Metodologia Badań Demograficznych - Uniwersytet ...demograf/Publikacje/SAD15.pdf · Metodologia...
Transcript of Metodologia Badań Demograficznych - Uniwersytet ...demograf/Publikacje/SAD15.pdf · Metodologia...
1
Sekcja Analiz Demograficznych Komitet Nauk Demograficznych PAN Al. Niepodległości 164 02-554 Warszawa tel/fax: 646-61-38 e-mail: [email protected]
15/2007
ISSN 1642 - 0101
REFERATY CZĘŚĆ I.
Metodologia Badań Demograficznych
22-24 maja 2006, Zielonka k. Poznania
Zeszyt nr 15. Sekcji Analiz Demograficznych.
2
RECENZENCI I. Kuropka I. Roeske-Słomka J. Kurkiewicz
3
Przedmowa Sekcja Analiz Demograficznych KND PAN została powołana na posiedzeniu Prezydium Komitetu Nauk Demograficznych Polskiej Akademii Nauk w dniu 23 września 1999 roku. Jest czwartą obok Sekcji Demografii Medycznej, Sekcji Demografii Historycznej oraz Sekcji Demografii Regionalnej sekcją naukową działającą w ramach Komitetu Nauk Demograficznych Wydziału I. Nauk Społecznych - Polskiej Akademii Nauk. Sekcję Analiz Demograficznych (SAD) prowadzą: dr hab. Ewa Frątczak, Prof. SGH (przewodnicząca sekcji) i dr hab. Jolanta Kurkiewicz, Prof. AE w Krakowie (z-ca przewodniczącej sekcji). Sekcję Demografii Regionalnej prowadzi dr hab. ElŜbieta Gołata z AE w Poznaniu.
Głównym zadaniem Sekcji Analiz Demograficznych jest organizacja spotkań merytorycznych poświęconych szeroko rozumianym metodom i technikom organizacji badań ludnościowych oraz analiz opisujących zjawiska i procesy demograficzne, ich uwarunkowania i konsekwencje. Zasadniczym celem spotkań SAD jest dokładny i gruntowny opis teoretyczny metodologii oparty na moŜliwie wszechstronnej i najnowszej literaturze wraz z prezentacją konkretnych zastosowań na danych empirycznych umoŜliwiających weryfikację teorii. Prezentacja nowych metod wymaga od referentów zapoznania się z bogatą literaturą przedmiotu i niemałego nakładu pracy. Często upowszechnienie nowej metody wymaga takŜe zapoznania się ze stosownym programem lub pakietem komputerowym umoŜliwiającym sprawną jej aplikację. Zatem działania mające na celu informację o programach komputerowych i organizowanie w przyszłości warsztatów szkoleniowych, to jedno z kolejnych zadań SAD. Organizatorom Sekcji i osobom prowadzącym SAD zaleŜy na integracji środowiska demograficznego, w tym głównie młodych adeptów nauki, wokół zagadnień szeroko rozumianych badań demograficznych. Zebrania Sekcji Analiz Demograficznych mogą być poświęcone równieŜ prezentacji nowych, twórczych metod analiz lub zastosowań metod (modeli) będących wynikami prac doktorskich lub habilitacyjnych, ukończonych lub znajdujących się w fazie przygotowywania, na odpowiednio zaawansowanym etapie.
Na pierwszym inauguracyjnym zebraniu Sekcji Analiz Demograficznych, które odbyło się 18 stycznia 2000 roku, podjęto dwie inicjatywy: - Pierwsza z nich stanowiła, Ŝe materiały prezentowane na kolejnych posiedzeniach SAD będą miały formę "Zeszytów Naukowych Sekcji Analiz Demograficznych KND PAN". KaŜdy zeszyt poświęcony będzie wspólnej tematyce. Podjęto równieŜ starania o uzyskanie formalnej zgody na wydawanie zeszytów, które mają formę tzw. "working paper". - Druga propozycja dotyczyła cyklicznej organizacji, raz na rok lub co dwa lata, "Warsztatów z Analizy Demograficznej", jako wspólnego przedsięwzięcia Sekcji Analiz Demograficznych KND PAN i Instytutu Statystyki i Demografii SGH. Stosowna dokumentacja dotycząca "Warsztatów z Analizy Demograficznej", w tym dokumentacja kosztorysowa, została zaakceptowana przez Panią Prof. dr hab. J. Jóźwiak, Dyrektora Instytutu Statystyki i Demografii SGH i jednocześnie Przewodniczącą Komitetu Nauk Demograficznych PAN.
Kolejne dwa numery Zeszytów Sekcji Analiz Demograficznych 15 i 16, zawierają referaty wygłoszone podczas konferencji pt. „Metodologia badań demograficznych”, która odbyła się w Zielonce k. Poznania 22-24 maja 2006 r. Tematyka konferencji idealnie
4
wpisała się w główny cel działalności merytorycznej Sekcji Analiz Demograficznych i Demografii Regionalnej Komitetu Nauk Demograficznych. Celem tym jest organizowanie spotkań merytorycznych poświęconych omówieniu najnowszych metod badań i analiz procesów ludnościowych, ich uwarunkowań i konsekwencji. Chodziło nam o przedstawienie nowych trendów w zakresie dostępnych źródeł informacji o ludności, wykorzystania rejestrów administracyjnych (np. PESEL) i integracji baz danych. Zagadnieniom tym, poświęcona była sesja: Próba nowego spojrzenia na źródła danych ludnościowych. Omówiono tutaj problemy braków odpowiedzi, kalibracji, nowoczesnych metod estymacji pośredniej oraz modelowania wielopoziomowego. Dyskusja dotycząca moŜliwości zastosowań tych metod w demografii podjęta została podczas kolejnych sesji: Refleksje nad kierunkami badań w zakresie analizy demograficznej, Estymacja pośrednia i modelowanie wielopoziomowe – zastosowania w demografii. Kwestie relacji miedzy procesami demograficznymi a rozwojem gospodarczym analizowano podczas sesji: Demografia i ekonomia, Ubóstwo i trwanie Ŝycia, Postawy i zachowania. Niniejszy numer zawiera następujące referaty: 1. Paradysz J., Szymkowiak M., Źródła danych ludnościowych 2. Gołata E., Zastosowanie estymacji pośredniej w szacowaniu struktury gospodarstw
domowych w Polsce 3. Stanowski M., Kształtowanie się zasobów kapitału ludzkiego w kontekście procesów
starzenia się społeczeństw 4. Wróblewska W., Badanie jakości Ŝycia warunkowanej zdrowiem. 5. Przygalińska M., Klasyfikacja województw ze względu na strukturę ludności
migrującej w latach 1998-2004 6. Wolańska W., Subiektywna ocena jakości Ŝycia mieszkańców Dolnego Śląska 7. Szwarc K., Metody wyznaczania linii ubóstwa 8. Lange M., Hipotetyczne tablice trwania Ŝycia 9. Kaszkowiak A., Majewska M., Analiza wydłuŜania się przeciętnego trwania Ŝycia na
podstawie tablic trwania Ŝycia z lat 1950-2004 10. Mynarska M., Podejście jakościowe w naukach społecznych. Co demografia moŜe
zyskać na łączeniu badań ilościowych z jakościowymi? 11. Soja E., Woźniak T., Rzepa B., Wpływ uwarunkowań kulturowych za zachowania
matrymonialne (ujęcie kohortowe) 12. Sienkiewicz K., Proces opuszczenia domu rodzinnego w Polsce
Obradom konferencji towarzyszyła oŜywiona dyskusja, będąca przyczynkiem do
lepszego zrozumienia i objaśnienia obserwowanych w Polsce gwałtownych przemian wszystkich procesów ludnościowych. Mamy nadzieję, ze zawartość poniŜszych Zeszytów, równieŜ w Państwa ocenie, okaŜe się waŜna w wyjaśnianiu mechanizmów zachowań demograficznych. Z nadzieją na upowszechnianie informacji o działalności Sekcji Analiz Demograficznych i Sekcji Demografii Regionalnej KND PAN, podejmowanej problematyce badawczej oraz dyskusji podczas spotkań naukowych dokumentowanej w serii Zeszytów Naukowych Sekcji. Przewodnicząca SDR Przewodnicząca SAD
/ dr hab. ElŜbieta Gołata, / / dr hab. Ewa Frątczak, Prof. SGH /
5
SPIS TREŚCI
Źródła danych ludnościowych.........................................................................................7
1. Ogólny schemat prezentacji populacji ludzkich według rodzajów analiz, obserwacji i metod pozyskiwania danych statystycznych. ........................................................................................................... 7 2. Estymacja cząstkowych współczynników demograficznych w czasie i w przestrzeni na podstawie obserwacji retrospektywnej. .........................................................................................................................11 3. Imputacja i kalibracja w badaniach reprezentacyjnych. ...........................................................................17 4. Wnioski ....................................................................................................................................................23 Bibliografia...................................................................................................................................................24
Zastosowanie estymacji pośredniej w szacowaniu struktury gospodarstw domowych w Polsce ..........................................................................................................................27
Wprowadzenie..............................................................................................................................................27 1. Cel, zakres czasowy i terytorialny, hipotezy badawcze...........................................................................30 2. Źródła informacji.....................................................................................................................................32 3. ZróŜnicowanie struktury gospodarstw domowych ..................................................................................34 4. Estymacja bezpośrednia ..........................................................................................................................37 5. Metody estymacji pośredniej oraz oceny precyzji....................................................................................39 Podsumowanie..............................................................................................................................................48 Literatura ......................................................................................................................................................50
„Kształtowanie się zasobów kapitału ludzkiego w kontekście procesu starzenia się społeczeństw” .................................................................................................................53
1. Wstęp........................................................................................................................................................53 2. Kształtowanie się współczynnika wsparcia w Polsce w latach 2004-2030..............................................54 3. Metody szacowania kapitału ludzkiego....................................................................................................58 4. Analiza kształtowania się zasobów kapitału ludzkiego w Polsce w ujęciu wojewódzkim.......................63 5. Podsumowanie..........................................................................................................................................75 Literatura ......................................................................................................................................................77
Badanie jakości Ŝycia warunkowanej zdrowiem ..........................................................79 Pojęcie jakości Ŝycia.....................................................................................................................................79 Jakość Ŝycia uwarunkowana stanem zdrowia...............................................................................................81 Pomiar jakości Ŝycia uwarunkowanej stanem zdrowia ................................................................................81 Studium empiryczne.....................................................................................................................................82 Wybrane wstępne wyniki badania................................................................................................................84 Zakończenie..................................................................................................................................................91 Bibliografia...................................................................................................................................................92
Klasyfikacja województw ze względu na struktur ę ludności migruj ącej w Polsce w latach 1998-2004.............................................................................................................93
Wprowadzenie..............................................................................................................................................93 Opis metodologii badania struktury .............................................................................................................94 Wyniki badań empirycznych ........................................................................................................................96 Zakończenie................................................................................................................................................106
Subiektywna ocena jakości Ŝycia mieszkańców Dolnego Śląska................................109 1. Wprowadzenie........................................................................................................................................109 2. Metoda badawcza ...................................................................................................................................110 3. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia ............................................................................111 4. Jakość Ŝycia mieszkańców woj. dolnośląskiego w 2004 roku................................................................118 5. Zakończenie............................................................................................................................................124 Literatura ....................................................................................................................................................125
6
7
Jan Paradysz, Marcin Szymkowiak
Źródła danych ludnościowych
1. Ogólny schemat prezentacji populacji ludzkich według rodzajów analiz, obserwacji
i metod pozyskiwania danych statystycznych.
Niniejszy referat dotyczy jakości danych dla badań demograficznych. Co prawda,
skoncentrujemy się na statystyce urodzeń, ale zasadnicze punkty naszego wystąpienia
łatwo będzie uogólnić na pozostałe elementy ruchu ludności a takŜe na wiele zdarzeń
społecznych i ekonomicznych. Zaczniemy od siatki demograficznej w rzadziej
przedstawianej formie, gdzie wykorzystuje się tylko zbiorowości zdarzeń drugiego
rodzaju1, patrz rys. 1. Na rysunku 1 widoczne są trzy zasadnicze segmenty odpowiadające
trzem rodzajom obserwacji oraz 4 warstwy, które oznaczają poziom ogólnokrajowy i
podział na regiony. RozróŜnienie trzech segmentów jest bardzo istotne z punktu widzenia
pozyskiwania informacji do analiz demograficznych oraz oceny jakości danych. Przy tym
szczególne znaczenie ma obserwacja bieŜąca oraz obserwacja retrospektywna, gdyŜ mogą
się zastępować lub uzupełniać. Przy zastępowaniu obserwacji bieŜącej ankietą
retrospektywną mamy do czynienia wówczas, gdy statystyka ludności nie dostarcza nam
Ŝadnych informacji odnośnie badanego zjawiska w danym okresie. Na przykład w Polsce,
dopiero od 1950 r. dysponujemy dostatecznie dobrą statystykę urodzeń dla analizy
transwersalnej i dla rekonstrukcji płodności w generacjach rzeczywistych. Dla
wcześniejszego okresu albo nie mamy Ŝadnych informacji albo statystyka urodzeń jest
niepełna, niepewna i w wyniku znacznych przemieszczeń ludności w okresie powojennym
tylko częściowo odpowiada obecnemu obszarowi Polski. Zatem dla okresu przed 1950 r.
zasadniczymi źródłami informacji dla badania małŜeńskości i płodności kobiet są:
1 Statystyka zdarzeń demograficznych według zbiorowości drugiego rodzaju (jedna kohorta, jeden rok kalendarzowy, 2 lata trwania) ma dwie waŜne zalety: a) nie wymaga rejestracji tych faktów według dokładnych dat (dzień, miesiąc, rok), b) w analizach moŜna przechodzić automatycznie od ujęć wzdłuŜnych do poprzecznych i odwrotnie bez dodatkowych przeliczeń. Szczególnie ta druga zaleta jest dla demografów istotna. Zapewne to rozwiązanie posiada pewne niedogodności, ale nie mają one większego znaczenia skoro rodzaju. BliŜej na ten temat J. Paradysz (1999) oraz M. Kędelski, J. Paradysz (2006, rozdział 3).
8
a) przedwojenna statystyka ruchu ludności, tylko dla tych obszarów i tych lat, dla których
zdołano ją opracować,
b) rekonstrukcja rodzin na podstawie ksiąg parafialnych,
c) badanie dzietności kobiet w ramach Narodowego Spisu Powszechnego (BD NSP70).
9
Rys. 1 Urodzenia Ŝywe według wieku kobiet oraz źródła pochodzenia danych statystycznych (rodzaju obserwacji) w analizie kohortowej i transwersalnej.
RETROSPEKCJA lub RETROGNOZA O B S E R W A C J A B I E ś Ą C A PROGNOZA
1906 35 A R
1907 34 N R e
1908 33 A R e g
1909 32 L P e g i
1910 31 I A o g i o
1911 30 Z W l i o n
1912 29 A O s o n1913 28 T k n …
1914 27 T R a 21915 26 R O 11916 25 A H o1917 24 N O g1918 23 S K ó1919 22 W ł1920 21 E A e1921 20 R Z m1922 19 S I
1923 18 A A L B C D
1924 17 L A
1925 16 N N
1926 15 A
1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 . . . 1970 . . . 1988 . . . 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 . . . 1955 . . . 1973 . . . 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994
Objaśnienia: x - wiek kobiet, A, B, C, D - zbiorowości urodzeń naleŜących do wybranych generacji kobiet i w określonych latach kalendarzowych.Na wykresie zaznaczono pionowymi liniami podwójnymi spisy ludności, w czasie których przeprowadzono badanie dzietności kobiet (1970, 1988, 2002). Źródło: opracowanie własne
Generacja kobiet x
Lata kalen-darzoweGeneracja kobiet
Obserwacja retrospektywna (okres "prestatystyczny")
Obserwacja prospektywna
Obserwacja bieŜąca (bieŜąca ewidencja ruchu ludności, rejestry
administracyjne, zapisy w księgach metrykalnych)
10
Ad a) Przedwojenna statystyka ruchu ludności tylko w ograniczonym zakresie
nadaje się do analizy transwersalnej dla zbadania płodności ogólnej według wieku kobiet. Nie
była ona opracowana według pojedynczych lat wieku2 i nie nadaje się do rekonstrukcji
płodności w generacjach rzeczywistych kobiet. Znacznym problemem przy wykorzystaniu
przedwojennej Statystyki urodzeń stanowi brak dla poszczególnych lat kalendarzowych
struktury kobiet według wieku. Takie struktury zostały opracowane tylko dla lat 1921 i 1931,
w których był przeprowadzony Narodowy Spis Ludności.
Ad. b) Propozycja wykorzystania ksiąg metrykalnych w demografii współczesnej
jeszcze niedawno spotkała by się w Polsce z krytyką zarówno ze strony demografów jak i
demografów – historyków. Ogrom prac związanych z rekonstrukcją rodzin i jej koszt stawiał
pod znakiem zapytania celowość tego przedsięwzięcia. JednakŜe wiele krajów europejskich
potrafiło wykorzystać to źródło danych juŜ ćwierć wieków temu. Kraje skandynawskie,
wykorzystując swoje zasoby metrykalne potrafiły zrekonstruować podstawowe elementy
ruchu ludności według okresów i generacji począwszy od XVIII wieku, por. na przykład W.
Lutz (1987). Rozwój informatyki oraz metodologii estymacji dla małych obszarów sprawia,
Ŝe takŜe w Polsce zasoby metrykalne mogłyby być wykorzystane z poŜytkiem dla demografii
współczesnej. Punktem wyjścia naleŜałoby wybrać losowe próby gniazdowe z
poszczególnych regionów Polski trochę na wzór francuskich badań demograficzno –
historyczno - przestrzennych prowadzonych w drugiej połowie XX wieku w INED oraz
paryskiej WyŜszej Szkole Nauk Społecznych (ESHE).
Ad. c) Badanie zawierania małŜeństw i dzietności w Narodowym Spisie
Powszechnym jest z reguły badaniem "płytkim" o niewielkiej liczbie dodatkowych pytań,
obok zasadniczego kwestionariusza spisowego, skierowanych do kobiety o określonych
cechach demograficznych (wiek, stan, cywilny). W skrajnym przypadku, moŜe to być tylko
jedno pytanie: ile badana kobieta urodziła dzieci. Częściej jednak pytań jest znacznie więcej i
dotyczą one historii rozrodu i małŜeństwa, przeŜywalności potomstwa, czasami pewnych
charakterystyk badanej rodziny. W związku z tym, w Polsce BD NSP było traktowane raczej
jako rodzaj „zwykłej” ankiety rodzinnej3 niŜ sposób na uzupełnienie bieŜącej statystyki ruchu
ludności, co wyjaśnimy w punkcie 2 niniejszego opracowania.
2 Mała szczegółowość tablic statystycznych w tym okresie ma swoje uzasadnienie w niskiej mechanizacji obliczeń. Dopiero w latach siedemdziesiątych XX zaczęło wykorzystywać w Głównym Urzędzie Statycznym duŜych maszyn cyfrowych typu Odra, Mińsk czy RIAD. 3 O rodzajach ankiety rodzinnej patrz J. Paradysz (1992, s. 13-14).
11
2. Estymacja cząstkowych współczynników demograficznych w czasie i w przestrzeni na
podstawie obserwacji retrospektywnej.
Pomimo ograniczonego zakresu tematycznego BD NSP ma szereg istotnych zadań
do spełnienia4. Badanie dzietności kobiet w ramach NSP 1970 było olbrzymim
przedsięwzięciem, chociaŜ o 10 lat spóźnionym. Objęło ono 412 tysięcy kobiet, które
kiedykolwiek pozostawały w związku małŜeńskim i nie ukończyły 70 lat Ŝycia. Gdyby
zostało ono przeprowadzone, tak jak wcześniej planowano, w 1960 r. były szanse rozpoznać
dzietność kobiet w okresie międzywojennym. Niestety, wiele do Ŝyczenia pozostawiała
tabulacja wyników. Wiele z tablic jest dość dziwna – por. GUS (1971) - nie odpowiada ani
potrzebom analizy transwersalnej ani kohortowej. Dwie z tych tablic (16 i 17) w tomie
„ogólnopolskim” stanowią do niczego nieprzydatny „knot”, gdyŜ nie uwzględniono ani
podziału kobiet na grupy generacji ani na kohorty małŜeńskie. W jednej grupie zmieszano
wszystkie kobiety, zarówno urodzone na początku XX wieku jak i te, które się rodziły 50 lat
później. Innymi słowy wymieszano babcie razem z ich córkami i wnuczkami. Stąd
wykorzystanie wyników badania opublikowanych w dwóch tomach było nieduŜe5. Gdyby nie
geniusz i pracowitość Lecha Bolesławskiego z całego kosztownego przedsięwzięcia, jakim
było BD NSP1970, społeczeństwo polskie niewiele miałoby poŜytku. Znamienne przy tym,
Ŝe L. Bolesławski opracowując swoje tablice zawierania małŜeństw oraz płodności oparł się
nie na wspomnianych wyŜej tomach, ale wykonał własne obliczenia na zarejestrowanych na
taśmach cyfrowych datach urodzeń trzech pierwszych dzieci w rodzinie, por. L. Bolesławski
(1974, 1975, 1976). Z niewielką tylko przesadą moŜna powiedzieć, Ŝe pełnemu
wykorzystaniu BD NSP1970 zaszkodziła moda na analizę kohortową, której ukoronowaniem
była konferencja w Kiekrzu w 1973r.6 Samokrytycznie trzeba przyznać, Ŝe zapatrzone
4 Patrz J. Paradysz (2002). Po pierwsze, zastępuje lub uzupełnia bieŜącą statystykę ruchu ludności w tym okresie, kiedy ona jeszcze nie istniała lub była w złym stanie. Najczęściej dotyczy to zawierania małŜeństw, ich trwałości, owdowień, rozwodów oraz płodności małŜeńskiej. Po drugie, badanie dzietności w ramach NSP przeprowadzone retrospektywnie dostarcza informacji dla analizy kohortowej w takim ujęciu, którego nie przewidziano, organizując wiele lat wcześniej system rejestracji bieŜącej. Po trzecie, BD NSP powinno nam umoŜliwi ć w tych przekrojach i ujęciach, dla których poza okresami spisu ludności nie dysponujemy strukturami ludności, na przykład analiza płodności kobiet według wykształcenia i aktywności zawodowej. Po czwarte, nowe techniki estymacji stwarzają realne moŜliwości budowy tablic kohortowych dla małych obszarów wielkości lokalnych rynków pracy (powiaty lub podregiony). Po piąte, rozwój samorządności lokalnej spowodował wzrost zainteresowania swoimi Małymi Ojczyznami, w tym takŜe rozwojem demograficznym na poziomie lokalnym. 5 W moich badaniach wykorzystywałem jedynie dwie tablice z tomu ogólnopolskiego: pierwsza i siódmą. Interesującą jest teŜ tablica 14, ale wymaga ona przekształcenia do potrzeb analizy kohortowej, por. GUS(1971). 6 Pokłosie tej konferencji zawiera publikacja pod red. S. Borowski (1976). Wielu demografów, moŜe nie expressis verbis, wyraŜało przekonanie o wyŜszości analizy kohortowej nad transwersalną. W kaŜdym razie nie
12
wówczas w analizę kohortową środowisko polskich demografów nie doceniło moŜliwości
rozpoznawania transwersalnych miar reprodukcji ludności dla końca lat trzydziestych, okresu
II Wojny Światowej jak i okresu powojennego do 1950 r. Tej wyobraźni zabrakło wówczas
tak wybitnym demografom jak Egon Viebrose, Lech Bolesławski i Mieczysław Kędelski.
Kiedy J. Paradysz zdał sobie sprawę z konieczności takiej analizy po powrocie ze stypendium
w INED w ParyŜu w czasie pisania swojej pracy habilitacyjnej w 1984 r. było juŜ za późno.
Około 1980 r. zgodnie z pragmatyką w GUS komisyjnie zniszczono owe 412 tysięcy
jednostronicowych kwestionariuszy ankietowych a w bliŜej nieznanych okolicznościach
zaginęły wspomniane wyŜej taśmy magnetyczne. Opierając się na kohortowych tablicach
płodności netto L. Bolesławskiego (1974) moŜna było oszacować transwersalne współ-
czynniki płodności w Polsce w latach czterdziestych7, por. J. Paradysz (1985, s. 172 - 181).
W badaniu płodności kobiet, obok wielu innych często wykorzystywanym argumentem
czasowym jest staŜ małŜeński, por. rys. 2. Analiza zdarzeń według staŜu małŜeńskiego jest,
co prawda, mniej uniwersalna8 niŜ według wieku, ale lepiej odpowiada płodności kobiet ze
względu na krótszy okres obserwacji. Efektywny okres rozrodczy jest znacznie krótszy, gdy
się go analizuje w latach staŜu małŜeńskiego niŜ według lat Ŝycia kobiety. I chociaŜ rozwój
alternatywnych form poŜycia małŜeńskiego trochę zniwelował te przewagi staŜu nad
wiekiem, to i tak kohorty małŜeńskie stanowią niezłą alternatywę dla ujęć według generacji.
Polska statystyka dla analizy płodności małŜeńskiej jest znacznie gorsza od tej według
generacji. Systematyczne publikowanie przez GUS tablic dla kohort małŜeńskich zaczęto
dopiero od 1974, niestety z błędami. Tak więc dopiero Rocznik Demograficzny 1976
dostarczył nam dane dla płodności małŜeńskiej i to od razu w dwóch tablicach, gdzie jedna
ujmuje zbiorowości zdarzeń drugiego a druga trzeciego rodzaju. Obie są znacznie mniej
szczegółowe od podobnych tablic publikowanych w Czechach, Niemczech czy we Francji i
ograniczają się tylko do 9 lub 10 lat staŜu małŜeńskiego. JednakŜe juŜ na ich podstawie, po
wykonaniu pewnych przeliczeń9 i przyjęciu upraszczających załoŜeń, moŜna przeprowadzić
transwersalną analizę płodności małŜeńskiej oraz zrekonstruować historię rozrodczości w
w pełni zdawano sobie sprawę, Ŝe właściwą ocenę procesów demograficznych zapewni nam wykorzystanie obu rodzajów analizy. 7 Tylko trzy pierwsze kolejności urodzenia 8 Mówiąc o uniwersalności ujęcia według wieku mamy na myśli moŜliwość uwzględnienia w ramach jednej analizy innych elementów ruchu ludności, na przykład w odniesieniu do wędrówek bardzo rzadko mamy informacje o staŜu małŜeńskim migrantów, nawet gdy tylko chodzi o zamęŜnych o Ŝonatych. 9 We wspomnianych wyŜej krajach zupełnie zbędnych. Na przykład, w Niemczech duŜy rocznik statystyczny zamieszcza wśród kilkunastu tablic demograficznych właśnie cząstkowe współczynniki płodności małŜeńskiej dla 20 lat staŜu małŜeńskiego. BliŜej na ten temat pisze J. Paradysz (2002)
13
rzeczywistych kohortach małŜeństw, co jest rzadkością w polskiej demografii. W związku z
tym na rys. 2 okresem „prestatystycznym”, dla którego moŜna zrekonstruować hipotetyczne
14
Rys. 2 Urodzenia małŜeńskie według staŜu małŜeńskiego oraz źródła pochodzenia danych statystycznych (rodzaju obserwacji) w analizie kohortowej i transwersalnej.
RETROSPEKCJA lub RETROGNOZA O B S E R W A C J A B I E ś Ą C A PROGNOZA
1941 20 R
1942 19 R e
1943 18 R e g
1944 17 P e g i
1945 16 o g i o
1946 15 l i o n
1947 14 s o n
1948 13 k n …
1949 12 a 21950 11 C 11951 10 o1952 9 g1953 8 ó1954 7 ł1955 6 e1956 5 m1957 4
1958 3 A B D
1959 2
1960 1
1961 0
1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 . . . 1988 . . . 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 . . . 1988 . . . 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994
Objaśnienia: t - staŜ małŜeński, A, B, C, D - zbiorowości urodzeń małŜeńskich w wybranych kohortach i latach kalendarzowych.Na wykresie zaznaczono pionowymi liniami podwójnymi spisy ludności, w czasie których przeprowadzono badanie dzietności kobiet (1970, 1988, 2002). Źródło: opracowanie własne
Kohorty małŜeństw t
Lata kalen-darzoweRok zawarcia ślubu
Obserwacja retrospektywna (okres "prestatystyczny")
Obserwacja prospektywna
Obserwacja bieŜąca (bieŜąca ewidencja ruchu ludności, rejestry
administracyjne, zapisy w księgach parafialnych)
15
kohorty małŜeństw na podstawie badań specjalnych są lata 1974 i wcześniejsze. Wagę
problemu zilustrujemy na kilku przykładach dotyczących wybranych zbiorowości urodzeń
małŜeńskich – rys. 2., równoległoboki A, B, C, D, które traktujemy tutaj jako parametry
populacji generalnej, które wymagają oszacowania. Litera A oznacza liczbę urodzeń
małŜeńskich w trzecim roku10 trwania w kohorcie małŜeństw 1965. Jak łatwo moŜna
zauwaŜyć na rys.2, parametr A znajdzie się w obszarze „prestatycznym”, którego nie
moŜna oszacować na podstawie bieŜącej Statystyki zdarzeń demograficznych (pierwszy
segment kostki danych). Zatem pozostają szacunki na podstawie retrognozy11 oraz badań
specjalnych. Pierwszą z nich, czyli retrognozą, nie będziemy się tutaj zajmować. Co się
tyczy retrospekcji, to w zasadzie – gdyby w swoim czasie wykonano odpowiednią
tabulację wyników – moglibyśmy dysponować informacjami z następujących badań: BD
NSP1970, BD NSP1988, mikrospis 1995, BD NSP2002. Jak się w tej sytuacji zachować?
Które z tych badań wybrać? Czy oprzeć się na najstarszym z nich (BD NSP1970), bo jest
najbliŜej tego roku, w którym dane zdarzenie miało miejsce? Czy najbardziej aktualne (BD
NSP2002), bo mamy najwięcej informacji o tym, jak dane badanie zostało
przeprowadzone i mamy najwięcej zmiennych wspomagających? Czy moŜe zgodnie z
filozofią badań wyniesioną ze statystyki małych obszarów, wziąć pod uwagę wszystkie z
tych badań, aczkolwiek z nierównymi prawdopodobieństwami? Wydaje się, Ŝe w świetle
naszych wcześniejszych prac, por. J. Paradysz (2002), powinniśmy dać pierwszeństwo
źródłu BD NSP1970. W kaŜdym razie, źródło późniejsze nie musi być lepsze od źródeł
wcześniejszych. Prawdopodobnie rola czynników perturbacyjnych (zgony, emigracja,
imigracja, błędy pamięci) sprawia, Ŝe większy upływ czasu między zdarzeniem A oraz
momentem badania spowoduje obciąŜenie estymatora błędem nielosowym. JednakŜe
problem się komplikuje, jeśli uwzględni się zmianę, tutaj poprawę, jakości badań. Jak
wynika z naszych wcześniejszych prac, por. J. Paradysz (1989, 1992), BD NSP1988
wydaje się mniej obciąŜone błędami systematycznymi wynikającymi z tytułu odmów.
Zatem moŜna by domniemywać, Ŝe BD NSP1988 było chyba jednak lepiej
przeprowadzone, chociaŜ próba była prawie pięciokrotnie mniejsza.
Sprawdzenie jakości poszczególnych źródeł dla estymacji liczby urodzeń A na
rys. 2 nie jest moŜliwe z uwagi na tabulację wyników badania dzietności, gdzie zarówno L.
10 Zgodnie z terminologią francuską, zbiorowościom drugiego rodzaju, jakie mamy na obu rysunkach, odpowiada tak zwany wiek osiągnięty w ciągu roku kalendarzowego, por. J. Paradysz (1999). 11 Jest to „odgadywanie” przeszłości na podstawie określonych metod statystycznych, na przykład ekstrapolacji linii trendu wstecz w stosunku do okresu badanego. W sensie czasowym jest to przeciwieństwo prognozy.
16
Bolesławski, (1975) jak i J. Paradysz (1992) ograniczyli się do kohort małŜeńskich
obejmujących szerszy przedział czasu. Ponadto L. Bolesławski, (1975) wydzielił jeszcze
subpopulacje według wieku kobiety w chwili ślubu.
Zbiorowość oznaczona na rys. 2 literą B przedstawia liczbę urodzeń małŜeńskich
dla kohorty małŜeństw zawartych w 1985 r., równieŜ w trzecim roku staŜu małŜeńskiego.
W tym przypadku istnieje moŜliwość porównania tej liczby z bieŜącą rejestracją urodzeń.
W tym celu jednak musimy uwzględnić warunki, w jakich zostało przeprowadzone
badanie dzietności w ramach NSP 1988. Jak wiadomo, por. J. Paradysz 1992 s. 24 – 28,
braki odpowiedzi oraz ich zaleŜność od wielu cech demograficznych sprawiły, Ŝe nie
moŜna automatycznie dokonać „uogólnienia” mnoŜąc całą badaną populację przez
określony mnoŜnik wynikający ze schematu doboru próby. Koniecznym staje się takiego
wywaŜenia wyników badania, Ŝeby próba była moŜliwie najmniej obciąŜona błędami
systematycznymi. Problemem tym zajmuje się jedna z najnowszych gałęzi metody
reprezentacyjnej pod nazwą kalibracja12. Temu problemowi, jak teŜ metodom imputacji
zostanie poświęcona trzecia część niniejszego opracowania. Sytuacja bardziej się
komplikuje, kiedy przechodzimy do mniejszych obszarów niŜ Polska ogółem. Wówczas
nawet relatywnie duŜe próby losowe, jak w przypadku BD NSP1970, po podzieleniu na
województwa i pięć duŜych miast na prawach województw stają się zbyt małymi liczbami
dla estymacji bezpośredniej. Na szczęście w sukurs przychodzi nam pręŜnie rozwijająca
się w ostatnich piętnastu latach statystyka małych obszarów13. Co prawda, niewielkie są
szanse rekonstrukcji współczynników małŜeńskości i płodności w okresie, który
nazwaliśmy na rys. 1 i 2 „prestatystycznym”, na podstawie BD NSP1970. JednakŜe juŜ
wykorzystanie późniejszego badania dzietności z 1988 w odniesieniu do płodności w
kohortach małŜeńskich przed 1975 rokiem stwarza nam takie moŜliwości. Jeszcze większe
szanse daje nam w tym zakresie trzystutysięczna próba z NSP2002, gdzie by moŜna było
zrekonstruować płodność małŜeńską kobiet w okresie kolejnej wielkiej przemiany
demograficznej z lat 1985 – 2015. Zastosowanie metod imputacji i kalibracji danych w
przekroju regionalnym będzie tutaj szczególnie interesujące, gdyŜ mamy juŜ dostatecznie
duŜo informacji o płodności małŜeńskiej z bieŜącej ewidencji ruchu ludności na poziomie
12 Kalibracją w badaniach sondaŜowych nazywamy takie odwzorowanie próby, Ŝeby ona była moŜliwie bliska tej sytuacji idealnej bez odmów i innych rodzajów nieobecności w badaniu, por. prace J-C.Deville, C-E. Särndal (1992), J-C. Deville (2000), C-E., Särndal i S.Lundström (2005). To pojęcie kalibracji róŜni się od wcześniej spotykanego w statystyce, które się odnosiło do modeli regresji. 13 Poznańskie doświadczenia w tej dziedzinie przedstawiają dwie monografie i kilkadziesiąt innych opracowań, por. m. in. G. Dehnel (2003), E. Gołata (2004), J. Kordos, J. Paradysz (2000), J. Paradysz (2004).
17
kraju, które zgodnie z metodologią statystyki małych domen moŜna by wykorzystać jako
zmienne wspomagające dla regionów.
Zbiorowość C na rys. 2 ukazuje nam współczesny poziom zaspokojenia
informacyjnego w zakresie statystyki urodzeń małŜeńskich. Pomimo pewnej poprawy
statystyki ludności, w dalszym ciągu mamy niezadowalającą bieŜącą statystykę zawierania
i trwałości małŜeństw. W obecnej formie, zarówno tablice zamieszczane w Roczniku
Demograficznym jak i te, które są opracowywane, ale nie są publikowane, nie nadają się
bezpośrednio do rekonstrukcji płodności w kohortach małŜeńskich. MoŜna wykorzystać w
rekonstrukcji płodności kohortach małŜeńskich dopiero po dość Ŝmudnej interpolacji z
szerokich przedziałów wieloletnich na roczne tablicę pt. „Urodzenia Ŝywe małŜeńskie w ...
r. według okresu trwania małŜeństwa i kolejności urodzenia dziecka” (w Roczniku
Demograficznym 2001 tabl. 69(115) s.244), która zawiera zbiorowości trzeciego rodzaju.
