1

Sekcja Analiz Demograficznych Komitet Nauk Demograficznych PAN Al. Niepodległości 164 02-554 Warszawa tel/fax: 646-61-38 e-mail: ewaf@sgh.waw.pl

22/2010

ISSN 1642 - 0101

REFERATY CZĘŚĆ I.

KONFERENCJA NAUKOWA 

 

  Społeczne i ekonomiczne konsekwencje zmian procesów demograficznych 

 21‐23.09.2009 Polanica Zdrój 

Zeszyt nr 22. Sekcji Analiz Demograficznych.

  2 

Recenzenci Dr hab. Maria Chromińska prof. UE w Poznaniu Dr hab. Ireneusz Kuropka prof. UE we Wrocławiu

  

3

SPIS TREŚCI Joanna Machnis Procesy migracyjne wobec sytuacji demograficzno-społecznej Polski Wschodniej ............ 7

Wprowadzenie ................................................................................................................... 7 1. Peryferyjny charakter województw Polski Wschodniej ................................................ 8 2. Sytuacja demograficzna Polski Wschodniej................................................................ 10 3. Procesy migracyjne z województw Polski Wschodniej wobec ogólnopolskich tendencji........................................................................................................................... 15 Podsumowanie ................................................................................................................. 22 Spis literatury ................................................................................................................... 22

Anna Majdzińska, Witold Śmigielski Wizja własnej przyszłości zawodowej i rodzinnej studentów Uniwersytetu Łódzkiego.... 25

Wprowadzenie ................................................................................................................. 25 1. Obraz sytuacji w zakresie małżeńskości i rozrodczości w Polsce............................... 26 2. Czynnik edukacyjno-zawodowy wpływający na model rodziny................................. 27 3. Prezentacja wyników badania ankietowego ................................................................ 28 Podsumowanie ................................................................................................................. 40 Literatura.......................................................................................................................... 41

Anna Sączewska-Piotrowska Sfera ubóstwa ludności w wieku mobilnym........................................................................ 43

Wstęp ............................................................................................................................... 43 1. Charakterystyka materiału źródłowego ....................................................................... 43 2. Uwagi metodologiczne ................................................................................................ 45 2. Analiza rozkładów dochodów ekwiwalentnych i dobrobytu w zależności od wieku głowy gospodarstwa domowego...................................................................................... 47 3. Zróżnicowanie sfery ubóstwa wybranych typów gospodarstw domowych ................ 52 Podsumowanie ................................................................................................................. 55 Literatura.......................................................................................................................... 56

Marek Ręklewski Przestrzenne zróżnicowanie urodzeń w Polsce w ujęciu powiatowym w latach 1999-2007............................................................................................................................................. 57

Wstęp ............................................................................................................................... 57 1. Dobór zmiennych objaśniających................................................................................ 57 2. Interpretacja modeli urodzeń ....................................................................................... 60 Uwagi końcowe ............................................................................................................... 74 Bibliografia ...................................................................................................................... 75

Krzysztof Osiewalski, Beata Zając Krzywe cząstkowych współczynników zgonów – modele wygładzania ............................ 77

Wprowadzenie ................................................................................................................. 77 1. Przegląd analizowanych modeli .................................................................................. 78 2. Bayesowski model statystyczny i metody wnioskowania ........................................... 79 3. Badanie empiryczne..................................................................................................... 81 4. Wyniki ......................................................................................................................... 82 Podsumowanie ................................................................................................................. 86 Bibliografia ...................................................................................................................... 86

