственной зависимости, если LM-тесты для зависимости от задержки и ошибки являются значимыми [31]. На основе результатов тестов пространственной зависимости определены соответствующие модели пространственной регрессии для дальнейшего изучения влияния движущих факторов изменения численности населения в БДК Висконсина в 1970–1980, 1980–1990 и 1990–2000 годах.
Наконец, мы использовали модель пространственного режима, которая может оценивать коэффициенты отдельно для сельских, пригородных и городских районов, чтобы дополнительно изучить пространственные вариации влияния движущих факторов на изменение численности населения в каждом из трех периодов времени. Модель пространственного режима может одновременно учитывать пространственную зависимость и вариации коэффициентов в сельских, пригородных и городских районах [32]. Стабильность коэффициента для каждой переменной и общая структурная стабильность могут быть диагностированы с помощью пространственного теста Чоу [33].
4. Результаты
4.1. Влияние индексов на изменение численности населения в 1970–80, 1980–90 и 1990–2000 годах
Первоначально индексы использовались в трех регрессионных моделях OLS для отдельного объяснения изменения численности населения в 1970–1980, 1980–1990 и 1990–2000 годах. В моделях OLS мы предполагаем, что остатки модели были независимо и одинаково распределены. Однако такое предположение не может выполняться, если в модели существует пространственная зависимость. Поэтому мы использовали 40 различных матриц пространственных весов, как упоминалось в предыдущем разделе, для диагностики пространственной зависимости в остатках модели OLS на основе статистики Морана I.Остатки модели OLS демонстрируют значительную пространственную зависимость во всех трех моделях по всем 40 матрицам весов. Статистика Морана I остатков модели обычно уменьшается по мере того, как расстояние между матрицами пространственных весов увеличивается с 10 миль до 100 миль в каждый из трех периодов. Матрицы весов ближайших соседей k отражают более высокую пространственную зависимость остатков модели, чем матрицы весов на основе расстояния и матрицы смежности ферзя и ладьи в каждом из трех периодов, за исключением 1970–1980 годов, когда k — Матрицы ближайшего соседа имеют немного меньшую пространственную зависимость, чем матрицы ферзя и ладьи первого порядка.Матрица весов ближайшего соседа k часто является предпочтительной для анализа данных переписных единиц по трем причинам [28]. Во-первых, основанные на расстоянии матрицы пространственных весов, как правило, создают слишком много соседей для городских районов, но слишком мало соседей для сельских районов, что становится проблемой для изучения влияния влияющих факторов на изменение численности населения в сельских, пригородных и городских районах. Во-вторых, матрицы смежности ферзя и ладьи имеют тенденцию давать слишком много или слишком мало соседей в зависимости от количества колец.В-третьих, матрица ближайших соседей k может обеспечить меньшее количество соседей. В этом исследовании матрица весов 5 ближайших соседей отражает наивысшую пространственную зависимость остатков всех моделей. Таким образом, мы выбрали его для дальнейшего обнаружения типа пространственной зависимости в остатках модели OLS, а также для учета пространственной зависимости в моделях пространственной регрессии. Диагностика показывает, что в остатках модели 1970–1980 гг. Существуют как пространственное запаздывание, так и зависимость от пространственной ошибки, причем зависимость от пространственного запаздывания более сильна; в остатках моделей 1980–1990 и 1990–2000 годов существует только пространственная зависимость лага (таблица 2).Чтобы провести последовательное сравнение за три десятилетия, мы решили использовать модели пространственного запаздывания для учета пространственной зависимости.
14 ) * ** 93,59 ***7 −44924
75
BIC = Байесовский информационный критерий Шварца. ; ; .
Отображаемые коэффициенты стандартизированы для сравнения относительной важности каждой переменной по сравнению с другими переменными в каждой модели и с самой переменной в трех моделях.