Druga tablica regularnie zamieszczana w Roczniku Demograficznym (w 2001r. tabl.80
(126)) przedstawia urodzenia małŜeńskie w ... r. według roku zawarcia związku
małŜeńskiego. Przedstawia ona zbiorowości drugiego rodzaju w sensie diagramu Lexisa.
Obie te tablice prezentują rozwój rodziny do około 10 roku trwania małŜeństwa. Jest to
stanowczo za mało. Dla porównania, Niemcy wśród zaledwie 40 tablic demograficznych w
ogólnym Roczniku Statystycznym regularnie zamieszczają co najmniej od 1950r. Ehelich
Lebendgeborene nach der Geburtenfolge und der Ehedauer der Mutter14. Jest to tablica
odpowiadająca pierwszej z wyŜej wymienionych w polskim Roczniku Demograficznym, z
tym Ŝe urodzenia są szczegółowo rocznikami ujmowane aŜ do 20 roku trwania małŜeństw.
Podobnie szczegółowo klasyfikują urodzenia małŜeńskie Francuzi, Belgowie, Czesi,
Słowacy i zapewne wiele innych państw.
PołoŜenie litery C na rys. 2 pokazuje, gdzie kończy się nasza dobra statystyka
urodzeń małŜeńskich i gdzie naleŜy ciągle dokonywać Ŝmudnej interpolacji, w
szczególności w odniesieniu do urodzeń kolejności trzeciej i dalszych.
3. Imputacja i kalibracja w badaniach reprezentacyjnych.
Jak to zostało wcześniej zasygnalizowane, występowanie braków odpowiedzi w
badaniach demograficznych uniemozliwia „uogólnienie” wyników na całą badaną
populację poprzez wykorzystanie odpowiedniego mnoŜnika wynikającego ze schematu
14 Por. np. Statistisches Jahrbuch für die Bundesrepublik Deutschland 1998 s. 74.
18
doboru próby. Zbyt duŜe braki odpowiedzi w tego typu badaniach wpływają negatywnie
nie tylko na końcowe wyniki, powodując duŜe obciąŜenia, ale równieŜ mogą
zdyskwalifikować całe badanie ze względu na niewielkie do niego zaufanie wśród jego
odbiorców. Braki odpowiedzi mają równieŜ negatywny wpływ na jakość danych
statystycznych –zwłaszcza, w przypadku zbyt duŜej ich frakcji.
Braki odpowiedzi występują zarówno w badaniach pełnych jak i częściowych.
MoŜe się wydawać, Ŝe w spisach ludności czy w sprawozdawczości statystycznej
przypadki nieudzielania odpowiedzi są rzadsze aniŜeli w badaniach dobrowolnych, takich
jak na przykład, Badanie BudŜetów Gospodarstw Domowych. Nie jest to jednak takie
oczywiste. W badaniach towarzyszących spisowi, jak na przykład badanie dzietności
kobiet NSP 1970 i NSP 1988 braki odpowiedzi sięgały 30%. Z kolei w Badaniach
BudŜetów Gospodarstw Domowych wskaźnik braku odpowiedzi wahał się w ostatnich
latach od 30% do 50%.
Istnieje wiele powodów, dla których w badaniach występują braki odpowiedzi.
Do najczęstszych naleŜą niemoŜność wzięcia w badaniu ze względu na wiek, chorobę,
nieobecność w domu15, zmiana miejsca zamieszkania. Czynniki te mają charakter
obiektywny. Istnieją równieŜ powody mające charakter subiektywny, a więc dana
jednostka mogłaby wziąć udział w badaniu ale ze względu na brak czasu czy niechęć do
badania odmawia udzielenia odpowiedzi.
Bez względu na przyczyny jakie towarzyszą brakom odpowiedzi, ich
występowanie jest źródłem wielu błędów. Jest tak dlatego, Ŝe osoby, które odmawiają
wzięcia w badaniu udziału bądź nie udzielają na niektóre pytania odpowiedzi na ogół
róŜnią się od tych co biorą w nim udział i dostarczają niezbędnych danych. Wskutek tego,
po pierwsze, zmniejsza się efektywny rozmiar badanej próby bądź populacji co ma
niekorzystny wpływ na wariancję estymatorów powodując ich zwiększenie. Po drugie,
uzyskane wyniki obciąŜone są zbyt duŜymi błędami. Wyznaczone oceny parametrów
(średnia, wariancja, współczynnik korelacji etc.) znacznie odbiegają od ich „prawdziwych”
wartości a skonstruowane na podstawie próby przedziały ufności róŜnych parametrów
koncentrują się wokół „złych” wartości. Po trzecie, w przypadku braków odpowiedzi
rozkłady wielu cech będą zniekształcone i niemoŜliwe będzie zastosowanie wielu
15 Nieobecność w domu moŜe wiązać się z wyjściem, wyjazdem, wykonywaniem pracy itd. MoŜe ona być równieŜ spowodowana niefortunnym doborem terminu badania – co naleŜy wziąć pod uwagę na etapie jego projektowania. Przykładem niedogodnego terminu był spis z 1921 r. Wybór września, który jest miesiącem wykopów ziemniaków spowodował, Ŝe rachmistrzom spisowym trudno było dotrzeć do osób zamieszkujących zwłaszcza tereny wiejskie. Por. J. Paradysz (1997).
19
klasycznych metod statystycznych, gdyŜ nie będą spełnione załoŜenia, które im
towarzyszą. Po czwarte, zbyt niski wskaźnik udzielonych odpowiedzi nie wpływa
korzystnie na pozytywne postrzeganie badania przez jego uŜytkowników i w skrajnych
przypadkach moŜe się ono okazać dla nich całkowicie bezuŜyteczne.
NaleŜy zatem w badaniach uwzględniać juŜ na etapie ich projektowania
występowanie braków odpowiedzi i podejmować stosowne kroki celem ich redukcji. W
praktyce badań statystycznych stosuję się róŜnego rodzaju metody, których celem jest
zwiększenie frakcji udzielonych odpowiedzi. Mają one zarówno zastosowanie na etapie
zbierania danych (na przykład powtórne badanie jednostek, od których nie uzyskano
danych; zastępowanie jednostek nie podejmujących badania innymi; stosowanie róŜnych
bodźców – na przykład finansowych16) oraz na etapie ich opracowywania. Celem tej części
pracy jest przedstawienie tych ostatnich, ze szczególnym uwzględnieniem imputacji i
kalibracji.
Estymacja w przypadku braków odpowiedzi (estimation in the presence of
nonresponse) jest zbiorczym terminem uŜywanym w odniesieniu do grupy metod na
podstawie których szacowane są nieznane parametry w oparciu o dane zebrane w wyniku
przeprowadzonego badania, w którym występują ich częściowe bądź całkowite braki.
Tylko w niektórych przypadkach moŜna zastosować podejście polegające na
pominięciu braków odpowiedzi i ograniczeniu się do jednostek, od których uzyskaliśmy
niezbędne dane (na przykład gdy frakcja braków odpowiedzi jest niewielka bądź gdy
istniał pewien losowy mechanizm generowania braków odpowiedzi17)
W literaturze przedmiotu przedstawia się dwie podstawowe metody stosowane w
przypadku wystąpienia braków odpowiedzi w badaniach statystycznych: imputacja i
kalibracja.
Imputacja to metoda polegajaca na zastąpieniu brakujących danych konkretnymi
wartościami celem uzyskania kompletnego zbioru danych.
Wynikiem imputacji jest przypisanie dla kaŜdej jednostki w miejsce brakujących lub
niewaŜnych danych jakiejś wartości. Oznacza to, Ŝe brakujące dane zastępowane są ich
16 Więcej informacji na temat metod stosowanych w czasie zbierania danych moŜna znaleźć m.in. w pracy J. Kordos (1988). 17 W badaniach demograficznych taki „zrandimizowany” mechanizm generowania braków odpowiedzi jednak nie występuje. Wynika to z faktu, Ŝe istnieją zazwyczaj istotne róŜnice między respondentami i nierespondentami. Dlatego przyjęcie załoŜenia, Ŝe braki odpowiedzi maja charakter losowy byłoby źródłem wielu błędów. Bardziej odpowiednie wydaje się uwzględnianie faktu, Ŝe dla niektórych obiektów brak jest całkowicie bądź częściowo danych i dokonywać prób ich wyszacowania bądź skorygowania uzyskanych wyników w oparciu o odpowiednio dobrane wagi.
20
„substytutami” i są one z samej definicji „wartościami sztucznymi” NaleŜy jednak
podkreślić, Ŝe aby imputacja odegrała swoją rolę w badaniu muszą być spełnione trzy
waŜne załoŜenia:
• Imputacja nie powinna prowadzić do obciąŜeń bądź zmian rozkładów cech w
zbiorze danych oraz do wzrostu wariancji stosowanych estymatorów,
• Proces imputacji w większym stopniu powinien być uzaleŜniony od danych
pochodzących z próby aniŜeli odwoływać się do załoŜe,ń co do natury brakujących
danych,
• Oszacowania waŜnych statystyk z próby nie powinny „zbyt mocno” opierać się na
imputowanych danych.
W praktyce badań statystycznych bardzo trudno jest dochować powyŜszych
załoŜeń. NaleŜy ponadto zachować szczególną uwagę operując na zbiorze danych, wśród
których znajdują się równieŜ dane imputowane. NierozwaŜne bowiem uŜycie imputacji
moŜe powaŜnie zniekształcić uzyskane wyniki, co z kolei moŜe być źródłem źle
wyciągniętych wniosków. W literaturze przedmiotu jak i w badaniach statystycznych w
uŜyciu jest wiele róŜnych metod imputacji. Generalnie, imputowane wartości moŜna
zaklasyfikować do jednej z trzech głównych kategorii (C-E. Särndal., S. Lundström.,
2005, s.153):
• wartości imputowane z wykorzystaniem statystycznych reguł predykcyjnych,
• wartości imputowane uzyskiwane od jednostek badania mających podobne
cechy,
• wartości imputowane w oparciu o opinię ekspertów.
Dwie pierwsze kategorie mogą być nazwane wspólnym terminem „imputacyjnych
reguł statystycznych” poniewaŜ w procesie wyznaczania substytutów wykorzystywane są
róŜnego rodzaju narzędzia i metody statystyczne. W ramach pierwszej kategorii
wykorzystuje się relacje zachodzące pomiędzy zmienną imputowaną i innymi zmiennymi,
a w drugim przypadku wykorzystywana jest technika „dawca-biorca”, w której obiekt dla
którego imputujemy wartości jakiejś zmiennej „poŜycza” wartości od innych, bardzo
podobnych obiektów. Trzecia kategoria obejmuje metody bazujące na wiedzy i
doświadczeniu specjalistów z zakresu danego badania, którzy wykorzystując równieŜ
swoją intuicję dokonują imputacji.
Stosowane w praktyce metody, róŜnią się stopniem złoŜoności, mozliwościami
wykorzystania. NaleŜy jednak podkreślić, Ŝe rozwój odpowiedniego oprogramowania w
21
zakresie imputacji danych w znacznym stopniu ułatwił moŜliwości imputowania danych,
równieŜ w przypadku bardzo skomplikowanych algorytmów.
Dokonując innego rozróŜnienia moŜemy traktować imputowane wartości jako w
pełni losowe (gdy procedura imputacyjna przypisuje róŜne na ogół wartości zmiennym
imputowanym dla róŜnych obiektów – na przykład imputacja typu hot-deck) oraz mające
charakter deterministyczny (kiedy róŜnym obiektom dla imputowanych zmiennych
przypisywane są te same wartości – na przykład imputacja z wykorzystaniem średniej).
Losowe przypisanie wartości jakiemuś obiektowi moŜe nastąpić od dowolnej innej
jednostki, bądź od jednostki, która została wylosowana z utworzonej wcześniej tzw.
homogenicznej grupy respondentów, utworzonej w oparciu o pewien zestaw cech
wspólnych. Podobnie przypisanie średniej dla jakiegoś obiektu, dla którego brak
informacji o jakiejś cesze moŜe nastąpić w oparciu o wyliczoną średnią dla wszystkich
innych jednostek badania, dla których takie dane posiadamy, bądź moŜna się ograniczyć
do jej policzenia w ramach odpowiedniej grupy respondentów.
NaleŜy jednak podkreślić, Ŝe zastosowanie imputacji nie daje gwarancji, Ŝe
uzyskiwane wyniki będą mniej obciąŜone w porównaniu z wynikami, które uzyskalibyśmy
gdyby nie miało miejsca „fabrykowania” danych. Dlatego naleŜy imputację stosować z
duŜą rozwagą, kierując się przy tym doświadczeniem badawczym, intuicją oraz relacjami
wykrytymi w zbiorze danych. Imputowane wartości powinny być bowiem „bliskie”
prawdziwym, choć nieznanym na skutek braku odpowiedzi rzeczywistym wartościom.
Drugą z omawianych metod, która znajduje zastosowanie w badaniach
statystycznych z brakami odpowiedzi, zwłaszcza w państwach skandynawskich, jest
kalibracja. W swych róŜnych formach stała się na przestrzeni ostatnich lat istotnym
narzędziem badawczym, które w znacznym stopniu przyczyniło się do poprawy
oszacowań róŜnych cech w badaniu, poprzez zmniejszenie obciąŜenia oraz wariancji
stosowanych estymatorów. Pojęcie kalibracji, które zostało zasygnalizowane wcześniej,
opiera się na odpowiednim doborze wag tak aby zostały zrekompensowane straty
informacji związane z występującymi brakami odpowiedzi. Wagi te obliczane są w oparciu
o wykorzystanie informacji dodatkowych. Kalibracja jest zatem metodą, w której
wykorzystanie pomocniczej informacji, zawartej w wektorze zmiennych pomocniczych,
ma przyczynić się do poprawy uzyskiwanych szacunków, w przypadku gdy w badaniu
występują braki odpowiedzi. Informacje jaką niesie wektor zmiennych pomocniczych
wykorzystuje się do skorygowania wyjściowych wag – wynikających ze schematu
losowania próby - celem redukcji obciąŜenia wynikającego z istnienia braków odpowiedzi.
22
W rezultacie uzyskuje się równowagę rozumianą w ten sposób, Ŝe po zastosowaniu
kalibracji próba jest „wyglądem” zbliŜona do całej populacji. Informacja zawarta w
wektorze zmiennych pomocniczych jest wykorzystywana w związku z „ochroną” przed
obciąŜeniem związanym z występowaniem braków odpowiedzi oraz celem redukcji
wariancji stosowanych estymatorów. Informacje tego typu moŜna pozyskać ze spisów,
rejestrów administracyjnych bądź z innych dostępnych badań.
W rezultacie wykorzystania informacji dodatkowej, w postaci wektora
zmiennych pomocniczych buduje się tzw. estymatory kalibracyjne, które w wielu
przypadkach odznaczają się małym obciąŜeniem, niewielką wariancją i wykorzystują
skorygowane (odpowiednio wykalibrowane) wagi w porównaniu z wyjściowymi wagami,
wynikajacych ze schematu losowania próby i będącymi odwrotnościami
prawdopodobieństw inkluzji jednostki do próby.
Przykładem estymatora kalibracyjnego wartości globalnej ∑=
=N
iiyY
1
jest
∑=
=m
iiical ywY
1
ˆ , gdzie wagi kalibracyjne wyraŜają się następującym wzorem18:
( ) i
m
i
Tiii
T
iii xxxdddw1
1
ˆ−
=
−+= ∑XX . (1)
W powyŜszym wzorze poszczególne symbole oznaczają :
N - liczebność populacji,
iy - wartość zmiennej Y dla −i tej jednostki badania, .,,1 Ni K=
iid
π1= - waga odpowiadającą −i tej jednostce badania (iπ oznacza
prawdopodobieństwo inkluzji −i tej jednostki do próby),
TN
i
N
i
N
iikii xxx
= ∑ ∑ ∑= = =1 1 1
21 ,,, KX - wektor utworzony z wartości globalnych kaŜdej zmiennej
pomocniczej,
−X wektor postaci Tm
i
m
i
m
iikiiiii xdxdxd
= ∑ ∑ ∑= = =1 1 1
21 ,,,ˆ KX ,
18 Metoda wyznaczania rozwaŜanego estymatora kalibracyjnego opisana jest szczegółowo w pracy M. Szymkowiak (2007).
23
[ ]Tikiii xxx ,,, 21 K=x - wektor złoŜony z wartości wszystkich zmiennych pomocniczych
dla −i tego respondenta, .,,1 mi K= ( −m liczba respondentów, dla których znana jest
wartość zmiennej Y ).
Idea konstrukcji estymatorów kalibracyjnych dla pewnej zmiennej Y , dla której nie
posiadamy informacji dla wszystkich jednostek badania (braki odpowiedzi)19 sprowadza
się zatem do stworzenia nowych wag iw z wykorzystaniem informacji dodatkowej jaką
niesie wektor zmiennych pomocniczych. Wagi te, co do wartości, powinny być bliskie
wyjściowym wagom id i stanowią swego rodzaju „parasol ochronny” przed obciąŜeniem
związanym z występowaniem braków odpowiedzi.
Jak pokazują doświadczenia państw skandynawskich oraz pionierskie prace z
tego zakresu w odniesieniu do badań prowadzonych przez Główny Urząd Statystyczny,
wykorzystanie estymatórów kalibracyjnych moŜe stanowić alternatywę w stosunku do
estymatorów znanych z klasycznej metody reprezentacyjnej poprzez zmniejszenie w
istotny sposób obciąŜenia wynikającego z faktu istnienia braków odpowiedzi - J. Paradysz,
M. Szymkowiak (2007).
4. Wnioski
Na zakończenie pozwolimy sobie podlać nasze wywody małym dydaktycznym
smrodkiem. W tym celu część naszych wniosków zostanie przedstawiona w formie
gambitu szachowego20, gdzie prowokująco rzecz ukazując staramy się pobudzić naszych
adwersarzy do śmiałego ataku, mamiąc ich wizją łatwego zwycięstwa. Pozostałe
spostrzeŜenia będą poczciwymi truizmami, którym zaprzeczyć nie sposób, chociaŜ bez
nich Ŝycie równieŜ miało swój urok.
1. W analizie demograficznej nie ma informacji nieaktualnych.
2. Tylko odpowiednio długie ciągi kohort hipotetycznych i rzeczywistych dają moŜliwość
objaśnienia aktualnych procesów demograficznych, patrz teoria translacji
demograficznej.
3. Na jakie epitety „ciemnych męŜów” zasłuŜyliby sobie proboszczowie, gdyby
zniszczyli księgi metrykalne? Wszak niejednokrotnie zawierały one informacje, z
19 W przypadku wystąpienia braków odpowiedzi estymatory znane z metody reprezentacyjnej (na przykład
estymator Horvitza – Thompsona) nie dadzą ze względu na (zazwyczaj) zaniŜone wartości wag id
właściwych oszacowań. 20 Gambit ParaSzym, gdyŜ obaj autorzy są miłośnikami tej szlachetnej sztuki walki.
24
których moŜna byłoby się dowiedzieć o poczęciach przedślubnych i innych mało
zaszczytnym faktach, wydawałoby się, zacnych matron.
4. Niszcząc unikatowe dane statystyczne dajemy wyraz swojej pysze z osiągniętego
poziomu rozwoju metodologii. Wydaje nam się, Ŝe w przyszłości nie powstaną nowe
metody analizy czy nowe podejścia.
5. Podobnie jak nie ma jedynych „słusznych” metod badania tak i nie ma jedynych,
pełnych, pewnych i Ŝadnymi błędami nieobciąŜonych, źródeł statystycznych.
6. Uczmy się pracować w warunkach wielości źródeł statystycznych w myśl
niemieckiego porzekadła eine Quelle, keine Quelle.
7. Rozwijajmy metody estymacji, które wykorzystują wszystkie dostępne informacje
(estymacja pośrednia).
8. Przed wykorzystaniem, źródła zasadnicze i wspomagające naleŜy poddać gruntownej
krytyce i ocenie.
9. Uzupełniajmy braki danych w źródłach (imputacja danych).
10. Uwzględniajmy wpływ autoselekcji związanej z nieobecnością w badaniu na jakość
wyników (kalibracja).
Bibliografia
Bolesławski L., (1974) Tablice płodności kobiet według generacji. Statystyka Polski. Warszawa: Główny Urząd Statystyczny.
Bolesławski L., (1975) Prawdopodobieństwo zamąŜpójścia kobiet i urodzeń dzieci (tablice kohortowe). Warszawa: Główny Urząd Statystyczny.
Bolesławski L., (1976) Zastosowanie metod kohortowych w badaniach nad częstością zawierania i trwania związków małŜeńskich oraz nad płodnością. (w:) S. Borowski - red., Analiza kohortowa i jej zastosowanie. Warszawa: Państwowe Wydawnictwa Naukowe s. 139-156.
Borowski S., (1976 – red.) Analiza kohortowa i jej zastosowanie. PWN, Warszawa.
Bracha Cz., (1996),Teoretyczne podstawy metody reprezentacyjnej, PWN, Warszawa.
Dehnel G., (2003) Statystyka małych obszarów jako narzędzie oceny rozwoju ekonomicznego regionów, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Deville J-C., (2000) Generalized calibration and application to weighting for non-response. [w:] J. G. Bethlehem i P.G. M van der Heijden (eds.} COMPSTAT – Proceedings in Computational Statistics.
Deville J-C., Särndal C-E. (1992) Calibration estimators in survey sampling. Journal of the American Statistical Association. T. 87, s. 376-382.
Estevao V.M., Särndal C-E., (2000) A Functional Form Approach to Calibration, Journal of Official Statistics , Vol. 16, No. 4.
25
Estevao V.M., Särndal C-E., (2006) Survey Estimates by Calibration on Complex Auxiliary Information, International Statistical Review, Vol. 74, 127-147.
Gołata E., (2004) Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
GUS (1971) Dzietność kobiet, t. 1, 2. Główny Urząd Statystyczny, Warszawa.
Kędelski M., Paradysz J., (2006) Demografia. Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Kordos J., (1988) Jakość danych statystycznych, PWE, Warszawa.
Kordos J., Paradysz J., (2000) Some experiments in small area estimation in Poland. Statistics in Transition. Vol. 4, Nr 4, s. 679 - 698. Wersja poszerzona.
Longford N. T., (2005) Missing Data and Small Area Estimation, Springer-Verlag.
Lutz W., (1987) Finnish fertility since 1722. Väestöntutkimuslaitos (The Population Research Institute), Helsinki.
Paradysz J., (1985) Wielowymiarowa analiza reprodukcji ludności. Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu, Poznań.
Paradysz J., (1989) O błędach nielosowych w badaniu dzietności kobiet w ramach Narodowego Spisu Powszechnego 1970. [w:] Problemy badań statystycznych metodą reprezentacyjną. Główny Urząd Statystyczny, Warszawa, Biblioteka Wiadomości Statystycznych t. 36, s. 154 - 159
Paradysz J., (1990) Reprodukcja ludności w Polsce. Studium metodologiczno-poznawcze. Szkoła Główna Planowania i Statystyki, Warszawa.
Paradysz J., (1992) Dzietność kobiet w Polsce. Główny Urząd Statystyczny, Warszawa.
Paradysz J., (1997) Refleksje na temat NSP 2000, Wiadomości statystyczne, nr 10, s. 1-4.
Paradysz J., (1999) Aplikacja metod szkoły francuskiej w nauczaniu demografii w Polsce. [w:] T. Kowaleski (red.) Nauczanie demografii w szkołach wyŜszych w świetle potrzeb dnia dzisiejszego. Wydawnictwo Uniwersytetu Łódzkiego, Łódź , s. 25-34.
Paradysz J., (1999a) Rekonstrukcja dzietności małŜeńskiej kobiet w późniejszym wieku na podstawie ankiety retrospektywnej. Studia demograficzne, nr 1, s. 13 - 34.
Paradysz J., (2002) Badanie małŜeńskości i dzietności kobiet w narodowych spisach powszechnych. Wiadomości Statystyczne nr 1, s.77 - 87.
Paradysz J., (2004) Zasilanie publicznej statystyki regionalnej za pomocą estymacji dla małych obszarów w perspektywie wykorzystania rejestrów administracyjnych. Wiadomości Statystyczne nr 3, s.1-9.
Paradysz J., Szymkowiak M., (2007) Imputacja i kalibracja jako remedium na braki odpowiedzi w badaniu budŜetów gospodarstw domowych, Prace Naukowe AE we Wrocławiu. Taksonomia nr 14. Klasyfikacja i analiza danych – teoria i zastosowania, praca w druku.
Platek R., (1990) Metodologiczne problemy braku odpowiedzi w ankietowych badaniach społecznych, Warszawa.
Särndal C-E., Lundström S., (2005) Estimation in surveys with nonresponse. John Wiley and Sons, Chichester.
26
Szymkowiak M., (2007) Przyczynek do kalibracji w badaniach statystycznych z brakami odpowiedzi, Zeszyty Naukowe Katedry Statystyki AE w Poznaniu, praca w druku.
27
ElŜbieta Gołata
Katedra Statystyki
Wydział Informatyki i Gospodarki Elektronicznej
Akademia Ekonomiczna w Poznaniu
Zastosowanie estymacji pośredniej w szacowaniu struktury gospodarstw
domowych w Polsce
Wprowadzenie
Przemiany społeczne obserwowane w ostatnich latach mają wyjątkowo złoŜony
charakter. Dotyczą one nie tylko gospodarki, ale równieŜ procesów demograficznych,
norm społecznych, podstaw naszej egzystencji, od typu rodziny począwszy poprzez
róŜnorodność form pracy po trwanie Ŝycia ludzkiego. W Polsce przemiany te są
odczuwalne ze szczególną ostrością gdyŜ zbiegły się w czasie z transformacją gospodarczą
i ustrojową. Przedmiotem niniejszego opracowania jest analiza zróŜnicowania
terytorialnego struktury gospodarstw domowych w Polsce jako jednej z podstawowych
charakterystyk zachodzących zmian.
Według danych NSP’2002 tradycyjne rodziny tworzone przez małŜeństwo z
dziećmi stanowią zaledwie 56% wszystkich rodzin w Polsce. W okresie transformacji, tj.
od poprzedniego spisu powszechnego w 1988 r. odsetek ten zmniejszył się o 6 punktów
procentowych. Blisko 23% rodzin to małŜeństwa bezdzietne, a 19,5% rodzin tworzą
samotni rodzice z dziećmi. W ostatnim spisie po raz pierwszy poddano badaniu związki
nieformalne, stanowią one prawie 2% wszystkich rodzin (0,8% to partnerzy bez dzieci i
1,1% to partnerzy z dziećmi). Osób Ŝyjących w związkach partnerskich w Polsce jest juŜ
prawie 183 tys. Blisko 85% to osoby w wieku od 20 do 55 lat (z maksimum
przypadającym na grupę wieku od 25-29 lat). Formy związków rodzinnych są coraz
bardziej róŜnorodne: kohabitacja, rodzina rekonstruowana tzw. patchwork, rodzina
nomatyczna (LAT Living Apart Together)), rodzina bezdzietna DINKS (double – income
– no kids), samotni rodzice, związki homoseksualne.
MoŜna mnoŜyć powaŜne wyzwania ekonomiczne i społeczne wynikające z
obserwowanych w okresie transformacji zmian zachodzących w strukturze gospodarstw
28
domowych w Polsce. Jedno z podstawowych zagroŜeń związane jest z trudnościami na
rynku pracy i masową emigracją młodzieŜy w wieku największej mobilności społecznej i
zawodowej, oraz aktywności matrymonialnej i prokreacyjnej. Inne wynikają z
obserwowanej zmiany modelu rodziny, zmniejszającej się dzietności, zmiany tzw.
kalendarza urodzeń. Szkoły podstawowe i przedszkola doświadczyły juŜ skutków niŜu
demograficznego (zamykanie szkół, zmniejszanie liczby nauczycieli). Obecnie problem
ten w większym stopniu zaczyna dotyczyć szkół średnich. Na szczeblu akademickim
skutki niŜu łagodzi wzrost udziału młodzieŜy kontynuującej naukę w szkołach wyŜszych21.
Kolejne z wyzwań wobec gospodarki wynika z wydłuŜania się trwania Ŝycia i
konieczności zapewnienia opieki osobom samotnym w starszym wieku (por. tab. 1). O
starzeniu społeczeństwa mówi się zazwyczaj w kontekście zmian systemu emerytalnego,
pomocy ludziom starszym (uboŜenia społeczeństwa, zabezpieczenia pomocy medycznej i
socjalnej), rozwoju usług słuŜących tej grupie społecznej.
Tablica 1
Wybrane konsekwencje przemian demograficznych - wyzwania wobec gospodarki
Proces demograficzny Konsekwencje ekonomiczne
emigracja siły roboczej (młodej,
wykształconej, mobilnej)
niedostatek wykwalifikowanej siły roboczej obecnie i w przyszłości,
brak specjalistów, informatyków, lekarzy, pielęgniarek – spowolnienie rozwoju,
niemoŜność zabezpieczenia potrzeb starzejącego się społeczeństwa
bezpośredni i pośredni wpływ migracji na przebieg procesów demograficznych
zmiana modelu rodziny,
nowe formy związków,
ograniczenie dzietności,
zmiana kalendarza płodności,
zamykanie szkół, zmniejszanie liczby nauczycieli,
konieczność dostosowania systemu edukacji do potrzeb rynku pracy,
szkoły wyŜsze – łagodzenie skutków niŜu przez wzrost udziału młodzieŜy
kontynuującej naukę (wymogi rynku pracy),
starzenie się społeczeństwa zmian systemu emerytalnego,
pomoc społeczna ludziom starszym (uboŜenie społeczeństwa, zabezpieczenie
pomocy medycznej i socjalnej),
rozwój usług słuŜących tej grupie społecznej,
rozwój przemysłu na potrzeby ludzi starszych,
Źródło: Opracowanie własne
Sprostanie tym wyzwaniom uzaleŜnione jest przede wszystkim od wiedzy jaką
dysponujemy w zakresie ich identyfikacji, rozmieszczenia terytorialnego, cech
21 W sposób szczególny ucierpiały szkoły pomaturalne gdyŜ wobec trudności na rynku pracy oraz rozwijającego się szkolnictwa wyŜszego młodzieŜ decyduje się raczej na podjęcie nauki w wyŜszych szkołach zawodowych, aniŜeli kontynuowanie jej w szkołach pomaturalnych.
29
specyficznych. Warunkuje ona prowadzenie efektywnej polityki społecznej przez władze
samorządowe. Powstają pytania czy występuje istotne zróŜnicowanie omawianych
procesów nie tylko w ujęciu przestrzennym, ale takŜe w zaleŜności od charakteru
miejscowości zamieszkania, czy władze samorządowe mają wystarczające informacje aby
kreować odpowiednią pomoc i rozwój instytucji za nią odpowiedzialnych?
Wagę problematyki przemian demograficznych w kontekście rozwoju
gospodarczego kraju i polityki regionalnej UE wskazuje takŜe wybór zmiennych, których
szacunek, jako priorytetowych, podjęto w projekcie EURAREA. Zmiennymi tymi były:
dochód gospodarstw domowych, bezrobocie, i odsetek jednoosobowych gospodarstw
domowych. Metody szacunku tych charakterystyk analizowane w projekcie EURAREA
nie mogą być bezpośrednio stosowane w bieŜącej praktyce statystycznej w Polsce z wielu
powodów. Wśród najwaŜniejszych wskazać moŜna:
Analiza przeprowadzona w projekcie EURAREA wykorzystywała podejście
symulacyjne bazujące na tzw. superpopulacji – utworzonej specjalnie dla realizacji celów
projektu. W rzeczywistości nie dysponujemy „superpopulacją”, na podstawie której moŜna
byłoby przeprowadzić odpowiedni szacunek.
Badane w projekcie EURAREA metody estymacji zakładały moŜliwość połączenia
na poziomie jednostek indywidualnych rekordów z badania reprezentacyjnego oraz
rejestrów. W warunkach polskiej infrastruktury statystycznej dotyczącej ludności, takiej
moŜliwości, w chwili obecnej, nie ma.
PowyŜsza sytuacja wskazuje na konieczność stosowania modeli na poziomie
jednostek terytorialnych. Nie oznacza to rezygnacji z uznawanych za efektywniejsze,
metod estymacji zakładających integrację baz danych. Przykładem takich analiz są prace
prowadzone przez G. Dehnel (2007) nad modyfikacją uogólnionego estymatora
regresyjnego GREG, D. Bartosińską (2007) w kwestii integracji baz danych i zastosowań
SMO w rolnictwie czy podejmowane przez T. Klimanka próby aplikacji modelowania
wielopoziomowego łączącego dane jednostkowe i zagregowane w estymacji pośredniej.
Potrzeba podejmowania badań nad właściwościami estymatorów pośrednich
wykorzystujących administracyjne źródła informacji wynika równieŜ z konieczności
racjonalizacji badań statystycznych, ich integracji i dąŜenia do maksymalnego
wykorzystania istniejącej infrastruktury statystycznej. Wyrazem takich działań jest
realizacja przez GUS projektu PHARE 2003 pt. „Podniesienie jakości polskiej statystyki”,
w którym podprojekt III zajmujący się „Zwi ększeniem wykorzystania administracyjnych
źródeł danych” rozpatruje je w trzech obszarach: systemu podatkowego, ewidencji
30
ludności i lokali, ubezpieczeń społecznych i zdrowotnych oraz zabezpieczeń społecznych.
W projekcie tym Polska korzysta z doświadczeń takich krajów jak Szwecja, Finlandia i
Dania [por. Sources for Tax System …, 2004, Social Statistics in Denmark …, 2004,
Quality aspects ..., 2004, Legislative aspects …,2004].
1. Cel, zakres czasowy i terytorialny, hipotezy badawcze
Celem podjętego badania jest analiza zróŜnicowania struktury gospodarstw
domowych w Polsce w świetle moŜliwości wynikających z dostępnej infrastruktury
statystycznej oraz zastosowań metodologii estymacji pośredniej. Realizacja tak
określonego celu, zdeterminowała sformułowanie następujących hipotez badawczych:
Dostępne (z częstotliwością roczną) źródła informacji o ludności nie umoŜliwiają,
przy zastosowaniu tradycyjnej metodologii, oszacowania podstawowych charakterystyk
gospodarstw domowych w przekroju terytorialnym w Polsce.
Zastosowanie statystyki małych obszarów pozwala na pozyskanie informacji w
przekroju domen oraz poprawia precyzję szacunku. Struktura gospodarstw domowych w
Polsce według liczby osób jest silnie zróŜnicowana w przekroju województw oraz w
zaleŜności od charakteru miejscowości zamieszkania.
Postępowanie weryfikacyjne rozpoczęto od przeglądu dostępnej infrastruktury
statystycznej. Badanie zróŜnicowania terytorialnego charakterystyk gospodarstw
domowych przeprowadzić moŜna na podstawie danych Narodowego Spisu Powszechnego
z maja 2002 roku. Analiza dla bardziej aktualnych danych moŜliwa jest tylko w oparciu o
wyniki badań przeprowadzanych poprzez gospodarstwa domowe, tj. Badania BudŜetów
Gospodarstw Domowych (BBGD) oraz Badania Aktywności Ekonomicznej Ludności
(BAEL). Ograniczona wielkość próby determinuje jednak przekrój terytorialny dostępnych
danych, a tym samym moŜliwości analizy przestrzennej. Natomiast rejestracja ludności w
systemie administracyjnym PESEL22 dostępna dla szczegółowego podziału terytorialnego,
nie obejmuje Ŝadnych charakterystyk opisujących gospodarstwa domowe23. Tak więc
dostępność informacji statystycznej jest czynnikiem determinującym zarówno zakres
czasowy jak i przestrzenny badania.
22 PESEL to skrót od wyraŜenia "Powszechny Elektroniczny System Ewidencji Ludności". Jest on prowadzony od 1979 roku przez organy państwa na mocy ustawy z dnia 10 kwietnia 1974 o ewidencji ludności i dowodach osobistych (tekst jedn. Dz. U. z 2001 r. Nr 87 poz. 960 z późn. zm.) 23 Rejestr zawiera następujące dane: numer PESEL, nazwisko i imiona aktualne i poprzednie, imiona i nazwiska rodowe rodziców, datę i miejsce urodzenia, płeć, obywatelstwo, adres i datę zameldowania na pobyt stały, adres zameldowania na pobyt czasowy trwający ponad 2 miesiące oraz okres zameldowania,
31
Zakres bieŜących24 informacji o gospodarstwach domowych nie pozwala na analizę
przemian struktury gospodarstw domowych w ujęciu przestrzennym. Ta ograniczoność w
zakresie danych inspiruje do podjęcia próby zastosowania metodologii statystyki małych
obszarów w celu estymacji wybranych charakterystyk gospodarstw domowych w bardziej
szczegółowym podziale terytorialnym, np. województw z uwzględnieniem klasy
miejscowości zamieszkania. UmoŜliwiło by to monitorowanie zachodzących przemian
społecznych na potrzeby władz samorządowych. Domeny studiów nie zdefiniowano w
sposób tradycyjny, tj. jako jednostkę wyodrębnioną terytorialnie (np. powiat koniński).