  4 

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). Głównym zadaniem Sekcji Analiz Demograficznych jest organizowanie spotkań merytorycznych poświęconych szeroko rozumianym metodom analiz demograficznych, włączając najnowsze metody i techniki zarówno organizacji badań jak i metod analiz opisujących zjawiska i procesy demograficzne ich uwarunkowania i konsekwencje. Podstawą każdej prezentowanej metody w ramach spotkań SAD jest dokładny i gruntowny opis teoretyczny metody (metod) oparty na możliwie wszechstronnej i najnowszej literaturze wraz z prezentacją zastosowania teorii na danych empirycznych. Prezentacja nowych metod wymagać będzie od referentów zapoznania się ze stosowną literaturą i niemałego nakładu pracy. Dość często upowszechnienie nowej metody i jej zastosowanie wymagać będzie nakładu pracy związanego z zapoznaniem się ze stosownym programem lub pakietem komputerowym umożliwiającym dość sprawną aplikację modelu lub metody. 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 zależy na integracji środowiska demograficznego, w tym głownie młodych adeptów nauki wokół zagadnień szeroko rozumianych analiz demograficznych. Zebrania Sekcji Analiz Demograficznych mogą być również poświęcone prezentacji nowych twórczych metod analiz lub zastosowań metod (modeli) będących wynikami prac doktorskich lub habilitacyjnych ukończonych lub znajdujących się w fazie przygotowywania, na odpowiednim etapie. Podjęto na pierwszym inauguracyjnym zebraniu Sekcji Analiz Demograficznych, które odbyło się 18 stycznia 2000 roku dwie inicjatywy: - pierwsza, polegająca na tym, że materiały prezentowane na kolejnych posiedzeniach SAD będą miały formę "Zeszytów Naukowych SAD KND PAN". Każdy zeszyt poświęcony będzie wspólnej tematyce. Zostały podjęte starania o uzyskanie formalnej zgody na wydawanie zeszytów, które będą miały formę tzw. "working paper"; - druga, polegająca na organizowaniu raz na rok lub co dwa lata "Warsztatów z Analizy Demograficznej" jako przedsięwzięcia wspólnego 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 ISiD i Przewodniczącą Komitetu Nauk Demograficznych PAN. Warsztaty z analizy demograficznej pomyślane są jako seminaria szkoleniowe dla młodych pracowników nauki będących na stażu lub pracujących na wyższych uczelniach i uniwersytetach w kraju zainteresowanych metodami analiz demograficznych oraz noszących się z zamiarem przygotowania rozprawy doktorskiej lub habilitacyjnej w obszarze demografii, szerzej nauk społecznych. Z nadzieją na upowszechnianie informacji o działalności Sekcji Analiz Demograficznych KND PAN oraz o formie dokumentacji spotkań w postaci serii Zeszytów Naukowych Sekcji. Przewodnicząca SAD / dr hab. Ewa Frątczak, Prof. SGH / Z-ca Przewodniczącej SAD / dr hab. Jolanta Kurkiewicz, Prof. AE w Krakowie/

  

5

Słowo wstępne Konferencje naukowe organizowane w ramach Sekcji Analiz Demograficznych Komitetu

nauk Demograficznych PAN są dorocznymi spotkaniami młodych pracowników

naukowych przygotowujących rozprawy doktorskie oraz habilitacyjne, których tematyka

obejmuje procesy zachodzące w populacjach ludzkich i ich wpływ na różne sfery życia.

Konferencja zatytułowana „Społeczne i ekonomiczne konsekwencje zmian procesów

demograficznych”, która odbyła się dniach 21-23 września 2009 roku w Polanicy Zdroju

była siódmą z kolei. Organizatorem konferencji była Katedra Prognoz i Analiz

Gospodarczych Uniwersytetu Ekonomicznego we Wrocławiu. Komitetowi

Organizacyjnemu przewodniczył dr hab. Ireneusz Kuropka, prof. UE, a sekretarzem była

dr Wioletta Wolańska.

Konferencja rozpoczęła się 21 września wykładem Przewodniczącej Komitetu Nauk

Demograficznych dr hab. Ewy Frątczak, prof. SGH dotyczącym metodologicznych

aspektów badań nad płodnością i małżeńskością w Polsce.

W kolejnych dniach odbyło się pięć sesji tematycznych:

I. Ekonomiczne skutki zmian ludnościowych.

II. Demograficzne uwarunkowania polityki społecznej.

III. Modelowanie demograficzne.

IV. Zmiany w procesie płodności i ich determinanty.

V. Z badań ludnościowych GUS.

Wystąpienia w trakcie pierwszej sesji dotyczyły między innymi problemów

związanych z aktywnością zawodową Polaków i wpływem procesów demograficznych na

rynek pracy. Przedstawiono wyniki badania świadomości zmian procesów ludnościowych

w instytucjach publicznych. Podjęto także kwestie postrzegania karier rodzinnych i

zawodowych przez studentów oraz efektów procesów migracyjnych w rejonie Polski

wschodniej.

Sesja druga dotyczyła oddziaływania zjawisk ludnościowych na politykę społeczną i

powiązań tych dziedzin życia. W referatach poruszona była m. in. kwestia popytu na usługi

opiekuńcze i edukacyjne determinowanego zmieniającymi się zachowaniami

  6 

prokreacyjnymi. Rozważano zagadnienia wynikające ze starzenia się społeczeństwa

polskiego. Przedstawiono projekcję liczby osób starszych, które będą wymagać opieki, a

także finansowe konsekwencje tych zmian.

W sesji poświęconej zagadnieniom modelowania demograficznego zaprezentowano

możliwości jakie daje modelowanie mikrosymulacyjne w budowaniu projekcji

demograficznych. Proponowane podejście pozwala na łączenie analiz i założeń na

poziomie mikro oraz wyników na poziomie makro. Pokazano także zalety zastosowania

metod bayesowskich w badaniu mobilności zawodowej oraz nowe sposoby wygładzania

krzywych rozkładu cząstkowych współczynników zgonów. Referaty te pokazały ciągłe

wzbogacanie zestawu narzędzi wykorzystywanych w badaniach zjawisk ludnościowych.