1970–1980 1980–1990 1990–2000
-0,051 * 0,086 ** 0,042
Демография 2 (раса) -0.120 *** 0,055 * −0,088 **
Жизнеспособность 1 (образование) 0,064 ** 0,234 *** 0,155 ***
Жизнеспособность 2 (модернизация) 0,034 0,183 *** 0,166 ***
Жизнеспособность 3 (люкс) −0,197 *** 0,118 *** 0,331 ***
Доступность 1 (близость и инфраструктура) 0,076 ** 0.016 0,039
Доступность 2 (общественный транспорт) −0,026 −0,030 −0,007
Желанность 1 (зеленая зона) 0,128 *** 9047 0,049
Желательность 2 (пейзаж) −0,139 *** −0,027 0,013
Желанность 3 (отдых) −0,068 * −0,024
0.081 ** 0,108 *** 0,095 **
Диагностика пространственной зависимости
LM (ошибка) 76,92 ***
Надежный LM (ошибка) 8,92 ** 0,49 2,01
LM (отставание) 141,40 *** 78495
Надежный LM (лаг) 37.83 *** 9,72 ** 18,68 ***
Меры подгонки
Правдоподобие логарифма
AIC 5000.340 4999.960 4981.180
BIC 5066.530 5066.150 5047.370
Зависимость от захваченного пространственного лага важна для объяснения изменения численности населения в 1970–1980, 1980–1990 и 1990–2000 годах (таблица 3). Учет зависимости пространственного запаздывания в моделях с пространственным запаздыванием улучшает подгонку модели к данным, сбалансированным с использованием модели экономичности, на основе того факта, что значение логарифмического правдоподобия больше, а значения AIC и BIC меньше для каждой соответствующей модели пространственной регрессии.Таким образом, более подходящей моделью для интерпретации коэффициентов регрессии является модель пространственного запаздывания, а не модель OLS. Для лучшей интерпретации и сравнения влияния индексов на изменение численности населения мы указали стандартизованные коэффициенты, а не нестандартизованные коэффициенты. Первые позволяют сравнивать относительную важность каждого индекса для других в каждой модели и для самого себя в трех моделях.
14 0.052 * *** 4935495 9049 493549540020
1970–1980 1980–1990 1990–2000
0,098 *** 0,032
Демография 2 -0,094 *** 0,058 * -0,083 **
Жизнеспособность 1 0,042 0,114 ***
Жизнеспособность 2 0,037 0,173 *** 0,146 ***
Жизнеспособность 3 −0,157 *** 0,082 ** 0,268 ***
Доступность 1 0.054 * 0,010 0,036
Доступность 2 −0,014 −0,028 −0,005
Желательность 1 0,095 ** 9047 0,055 9047 −0,102 *** −0,018 0,014
Желательность 3 −0,044 −0,006 −0,012
Развиваемость 0.075 * 0,103 *** 0,084 **
Пространственное отставание 0,327 *** 0,267 *** 0,290 ***
Меры
Логарифмическое правдоподобие −2432,660 −2454.770 −2438,580
AIC 4891.320 5007.250 4974.870
Примечания: AIC = информационный критерий Акаике. BIC = Байесовский информационный критерий Шварца. ; ; .
Отображаемые коэффициенты стандартизированы для сравнения относительной важности каждой переменной по сравнению с другими переменными в каждой модели и с самой переменной в трех моделях.
Величина и значение стандартизованных коэффициентов демонстрируют очевидные вариации в пределах каждого из трех десятилетий и в течение трех десятилетий.Во-первых, два демографических индекса отрицательно повлияли на рост населения в 1970–1980 годах, но положительно повлияли на 1980–1990 годы; только демографический индекс 2 повлиял на прирост населения в 1990–2000 годах (отрицательно). Демографический индекс 1 в 1970 году является индексом возрастной структуры и положительно связан с молодым населением, но отрицательно с пожилым населением. Более молодое население, чем старое, в 1970 году привело к сокращению населения с 1970 по 1980 год. Демографический индекс 1 в 1980 году также является индексом возрастной структуры, но отрицательно связан с молодым населением и положительно со старым населением.Более молодое население, чем старое, в 1980 году привело к сокращению населения с 1980 по 1990 год. Полученные данные согласуются с давним мнением о том, что молодое население имеет более высокий потенциал мобильности, чем старое население; молодые люди более склонны к переезду, а пожилые — к остающимся [34]. В районах с более молодым и менее старым населением, вероятно, произойдет сокращение численности населения.