Przyjęto, iŜ domeną będzie jednostka określona przez kombinację dwóch cech:
przestrzennej – województwo oraz jakościowej – klasa miejscowości zamieszkania, np.
wsie w województwie lubuskim, czy małe miasta w województwie mazowieckim. Wybór
tak określonych domen wynikał z przyjętego załoŜenia o większym znaczeniu wielkości
miejsca zamieszkania jako czynnika róŜnicującego przebieg procesów społecznych i
demograficznych, w tym przeobraŜeń rodziny, aniŜeli podział administracyjny na gminy
czy powiaty w ramach województw. Podejście takie sugerują wyniki analiz czynników
determinujących zróŜnicowanie terytorialne procesów demograficznych [por. E Gołata,
1990, 1995, 1997, 2002]. Klasa miejscowości zamieszkania w badaniach prowadzonych
przez GUS25 określana jest w sześciu kategoriach (por. tab. 2). Przy szesnastu
województwach oraz sześciu kategoriach klasy miejscowości otrzymano łącznie 96
domen. PoniewaŜ jednak nie we wszystkich województwach znajdują się miasta liczące
ponad 100 tys. mieszkańców26, łączna liczba wyodrębnionych domen wynosi 73 .
Tablica 2. Kategorie cechy „klasa miejscowości” w badaniach prowadzonych przez GUS.
Nazwa cechy Kod Opis kodu
1 miasta powyŜej 500 tys. mieszkańców
2 miasta od 200 do 500 tys. mieszkańców
3 miasta od 100 do 200 tys. mieszkańców
4 miasta od 20 do 100 tys. mieszkańców
5 miasta poniŜej 20 tys. mieszkańców
KLM
klasa miejscowości
6 Wsie
serię i numer dokumentu toŜsamości wraz z oznaczeniem organu, który go wydał, datę zgonu, datę sprzeciwu przeciwko udostępnianiu danych osobowych. 24 Chodzi tu o informacje dostępne z częstotliwością roczną. 25 Zmienna ta oznaczona jest w BBGD symbolem KLM. 26 Np. miasta liczące powyŜej 500 tys. mieszkańców KLM=1 znajdują się w tylko pięciu województwach: dolnośląskim, łódzkim, małopolskim, mazowieckim i wielkopolskim.
32
ZłoŜony i wieloaspektowy cel badania oraz weryfikacja wyszczególnionych hipotez
badawczych zdeterminowały układ opracowania:
• Ocenę istniejącej infrastruktury statystycznej w zakresie informacji o strukturze
gospodarstw domowych
• Analizę zróŜnicowania struktury gospodarstw domowych w Polsce
• Próbę zastosowania metodologii statystyki małych obszarów w estymacji
wybranych charakterystyk gospodarstw domowych w Polsce - odsetek gospodarstw
domowych jednoosobowych
• Ocenę precyzji szacunku odsetka jedno-osobowych gospodarstw domowych
• Wskazanie na moŜliwości wykorzystania i przydatność estymacji pośredniej w
demografii
2. Źródła informacji
Charakterystyka struktury rodzin i gospodarstw domowych w Polsce w przekroju
terytorialnym przeprowadzona moŜe być na podstawie następujących informacji:
• wyników Narodowego Spisu Powszechnego NSP – badanie pełne przeprowadzane
mniej więcej raz na 10 lat27, zakres terytorialny: NUTS5
• wyników tzw. mikro-spisu – badanie reprezentacyjne na około 5% próbie losowej
pozwalającej na uogólnienia na poziomie odpowiadającym NUTS328
przeprowadzane w połowie okresów między-spisowych29
• danych Badania BudŜetów Gospodarstw Domowych (BBGD) – badanie roczne,
zakres terytorialny: NUTS2
• danych Badania Aktywności Ekonomicznej Ludności (BAEL) – badanie kwartalne,
zakres terytorialny: cały kraj
Inne źródła statystyczne prezentują równieŜ pewne informacje dotyczące gospodarstw
domowych w przekroju terytorialnym, ale same tych danych nie gromadzą („produkują”)
np. Bank Danych Regionalnych30 zamieszcza w systemie informacje na podstawie innych
źródeł takich jak spisy powszechne, rejestry administracyjne, sprawozdawczość
27 Spisy ludności w niepodległej Polsce przeprowadzone były: 30.IX.1921, 9.XII.1931, 14.II.1946, 3.XII.1950, 6.XII.1960, 8.XII.1970, 7.XII.1978, 7.XII.1988, 20.V.2002 28 Informacje dostępne na podstawie mikro-spisu z maja 1995 r. uogólniono na poziomie byłych 49 województw. 29 W Polsce przeprowadzono trzy mikro-spisy: 1974, 1984, 17.V.1995 30 BDR jest największym w Polsce uporządkowanym zbiorem informacji o sytuacji społeczno-gospodarczej, demograficznej, społecznej oraz stanie środowiska, opisującym województwa, powiaty oraz gminy jako
33
statystyczna. Informacje o gospodarstwach domowych31 dostępne są na poziomie
określanym jako NUTS2, co oznacza przekrój terytorialny województw oraz regionów.
Informacje zebrane podczas NSP pozwalają na przeprowadzenie analizy struktury
gospodarstw domowych w szczegółowym podziale terytorialnym, tj. podregionów,
powiatów oraz gmin (miejskich, wiejskich oraz miejsko-wiejskich). Podstawowe
informacje obejmują liczbę gospodarstw domowych oraz ich strukturę według liczby osób.
Oczywiście, im wyŜszy poziom agregacji terytorialnej, tym zakres dostępnych informacji
jest szerszy. Przykładowa charakterystyka terytorialnego zróŜnicowania przemian rodziny
i gospodarstwa domowego w okresie transformacji w przekroju województw
przedstawiona została w kolejnym punkcie.
Monitoring aktualnych przemian zachodzących w strukturze gospodarstw
domowych umoŜliwiają takŜe wyniki badań specjalnych. Obydwa najwaŜniejsze z badań
reprezentacyjnych przeprowadzanych przez GUS: BBGD oraz BAEL uwzględniają
obserwację gospodarstw domowych. Celem tych badań nie jest jednak analiza procesów
demograficznych, a charakterystyka poziomu Ŝycia i warunków bytu ludności (BBGD)
oraz jej aktywności ekonomicznej (BAEL). Informacje zbierane są w obu badaniach
poprzez gospodarstwa domowe32, jednakŜe liczebności prób pozwalają na uogólnienia (z
określonym błędem) uzyskanych wyników na wszystkie gospodarstwa domowe w kraju –
tj. bez uwzględnienia podziału terytorialnego. Badanie Aktywności Ekonomicznej
Ludności przeprowadzane jest na próbie losowej liczącej około 24-25 tys. mieszkań
kwartalnie, co pozwala na przedstawienie podstawowych informacji o działalności
ekonomicznej ludności z uwzględnieniem przekrojów według płci i miejsca zamieszkania,
tj. miasto-wieś, klasa miejscowości bądź województwo. Jednak Ŝadne informacje o
gospodarstwach domowych nie są uogólniane w tym przekroju. Wielkość próby w BBGD
wynosi rocznie około 35-36 tys. gospodarstw domowych, przy czym alokacja próby
uwzględnia warstwowanie według województw jak i klas miejscowości, ale prezentacja
wyników w przekroju województw jest bardzo ograniczona.
W powyŜszej sytuacji podjęto próbę oszacowania struktury gospodarstw
domowych w Polsce na podstawie wyników BBGD w przekroju województw z
uwzględnieniem klasy miejscowości zamieszkania. Eksperymentalny charakter takiego
podmioty systemu organizacji społecznej i administracyjnej państwa, a takŜe regiony i podregiony stanowiące elementy nomenklatury jednostek terytorialnych do celów statystycznych NUTS. 31 Dla lat, w których nie przeprowadzano spisu, zakres tych informacji ogranicza się do liczby gospodarstw domowych, przeciętnej liczby osób; przeciętnego miesięcznego dochodu na 1 osobę, przeciętnych miesięcznych wydatków na 1 osobę.
34
badanie usprawiedliwia przeprowadzenie analizy dla czasu charakteryzującego się
najobfitszą dostępnością danych kosztem aktualności informacji. Za okres taki uznać
naleŜy rok spisu ludności tj. 2002. Podstawą estymacji będzie więc próba losowa z BBGD,
a zmienne pomocnicze wzmacniające szacunek określone zostaną na podstawie innych
dostępnych źródeł, w tym NSP’2002 i ewidencji ludności przedstawionej w Banku danych
Regionalnych BDR.
3. ZróŜnicowanie struktury gospodarstw domowych
Analizę zmian zachodzących w strukturze gospodarstw domowych naleŜałoby
przeprowadzać w sposób wielowymiarowy, tj. uwzględniając zmiany tak w zakresie norm
społecznych określających charakter rodziny, jak i sytuację na rynku pracy oraz
konsekwencje wynikające z wydłuŜania trwania Ŝycia. Z uwagi na wieloaspektowy
charakter niniejszego opracowania zdecydowano wybrać jedynie kilka zmiennych
symptomów powyŜszych zmian i zachodzących procesów demograficznych. Zostały one
określone na podstawie danych NSP’2002 w przekroju województw:
• udział gospodarstw jednoosobowych w ogólnej liczbie gospodarstw domowych
(por.rys.1),
• udział ludności w wieku 20 do 29 lat w 1-osobowych gospodarstwach domowych,
• udział ludności w wieku powyŜej 70 lat w 1-osobowych gospodarstwach
domowych,
• odsetek ludności w wieku 20-29 lat w związkach partnerskich (por.rys.2),
• udział rodzin z dziećmi w ogólnej liczbie rodzin.
Dla wyodrębnienia grup jednostek podobnych pod względem powyŜszych
charakterystyk gospodarstw domowych zastosowano metodę k-średnich wyodrębniając
cztery skupienia. Ich krótka charakterystyka jest następująca (por. tab.3). Skupienie
czwarte – jednoelementowe – województwo podkarpackie charakteryzuje się duŜą
odrębnością w stosunku do pozostałych. MoŜna je określić jako ostoję rodzin
tradycyjnych.
32 W BAEL-u jednostką losowania drugiego stopnia jest mieszkanie, a nie gospodarstwo domowe.
35
Rysunek 1. ZróŜnicowanie odsetka ludności w jedno-osobowych gospodarstwach
domowych, NSP 2002
Źródło: Opracowanie własne na postawie danych GUS
Rysunek 2
ZróŜnicowanie odsetka ludności w związkach partnerskich, NSP 2002
Źródło: Opracowanie własne na postawie danych GUS
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
50,00
15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90 lat iwięcej
wiek
odse
tek
Dolnośląskie Kujawsko-pomorskie Lubelskie Lubuskie Łódzkie Małopolskie Mazowieckie Opolskie Podkarpackie Podlaskie Pomorskie Śląskie Świętokrzyskie Warmińsko-mazurskie Wielkopolskie Zachodniopomorskie
0,00
0,50
1,00
1,50
2,00
15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90 lat iwięcejwiek
odse
tek
Dolnośląskie Kujawsko-pomorskie Lubelskie Lubuskie Łódzkie Małopolskie Mazowieckie Opolskie Podkarpackie Podlaskie Pomorskie Śląskie Świętokrzyskie Warmińsko-mazurskie Wielkopolskie Zachodniopomorskie
36
Tablica 3. Charakterystyka wyodrębnionych skupień powiatów pod względem poziomu
rozwoju społeczno-gospodarczego – województwo wielkopolskie, grudzień 1998 r.
Skupienie Liczba wojewó
dztw
Średnia odległość punktu od centrum
Udział gosp. 1-osobowych
X1
Udział ludności w
wieku 20-29 w gosp. 1-
osobowych X2
Udział ludności w
wieku powyŜej 70 lat w gosp. 1-osobowych
X3
Odsetek ludności w
wieku 20-29 w związkach
partnerskich X4
Udział rodzin z dziećmi w
ogólnej liczbie rodzin
X5
1 4 1,103 -0,1631 0,3727 0,1928 1,3283 -0,8645 2 8 1,113 -0,3750 -0,2860 -0,3793 -0,5157 0,5010 3 3 1,092 1,7991 1,0661 1,4728 0,1406 -0,9080 4 1 0,000 -1,7447 -2,4009 -2,1551 -1,6096 2,1740
Źródło: Obliczenia własne na podstawie: Województwo wielkopolskie [1999] oraz danych Wojewódzkiego
Urzędu Pracy.
Największy udział jednoosobowych gospodarstw domowych ogółem oraz z
uwzględnieniem wieku charakteryzuje skupienie trzecie – tj. województwa mazowieckie,
łódzkie i śląskie. Najmniej jest tutaj rodzin tradycyjnych z dziećmi, a stosunkowo duŜy
(większy niŜ średnia krajowa) jest odsetek młodych ludzi w związkach partnerskich.
ZbliŜone do trzeciego jest skupienie pierwsze utworzone przez cztery województwa
zachodnio-pomorskie, dolnośląskie, lubuskie i pomorskie. Charakteryzuje się ono bardzo
małym udziałem rodzin tradycyjnych i jednocześnie największym udziałem związków
partnerskich wśród młodzieŜy. Udział jednoosobowych gospodarstw domowych jest
zbliŜony do średniej krajowej, ale w najmłodszych i najstarszych grupach wieku znacznie
go przewyŜsza.
Najliczniejsze skupienie obejmujące centralne i wschodnie terytorium kraju posiada
charakterystyki zbliŜone do jedno-elementowego skupienia czwartego: mniejszy od
średniej krajowej udział gospodarstw jedno-osobowych (równieŜ w najmłodszych i
najstarszych grupach wieku), mniejszy od średniej udział związków partnerskich wśród
młodzieŜy oraz większy od przeciętnej odsetek rodzin tradycyjnych z dziećmi.
37
Rysunek 3. ZróŜnicowanie gospodarstw domowych w Polsce, przekrój województw, NSP
2002
lubuskie
wielkopolskie
dolno śląskie
łódzkie
mazowieckie
warmi ńsko- -mazurskie
kujawsko- -pomorskie
pomorskie
święto- krzyskie
opol- skie
śląskie
małopolskie
lubelskie
podlaskie
podkarpackie
zachodnio- pomorskie
1 2 3 4
4. Estymacja bezpośrednia
Klasyczna metodologia estymacji stosowana w BBGD nie dostarcza Ŝadnych
szacunków w przekroju domen zdefiniowanych według województw, a tym bardziej z
uwzględnieniem klasy miejscowości zamieszkania. Tak więc przedstawione poniŜej
szacunki trzeba traktować z duŜą ostroŜnością. Jakiego rzędu rozbieŜności moŜna
oczekiwać przedstawia porównanie z wynikami NSP 2002 zawarte w tablicy 4. Estymacja
bezpośrednia przeprowadzona na podstawie wyników BBGD znacznie zaniŜa szacunek
frakcji jednoosobowych gospodarstw domowych juŜ w przekroju województw. W
przypadku województw lubuskiego, pomorskiego i wielkopolskiego niedoszacowanie
sięga około 50%. Natomiast w województwie podlaskim otrzymano około 5%
38
przeszacowanie. Tak duŜy błąd otrzymany w przekroju województw powstał w skutek
wielu czynników, ale wydaje się, Ŝe w głównej mierze małej liczebności próby oraz bardzo
wysokiego, zróŜnicowanego terytorialnie odsetka odmów w badaniu.
Tablica 4. Porównanie frakcji jednoosobowych gospodarstw domowych NSP’2002 z
szacunkami na podstawie badania BGD 2002 - estymacja bezpośrednia, regresyjna i
empiryczna bayesowska w przekroju województw
Oceny estymatorów Województwo NSP’2002
bezpośredniego regresyjnego bayesowskiego
Dolnośląskie 18,2 0,13 0,12 0,12
Kujawsko-pomorskie 16,9 0,11 0,12 0,12
Lubelskie 17,5 0,16 0,17 0,17
Lubuskie 16,3 0,08 0,11 0,11
Łódzkie 20,1 0,17 0,18 0,17
Małopolskie 17,6 0,13 0,13 0,13
Mazowieckie 20,8 0,17 0,16 0,16
Opolskie 17,3 0,16 0,14 0,14
Podkarpackie 14,9 0,14 0,14 0,14
Podlaskie 17,6 0,22 0,20 0,21
Pomorskie 17,7 0,09 0,09 0,09
Śląskie 20,1 0,14 0,15 0,15
Świętokrzyskie 16,6 0,15 0,16 0,16
Warmińsko-mazurskie 16,4 0,14 0,10 0,11
Wielkopolskie 16,1 0,09 0,12 0,12
Zachodniopomorskie 17,1 0,12 0,10 0,10
Źródło: Dane NSP 2002 oraz obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
Orientację w zakresie wielkości próby w przekroju zdefiniowanych na wstępie
domen umoŜliwiają informacje zawarte w tablicy 5 (pozycje zaznaczone w tablicy
kolorem czerwonym). Warto zauwaŜyć, iŜ w ośmiu zdefiniowanych domenach liczebność
próby nie przekracza 100 jednostek. Natomiast w trzech województwach jest ona mniejsza
od 1000.
Tak więc ze świadomością ograniczeń oraz eksperymentalnego charakteru badania
podjęto próbę szacunku dla domen wyodrębnionych poprzez jednoczesne uwzględnienie
województw oraz typu miejscowości zamieszkania.
39
Tablica 5. Liczebność próby w domenach, Badanie BudŜetów Gospodarstw Domowych,
Polska 2002
Klasa miejscowości
Województwo
Miasta powyŜej 500 tys.
Miasta 200-500
tys.
Miasta 100-200
tys.
Miasta 20-100
tys.
Miasta poniŜej 20 tys. Wieś Ogółem
Dolnośląskie 590 . 233 640 413 574 2450
Kujawsko-pomorskie . 505 213 90 333 482 1623
Lubelskie . 312 . 360 165 769 1606
Lubuskie . . 228 95 236 228 787
Łódzkie 889 . . 646 180 602 2317
Małopolskie 716 . 95 330 279 868 2288
Mazowieckie 1606 235 48 651 377 1171 4088
Opolskie . . 189 134 181 309 813
Podkarpackie . . 136 387 154 618 1295
Podlaskie . 287 . 205 117 362 971
Pomorskie . 658 68 401 184 403 1714
Śląskie . 1184 1077 917 302 672 4152
Świętokrzyskie . 190 . 238 95 480 1003
Warmińsko-mazurskie . . 261 233 232 381 1107
Wielkopolskie 514 . 94 551 405 846 2410
Zachodniopomorskie . 371 95 272 270 351 1359
Ogółem 4315 3742 2737 6150 3923 9116 29983
Źródło: Obliczenia własne na podstawie Badania BudŜetów Gospodarstw Domowych 2002
Bezpośredni szacunek frakcji jednoosobowych gospodarstw domowych
charakteryzuje zdecydowanie niska precyzja. Najmniejszy błąd względny dotyczy miast od
200 do 500 tys. mieszkańców w województwie śląskim. Wynosi on blisko 6% wartości
oceny równej 0,19 (por. tab. 6). Największym błędem względnym obarczony jest szacunek
dla miast od 100 do 200 tys. w województwie mazowieckim. Ocena frakcji równa 0,15
oszacowana jest z błędem względnym wynoszącym prawie 35%. Otrzymane wyniki
potwierdzają znaną właściwość estymacji bezpośredniej, w której precyzja szacunku
uzaleŜniona jest od wielkości próby w domenie.
5. Metody estymacji pośredniej oraz oceny precyzji
W przeprowadzonym badaniu zastosowano estymację syntetyczną regresyjną oraz
estymację złoŜoną wzorując się na opracowaniu opublikowanym przez C. Brachę, B.
Lednickiego i R. Wieczorkowskiego (2004, 32-36). W ramach badania skonstruowano
40
wiele wersji modeli wykorzystując róŜne zaleŜności i kombinacje zmiennych
objaśniających na róŜnych poziomach agregacji. Po dogłębnej analizie i ocenie modeli
ostatecznie przyjęto podejście, w którym zmiennymi objaśniającymi są wartości średnie
dla domen cech z dodatkowego źródła informacji.
Estymacja syntetyczna regresyjna
Estymator syntetyczny regresyjny zapisać moŜna w następującej postaci:
(1) βˆ),( dREGSYNd XY = gdzie:
gdzie: '),(
ˆREGSYNdY - syntetyczny estymator regresyjny wartości średniej szacowanej
zmiennej w domenie d,
β - wektor współczynników regresji drugiego rodzaju, otrzymany metodą najmniejszych
kwadratów,
dX - wartość średnia cechy objaśniającej dla domeny d wyznaczona na podstawie
dodatkowego źródła informacji.
Wartości zmiennych z dodatkowego źródła informacji traktowano jako
odpowiadające wielkościom z populacji generalnej. Wartości zmiennych pomocniczych
(których jest q) dostępne są w przekroju wszystkich analizowanych domen, zapisać moŜna
w postaci wektorów ( )Tdqdd xx ,....,1=x zakładając, Ŝe liczba zmiennych pomocniczych q
jest mniejsza od liczby domen: q < D.
Przyjmując, Ŝe
(2) dTdREGSYNd uY += bx),(
ˆ gdzie
ud - stochastycznie niezaleŜne zmienne losowe o rozkładach ( )2,0~ dd Nu σ
[ ]1qxqb=b nieznany wektor współczynników regresji szacowany na podstawie wzoru
(3) ( ) YXXXb T1T ˆˆ −=
X - macierz wartości średnich cech dodatkowych dla domen
Y - wektor wartości średnich badanej cechy dla tych samych domen.
Współrzędnymi wektora Y są estymatory wartości średniej badanej cechy otrzymane w
wyniku estymacji bezpośredniej na podstawie próby, por. C. Bracha, B. Lednicki, R.
Wieczorkowski (2004).
41
Wariancję estymatora syntetycznego regresyjnego oszacowano wzorując się na
wyŜej wymienionym opracowaniu (s. 34 i nast.). Wartość oczekiwaną predyktora
badanego parametru dla domeny d skonstruowanego na podstawie informacji z BDR
zapisać moŜna jako:
(4) ( ) bxTdREGSYNdYE =),(
ˆ ,
róŜnica między oceną estymatora a wartością oczekiwaną jest więc równa:
(5) ( ) ( ) uXXXx TTTddREGSYNd YEY
1
),(ˆˆ −=− ,
(6) ( ) ( ) ( )( ) ( ) dTT
dudTTTTT
dREGSYNd VYV xXXxxXXXuuXXXx1211
,(ˆ −−− == σ .
Estymatorem wariancji 2uσ jest statystyka
(7) ( ) ∑=−
=D
ddu
qDuS
1
22 ˆ1
ˆ gdzie reszty modelu moŜna zapisać w postaci:
(8) ),()(ˆˆˆ REGSYNdEXPdd YYu −= Dd ,....,1=
Estymator wariancji ( )dD θ~2 określony jest następującym wzorem:
(9) ( ) ( ) ( ) Td
1Td xXXx
−= uSYV REGSYNd ˆˆ 2),( .
Estymacja syntetyczna bazuje na modelu określonym dla duŜego obszaru (np.
całego kraju) wykorzystującego zaleŜności pomiędzy szacowaną zmienną a zmiennymi
pomocniczymi. W estymacji syntetycznej przyjmuje się załoŜenie, iŜ relacja pomiędzy
zmiennymi: szacowaną i pomocniczymi, obserwowana w duŜym obszarze jest prawdziwa
równieŜ dla zawierającego się w nim małego obszaru. Zmienne pomocnicze mogą
pochodzić z próby, ale bez ograniczenia do badanej domeny (wówczas wyznaczone są na
poziomie jednostek indywidualnych) bądź z dodatkowych źródeł (wówczas są zazwyczaj
określone na poziomie domen). W badaniu wykorzystano zasoby BDR wyznaczając
wartości zmiennych dodatkowych na poziomie domen. Większość zmiennych dostępnych
w BDR to wielkości absolutne, które są nieporównywalne dla jednostek o zróŜnicowanej
wielkości (liczbie osób). Dlatego konieczne było dokonanie przeliczeń tak, aby
uwzględnione w estymacji zmienne pomocnicze miały wymiar względny. Ostatecznie
więc zmienne wykorzystane w estymacji przyjęły następującą postać33:
33 Wszystkie obliczenia wykonano w SAS-ie przy pomocy specjalnie przygotowanego kodu w języku 4GL, który słuŜył do importu danych z BDR, ich transformacji oraz integracji w jedną bazę danych pomocniczych, a następnie badaniu współzaleŜności, konstrukcji modeli, estymacji i ocenie precyzji. Jest on dostępny w Katedrze Statystyki Akademii Ekonomicznej w Poznaniu.
42
Zmienne pomocnicze wykorzystane w procesie estymacji:
UDZ_LT14 Udział osób w wieku do 14 lat w ogólnej liczbie ludności
UDZ_PREPROD_OG Udział osób w wieku przedprodukcyjnym w ogólnej liczbie osób
UDZ_PREPROD_M Udział męŜczyzn w wieku przedprodukcyjnym w ogólnej liczbie męŜczyzn
UDZ_PREPROD_K Udział kobiet w wieku przedprodukcyjnym ogólnej liczbie kobiet
UDZ_PROD_OG Udział osób w wieku produkcyjnym w ogólnej liczbie ludności
UDZ_PROD_M Udział męŜczyzn w wieku produkcyjnym w ogólnej liczbie męŜczyzn
UDZ_PROD_K Udział kobiet w wieku produkcyjnym w ogólnej liczbie kobiet
UDZ_POSTPROD_OG Udział osób w wieku poprodukcyjnym w ogólnej liczbie osób
UDZ_POSTPROD_M Udział męŜczyzn w wieku poprodukcyjnym w ogólnej liczbie męŜczyzn
UDZ_POSTPROD_K Udział kobiet w wieku poprodukcyjnym w ogólnej liczbie kobiet
ZAS Wysokość wydatków na zasiłki i pomoc społeczną w przeliczeniu na osobę w wieku nieprodukcyjnym
Źródło: Bank Danych Regionalnych GUS, 2002
W trakcie badania przeprowadza się analizę korelacji i regresji wybierając model
najlepiej odzwierciedlający badaną zaleŜność. Model ten wykorzystywany jest w
konstrukcji estymatora syntetycznego regresyjnego oraz złoŜonego. W celu konstrukcji
modelu opisującego zróŜnicowanie badanych cech w przekroju domen zastosowano
analizę korelacji oraz standardowe techniki analizy regresji. W wyniku zastosowanej
procedury doboru zmiennych do modelu metodą regresji krokowej otrzymano następujący
model:
R2=0,584.
Oceny estymatora syntetycznego regresyjnego charakteryzują się zdecydowanie
większą precyzją aniŜeli oceny estymatora bezpośredniego. Precyzja estymacji niestety nie
musi iść w parze z minimalizacją obciąŜenia. PoniewaŜ nie badano, czy spełnione są
załoŜenia estymacji syntetycznej (o jednakowej relacji między cechą szacowaną i
pomocniczymi w małym i duŜym obszarze), oceniono róŜnice między nieobciąŜonymi
Y 1,429 1,488UDZ_PREPROD_OG 1,473UDZ_PROD_M 0,149UDZ_PRAC1
43
ocenami bezpośrednimi i ocenami syntetycznymi. Przy duŜej wariancji ocen estymatora
bezpośredniego, mają one jedynie orientacyjne znaczenie (por. wzór (8)). Relacja
pomiędzy wariancją estymatora bezpośredniego i syntetycznego minimalizującą średni
błąd kwadratowy estymatora złoŜonego prowadzi do określenia udziału – wagi estymatora
syntetycznego w estymatorze empirycznym bayesowskim. Warto zwrócić uwagę, iŜ udział
estymatora regresyjnego wzrasta w tych domenach, dla których estymator bezpośredni
charakteryzował się duŜą wariancją. PoniewaŜ w szacunku frakcji, dla której oceny
estymatora bezpośredniego były bardzo mało precyzyjne, waga przypisana estymatorowi
syntetycznemu jest dość duŜa.
Estymacja złoŜona
Estymator złoŜony jest średnią waŜoną z dwóch estymatorów. Jednym z typów
estymatora złoŜonego jest zestawienie estymatora bezpośredniego z estymatorem
syntetycznym. Ma to na celu zbilansowanie obciąŜenia estymatora syntetycznego i
niestabilności estymatora bezpośredniego. Dysponując ocenami otrzymanymi przy
zastosowaniu syntetycznego estymatora regresyjnego skonstruowano estymator złoŜony.
Dla kaŜdej z domen obliczono kombinację liniową wartości uzyskanej jako ocena
estymatora klasycznego i wartości teoretycznej uzyskanej z modelu. Sposób wyboru
wskaźnika określającego udział kaŜdego z komponentów wzbudza wiele dyskusji. Jednym
z często stosowanych rozwiązań jest ddd Nn=γ , inne omówione są w pracach Ghosha i
Rao [1994] oraz Holmoya i Thomsena [1998]. Jeśli waga jest równa jedności, to estymator
złoŜony nie „poŜycza” mocy z innych domen – nawet gdy wartość oczekiwana liczebności
próby w domenie )( dnE nie jest wystarczająco duŜa, by zapewnić wiarygodną wartość
estymatora bezpośredniego. Waga zmniejsza się wraz ze spadkiem liczebności próby dn .
W rezultacie większa waga jest przypisana składnikowi syntetycznemu, gdy wielkość
próby w d-tej domenie ulega zmniejszeniu. JeŜeli wartość wagi dγ wyznaczy się w sposób
optymalny, tj. tak aby zminimalizować średni błąd kwadratowy estymatora złoŜonego
)(ˆ
COMdY , otrzymujemy empiryczny estymator bayesowski. Zapis formalny przedstawić
moŜna następująco:
(10) ),()()()(ˆ)1(ˆˆˆ
REGSYNddEXPddCOMdEBd YYYY γγ −+==
44
gdzie: dγ , 10 ≤≤ dγ , jest wagą z przedziału (0; 1) minimalizującą )ˆ( )(EBdYMSE . )(ˆ
EXPdY -
estymator bezpośredni szacowanego parametru, bxTd
ˆˆ),( =REGSYNdY - predyktor
rozpatrywanego parametru na podstawie informacji ze źródeł alternatywnych. Wagę dγ
wyznaczono według wzoru [por. Rao, 2003, s. 179, Kordos, Paradysz, 2000]:
(11) )ˆ()ˆ(
)ˆ()opt(
),()(
),(
REGSYNdEXPd
REGSYNd
dYVYMSE
YV
+=γ ,
gdzie: )ˆ( )(EXPdYMSE –błąd średniokwadratowy estymatora bezpośredniego )(ˆ
EXPdY i
)ˆ( ),( REGSYNdYV -wariancja estymatora syntetycznego regresyjnego.
Oszacowanie wariancji estymatora złoŜonego przeprowadzono na podstawie wariancji
komponentów [Kordos, 1999, s. 92]:
(12) d
1TTd
d1TT
d
x)XX(x
x)XX(x
−
−
+
⋅=
+
⋅=
)ˆ()ˆ(ˆ
)ˆ()ˆ(ˆ
)ˆ(ˆ)ˆ(ˆ
)ˆ(ˆ)ˆ(ˆ)ˆ(ˆ
2)(
2)(
),()(
),()()(
uSYV
uSYV
YVYV
YVYVYV
EXPd
EXPd
REGSYNdEXPd
REGSYNdEXPd
COMd . W
ocenie jakości estymacji pośredniej wykorzystano względny błąd szacunku
(13) dY
ESMREE
ˆ
ˆ= .Wyznaczono równieŜ wartość zaproponowanego przez L. Kisha
współczynnika deff jako względnej miary efektywności. Jest on zdefiniowany
następującym wzorem:
(14) ( ) ( )( )EXP
COMEB
YV
YESMYdeff
ˆ
ˆˆ = . Współczynnik ten pozwala na porównanie precyzji
zastosowanej metody estymacji z efektywnością estymatora bezpośredniego. Wartość
współczynnika deff mniejsza od jedności oznacza, Ŝe zastosowana estymacja bayesowska
jest bardziej efektywna od estymacji bezpośredniej.
Oceny estymatora syntetycznego regresyjnego charakteryzują się zdecydowanie
większą precyzją aniŜeli oceny estymatora bezpośredniego. Precyzja estymacji niestety nie
musi iść w parze z minimalizacją obciąŜenia. PoniewaŜ nie badano, czy spełnione są
załoŜenia estymacji syntetycznej (o jednakowej relacji między cechą szacowaną i
pomocniczymi w małym i duŜym obszarze), oceniono róŜnice między nieobciąŜonymi
ocenami bezpośrednimi i ocenami syntetycznymi (por. wzór (9)). Przy duŜej wariancji
ocen estymatora bezpośredniego, mają one jedynie orientacyjne znaczenie. Relacja
pomiędzy wariancją estymatora bezpośredniego i syntetycznego minimalizującą średni
45
błąd kwadratowy estymatora złoŜonego prowadzi do określenia udziału – wagi estymatora
syntetycznego w estymatorze empirycznym bayesowskim. Warto zwrócić uwagę, iŜ udział
estymatora regresyjnego wzrasta w tych domenach, dla których estymator bezpośredni
charakteryzował się duŜą wariancją. PoniewaŜ w szacunku frakcji, dla której oceny
estymatora bezpośredniego były bardzo mało precyzyjne, waga przypisana estymatorowi
syntetycznemu jest dość duŜa.
Rysunek 4. Oceny estymatora empirycznego bayesowskiego odsetka jednoosobowych
gospodarstw domowych w przekroju domen
0,05
0,07
0,09
0,11
0,13
0,15
0,17
0,19
0,21
0,23
0,25
0,27
Kujawsk
o-po
mor
skie
Lube
lskie
Lubu
skie
Maz
owiec
kie
Opolsk
ie
Podka
rpac
kie
Podlas
kie
Pomor
skie
Wiel
kopo
lskie
Zacho
dniop
omor
skie
M. powyŜej 500 M. 200-500 M. 100-200 M. 20-100 M. poniŜej 20 Wsie
Źródło: Obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
W tablicy 6 zawarto krótką syntezę przedstawionych szacunków frakcji
jednoosobowych gospodarstw domowych w przekroju województw (WOJ) i klasy
miejscowości zamieszkania (KLM). Natomiast na rys. 4 i 5 przedstawiono oceny
estymatora empirycznego bayesowskiego dla kaŜdej z domen oraz precyzję oszacowań.
46
Rysunek 5. Ocena precyzji szacunku (REE) odsetka jednoosobowych gospodarstw
domowych w przekroju domen
Źródło: Obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
Rozpatrując wszystkie domeny łącznie największą precyzję odnotowano dla
estymatora empirycznego bayesowskiego. Średni względny błąd szacunku frakcji
przekraczający 14%, a dla większości klas miejscowości zamieszkania zdecydowanie
wyŜszy, jest po prostu trudny do zaakceptowania. Precyzja ocen estymatora empirycznego
bayesowskiego dla wszystkich domen łącznie jest wyraźnie wyŜsza, gdyŜ średnia wartość
REE wynosi 3,84%. Dla poszczególnych klas miejscowości zamieszkania jest ona róŜna.
Największą średnią wartość REE równą 5,44% zaobserwowano dla wsi, najmniejszą dla
Miasta powy Ŝej 500 tys.
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,1
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
Miasta 200 - 500 tys.
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
Miasta 100 - 200 tys.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
Miasta 20 - 100 tys.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
Miasta poni Ŝej 20 tys.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
Wsie
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32województwo
REE(dir) REE(reg) REE(bayes)
47
miast od 200 – 500 tys. mieszkańców, gdzie średnia wartość REE wynosi 2,75%. Ogólnie
zastosowanie estymacji pośredniej zmniejsza średnią wartość względnego błędu szacunku
frakcji o blisko 74% w porównaniu z estymacją bezpośrednią. Potwierdzają to równieŜ
wartości współczynnika deff wskazującego zysk na precyzji, który największy jest, średnio
biorąc w grupie miast od 100 – 200 tys., a więc tej, która najmniej licznie była
reprezentowana w próbie.
