Demográfia. Ferenci Tamás november 6.

Átírás

1 Ferenci Tamás november 6.

2 Irodalom-ajánló A népesség és változása Nagyon-nagyon-nagyon melegen ajánlom mindenkinek az Our World in Data oldalt ( mégpedig a demográfiától teljesen függetlenül is! Nem egyszerűen fantasztikusan érdekes, jól megválogatott adataik vannak, de számos közülük interaktívan ábrázolható, testreszabható, további elemzéshez letölthető stb., sőt, mindehhez még nagyon jó kommentárok, magyarázatok is tartoznak

3 Adatforrások A népesség és változása A szokásos statisztikai adatforrásokon (KSH, Eurostat stb.) demográfiában kifejezetten jól jön: OWID: a már látott Our World in Data oldal ( HFD: Human Fertility Database ( Max Planck Institute for Demographic Research (Germany) and Vienna Institute of Demography (Austria). Közel 30 ország több évtizedre visszamenő átfogó, részletes fertilitási adatai. Ingyenes, nyílt hozzáférésű, csak egy egyszerű regisztrációt igényel. HMD: Human Mortality Database ( University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany). Közel 40 ország több évtizedre, sőt, helyenként évszázadra visszamenő átfogó, részletes mortalitási adatai. Ingyenes, nyílt hozzáférésű, csak egy egyszerű regisztrációt igényel.

4 Tartalom A népesség és változása 1 A népesség és változása A népesség nagysága A népesség változásának gyorsasága 2 3 Halandóság Várható élettartam Egészségben töltött évek

5 A világ népességének az alakulása A népesség nagysága A népesség változásának gyorsasága 6 A Föld összlakossága [Mrd fő] Év Forrás: OWID.

6 A világ népességének az alakulása A népesség nagysága A népesség változásának gyorsasága A növekedés 1350 (a fekete halál) óta teljesen töretlen A valaha megszületett emberek több mint huszadának megfelelő ember él jelenleg a Földön 1900 és 2000 között a világ lakossága háromszor annyit nőtt mint 1900 előtt az emberiség teljes története alatt A növekedés összességében még az exponenciálisat is meghaladó!

7 A népesség nagysága A népesség változásának gyorsasága A világ népességének az alakulása (log-lin skálán) 10^1 10^0 A Föld összlakossága [Mrd fő] 10^-1 10^ Év Forrás: OWID.

8 Duplázódáshoz szükséges idők A népesség nagysága A népesség változásának gyorsasága 0.5 mrd fő 600 Duplázódáshoz szükséges idő [év] mrd fő 2 mrd fő 4 mrd fő Év Forrás: OWID.

9 Változási gyorsaság A népesség és változása A népesség nagysága A népesség változásának gyorsasága

10 A változási gyorsaság trendje A népesség nagysága A népesség változásának gyorsasága Tehát: a világ népessége már, tehát az utóbbi évtizedekben lassulva nő! Ennek magyarázata az egyik legalapvetőbb demográfiai megállapításunk lesz Ha ez továbbra is így marad, akkor előbb-utóbb megáll a növekedés, és stabilizálódik a létszám (2100 után kb milliárd főben)

11 Miért érdekelnek minket ezek? 1 Hogy megmagyarázzuk a változásokat 2 Hogy előre tudjuk jelezni azokat

12 Születési és halálozási arányok CBR: népességre jutó születésszám Mértékegysége /fő/év (nem /fő), általában /ezer fő/év-ben adják meg CDR hasonlóan A demográfia voltaképp egyszerű: a CBR és a CDR különbsége érdekel minket... csak épp ez időben elhúzódva zajlik le (dinamikája van) Ráadásul a kor- és nemspecifikus jellemzők is sokszor fontosak lesznek számunkra (Például a korfa nem más, mint kor- és nemspecifikus lélekszám egy speciális elrendezésben ábrázolva) Specifikus mutató: a nevezőt és a számlálót is megfelelően módosítjuk