Демографический индекс 2 — это расовый индекс. Более высокий процент чернокожих и выходцев из Латинской Америки был связан с сокращением численности населения в 1970–1980 и 1990–2000 годах, но с ростом населения в 1980–1990 годах.В Висконсине чернокожие и латиноамериканцы в основном живут в мегаполисах [35]. В 1980–1990 гг., Когда модель перераспределения населения возобновилась, рост мегаполисов увеличился, так как MCD с более высокой долей чернокожих и латиноамериканцев выросли, потому что эти MCD, вероятно, проживают в мегаполисах. Напротив, в 1970–1980 и 1990–2000 годах, когда сельские районы росли, в БДК с более высокой долей чернокожих и выходцев из Латинской Америки наблюдалось сокращение численности населения.
Во-вторых, только один индекс благоустройства повлиял на рост населения в 1970–1980 годах, но все три индекса благоустройства оказали положительное влияние на рост населения в 1980–1990 и 1990–2000 годах.В 1970–1980 годах индекс благоустройства 3 отрицательно сказался на росте населения. Однако индекс благоустройства 3 отрицательно связан с сезонными жилищными единицами в 1970 г. (см. Таблицу 1). Таким образом, отрицательный коэффициент индекса благоустройства 3 на рост населения представляет собой положительное влияние сезонных единиц жилья на рост населения. 1970-е годы — первое десятилетие в Висконсине, когда мигранты переехали в сельские районы, богатые природными благами. Жилые дома с более высокой долей сезонного жилья привлекали мигрантов.Таким образом, сезонные жилищные единицы (роскошь) играли более сильную роль, чем благосостояние, образование и модернизация, в привлечении населения в то десятилетие.
В 1980–1990 годах все три индекса благоустройства оказали положительное влияние на рост населения, но благосостояние, образование и модернизация оказали более сильное влияние на рост населения, чем сезонное жилье. Висконсин пережил рост мегаполиса в 1980-х годах в основном из-за экономических потрясений, таких как кризис задолженности фермерских хозяйств, деиндустриализация и возрождение городов.Экономическая перспектива пригодности для жилья ценилась больше, чем перспектива сезонного жилья во время экономического спада [8]. Однако в 1990–2000 годах сезонные жилищные единицы играли более важную роль, чем благосостояние, образование и модернизация. В 1990-х годах в Висконсине восстановились сельские районы [9], и, таким образом, БДК с более высокой долей сезонного жилья привлекли больше мигрантов.
В-третьих, доступность, которая считается важным фактором изменения населения во многих существующих исследованиях (см. [36] для обзора литературы), не оказывала влияния на изменение населения в 1980–1990 и 1990–2000 годах.Только индекс доступности 1 оказал значительное, но незначительное влияние на изменение численности населения в 1970–1980 годах. Этот вывод подтверждает мнение о том, что доступность способствует перемещению населения [5]. Когда сельские районы восстанавливаются, транспортная доступность способствует перемещению из городских в сельские районы. Когда мегаполисы разрастаются, транспортная доступность по-прежнему способствует перемещению людей из сельских в городские районы. Улучшенная доступность способствует перемещению населения из одного района в другой, но сама доступность не ведет к росту или сокращению населения.
В-четвертых, два индекса желательности оказали значительное влияние на изменение численности населения в 1970–1980 годах, десятилетие, характеризуемое как «обратная миграция» в США [37, 38]. Давние тенденции эмиграции из сельских в городские районы изменились впервые в истории США, поскольку природные красоты привлекали мигрантов в сельские районы. Природные удобства, такие как леса, водно-болотные угодья, национальные парки и заповедники, привлекали мигрантов в эти рекреационные округа. Недавняя сельская политика и принятие решений все больше полагаются на природные удобства как двигатель роста сельских районов [8].Однако ни один из индексов желательности не оказал статистически значимого влияния на изменение численности населения в 1980–1990 и 1990–2000 годах. Это может быть связано с тем, что природные удобства имеют пространственно различное воздействие на изменение численности населения, что будет изучено в следующем подразделе.
В-пятых, возможность развития положительно влияла на рост населения на протяжении всех трех десятилетий. Чем больше земель доступно для застройки, тем выше вероятность роста населения. Это наблюдение согласуется с различными процессами перераспределения населения, включая обратную миграцию, возобновление роста мегаполисов и восстановление сельских районов.Это предполагает, что развитие земель необходимо для роста и развития населения.
В-шестых, эффекты пространственного запаздывания значительны на протяжении всех трех десятилетий и являются самыми сильными по сравнению с другими переменными. Изменение населения — это явление, которое часто оказывается пространственно автокоррелированным. На рост (или сокращение) населения в районе может влиять рост (или сокращение) населения в прилегающих районах. Наблюдаемая пространственная зависимость изменения численности населения была хорошо объяснена несколькими теориями и многочисленными исследованиями (обзор литературы см. В [10, 11, 28]).