Tabela 6. Porównanie estymacji bezpośredniej, syntetycznej i empirycznej bayesowskiej
frakcji jednoosobowych gospodarstw domowych dla wszystkich domen łącznie
Estymator bezpośredni Estymator syntetyczny
regresyjny Estymator empiryczny
bayesowski Typ klasy miejscowości zamieszkania
Średnia ocena
estymatora
Średnia wielkość
względnego błędu
szacunku
Średnia ocena
estymatora
Średnia wielkość
względnego błędu
szacunku
Średnia ocena
estymatora
Średnia wielkość
względnego błędu
szacunku
miejscowość powyŜej 500 tys.
0,2320 6,70% 0,2300 4,13% 0,2320 3,33%
miejscowość 200-500 tys. 0,1963 10,63% 0,1900 2,89% 0,1900 2,75%
miejscowość 100-200 tys. 0,1767 19,08% 0,1850 3,59% 0,1850 3,47%
miejscowość 20-100 tys. 0,1594 14,15% 0,1569 3,41% 0,1575 3,26%
miejscowość poniŜej 20 tys.
0,1456 17,04% 0,1450 3,90% 0,1450 3,78%
wieś 0,1375 12,70% 0,1369 6,11% 0,1375 5,44%
wszystkie domeny łącznie
0,1634 14,38% 0,1632 4,13% 0,1636 3,84%
Źródło: Obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
Porównanie precyzji estymacji bezpośredniej i empirycznej bayesowskiej
umoŜliwiają przedstawione w tablicy 7 wartości współczynników deff (por. wzór (14)).
Wskazują one wielkość zysku na precyzji estymacji, która jest zróŜnicowana w zaleŜności
od analizowanej cechy i domeny, a przede wszystkim jej reprezentacji w próbie oraz
relacji pomiędzy zmienną szacowaną a pomocniczymi. Jednak w kaŜdym pojedynczym
przypadku zastosowanie estymacji pośredniej poprawia precyzję szacunku.
48
Tablica 7. Współczynnik deff dla estymatora empirycznego bayesowskiego odsetka
jednoosobowych gospodarstw domowych w przekroju domen
Klasa miejscowości
Województwo
Miasta powyŜej 500 tys.
Miasta 200-500
tys.
Miasta 100-200
tys.
Miasta 20-100
tys.
Miasta poniŜej 20 tys. Wieś
Dolnośląskie 0,19 0,05 0,1 0,08 0,17
Kujawsko-pomorskie 0,08 0,03 0,02 0,07 0,14
Lubelskie 0,06 0,12 0,03 0,35 Lubuskie 0,05 0,01 0,05 0,13
Łódzkie 0,37 0,07 0,03 0,2 Małopolskie 0,17 0,05 0,05 0,06 0,26 Mazowieckie 0,61 0,02 0,02 0,07 0,07 0,31 Opolskie 0,07 0,01 0,03 0,14 Podkarpackie 0,1 0,19 0,05 0,18
Podlaskie 0,03 , 0,06 0,05 0,29 Pomorskie 0,14 0,01 0,07 0,11 0,28
Śląskie 0,23 0,22 0,2 0,03 0,12 Świętokrzyskie 0,03 , 0,03 0,04 0,18 Warmi ńsko-mazurskie 0,04 0,05 0,05 0,12 Wielkopolskie 0,17 0,01 0,11 0,11 0,23 Zachodniopomorskie 0,12 0,03 0,09 0,08 0,15
Źródło: Obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
Podsumowanie
Wyniki przeprowadzonych szacunków potwierdzają hipotezę o silnym
zróŜnicowaniu terytorialnym frakcji jednoosobowych gospodarstw domowych pomiędzy
województwami, oraz wewnątrz województw według wielkości miejscowości
zamieszkania. Relację tę ukazuje zestawienie zawarte w tabeli 8. ZróŜnicowanie
regionalne dla miast, w szczególności duŜych miast jest stosunkowo małe w skali kraju –
współczynnik zmienności oszacowanych frakcji waha się od 5,3% do 8,8%. WyŜsze
wartości osiąga ta miara dla małych miast (11,7%), a najwyŜsze w przekroju wsi (22%).
Jeśli jednak uwzględnić zróŜnicowanie wewnątrz województw według wielkości
miejscowości zamieszkania otrzymano w kaŜdym z regionów wartości współczynnika
zmienności rzędu co najmniej kilkunastu procent, z maksimum wynoszącym 28,3% w
województwie pomorskim. Najbardziej jednorodne są województwa lubelskie (8,8%) i
świętokrzyskie (7,3%).
49
Tablica 8. ZróŜnicowanie odsetka jedno-osobowych gospodarstw domowych w przekroju
województw i klasy miejscowości zamieszkania
Klasa miejscowości zamieszkania Charakterystyki rozkładu
Województwo
miasta powyŜej 500 tys.
miasta 200-500
tys.
miasta100-200 tys.
miasta 20-100
tys.
miasta poniŜej 20 tys. wieś średnia s(x) Vs(x)
Dolnośląskie 0,22 0,19 0,16 0,15 0,12 0,168 0,03 0,204 Kujawsko-pomorskie 0,2 0,17 0,15 0,14 0,12 0,156 0,03 0,175 Lubelskie 0,19 0,15 0,16 0,17 0,168 0,01 0,088 Lubuskie 0,18 0,15 0,13 0,11 0,143 0,03 0,181 Łódzkie 0,23 0,17 0,16 0,17 0,183 0,03 0,152 Małopolskie 0,22 0,2 0,17 0,15 0,13 0,174 0,03 0,187 Mazowieckie 0,27 0,17 0,17 0,16 0,15 0,16 0,180 0,04 0,227 Opolskie 0,19 0,16 0,14 0,14 0,158 0,02 0,130 Podkarpackie 0,22 0,18 0,15 0,14 0,173 0,03 0,180 Podlaskie 0,18 0,14 0,16 0,21 0,173 0,03 0,150 Pomorskie 0,2 0,18 0,15 0,11 0,09 0,146 0,04 0,283 Śląskie 0,2 0,17 0,15 0,17 0,15 0,168 0,02 0,109 Świętokrzyskie 0,19 0,19 0,17 0,16 0,178 0,01 0,073 Warmińsko-mazurskie 0,18 0,14 0,13 0,11 0,140 0,03 0,182 Wielkopolskie 0,22 0,19 0,16 0,13 0,12 0,164 0,04 0,227 Zachodniopomorskie 0,19 0,18 0,14 0,12 0,1 0,146 0,03 0,236
Charakterystyki rozkładu średnia 0,2320 0,1900 0,1850 0,1575 0,1450 0,1375 s(x) 0,019 0,010 0,014 0,014 0,017 0,030 Vs(x) 0,084 0,053 0,075 0,088 0,117 0,220 Źródło: Obliczenia własne na podstawie danych BBGD 2002 i BDR GUS
Reasumując moŜna stwierdzić, iŜ monitorowanie przemian zachodzących w
strukturze gospodarstw domowych pozwalające władzom samorządowym prowadzenie
efektywnej polityki społecznej oraz uczestniczenie w polityce regionalnej UE jest moŜliwe
dzięki zastosowaniu metod estymacji czerpiących informacje z wszelkich dostępnych
źródeł. Sugestie dotyczące dalszych prac nad poprawą precyzji ocen frakcji
jednoosobowych gospodarstw domowych oraz minimalizacji ich obciąŜeń sformułować
moŜna następująco:
Zastosowanie metodologii SMO umoŜliwia estymację charakterystyk gospodarstw
domowych w przekroju małych domen z zadawalającą precyzją szacunku
Klasyczne metody estymacji nie wykorzystują w pełni potencjału, jaki w zakresie poprawy
precyzji szacunku daje integracja baz danych, co ogranicza zakres prowadzonych analiz
(np. uwzględnienie klasy miejscowości zamieszkania czy wieku ludności)
Racjonalizacja badań polegająca na pełniejszym wykorzystaniu istniejących źródeł
statystycznych i nowoczesnych metod estymacji pozwala oczekiwać dalszej poprawy
precyzji
50
Przyszłe badania obok integracji baz danych i konstrukcji modeli na poziomie jednostek
indywidualnych powinny uwzględniać wykorzystanie modelowania wielopoziomowego.
Literatura
Bartosińska D. 2007, Metody estymacji parametrów dla małych obszarów w reprezentacyjnych badaniach rolniczych, Wydawnictwo Uniwersytetu im. Marii Curie-Skłodowskiej w Lublinie, Lublin
Bracha C., 1996, Teoretyczne podstawy metody reprezentacyjnej. Wydawnictwo Naukowe PWN, Warszawa
Bracha C., Lednicki B., Wieczorkowski R., 2004, Wykorzystanie złoŜonych metod estymacji do dezagregacji danych z badania aktywności ekonomicznej ludności w roku 2003, GUS, Warszawa
Dehnel G., 2003 Statystyka małych obszarów jako narzędzie oceny rozwoju ekonomicznego regionów, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Dehnel G., 2007, MoŜliwości i ograniczenia estymacji pośredniej w badaniach mikroprzedsiębiorstw SP3, [w:] Statystyka małych obszarów w badaniach podmiotów gospodarczych
red. J. Paradysz, Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu, Poznanń
Ghosh M., Rao J.N.K., 1994, Small Area Estimation: An Appraisal, „Statistical Science”, Vol. 9, No.1;
Gołata E., 1995, Płodność i małŜeńskość w Polsce okresu transformacji gospodarczej, „Studia Demograficzne” nr3 (121), 1995
Gołata E., 1997, Terytorialne zróŜnicowanie rynku pracy i bezrobocia - Polska 1995, Zeszyty Naukowe Katedry Statystyki, Akademia Ekonomiczna w Poznaniu, 1997
Gołata E., 2002, Demograficzne uwarunkowania terytorialnego zróŜnicowania bezrobocia w Wielkopolsce, Ruch Prawniczy, Ekonomiczny i Socjologiczny, zeszyt 1, 2002
Gołata E., 2004, Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnictwo Akademii Ekonomicznej w Poznaniu.
Holmoy A.M.K., Thomsen I., 1998, Combining Data From Surveys and Administrative Record Systems. The Norvegian Experience, International Statistical Review, No.66, s.201-221
Kordos J., 1999, Empiryczna estymacja bayesowska dla małych obszarów, „Kwartalnik Statystyczny” nr 1.
Kordos J., Paradysz J., 2000, Some experiments in small area estimation in Poland, Statistics in Transition 4.4., pp. 679—697
Myrsylä P., Ruotsalainen K., Use of the Administrative Data from Population Information System for Statistics Finland, 2004, Statistics Finland, Materiały na seminarium organizowane przez GUS pt. Dane administracyjne w statystyce – Polska na tle Danii, Finlandii i Szwecji PHARE 2003 – „Podniesienie jakości polskiej statystyki”, Jachranka 25-27 październik 2004,
Paradysz J., 1998, Small Area Statistics in Poland - First Experiences and Application Possibilities, „Statistics in Transition” vol. 3, no. 5, s. 1003-1015.
51
Paradysz J., 1999, Statystyka małych obszarów, w: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. A. Zeliaś, Wyd. AE w Krakowie, Kraków.
Rao J.N.K., 1999, Some Recent Advances in Model-Based Small Area Estimation, „Survey Methodology” vol. 25, Statistics Canada.
Rao J.N.K., 2003, Small Area Estimation, Wiley –Interscience, John Wiley and Sons, INC., Hoboken, New Jersey
Särndal C.E., Swensson B., Wretman J., 1992, Model Assisted Survey Sampling, Springer Verlag, New York i in.
Schaible W.L., 1993, Use of Small Area Estimators in U.S. Federal Programs, w: Small Area Statistics and Survey Designs, red. G. Kalton, J. Kordos, R. Platek, vol. I,
Social Statistics in Denmark, Experiences and achievments, 2004, Statistics Danmark, Materiały na seminarium organizowane przez GUS pt. Dane administracyjne w statystyce – Polska na tle Danii, Finlandii i Szwecji PHARE 2003 – „Podniesienie jakości polskiej statystyki”, Jachranka 25-27 październik 2004,
Sources for the Tax System for Natural Persons in Sweden, 2004, Statistics Sweden, Materiały na seminarium organizowane przez GUS pt. Dane administracyjne w statystyce – Polska na tle Danii, Finlandii i Szwecji PHARE 2003 – „Podniesienie jakości polskiej statystyki”, Jachranka 25-27 październik 2004,
52
53
Marcin Stonawski
Akademia Ekonomiczna w Krakowie
„Kształtowanie się zasobów kapitału ludzkiego w kontekście procesu
starzenia się społeczeństw”
Praca wykonana w ramach projektu badawczego nr 2 H02E 006 24 pt. „Dobrobyt osób w
starszym wieku” finansowanego przez Komitet Badań Naukowych.
1. Wstęp
Z demograficznego punktu widzenia dwudziesty wiek był okresem wzrostu liczby
ludności. Liczba mieszkańców Ziemi zwiększyła się wówczas z poziomu 1,6 do 6,1
miliarda. Przewiduje się, Ŝe dwudzieste pierwsze stulecie będzie natomiast okresem
starzenia się populacji. Udział osób w wieku 60 i więcej lat wynoszący obecnie około 10%
wzrośnie do 2100 roku do poziomu 25-45% w zaleŜności od przyjętego scenariusza
projekcji demograficznych (zob. np. IIASA, ONZ). Prognozuje się równieŜ zahamowanie
wzrostu liczby ludności w Azji, której mieszkańcy stanowią ponad połowę populacji
Świata. Obserwowane trendy demograficzne będą zatem rodzić nowe, powaŜne
konsekwencje społeczno-ekonomiczne. Znaczący wzrost liczby osób w starszym wieku
moŜe doprowadzić do zmian w wielu obszarach funkcjonowania Ŝycia ludzkiego i
społecznego. Między innymi proces ten wpłynie na rynek pracy, poniewaŜ zachodzące
przemiany dotyczą zarówno liczby potencjalnych pracowników, jak i struktury rynku
pracy. Procesu starzenia się ludności nie moŜna jednak przedstawiać jedynie w
negatywnym świetle. W odróŜnieniu od procesu biologicznego starzenia, proces
demograficzny, a więc zachodzący na poziomie populacji, moŜe pociągać za sobą równieŜ
pewnego rodzaju pozytywne skutki. W tym zakresie formułowane są róŜne hipotezy. Jedną
z nich jest przypuszczenie, Ŝe starzeniu się społeczeństwa moŜe towarzyszyć wzrost
zasobów kapitału ludzkiego. Próba sprawdzenia tej hipotezy została podjęta w niniejszej
pracy. Hipoteza ta ma umoŜliwi ć osiągnięcie celu pracy, którym jest oszacowanie zasobów
kapitału ludzkiego w Polsce, a następnie określenie jego przyszłych zmian w kontekście
procesu starzenia się społeczeństwa.
54
2. Kształtowanie się współczynnika wsparcia w Polsce w latach 2004-2030
Postępujące starzenie się populacji moŜe mieć wpływ na moŜliwości konsumpcyjne
społeczeństwa, poniewaŜ spowoduje ono zmiany w relatywnej liczebności grupy
pomnaŜającej dochody w porównaniu do grupy konsumentów wykorzystujących te
dochody. Zatem procesy demograficzne mogą prowadzić do zmian w poziomie Ŝycia
całego społeczeństwa.
Konsekwencje te moŜna przedstawić za pomocą miernika zwanego
współczynnikiem wsparcia (support ratio), który moŜna określić jako stosunek liczby osób,
które potencjalnie wypracowują dochody [L1], czyli są w wieku produkcyjnym (20-64
lata), do liczby konsumentów tego dochodu [C1], tzn. do ogólnej liczebności populacji
(zob. np. Prskawetz, Fent, 2004) . W ten sposób otrzymujemy następujący wzór:
∑=
∑===n
xx
xx
N
N
C
LSR
0
64
20
11
, (1)
gdzie xN - oznacza liczbę osób w wieku x w danej populacji.
Ten sposób obliczania współczynnika wsparcia oznacza przyjęcie załoŜenia, Ŝe
konsumpcja we wszystkich grupach wiekowych jest na tym samym, stałym poziomie oraz
Ŝe wszystkie osoby w wieku produkcyjnym są obecne na rynku pracy. ZałoŜenia te nie są
spełnione w rzeczywistości. Konieczne są zatem istotne korekty. W pracy Cutlera i in.
(1990) zaproponowano wprowadzenie zamiast wielkości C1 konsumpcji waŜonej:
∑=
=n
xxx NsC
0
2 , (2)
gdzie xs jest wagą konsumpcji dla poszczególnych grup wiekowych. Autorzy w wyniku
przeprowadzonych badań zaproponowali trzy podstawowe poziomy wag:
xs = 0,72 dla grupy osób poniŜej 20 roku Ŝycia,
xs = 1 dla osób wieku produkcyjnym,
xs = 1,27 dla grupy w wieku 65 i więcej lat.
Przy ustalaniu wag brano pod uwagę trzy podstawowe komponenty:
• prywatne, pozamedyczne wydatki,
• publiczne wydatki na edukację,
55
• wydatki na ochronę zdrowia.
Korekty wymaga równieŜ sposób oszacowania L1. Do grupy osób wypracowujących
dochody powinno się wliczyć jedynie osoby aktywne zawodowo. Dlatego teŜ
zaproponowano uŜycie współczynników aktywności zawodowej według płci i wieku.
Dodatkowo naleŜy wziąć pod uwagę fakt, Ŝe dochód wypracowywany przez róŜne grupy
wiekowe jest inny. Cutler i in. (1990) proponują wprowadzenie średnich płac według
wieku i płci. Ostatecznie omawiany miernik przyjmuje następującą postać:
[ ]∑=
+=64
15,,,,,,2
xxmxmxmxfxfxf NlpwNlpwL . (3)
Zdefiniowane wyŜej miary zastosowano do oszacowania współczynnika wsparcia
w Polsce w latach 2004-2030. Do ustalenia L2 przyjęto średnie płace z października 2004
roku oraz współczynniki aktywności ekonomicznej pochodzące z prognozy
Międzynarodowej Organizacji Pracy (ILO) do 2020 roku. Średnie wynagrodzenie według
wieku zawiera tablica 1.
Tablica 1. Przeciętne wynagrodzenie brutto pracowników pełnozatrudnionych według
wieku i płci w Polsce w 2004 roku /dane w złotych - październik 2004/
Wiek MęŜczyźni Kobiety
do 24 lat 1460,86 1312,76
25 - 34 2313,62 1984,37
35 - 44 2691,42 2154,89
45 - 54 2733,27 2298,80
55 - 59 3291,09 2910,24
60 - 64 3982,29 3392,41
Źródło: GUS, www.stat.gov.pl.
Dynamikę współczynnika wsparcia w Polsce w latach 2004-2030 mierzono za
pomocą przyrostów względnych o stałej podstawie. Za okres bazowy przyjęto 2004 rok.
Rozpatrując podstawową postać współczynnika daną wzorem (1) moŜna zauwaŜyć,
Ŝe do 2020 roku udział osób w wieku produkcyjnym w całej populacji będzie większy niŜ
56
w 2004 roku, kiedy to współczynnik ten wynosił 62,3% (patrz rys.1). NajwyŜsza wartość
współczynnika wsparcia wystąpi w 2010 roku i przewiduje się, Ŝe osiągnie ona 65,7%. W
kolejnych latach poziom tego miernika będzie się obniŜał osiągając 59,4% w 2030 roku
(wartość o 4,8% niŜsza niŜ w 2004 roku), co oznacza, Ŝe potencjalnie około 60% populacji
będzie musiało wypracować dochód konsumowany przez całe społeczeństwo.
Rysunek 1. Współczynnik wsparcia [L1/C1] w Polsce w latach 2004-2030
62,3%
63,0%
65,7%65,1%
62,7%
60,2%
59,4%
56%
57%
58%
59%
60%
61%
62%
63%
64%
65%
66%
67%
2004 2005 2010 2015 2020 2025 2030
Źródło: opracowanie własne.
Dokonując korekty zasobów ludzkich o aktywność ekonomiczną i płace
otrzymujemy dochody, które będą osiągane przez osoby aktywne na rynku pracy
(zakładając stały poziom płac z października 2004 roku). W 2004 roku wartość
współczynnik wsparcia (L2/C1) wskazuje, Ŝe na jednego mieszkańca Polski przypada
około 1026 złotych dochodu. Wielkość ta powinna wzrastać do 2010 roku, a następnie
będzie spadać osiągając poziom około 953 złotych na osobę w 2030 roku, co jest wartością
o 7% niŜszą niŜ w 2004 roku.
JeŜeli skorygujemy współczynnik (L1/C1) o róŜnice w konsumpcji róŜnych grup
wiekowych (L1/C2), to okaŜe się, Ŝe w badanym okresie potrzeby konsumpcyjne będą
rosły na skutek wzrostu udziału osób starszych.
W tym miejscu naleŜy dodać, Ŝe współczynnik obciąŜeń demograficznych34
wzrośnie w tym okresie z 21% w 2004 roku do poziomu około 40% w 2030 roku. Dlatego
34 współczynnik obciąŜeń demograficznych liczony jako stosunek liczby osób w wieku poprodukcyjnym (65+ lat) do liczby osób w wieku produkcyjnym (15-64 lat)
57
teŜ współczynnik wsparcia juŜ w 2020 roku będzie niŜszy niŜ w 2004 roku o prawie 3%, a
na koniec badanego okresu aŜ o 9,5%.
Tablica 2. Relatywne zmiany we współczynniku wsparcia w odniesieniu
do 2004 roku w Polsce w latach 2005-2030
Rok NiewaŜona siła robocza/ NiewaŜona konsumpcja
[L1/C1]
WaŜona siła robocza/ NiewaŜona konsumpcja
[L2/C1]
NiewaŜona siła robocza/ WaŜona konsumpcja
[L1/C2]
WaŜona siła robocza/ WaŜona konsumpcja
[L2/C2]
2005 1,1% 0,4% 0,8% 0,1%
2010 5,4% 1,7% 4,1% 0,4%
2015 4,4% 0,5% 2,0% -1,9%
2020 0,6% -1,7% -2,8% -5,1%
2025* -3,4% -4,3% -7,6% -8,4%
2030* -4,8% -7,0% -9,5% -11,7% * współczynnik aktywności ekonomicznej przyjęto na poziomie z 2020 roku
Źródło: opracowanie własne.
Najbardziej adekwatnym miernikiem zmian zachodzących w moŜliwościach
konsumpcyjnych społeczeństwa jest postać współczynnika o waŜonym zasobie ludzkim
oraz o waŜonej konsumpcji (L2/C2). Uzyskane wyniki wskazują, Ŝe jedynie do 2010 roku
poziom dochodu odnoszony do potrzeb konsumpcyjnych będzie na podobnym poziomie co
w 2004 roku. W kolejnych latach wartość współczynnika będzie malała znacząco osiągając
w 2020 roku poziom o 5,1% niŜszy, a w 2030 roku o 11,7% niŜszy niŜ w roku bazowym.
Oznacza to, Ŝe dochody osiągane przez osoby aktywne ekonomicznie będą w mniejszym
stopniu zaspokajały potrzeby konsumpcyjne ludności Polski.
Na rysunku 2 przedstawiono relatywne zmiany współczynnika wsparcia w Polsce
w latach 2005-2030 w odniesieniu do jego wartości w 2004 roku.
58
Rysunek 2. Relatywne zmiany we współczynniku wsparcia w odniesieniu do 2004 roku w
Polsce w latach 2005-2030
-14,0%
-12,0%
-10,0%
-8,0%
-6,0%
-4,0%
-2,0%
0,0%
2,0%
4,0%
6,0%
8,0%
2005 2010 2015 2020 2025 2030
L1/C1
L1/C2
L2/C1
L2/C2
Źródło: opracowanie własne.
Dla zapewnienia przynajmniej stałego poziomu zaspokajania potrzeb
konsumpcyjnych mieszkańców w sytuacji starzenia się populacji musi wzrosnąć
produktywność pracowników. Dzięki temu powinny wzrosnąć płace. Powinna równieŜ
wzrosnąć aktywność zawodowa, w szczególności kobiet oraz osób starszych. MoŜliwości
wzrostu produktywności moŜna upatrywać między innymi w zwiększaniu się zasobu
kapitału ludzkiego, który będzie uczestniczył w tworzeniu produktu krajowego brutto.
Wobec powyŜszego istotne znaczenie ma prawidłowe oszacowanie teraźniejszych i
przyszłych zasobów kapitału ludzkiego.
3. Metody szacowania kapitału ludzkiego
Propozycje mierników kapitału ludzkiego moŜna odnaleźć w licznych pracach
ekonomistów podejmowanych w celu wyjaśnienia przyczyn wzrostu gospodarczego i
dysproporcji w rozwoju między poszczególnymi krajami. We wczesnych pracach z tego
zakresu kapitał ludzki był utoŜsamiany z siłą roboczą szacowaną jako suma wszystkich
pracowników. W ten sposób przyjmowano załoŜenie, Ŝe siła robocza jest jednorodna (zob.
59
np. Woessmann, 2000). Jednak sposób postrzegania kapitału ludzkiego stopniowo ulegał
zmianie. R. Solow podkreślał znaczenie jakości kapitału ludzkiego (zob. np. Romer, 2000).
Zaczęto więc akcentować wpływ edukacji, inteligencji, pochodzenia, umiejętności i innych
czynników na jakość kapitału ludzkiego, który wyceniany jest na rynku pracy poprzez
płace (zob. np. Woessmann, 2000).
W literaturze przedmiotu odnajdujemy wiele róŜnych mierników kapitału ludzkiego
wprowadzanych do modeli wzrostu gospodarczego. NaleŜą do nich między innymi:
współczynnik umiejętności czytania i pisania wśród dorosłych /adult literacy rates/ (zob.
np. Anariadis, Drazen,1990), współczynniki naboru do szkół /school enrollment ratios/
(zob. np. Mankiw i in.,1992; Barro, 1991), średnia liczba lat edukacji (zob. np. Krueger
and Lindhal, 2000).
Kolejną grupę propozycji stanowią metody traktujące zasoby kapitału ludzkiego
jako zmienną wyraŜoną w jednostkach pienięŜnych (zob. np. Mincer, 1981, Becker, 1993).
Pośród pienięŜnych metod wartościowania potencjału ludzkiego moŜemy wyróŜnić
metody oparte na zdyskontowanym strumieniu dochodów (podejście dochodowe). Metody
te opierają się na załoŜeniu, Ŝe zasób kapitału ludzkiego zgromadzonego w danej osobie
jest wart tyle ile wynosi teraźniejsza wartość jego dochodów wypracowanych w ciągu
całego Ŝycia. W ten sposób przyjmuje się, Ŝe podstawą oszacowania wartości kapitału
ludzkiego jest rynek, czyli relacje między popytem na pracę a podaŜą siły roboczej.
Pracodawca wycenia pracownika za pomocą jego produktywności, czyli jeŜeli pracownik
jest produktywny dostaje większe wynagrodzenie, gdy jednak jego produktywność spada
płaca równieŜ powinna się obniŜyć. Szacowanie kapitału według podejścia dochodowego
moŜe prowadzić jednak do niepoprawnych wniosków. Kohorty pracowników relatywnie
większe mogą doświadczyć efektu tłoku na rynku pracy, co prowadzi do obniŜki płac,
poniewaŜ zgodnie z prawami rynku cena dobra, którego podaŜ jest większa od popytu
spada dąŜąc do równowagi rynkowej. Odwrotnie w przypadku kohort relatywnie mało
licznych. W tej sytuacji wynagrodzenia będą relatywnie większe niŜ w pierwszym
przypadku. Metody dochodowe są na to zjawisko bardzo czułe i mogą nie oddawać
rzeczywistej wielkości kapitału zgromadzonego w populacji pracowników. Okazać się
bowiem moŜe, Ŝe przy tej samej strukturze wykształcenia kohorta mniejsza będzie miała
relatywnie większy zasób kapitału niŜ kohorta większa.
Ponadto w rzeczywistości nie występuje rynek doskonałej konkurencji. Dlatego teŜ
płaca nie jest uzaleŜniona od rzeczywistej produktywności pracownika oraz relacji podaŜy
i popytu. Relatywne wynagrodzenia nie dostosowują się w krótkim okresie do niedoborów
60
na rynku pracy. Dostosowanie to nie zachodzi całkowicie nawet w długim okresie. Na
wysokość płac mają wpływ czynniki pozaekonomiczne, na przykład siła przetargowa
róŜnych grup nacisku, takich jak związki zawodowe (zob. Fertig, Schmidt, 2003). Wobec
tego pracownicy, którzy są w większości i mają większą siłę przetargową są w stanie
zabezpieczyć własną stabilność finansową. Doprowadza to do sytuacji, w której
pracownicy o niŜszym zasobie kapitału i niŜszej produktywności mogą zarabiać relatywnie
więcej niŜ ci, który mają lepsze wykształcenie i doświadczenie zawodowe, ale ich siła
przetargowa jest niska. Odnosząc te rozwaŜania do starzejącego się rynku pracy nie
będziemy mogli w sposób obiektywny oszacować zasobu kapitału ludzkiego za pomocą
podejścia dochodowego, gdyŜ pracowników starszych będzie coraz więcej, więc ich siła
będzie zdecydowanie większa niŜ młodych. Jak juŜ wspomniano płace w takiej sytuacji są
sztywne.
3.1. Metoda oparta na szacowaniu wielkości zasobu kapitału ludzkiego
nagromadzonego w konkretnej osobie
W niniejszej pracy zostanie wykorzystana metoda pomiaru kapitału ludzkiego oparta
na szacowaniu wielkości zasobu kapitału ludzkiego nagromadzonego w konkretnej osobie
zaproponowana przez J. Kurkiewicz, A. Sokołowskiego i J. Tatara (1999). Metoda ta
wydaje się adekwatna w badaniach zmian w kształtowaniu się zasobów kapitału ludzkiego
w sytuacji zaawansowanego procesu starzenia się społeczeństwa, poniewaŜ bierze pod
uwagę czynniki, które wpływają na poziom kapitału ludzkiego, ale nie są bezpośrednio
powiązane z wysokością płac. Postrzeganie kapitału ludzkiego przez pryzmat płac moŜe,
jak zostało powyŜej wykazane, doprowadzić bowiem do błędnych wniosków. W
omawianej metodzie na zasób kapitału mają wpływ następujące czynniki:
• proces nabywania wiedzy w ciągu okresu formalnej edukacji,
• zdobywanie umiejętności i doświadczenia w ciągu całego Ŝycia zawodowego,
• proces zapominania wiedzy,
• starzenie się wiedzy,
• interakcje międzyludzkie.
Przedstawione powyŜej czynniki wpływają na kapitał ludzki, który jest
definiowany przez OECD (2001) jako "wiedza, umiejętności, kwalifikacje i cechy zawarte
61
w jednostce, które ułatwiają tworzenie osobistego, społecznego i gospodarczego
dobrobytu" (tłum. autora).
Jednostką pomiarową w tej metodzie jest ED. Miarę tę zaproponowali S.W.
Polachek i W.S. Siebert (1993), którzy zdefiniowali 1 ED jako wartość reprezentującą
jednostkę umiejętności (stopni naukowych, kwalifikacji, szkoleń na stanowisku pracy),
osiąganych w ciągu całego ludzkiego Ŝycia. Zasób kapitału ludzkiego konkretnej osoby w
danym wieku jest więc sumą zgromadzonych do tego wieku jednostek ED skorygowanych
o wartość odpowiadającą oddziaływaniu czynników obniŜających posiadany kapitał. W
uŜytej metodzie 1 ED jest jednostką reprezentującą jeden rok nauki.
Zasób kapitału ludzkiego zgromadzony w konkretnej osobie obliczany jest w
omawianej metodzie w następujący sposób:
xsxsxssxs fehh α⋅⋅⋅= (4)
Początkowa ilość ED-ów ( sh ), które zgromadziła osoba rozpoczynająca karierę
zawodową jest równa ilości lat formalnej edukacji, którą odbyła ta jednostka. Dla
polskiego systemu wykształcenia przyjęto 6 poziomów edukacji z odpowiadającymi im
ilościami ED-ów (od 4 - niepełne podstawowe do 18 - wykształcenie wyŜsze).
Zdobywanie umiejętności i doświadczenia w ciągu całego Ŝycia zawodowego
zwiększa zasób zgromadzonego kapitału ludzkiego. Zakłada się, Ŝe ludzie pracują do 65
roku Ŝycia, a przyrost roczny nie moŜe przekraczać wartości 1 ED. W pierwszym roku
pracy zawodowej notowany jest największy roczny przyrost względny zasobu wynoszący,
niezaleŜnie od poziomu wykształcenia, 5% zgromadzonych do tej pory ED-ów. W
późniejszym okresie przyrost liniowo maleje aŜ do 65 roku Ŝycia. Współczynnik
zwiększania zasobu ludzkiego w czasie okresu aktywności zawodowej ( xse ) w zaleŜności
od wieku i wykształcenia jest wyliczany z następującego wzoru:
s
s
sxsxs
s
ssxs
xs h
E
Kkk
E
EKk
e2
)1()1(
2
1
11 ∆+⋅−+⋅∆⋅
+=, (5)
gdzie:
sK1∆ - przyrost kapitału w 1 roku pracy dla poziomu edukacji s,
62
xsk - liczba lat od chwili zakończenia edukacji,
sE - staŜ pracy od chwili zakończenia edukacji.
Wiedza nabywana ulega dezaktualizacji, co w metodzie będzie uwidocznione
poprzez współczynnik starzenia się wiedzy ( xsα ). W metodzie zakłada się, Ŝe wiedza
zdobywana na róŜnych etapach kształcenia starzeje się w róŜnym tempie. Nie
dezaktualizuje się wiedza zdobyta na poziomie kształcenia podstawowego. Proces
starzenie się wiedzy rozpoczyna się zaraz po zakończeniu formalnego kształcenia.
Najszybciej starzeje się wiedza najpóźniej zdobyta. Autorzy załoŜyli liniowe starzenie się,
co odzwierciedlone jest we wzorze (6):
s
ssxsxs h
hhk
2
)8)(7(0005,01
−−⋅−=α . (6)
WaŜnym czynnikiem wpływającym na zasób kapitału ludzkiego jest zjawisko
zapominania nabytej wcześniej wiedzy i umiejętności. Powoduje to ubytki w
nagromadzonym zasobie. Przedstawiana metoda uwzględnia to zjawisko poprzez
wprowadzenie współczynnika zapominania wiedzy (xsf ), którego konstrukcja opiera się
na procesie wymierania populacji wykorzystując informacje z tablic trwania Ŝycia.
Współczynnik ten dany jest następującym wzorem:
)(
)(
xsx
xxs kwL
wLf
−= , (7)
gdzie:
)( xwL - średnia liczba doŜywających wieku xw ukończonych lat
)( xsx kwL − - średnia liczba doŜywających wieku xsx kw − ukończonych lat
W tym miejscu naleŜy dodać, Ŝe wartości współczynnika xsf wyraŜa część wiedzy
w dalszym ciągu pamiętanej.
Wszystkie powyŜej przedstawione elementy składają się na proces kształtowania
się zasobu kapitału ludzkiego jednostki. Jednak szacując zasób tego kapitału dla całych
zbiorowości powinno się wziąć pod uwagę interakcje między ludźmi, które powinny
skutkować zwiększaniem się potencjału danej zbiorowości. Dlatego teŜ otrzymany z
prostego zsumowania zasobów poszczególnych jednostek kapitał powinien być
63
skorygowany o współczynnik interakcji. J. Kurkiewicz i in. (1999) zaproponowali miernik
uwzględniający proste interakcje parami, zakładając, Ŝe:
• interakcje występują jedynie wewnątrz danej populacji,
• wartość interakcji nie zaleŜy od płci i wieku, zaleŜy jednak od wykształcenia i
równa jest średniej arytmetycznej wyjściowej liczby ED-ów podmiotów
wchodzących w daną interakcję,
• współczynnik interakcji jest liczony dla pojedynczych interakcji wszystkich ze
wszystkimi,
• interakcja dla osób z wyŜszym wykształceniem podwaja liczbę ED-ów, na niŜszych
szczeblach wykształcenia wpływ ten jest proporcjonalnie niŜszy.
Współczynnik interakcji dany jest wzorem (8):
∑=
∑=
∑=
∑=
++=
6
1
6
1
6
1
6
1
36
)(1
i iij
i ijiij
rb
hhbI , (8)
gdzie:
=−⋅≠
=jiPP
jiPPb
ii
jiij )1(5,0
iP oraz jP - liczba osób z wykształceniem odpowiednio i oraz j
ijb - liczba moŜliwych interakcji z wykształceniem i oraz j.