13 CBR és CDR meghatározói Korcsoport Halálozások Létszám Korspecifikus száma mortalitás , , , , , Egy korcsoportbeli születés/halálozás a korcsoport létszámának és a korspecifikus fertilitási/halálozási rátának a szorzata Az összes születés/halálozás pedig ezek összege (összeadva az összes korcsoport felett) Tehát a CBR és a CDR a korfa és a megfelelő korspecifikus mutató függvénye Először a születésekre fogunk fókuszálni (szép szóval: a fertilitásra)

14 A fertilitás mérőszámai: TFR TFR: egy nő összesen hány gyereknek adna életet, ha az egész életútján végigmenne az éppen aktuális kor-specifikus fertilitási rátákkal Tehát: mindkét nemű gyerek számít (erre még visszatérünk) nincs mortalitás: anya nem veszik el, mert meghal még szülőképesen az éppen aktuális kor-specifikus fertilitásokkal számol (miközben jövőre valójában a jövőre érvényes fertilitás szerint fog szülni, nem a mostani szerint!): ún. szintetikus mutató A szintetikus jelző általában is erre a módszerre utal, mint amivel egy időben lezajlódó folyamatot egyetlen pillanatra vetítünk ( összetoljuk az idősíkokat)

15 A fertilitás mérőszámai: GRR és NRR GRR: csak lánygyerek számít, de minden más ugyanaz mint a TFR-nél NRR: figyelembe vesszük a mortalitást is, de minden más ugyanaz, mint a GRR-nél Miért fontos, hogy csak a lánygyerekekkel számolunk?

16 Születéskori fiú/lány arány

17 Problémák ezzel A népesség és változása Nem tudjuk biztosan, hogy 1 mi a normális arány 2 milyen egyéb tényezők befolyásolják (mik okoznak benne országok közti variabilitást) a szelektív abortuszon túl

18 Replacement fertility NRR-ből egzaktan 1, ez definíció GRR-ből, TFR-ből kb. 1,1 illetve 2,1 (a mortalitásnak helyet kell hagyni)

19 CBR versus TFR A népesség és változása A TFR érzéketlen a populáció életkori összetételének változására Lehet, hogy két populációban pontosan ugyanannyi a TFR, de ha az egyikben több a fiatalabb nő (ahol magasabb a fertilitás), akkor ott a CBR mégis eltérő (magasabb) lesz

20 Élveszületések az anya életkora szerint Magyarországon

21 Tempo effect A népesség és változása A későbbre kerülő gyermekvállalás egy érdekes jelenséghez vezethet Előjön ugyanis, hogy a TFR szintetikus mutató: ha sokan későbbre tolják a gyerekvállalást (de a vállalt gyerek száma nem változik, tehát csak elhalasztásról van szó!), akkor az adott évi fertilitások leesnek, és így a TFR is csökken miközben a nők által vállalt gyerekek száma igazából nem változik! (Amikor pedig elkezdenek megszületni a gyerekek, akkor meg hirtelen megugrik a TFR) Ez a jelenség a tempo effect, tehát a gyermekvállalás időzítésének illetve annak változásának a hatása a TFR-re: úgy tűnik, mintha kevesebb gyerek születne, miközben nem erről van szó Tehát nem az a probléma, hogy más az anyák szüléskori életkora, hanem az, hogy nő ha bármilyen szinten is, de stabilizálódik, akkor rendben vagyunk, a problémát az átmenet jelenti

22 Lehetséges megoldások Completed fertility rate (CFR): ténylegesen hány gyereket szültek a nők a problémát kiküszöböli, de csak késve, a szülőképes kor végén ismert biztosan a jelenség egyébként úgyis megfogalmazható, hogy a TFR a CFR alá esik (ahelyett, hogy egyezne vele) Tempo-adjusted TFR: pl. Bongaarts-Feeney eljárás, figyelembe veszi a nők átlagos szüléskori életkorának változási sebességét

23 E változók egymáshoz való viszonya TFR adjtfr TFR és kiigazított TFR Anyák szüléskori átlagos életkora Év Forrás: HFD.

24 E változók egymáshoz való viszonya Jól látszik, hogy a szüléskori életkor megemelkedésekor a TFR gyorsan leesik, de a kiigazított sokkal kevésbé (Természetesen nem is kötelező, hogy a kiigazított állandó maradjon, függetlenül attól, hogy tökéletes-e a kiigazítás, hiszen lehet, hogy tényleg elmarad gyerekvállalás, és nem (csak) későbbre tolódik!)