В целом, эффекты пространственного запаздывания и возможности развития оказали относительно постоянное влияние на изменение численности населения на уровне MCD в любом временном контексте: изменение численности населения в районе распространяется на его соседей; для роста населения и развития необходимы доступные земли. Однако влияние других индексов различается как по значимости, так и по величине. Их влияние на изменение численности населения зависит от взаимодействия между ними, а также от общих тенденций перераспределения населения; ни один из индексов сам по себе недостаточен для стимулирования роста населения.Кроме того, различие эффектов может быть связано с тем, что существуют пространственные вариации эффектов этих индексов. Кроме того, близость к городской агломерации влияет на динамику населения в пространстве [39]. Затем мы исследуем влияние индексов на изменение численности населения отдельно в сельских, пригородных и городских районах, используя модель пространственного режима.
4.2. Влияние на сельские, пригородные и городские районы
Результаты показывают, что влияние индексов на изменение численности населения варьировалось в сельских, пригородных и городских районах (таблица 4).Во-первых, демографические индексы по-разному влияли на изменение численности населения в трех регионах за три десятилетия; согласованных выводов достичь невозможно. Влияние индексов могло быть положительным, отрицательным или отсутствовать в любой из трех областей. Этот вывод может быть просто связан с тем фактом, что демографические характеристики (особенно возрастная структура и расовый состав) не являются определяющими факторами роста населения, который в совокупности определяется многими другими факторами, такими как транспортная доступность, природные удобства, а также землепользование и развитие. .Эти факторы часто игнорируются в традиционных социально-демографических исследованиях, но в других дисциплинах рассматриваются как важные для объяснения демографических изменений. Как показывает это исследование, на изменение численности населения по-разному влияют многие факторы во времени и в пространстве. Изменение численности населения следует исследовать более комплексно.
9047 9049 R 904 *** 9049 0,14 9049 0494 0,483 9049 9049 9049 9049 −0,121 *7 778
1970–1980 1980–1990 1990–2000
R S
Instab R S U Instab
Индексы
65 9100 *** 0,017 0,505 ** ** 0,169 *** -0,017 0,114 — 0,027 -0,171 * 0,438 * **
Демография 2 0,005 −0,336 ** −0,132 * ** 0,123 *** 0.073 -0,091 ** -0,102 ** 0,030 -0,099 —
Жизнеспособность 1 -0,017 0,120 * -0,093 *** 0,14 -0,002 — 0,109 * 0,246 *** -0,069 **
Жизнеспособность 2 −0.024 0,250 *** -0,052 *** 0,083 * 0,344 *** 0,505 ** 0,101 ** 0,239 ** 0,066 —
Жизнеспособность 3 -0,152 *** 0,007 -0,409 * 0,064 -0.051 0,411 — 0,284 *** −0,222 * −0,337 ***
Доступность 1 0,134 −0,023 0,007 — 0,013 −0,097 −0,043 — 0,047 −0,043 — 0,047 −0,043 — 0,047 −0,043 Доступность 2 −0,023 −0.020 0,056 — 0,025 -0,029 0,024 — 0,003 0,041 0,035 —
* 0,075 0,102 -0,805 ** ** -0,049 0.153 −0,206 —
Желательность 2 −0,081 *** −0,051 0,682 — −0,012 −0,005 −0,183 —
Желательность 3 −0,043 −0,044 −0,007 — 0,004 −0,047 9049 * 9049 * −0.012 -0,053 0,023 —
Развиваемость 0,111 ** -0,032 0,248 — 0,108 ** 0,047 0,449 0,063 0,181 * 0,176 —
Пространственное отставание 0,265 *** 0,293 *** 0,084 — 0.228 *** 0,209 *** 0,053 — 0,230 *** 0,202 *** 0,087 —
9047 Меры подгонки
Логарифмическое правдоподобие −2361,06 −2389,78 −2389,39
1447

BIC 5015,25 5072,69 5071.90
Примечания: R = Сельская местность; S = Дачные участки; U = Городские районы; Instab = Нестабильность коэффициентов.
AIC = информационный критерий Акаике. BIC = Байесовский информационный критерий Шварца.