4. Analiza kształtowania się zasobów kapitału ludzkiego w Polsce w ujęciu
wojewódzkim
4.1. Charakterystyka województw
W Polsce w 2002 roku mieszkało około 32,5 miliona mieszkańców w wieku 15 i
więcej lat. Największymi województwami pod względem ludności było mazowieckie
(13,5 % ludności) oraz śląskie (12,6%) (patrz rys. 3). Udział pozostałych województw nie
przekraczał 10 %. Najmniej licznymi były województwo podlaskie (3,1%), opolskie
(2,8%) oraz lubuskie (2,6%).
64
Rysunek 3. Udział ludności województw w ogóle mieszkańców Polski w wieku 15 i więcej
lat w 2002 roku
13,5%12,6%
8,7% 8,3%7,7%
6,9%
5,7% 5,6% 5,4% 5,4%4,6%
3,7% 3,4% 3,1% 2,8% 2,6%
0
1
1
2
2
3
3
4
4
5
5
Maz
owiec
kie
Wiel
kopo
lskie
Lube
lskie
Pomor
skie
Kujawsk
o-po
mor
skie
Podka
rpac
kie
Zacho
dniop
omor
skie
War
m-m
azur
skie
Podlas
kie
Opolsk
ie
Lubu
skie
Mili
ony
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%
Liczba ludności %
Źródło: opracowanie własne na podstawie danych GUS.
Większość mieszkańców Polski w wieku 15 i więcej lat mieszkała w miastach.
Jednak proces urbanizacji był zróŜnicowany w przekroju wojewódzkim. Najbardziej
zurbanizowanym województwem było śląskie, gdzie w miastach w 2002 roku Ŝyło około
80% populacji (rys. 4). Nieco mniej, bo około 72% zanotowano w województwie
dolnośląskim. W trzech z pośród siedemnastu województw współczynnik urbanizacji nie
przekroczył 50%, tj. w woj. lubelskim (47,5%), świętokrzyskim (47%) oraz podkarpackim
(41,7%).
65
Rysunek 4. Udział mieszkańców miast w ogóle populacji województw w Polsce w 2002
roku
79,7%72,4% 70,8% 69,8% 66,1% 66,1% 65,5% 63,5% 61,5% 59,4% 59,0%
53,1% 52,0% 47,5% 47,0%41,7%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Zacho
dniop
omor
skie
Pomor
skie
Maz
owiec
kie
Lubu
skie
Kujawsk
o-po
mor
skie
War
m-m
azur
skie
Podlas
kie
Wiel
kopo
lskie
Opolsk
ie
Lube
lskie
Podka
rpac
kie
% miasto % wieś Źródło: opracowanie własne na podstawie danych GUS.
Tablica 3 przedstawia strukturę według wykształcenia w poszczególnych
województwach. NajwyŜszy poziom wykształcenia moŜna zaobserwować w
Mazowieckiem, gdzie udział osób z wyŜszym wykształceniem wynosi 13,77%. Wysoki
był równieŜ udział osób ze średnim wykształceniem, który w 2002 roku wynosił 30,6%.
Udział powyŜej 10% osób z wyŜszym wykształceniem zanotowało jeszcze województwo
pomorskie (10,9%) oraz małopolskie (10%). W pozostałych województwach udział
mieszkańców z tym wykształceniem wynosiła w granicach 8-9% z wyjątkiem
województwa zachodniopomorskiego. W województwie zachodniopomorskim
zanotowano zdecydowanie niŜszy od pozostałych poziom wykształcenia. Jedynie 4,8%
osób w wieku 15 lat i więcej posiadało wyŜsze wykształcenie a niecałe 20% średnie.
Najwięcej w tym województwie było osób z wykształceniem podstawowym - aŜ 40%.
66
Tablica 3. Poziom wykształcenia według województw w Polsce w 2002 roku
Poziom wykształcenia /w %/ średnie
Województwo wyŜsze policealne
razem zawodowe ogólno-
kształcące
zasadnicze zawodowe
podst. ukończone
podst. nieukończ.
i bez wykształ.
nieusta-lony
Mazowieckie 13,77 3,83 30,62 20,46 10,16 17,98 26,93 3,76 3,11 Pomorskie 10,92 3,07 28,65 18,82 9,83 23,92 28,52 2,76 2,18 Małopolskie 10,08 3,27 27,91 19,46 8,44 25,09 28,92 3,14 1,59 Dolnośląskie 9,92 3,40 29,87 20,91 8,96 23,31 28,68 3,45 1,36 Lubelskie 9,37 3,49 27,55 19,15 8,40 20,22 33,44 5,34 0,60 Wielkopolskie 9,28 2,72 27,38 19,08 8,30 27,55 29,78 2,87 0,43 Łódzkie 9,23 3,10 28,57 19,01 9,56 21,01 32,26 4,44 1,40 Podlaskie 9,14 3,45 27,37 19,10 8,28 18,16 33,91 6,53 1,43 Świętokrzyskie 9,08 3,26 26,87 19,40 7,48 21,84 32,86 4,84 1,25 Śląskie 8,91 2,78 28,88 7,80 21,08 26,80 26,43 2,29 3,91 Podkarpackie 8,46 3,09 27,56 20,29 7,27 23,76 31,99 3,94 1,21 Warm-mazur. 8,34 2,89 26,27 18,67 7,61 21,41 34,52 4,89 1,67 Kujaw.-pom. 8,32 2,71 26,20 18,08 8,11 26,97 31,66 2,95 1,21 Lubuskie 8,17 3,08 28,58 20,31 8,26 25,01 29,66 3,94 1,56 Opolskie 8,01 2,83 24,90 18,12 6,78 26,07 29,66 3,13 5,40
Zachodniopom. 4,82 1,97 19,91 15,27 4,64 25,58 39,93 7,41 0,38
Polska 9,69 3,12 28,00 17,83 10,17 23,33 30,23 3,81 1,83 Źródło: GUS, NSP 2002, www.stat.gov.pl.
4.2. Zasoby kapitału ludzkiego w Polsce według województw
Na podstawie przyjętej metody w pierwszej kolejności dokonano oszacowania
kapitału ludzkiego nagromadzonego w konkretnej jednostce. ZróŜnicowanie w poziomie
tego kapitału zaleŜy od wieku, wykształcenia oraz płci. W tablicy 4 przedstawiono wyniki
dotyczące męŜczyzn. W kaŜdej grupie wykształcenia najwyŜszy zasób kapitału posiadały
osoby w wieku 45-55 lat. Osoby z wyŜszym wykształceniem osiągnęły wartość 29,78 ED-
ów, czyli zanotowały około 65% wzrost zasobu od czasu zakończenia formalnej edukacji.
Poziom powyŜej 20 ED-ów osiągnęły osoby z wykształceniem średnim, policealnym oraz
średnim, a takŜe osoby z wykształceniem zasadniczym zawodowym w wieku 45-55 lat.
NajniŜszy, nie przekraczający 10 ED-ów, poziom osiągnęły jednostki z grupy niepełne
podstawowe, gdzie najwyŜszy wynik wyniósł 8,22 ED (jedynie 27% najlepszego wyniku
w grupie męŜczyzn).
67
Tablica 4. Nagromadzony zasób kapitału ludzkiego w grupie męŜczyzn według wieku i
wykształcenia (w ED-ach)
Poziom wykształcenia Wiek
WyŜsze Policealne Średnie Zasadnicze zawodowe
Podstawowe Niepełne
podstawowe
15-25 18,14 14,01 13 12,06 9,88 5,64 25-35 21,96 19,37 18,51 16,53 12,95 7,04 35-45 27,67 23,44 22,21 19,55 15,02 7,98 45-55 29,78 24,87 23,5 20,57 15,67 8,22 55-65 27,35 22,82 21,56 18,86 14,33 7,48 65+ 20,08 16,89 15,98 14,02 10,69 5,57
Źródło: opracowanie własne.
W populacji kobiet wystąpiła podobna sytuacja jak w przypadku męŜczyzn. Jednak
poziom nagromadzonego zasobu ludzkiego był dla większości grup wieku i wykształcenia
wyŜszy niŜ wśród odpowiednich grup męŜczyzn (zob. tabl. 5). Jest to spowodowane
wolniejszym procesem zapominania wiedzy w przypadku kobiet. W przyjętej metodzie
proces utraty nabytej wiedzy jest uzaleŜniony od długości trwania Ŝycia. Kobiety cechują
się wolniejszym wymieraniem i dłuŜszym trwaniem Ŝycia, co skutkuje właśnie w
wolniejszym przebiegu procesu zapominania wiedzy. NajwyŜszy poziom zasobu ludzkiego
osiągnęły kobiety w wieku 45-55 lat i wynosił on 31,53 ED-ów (poziom wyŜszy o 1,75
ED-a niŜ w przypadku odpowiedniej grupy męŜczyzn).
Tablica 5. Nagromadzony zasób kapitału ludzkiego w grupie kobiet według wieku i
wykształcenia (w ED-ach)
Poziom wykształcenia Wiek
WyŜsze Policealne Średnie Zasadnicze zawodowe
Podstawowe Niepełne
podstawowe
15-25 18,14 14,01 13,00 12,07 9,91 5,65 25-35 22,07 19,54 18,68 16,71 13,10 7,13 35-45 28,23 24,00 22,76 20,06 15,42 8,20 45-55 31,53 26,42 24,99 21,90 16,70 8,76 55-65 31,50 26,37 24,93 21,84 16,61 8,67 65+ 27,62 23,31 22,08 19,40 14,80 7,72
Źródło: opracowanie własne.
W 2002 roku nagromadzony zasób kapitału ludzkiego per capita w województwach
przyjmował wartości od 17,14 do 18,33 ED-ów. NajwyŜszy poziom zanotowano w
województwie mazowieckim, śląskim oraz pomorskim - wartości powyŜej 18 ED-ów (zob.
tabl. 6). Najmniej zasobu na osobę było zgromadzonego w lubelskim (17,36), warmińsko-
mazurskim (17,25) oraz podlaskim (17,14).
68
Porównując populacje wyodrębnione ze względu na płeć moŜna zauwaŜyć, Ŝe
poziom kapitału per capita jest wyŜszy u kobiet we wszystkich województwach. Ranking
województw ze względu na wielkość zasobu jest inny w populacji męŜczyzn niŜ w
populacji kobiet. Wśród męŜczyzn największy kapitał posiadało województwo śląskie
(17,44) a następnie mazowieckie (17,43) oraz pomorskie (17,33). W tym miejscu naleŜy
dodać, Ŝe najlepsze wyniki u męŜczyzn są znacznie gorsze niŜ najniŜsze wyniki u kobiet.
W populacji męŜczyzn najmniejszy zasób kapitału posiadało, tak jak w przypadku
populacji ogółem, województwo podlaskie (16,34), lubelskie (16,56) oraz warmińsko-
mazurskie (16,58). W populacji kobiet najwyŜszy poziom osiągnięto w mazowieckim
(19,14). Kolejnymi województwami były śląskie (18,72) oraz pomorskie (18,70).
NajniŜsze wartości zanotowano w warmińsko-mazurskim (17,88), podlaskim (17,88) oraz
podkarpackim (18,09). DuŜe róŜnice w relatywnym poziomie zasobu moŜna zauwaŜyć w
Małopolsce. Poziom zgromadzonego kapitału w populacji męŜczyzn był dopiero dziewiąty
z kolei, natomiast wśród kobiet - piąty.
Tablica 6. Zasób kapitału ludzkiego per capita w Polsce w 2002 roku według województw
Ogółem /per capita/ MęŜczyźni /per capita/ Kobiety /per capita/
Województwo Zasób kapitału
Województwo Zasób kapitału
Województwo Zasób kapitału
Mazowieckie 18,33 Śląskie 17,44 Mazowieckie 19,14
Śląskie 18,11 Mazowieckie 17,43 Śląskie 18,72
Pomorskie 18,04 Pomorskie 17,33 Pomorskie 18,70
Dolnośląskie 17,97 Dolnośląskie 17,27 Dolnośląskie 18,60
Małopolskie 17,79 Zachodniopomorskie 17,14 Małopolskie 18,51
Zachodniopomorskie 17,79 Wielkopolskie 17,09 Łódzkie 18,40
Wielkopolskie 17,74 Lubuskie 17,05 Zachodniopomorskie 18,40
Łódzkie 17,67 Opolskie 17,04 Wielkopolskie 18,33
Lubuskie 17,65 Małopolskie 17,01 Opolskie 18,22
Opolskie 17,65 Kujawsko-pomorskie 16,91 Kujawsko-pomorskie 18,22
Kujawsko-pomorskie 17,60 Łódzkie 16,85 Lubuskie 18,21
Podkarpackie 17,43 Podkarpackie 16,73 Świętokrzyskie 18,12
Świętokrzyskie 17,43 Świętokrzyskie 16,69 Lubelskie 18,09
Lubelskie 17,36 Warm-mazurskie 16,58 Podkarpackie 18,09
Warm-mazurskie 17,25 Lubelskie 16,56 Podlaskie 17,88
Podlaskie 17,14 Podlaskie 16,34 Warm-mazurskie 17,88 Źródło: opracowanie własne.
69
Na rysunku 5 moŜna zauwaŜyć wyraźny podział geograficzny województw ze
względu na zasób kapitału ludzkiego per capita, który pokrywa się z podziałem Polski na
dwa regiony A i B. Zachodnia część cechuje się wyŜszym poziomem zasobu tego kapitału.
Natomiast część wschodnia z wyłączeniem województwa mazowieckiego, gdzie zasób jest
najwyŜszy w Polsce, ma zdecydowanie niŜsze wartości tego miernika.
Rysunek 5. Zasób kapitału ludzkiego per capita według województw w Polsce w 2002
roku
Źródło: opracowanie własne.
Kolejnym elementem analizy jest oszacowanie zasobu kapitału ludzkiego dla
całych populacji województw z uwzględnieniem współczynnika interakcji (wzór 8). W
tym miejscu naleŜy dodać, Ŝe współczynnik ten powiększa sumę zgromadzonych zasobów
poszczególnych jednostek. W Polsce w 2002 roku nagromadzony kapitał ludzki wynosił
891 445 275 ED-ów. Z czego ponad 26,5% było zgromadzonych w dwóch
województwach: mazowieckim - 125 milionów ED (14%), oraz śląskim - 113 milionów
(12,5%) (zob. rys.6). W wyniku analizy dokonano podziału na cztery grupy województw
ze względu na wielkość zasobów kapitału ludzkiego. Pierwszą z nich stanowią regiony o
najniŜszej liczbie ED-ów - poniŜej 40 milionów. W tej grupie znalazły się województwa
lubuskie (23 miliony ED), opolskie (24), podlaskie (27), świętokrzyskie (30) oraz
70
warmińsko-mazurskie (31). Są to regiony o niewielkiej liczbie ludności oraz relatywnie
niskim poziomie wykształcenia (patrz tabl. 3). Drugą grupę stanowią województwa,
których wielkość zasobu nie przekraczała 60 milionów ED-ów. Do tej grupy zaliczono
zachodniopomorskie mimo, Ŝe zgromadzono tam 39,5 miliona ED-ów. Jednak wartość ta
jest zdecydowanie większa niŜ w przypadku pozostałych przedstawicieli grupy pierwszej.
Do drugiej grupy zaliczono takŜe podkarpackie (47), kujawsko-pomorskie (47) oraz
lubelskie (50) i pomorskie (51). Na uwagę zasługuje województwo pomorskie, które pod
względem zasobów kapitału per capita było na trzeciej pozycji (wśród męŜczyzn - 4,
kobiet -3). Jednak jest to region o małej liczbie ludności (8. miejsce w Polsce), stąd niska
ogólna wartość zgromadzonego kapitału.
Kolejną grupę stanowią województwa o liczbie ED-ów nie przekraczającej
znacząco 80 milionów. W skład tej grupy wchodzą: łódzkie (62), dolnośląskie (70),
małopolskie (75) oraz wielkopolskie (78). Ostatnio grupę stanowią juŜ wspomniane dwa
województwa o największej ilości zgromadzonego zasobu kapitału ludzkiego, czyli
mazowieckie i śląskie.
Rysunek 6. Zasoby kapitału ludzkiego według województw w Polsce w 2002 roku (w
milionach ED-ów)
125
113
78
75
70
62
51
50
47
47
39
31
30
27
24
23
0 20 40 60 80 100 120 140
Mazowieckie
Śląskie
Wielkopolskie
Małopolskie
Dolnośląskie
Łódzkie
Pomorskie
Lubelskie
Kujawsko-pomorskie
Podkarpackie
Zachodniopomorskie
Warm-mazurskie
Świętokrzyskie
Podlaskie
Opolskie
Lubuskie
Miliony
Źródło: opracowanie własne.
71
Wyodrębnione grupy województw przedstawiono na mapie Polski (rys. 7). W tym
przypadku nie moŜna stwierdzić geograficznego uporządkowania tych regionów pod
względem wielkości zasobów kapitału ludzkiego. Główną tego przyczyną jest duŜy wpływ
wielkości populacji danego województwa na absolutną wartość zasobu. Regiony
relatywnie większe posiadają większy ogólny zasób tego kapitału. Najwięcej zasobu
kapitału ludzkiego posiadają województwa centralnej Polski: mazowieckie, wielkopolskie
oraz łódzkie - około 30% zasobu zgromadzonego w całej Polsce.
Rysunek 7. Zasoby kapitału ludzkiego według województw w Polsce w 2002 roku
Źródło: opracowanie własne.
Dokonano oszacowania zasobu kapitału ludzkiego w przekroju miasto-wieś. W
2002 roku w Polsce w miastach zakumulowano około 599 milionów ED-ów, tj. 67%
całego zasobu Polski. NajwyŜszy poziom zasobu odnotowano w wysokozurbanizowanym
województwie śląskim - 91 milionów ED-ów, oraz mazowieckim - 89 milionów.
NajniŜszy poziom zasobu wystąpił w opolskim (14), świętokrzyskim (16) oraz lubuskim
(16). Wartości zasobów dla poszczególnych województw przedstawiono na rysunku 8.
72
Rysunek 8. Zasoby kapitału ludzkiego według województw na obszarach miejskich Polski
w 2002 roku (w milionach ED-ów)
91
89
53
50
43
42
38
32
30
27
22
21
17
16
16
14
0 10 20 30 40 50 60 70 80 90 100
Śląskie
Mazowieckie
Dolnośląskie
Wielkopolskie
Łódzkie
Małopolskie
Pomorskie
Kujawsko-pomorskie
Zachodniopomorskie
Lubelskie
Podkarpackie
Warm-mazurskie
Podlaskie
Lubuskie
Świętokrzyskie
Opolskie
Miliony
Źródło: opracowanie własne.
Dokonując analizy zasobów na obszarach miejskich moŜna porównać otrzymane
wyniki z wielkościami, które zostały oszacowane przez J. Kurkiewicz i in. (1999) na
podstawie danych z 1995 roku. Wówczas zakumulowany kapitał ludzki na obszarach
miejskich wynosił około 539 milionów ED-ów. W ciągu siedmiu lat nastąpił więc przyrost
o około 60 milionów ED-ów, czyli o 11%. Niestety szczegółowa analiza i porównania
kształtowania się zasobów w tych okresach nie są moŜliwe z powodu zmian w podziale
terytorialnym Polski (szacunki dotyczące 1995 roku były dokonywane na podstawie
danych z 49 województw). Wydaje się, Ŝe wzrost poziomu zakumulowanego zasobu
kapitału ludzkiego w ciągu tego okresu był spowodowany przesuwaniem się pokoleń
powojennego wyŜu demograficznego do grup o największej akumulacji kapitału ludzkiego
(patrz tabl. 4 i 5), czyli osiąganiu przez te osoby wieku 45-55 lat. Drugą przyczyną jest
wzrost poziomu edukacji społeczeństwa polskiego, w szczególności tendencja ta dotyczy
obszarów miejskich. Dla przykładu liczba studentów w Polsce zwiększyła się z 1,1 miliona
w 1998 roku do poziomu prawie 2 milionów w 2003 roku (Eurostat).
Na obszarach wiejskich wielkość zgromadzonego kapitału oszacowano na 293
miliony ED-ów (33% zasobów Polski). Najbardziej zasobnymi pod względem kapitału
73
ludzkiego były województwa mazowieckie (36 mln), małopolskie (32), wielkopolskie (29)
oraz podkarpackie (25) (zob. rys.9). To ostatnie województwo jako jedyne w Polsce miało
wyŜszy poziom zasobu na wsi niŜ na obszarach miejskich, gdzie wartość ta wynosiła 22
miliony ED-ów. Najmniej zasobu zakumulowano w lubuskim - 7 milionów oraz podlaskim
- 9 milionów.
Rysunek 9. Zasoby kapitału ludzkiego według województw na obszarach wiejskich Polski
w 2002 roku (w milionach ED-ów)
36
32
29
25
23
21
18
17
15
14
13
11
10
10
9
7
0 5 10 15 20 25 30 35 40
Mazowieckie
Małopolskie
Wielkopolskie
Podkarpackie
Lubelskie
Śląskie
Łódzkie
Dolnośląskie
Kujawsko-pomorskie
Świętokrzyskie
Pomorskie
Warm-mazurskie
Opolskie
Zachodniopomorskie
Podlaskie
Lubuskie
Miliony
Źródło: opracowanie własne.
4.3. Ocena związku zakumulowanego kapitału ludzkiego ze zmiennymi
ekonomicznymi
Oszacowanie zasobów kapitału ludzkiego i jego zmian nie jest wystarczające w
kontekście analizy dotyczącej starzenia się populacji. Jak wykazano w rozdziale drugim na
skutek zmian demograficznych poziom Ŝycia społeczeństwa moŜe ulec pogorszeniu.
Jednym ze środków zaradczych jest wzrost produktywności. Dlatego teŜ w analizie
kształtowania się zasobów kapitału naleŜy zwrócić uwagę nie tylko na jego poziom, ale
równieŜ na jego wykorzystanie. W niniejszej pracy wzięto pod uwagę jedynie związek
74
zasobów kapitału z wybranymi zmiennymi ekonomicznymi, które wskazują na stopień
rozwoju gospodarczego, czyli pośrednio ukazują sposób wykorzystania zasobów ludzkich.
Do analiz wybrano produkt krajowy brutto per capita, wskazujący stopień rozwoju
gospodarczego, oraz liczbę małych i średnich przedsiębiorstw przypadającą na jednego
mieszkańca, która wskazuje na przedsiębiorczość mieszkańców danego terenu. Zasoby
kapitału ludzkiego wyraŜono w wartościach per capita.
Rysunek 10. ZaleŜność między zasobem kapitału ludzkiego per capita a PKB per capita
17,0 17,2 17,4 17,6 17,8 18,0 18,2 18,4
Zasób kapitału ludzkiego per capita
10000
12000
14000
16000
18000
20000
22000
24000
26000
28000
PK
B p
er c
apita
95% p.ufności
r(X,Y) r kwadrat p
0,892 0,795 0,000004
Źródło: opracowanie własne.
Na podstawie danych z 16 województw Polski stwierdzono bardzo silną zaleŜność
liniową między PKB per capita a zasobem kapitału ludzkiego per capita (r=0,89) (rys. 10).
Okazuje się więc, Ŝe województwa o wysokim poziomie kapitału cechują się stosunkowo
wysokim rozwojem gospodarczym.
75
Rysunek 11. ZaleŜność między zasobem kapitału ludzkiego per capita a MiSP per capita
17,0 17,2 17,4 17,6 17,8 18,0 18,2 18,4
zasoby kapitału ludzkiego per capita
0,040
0,045
0,050
0,055
0,060
0,065
0,070
0,075
0,080M
iSP
per
cap
ita
95% p.ufności
r(X,Y) r kwadrat p
0,737 0,543 0,001129
Źródło: opracowanie własne.
Korelacja między liczbą małych i średnich przedsiębiorstw per capita i wielkością
zasobów jest umiarkowana, współczynnik korelacji liniowej wynosi 0,74 (zob. rys. 11).
Stąd teŜ moŜna wnioskować, Ŝe aktywność gospodarcza mieszkańców zaleŜy od
posiadanego przez nich zasobu kapitału ludzkiego. Im jest on większy, tym większa jest
przedsiębiorczość w danym regionie.
5. Podsumowanie
Proces starzenia się społeczeństwa niesie za sobą wiele róŜnorodnych społeczno-
ekonomicznych konsekwencji. Tendencje rozwojowe współczynnika wsparcia wskazują,
Ŝe zmiany demograficzne mogą doprowadzić do pogorszenia poziomu Ŝycia
społeczeństwa. Dla zapobieŜenia tej sytuacji konieczne są odpowiednie przedsięwzięcia.
76
Istotnym zagroŜeniem jest wzrost liczby konsumentów w stosunku do osób
wypracowujących dochody. MoŜe on zostać przezwycięŜony na przykład przez wzrost
produktywności, zwiększenie partycypacji niektórych grup społecznych.
WaŜnym problemem w kontekście starzenia się społeczeństwa jest kształtowanie
się zasobów kapitału ludzkiego, gdyŜ jego poziom kształtuje wzrost gospodarczy.
Zmniejszaniu się liczby pracowników na rynku pracy moŜe towarzyszyć zwiększanie się
zasobu tkwiącego w osobach, które na tym rynku się znajdują. W ten sposób procesowi
starzenia się społeczeństwa będzie towarzyszyć przekształcenie rynku pracy z
ekstensywnego, opartego na ilości pracowników, w intensywny - bazujący na jakości
pracowników (ich zasobie kapitału ludzkiego).
Wydaje się więc, Ŝe opracowywanie i wykorzystywanie metod słuŜących
szacowaniu kapitału ludzkiego jest bardzo istotne w badaniach nad przyszłością społeczno-
ekonomiczną społeczeństw. Zaprezentowana w niniejszej pracy metoda jest jednym z
narzędzi, które mogą być wykorzystywane w tych badaniach. Postępowanie to nie
utoŜsamia zasobu kapitału ludzkiego jedynie z jego wartością rynkową wyraŜaną za
pomocą płac, lecz bierze pod uwagę zmienne, które wpływają na jego poziom, tj. proces
nabywania wiedzy, zdobywanie umiejętności i doświadczenia w ciągu całego Ŝycia
zawodowego, procesu zapominania i starzenia się wiedzy oraz bardzo istotne w
funkcjonowaniu kaŜdego społeczeństwa interakcje międzyludzkie. Przedstawiona metoda
posiada równieŜ wady wynikające ze zbyt duŜego poziomu uproszczenia przebiegu
powyŜszych procesów i duŜej ilości załoŜeń wstępnych. Wprowadzenie pewnych ulepszeń
powinno część z nich wyeliminować i spowodować, Ŝe wyniki szacunków będą lepiej
oddawać rzeczywisty przebieg kształtowania się zasobów kapitału ludzkiego.
W rezultacie przeprowadzonej analizy wykazano duŜe zróŜnicowanie województw
Polski ze względu na nagromadzony kapitał ludzki. Znaczący kapitał ludzki miały
województwa o relatywnie wysokim poziomie rozwoju ekonomicznego oraz posiadające
silne ośrodki naukowe. Szczególnie widoczne było to w porównaniu zasobów kapitału
ludzkiego per capita, gdzie wyŜszy zasób miały województwa zachodniej części kraju.
Stwierdzono teŜ znaczące skorelowanie zakumulowanego kapitału ludzkiego ze
zmiennymi ekonomicznymi, tj. z produktem krajowym brutto oraz z aktywnością
gospodarczą społeczeństwa. MoŜe to świadczyć o duŜym wpływie kapitału ludzkiego na
rozwój gospodarczy.
Zasoby kapitału ludzkiego mogą w przyszłości wzrosnąć pomimo postępującego
procesu starzenia się populacji, poniewaŜ wraz ze starzeniem się rynku pracy zwiększy się
77
liczba pracowników o duŜym doświadczeniu zawodowym oraz podwyŜszy się poziom
wykształcenia społeczeństwa. Wniosek ten wymaga jednak potwierdzenia w dalszych
szczegółowych badaniach.
Literatura
Azariadis C., Drazen A., (1990), Threshold Externalities in econimic Development, The Quarterly Journal of Economics, Vol. 105.
Barro R.J., (1991), Economic Growth in a Cross Section of Countries, The Quarterly Journal of Economics, Vol. 106.
Becker G.S., (1993), Human Capital. A Theoretical and Empirical Analysis with Special Reference to Education, Third Edition, The University of Chicago Press, Chicago.
Cutler D., Potreba J., Sheiner L., Summers L., (1990), An Ageing Society: Opportunity or Challenge, Brookings Papers on Economic Activity, Vol. 1990, Issue 1, str.1-56.
Fertig M., Schmidt Ch.M., (2003), Gerontocracy in Motion? European Cross-Country Evidence on the Labor Market Consequences of Population Ageing, The Institute for the Study of Labor (IZA) Discussion Paper No. 956, Bonn.
Krueger A.B., Lindahl M., (2000), Education for Growth: Why and for Whom?, NBER Working Paper 7591.
Kurkiewicz J., Sokołowski A., Tatar J., (1999), Szacowanie zasobów kapitału ludzkiego w Polsce, [w:] Kot S.M. (red.), Analiza ekonometryczna kształtowania się płac w Polsce w okresie transformacji, PWN, Warszawa-Kraków.
Mankiw N.G., Romer D., Weil D.N., (1992), A Contribution to the Empirics of Economic Growth, The Quarterly Journal of Economics, Vol. 107.
Mincer J., (1981), Human Capital and Economic Growth, NBER Working Paper Series, Working Paper No. 803.
Polachek S.W., Siebert W.S.,(1993), The Economics of Earnings, Cambridge University Press, Cambridge.
Prskawetz A., Fent T., (2004), Workforce Ageing and Economic Productivity: The Role of Supply and Demand of Labor: An Application to Austria, [w:] Oesterreichische Nationalbank, Proceedings of OeNB Workshops, No. 2/2004, Wiedeń.
OECD, (2001), The Well-being of Nations: The Role of Human and Social Capital, OECD, ParyŜ.
Romer D., (2000), Makroekonomia dla zaawansowanych, PWN, Warszawa.
Woessmann L., (2000), Specifying Human Capital: A Review, Some Extensions, and Development Effects, Kiel Working Paper No. 1007, Kiel.
78
79
Wiktoria Wróblewska
Instytut Statystyki i Demografii
Szkoła Główna Handlowa
Badanie jakości Ŝycia warunkowanej zdrowiem
Celem referatu jest prezentacja pojęcia jakości Ŝycia uwarunkowanej stanem
zdrowia oraz stosowanych narzędzi do jego pomiaru. W drugiej części przedstawione
zostały wyniki pierwszego ogólnopolskiego badania zrealizowanego w 2005 roku z
wykorzystaniem ogólnego kwestionariusza do badania HRQL w Polsce.
Pojęcie jakości Ŝycia
W związku ze zmianami demograficznymi i epidemiologicznymi obserwuje się
dynamiczny wzrost liczby badań nad jakością Ŝycia. Termin ten wykorzystywany jest w
naukach socjologicznych, psychologicznych, ekonomicznych, w polityce oraz w
medycynie. Związane jest to z przemianami demograficznymi, w tym z wydłuŜeniem
przeciętnej długości trwania Ŝycia oraz starzeniem się społeczeństw krajów rozwiniętych.
Przemianom tym towarzyszy znaczny wzrost częstości zachorowań na choroby
przewlekłe, takie jak choroby układu krąŜenia, cukrzyca czy choroby nowotworowe. U
przewlekle i często nieuleczalnie chorych dąŜy się do poprawy odczuwanej jakości Ŝycia.
W literaturze trudno znaleźć jednolitą definicję jakości Ŝycia. Przez wieloznaczność i
niedookreślenie załoŜeń teoretycznych pojęcie to jest chętnie uŜywane i dowolnie
definiowane. Dodatkowo jest zmienną subiektywnie postrzeganą przez jednostkę, co
utrudnia jej pomiar.
Na początku termin jakości Ŝycia był równoznaczny jedynie z dobrostanem
materialnym (posiadane dobra, wysoki standard Ŝycia), następnie pojęcie to objęło równieŜ
szeroko rozumiane wartości niematerialne (edukacja, szczęście, wolność, zdrowie).
Obecnie w potocznym rozumieniu jakość Ŝycia określa się jako stopień
zaspokajania potrzeb materialnych i niematerialnych jednostek, rodzin i zbiorowości.
W literaturze wyróŜnia się dwa główne podejścia do jakości Ŝycia: podejście
potrzeb oraz podejście procesualne (Dziurowicz-Kozłowska, 2002). W pierwszym,
opartym na teorii hierarchii potrzeb A. Maslowa jakość Ŝycia definiowana jest jako stopień
zaspokojenia określonych uniwersalnych, standardowych potrzeb człowieka. Jest to
80
podejście obiektywne, w mniejszym stopniu koncentrujące się na subiektywnych
odczuciach jednostki. Zakłada się, Ŝe róŜne osoby w podobny i porównywalny sposób
oceniają dane sfery Ŝycia. Jakość Ŝycia, określaną zamiennie w tym podejściu jako
dobrobyt (welfare) moŜna oceniać w kategoriach zasobów (dobra materialne, wiedza, siła
fizyczna, siła psychiczna, stan zdrowia, relacje społeczne) lub warunków Ŝycia (posiadanie
wolności, bezpieczeństwo, środowisko naturalne i społeczne).
U podstaw drugiego podejścia do jakości Ŝycia - procesualnego leŜy załoŜenie, Ŝe
zwiększenie dobrobytu materialnego (welfare) i zaspokajanie podstawowych potrzeb nie
musi powodować stałego zwiększania się pomyślności (well-being) rozumianej jako:
satysfakcja, pomyślność, poczucie szczęścia, zadowolenie jednostki. W tym podejściu
akcentuje się istnienie procesów poznawczych leŜących u podstaw subiektywnej percepcji
jakości Ŝycia. NaleŜą do nich: samoocena ogólnych i specyficznych warunków Ŝycia
ujmowana w kategoriach zadowolenia, szczęścia, nadziei, lęku, samotności, jak równieŜ
przekonania, odczucia, dąŜenia i pragnienia jednostki związane z wartościami i celami
egzystencjalnymi oraz stopniem satysfakcji płynącej z ich realizacji. Jakość Ŝycia jest
postrzegana w sposób niepowtarzalny przez jednostkę, która jako jedyna moŜe ocenić swój
rzeczywisty stan i cele Ŝyciowe. Podstawę tej oceny stanowić moŜe stopień postrzeganej
rozbieŜności między stanem aktualnym a stanem oczekiwanym. Im mniejsza róŜnica
między tymi stanami tym wyŜsza jakość Ŝycia.
Większość badaczy uwaŜa, Ŝe dwa wymienione wyŜej podejścia uzupełniają się i
nie naleŜy ich rozpatrywać oddzielnie. Jedna z takich integrujących definicji została
zaproponowana przez World Health Organization Quality of Life Group (WHOQOL
Group). Jakość Ŝycia według WHOQOL jest to „sposób postrzegania przez jednostkę
swoich pozycji w Ŝyciu w kontekście kultury i systemu wartości, w których egzystuje, w
powiązaniu z własnymi celami, oczekiwaniami, standardami i obawami” (Orley, 1994).
Wieloaspektowość pojęcia jakości Ŝycia wynika z coraz bardziej holistycznego patrzenia
na funkcjonowanie człowieka. Jest to zgodne z przyjętą przez WHO definicją zdrowia,
która została zawarta w preambule do Konstytucji tej organizacji, jako dobrostan
fizyczny, psychiczny i społeczny, a nie tylko brak choroby i inwalidztwa: ”Health is a
state of complete physical, mental and social well-being and not merely the absence of
disease or infirmity” (WHO, 1948).
W celu dokładniejszej oceny związku pomiędzy stanem zdrowia a jakością Ŝycia
zdefiniowano pojęcie jakości Ŝycia uwarunkowanej stanem zdrowia.
81
Jakość Ŝycia uwarunkowana stanem zdrowia
Pierwsze badania w tym zakresie prowadzili Karnofsky i Katz, którzy 1948 roku
skonstruowali pierwszą skalę do badania jakości Ŝycia, skupiając się głównie na
ograniczeniach fizycznych towarzyszących chorobie (McDowell, Newell, 1996). W 1972
Rosser opublikował metodę słuŜącą do określania jakości Ŝycia u osób chorych,
uwzględniającą wymiar psychiczny (Kowalik, Rotajska, Szmaus, 2001).
W roku 1990 onkolog Schipper wprowadził pojęcie jakości Ŝycia uwarunkowanej
stanem zdrowia - Health Related Quality of Life (HRQOL)- definiując ją nie tylko jako
spostrzegany przez pacjenta bezpośredni wpływ choroby, ale równieŜ efekt całego procesu
terapeutycznego na funkcjonowanie i ogólne poczucie satysfakcji Ŝyciowej (Wołowicka,
2001).