Jednak demografia nie tylko korzysta z metod wypracowanych przez inne dyscypliny

naukowe, ale także sama dostarcza narzędzi do badania innych dziedzin życia. Pokazał to

referat dotyczący zastosowania tablic trwania życia w biznesie.

Sesja IV koncentrowała się na zagadnieniach płodności. Przedstawiono wyniki badań nad

ewolucją wzorca płodności w trakcie przejścia demograficznego oraz analiz

przestrzennego zróżnicowania urodzeń w naszym kraju. Na przykładzie USA pokazano

wpływ niektórych czynników na płodność kobiet koncentrując uwagę na religii.

W ostatniej, piątej sesji uczestnicy konferencji zostali zapoznani z realizowanymi przez

Główny Urząd Statystyczny badaniami ludnościowymi oraz zamierzeniami w tym

zakresie. Zaprezentowano także metody parowania statystycznego jako jedno z narzędzi,

które proponowane są do zastosowania w ramach NSP 2011 m. in. w celu zmniejszenia

kosztów realizacji spisu i poprawy dokładności wyników.

Prezentowany 22 numer Zeszytów Naukowych Sekcji Analiz Demograficznych zawiera

część pierwszą artykułów prezentujących niektóre wyniki badań przedstawionych na

konferencji przez referentów. Nie wszystkie bowiem osoby zdecydowały się na publikację

w Zeszytach SAD.

Wrocław 01.09. 2010. Ireneusz Kuropka

  

7

Joanna Machnis Uniwersytet Warmińsko-Mazurski w Olsztynie

Procesy migracyjne wobec sytuacji demograficzno-społecznej Polski

Wschodniej

Wprowadzenie

Migracje, będące formą mobilności przestrzennej (spatial mobility) są procesem o

charakterze zarówno demograficznym, społecznym, jak również ekonomicznym.

Interdyscyplinarność migracji znajduje swoje odzwierciedlenie w tym, iż zjawisko to jest

przedmiotem badań (zainteresowań badawczych) takich nauk jak demografia, socjologia,

politologia czy ekonomia.

Kwestia międzynarodowej mobilności przestrzennej ludności Polski stała się przedmiotem

szczególnego zainteresowania od momentu przystąpienia Polski do Unii Europejskiej, ze

względu na jej rozmiary oraz kierunki. Jednak migracje zagraniczne Polaków nabrały

masowego charakteru już w latach 80. XX wieku. Wówczas kraj opuściło około 2,1- 2,35

mln emigrantów (spośród których około 1 mln pozostawał poza granicami Polski od 2 do

12 miesięcy), głównie ze względów politycznych (Kaczmarczyk 2005).

Ważnym momentem, nadającym międzynarodowym migracjom Polaków odmienny,

ekonomiczny charakter był rok 1989. Nastąpiło wówczas zliberalizowanie zasad ruchu

granicznego, w wyniku czego zniknęły ograniczenia w ruchu międzynarodowym. Zaszła

również zmiana w rodzaju podejmowanej mobilności. Dominującą formą przemieszczania

się ludności Polski poza granice kraju stały się czasowe migracje zarobkowe, zmniejszając

tym samym skalę migracji stałych (Jaźwińska i Okólski 2001).

Przełomowe znaczenie dla kwestii polskich procesów migracyjnych miało wstąpienie

Polski w struktury europejskie. W związku ze wspólnotową zasadą swobodnego

przepływu siły roboczej1 między krajami członkowskimi, polskim pracownikom

stopniowo otwierano dostęp do unijnych rynków pracy (2004 r. – Wielka Brytania,

Islandia, Szwecja; 2006 r.- Hiszpania, Portugalia, Finlandia, Grecja, Włochy; 2007 r.-

Holandia; 2009 r. – Belgia, Dania).

                                                            1 „Swobodny przepływ osób stanowi jedną z podstawowych swobód rynku wewnętrznego, obejmującego przestrzeń bez granic wewnętrznych, gdzie swoboda ta jest zapewniona zgodnie z postanowieniami traktatu„ (Dyrektywa 2004\38\WE).

  8 

Jedynie Niemcy i Austria utrzymały ograniczenia w tym zakresie. Uzyskanie swobody

przemieszczania się oraz wyboru miejsca zamieszkania i zatrudnienia w krajach UE

zaowocowały nasileniem skali zagranicznych wyjazdów zarobkowych Polaków w ramach

tzw. migracji czasowych.