; ; .
Отображаемые коэффициенты стандартизированы для сравнения относительной важности каждой переменной по сравнению с другими переменными в каждой модели и с самой переменной в трех моделях.
Во-вторых, за три десятилетия жизнеспособность сыграла важную роль в изменении численности населения только в сельских и пригородных районах, но не в городских. Удобный образ жизни и качество жизни в сельской местности и пригородах — это то, что ценят мигранты. Напротив, удобный образ жизни и качество жизни воспринимаются как часть городской жизни и, таким образом, не способствуют росту городского населения. Кроме того, изменение городского населения более ограничено существующими ограничениями, такими как наличие земли для застройки и политикой, такой как комплексные планы землепользования и постановления о зонировании [5].Например, если район преобразован из жилого района в район, допускающий коммерческую застройку, район, скорее всего, потеряет население, независимо от того, насколько он пригоден для жизни. Разделение жилой, коммерческой и другой застройки в сочетании с правилами зонирования усложняет изменение численности населения. Анализ воздействия программ землепользования на изменение городского населения, который не включен в это исследование, может дать представление о процессе изменения городского населения. Более того, динамику городского населения можно лучше моделировать на более тонких географических уровнях, таких как участки переписи, квартальные группы и кварталы [5].Городское население более плотное, чем пригородное и сельское; Взаимодействие населения в городских районах более интенсивно. Например, благосостояние может резко отличаться в двух соседних районах — трущобах на одной стороне улицы и богатых, живущих на другой стороне [40].
В-третьих, доступность не повлияла на изменение численности населения в сельских, пригородных или городских районах ни в одном из трех десятилетий. Этот вывод лучше всего подтверждает представление о том, что доступность способствует перемещению населения [5].Сама по себе доступность не способствует и не препятствует росту населения. Доступность помогает людям подключиться к местам проживания, работы и магазинам и может способствовать эффекту пространственного запаздывания при изменении населения. Благодаря более высокой доступности люди могут жить в одном месте, но работать в другом. Когда в одном районе наблюдается чистая иммиграция, цены на жилье вырастут и, в свою очередь, вынудят некоторых мигрантов перебраться в близлежащие районы, где цены на жилье ниже, до тех пор, пока они не достигнут равновесия.Напротив, когда в одном районе наблюдается чистая эмиграция, цены на жилье снижаются и, в свою очередь, привлекают в этот район некоторых жителей из близлежащих районов. Доступность транспорта лучше всего рассматривать как фактор, способствующий усилению эффекта пространственного отставания от перераспределения населения. Тем не менее, существует множество других определений роли, которую транспортная доступность играет в изменении численности населения (см. [36] для обзора литературы). По-видимому, определение фасилитатора лучше всего объясняет наши выводы.
В-четвертых, желательность оказала влияние на изменение сельского и городского населения, но не на изменение пригородного населения. Желательность сыграла важную роль в сельских районах в 1970–1980 годах, в десятилетие периодической миграции. Этот вывод согласуется с выводами из литературы по сельской демографии, в которой обратная миграция после 1970 г. считалась функцией привлекательной силы природных благ в сельской Америке [37, 38, 41]. Желательность не повлияла на изменение численности населения пригородов ни в одно из трех десятилетий.Это может быть просто связано с тем, что мигранты выбирают пригородные районы из-за удобного доступа как к природным благам в сельской местности, так и к городским благам в городских районах. В городских районах рекреация имела положительный эффект, но зеленые насаждения оказали отрицательное влияние на рост городского населения только в 1980–1990 годах, десятилетии возобновления роста мегаполисов. Подобно эффектам пригодности для жизни, влияние желательности на изменение городского населения зависит от ограничений, таких как наличие земли для развития и таких политик, как комплексные планы землепользования и постановления о зонировании, и их влияние может быть лучше изучено на более мелком географическом уровне.
В-пятых, способность к развитию проявляла различные эффекты с течением времени и во всех трех областях. Наличие земель для застройки способствовало росту сельского населения в 1970–1980 и 1980–1990 годах. Развитость оказалась важной для привлечения мигрантов в 1970–1980 годах, когда население впервые начало переезжать в сельские районы в поисках природных благ. Тенденция развития сельских земель в 1970-х годах продолжалась до 1980-х годов, хотя это было десятилетие возобновления роста мегаполисов.Развитость существенно повлияла на рост населения пригородов только в 1990–2000 годах. Когда модели перераспределения населения переключаются с возобновления роста мегаполисов на оживление в сельской местности, пригородные районы могут извлечь выгоду из своего географического преимущества для доступа как к сельским природным, так и городским удобствам. В городских районах способность к развитию повлияла на рост населения только в 1980–1990 годах, когда мегаполисы возобновили рост.