Jakość Ŝycia uwarunkowana stanem zdrowia dotyczy czterech głównych
wymiarów: stanu fizycznego (głównie sprawności ruchowej), stanu psychicznego
(funkcjonowania poznawczego i emocjonalnego), funkcjonowania
społecznego/ekonomicznego (pełnienie ról społecznych, wsparcie społeczne) oraz doznań
somatycznych (objawów związanych z daną chorobą, głównie występowanie bólu). Poza
tymi obszarami jakość Ŝycia uwarunkowana stanem zdrowia uwzględnia takŜe istnienie
innych wymiarów funkcjonowania człowieka: seksualność, uczestnictwo w kulturze i
duchowość (Dziurowicz-Kozłowska, 2002).
Pomiar jakości Ŝycia uwarunkowanej stanem zdrowia moŜe być wykorzystywany
nie tylko do oceny stan zdrowia, ale takŜe skuteczności interwencji terapeutycznych,
stosowanych leków i zabiegów czy podejmowania kosztownych procedur medycznych i
efektywności działania systemu opieki zdrowotnej.
Pomiar jakości Ŝycia uwarunkowanej stanem zdrowia
Do pomiaru jakości Ŝycia uwarunkowanej stanem zdrowia wykorzystywane są
kwestionariusze oraz wywiady ustrukturalizowane.
Istniejące kwestionariusze dzielone są na dwie grupy, w zaleŜności od rodzaju
ocenianej sytuacji. Pierwsze z nich to kwestionariusze ogólne (generic questionnaires),
które mierzą oceniany przez badanego dobrostan i zawierają pytania o ogólne objawy,
mogące pojawić się w kaŜdej chorobie np. ból, zmęczenie, rozdraŜnienie, zły nastrój.
Pytania dotyczą funkcjonowania w podstawowych wymiarach: fizycznym, psychicznym i
społecznym. Przykładem mogą być takie kwestionariusze, jak The Nottingham Health
82
Profile (NHP, polska adaptacja: Wrześniewski,1997) The Short-Form-20 / 36 Health
Survey (SF 20 lub SF 36) (McDowell, Newell, 1996).
Drugą grupę stanowią kwestionariusze mierzące subiektywną ocenę jakości Ŝycia
w konkretnej chorobie (disease specific questionnaires). Mogą określać występowanie
specyficznych objawów np. dla choroby niedokrwiennej serca, reumatoidalnego zapalenia
stawów czy astmy lub być w inny sposób ograniczone do mniejszej grupy np. wiekowej
(dzieci, osoby starsze). Mogą teŜ słuŜyć do pomiaru zaburzeń związanych z konkretną
funkcją Ŝyciową (np. zaburzenia w oddawaniu moczu u osób po operacji prostaty), czy
określać szczegółowo poziom niespecyficznego objawu (Wróblewski, 2004).
Do ewaluacji jakości Ŝycia słuŜy równieŜ grupa prostych indeksów, wyliczanych
według deklaracji dotyczących np. oceny wartości obecnego stanu zdrowia w porównaniu
do stanu idealnego (time trade off, TTO) w skali 0-1 (wartość 0,8 moŜe świadczyć o tym,
ze chory wolałby Ŝyć 8 lat w idealnym stanie niŜ 10 lat z chorobą).
Studium empiryczne
Opis narzędzi badawczych
W prezentowanym badaniu wykorzystana została polska adaptacja kwestionariusza
The Nottingham Health Profile – NHP (Wrześniewski, 1997) mierzącego subiektywną
ocenę jakości Ŝycia (generic questionnaires). Polska adaptacja oparła się na trzech
niezaleŜnych tłumaczeniach, na podstawie których utworzono wspólną wersję. Badano
rzetelność (na drodze stabilności bezwzględnej), zgodność wewnętrzną (test α-Cronbacha),
trafność teoretyczną, trafność diagnostyczną i prognostyczną.
Kwestionariusz NHP stanowił jeden z bloków formularza zastosowanego w
„B adaniu gospodarstw domowych”, które zostało zrealizowane przez Instytut Badania
Opinii i Rynku Pentor w 2005 roku w ramach projektu Phare PL2002/000-580-01.04.02 na
ogólnopolskiej próbie 4017 osób i jest reprezentacyjne dla ludności powyŜej 18 roku Ŝycia.
Oprócz próby reprezentacyjnej dla Polski była skonstruowana druga reprezentacyjna próba
dla osób z wyŜszym wykształceniem. Kwestionariusz składa się z 38 pytań.
Warto zaznaczyć, Ŝe do tej pory w Polsce nie było realizowanych badań jakości Ŝycia
warunkowanej zdrowiem, których wyniki moŜna odnosić do całej populacji.
Osoba badana ustosunkowywała się do kaŜdego ze stwierdzeń, określając ich
trafność poprzez odpowiedź ‘tak’ lub ‘nie:
83
Pytanie nr Problemy w Ŝyciu codziennym Pytanie nr Problemy w Ŝyciu codziennym
1 Wszystko mnie przygnębia 20 Budzę się bardzo wcześnie rano 2 Zapomniałem(am) juŜ, co to
przyjemność 21 Mam bóle w nocy
3 Jestem rozdraŜniony(a) 22 Zmiana pozycji sprawia mi ból 4 Czas mi się dłuŜy 23 Mam trudności z chodzeniem po
schodkach 5 Ostatnio łatwo wpadam w złość 24 Nie mogę długo zasnąć w nocy 6 Czuję, jakbym tracił(a) nad sobą
kontrolę 25 Odczuwam ból, kiedy stoję
7 Zmartwienia nie pozwalają mi w nocy spać
26 Źle sypiam w nocy
8 Czuję, Ŝe nie warto Ŝyć 27 Jestem stale zmęczony(a) 9 Budzę się w złym nastroju 28 Czuję ból, gdy siedzę 10 Odczuwam ból kiedy chodzę 29 Mogę chodzić tylko po domu 11 Wszystko robię z wysiłkiem 30 Trudno jest mi po coś sięgnąć 12 Szybko tracę siły 31 Odczuwam ból, gdy chodzę po
schodach 13 Mam nieznośne bóle 32 Biorę tabletki, Ŝeby zasnąć 14 Trudno mi się schylać 33 Trudno mi jest ubierać się
samodzielnie 15 Nie mogę w ogóle chodzić 34 Trudno jest mi się z ludźmi dogadać 16 Trudno mi długo stać (np. w kuchni,
przy zlewie lub kiedy czekam na autobus)
35 Potrzebuję pomocy przy chodzeniu poza domem (np. muszę uŜywać laski lub na kimś się wesprzeć)
17 Mam ciągłe bóle 36 Długo nie mogę zasnąć 18 Czuję się osamotniony(a) 37 Trudno mi jest nawiązywać kontakt
z ludźmi 19 Czuję, Ŝe nie mam nikogo bliskiego 38 Czuję, Ŝe jestem dla innych
cięŜarem
W oparciu o odpowiedzi na pytania (od 1 do 38) wyznaczono zmienne syntetyczne
pozwalające na ocenę stanu zdrowia w sześciu wymiarach:
• energii Ŝyciowej (energy) (3 pyt.)
• bólu (pain) (8 pytań)
• reakcji emocjonalnych (emotional reactions)- (9 pytań)
• zaburzeń snu (sleep), (5 pytań)
• wyobcowania społecznego/ samtności (social isolation) (5 pytań)
• ograniczeń ruchowych (physical mobility) (8 pytań).
Konstrukcja zmiennych syntetycznych oparta jest o opracowane przez grupę
ekspertów europejskich (The European Group for Quality of Life and Health
Measurement) wagi dla kaŜdego z pytań (European Guide to the NHP, 1989). Wynik
liczony był jako suma uzyskanych razem punktów dla kaŜdego z wymiarów (minimum=0,
maximum=100). Wysokie wyniki świadczą o większym natęŜeniu występujących
84
problemów, a więc niskiej jakości Ŝycia w danym wymiarze i odwrotnie, im niŜsze wyniki
liczbowe tym wyŜsza jakość Ŝycia.
Kwestionariusz NHP pozwala na analizę wpływu stanu zdrowia w poszczególnych
wymiarach na róŜne sfery Ŝycia codziennego człowieka, które obejmowały: pracę
zawodową, prace domowe, Ŝycie towarzyskie i rodzinne, Ŝycie seksualne, zainteresowania
oraz czas wolny.
Podstawą tej oceny było pytanie:
Proszę zastanowić się nad tym, czy problemy ze zdrowiem wpływają na Pana(i) aktywność
w takich dziedzinach Ŝycia jak:
• Prace domowe (np. sprzątanie, gotowanie, naprawy, inne prace wokół domu)
• śycie towarzyskie (np. spotkania ze znajomymi, pójście do kawiarni)
• Praca zarobkowa
• Zainteresowania i hobby (np. sport, sztuka, robótki ręczne, majsterkowanie)
• śycie rodzinne (np. kontakty z domownikami)
• Czas wolny (np. letnie i zimowe wakacje, weekendy poza domem)
• śycie seksualne.
Wybrane wstępne wyniki badania
Poziom jakości Ŝycia, której wskaźnikiem był wynik uzyskany dla kaŜdego z
wymiarów, analizowano odrębnie dla męŜczyzn i kobiet, a takŜe w zaleŜności od wieku,
poziomu wykształcenia (wyŜsze i pozostałe) oraz sytuacji dochodowej.
Ocena jakości Ŝycia według płci i wieku
Uzyskane wyniki jakości Ŝycia są zróŜnicowane dla poszczególnych wymiarów;
najwyŜsze wartości, a więc najgorsze wyniki uzyskano dla takich sfer jak energia Ŝyciowa
i trudności ze snem, a najlepsze dla w obszarze poczucia wyobcowania społecznego i
trudności ruchowych.
Wyniki analizy w postaci wartości średnich w danej grupie dla kaŜdego z sześciu
wymiarów jakości Ŝycia przedstawione zostały w tablicy (tabl.1) oraz na wykresach (rys.
1 i rys.2).
Porównanie wyników według płci wskazuje na wyŜszą jakość Ŝycia męŜczyzn niŜ
kobiet. Wykonana analiza wariancji potwierdziła istnienie istotnych statystycznie róŜnic
dla płci we wszystkich określonych w badaniu sferach jakości Ŝycia (P=0,001).
85
Najmniejsze absolutne róŜnice obserwowane są w zakresie poczucia wyobcowania
społecznego, gdzie tylko w grupie osób starszych wyniki dla kobiet są gorsze niŜ dla
męŜczyzn.
Zdecydowane pogorszenie jakości Ŝycia następuje w grupie osób starszych w
wieku 65 lat i więcej, gdzie wartość średnia jest wielokrotnie wyŜsza niŜ w pozostałych
grupach wieku.
Tablica1. Jakość Ŝycia warunkowana zdrowiem w poszczególnych sferach
(Zakres wartości dla kaŜdego z wymiarów od 0 do 100)
Płeć Wiek Ból Wyobcowanie społeczne
Energia Ŝyciowa
Emocjonal-ność
Trudności ruchowe
Zaburzenia snu
MęŜczyźni 18-24 1,25 3,19 3,79 5,60 1,05 6,50 25-44 5,20 3,71 8,48 7,29 2,95 9,09 45-64 13,10 7,32 17,97 14,31 8,12 20,33 65 + 32,00 13,07 45,14 21,34 25,32 38,23 Ogółem 11,34 6,30 16,51 11,61 7,78 17,00
Kobiety 18-24 1,93 2,98 4,86 6,10 1,29 8,06 25-44 4,57 4,90 10,75 10,58 2,87 11,09 45-64 17,02 7,85 21,33 15,48 10,37 23,89 65 + 45,14 20,55 58,92 26,42 36,94 47,66 Ogółem 17,47 9,13 24,29 15,17 12,79 23,16
Ogółem 18-24 1,59 3,08 4,32 5,85 1,17 7,27 25-44 4,88 4,32 9,65 8,98 2,91 10,12 45-64 15,12 7,59 19,70 14,92 9,28 22,17 65 + 40,41 17,86 53,96 24,59 32,76 44,26 Ogółem 14,63 7,82 20,68 13,52 10,47 20,30
Rysunek 1. Jakość Ŝycia warunkowana zdrowiem według płci i wieku
0
10
20
30
40
50
60
Ból Samotno ść EnergiaŜyciowa
Emocjonalno ść Trudno ściruchowe
Trudno ści zesnem
MęŜczyźni
18-24
25-44
45-64
65 +
Total
86
0
10
20
30
40
50
60
Ból Samotno ść EnergiaŜyciowa
Emocjonalno ść Trudno ściruchowe
Trudno ści zesnem
Kobiety
18-24
25-44
45-64
65 +
Total
Rysunek 2. Jakość Ŝycia męŜczyzn i kobiet w wybranych obszarach według wieku
0
10
20
30
40
50
60
Energia zyciowa
męŜczyźni
kobiety
męŜczyźni 3,85 8,72 18,65 46,07 17,05
kobiety 4,87 11,41 22,06 59,25 25,32
18-24 25-44 45-64 65 + Total
0
10
20
30
40
50
Reakcje emocjonalne
męŜczyźni
kobiety
męŜczyźni 5,68 7,58 14,57 21,74 11,90
kobiety 6,15 11,17 15,76 26,58 15,65
18-24 25-44 45-64 65 + Total
0
10
20
30
40
50
Ograniczenia ruchu
męŜczyźni
kobiety
męŜczyźni 3,08 5,26 8,12 20,69 9,54
kobiety 1,06 3,09 8,35 25,65 8,00
18-24 25-44 45-64 65 + Total
87
Dziedziny Ŝycia codziennego, na które wpływa stan zdrowia
Potwierdzeniem występującego powiązanie jakości Ŝycia warunkowanej zdrowiem
z funkcjonowaniem w Ŝyciu codziennym są wyniki przedstawione w tablicy 2 i na
wykresie 3.
Niedomagania w zdrowiu, które ujawniają się w róŜnych trudnościach (np. ze
snem) i ograniczeniach (np. ruchowych) oraz brakach (np. chęci do Ŝycia) przekładają się
na konkretne problemy w funkcjonowaniu w Ŝyciu codziennym i pełnieniu ról rodzinnych,
społecznych i zawodowych.
Problemy te dotyczą zarówno męŜczyzn jak i kobiet. RóŜnice w uzyskanych
wynikach dla płci wskazują na większy udział wśród męŜczyzn trudności w wykonywaniu
pracy zawodowej, podczas gdy dla kobiet częściej problemy ze zdrowiem powodowały
trudności w wykonywaniu prac domowych. Szczególnie często na ten wymiar prac
codziennych wskazują kobiety w wieku emerytalnym. W pozostałych dziedzinach Ŝycia
wyniki dla płci były zbliŜone.
Tablica 2. Wpływ HRQL na dziedziny Ŝycia codziennego według płci i wieku (%
odpowiedzi 'tak')
Wiek MęŜczyźni 18-24 25-44 45-64 65 +
Ogółem
Praca zarobkowa 13,2 20,5 24,2 - 20,8 Prace domowe (np. sprzątanie, gotowanie, naprawy, inne prace w domu)
11,0 14,4 21,0 15,5 16,4
śycie towarzyskie (np. spotkania ze znajomymi, pójście do kawiarni)
13,2 16,2 17,8 30,8 18,4
śycie rodzinne (np. kontakty z domownikami) 10,5 12,9 15,8 25,4 15,4
śycie seksualne 10,5 13,3 15,5 28,8 15,9 Zainteresowania i hobby (np. sport, sztuka, robótki ręczne, majsterkowanie
12,4 14,5 16,2 30,4 17,1
Czas wolny (np. letnie i zimowe wakacje, weekendy poza domem
9,3 13,1 12,7 24,6 14,0
Wiek Kobiety 18-24 25-44 45-64 65 +
Ogółem
Praca zarobkowa 11,0 14,4 21,0 - 16,4 Prace domowe (np. sprzątanie, gotowanie, naprawy, inne prace wokół domu)
12,6 16,8 32,2 63,6 31,8
śycie towarzyskie (np. spotkania ze znajomymi, pójście do kawiarni)
11,8 10,7 17,4 36,9 18,9
śycie rodzinne (np. kontakty z domownikami) 13,0 13,2 17,2 24,2 17,0
śycie seksualne 8,3 13,0 16,4 20,7 15,2 Zainteresowania i hobby (np. sport, sztuka, robótki ręczne, majsterkowanie
13,4 10,0 16,3 30,0 17,0
Czas wolny (np. letnie i zimowe wakacje, weekendy poza domem
13,4 11,5 17,2 28,9 17,5
Uwagi: (-) ze względu na małą liczbę osób pracujących zawodowo w tej grupie wieku wymiar ten nie był
analizowany
88
Rysunek 3. Wpływ HRQL na dziedziny Ŝycia codziennego według płci i wieku
0 10 20 30 40
Praca zarobkowa
Prace domowe
śycie towarzyskie
śycie rodzinne
śycie seksualne
Zainteresowania i hobby
Czas wolny
MęŜczy źni
65 +
45-64
25-44
18-24
0 10 20 30 40
Praca zarobkowa
Prace domowe
śycie towarzyskie
śycie rodzinne
śycie seksualne
Zainteresowania i hobby
Czas wolny
Kobiety
65 +
45-64
25-44
18-24
Wykształcenie wyŜsze – znaczenie dla jakości Ŝycia
Osoby z wykształceniem wyŜszym charakteryzują się wyŜszą jakością Ŝycia
uwarunkowaną stanem zdrowia niŜ osoby z niŜszym poziomem wykształcenia. Dla
wszystkich objętych analizą wymiarów jakości Ŝycia wyniki w grupie osób z
wykształceniem wyŜszym są korzystniejsze (średnie są dwu- lub- trzykrotnie niŜsze) niŜ
dla osób pozostałych (tabl. 3).
Dla częściowego wyeliminowania róŜnic spowodowanych róŜnicami w strukturze
wieku osób z wykształceniem wyŜszym oraz pozostałych analizy były prowadzone
odrębnie w grupach wieku.
89
Największe róŜnice wystąpiły w takich obszarach jak energia Ŝyciowa, ból i
trudności ruchowe oraz trudności ze snem. Widoczny jest takŜe pozytywny związek
wyŜszego poziomu wykształcenia z emocjonalnością. Najmniejsze absolutne róŜnice
dotyczą obszaru izolacji społecznej, szczególnie wśród męŜczyzn.
NaleŜy zaznaczyć, iŜ niŜsza jakość Ŝycia wynikająca z np. odczuwania bólu i
trudności ruchowych wśród osób z niŜszym poziomem wykształcenia moŜe być efektem
trudności w dostępie do wykształcenia wyŜszego osób przewlekle chorych i
niepełnosprawnych. W analizie róŜnic w stanie zdrowia naleŜy więc pamiętać o
selektywności tego czynnika, jakim jest poziom wykształcenia. Z drugiej strony posiadanie
wyŜszego poziomu wykształcenia moŜe istotnie wpływać na wiele sfer Ŝycia i
funkcjonowanie człowieka w wymiarach składających się na szeroko definiowaną jakość
Ŝycia warunkowaną zdrowiem. Dotyczy to nie tylko lepszych warunków pracy czy
mniejszego obciąŜenia fizycznego, ale takŜe lepszego samopoczucia, pewności, oczekiwań
co do przyszłości i innych.
Widoczne jest takŜe zróŜnicowanie wyników związanych z wiekiem respondentów.
Zwraca uwagę mniejsza dyspersja wyników pomiędzy grupami wieku wśród osób z
wyŜszym wykształceniem niŜ dla pozostałych (rys.4).
Tablica 3. Jakość Ŝycia warunkowana zdrowiem według wykształcenia, wieku i płci
(Zakres wartości dla kaŜdego z wymiarów od 0 do 100)
Poziom wykształcenia
Wiek Płeć Ból Samotność Energia Ŝyciowa
Emocjonal -ność
Trudności ruchowe
Trudności ze snem
MęŜczyzni 1,73 4,11 5,58 4,66 1,29 7,10 25-44 Kobiety 1,89 2,42 5,95 6,36 1,31 6,76
Ogółem 1,82 3,08 5,80 5,70 1,30 6,89 MęŜczyzni 6,84 6,85 7,08 9,63 5,37 11,53 45-64 Kobiety 6,91 4,52 9,80 9,55 4,81 14,04
Ogółem 6,88 5,56 8,59 9,59 5,06 12,92 MęŜczyzni 14,78 5,09 10,05 7,97 8,90 17,06
wyŜsze
65 + Kobiety 24,51 14,67 36,62 12,00 20,99 27,77
Ogółem 20,07 10,30 24,48 10,16 15,47 22,88 MęŜczyzni 5,86 3,77 9,00 7,93 3,26 9,62 25-44 Kobiety 5,53 5,55 12,30 11,83 3,46 12,49
Ogółem 5,70 4,65 10,63 9,85 3,36 11,04 MęŜczyzni 14,01 7,32 19,36 14,75 8,62 21,30 45-64 Kobiety 18,25 8,48 22,90 16,13 11,06 25,16
Ogółem 16,18 7,91 21,17 15,45 9,87 23,28 MęŜczyzni 32,96 13,56 47,14 22,19 26,02 39,24
pozostałe
65 + Kobiety 45,79 20,84 59,60 26,76 37,43 48,24
Ogółem 41,31 18,30 55,25 25,16 33,45 45,09
90
Wśród osób starszych z wykształceniem wyŜszym pogorszenie jakości Ŝycia nie
następuje tak dramatycznie jak wśród osób z niŜszym poziomem wykształcenia. MoŜna
zaryzykować stwierdzenie, Ŝe wyŜszy poziom wykształcenia przedłuŜa czas dobrej jakości
Ŝycia poza wiek aktywności zawodowej.
Rysunek 4. Jakość Ŝycia według wieku i wykształcenia
0
10
20
30
40
50
60
Ból
Samotność
Ener
gia Ŝ
ycio
wa
Emoc
jonaln
ość
Trud
nośc
i ruc
how
e
Trud
nośc
i ze s
nem
25-44_wyŜsze
25-44_pozostałe
45-64_wyŜsze
45-64_pozostałe
65+_wyŜsze
65+_ pozostałe
Sytuacja dochodowa – znaczenie dla jakości Ŝycia
Do określenia sytuacji dochodowej wykorzystano pytanie:
Czy zdarzyło się w ciągu ostatnich 12 miesięcy, Ŝe:
• nie starczało pieniędzy na zakup Ŝywności lub ubrania
• na pokrycie wydatków związanych z leczeniem i opieką lekarską
• kosztów kształcenia osób w Pana(-i) gospodarstwie domowym
• świadczeń mieszkaniowych.
Osoby, które na wszystkie pytania udzieliły odpowiedzi negatywnej zostały
zakwalifikowane do grupy o wystarczających dochodach, pozostali do grupy o dochodach
niewystarczających (zabrakło pieniędzy).
Wyniki uzyskane dla tego czynnika potwierdzają obiegową opinie, Ŝe ‘bogatym Ŝyje
się lepiej’. Jakość Ŝycia związana ze zdrowiem - dla wszystkich analizowanych wymiarów
- osób, które nie mają większych problemów finansowych jest wyŜsza niŜ tych, którzy
mają kłopoty z pokryciem podstawowych wydatków. Średnie wartości, zarówno dla
91
kobiet jak i męŜczyzn, są dwukrotnie gorsze dla osób, które wskazały na niewystarczające
dochody.
NajniŜszą jakość Ŝycia i jednocześnie największe róŜnice odnotować naleŜy w takich
wymiarach, jak energia Ŝyciowa i trudności ze snem. Problemy finansowe mogą więc
spędzać sen z powiem i odbierać chęć do Ŝycia. Najmniejsze róŜnice, podobnie jak w
przypadku wykształcenia, występują na poziomie bliŜszych relacji z innymi.
Doświadczenie i odczuwanie samotności w niewielkim stopniu jest związane z sytuacją
dochodową.
Tablica 4. Jakość Ŝycia warunkowana zdrowiem według sytuacji dochodowej i płci
(Zakres wartości dla kaŜdego z wymiarów od 0 do 100)
Płeć Ból Samotność Energia Ŝyciowa
Emocjonalność Trudności ruchowe
Trudności ze snem
MęŜczyźni 16,13 8,83 22,08 16,83 10,71 22,39
Kobiety 23,81 12,81 32,63 21,01 17,16 29,79
Zabrakło pieniędzy
Total 20,46 11,07 28,03 19,18 14,35 26,56
MęŜczyźni 7,83 4,45 12,35 7,74 5,59 12,86 Kobiety 11,81 6,09 16,95 9,77 8,97 17,21
Dochody wystarczające
Total 9,88 5,29 14,72 8,79 7,33 15,10
Rysunek 5. Jakość Ŝycia według sytuacji dochodowej i płci
0
5
10
15
20
25
30
35
Ból
Samotn
ość
Energia
Ŝyc
iowa
Emocjon
alno ść
Trudn
o ści
ruch
owe
Trudnośc
i ze sn
em
Zabrakło pieni ędzy_Men
Dochody wystarczaj ące_Men
Zabrakło pieni ędzy_Kob
Dochody wystarczaj ące_Kob
Zakończenie
Uzyskane wstępne wyniki na podstawie badania jakości Ŝycia uwarunkowanej
stanem zdrowia potwierdzają złoŜoność analizowanego zagadnienia i jego uwarunkowanie
róŜnymi czynnikami demograficznymi i społecznymi w populacji osób dorosłych w
92
Polsce. Potwierdzają takŜe uŜyteczność zastosowanego kwestionariusza ogólnego NHP
(The Nottingham Health Profil) do tego typu badania.
Prace analityczne mające na celu pogłębienie i poszerzenie przedstawionych
wyników i analizowanych zaleŜności nie zostały jeszcze zakończone i będą kontynuowane
w przyszłości.
Bibliografia
Dziurowicz-Kozłowska, A. (2002). Wokół pojęcia jakości Ŝycia. Psychologia jakości Ŝycia, t.1, 2,77-99.
European Guide to the Nottingham Health Profile (1989). The European Group Quality of Life and Health Measurement, English Guide, Manual
Kowalik, S., Rotajska, A., Szmaus, A. (2001). W poszukiwaniu nowego wymiaru jakości Ŝycia związanego ze stanem zdrowia. W: L. Wołowicka (red.), Jakość Ŝycia w naukach medycznych. Quality of life in medical sciences. Poznań: Wyd. Akademii Medycznej w Poznaniu
McDowell, I., Newell, C. (1996). Measuring health. A guide to rating scales and questionnaires. New York, Oxford: Oxford University Press
Orley, J. (1994). The World Health Organization (WHO) quality of life project. W: M. R. Trimble, W. E. Dodson (Eds.), Epilepsy and quality of life, pp. 99-133. New York: Raven Press
WHO (1946). Preamble to the Constitution of the World Health Organization as adopted by the International Health Conference, New York, 19-22 June, 1946; signed on 22 July 1946 by the representatives of 61 States (Official Records of the World Health Organization, no. 2, p. 100) and entered into force on 7 April 1948
Wołowicka, L. (2001). Przegląd badań nad jakością Ŝycia chorych po intensywnej terapii dorosłych. W: L. Wołowicka (red.), Jakość Ŝycia w naukach medycznych. Quality of life in medical sciences. Poznań: Wyd. Akademii Medycznej w Poznaniu
Wróblewski, Ł. (2004). Represyjny styl radzenia sobie ze stresem a jakość Ŝycia u osób po zawale serca. Praca magisterska, Uniwersytet Warszawski, Wydział Psychologii (niepublikowana)
Wrześniewski, K. (1997). Badanie subiektywnego stanu zdrowia za pomocą polskiej adaptacji the Nottingham Health Profile. W: J. B. Karski, H. Kirschner, J. Leowski (red.), Współczesne potrzeby i moŜliwości pomiaru zdrowia. Warszawa: Wyd. Ignis
93
Monika Przygalińska
Klasyfikacja województw ze względu na struktur ę ludności migruj ącej w
Polsce w latach 1998-2004
Wprowadzenie
Z zagadnieniem klasyfikacji mamy do czynienia zarówno w Ŝyciu codziennym, jak
i w wielu dyscyplinach naukowych. W literaturze często wykorzystywany jest termin, pod
którym występuje pojęcie właściwe „klasyfikacja”, a mianowicie „taksonomia”. Termin
„taksonomia” pochodzi od greckich słów: taksis (porządek) oraz nomos (prawo, zasada) –
co oznacza dziedzinę wiedzy o zasadach porządkowania. Taksonomia jest terminem
uŜywanym zamiennie z systematyką w naukach biologicznych, a obecnie równieŜ
wykorzystywanym w psychologii, socjologii, dydaktyce itd. Antropolog J. Czekanowski
wprowadził do niej na początku XX wieku metody ilościowe, tj. miarę podobieństwa
opartą na odległości oraz diagraficzną metodę porządkowania macierzy podobieństwa
obiektów. Obecnie taksonomia oparta jest na metodach ilościowych i określana jest jako
„taksonomia numeryczna”35.
Procedura klasyfikacji składa się z następujących etapów:
• określenie podstawowej jednostki badawczej (zbioru obiektów),
• dobór cech pod względem ich reprezentatywności związanej z celem badania oraz
poprawności statystycznej;
• przygotowanie macierzy obserwacji;
• wyznaczanie miar podobieństwa (macierz odległości);
• wybór metody klasyfikacji.
Chodzi o taki podział, aby róŜnice pomiędzy obiektami wchodzącymi w skład
jednego podzbioru były jak najmniejsze, natomiast róŜnice pomiędzy obiektami
naleŜącymi do róŜnych podzbiorów - jak największe36.
Celem niniejszego opracowania jest taksonometryczna analiza przestrzennego
zróŜnicowania struktury ludności migrującej w Polsce według dostępnych cech społeczno-
demograficznych w latach 1998-2004. Wyodrębnianie grup województw o podobnym
35 Por. E. Nowak: Metody klasyfikacji w badaniach geograficznych (analiza porównanwcza), Bogucki Wydawnictwo Naukowe, Kielce-Poznań 2004, s. 10-11. 36 J. J. Parysek: Modele klasyfikacji geografii, Seria Geografia nr 31, Wydawnictwo Naukowe UAM, Poznań 1982, s. 45.
94
poziomie struktury ludności migrującej moŜe być prowadzone róŜnymi metodami. W
pracy wykorzystano hierarchiczną metodę aglomeracyjną Warda. Z przeprowadzonych
badań wynika, Ŝe jest to najbardziej efektywna metoda37. Wśród metod aglomeracyjnych
najmniejszy błąd w identyfikacji połączeń otrzymano w metodzie Warda. Wynosi on około
10%38. Klasyfikacja obejmuje cztery podstawowe kierunki ruchu wędrówkowego: napływ
do miast i napływ na wieś oraz odpływ z miast i odpływ ze wsi zarówno dla męŜczyzn, jak
i dla kobiet. Oprócz podziału waŜna jest równieŜ w postępowaniu badawczym analiza
struktury kaŜdego z wyodrębnionych skupień.
Opis metodologii badania struktury
Pierwszym etapem procedury jest utworzenie macierzy danych przestrzennych.
Przyjmujemy zespół P cech charakteryzujących strukturę społeczno-demograficzną
ludności migrującej w latach 1998-2004 w przekroju L województw. KaŜda z cech ma Kp
(p = 1, 2, 3, ... , P) kategorii, których łączna liczba wynosi K1 + K2 + K3 + ...+ Kp = K.
Wartości wszystkich rozpatrywanych K kategorii w L województwach tworzą zbiór
danych pierwotnych o badanych strukturach. Zestawione w (L*K)-wymiarową macierz
danych ΧΧΧΧ stanowią punkt wyjścia analizy taksonometrycznej.
Drugi etap to wyznaczenie miary podobieństwa, która stanowi kryterium podziału
zbioru obiektów na podzbiory obiektów podobnych w ramach tej samej klasy i
odmiennych w ramach róŜnych klas. W oparciu o macierz ΧΧΧΧ wyznacza się macierz
odległości D. Przy wyznaczaniu elementów macierzy D mogą być stosowane róŜne
metryki odległości między obiektami39. W niniejszej pracy zastosowano odległość miejską
między dwoma obiektami. Ta odległość jest po prostu przeciętną róŜnicą mierzoną wzdłuŜ
wymiarów. W większości przypadków ta miara odległości daje podobne wyniki, jak
zwykła odległość euklidesowa. ZauwaŜmy jednakŜe, Ŝe w przypadku tej miary, wpływ
pojedynczych duŜych róŜnic (przypadków odstających) jest stłumiony (poniewaŜ nie
podnosi się ich do kwadratu). Odległość miejską oblicza się następująco:
jk
p
jjiki
xxd,
1,,
−= ∑=
gdzie:
37 A. Sokołowski: Empiryczne testy istotności w taksonomii, AE w Krakowie, ZN, Seria specjalna: Monografie nr 108, Kraków 1992, s. 24. 38 T. Grabiński, A. Sokołowski: The Effectiveness of Some Signal Identification Procedures. Signal Processing: Theories and Applications, Amsterdam 1980. 39 Por. Statystyczne metody analizy danych, pod red. W. Ostasiewicza, Wydawnictwo AE we Wrocławiu, Wrocław 1998, s. 40-41 i Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, pod red. naukową A. Zeliasia, PWN, Warszawa 1989, s. 19-21.
95
dik – odległość między i-tym i k-tym obiektem;
xij – wartość j-tej zmiennej dla i-tego obiektu;
xkj – wartość j-tej zmiennej dla k-tego obiektu;
Trzeci etap to klasyfikacja jednostek – województw. Jej celem jest wyodrębnienie
klas województw jednorodnych ze względu na strukturę społeczno-demograficzną
ludności migrującej w latach 1998-2004, według podstawowych kierunków ruchu
wędrówkowego. Macierz D jest podstawą tworzenia skupień. Do podziału zbioru
województw wybrano hierarchiczną metodę aglomeracyjną Warda. Jest to metoda
minimalnej wariancji, w której połączenia skupień dokonuje się wtedy, gdy zapewniają
minimum sumy kwadratów odchyleń wszystkich elementów od środka cięŜkości skupień,
do których naleŜą. Kryterium łączenia skupień (E.S.S.) określone jest następująco:
( )2
11
2 1... ∑∑
==−=
m
ii
m
ii
xm
xSSE
gdzie: xi – odchylenie i-tego punktu (i = 1, 2, 3, ... , m) od środka cięŜkości x;
Dysponując macierzą odległości, moŜna przejść do etapu grupowania województw
w skupienia (klasy). Algorytm minimalnej wariancji (Warda) przebiega następująco:
• wyszukanie w macierzy odległości najbliŜszej sobie pary skupień,
• połączenie skupień w jedno nowe, zaglomerowane skupienie,
• zmiana macierzy D , uwzględniająca fakt powstania nowego skupienia (zmiany tej
naleŜy dokonać, zastępując wiersz i kolumnę w macierzy odległości nowymi
odległościami pomiędzy powstałym w kroku drugim skupieniem „nowym” a
wszystkimi pozostałymi skupieniami, następnie skreślając wiersz oraz kolumnę).
W kroku trzecim dokonywana jest redukcja macierzy odległości o jeden wymiar.
Prowadząc powyŜszą procedurę, naleŜy wykonywać sekwencyjnie pętlę: krok jeden, dwa i
trzy, do momentu, w którym w macierzy D występować będzie tylko jedna wartość
charakteryzująca odległość między skupieniami40.
Metoda Warda dokonuje grupowania obiektów w oparciu o następujące kryteria:
kaŜdy obiekt traktowany jest jako jednoelementowe skupienie, wariancja takiego skupienia
wynosi zero, przyrost wariancji związany jest z połączeniem dwóch skupień niŜszego
rzędu w skupienie zaglomerowane, obiekty łączone są ze sobą w kolejne skupienia na
podstawie wartości odległości. Im bardziej są obiekty do siebie podobne, tym wcześniej są
łączone. Graficzne przedstawienie wyników podziału następuje w postaci tzw.
96
dendrogramu (drzewko połączeń), który ilustruje kolejne połączenia skupień coraz to
wyŜszego rzędu.
W postępowaniu badawczym waŜnym zadaniem jest równieŜ analiza struktury
kaŜdego z wyodrębnionych skupień według kierunków ruchu wędrówkowego, zarówno
dla męŜczyzn, jak i dla kobiet. Do przeprowadzenia tego zadania wykorzystano metodę
średnich arytmetycznych. Posługując się nią obliczono dla macierzy danych pierwotnych
średnie arytmetyczne dla kolejnych cech K ( K1 .... K17 ). Następnie obliczone zostały
średnie grupowe (Kn), tj. średnie cech dla wyróŜnionych klas przestrzennych.
Wskaźnikiem struktury kaŜdego skupienia są ilorazyK
Kn . Ilorazy większe od jedności
świadczą o dominacji określonej cechy w skupieniu.