25 Jelölésrendszer A népesség és változása i: korcsoport (i = 1, 2,..., w) t: időpont (konzisztens a korcsoporttal, tehát ha például éves korcsoportokat nézünk, akkor évenként vannak az időpontok) n i (t): a populáció létszáma az i korcsoportban a t-edik időpontban F i : a korspecifikus fertilitási ráta az i korcsoportban P i : feltételes túlélés (feltéve, hogy valaki az i-edik korcsoportig elért, mekkora valószínűséggel éli meg i + 1-et is); ez igazából a halandóságból számolható, lásd később

26 Egyszerűsítések A népesség és változása Nincs ki- és bevándorlás (ezek leírása amúgy sem egy demográfiai modell feladata) Nincs halálozás (elsőre durvának hangzik, de fejlett világban nem nagy hiba, ha csak közepes életkorokig akarunk vizsgálódni) Időben állandóak a fertilitási és túlélési paraméterek (ezért nincs t indexe az F -nek és P-nek!)

27 A modellünk grafikusan P 0 P 1 P w w 1 w F 1 F 2 F w 1 F w

28 Populáció alakulása számszerűen A populáció összetétele a t + 1-edik időpontban: A csecsemőknél idősebbekre (i > 1): az előző időszak eggyel fiatalabb korosztályából akik túléltek: n i (t + 1) = n i 1 (t) P i 1 Csecsemőkre (i = 1): a születések az összes korosztályból: n 1 (t + 1) = F 1 n 1 (t) + F 2 n 2 (t) F w n w (t)

29 Populáció alakulása vektoros-mátrixos jelölésekkel Mindez elegánsan felírható mátrixokkal és vektorokkal: F n 1 F 2 F w 1 F w 1 n P n n (t + 1) = 0 P (t),.. n w n 0 0 P w 1 0 w azaz röviden n (t + 1) = L n (t)

30 A Leslie-mátrix A népesség és változása Az L neve: Leslie-mátrix Lényegében lépteti a populációt: ha megvan a korösszetétel egy adott időpontban, akkor ezzel rászorozva megkapjuk a következő időpontban! Természetesen többször is léptethetünk, a többszöri rászorzás hatványozás lesz: n (t + p) = L p n (t) Felhasználható a populáció korfájának előrevetítésére!

31 A magyar Leslie-mátrix a 2015-ös adatok alapján Forrás: KSH Tájékoztatási adatbázis alapján demogr csomaggal.

32 Ez alapján előrevetítés 2015-ről 2020-ra Korcsoport nkx [ezer fő] Forrás: KSH Tájékoztatási adatbázis alapján demogr csomaggal.

33 Nagyon-nagyon nerd orvostanhallgatóknak Mikor stabil időben egy populáció? (Értsd: korösszetételre nézve tehát a létszáma nőhet, csak a korosztályok arányai maradjanak állandóak) Ha n (t + 1) = λn (t) Azaz: L n (t) = λn (t) Sajátérték-sajátvektor probléma! Problémák, továbbfejlesztési lehetőségek: Zárt populáció: nincs sem emigráció, sem immigráció Időben állandó L (tehát időben állandó fertilitás és halandóság) Perturbáció-analízis

34 A reprodukció időbeli trendjei

35 A csökkenés eloszlása

36 A csökkenés sebessége

37 A népesség és változása Mitől függ a csökkenés?

38 Lehetséges okozati magyarázatok Kevésbé szükséges gyerekek szülése, hogy legyen kellő számú utód (Fordított hatás is lehetséges: a kevesebb gyereknek jobban gondját tudják viselni a szülők)

39 Mitől függ a csökkenés?

40 Lehetséges okozati magyarázatok A gazdaság jellegének változásával a gyerek: asset versus liability

41 Mitől függ a csökkenés?

42 Lehetséges okozati magyarázatok Direkt módon: iskolában töltött idő, indirekt módon: munkavállalás, karrierépítés Tudatosabb magatartás fogamzásgátlás terén