В-шестых, пространственное отставание оказывает положительное и аналогичное влияние на рост сельского и пригородного населения в каждом из трех десятилетий.На рост (или сокращение) населения в сельских и пригородных районах влияет рост (или сокращение) населения в прилегающих районах. Однако значительных эффектов пространственного отставания в городских районах не наблюдалось. Опять же, это может быть связано с тем, что изменение городского населения в большей степени сдерживается существующим развитием и ограничивается правилами землепользования и политикой. Разделение жилой, коммерческой и другой застройки в сочетании с правилами зонирования может влиять на пространственную динамику изменения населения.
Следует также отметить, что влияние некоторых индексов на изменение численности населения было статистически различным в сельских, пригородных и городских районах. В 1970–1980 годах пять индексов (два демографических индекса, два из трех индексов пригодности для жизни и один индекс желательности) оказали статистически различное влияние на изменение численности населения в трех областях. В 1980–1990 годах пять индексов (один демографический индекс, один индекс пригодности для жизни, два индекса желательности и индекс способности к развитию) также оказали статистически различное влияние на изменение численности населения в этих областях.В 1990–2000 годах один демографический индекс и два индекса пригодности для жизни по-разному влияли на изменение численности населения в этих районах.
Полученные результаты согласуются с предыдущими исследованиями пространственной неоднородности динамики населения и экономического роста и развития (например, [12, 13, 39]). Рост населения демонстрирует пространственные вариации. Влияние влияющих факторов на рост населения также различается в пространстве. Более того, пространственные вариации роста населения и взаимосвязь этого роста с его влиятельными факторами меняются со временем, когда меняются тенденции перераспределения населения.Рост и развитие населения можно лучше понять в его пространственном и временном контексте с учетом междисциплинарной точки зрения.
5. Резюме и обсуждение
5.1. Резюме
На рост (или сокращение) и развитие населения влияет множество факторов, которые относятся к широким сферам демографических характеристик, социально-экономических условий, транспортной доступности, природных благ и освоения земель, как в целом классифицируются в существующих исследованиях.Однако влияние этих факторов на изменение численности населения непостоянно во времени или пространстве. Эффекты проявляют пространственную зависимость и вариации и меняются в зависимости от тенденций перераспределения населения. Систематическое понимание изменения численности населения и его связи с движущими факторами требует систематического рассмотрения влияющих факторов в пространстве и времени. В этом исследовании мы сосредоточились на изменении численности населения с 1970 по 2000 год на уровне MCD в Висконсине, США, чтобы изучить относительную важность факторов, объясняющих изменение численности населения в течение трех периодов времени с различными моделями перераспределения населения и между сельскими, пригородными и городскими районами. .
Результаты показывают, что изученные факторы по-разному влияют на изменение численности населения в трех областях за три десятилетия. Во-первых, на рост (или сокращение) сельского и пригородного населения влияет рост (или сокращение) населения в прилегающих районах, независимо от того, идет ли речь о периодах реверсивной миграции, возобновления роста мегаполисов или восстановления сельских районов. Однако изменение городского населения не связано с изменением численности населения в прилегающих районах — рост городского населения может быть более ограничен существующим землепользованием и политикой.Во-вторых, по той же причине пригодность для жизни также не влияет на изменение городского населения, но оказывает влияние на изменение сельского и пригородного населения. В-третьих, транспортная доступность не влияет на изменение численности населения, но способствует перемещению населения; Доступность сама по себе не способствует изменению населения ни в одной из трех областей ни в одном из трех десятилетий. Доступность, похоже, усиливает эффект пространственного запаздывания изменения населения. В-четвертых, влияние желательности на изменение численности населения зависит от общего процесса перераспределения населения.Желательность способствует росту сельского населения в периоды круговой миграции и способствует росту городского населения в периоды возобновления роста мегаполисов. Желательность не влияет на рост населения в пригородах — мигранты могут выбирать пригородные районы просто из-за удобства доступа как к сельским, так и к городским удобствам. В-пятых, способность к развитию способствует росту населения в целом за все три десятилетия. Но когда изменение численности населения рассматривается отдельно в трех областях, эффекты больше зависят от процесса перераспределения населения — способность к развитию влияет на рост сельского населения в период возвратной миграции и последующий период, на рост населения в пригородах в периоды восстановления в сельских районах и на городское население. рост в период возобновления столичного роста.В-шестых, демография оказывает неоднозначное влияние на изменение численности населения в трех областях — возможно, из-за того, что другие факторы играют более сильную роль в изменении численности населения.