Wyniki badań empirycznych
Empiryczną część pracy oparto na danych dostępnych, pochodzących z GUS,
dotyczących ludności migrującej w Polsce w latach 1998-2004 według cech społeczno-
demograficznych. Do cech demograficznych zaliczono: płeć, wiek, stan cywilny.
Natomiast do cech społecznych: wykształcenie. Wyszczególnione cechy utworzyły zespół
17 kategorii charakteryzujących strukturę ludności migrującej zarówno męŜczyzn, jak i
kobiet w latach 1998-2004:
• grupy wieku: K1 – liczba migrujących w wieku 0-4 lat, K2 – liczba migrujących w
wieku 5-14 lat, K3 – liczba migrujących w wieku 15-19 lat, K4 – liczba migrujących
w wieku
20-29 lat, K5 – liczba migrujących w wieku 30-44 lat, K6 – liczba migrujących w
wieku 45-59 lat, K7 – liczba migrujących w wieku 60 lat i więcej;
• stan cywilny: K8 – liczba migrujących kawalerów (panien), K9 – liczba
migrujących Ŝonatych (zamęŜnych), K10 – liczba migrujących wdowców (wdów),
K11 – liczba migrujących rozwiedzionych;
• poziom wykształcenia: K12 – liczba migrujących z wykształceniem wyŜszym, K13
– liczba migrujących z wykształceniem policealnym, K14 – liczba migrujących z
wykształceniem średnim, K15 – liczba migrujących z wykształceniem zasadniczym
zawodowym, K16 – liczba migrujących z wykształceniem podstawowym, K17 –
liczba migrujących z wykształceniem niepełnym podstawowym.
40 Por. Taksonomiczna analiza przestrzennego zróŜnicowania poziomu Ŝycia w Polsce w ujęciu
97
Liczebności rozpatrywanych K=17 kategorii dla N = 16 województw zestawiono
w tablicę danych pierwotnych składająca się z 16 wierszy i 17 kolumn. Tablica ta
stanowiła punkt wyjścia taksonometrycznej analizy struktury zarówno migrujących
męŜczyzn, jak i kobiet według wybranych kategorii społeczno-demograficznych.
Następnie z utworzonej macierzy danych pierwotnych obliczono odległości miejskie,
zwane Manhattan pomiędzy parami województw. Odległości te zestawiono w macierze
kwadratowe o liczbie kolumn równej liczbie wierszy równej liczbie województw.
Macierze te są symetryczne, co wynika z aksjomatu symetrii. Na głównej przekątnej takiej
macierzy znajdują się zera. Jest to aksjomat zwrotności. PowyŜszą analizę przeprowadzono
dla czterech podstawowych kierunków ruchu wędrówkowego zarówno dla męŜczyzn, jak i
kobiet: napływ do miast i napływ na wieś oraz odpływ z miast i odpływ ze wsi.
Macierze kwadratowe są podstawą tworzenia skupień. Przeprowadzając
klasyfikację województw metodą Warda w latach 1998-2004, starano się utworzyć
identyczną liczbę klas (grup) zarówno dla męŜczyzn, jak i dla kobiet we wszystkich
analizowanych kierunkach ruchu wędrówkowego. W wyniku analizy wyodrębniono dla
męŜczyzn, jak i dla kobiet w napływie do miast i na wieś oraz w odpływie z miast i ze wsi
sześć typologicznych grup województw (por. tablica 1 i rys. 1-8).
Na podstawie przeprowadzonej analizy wyodrębniono dwie identyczne grupy
województw, tj. klasa V i VI, pod względem struktury społeczno-demograficznej ludności
migrującej w napływie do miast, zarówno u męŜczyzn, jak i u kobiet. Grupę V tworzą trzy
województwa: śląskie, opolskie i lubuskie. W utworzonej grupie województw, analizując
napływ do miast kobiet, najistotniejszą okazała się zmienna K15, czyli liczba migrujących
kobiet z wykształceniem zasadniczym zawodowym, K11 – liczba migrujących
rozwiedzionych kobiet, K16 – liczba migrujących kobiet z wykształceniem niepełnym
podstawowym oraz K1 – liczba migrujących kobiet w wieku 0-4 lat i K3 – liczba
migrujących kobiet w wieku 15-19 lat. Wskaźniki te przyjęły wysokie wartości. Oscylują
one od 1,07 do 1,16. NajniŜsze wartości zaobserwowano wśród dwóch zmiennych: K12 –
liczba migrujących kobiet z wykształceniem wyŜszym i K5 – liczba migrujących kobiet w
wieku 30-44 lat. Zmienne wahają się od 0,80 do 0,92. W napływie do miast męŜczyzn,
dominującą cechą okazała się równieŜ zmienna K11, czyli liczba migrujących
rozwiedzionych męŜczyzn, K15 - liczba migrujących męŜczyzn z wykształceniem
zasadniczym zawodowym i K10 – liczba migrujących wdowców. Niewielkie wartości
dynamicznym, pod red. A. Zeliasia, Wydawnictwo AE w Krakowie, Kraków 2000, s. 157-158.
98
pojawiły się przy zmiennych K12 – liczba migrujących męŜczyzn z wykształceniem
wyŜszym, K13 – liczba migrujących męŜczyzn z wykształceniem policealnym i K7 – liczba
migrujących męŜczyzn w wieku 60 lat i więcej. W skupieniu tym znalazły się
województwa, w których dominuje głównie zatrudnienie w przemyśle i budownictwie.
Natomiast w klasie VI znalazły się województwa: zachodniopomorskie i dolnośląskie.
Dominującą cechą w napływie do miast zarówno dla męŜczyzn, jak i dla kobiet w
utworzonej grupie okazała się zmienna K11 – liczba migrujących rozwiedzionych
męŜczyzn, kobiet, K17 – liczba migrujących męŜczyzn, kobiet z wykształceniem niepełnym
podstawowym oraz K6 – liczba migrujących męŜczyzn, kobiet w wieku 45-59 lat. Oprócz
tego istotną cechą okazała się takŜe zmienna K10, czyli liczba migrujących kawalerów.
NajniŜszą wartość posiada zmienna K9, czyli liczba migrujących Ŝonatych i zamęŜnych.
Pozostałe cztery skupienia województw nie są identyczne, porównując napływ do miast
zarówno męŜczyzn, jak i kobiet (por. rys. 1 i 2).
Grupę I o podobnym poziomie struktury migrujących kobiet według cech
społeczno-demograficznych w napływie do miast tworzą województwa: mazowieckie i
małopolskie.
W utworzonej grupie województw najistotniejszą okazała się zmienna K12, czyli liczba
migrujących kobiet z wykształceniem wyŜszym, K5 – liczba migrujących kobiet w wieku
30-44 lat, K13 – liczba migrujących kobiet w wykształceniem policealnym. Wskaźniki te
przyjmują najwyŜsze wartości. Oscylują od 1,11 do 1,37. Natomiast najniŜsze wartości
zaobserwowano wśród trzech zmiennych: K16 – liczba migrujących kobiet z
wykształceniem podstawowym, K15 – liczba migrujących kobiet w wykształceniem
zasadniczym zawodowym i K17 – liczba migrujących kobiet w wykształceniem niepełnym
podstawowym. MoŜna zauwaŜyć, iŜ w powyŜszym skupieniu województw zasadniczą rolę
odgrywało wykształcenie migrujących kobiet. Analogicznie w napływie do miast
męŜczyzn, w grupie I dominującą cechą okazała się zmienna migrujących męŜczyzn z
wykształceniem wyŜszym, policealnym oraz migrujących męŜczyzn w wieku 30-44 lat.
Natomiast najniŜszą wartość, wynoszącą 0,67, zaobserwowano przy zmiennej K10, czyli
liczbie migrujących wdowców.
Grupę II w napływie do miast kobiet tworzą województwa: pomorskie i
podkarpackie, natomiast w napływie do miast męŜczyzn: pomorskie oraz małopolskie.
Dominującymi cechami zarówno dla męŜczyzn, jak i dla kobiet okazała się zmienna K12,
czyli liczba migrujących z wykształceniem wyŜszym oraz K5 – liczba migrujących w
wieku 30-44 lat. Przy czym zmienna K12 dla migrujących męŜczyzn jest 0,18 wyŜsza niŜ u
99
migrujących kobiet, natomiast zmienna K5 jest dla migrujących kobiet wyŜsza o 0,01 niŜ u
migrujących męŜczyzn. NajniŜsze wartości posiadają zarówno u męŜczyzn, jak i u kobiet
trzy zmienne: K10, K16, K17.
W trzeciej utworzonej grupie województw w napływie do miast, zarówno dla
męŜczyzn, jak i dla kobiet najistotniejszą okazała się zmienna K17, czyli liczba migrujących
męŜczyzn i kobiet z wykształceniem niepełnym podstawowym i K10 – liczba migrujących
wdowców i wdów. Wartości tych zmiennych dla napływających męŜczyzn do miast
wahały się od 1,04 do 1,13 a dla migrujących kobiet od 1,04 do 1,18. W analizowanej
grupie dominującą cechą, ale tylko w napływie do miast męŜczyzn, okazała się zmienna
K16, czyli liczba migrujących męŜczyzn z wykształceniem podstawowym oraz K7 – liczba
migrujących męŜczyzn w wieku 60 lat i więcej. Natomiast dla napływających kobiet do
miast zmienna K4, czyli liczba migrujących kobiet w wieku 20-29 lat.
Grupę IV tworzą inne województwa w napływie do miast męŜczyzn i inne
województwa w napływie do miast kobiet (por. tabl. 1). Dominującymi cechami dla
napływających męŜczyzn okazały się dwie zmienne: K9 – liczba migrujących Ŝonatych i
K15 – liczba migrujących męŜczyzn z wykształceniem zasadniczym zawodowym.
Natomiast dla napływających kobiet trzy zmienne: K7 – liczba migrujących kobiet w
wieku 60 lat i więcej, K16 - liczba migrujących kobiet z wykształceniem podstawowym
oraz K10 – liczba migrujących wdów. NajwyŜszą wartość w napływie do miast męŜczyzn
zaobserwowano przy zmiennej K9 a najniŜszą przy zmiennej K11. Analogicznie dla
napływających kobiet: najwyŜszą wartość posiada zmienna K10 a najniŜszą K12.
W toku dalszej analizy zaobserwowano, iŜ w napływie na wieś, województwa nie
utworzyły Ŝadnej identycznej grupy porównując migrujących męŜczyzn z migrującymi
kobietami. W grupie I w napływie na wieś, zarówno u męŜczyzn, jak i u kobiet znajduje
się województwo łódzkie i świętokrzyskie, przy czym nie są to jedyne województwa w tej
grupie u męŜczyzn (por. rys. 3 i 4). W utworzonej grupie województw dominującymi
cechami okazała się zmienna K14, czyli liczba migrujących z wykształceniem średnim, K3 i
4 – liczba migrujących w wieku 15-29 lat, K9 – liczba migrujących Ŝonatych i zamęŜnych.
Najmniejszą wartość, wynoszącą 0,93, stwierdzono przy zmiennej K5 zarówno dla
napływających męŜczyzn, jak i kobiet. W napływie na wieś, tylko dla męŜczyzn,
najistotniejszą okazała się zmienna K7 i K16, natomiast dla kobiet K13. Wskaźniki były o
0,06 wyŜsze u męŜczyzn niŜ u kobiet.
Grupę II w napływie na wieś męŜczyzn utworzyło województwo śląskie.
NajwyŜsze wartości wskaźników zaobserwowano wśród trzech zmiennych: K15, K9 i K4.
100
Oscylują one od 1,09 do 1,13. Natomiast najniŜsze wartości wśród zmiennych: K11, K16 i
K10, które wahają się w granicach 0,76-0,78. WyŜej wymienioną grupę w napływie na wieś
kobiet, utworzyło województwo podlaskie i lubelskie. W utworzonej grupie województw,
najistotniejszą okazała się zmienna K17, K10 i K7. Wskaźniki tych zmiennych oscylują od
1,21 do 1,42. Natomiast najniŜsze wartości stwierdzono przy zmiennych: K11 K15, K9, K6 i
K5. Wahają się one w granicach 0,85-0,92.
W grupie III utworzonej z pięciu województw, w napływie na wieś męŜczyzn oraz
utworzonej z czterech województw, w napływie na wieś kobiet dominującą cechą okazała
się zmienna K15, czyli liczba migrujących z wykształceniem zasadniczym zawodowym i
K9 - liczba migrujących Ŝonatych i zamęŜnych. Wskaźniki te przyjęły identyczne wartości,
zarówno dla męŜczyzn, jak i dla kobiet. NajniŜsze wartości zaobserwowano wśród dwóch
zmiennych: K11 – liczba migrujących rozwiedzionych, K10 – liczba migrujących wdowców
i wdów, zarówno u napływających na wieś męŜczyzn, jak i kobiet. Stwierdzono równieŜ,
iŜ dominującą cechą w powyŜszej grupie dla kobiet okazała się zmienna K14, czyli liczba
migrujących kobiet z wykształceniem średnim, K13 – liczba migrujących kobiet z
wykształceniem policealnym i K5 – liczba migrujących kobiet w wieku 30-44 lat. Dla
napływających na wieś męŜczyzn dominującą cechą okazała się takŜe zmienna K4, czyli
liczba migrujących męŜczyzn w wieku 20-29 lat. Natomiast najniŜsze wartości pojawiły
się przy zmiennej K11, czyli liczba migrujących rozwiedzionych i K10 – liczba migrujących
wdowców i wdów. Wskaźniki te były niŜsze u kobiet niŜ u męŜczyzn i wynosiły
odpowiednio dla męŜczyzn 0, 71 i 0,78 a dla kobiet: 0,80 i 0,89.
Grupę IV w napływie na wieś męŜczyzn tworzy województwo: mazowieckie
i pomorskie, zaś w napływie na wieś kobiet, tylko województwo mazowieckie. W
utworzonej grupie zarówno dla męŜczyzn, jak i dla kobiet najistotniejszą okazała się
zmienna K12, czyli liczba migrujących z wykształceniem wyŜszym, której wartość dla
migrujących kobiet jest wyŜsza o 0,18 niŜ u męŜczyzn. Kolejną istotną zmienną okazała
się równieŜ dla męŜczyzn i kobiet zmienna K13, K5 i K6. NajniŜszą wartości
zaobserwowano, w napływie na wieś męŜczyzn, przy zmiennej K10 – liczba migrujących
wdowców i wdów. Natomiast dla napływających kobiet najniŜszą wartość stwierdzono
przy zmiennej K16, czyli liczbie migrujących kobiet z wykształceniem podstawowym.
Województwa tworzące grupę V są inne dla napływających na wieś męŜczyzn
i napływających na wieś kobiet. Z uwagi na to, dominującą cechą w tej grupie dla
męŜczyzn okazała się zmienna K11, czyli liczba migrujących rozwiedzionych, K16 - liczba
migrujących męŜczyzn z wykształceniem podstawowym, K17 - liczba migrujących
101
męŜczyzn z wykształceniem niepełnym podstawowym i K7 – liczba migrujących
męŜczyzn w wieku 60 lat i więcej. Wskaźniki te przyjmują najwyŜsze wartości. Oscylują
one w granicach 1,11-1,33. Natomiast dla napływających na wieś kobiet dominującą cechą
okazała się zmienna K10 – liczba migrujących wdów, K15 – liczba migrujących kobiet z
wykształceniem zasadniczym zawodowym. Wartość tych wskaźników jest zdecydowanie
niŜsza i wynosi dla obydwóch zmiennych 1,08. Niewielkie wartości pojawiły się przy
zmiennych K15 i K4 dla napływających na wieś męŜczyzn a dla napływających na wieś
kobiet, przy zmiennych K17 i K13.
Kolejną analizowaną grupą w napływie na wieś jest grupa VI. W ostatniej
utworzonej grupie najistotniejszą zmienną dla napływających męŜczyzn okazała się
zmienna K10 i K11.
Tablica 1. Klasyfikacja województw metodą Warda według płci w latach 1998-2004
Kierunki ruchu wędrów-kowego
Klasa I Klasa II Klasa III Klasa IV Klasa V Klasa VI
MęŜczyźni Napływ do miast Mazowieckie
Małopolskie Pomorskie
Podlaskie Łódzkie Świętokrzyskie Warmińsko-mazurskie
Podkarpackie Kujawsko-pomorskie Lubelskie Wielkopolskie
Śląskie Opolskie Lubuskie
Zachodniopomorskie Dolnośląskie
Napływ na wieś Łódzkie Lubelskie Świętokrzyskie
Śląskie
Podkarpackie Małopolskie Opolskie Wielkopolskie Kujawsko-pomorskie
Mazowieckie Pomorskie
Warmińsko-mazurskie Podlaskie
Zachodniopomorskie Dolnośląskie Lubuskie
Odpływ z miast
Warmińsko-mazurskie Podlaskie
Zachodniopo-morskie Lubuskie
Lubelskie Świętokrzyskie Podkarpackie
Małopolskie Pomorskie Mazowieckie
Opolskie Wielkopolskie Kujawsko-pomorskie
Dolnośląskie Śląskie Łódzkie
Odpływ ze wsi Śląskie Wielkopolskie
Podkarpackie Małopolskie
Łódzkie Lubelskie Świętokrzyskie
Opolskie Kujawsko-pomorskie
Warmińsko-mazurskie Podlaskie Mazowieckie
Pomorskie Lubuskie Zachodniopomorskie Dolnośląskie
Kobiety Napływ do miast Mazowieckie
Małopolskie Pomorskie Podkarpackie
Podlaskie Wielkopolskie Łódzkie Lubelskie
Warmińsko-mazurskie Świętokrzyskie Kujawsko-pomorskie
Śląskie Lubuskie Opolskie
Zachodniopomorskie Dolnośląskie
Napływ na wieś Łódzkie Świętokrzyskie
Podlaskie Lubelskie
Podkarpackie Śląskie Małopolskie
Mazowieckie
Wielkopolskie Kujawsko-pomorskie Opolskie
Zachodniopomorskie Lubuskie Dolnośląskie Pomorskie Warmińsko-mazurskie
Odpływ z miast
Podkarpackie
Warmińsko-mazurskie Podlaskie Świętokrzyskie Lubelskie
Mazowieckie Małopolskie Pomorskie
Śląskie
Łódzkie Wielkopolskie Kujawsko-pomorskie
Zachodniopomorskie Lubuskie Dolnośląskie Opolskie
Odpływ ze wsi Małopolskie Podkarpackie Śląskie
Mazowieckie
Podlaskie Łódzkie Świętokrzyskie Lubelskie
Wielkopolskie
Opolskie Pomorskie Kujawsko-pomorskie
Zachodniopomorskie Warmińsko-mazurskie Lubuskie Dolnośląskie
Źródło: Opracowanie własne na podstawie danych z GUS i programu Statistica.
102
Natomiast dla napływających kobiet okazała się równieŜ zmienna K11 oraz K6. Przy
czym wartość zmiennej K11 jest wyŜsza o 0,08 u migrujących kobiet niŜ u migrujących
męŜczyzn. NajniŜsze wartości pojawiły się przy zmiennych K4 i K9, zarówno dla
napływających na wieś męŜczyzn, jak i kobiet.
Analizując kolejny kierunek ruchu wędrówkowego – odpływ z miast
zaobserwowano, iŜ województwa: mazowieckie, małopolskie i pomorskie tworzą grupę IV
u męŜczyzn, natomiast grupę III u kobiet. Pozostałe utworzone grupy województw są inne
dla odpływających z miast męŜczyzn i kobiet (por. rys. 5 i 6).
W grupie I w odpływie z miast męŜczyzn dominującą cechą okazała się zmienna
K16, K17, K11 i K13. Natomiast w odpływie z miast kobiet najistotniejszą zmienną okazała
się zmienna K12 i K3. Zaś najniŜsze wartości przyjmują zmienne w odpływie z miast
kobiet, tj. K10 i K11. Oscylują one w granicach 0,63-0,66.
Grupę II tworzą w odpływie z miast męŜczyzn dwa województwa: lubuskie i
zachodniopomorskie. Natomiast w odpływie z miast kobiet cztery województwa:
warmińsko-mazurskie, podlaskie, świętokrzyskie i lubelskie. W utworzonej grupie dla
męŜczyzn najistotniejszą okazała się zmienna K10 – liczba migrujących wdowców, której
wartość wyniosła 1,40. Analogicznie dla kobiet dominującą cechą okazała się zmienna
K12, której wartość wyniosła 1,15. NajniŜsze wartości pojawiły się przy zmiennych K11 i
K15 dla odpływających z miast kobiet.
W utworzonej grupie III dominującą cechą dla migrujących męŜczyzn okazała się
zmienna K12, czyli liczba migrujących męŜczyzn z wykształceniem wyŜszym oraz K4 –
liczba migrujących męŜczyzn w wieku 20-29 lat. Wskaźniki te przyjmują najwyŜsze
wartości. Natomiast niewielkie wartości pojawiły się przy zmiennych K11 – liczba
migrujących rozwiedzionych i K10 – liczba migrujących wdowców. Analogicznie dla
odpływających z miast kobiet najistotniejszą okazała się zmienna K6 – liczba migrujących
kobiet w wieku 45-59 lat oraz K5 – liczba migrujących kobiet w wieku 30-44 lat.
W grupie IV dominującą cechą w odpływie z miast męŜczyzn okazała się zmienna
K7 – liczba migrujących męŜczyzn w wieku 60 lat i więcej oraz K6 – liczba migrujących
męŜczyzn w wieku 45-59 lat. Wskaźniki wahają się od 1,10 do 1,13. Natomiast
najistotniejszą cechą dla kobiet okazała się zmienna K15 – liczba migrujących kobiet z
wykształceniem zasadniczym zawodowym i K16 – liczba migrujących kobiet z
wykształceniem podstawowym. Wartość zmiennej K15 wynosi 1,36. Mniej istotne dla
męŜczyzn okazały się zmienne K4 i K10 a dla kobiet zmienne K12 i K13.
103
Grupę V tworzą trzy województwa, zarówno u odpływających z miast męŜczyzn,
jak i kobiet. Dwa województwa, tj. wielkopolskie i kujawsko-pomorskie tworzą powyŜszą
grupę zarówno u męŜczyzn, jak i u kobiet. Dominującą cechą okazała się zmienna K15,
która jest wyŜsza o 0,02 u męŜczyzn niŜ u kobiet, zmienna K10, która jest wyŜsza o 0,11u
kobiet niŜ u męŜczyzn. Natomiast najmniejszą wartość posiada zmienna K13, zarówno u
odpływających z miast męŜczyzn, jak i kobiet.
W utworzonej grupie VI najistotniejszymi zmiennymi okazały się zmienne K11, K15
i K16, zarówno dla odpływających z miast męŜczyzn, jak i kobiet. Wskaźniki te przyjęły
wysokie wartości i są one nieznacznie wyŜsze u odpływających męŜczyzn niŜ u kobiet.
Niewielką wartość stwierdzono, przy zmiennej K12 u migrujących męŜczyzn i kobiet.
Analizując ostatni kierunek ruchu wędrówkowego, jakim jest odpływ ze wsi, stwierdzono
(porównując odpływających ze wsi męŜczyzn i odpływające ze wsi kobiety), iŜ Ŝadna
utworzona grupa województw w całości nie jest identyczna (por. rys. 7 i 8).
Grupę III, zarówno dla odpływających ze wsi męŜczyzn, jak i kobiet utworzyły trzy
województwa, tj. łódzkie, świętokrzyskie i lubelskie. Przy czym nie są to jedyne
województwa w powyŜszej grupie u migrujących kobiet. W skład tej grupy wchodzi
jeszcze województwo podlaskie. Dominującymi cechami okazały się zmienne K12 i K13.
Wartości tych zmiennych były nieznacznie wyŜsze u kobiet niŜ u męŜczyzn. Natomiast
niewielką wartości zaobserwowano wśród zmiennej K11. Jej wartość jest niŜsza o 0,02 u
kobiet niŜ u męŜczyzn.
Rysunek 1. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn
napływających do miast w latach 1998-2004
Źródło: Opracowanie własne.
104
Rysunek 2. Klasyfikacja województw uzyskana metodą Warda dla kobiet napływających do miast w latach 1998-2004
Źródło: Jak w rys. 9.
Rysunek 3. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn napływających na wieś w latach 1998-2004
Źródło: Jak w rys. 9.
Rysunek 4. Klasyfikacja województw uzyskana metodą Warda dla kobiet napływających na wieś w latach 1998-2004
Źródło: Jak w rys. 9.
105
Rysunek 5. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn odpływających z miast w latach 1998-2004
Źródło: Jak w rys. 9.
Rysunek 6. Klasyfikacja województw uzyskana metodą Warda dla kobiet odpływających z miast w latach 1998-2004
Źródło: Jak w rys. 9.
Rysunek 7. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn odpływających ze wsi w latach 1998-2004
Źródło: Jak w rys. 9.
106
Rysunek 8. Klasyfikacja województw uzyskana metodą Warda dla kobiet odpływających ze wsi w latach 1998-2004
Źródło: Jak w rys. 9.
Legenda
Klasa I Klasa II Klasa III Klasa IV Klasa V KlasaVI
Podobną sytuację zaobserwowano w grupie VI. W utworzonej grupie znajdują się
trzy województwa, zarówno u męŜczyzn, jak i u kobiet, tj. zachodniopomorskie,
dolnośląskie i lubuskie. Przy czym u kobiet dochodzi województwo warmińsko-mazurskie,
a u męŜczyzn pomorskie (por. rys. 7 i 8). Najistotniejszymi zmiennymi okazały się
zmienne: K11, K6 i K10, zarówno dla męŜczyzn, jak i kobiet. Natomiast najniŜszą wartość
stwierdzono przy zmiennej K12 u odpływających ze wsi męŜczyzn i kobiet.
Zakończenie
Województwa w duŜym stopniu są wewnętrznie zróŜnicowane, dlatego istnieje
konieczność zidentyfikowania obiektów podobnych do siebie pod względem struktury
społeczno-demograficznej ludności migrującej według czterech podstawowych kierunków
ruchu wędrówkowego. Uzyskane wyniki klasyfikacji hierarchiczną aglomeracyjną metodą
Warda potwierdzają, iŜ istnieje przestrzenne zróŜnicowanie migrujących męŜczyzn i kobiet
według analizowanych kierunków ruchu wędrówkowego w latach 1998-2004. PowyŜsza
metoda zapewnia homogeniczność wewnątrz skupień i heterogeniczność pomiędzy
skupieniami.
Zaliczenie województw w skład jednej klasy (grupy) jest niewątpliwie
równoznaczne z orzeczeniem o ich wzajemnym podobieństwie, a zatem stanowi unifikację
ich własności. W takim ujęciu podobieństwo województw (obiektów) wchodzących w
107
skład poszczególnych klas traktować naleŜy jako wspólną i zarazem charakterystyczną
własność tych obiektów, określoną przez podobieństwo uwzględnionych w przedmiocie
klasyfikacji cech badanych obiektów41.
Z przeprowadzonego badania wynika, iŜ w kaŜdej grupie według analizowanych
kierunków ruchu wędrówkowego, zarówno dla męŜczyzn, jak i dla kobiet dominują róŜne
cechy. Niektóre z nich się powtarzają, a niektóre nie. W napływie do miast zarówno dla
męŜczyzn, jak i kobiet przewaŜają zmienne społeczne, do których zaliczamy wykształcenie
migrujących. Zaś w napływie na wieś dominują zmienne demograficzne, do których
zaliczamy szczególnie stan cywilny migrujących.
W kolejnym analizowanym kierunku ruchu wędrówkowego, jakim był odpływ z
miast, najistotniejszymi zmiennym zarówno dla męŜczyzn, jak i kobiet okazały się grupy
wieku migrujących osób, a następnie wykształcenie tych osób. Natomiast dla kierunku –
odpływ ze wsi dominującymi cechami okazały się zmienne określające stan cywilny
migrujących, a potem wykształcenie.
Przeprowadzona analiza taksonomiczna moŜe stanowić przyczynek do dalszych
badań województw ze względu na strukturę ludności migrującej według podstawowych
kierunków ruchu wędrówkowego.
41 Por. J. J. Parysek: Modele klasyfikacji... op. cit., s. 51.
108
109
Wioletta Wolańska
Akademia Ekonomiczna we Wrocławiu
Subiektywna ocena jakości Ŝycia mieszkańców Dolnego Śląska
1. Wprowadzenie
W kontekście świadomości ujemnych skutków przyspieszonego wzrostu
gospodarczego i postępu technicznego rozwój ekonomiczny przestał być traktowany jako
jednoznaczny wyznacznik „lepszego” Ŝycia. Podejście upatrujące w człowieku jedynie
konsumenta dóbr i usług, którego głównym motywem postępowania jest dąŜenie do
maksymalizacji ich ilości jest często krytykowane [Strzelecka, 1979]. Zwraca się uwagę na
wpływ moŜliwości realizacji wyŜszych wartości i zaspokajania potrzeb wyŜszego rzędu,
na zadowolenie, jakie czerpie człowiek ze swojego Ŝycia. Zwiększone zainteresowanie rolą
niematerialnych aspektów warunków Ŝycia w ocenie przemian społeczno-gospodarczych
przyczyniło się równieŜ do intensywnych prac dotyczących definiowania i badania jakości
Ŝycia. PoniewaŜ jednym z głównych zadań państwa, jako podstawowej struktury
społecznej, jest zapewnienie swoim obywatelom „dobrego” Ŝycia to ocena jakości Ŝycia
ludności jest podstawowym narzędziem umoŜliwiającym ocenę efektywności prac rządu,
czy władz lokalnych realizujących ten cel.
W naukach społecznych największą popularnością cieszy się podejście, w którym
rozwaŜania związane z jakością Ŝycia koncentrują się wokół ludzkich potrzeb, głównie za
sprawą popularnej teorii hierarchicznej struktury potrzeb A. Maslowa [Rutkowski, 1984].
W tym przypadku jakość Ŝycia moŜe być zdefiniowana jako „stopień zaspokojenia ogółu
potrzeb człowieka, nie tylko materialnych, lecz takŜe społecznych, związanych z
funkcjonowaniem jednostki w społeczeństwie oraz duchowych, związanych z
samorealizacją i rozwojem osobowości” [Rutkowski, 1984, str. 14].
W opracowaniu przedstawiono wyniki badań przeprowadzonych na Dolnym Śląsku
związanych z realizacją następujących celów:
1) Określenie warunków szczęśliwego, udanego Ŝycia (o wysokiej jakości) według
mieszkańców Dolnego Śląska.
2) Określenie stanu satysfakcji społecznej mieszkańców woj. dolnośląskiego w 2004
roku (ocena zadowolenia z Ŝycia jako całości - globalna jakości Ŝycia oraz ocena
zadowolenia z poszczególnych dziedzin Ŝycia – jakości cząstkowe).
110
3) Ocena stopnia zróŜnicowania poziomu satysfakcji ze względu na róŜne cechy
społeczno – demograficzne, czyli zbadanie związku między jakością Ŝycia a takimi
cechami jak: płeć, grupa wieku, miejsce zamieszkania i wykształcenie.
2. Metoda badawcza
W pracy przyjęto, Ŝe o jakości Ŝycia człowieka decyduje zaspokojenie jego
wszystkich potrzeb, czyli jakość Ŝycia jest stopniem spełnienia wymagań określających
poziom materialnego oraz duchownego bytu człowieka. Jest, więc swoistą funkcją
określającą zaleŜność pomiędzy oczekiwaniami, wyobraŜeniami i pragnieniami jednostki,
a ich realizacją i spełnieniem.
Tak ujmowana jakość Ŝycia zaleŜy od czynników osobowościowych, kulturowych,
czynników związanych z otoczeniem człowieka oraz wzajemnych relacji między nimi.
Przesądzają one o tym, Ŝe „jakość Ŝycia nie powinna być oceniana zza biurka przez kogoś
siedzącego w wygodnym fotelu, lecz przez samych ludzi, przez ich osobiste odczucia”
[Ostasiewicz, 2004, str. 13]. Dlatego przy ocenie jakości Ŝycia mieszkańców Dolnego
Śląska zastosowano podejście subiektywne, w którym same jednostki badania dokonują
oceny swojego Ŝycia. W celu pozyskania materiału statystycznego zastosowano badanie
ankietowe - standaryzowaną technikę zdobywania informacji opartą na pośrednim
komunikowaniu się z respondentem za pomocą kwestionariusza, który respondent
wypełnia pisemnie i samodzielnie. Ze względu na charakter przedmiotu badania realizacja
wyznaczonych celów wymagała uwzględnienia pytań „delikatnej natury”, które dotyczyły
Ŝycia prywatnego respondentów, co wpłynęło na wybór zastosowanej techniki.
Opracowując zakres tematyczny pytań kwestionariusza ankiety uwzględniono
propozycje i doświadczenia zarówno światowe jak i krajowe dotyczące subiektywnej
oceny jakości Ŝycia. Ich tematyka była ściśle związana z wyznaczonymi celami i
hipotezami badania.
Opracowany kwestionariusz ankiety został równieŜ „przetestowany” podczas
przeprowadzonego na studentach wszystkich form studiów (szczególnie zaocznych, ze
względu na duŜe zróŜnicowanie wieku) badania pilotaŜowego, którego celami było:
- ustalenie reakcji respondentów na tytuł ankiety,
- ustalenie, czy pytania są zrozumiałe i precyzyjnie sformułowane,
- ustalenie przyczyn pojawiających się trudności w udzielaniu odpowiedzi na pytania,
- dokonanie niezbędnych zmian w kwestionariuszu, wynikających ze zgłoszonych uwag.
111
Badanie ankietowe zostało przeprowadzone we współpracy z Urzędem Statystycznym we
Wrocławiu w III kwartale 2004 roku na reprezentatywnej próbie mieszkańców
województwa dolnośląskiego, liczącej 660 dorosłych osób (w wieku 18 lat i więcej). Próba
była reprezentatywna i zgodna ze strukturą mieszkańców Dolnego Śląska ze względu na
takie cechy jak: płeć, wiek, miejsce zamieszkania oraz wykształcenie. Liczebność próby
(wynikająca z ograniczeń finansowych) pozwoliła oszacować maksymalny spodziewany
błąd szacunku frakcji na poziomie 0,038. Jego wartość nie jest mała, jednak nie
dyskwalifikuje próby empirycznej i została zaakceptowana na potrzeby przeprowadzanego
badania.
3. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia
Koncentrując się na określeniu istoty jakości Ŝycia często poszukujemy odpowiedzi
na pytanie: jakie czynniki determinują jakość Ŝycia? Ujmując tę kategorię jako zbiór
„właściwości”, które decydują o jej istocie.
Źródłem informacji o najwaŜniejszych elementach jakości Ŝycia (warunkach udanego,
szczęśliwego Ŝycia) były odpowiedzi respondentów na pytanie ankiety:
Co uwaŜa Pan(i) za najwaŜniejszy warunek udanego, szczęśliwego Ŝycia?
Respondenci mogli wybrać najwyŜej trzy warunki z listy:
pieniądze,
dzieci,
udane małŜeństwo,
praca,
przyjaciele,
wiara, opatrzność, Bóg,
pogoda ducha, optymizm,
uczciwość,
Ŝyczliwość,
wolność, swoboda,
zdrowie,
wykształcenie,
silny charakter,
lub wpisać własne i uporządkować je według stopnia waŜności.
Pytanie dotyczące najwaŜniejszych warunków udanego, szczęśliwego Ŝycia
(utoŜsamianego z Ŝyciem o wysokiej jakości), poza wymienionymi przez autorkę
112
czynnikami, umoŜliwiło respondentom uwzględnienie równieŜ swoich własnych opinii na
ten temat. Okazało się jednak, Ŝe jedynie 0,5% odpowiedzi wskazywało na warunki spoza
listy.
Dla 38,2% mieszkańców woj. dolnośląskiego najwaŜniejszym warunkiem udanego,
szczęśliwego Ŝycia było zdrowie, dla 20,8% udane małŜeństwo, 14,1% wskazało
pieniądze, a 9,8% pracę (rys.1). Pozostałe warunki z listy były wybierane z częstością
mniejszą niŜ 0,05, w następującej kolejności: dzieci; wiara, opatrzność, Bóg; silny
charakter; przyjaciele; wykształcenie; uczciwość; Ŝyczliwość; wolność, swoboda.
Rysunek 1. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia mieszkańców woj.
dolnośląskiego w 2004 r.
38,2%
20,8%
14,1%
9,8%
4,8% 4,5%2,1% 1,5% 1,4% 0,9% 0,8% 0,3% 0,3%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
zdro
wie
udan
em
ałŜeńst
wo
pien
iądz
e
prac
a
dzie
ci
wia
ra,
opat
rzno
sc, B
óg
pogo
dadu
cha,
opty
miz
m
siln
y ch
arak
ter
przy
jaci
ele
wyk
szta
łcen
ie
Ucz
ciw
ość
Ŝycz
liwość
Wol
nośc
,sw
obod
a
Źródło: opracowanie własne.