43 A csökkenés meghatározói Vigyázat: ezek korrelátumok Önmagában (szinte) semmit nem mond a kauzalitásról Azért is nagyon nehéz kérdés, mert a magyarázó változók is keresztül-kasul összefüggnek egymással is... de most ez nekünk nem is fontos (csak a teljesség kedvéért utaltam egy-két nevezetes dologra)

44 Hirtelen születésszám-változás hatása i tehetetlenség: a változások lassan futnak át Hiszen a születések száma a most szülőképes korúak számán múlik, azt viszont nem a mostani, hanem a évvel ezelőtti születésszám határozza meg! Fordítva elmondva: a mostani változás igazán átfutni év múlva fog Pozitív és negatív értelemben egyaránt Különösen fontos az intervenciók hatásának vizsgálatához, megértéséhez (pl. a kínai egykepolitika vagy másik oldalról az extrém pronatalista politikák, mint Ceausescu Romániája)

45 A demográfiai átmenet-elmélet

46 A demográfiai átmenet-elmélet

47 Kérdésfeltevések A népesség és változása Halandóság Várható élettartam Egészségben töltött évek Eddig inkább csak a születéssel foglalkoztunk Hasonlóan fontos kérdés a halálozás (a várható élettartam miatt is) és a betegségek annyiban, hogy hogyan alakul az egészségben töltött idő

48 Az emberi halandóság jellege Halandóság Várható élettartam Egészségben töltött évek SWE USA 10^1 10^0 10^-1 10^-2 Korspecifikus mortalitás [/fő/év] 10^1 10^0 10^-1 HUN RUS 10^-3 10^-4 10^-2 10^-3 10^ Életkor Forrás: HMD.

49 Az emberi halandóság jellege Halandóság Várható élettartam Egészségben töltött évek Első fázis: gyerekbetegségek (magas, de nagyon gyorsan leeső kockázat) Második fázis: felnőttkor (alacsony, stabil kockázat) Harmadik fázis: öregkori mortalitás (hosszú időtartam alatt, exponenciálisan növekvő kockázat)

50 Összevetés: gépek (bathtub curve) Halandóság Várható élettartam Egészségben töltött évek

51 Halandóság Várható élettartam Egészségben töltött évek Összevetés: állatvilág (r/k stratégiák) r-stratégia sok utód, kevesebb gondoskodás, kevesebb éri meg a felnőttkort, korai szexuális érettség, általában kis testméret ott jellemző, ahol kiszámíthatatlan vagy gyorsan változó a környezet, van hely terjeszkedni baktériumok, rovarok, rágcsálók stb. K-stratégia kevés utód, hosszú szülői gondoskodás, több éri meg a felnőttkort, hosszú idő a szexuális érettség eléréséig, általában nagy testméret ott jellemző, ahol stabil a környezet, és telítettebb nagy testű emlősök dn Az elnevezés oka a Verhulst-modell: dt növekedési ráta, K a környezet kapacitása ( ) = rn 1 N K ; itt r a

52 Late-life mortality deceleration Halandóság Várható élettartam Egészségben töltött évek Rovarokban egyértelmű, emberekben vitatott (a görbe végét nehéz becsülni a kevés megfigyelés miatt):

53 Halandósági tábla A népesség és változása Halandóság Várható élettartam Egészségben töltött évek Tipikus elemek: x: életkor(csoport) q x : feltéve, hogy valaki megérte az x-et, mekkora valószínűséggel hal meg x + 1 előtt (és p x = 1 q x ) l x : annak a valószínűsége, hogy valaki megéri az x-et (tehát l x+1 = l x p x ) d x : halálozások száma x és x + 1 között (tehát d x = l x l x+1 = l x q x ) e x : x életkorban várható hátralevő életévek száma Általában százezer főre vonatkoztatva adják meg (l 0 = az ún. radix)

54 Halandóság Várható élettartam Egészségben töltött évek A magyar halandósági tábla 2015-ben x nax nmx nqx lx ndx nlx Tx ex Forrás: KSH Tájékoztatási adatbázis alapján demogr csomaggal.