Эти конкретные результаты можно обобщить на некоторые другие регионы США, а также на другие развитые страны на уровнях, которые действуют как функционирующие правительственные единицы и имеют географические размеры, аналогичные МЦД. Однако полученные результаты более обобщены для штатов с местными характеристиками (демографический состав, социально-экономические условия, транспортная инфраструктура, природные удобства и возможность освоения земель) и тенденциями перераспределения населения (возрождение сельских районов в 1970-х годах, рост городов в 1980-х годах и восстановление сельских районов в 1990-е годы), аналогичные тем, что были в Висконсине.
5.2. Структура изменения численности населения
Это исследование предполагает, что систематическое изучение изменения численности населения должно учитывать четыре элемента, которые могут быть обобщены на другие исследования изменения численности населения. Во-первых, на изменение численности населения влияет широкий спектр факторов; ни один из факторов не может индивидуально определять направление и величину изменения численности населения. Эти факторы часто взаимодействуют и зависят друг от друга, чтобы совместно влиять на изменение численности населения. Например, было бы трудно способствовать росту населения и экономическому развитию в районе с высокой пригодностью для жизни и желанием, если бы в этом районе не было хорошо развитой транспортной сети [42].Кроме того, статистически исключение релевантных факторов из модели смещает оценки параметров для переменных, включенных в модель, и, таким образом, потенциально приводит к неточным или смещенным результатам. Следовательно, при изучении демографических изменений важно учитывать факторы из множества дисциплин.
Во-вторых, факторы по-разному влияют на изменение численности населения в периоды времени с разными процессами перераспределения населения, которые определяются разными основными факторами.Один и тот же фактор может быть важным в один период времени, но неважным в другой, или может иметь положительное влияние на рост населения в один период времени, но отрицательное — в другой. Например, качество жизни и удобства являются центральными детерминантами миграции в странах с хорошей экономикой, но возможности трудоустройства более важны во времена экономического спада [8]. Воздействие факторов на изменение численности населения зависит от общей тенденции процессов перераспределения населения.
В-третьих, изменение численности населения имеет пространственные побочные эффекты, то есть изменение численности населения в одной области может распространяться на соседние области.Развитие и совершенствование транспортных сетей увеличивает взаимодействие населения и увеличивает потоки между местами поблизости и даже между местами далеко: сети автомагистралей соединяют соседние места вместе, а близость к аэропортам соединяет отдаленные места вместе [43]. Однако побочные эффекты могут быть как положительными (эффект «распространения»), так и отрицательными (эффект «обратной волны»), в зависимости от взаимной географической зависимости экономического роста и развития между этими областями; это явление хорошо объяснено теорией полюса роста [44].
В-четвертых, факторы по-разному влияют на изменение численности населения от сельской местности к пригородам и городам. Некоторые факторы, по-видимому, влияют на изменение численности населения больше в одной области, чем в других. Эффекты также зависят от характеристик местности; например, изменение городского населения в большей степени сдерживается существующим землепользованием и политикой. Пространственные вариации эффектов существуют потому, что локальные районы могут различаться по механизмам роста, что не так легко уловить в традиционных глобальных стандартных регрессионных моделях [13].Глобальные оценки коэффициентов могут отражать только коллективные эффекты, но не локальные вариации эффектов, которые могут дать неверную информацию о локальной динамике.
В целом на изменение численности населения влияет множество факторов, влияние которых зависит от тенденций перераспределения населения и варьируется в пространстве. Кроме того, изменение численности само по себе демонстрирует пространственные побочные эффекты. Таким образом, при изучении изменения численности населения важно учитывать все четыре элемента (факторы, временные, вторичные и пространственные), поскольку это не только сделает анализ более методологически строгим и обеспечит более систематическое понимание изменения численности населения, но и предложит менее предвзятый анализ. последствия для политики для политиков и лиц, принимающих решения.
