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

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



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

opolskie

śląskie

małopolskie

lubelskie

podlaskie

podkarpackie

zachodniopomorskie

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


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



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



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


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


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


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%


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


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,

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


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


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


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


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



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


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


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


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


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


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


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


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.

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


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 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


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


Rysunek 4. Klasyfikacja województw uzyskana metodą Warda dla kobiet napływających na wieś w latach 1998-2004


105

Rysunek 5. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn odpływających z miast w latach 1998-2004


Rysunek 6. Klasyfikacja województw uzyskana metodą Warda dla kobiet odpływających z miast w latach 1998-2004


Rysunek 7. Klasyfikacja województw uzyskana metodą Warda dla męŜczyzn odpływających ze wsi w latach 1998-2004


106

Rysunek 8. Klasyfikacja województw uzyskana metodą Warda dla kobiet odpływających ze wsi w latach 1998-2004


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.

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


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.


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


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


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%).


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


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



silny charakter

przyjaciele

wykształcenie


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.


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




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?


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


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.

Metodologia Badań Demograficznych - Uniwersytet ...demograf/Publikacje/SAD15.pdf · Metodologia...

Documents

Transcript of Metodologia Badań Demograficznych - Uniwersytet ...demograf/Publikacje/SAD15.pdf · Metodologia...