55 Halandósági tábla konstrukciója Halandóság Várható élettartam Egészségben töltött évek Kohorsz: ugyanakkor született emberek (így persze szükségképp több időszakon keresztül) Időtartam: ugyanabban az időszakban (így persze szükségképp különböző időpontban született emberekből)

56 Születéskor várható élettartam Halandóság Várható élettartam Egészségben töltött évek

57 Halandóság Várható élettartam Egészségben töltött évek A várható élettartam jellegzetességei Szintetikus mutató Átlag, ebből adódóan érzékeny a kiugró értékekre Ezen belül is különösen: a régi értékeket az extrém csecsemőhalandóság húzta le

58 Csecsemőhalandóság Halandóság Várható élettartam Egészségben töltött évek

59 Halandóság Várható élettartam Egészségben töltött évek Adott életkornál várható hátralevő életttartam

60 Halandóság Várható élettartam Egészségben töltött évek Születéskor várható élettartam globális eloszlása

61 Halandóság Várható élettartam Egészségben töltött évek Élettartam és a gazdasági fejlettség

62 Halandóság Várható élettartam Egészségben töltött évek Élettartam és a gazdasági fejlettség Ez korreláció, az okozati kapcsolat az eddig látottakhoz hasonlóan nagyon zűrös kérdés Kilaposodó kapcsolat Látszik például, hogy a GDP-n túl az év is összefügg... és még sok minden más (gondoljunk az USA és a csecsemőhalandóság példájára) Hihetetlenül izgalmas kérdés, hogy betegség szintjén minek milyen összefüggése van a fejlettséggel! Negatív? Azt mondjuk, hogy első ránézésre is érthető... Pozitív? Van ami második ránézésre érthető, például rák (ugye abból általánosságban véve jó, ha több van!) De mi van például az 1-es típusú diabetes-szel...?

63 Haláloki struktúra Magyarországon Halandóság Várható élettartam Egészségben töltött évek

64 Haláloki struktúra A népesség és változása Halandóság Várható élettartam Egészségben töltött évek Halálok megállapítása kérdéses lehet Legnagyobb probléma: figyelmen kívül hagyja, hogy ki mikor hal meg! Ezért marhaságok az olyan nyilatkozatok, hogy Úristen, a magyar lakosság negyede rákban hal meg! (na és? én nagyon örülnék, ha 100%-a rákban halna meg feltéve, hogy ezt 120 évesen teszik... )

65 Halandóság Várható élettartam Egészségben töltött évek Miért értelmetlen önmagában a haláloki struktúra (a) Szváziföld haláloki megoszlása (b) USA haláloki megoszlása

66 Elveszett évek száma Halandóság Várható élettartam Egészségben töltött évek PYLL: adott évhez képest nézzük a korai halálozást (tipikusan 75) Egyfajta életkor szerinti súlyozás (mármint ami eltéríti a sima halálozáshoz képest): az nem számít, ha 75 év után halsz meg (A súlyfüggvény konstans 1 hetvenöt év alatt, konstans 0 fölötte) Első ránézésre elég abszurd/vicces, de másodikra nagyon is racionális mondanivalója van Policy szempontból nagyon érdekes: mire fordítsunk erőforrást? egyáltalán nem biztos, hogy arra racionális, amiben sokan halnak meg!

67 DALY A népesség és változása Halandóság Várható élettartam Egészségben töltött évek De ez még mindig nem veszi figyelembe az életminőség csökkenését (csak azt, hogy él-e valaki vagy sem) Ötlet: a QALY-hoz hasonlóan súlyozzunk az életminőséggel! Pl. ha a vakon élés 50%-os életminőség, akkor abból 2 év ugyanannyi, mint 1 évvel korábban meghalni Ez a DALY: levonja a 75 előtt halottan töltött éveket és a betegen töltött éveket is, súlyozva az az alatti életminőséggel (Persze az nagyon jó kérdés, hogy hogyan tudjuk meghatározni, hogy a vakság az hány százalékos életminőség... ) Néha nem 75-höz viszonyítanak, hanem a halálozás időpontjában hátralevő várható élettartamot veszik (teljesen) elveszített éveknek

68 DALY A népesség és változása Halandóság Várható élettartam Egészségben töltött évek