5.3. Последствия для политики
Полученные данные имеют важное значение для прогнозов численности населения, используемых для местного и регионального планирования. У исследователей возникает соблазн искать уникальные решения для моделирования задач прогнозирования. Тем не менее, это исследование предполагает, что для прогнозов численности населения на небольших территориях в динамических условиях может оказаться невозможным точно предсказать изменение по заранее выбранному набору переменных. Скорее, прогноз потребует выбора переменных из данных, что позволит провести сильную оценку post priori влияний на изменение численности населения, предполагая при этом, что прогнозирование неизвестного будущего чревато.Учет пространственной и временной динамики будет полезен для уменьшения неопределенности в моделях, но не при выборе переменных, которые имеют наибольшее влияние в любое время или в любом месте.
Последние подходы и политика к планированию, такие как комплексное планирование и закон «Разумный рост», требуют всестороннего учета динамики населения, жилищного строительства, экономического развития, транспорта, сельскохозяйственных, природных и культурных ресурсов, планирования землепользования, коммунальных услуг и общественных объектов, а также другие элементы [45].Планировщики и лица, принимающие решения, заинтересованы в знании разнообразных результатов, доступных из сценариев «что, если» их решений, а также местных и соседних изменений [46]. Однако возможные результаты могут быть необъективными, если четыре элемента изменения численности населения (факторы, временные, вторичные и пространственные) не рассматриваются систематически. Систематическое изучение изменения численности населения с помощью этих четырех элементов обеспечит более надежные результаты для политиков и лиц, принимающих решения, чтобы помочь сообществам понять демографические проблемы, связанные с ухудшением физической инфраструктуры, увеличением разрыва в доходах, угрозами качеству окружающей среды и природным удобствам, нехваткой жилья, заторами на дорогах и смены соседних мест; посмотрите на разнообразие результатов в сценариях «что, если» и предложите стратегии для решения потенциальных проблем развития.
В этом исследовании изучалось изменение численности населения в целом, рассматривая его различные движущие факторы, а также временные и пространственные вариации воздействия факторов. Это исследование основывается на существующем анализе для конкретного и систематического изучения способов, которыми биогеофизические переменные и социально-экономические структурные переменные взаимодействуют с демографическими переменными, чтобы влиять на рост или сокращение местного населения. Динамику численности населения следует рассматривать в их историческом, пространственном, социальном, экономическом и политическом контексте и увязывать с ограничивающими / способствующими факторами окружающей среды.Изменение численности населения следует моделировать целостно, а не отдельно в рамках сложного социально-экономического контекста.
5.4. Дальнейшие исследования
Хотя это исследование изучает изменение населения в пространстве и во времени, используя интегрированный пространственный подход [5], существуют альтернативные подходы для систематического изучения изменения населения. Два примера включают недавно разработанный подход пространственных панелей [47] и байесовскую модель пространственно-временного взаимодействия [48]. Эти две модели способны учитывать широкий спектр переменных, а также пространственные и временные влияния.Кроме того, недавнее быстрое развитие связанных человеческих и природных систем обеспечивает не только сложные статистические модели для рассмотрения взаимодействий между изменением численности населения и его движущими факторами, но также и комплексную основу для решения этой темы исследования (например, [18]). В последние годы наблюдается усиление внимания к междисциплинарным исследованиям в исследованиях, изучающих взаимоотношения человека и окружающей среды, как того требует конкурентное финансирование исследований [6], быстрое развитие методов пространственной статистики и пакетов программного обеспечения [28], а также увеличение доступности продольных данных с географической привязкой и мощных вычислений. удобства.Они предоставляют возможности для разработки теоретических и методологических перспектив систематического понимания динамики и развития населения.
РубрикаРазное
Добавить комментарий Отменить ответ
Ваш адрес email не будет опубликован. Обязательные поля помечены *
Комментарий *
Имя *
Email *
Сайт

Найти:
Рубрики
Биосфера
Глобальное потепление
Защита биосферы
Климат
Климатические пояса
Обитатели океанов
Океан
Полезно знать
Потепление
Природа
Разное
Человек и природа
Экология
Экология России
2019 © Все права защищены. Карта сайта