Liczne badania nad migracjami z Polski2 koncentrują się na określeniu cech społecznych

oraz demograficznych osób podejmujących decyzję o emigracji. Dzięki temu możliwa jest

identyfikacja profilu osób o największej i najniższej skłonności do wyjazdów. Migracje

ludności są procesami przestrzennie zróżnicowanymi co oznacza, iż poszczególne regiony

kraju charakteryzują się odmienna skalą (natężeniem), kierunkami, strategiami oraz

tradycjami migracyjnymi. Zarówno na migracje wewnętrzne, jak i zagraniczne mają

wpływ regionalne uwarunkowania województw, z których pochodzą migranci.

Szczególne znaczenie ma sytuacja społeczno-demograficzna oraz ekonomiczna

poszczególnych województw, która może stanowić czynnik przyciągający bądź

wypychający ku podejmowaniu decyzji migracyjnych. Na przykład korzystna sytuacja na

rynku pracy może być czynnikiem stymulującym migracje wewnętrzne ludności z innych

części kraju. Z kolei deficyt miejsc pracy, wysoka stopa bezrobocia czy niedostosowania

struktury wykształcenia do potrzeb lokalnego rynku pracy może skłonić do poszukiwania

zatrudnienia poza granicami kraju.

Biorąc pod rozwagę regionalne uwarunkowania migracji interesujące wydaje się

dokładniejsze przyjrzenie się sytuacji o charakterze społecznym i demograficznym oraz

procesom migracyjnym z terenu określonego mianem Polski Wschodniej.

Celem niniejszego artykułu jest przedstawienie głównych trendów w czasowych

migracjach, migracjach zarobkowych Polaków, ze szczególnym uwzględnieniem emigracji

z województw Polski Wschodniej. Ukazanie procesów odpływów ludności z tego

szczególnego regionu Polski na tle procesów zaobserwowanych niekorzystnych tendencji

demograficznych oraz prognozy GUS, pozwoli na dostrzeżenie faktu jak poważne

konsekwencje w postaci deformacji struktury demograficznej może nieść za sobą

nadmierna emigracja zagraniczna.

1. Peryferyjny charakter województw Polski Wschodniej

Na mocy „Strategii Rozwoju Społeczno-Gospodarczego Polski Wschodniej do roku 2020”,

przyjętej przez Radę Ministrów RP 30 grudnia 2008 r., do obszaru Polski Wschodniej

                                                            2 Prowadzone m.in. przez pracowników Ośrodka Badań nad Migracjami oraz Centrum Stosunków Międzynarodowych.

  

9

zaliczono pięć województw: lubelskie, podkarpackie, podlaskie, świętokrzyskie i

warmińsko-mazurskie. Obejmują one około 32 % powierzchni kraju, a zamieszkuje je

około 22 % ogółu mieszkańców. Jednocześnie województwa Polski Wschodniej uważane

są za obszary peryferyjne wobec reszty kraju. W literaturze przedmiotu funkcjonują dwa

podejścia do kwestii peryferyjności. Pierwsze z nich ujmuje peryferia jako tereny oddalone

od centrów gospodarczych, o słabo rozwiniętej infrastrukturze oraz niskim poziomie

wskaźnika gęstości zaludnienia oraz poziomie urbanizacji. Drugie podejście, o charakterze

ekonomicznym wskazuje na m.in. niski poziom wskaźnika PKB per capita , który plasuje

się poniżej 75% średniej w Unii Europejskiej (Grosse 2007). Województwa Polski

Wschodniej spełniają powyższe warunki, które uprawniają do traktowania ich za obszary

peryferyjne (Tabela 1).

Tabela 1

Wybrane wskaźniki dla Polski według wybranych województw

Województwo Gęstość zaludnienia (na 1 km2)

Wskaźnik urbanizacji w 2008r. (w %)

PKB per capita w 2006 r. (w %) UE 27 =100%

1. Polska(ogółem) 122 61,2 52,3 2. woj. lubelskie 86 46,6 35,3 3. woj. podkarpackie 118 40,6 35,8 4. woj. podlaskie 59 59,5 38,4 5. woj. świętokrzyskie 109 45,4 39,8 6. woj. warm.-mazurskie 59 60,0 39,5 Źródło: Opracowanie własne na podstawie: Regiony Polski, GUS, Warszawa 2009; Rocznik statystyczny województw 2008, GUS, Warszawa 2009.

Pod względem liczby ludności zamieszkałej na 1 km2 województwa peryferyjne należą do

grupy najsłabiej zaludnionych, dla których wskaźnik gęstości zaludnienia sytuuje się

poniżej średniej wartości dla Polski, tj. 122 osób na km2. Najbardziej niekorzystna sytuacja

występuje w województwach warmińsko-mazurskim oraz podlaskim, które średnio

zamieszkuje 59 osób na km2. W lepszej sytuacji znajduje się województwo podkarpackie,

w którym gęstość zaludnienia jest na dwukrotnie wyższym poziomie niż w

województwach wcześniej wymienionych (118 osób na km2).