Analiza najwaŜniejszego warunku udanego Ŝycia z uwzględnieniem płci
respondentów (rys. 2) wykazała podobieństwo ich porządku (ze względu na wartość frakcji
–powyŜej 1% - wzięto pod uwagę 7 najczęściej wybieranych warunków).
Wystąpiły jednak róŜnice w stopniu znaczenia (częstości) poszczególnych
warunków. Przy przyjętym poziomie istotności α =0,05 (u(0,05)=1,96) moŜna stwierdzić,
Ŝe kobiety bardziej niŜ męŜczyźni ceniły zdrowie oraz wiarę i pogodę ducha, natomiast
rzadziej wskazywały udane małŜeństwo i pieniądze jako najwaŜniejszy warunek
113
szczęśliwego Ŝycia (tabela 1). RóŜnice w przypadku znaczenia pracy i dzieci okazały się
statystycznie nieistotne.
Rysunek 2. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia mieszkańców woj.
dolnośląskiego według płci w 2004 r.
41,7%
18,2%
12,1%9,0%
5,3% 5,5%2,9%
33,5%
24,2%
16,7%
11,0%
4,3% 3,2%1,1%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
zdro
wie
udan
e m
ałŜeń
stwo
pienią
dze
prac
adz
ieci
wiara,
opa
trzno
sc, B
óg
pogo
da du
cha,
optym
izm
kobiety
mezczyźni
Źródło: opracowanie własne.
Tabela 1.
warunki kobiety m ęŜczyźni u
zdrowie 0,417 0,335 4,73
udane małŜeństwo 0,182 0,242 -3,06
pieniądze 0,121 0,167 -2,78
praca 0,090 0,110 -1,35
dzieci 0,053 0,043 1,3
wiara, opatrzność, Bóg 0,055 0,032 2,86
pogoda ducha, optymizm 0,029 0,011 3,16
Źródło: opracowanie własne.
Wpływ na zróŜnicowanie najwaŜniejszego warunku jakości Ŝycia ma równieŜ wiek
respondentów (rys. 3). Dla przedstawicieli najmłodszej grupy wieku uwzględnionej w
badaniu tak, jak ogólnie w całej zbiorowości najwaŜniejszym warunkiem udanego Ŝycia
było zdrowie (32,3%). Jednak na drugim miejscu odmiennie niŜ w całej zbiorowości były
pieniądze (17,2%), a następnie praca (16,1%). Udane małŜeństwo było najwaŜniejszym
114
warunkiem jedynie dla 7,5% ludności w wieku 18-24 lat. W tej podpopulacji równieŜ
wyŜej, bo na 5 miejscu znalazła się kategoria: wiara, opatrzność, Bóg (6,5%).
Rysunek 3. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia mieszkańców woj.
dolnośląskiego według wieku w 2004 r.
32,3%35,0%
41,1%
51,1%
7,5%
33,3%
24,2%22,2%
19,2%22,1%
9,9%
16,9%
11,1%
17,2%14,1%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
18-24 25-34 35-44 45-59 60 i więcej
zdrowie
udane małŜeństwo
pieniądze
praca
dzieci
wiara, opatrznosc, Bóg
pogoda ducha,optymizm
Źródło: opracowanie własne.
W grupie wieku 25-34 lata mieszkańców Dolnego Śląska najwaŜniejszym
warunkiem udanego, szczęśliwego Ŝycia, odmiennie niŜ we wszystkich innych grupach
wieku, było udane małŜeństwo (33,35). Jedynie 24,2% osób najbardziej ceniło zdrowie,
dla 14,1% najistotniejszym warunkiem udanego Ŝycia były pieniądze, a dla 13,1% praca.
W tej grupie wieku większe znaczenie niŜ w pozostałych miała pogoda ducha i optymizm,
które były najwaŜniejszym warunkiem udanego Ŝycia dla 4% respondentów.
W grupie wieku 35-44 lata wzrosło znaczenie zdrowia, które jako warunek udanego
Ŝycia wybrało 35% tej podpopulacji, a zmalał wpływ udanego małŜeństwa (22,2%) na
udane Ŝycie. RównieŜ rzadziej niŜ we wcześniejszych grupach wieku wybierano pieniądze
(11,1%) i pracę (11,1%), za to dzieci były dla 8,5% rodziców tej grupy wieku
najwaŜniejszym warunkiem udanego Ŝycia.
Wpływ znaczenie zdrowia dla jakości Ŝycia wzrastał wraz z wiekiem badanych.
41,1% ludności w wieku 45-59 lat ten warunek uznało za najwaŜniejszy. W porównaniu z
115
poprzednimi dwoma grupami wieku zmalała rola udanego małŜeństwa (19,2%) oraz pracy
(9,6%), a wzrosło znaczenie pieniędzy (16,9%).
Ponad połowa - 51,5% starszych osób na Dolnym Śląsku uznała zdrowie za
najwaŜniejszy warunek Ŝycia. Wysoko cenione w tej grupie wieku jest równieŜ udane
małŜeństwo (22,1%). Ludzie starsi najrzadziej spośród pozostałych dorosłych osób na
Dolnym Śląsku wybierali pieniądze (9,9%) oraz pracę (2,3%) jako warunki udanego Ŝycia.
Wpływ wieku na zaobserwowane róŜnice w wyborze najwaŜniejszego warunku udanego,
szczęśliwego Ŝycia, czyli wyobraŜeniach ludności o Ŝyciu, o wysokiej jakości, związany
jest z innymi potrzebami, problemami i wyzwaniami, które są charakterystyczne dla ludzi
będących na róŜnych etapach Ŝycia. Dla młodzieŜy podejmującej decyzje dotyczące swojej
przyszłości zawodowej oraz usamodzielniającej się praca i pieniądze mają większe
znaczenie niŜ dla pozostałych grup wiekowych. Ze względu na młody wiek oraz
koncentrowanie się na edukacji mniej cenione przez tę grupę wiekową jest udane
małŜeństwo, które z kolei ma największe znaczenia dla ludności w wieku 25-34 lat., która
jest na etapie budowy stałych związków partnerskich. Wzrost znaczenia zdrowia wraz ze
wzrostem wieku badanych równieŜ wydaje się oczywisty, podobnie jak spadek znaczenia
pracy w przypadku osób starszych - przewaŜnie biernych zawodowo.
Cechą, która równieŜ wpływała na zróŜnicowanie najwaŜniejszego warunku
udanego, szczęśliwego Ŝycia było wykształcenie respondentów. Warunkiem
najwaŜniejszym dla ludności z wyŜszym wykształceniem było udane małŜeństwo (35,2%)
oraz zdrowie (31,8%), a pozostałe warunki były wybierane zdecydowanie rzadziej (rys. 4).
W grupie osób ze średnim wykształcenie za najwaŜniejszy warunek udanego Ŝycia
uznano: zdrowie (42,3%), udane małŜeństwo (16,4%), pieniądze (11,8%), pracę (10%),
dzieci (5%) oraz kategorię -wiara, opatrzność, Bóg (5%).
ZbliŜony porządek wybranych wartości moŜna zauwaŜyć w grupie osób z
wykształceniem zasadniczym zawodowym. Mniejsze było jednak w tej grupie, niŜ w
poprzedniej znaczenie zdrowia (32,3%), większe udanego małŜeństwa (21,7%), pieniędzy
(16,8%), pracy (15,9%) oraz dzieci (5,3%).
116
Rysunek 4. NajwaŜniejsze warunek udanego, szczęśliwego Ŝycia mieszkańców woj.
dolnośląskiego według wykształcenia w 2004 r.
46,0%
32,3%
42,3%
31,8%
4,8%
21,7%
16,4%
35,2%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
50,0%
WyŜsze średnie zasadniczezawodowe
podstawowe iniepełne
podstawowe
zdrowie
udane małŜeństwo
pieniądze
praca
dzieci
wiara, opatrznosc, Bóg
pogoda ducha,optymizm
silny charakter
przyjaciele
wykształcenie
Źródło: opracowanie własne.
Prawie połowa osób z wykształceniem podstawowym i niepełnym podstawowym
uwaŜała zdrowie za najwaŜniejszy warunek udanego Ŝycia. W tej grupie zawodowej
równieŜ pieniądze (19,8%) oraz wiara (5,6%) były częściej wskazywane niŜ w pozostałych
podpopulacjach. Udane małŜeństwo było najwaŜniejszym warunkiem udanego Ŝycia dla
16,7% ludności.
Ludzie z wykształceniem podstawowym i niepełnym podstawowym zarabiają
zwykle mniej od pozostałych grup zawodowych i nierzadko naraŜeni są na uciąŜliwe dla
zdrowia warunki pracy, co moŜe tłumaczyć częściej niŜ przeciętnie w całej populacji
wskazywanie zdrowia i pieniędzy jako warunków udanego, szczęśliwego Ŝycia. NaleŜy
równieŜ zauwaŜyć, Ŝe wzrostowi wykształcenia towarzyszy spadek wieku ludności. Ludzie
bardziej wykształceni – młodzi, więcej zarabiający od pozostałych, mniej cenią zdrowie i
pieniądze, a udane Ŝycie bardziej utoŜsamiają z powodzeniem w Ŝyciu osobistym.
Uwzględnienie miejsce zamieszkania przy ocenie najwaŜniejszego warunku
udanego, szczęśliwego Ŝycia (rys. 5) równieŜ powodowało róŜnice (zarówno stopnia, jak i
kolejności) w opiniach respondentów.
Zdrowie było najczęściej wybieranym najwaŜniejszym warunkiem udanego Ŝycia
mieszkańców wszystkich uwzględnionych klas miejscowości, jednak wśród osób
117
mieszkających w najmniejszych miastach (do 20 tys. mieszkańców) kategoria ta została
wskazana przez najmniejszą część mieszkańców -27,4%, podczas gdy 43,3% mieszkańców
miast od 20 do 100 tys. wskazało zdrowie jako najwaŜniejszy warunek udanego Ŝycia.
Drugą, co do liczebności grupę stanowiły na wsi (24,3%), w miastach do 20tys. (20,8%), w
miastach od 20 do 100 tys. (18,7%) oraz miastach ponad 500 tys. mieszkańców (22,2%)
osoby, które za najwaŜniejszy warunek szczęśliwego Ŝycia uznały udane małŜeństwo.
Rysunek 5. NajwaŜniejsze warunki udanego, szczęśliwego Ŝycia mieszkańców woj.
dolnośląskiego według miejsca zamieszkania w 2004 r.
13,1%
36,6%37,7%
43,3%
27,4%
41,4%
22,2%
18,7%20,8%
24,3%
9,2%
21,3%
11,7%17,9%16,0%
7,2%
21,3%
10,5%11,3%
6,5%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
50,0%
wieś miasto do 20tys.
miasto 20 -100 tys.
miasto 100-200 tys.
miasto ponad500 tys.
zdrowie
udane małŜeństwo
pieniądze
praca
dzieci
wiara, opatrznosc, Bóg
pogoda ducha,optymizm
Źródło: opracowanie własne.
Odmiennie było w miastach od 100 do 200 tys. mieszkańców, w których 21,3%
osób uwaŜało pieniądze i tyle samo pracę za najwaŜniejszy warunek udanego Ŝycia. W tej
podpopulacji udane małŜeństwo było najwaŜniejszym warunkiem szczęśliwego Ŝycia tylko
dla 13,1% osób. Do klasy miejscowości o liczbie mieszkańców od 100 do 200 tys. na
Dolnym Śląsku naleŜą miasta Legnica i Wałbrzych. Wałbrzych i jego okolice są regionem
o najwyŜszym bezrobociu w woj. dolnośląskim, co moŜe tłumaczyć duŜe znaczenie pracy i
pieniędzy dla jego mieszkańców. W tym przypadku duŜy wpływ na wyobraŜenia o Ŝyciu o
wysokiej jakości ma obiektywny brak pracy i pieniędzy. Niezaspokojenie potrzeb
podstawowych powoduje niezadowolenie i moŜe stwarzać złudzenie, Ŝe zaspokojenie tych
potrzeb rozwiązałoby wszystkie problemy i było źródłem szczęścia, jednak zgodnie z
hierarchiczną strukturą potrzeb naleŜy pamiętać, Ŝe ich zaspokojenie spowoduje
118
odczuwanie potrzeb wyŜszych rzędów i tym samym wpłynie na postrzeganą jakość Ŝycia,
czyli nowe wyobraŜenie o udanym, szczęśliwym Ŝyciu.
Mieszkańcy Wrocławia natomiast rzadziej wskazywali pieniądze i pracę jako
najwaŜniejszy warunek udanego Ŝycia, co wynika z obiektywnie największych moŜliwości
zaspokojenia potrzeb, związanych z tymi kategoriami w porównaniu z pozostałymi
mieszkańcami Dolnego Śląska. W tej podpopulacji równieŜ wiara, opatrzność, Bóg jako
warunek udanego Ŝycia był wskazywany częściej niŜ w pozostałych zbiorowościach.
4. Jakość Ŝycia mieszkańców woj. dolnośląskiego w 2004 roku
W przyjętym subiektywnym ujęciu jakości Ŝycia za wskaźnik globalnej jakości
Ŝycia przyjęto zadowolenie człowieka ze swojej egzystencji. Dlatego głównym pytaniem
ankiety było pytanie:
W jakim stopniu jest Pan(i) zadowolony(a) ze swojego obecnego Ŝycia?
Udzielając odpowiedzi na to pytanie respondenci mogli wybrać jedną z kategorii:
1- bardzo zadowolony
2- zadowolony
3- raczej zadowolony
4- raczej niezadowolony
5- niezadowolony
6- bardzo niezadowolony
7- trudno powiedzieć.
Przy opracowywaniu wyników pominięto kategorię trudno powiedzieć (stanowiła ona 4%
udzielonych odpowiedzi na to pytanie). Uwzględnionym kategoriom nadano rangi od 1 do
6 i wyznaczono średnią rangę, która obok częstości odpowiedzi posłuŜyła do oceny stopnia
zadowolenia z Ŝycia.
119
Rysunek 6. Subiektywna ocena zadowolenia z Ŝycia ludności woj. dolnośląskiego w 2004 r
4,9
29,2
39,1
13,5
9,24,1
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
bardzozadowolony
zadowolony raczej zadowolony raczejniezadowolony
niezadowolony bardzoniezadowolony
W jakim stopniu jest Pan(i) zadowolony(a) ze swojego obe cnego Ŝycia?
Źródło: opracowanie własne.
Najliczniejsza grupa mieszkańców Dolnego Śląska (39,0%) była „raczej
zadowolona” ze swojego obecnego Ŝycia w 2004 roku (rys. 6). 29,2% mieszkańców było
zadowolonych, 13,5% raczej niezadowolonych, 9,2% niezadowolonych, 4,9% bardzo
zadowolonych a 4,1% bardzo niezadowolonych ze swojej egzystencji.
Uwzględnione w badania cechy społeczno - demograficzne istotnie wpłynęły na dokonaną
ocenę zadowolenia z Ŝycia (tab. 2).
Średnie rangi wyznaczone w zbiorowościach kobiet i męŜczyzn nie róŜniły się
istotnie statystycznie (dla poziomu istotności α=0,05), ale zaobserwowane częstości nie
były równe w przypadku wszystkich uwzględnionych kategorii odpowiedzi (dla poziomu
istotności α=0,05). MęŜczyźni na Dolnym Śląsku częściej od kobiet wybierali kategorię
bardzo zadowolony, a kobiety: zadowolona i niezadowolona.
Mieszkańcy wsi (2,85) byli bardziej zadowoleni ze swojego Ŝycia od mieszkańców
miast Dolnego Ślaska. Najmniej zadowolona ze swojego Ŝycia była ludność miast od 100
do 200 tys. mieszkańców (3,30).
RównieŜ wykształcenie istotnie wpływało na zróŜnicowanie oceny zadowolenia z
Ŝycia. Najmniej zadowoleni byli mieszkańcy woj. dolnośląskiego z wykształceniem
podstawowym i niepełnym podstawowym (3,23), zadowolenie wzrastało wraz ze
wzrostem wykształcenia ludności i najlepiej swoje Ŝycie oceniały osoby z wyŜszym
wykształceniem (2,62).
120
Osoby w wieku 25-34 lata (2,78) były bardziej zadowolone ze swojego Ŝycia od
przedstawicieli pozostałych uwzględnionych w badaniu grup wieku. Najmniej zadowoleni
byli mieszkańcy w wieku 45-59 lat (3,21). Ludzie starsi (3,02) cieszyli się
Tabela 2. Subiektywna ocena zadowolenia z Ŝycia według płci, miejsca zamieszkania,
wieku, wykształcenia, dochodu na osobę w gospodarstwie domowym oraz grupy
społeczno-zawodowej mieszkańców woj. dolnośląskiego w 2004 roku.
9 bardzo
zadowolony zadowolony raczej
zadowolony raczej
niezadowolony niezadowolony bardzo
niezadowolony średnia
ogólnie 4,9 29,2 39,1 13,5 9,2 4,1 3,05 kobiety 3,9 30,9 37,3 13,8 10,2 3,9 3,07
męŜczyźni 6,3 26,8 41,6 13,0 7,8 4,5 3,03 wieś 4,3 37,7 37,7 10,5 8,6 1,2 2,85
miasto do 20tys 5,8 26,9 34,6 14,4 8,7 9,6 3,22
miasto 20-100 tys. 4,4 28,5 38,6 14,6 10,8 3,2 3,08
miasto 100-200 tys. 5,0 25,0 38,3 11,7 6,7 13,3 3,30
miasto ponad 500 tys. 5,4 23,8 44,9 15,6 9,5 0,7 3,02 18-24 5,7 28,4 38,6 14,8 10,2 2,3 3,02 25-34 10,6 28,7 44,7 8,5 3,2 4,3 2,78 35-44 7,9 22,8 44,7 11,4 12,3 0,9 3,00 45-59 1,9 30,1 35,9 16,7 8,1 7,2 3,21
60 i więcej 2,4 35 36,6 13,0 9,8 3,3 3,02 WyŜsze 10,5 32,6 45,3 8,1 3,5 0,0 2,62 średnie 3,8 25,6 43,1 15,2 10,9 1,4 3,08
zasadnicze zawodowe 3,7 33,6 33,6 13,1 9,3 6,5 3,10
podstawowe i niepełne
podstawowe 5,0 25,0 37,5 15,0 10,0 7,5 3,23 do 500 5,2 26,2 35,5 17,6 9,3 6,2 3,18
501-1000 3,0 28,6 38,5 9,0 9,8 11,1 3,27 1001-1500 6,3 34,2 45,6 7,6 6,3 0,0 2,73 od 1500 14,3 35,7 42,9 7,1 0,0 0,0 2,43
pracujący 5,9 30,5 44,8 10,8 6,9 1,0 2,85 prywatni
przedsiębiorcy 10,0 23,3 60,0 0,0 6,7 0,0 2,70 uczniowie 5,6 29,6 42,6 11,1 9,3 1,9 2,94 renciści 1,7 27,6 25,9 20,7 17,2 6,9 3,45 emeryci 2,3 34,9 41,1 10,9 7,8 3,1 2,96
bezrobotni 5,4 18,5 29,3 21,7 14,1 10,9 3,53
zajmujący się domem 8,6 31,4 25,7 14,3 8,6 11,4 3,17
niepracujący 3,3 33,3 36,7 20,0 3,3 3,3 2,97 Źródło: opracowanie własne.
121
większą jakością Ŝycia od przedstawicieli grupy wieku 45-59 lat, a mniejszą od ludzi
młodych w wieku 25-34 lata, swoje Ŝycie oceniali podobnie jak osoby najmłodsze
uwzględnione w badaniu.
Badanie wykazało równieŜ duŜy wpływ sytuacji materialnej na zadowolenie z Ŝycia
ankietowanych. Respondenci o najwyŜszych dochodach miesięcznych na osobę w
gospodarstwie domowym (2,43) byli najbardziej zadowoleni ze swojego obecnego Ŝycia w
porównaniu z wszystkimi innymi uwzględnionymi w badaniu podzbiorowościami. Osoby
bezrobotne natomiast (3,53), zapewne w cięŜkiej sytuacji materialnej, najgorzej oceniły
jakość swojego Ŝycia.
Źródłem informacji o cząstkowych jakościach Ŝycia były odpowiedzi respondentów
na pytania dotyczące zadowolenia z wyróŜnionych 25 istotnych dla jakości Ŝycia dziedzin i
aspektów ludzkiej egzystencji:
1) z pracy zawodowej lub głównego zajęcia (np. studiów, prowadzenia domu),
2) z dochodów,
3) z Ŝycia osobistego (współmałŜonka, partnera, sympatii),
4) ze stosunków z najbliŜszymi w rodzinie,
5) ze stosunków z kolegami (grupą przyjaciół),
6) ze stosunków z sąsiadami,
7) ze stanu zdrowia,
8) z Ŝycia seksualnego,
9) z osiągnięć Ŝyciowych,
10) z moŜliwości samorealizacji,
11) z siebie samego,
12) z wyposaŜenia domu i posiadanych dóbr materialnych,
13) z własnego wykształcenia,
14) z perspektyw na przyszłość,
15) z pozycji w społeczeństwie,
16) z miejscowości zamieszkania,
17) z czystości powietrza, ciszy i zieleni w miejscu zamieszkania,
18) z ilości wolnego czasu,
19) ze sposobu spędzania wolnego czasu,
20) z norm moralnych panujących w otoczeniu,
21) z przestrzegania przez ludzi zasad sprawiedliwości,
22) ze stanu bezpieczeństwa w miejscu zamieszkania,
122
23) z moŜliwości zaspokojenia podstawowych potrzeb Ŝywnościowych,
24) z moŜliwości zaspokojenia potrzeb związanych z kulturą,
25) z działalności publicznej słuŜby zdrowia.
W pytaniach tych, tak samo jak w pytaniu o zadowolenie z Ŝycia, uwzględniono siedem
kategorii odpowiedzi i w taki sam sposób nadano im rangi. Wyniki przedstawia tabela 3.
Tabela 3. Subiektywna ocena zadowolenia z wyróŜnionych dziedzin Ŝycia (w %)
mieszkańców woj. dolnośląskiego w 2004 roku.
dziedzina bardzo
zadowolony zadowolony raczej
zadowolony raczej
niezadowolony niezadowolony bardzo
niezadowolony średnia
1 6,2 31,2 32,5 13,3 10,3 6,5 3,10 2 1,6 9,9 13,3 21,7 30,0 23,5 4,39 3 21,2 40,2 20,7 6,5 7,5 3,9 2,51 4 17,0 50,1 24,0 4,5 3,1 1,4 2,31 5 13,6 49,9 29,5 3,5 2,5 1,0 2,34 6 8,2 46,1 33,6 6,8 2,1 3,2 2,58 7 10,1 33,0 24,7 10,1 13,6 8,5 3,10 8 19,6 42,7 23,6 4,4 6,4 3,2 2,45 9 5,6 29,2 32,5 18,5 10,4 3,8 3,10
10 5,6 23,3 26,0 23,7 16,7 4,7 3,37 11 11,5 38,1 31,9 9,8 6,7 2,0 2,68 12 4,6 25,9 30,5 16,4 14,5 8,2 3,35 13 7,0 27,2 24,2 18,6 17,2 5,8 3,29 14 3,4 10,0 19,3 30,5 23,6 13,3 4,01 15 3,0 23,7 36,0 19,8 10,2 7,3 3,32 16 12,1 48,4 21,8 7,4 6,3 4,2 2,60 17 8,2 36,3 23,3 12,4 12,0 7,8 3,07 18 10,3 39,9 21,0 15,2 7,8 5,8 2,88 19 7,6 36,1 26,2 14,3 11,7 4,2 2,99 20 1,9 17,0 27,3 23,8 18,5 11,5 3,75 21 0,8 4,6 11,0 27,3 32,3 23,9 4,57 22 2,2 20,6 31,6 21,9 14,8 8,9 3,53 23 3,4 26,9 28,9 16,0 13,7 11,0 3,43 24 2,1 15,2 22,8 21,1 22,1 16,6 3,96 25 0,8 7,2 11,4 20,7 24,3 35,6 4,67
Źródło: opracowanie własne.
Mieszkańcy Dolnego Śląska najbardziej byli zadowoleni ze stosunków w
najbliŜszymi w rodzinie (2,31), ze stosunków z kolegami (2,34), z Ŝycia seksualnego
(2,45) oraz z Ŝycia osobistego (2,51). Źródłem najmniejszej satysfakcji były: działalność
publicznej słuŜby zdrowia (4,67), przestrzeganie zasad sprawiedliwości (4,57), dochody
(4,39) oraz perspektywy na przyszłość (4,01). Do oceny zadowolenia z Ŝycia najbardziej
były zbliŜone oceny zadowolenia z osiągnięć Ŝyciowych, z siebie samego oraz z pracy
zawodowej. Cechy społeczno – demograficzne: płeć, wiek, miejsce zamieszkania oraz
123
wykształcenie istotnie wpłynęły na dokonane oceny zadowolenia z wyróŜnionych dziedzin
Ŝycia. Z pracy zawodowej najbardziej były zadowolone osoby z wykształceniem wyŜszym
(2,59), a najmniej osoby z miast od 100 do 200 tys. mieszkańców (3,67). Najmniej
niezadowolona z dochodów była ludność z wykształceniem wyŜszym (3,85), a najbardziej
niezadowoleni mieszkańcy miast do 20 tys. ludności (4,70). Najbardziej zadowolone z
Ŝycie osobistego były osoby z wyŜszym wykształceniem (2,13), a najmniej mieszkańcy z
najniŜszym wykształceniem (2,80). Osoby w wieku 25-34 lata (2,18) najbardziej były
zadowolone ze stosunków z najbliŜszymi w rodzinie, a męŜczyźni (2,38) najmniej. Z
relacji z grupą przyjaciół i kolegów najbardziej zadowoleni byli ludzie w wieku 18-24 lata
(2,07), a najmniej najstarsi mieszkańcy dolnego Śląska (2,55). Satysfakcja z kontaktów z
sąsiadami największa była wśród ludności miast od 20 do 100 tys. mieszkańców (2,40),
mieszkańcy Wrocławia natomiast byli zadowoleni najmniej (2,72). W podzbiorowości
ludzi najmłodszych zadowolenie ze zdrowia było największe (2,14), a ludzie najstarsi ze
względu na konsekwencje starzenia się zadowoleni ze zdrowia (4,22) oraz Ŝycia
seksualnego (3,30) byli najmniej. Przedstawiciele grupy wieku 25-34 będący na etapie
budowy i trwania w stałych związkach byli bardziej od pozostałej ludności zadowoleni z
Ŝycia seksualnego (2,08). Najwięcej zadowolonych z osiągnięć Ŝyciowych było w
zbiorowości osób z wyŜszym wykształceniem (2,43), a najmniej wśród osób najmniej
wykształconych (3,45). Najwięcej osób zadowolonych z moŜliwości samorealizacji było w
zbiorowości osób z wyŜszym wykształceniem (2,79), a najmniej wśród mieszkańców
Wałbrzycha i Legnicy (3,72). Osoby z najwyŜszym wykształceniem równieŜ najbardziej
były zadowolone z siebie (2,41), a mieszkańcy miast od 100 do 200 tys. ludności najmniej
(2,88). Tak samo było w przypadku zadowolenia z wyposaŜenia domu i sytuacji
materialnej. Osoby z wykształceniem wyŜszym były najbardziej zadowolone ze swojego
wykształcenia (1,89), z perspektyw na przyszłość (3,20) oraz pozycji w społeczeństwie
(2,55),a osoby najmniej wyedukowane najmniej (4,23), (4,43) oraz (3,73). Najbardziej
usatysfakcjonowani z miejsca zamieszkania byli mieszkańcy z wyŜszym wykształceniem
(2,23), najmniej natomiast ludność miast od 100 do 200 tys. mieszkańców (3,41). Wśród
najstarszych mieszkańców Dolnego Śląska było najwięcej osób zadowolonych z ilości
wolnego czasu (2,16), brakowało go natomiast najbardziej przedstawicielom grupy wieku
25-34 lata (3,23). Natomiast ze sposobu spędzania wolnego czasu najbardziej byli
zadowoleni najmłodsi mieszkańcy (2,66), a najmniej ludność miast od 100 do 200 tys.
mieszkańców (3,44). Najmniej niezadowoleni z przestrzegania przez ludzi zasad
sprawiedliwości byli mieszkańcy wsi (4,14), a najbardziej mieszkańcy Wrocławia (4,82).
124
Mieszkańcy wsi czuli się najbezpieczniej w miejscu zamieszkania (2,90). Mieszkańcy
miast od 100 do 200 tys. ludności czuli się najmniej bezpiecznie (4,09) co jest związane z
duŜą przestępczością i poczuciem zagroŜenia w Wałbrzychu. Najmniej niezadowolonych z
moŜliwości zaspokojenia podstawowych potrzeb Ŝywnościowych było wśród osób z
wyŜszym wykształceniem (2,82) – ludności o najwyŜszych dochodach i najmniejszym
bezrobociu. Za sprawą najbardziej biednych i bezrobotnych mieszkańców Wałbrzycha w
miastach liczących od 100 do 200 tys. ludności niezadowolenie to było największe (4,10).
Podobnie było w przypadku oceny zadowolenia z moŜliwości zaspokojenia potrzeb
związanych z kulturą. Najmniej niezadowolonych z działalności publicznej słuŜby zdrowia
było wśród osób najrzadziej korzystających z jej usług, czyli osób najmłodszych (4,33),
najwięcej niezadowolonych było natomiast wśród ludności najmniejszych miast (4,84).
5. Zakończenie
Na podstawie przeprowadzonego badania moŜna stwierdzić, Ŝe według
mieszkańców Dolnego Śląska najwaŜniejszymi warunkami udanego, szczęśliwego Ŝycia w
2004 roku były: zdrowie, udane małŜeństwo pieniądze oraz praca. Postrzegana jakość
Ŝycia była związana z oczekiwaniami, marzeniami, obecną sytuacją Ŝyciową,
moŜliwościami realizacji się w przyszłości oraz róŜnego rodzaju porównań dokonywanych
przez badanych, dlatego zarówno cechy demograficzne, jak i społeczne istotnie wpływały
na róŜnice w opiniach uwzględnionych podzbiorowości.
Najbardziej zadowolone ze swojego obecnego Ŝycia były osoby o miesięcznych
dochodach na osobę w gospodarstwie domowym powyŜej 1500 zł, osoby z
wykształceniem wyŜszym, prywatni przedsiębiorcy oraz ludność w wieku 25-34 lata.
Najmniej zadowoleni z Ŝycia byli bezrobotni, renciści, ludność miast od 100 do 200 tys.
mieszkańców oraz osoby o dochodach od 501 do 1000 zł miesięcznie na osobę w
gospodarstwie domowym. Wyniki badania potwierdzają, Ŝe moŜe same pieniądze
szczęścia nie dają, ale odpowiednie wykształcenie, które sprzyja znalezieniu pracy,
dobremu zawodowi i wysokim dochodom, młodość oraz udane Ŝycie osobiste gwarantują
wyŜszą jakość Ŝycia.
125
Literatura
Ostasiewicz W., 2004, Badanie jakości Ŝycia z perspektywy historycznej, w: Ostasiewicz W. (red.), Ocena i analiza jakości Ŝycia, Wyd. AE, Wrocław, 11-45.
Rutkowski J., 1984, Podstawowe pojęcia statystyki społecznej (dokończenie), „Wiadomości Statystyczne”, nr 10, 11-16.
Strzelecka M., 1979, Konsumpcja a poziom, sposób i jakość Ŝycia, Biblioteka Instytutu Handlu Wewnętrznego i usług, Warszawa, 64 s.
126
Dotychczas ukazały się następujące numery Zeszytów Naukowych Sekcji Analiz Demograficznych KND PAN:
Nr 1/2000;
Jolanta Kurkiewicz EWOLUCJA METOD ANALIZY DEMOGRAFICZNEJ. TEORIA- PRZYKŁADY ZASTOSOWAN.
Nr 2/2000; E.Fratczak, E.Soja, A.Ptak-Chmielewska, A.Siwek, M.Kowalska, M.Szczyt, M.Rodzewicz
NOWE METODOLOGICZNE PROPOZYCJE ANALIZ W NAUKACH SPOŁECZNYCH ZE SZCZEGÓLNYM UWZGLEDNIENIEM DEMOGRAFII.
Nr 3/2001; J.Kurpowicz SYGNALIZATORY PRZEMIAN DEMOGRAFICZNYCH W POLSCE; J.Paradysz ANALIZA KOHORTOWA – TEORIA – PRZYKŁADY ZASTOSOWAN.
Nr 4/2001; Janusz Balicki
„XXI KONFERENCJA MIEDZYNARODOWEJ UNII DLA NAUKOWYCH BADAN NAD LUDNOSCIA” IUSSP, SALVADOR (BRAZYLIA) 18-24 VIII. 2 001”.
Nr 5/2002; D. Orłowski POLITYKA RODZINNA W POLSCE W OKRESIE TRANSFORMACJI – OCENA,
INTERPRETACJE P. Szukalski HIPOTEZA OPÓZNIENIA KULTUROWEGO.ZASTOSOWANIA W DEMOGRAFII
Nr 6/2002 MATERIAŁY Z POŁACZONEGO SPOTKANIA DWÓCH SEKCJI – SEKCJI ANALIZ DEMOGRAFICZNYCH I SEKCJI DEMOGRAFII MEDYCZNEJ KOMITETU NAUK
DEMOGRAFICZNYCH PAN, WARSZAWA 12.09.2001 Nr 7A/2003
E. Fratczak M. Kulik M. Malinowski REGULACJE PRAWNE W ODNIESIENIU DO ZJAWISK I PROCESÓW DEMOGRAFICZNYCH – WYBRANE AKTY PRAWNE REGULUJACE SWIADCZENIA NA RZECZ DZIECI I RODZINY – POLITYKA SPOŁECZNA POLSKA, WYBRANE LATA 1945-2003
Nr 7B/2003 E. Fratczak M. Kulik M. Malinowski LEGAL REGULATIONS RELATED TO DEMOGRAPHIC
EVENTS AND PROCESSES: SOCIAL POLICY PERTAINING TO CHILDREN AND FAMILY – POLAND, SELECTED YEARS 1945-2003
Nr 8/2003 W. Kozłowski, A. Ptak-Chmielewska G. Zysk WSTEP DO ANALIZY KLAS UKRYTYCH
Nr 9/2004 A.Ptak-Chmielewska, Małgorzata Kowalska, Małgorzata Szczyt, Marcin Stanowski, Danuta Wegrzyn PROGNOZA STANU, STRUKTURY I DYNAMIKI LUDNOSCI POLSKI, EUROPY I SWIATA W
SWIETLE NAJNOWSZYCH PROGNOZ Nr 10/2004
Milena Pietruszek: TERYTORIALNE ZRÓśNICOWANIE PŁODNOSCI W POLSCE – OCENA ZJAWISKA
Aneta Ptak-Chmielewska: STUDIA KARIER RÓWNOLEGŁYCH W DEMOGRAFII Ewa Soja: HIPOTEZA EASTERLINA W SWIETLE ZACHOWAN PROKREACYJNYCH GENERACJI
URODZONYCH W LATACH 1942-1966 W POLSCE Monika Stanny-Burak: PRZEMIANY DEMOGRAFICZNE NA OBSZARACH WIEJSKICH A GOSPODARKA ROLNA W LATACH DZIEWIECDZIESIATYCH (NA PRZYKŁADZIE WOJ.
ZACHODNIOPOMORSKIEGO) Nr 11/2005
PROCESY DEMOGRAFICZNE W STARZEJĄCYCH SIĘ SPOŁECZEŃSTWACH. Seminarium Naukowe 22-24 września 2004, Dobczyce – REFERATY CZ I.
Nr 12/2005 PROCESY DEMOGRAFICZNE W STARZEJĄCYCH SIĘ SPOŁECZEŃSTWACH.
Seminarium Naukowe 22-24 września 2004, Dobczyce – REFERATY CZ II. Nr 13/2006
PRZEMIANY PŁODNOŚCI I RODZINY W OKRESIE TRANSFORMACJI. Seminarium Naukowe 22-24 września 2005, Palczew – REFERATY CZ I.
Nr 14/2006 PRZEMIANY PŁODNOŚCI I RODZINY W OKRESIE TRANSFORMACJI. Seminarium Naukowe 22-24 września 2005, Palczew – REFERATY CZ II.