Również poziom urbanizacji Polski Wschodniej (rozumiany jako odsetek osób

zamieszkujących w miastach w stosunku do ogólnej liczby ludności danego terenu) jest

najniższy w kraju. W szczególnym położeniu znajdują się województwa podkarpackie,

świętokrzyskie i lubelskie w których udział ludności miejskiej w stosunku do ogółu

  10 

mieszkańców nie przekracza 50 % i wynosi odpowiednio 40,9 %, 45,3 % i 46,6 %.

Jednocześnie stosunkowo najbardziej zurbanizowanymi terenami Polski Wschodniej są

województwa Polski Wschodniej o najniższej gęstości zaludnienia: warmińsko-mazurskie

(59,9 %) oraz podlaskie (59,5 %). Niski poziom urbanizacji terenów peryferyjnych Polski

jest odzwierciedleniem dominacji terenów wiejskich nad miejskimi. W Polsce Wschodniej

znajdują się jedynie 3 miasta zamieszkałe przez ponad 200 tys. mieszkańców każde

(Białystok, Lublin, Kielce) oraz 3 ośrodki miejskie z liczbą mieszkańców od 100 do 200

tys. (Program Operacyjny 2007).

Kolejnym wskaźnikiem, stosowanym w ramach polityki spójności Unii Europejskiej dla

określenia poziomu rozwoju gospodarczego danego ternu jest wskaźnik Produktu

Krajowego Brutto na jednego mieszkańca. Gdy jego wartość jest na niższym poziomie niż

75% średniej w UE-27, jednostka terytorialna uważana jest za peryferyjną. Według

dostępnych danych z Eurostatu wynika, iż dla województw Polski Wschodniej wskaźniki

PKB per capita nie przekraczają 40% jego wartości dla UE-27. Są one również znacznie

niższe niż średnia wartość PKB per capita dla Polski, która w 2006 r. wyniosła ponad 50

% (połowę) PKB per capita UE-27 (Regiony Polski 2009). Oznacza to, iż województwa

ściany wschodniej są obszarem o najniższym poziomie rozwoju gospodarczego, nie tylko

w Polsce, ale również w całej Unii Europejskiej, co niewątpliwie świadczy o ich

peryferyjnym charakterze.

2. Sytuacja demograficzna Polski Wschodniej

Analiza aktualnej sytuacji demograficznej województw Polski Wschodniej jest ważna w

kontekście dalszego rozwoju demograficznego, społecznego oraz gospodarczego tego

regionu. Zarówno w skali całej Polski, jak i w poszczególnych województwach obserwuje

się niekorzystne tendencje demograficzne (depopulacyjne), wywierające wpływ na

zmniejszającą się liczbę ludności, jak również deformację struktury demograficznej. Skala

i dynamika zmian procesów demograficznych jest zróżnicowana regionalnie, a

stosunkowo niekorzystną sytuację możemy zauważyć w szczególności we wschodnich

województwach peryferyjnych.

Polskę Wschodnią w 2008 r. zamieszkiwało 8153,2, tys. osób. Stanowi to około 21,4 %

mieszkańców całego kraju. Najbardziej liczne jest województwo lubelskie (2163,0 tys.)

oraz podkarpackie (2098,7 tys.). Natomiast najmniej licznymi województwami Polski

Wschodniej jak również w skali całego kraju (ustępując miejsca woj. lubuskiemu i

  

11

opolskiemu) są podlaskie (1191,8 tys.), świętokrzyskie (1273,0 tys.) oraz warmińsko-

mazurskie (1426,7 tys.)

Analizując dane dotyczące liczby ludności Polski oraz województw Polski Wschodniej w

latach 2000-2008 zauważa się proces zmniejszania się liczby ludności3 (Tabela 2). W tym

okresie największy ubytek ludności odnotowano w województwie lubelskim (-44,4 tys.)

oraz świętokrzyskim (-29,9 tys.). Natomiast do grona terenów, w których od 2007 r.

występuje nieznaczny wzrost liczby ludności zalicza się województwo podkarpackie oraz

warmińsko-mazurskie (o około 0,1%).

Tabela 2

Ludność Polski według wybranych województw w latach 2000-2008

Ludność w tys. (stan w dniu 31.12.) Lp. Województwo 2000 2007 2008

1. Polska(ogółem) 38254,0 38115,6 38135,9 2, Lubelskie 2206,2 2166,2 2161,8 3. Podkarpackie 2101,4 2097,3 2099,5 4. Podlaskie 1210,7 1192,7 1191,5 5. Świętokrzyskie 1302,7 1275,6 1272,8 6. Warmińsko-mazurskie 1427,5 1426,2 1427,1 Źródło: Podstawowe informacje o rozwoju demograficznym Polski do 2008 roku, GUS, Warszawa 2009; Regiony Polski, GUS, Warszawa 2009 r.

Tabela 3

Przyrost i ubytek naturalny na 1000 mieszkańców Polski według wybranych województw w latach 2000-2008 Lp. Wyszczególnienie 2000 2001 2002 2003 2004 2005 2006 2007 2008 1. Polska 0,3 0,1 -0,7 -0,4 -0,2 -0,1 0,1 0,3 0,9 2. Lubelskie -0,1 -0,2 0,8 -0,7 -0,9 -0,8 -0,5 -0,7 -0,2 3. Podkarpackie 2,5 1,9 1,4 1,2 1,2 1,1 1,3 1,5 1,9 4. Podlaskie 0,2 0,0 1,2 -0,8 -0,9 -0,7 -0,7 -0,5 0,3 5. Świętokrzyskie -0,6 -0,8 -0,9 -1,6 -1,6 -1,7 -1,9 -1,4 -0,9 6. Warm.- Mazurskie 2,6 2,3 0,9 1,7 1,6 1,6 1,7 1,9 2,5 Źródło: Ludność, stan i struktura w przekroju terytorialnym, GUS, Warszawa 2009, s.155; Informacje o sytuacji społeczno-gospodarczej kraju I półrocze 2009, GUS, Warszawa 2009, s.7; Regiony Polski, Warszawa 2009, s. 10; Regiony Polski, Warszawa 2008, s.10; Regiony Polski, Warszawa 2007, s.10; Rocznik statystyczny województw, Warszawa 2008, GUS; Rocznik statystyczny województw, Warszawa, 2001, GUS, s. 73; Rocznik statystyczny województw, Warszawa, 2002, GUS, s. 76; Rocznik statystyczny województw, Warszawa, 2003, GUS, s. 95; Rocznik statystyczny województw, Warszawa, 2004, GUS, s. 410; Rocznik statystyczny województw, Warszawa, 2005, GUS, s. 412; Rocznik statystyczny województw, Warszawa, 2006, GUS, s. 93.

                                                            3 Dane odnoszą się do liczby mieszkańców zameldowanych na stałe . Rzeczywisty stan zameldowania poszczególnych województw kształtuje się na niższym poziomie, z uwagi na nieewidencjonowany odpływ ludności do innych regionów Polski oraz poza granice kraju (tzw. czasowa migracja wewnętrzna i zewnętrzna).

  12 

Procesami, które w decydujący sposób wpływają na liczbę ludności (oprócz migracji) są

urodzenia i zgony ludności. Miernikiem uwzględniającym różnice między liczbą urodzeń a

liczbą zgonów w badanym okresie na danym terenie obliczonym na 1 tys. (lub 10 tys. lub

100 tys.) mieszkańców jest współczynnik przyrostu naturalnego (Holzer 1999).

W 2008 r. przyrost naturalny dla Polski był dodatni i kształtował się na poziomie 0,9

promila, wykazując od 2006 roku tendencje wzrostową. W 2008 r. odnotowano ubytek

naturalny w województwie świętokrzyskim (-0,9) oraz lubelskim (-0,2). W świętokrzyskim

uległ on zmniejszeniu wobec (-1,9) w 2006 r., natomiast w lubelskim, zmniejszył się

4-krotnie wobec poziomu z 2004 roku. Pozostałe trzy województwa peryferyjne osiągnęły

dodatni poziom wskaźnika przyrostu naturalnego. Województwem odznaczającym się

wyraźnym przyrostem naturalnym w przeliczeniu na 1000 mieszkańców na poziomie 2,5

promila jest warmińsko- mazurskie. Również województwo podkarpackie osiągnęło w

2008 roku dodatnią wartość wskaźnika przyrostu naturalnego, oszacowanego na 1,9

promila. Województwa te jako jedyne spośród tu omawianych w latach 2000-2008 nie

osiągnęły ujemnej wartości tego wskaźnika. Z kolei w województwie podlaskim różnica

miedzy liczbą urodzeń a liczbą zgonów w 2008 r. wyniosła w prawdzie 0,3 promila, lecz

była 3-krotnie niższa niż jej wartość dla Polski ogółem.

Niepokojące zmiany zachodzą również w strukturze ludności Polski z punktu widzenia

ekonomicznych grup wieku. W ujęciu ogólnopolskim oraz regionalnym obserwuje się od

lat 90. XX wieku systematyczny spadek liczby ludności w wieku przedprodukcyjnym (0-

17 roku życia) przy jednoczesnym wzroście udział populacji w wieku poprodukcyjnym.

Skutkiem tego jest postępujący proces starzenia się ludności Polski (Wykres 1).

Według informacji GUS na temat rozwoju demograficznego Polski do 2008 r. oraz

prognozy do 2035 r., w 2000 roku dzieci i młodzież stanowiły prawie jedną piątą ogółu

liczby ludności Polski. Osiem lat później ich udział zmniejszył się niemal o 8 punktów

procentowych (do 19,3%). Prognozuje się, iż w kolejnych latach będzie następował dalszy

spadek liczby ludności w wieku przedprodukcyjnym do poziomu około 15% w 2035 roku.

  

13

Wykres 1

Struktura ludności Polski z punktu widzenia ekonomicznych grup wieku w latach 2000-2008 (oraz prognoza na 2035 rok)

Źródło: Podstawowe informacje o rozwoju demograficznym Polski do 2008 roku, GUS, Warszawa 2009; Regiony Polski, GUS, Warszawa 2009; Prognoza ludności na lata 2008-2035, GUS, Warszawa 2008.

W 2008 r. w dwóch województwach Polski Wschodniej- podkarpackim i warmińsko-

mazurskim odnotowano najwyższy w kraju odsetek ludności w wieku przedprodukcyjnym,

odpowiednio na poziomie 21 % i 20,6 %. Wynika to z tego iż, na tym terenie występuje

dodatnia wartość przyrostu naturalnego (Tabela 4).

Tabela 4

Struktura ludności Polski według ekonomicznych grup wieku z podziałem na województwa w latach 2008 i 2035

Ekonomiczne grupy ludności Ludność w wieku: przedprodukcyjnym

produkcyjnym poprodukcyjnym

Lp. Wyszczególnienie

2008 2035 2008 2035 2008 2035 w %

1. Polska (ogółem) 19,3 15,7 64,5 57,6 16,2 26,7 2. Lubelskie 20,0 15,5 62,9 56,5 17,1 27,9 3. Podkarpackie 21,0 16,0 63,5 57,6 15,5 26,5 4. Podlaskie 19,7 15,4 63,1 56,3 17,2 28,3 5. Świętokrzyskie 19,0 14,3 63,4 55,9 17,7 29,8 6. Warmińsko-Mazurskie 20,6 16,3 65,0 57,5 14,1 26,3 Źródło: Regiony Polski, GUS, Warszawa, 2009; Prognoza ludności na lata 2008- 2035, GUS, Warszawa 2008.

Lata 

% 

  14 

Grupa osób w wieku produkcyjnym jest ekonomiczną kategorią wieku, która ma znaczenie

w kontekście aktualnych procesów migracyjnych. Wyróżnia się w niej dwie podkategorie-

ludność w wieku mobilnym (18-44 lata) oraz niemobilnym (mężczyźni 45-64 lata, kobiety

45-59 lat). Na podstawie analizy danych GUS dla Polski ogółem, od lat 90. ubiegłego

stulecia zauważa się zwiększanie liczby osób zasilających drugą z wyżej wymienionych

kategorii, przy stabilnym poziomie osób w wieku mobilnym. Powyższa tendencja

powoduje szybszy proces starzenia się zasobów siły roboczej. Należy zauważyć, że to

właśnie kategoria osób w wieku produkcyjnym niemobilnym w pierwszej kolejności zasili

grupę populacji w wieku poprodukcyjnym, co stanowi jedną z przesłanek starzejącego się

społeczeństwa. We wszystkich województwach Polski Wschodniej udział ludności w

wieku produkcyjnym w 2008 r. oscylował na poziomie około 64% ogółu ludności je

zamieszkującej. W porównaniu do 2000 r. nastąpił przyrost populacji w tej kategorii wieku

o około 5 punktów procentowych (2000 r. -58,7 %). Dotyczył on jedynie osób w wieku

niemobilnym (Nowak i in.). Zważając na to, iż wartość przytoczonych danych nie jest

pomniejszona o osoby czasowo przebywające poza granicami swoich województw oraz

Polski (gdyż nie dokonały one wymeldowania), należy mieć świadomość tego, że

faktycznie obecny zasób osób w wieku produkcyjnym mobilnym jest o wiele niższy od

prezentowanego (Boni 2007) .

Znaczące zmiany zauważane są również w grupie osób w wieku poprodukcyjnym

(mężczyźni 65 lat i więcej, kobiety 60 lat i więcej). Obecnie stanowi ona około 16 %

populacji Polski wobec 14,8 % w 2000 r. Natomiast do 2035 r. prognozuje się wzrost tej

kategorii wiekowej do 26,7 %. Oznacza to, iż wówczas prawie co czwarty mieszkaniec

Polski będzie w wieku emerytalnym.

W 2008 r. w trzech województwach zaliczanych do Polski Wschodniej, tj. w

świętokrzyskim, podlaskim i lubelskim osoby w wieku poprodukcyjnym stanowiły ponad

17% ogółu mieszkańców. Prognoza na 2035 r. przewiduje dalszy intensywny wzrost

udziału osób należących do tej kategorii wieku do około 28-29 %.

Szacuje się również, że w województwie warmińsko-mazurskim i podkarpackim nastąpi

znaczny wzrost liczby emerytów, odpowiednio z poziomu 14,1 % oraz 15,5 % w 2008 r.

do około 26 % w 2035 roku.

Przedstawione powyżej kierunki zmian demograficznych wskazują postępujący proces

starzenia się społeczeństwa polskiego. Konsekwencje tego stanu rzeczy mogą być

szczególnie dotkliwe dla Polski Wschodniej, będącej terenami o charakterze rolniczym (o

czym świadczy najniższa w kraju i w Unii Europejskiej wartość wskaźnika urbanizacji).

  

15

Dalszy odpływ ludności w wieku produkcyjnym (mobilnym) oraz przekształcenie migracji

czasowych (osób będących obecnie za granicą) w definitywne (trwające powyżej roku),

będzie implikował pogłębianie negatywnych skutków demograficznych oraz społeczno-

gospodarczych.

3. Procesy migracyjne z województw Polski Wschodniej wobec ogólnopolskich

tendencji

Województwa Polski Wschodniej są obszarem, z którego obserwowany jest wzmożony

odpływ ludności w wyniku migracji wewnętrznych (krajowych), jak i zewnętrznych

(zagranicznych). Uwarunkowane jest to kwestią peryferyjności tych terenów, wobec

których województwa Polski centralnej i zachodniej oraz kraje wysoko rozwinięte

stanowią rozwinięte gospodarczo centra, będące celem emigracji. Ponadto migranci z

terenów peryferyjnych charakteryzują się niskim poziomem kapitału społecznego oraz

finansowego. Odpływ o charakterze edukacyjnym oraz zarobkowym ma służyć

zmniejszeniu dysproporcji społeczno-ekonomicznych (Koryś 2001).

Niniejszy artykuł koncentruje się na specyfice migracji zewnętrznych ludności z Polski

Wschodniej (niemniej istotnej niż migracje krajowe). Uwzględniając aspekt czasowy

wyjazdów zagranicznych, wyróżnia się migracje stałe (definitywne, osiedleńcze,

podejmowane na czas powyżej 12 miesięcy lub na stałe) oraz migracje czasowe

(krótkookresowe) trwające od 3 do12 miesięcy4 .

Migracje definitywne były dominującą formą wyjazdów zagranicznych zwłaszcza w latach

80. XX wieku, spowodowane czynnikami natury politycznej. Od 1989 r. zaczęło

przybierać na sile znaczenie migracji krótkookresowych, które po przystąpieniu Polski do

UE stały się najpopularniejszą formą odpływu Polaków za granicę kraju.

Wskaźnikiem ilustrującym skalę trwałego odpływu ludności (emigrantów) z danego terenu

w porównaniu z napływem obcokrajowców (imigrantów) jest saldo migracji

zagranicznych na stałe, nazywane również migracją netto (różnica między imigracją a

emigracją). Warunkiem koniecznym do uznania migracji za stałą jest dokonanie przez

osobę emigrującą z kraju aktu wymeldowania oraz zameldowania na pobyt stały, w

przypadku imigranta (Sytuacja Demograficzna Polski 2008).

                                                            4 Kryterium minimalnego czasu trwania migracji powyżej 3 miesięcy obowiązuje od 2006 r., wcześniej wynosiło ono 2 miesiące.

  16 

We wszystkich województwach Polski w 2008 r., za wyjątkiem mazowieckiego,

odnotowano ujemne saldo migracji zagranicznych. Oznacza to iż, odpływ ludności na

pobyt stały przewyższa napływ z zamiarem osiedlenia się. Porównując wartości salda

migracji w latach 2006 (-36134) i 2008 (-14965) nastąpiło ponad dwukrotne zmniejszenie

się jego ujemnej wartości. Stało się tak za sprawą zmniejszenia skali wyjazdów Polaków,

oraz zwiększeniu imigracji obcokrajowców. W 2008 r. województwami o najwyższym

ubytku ludności na stałe było śląskie (-4240), opolskie (-2896) oraz dolnośląskie (-1686).

Pod tym względem podkarpackie (-772) i warmińsko-mazurskie (-739) plasują się na 6 i 7

pozycji. Pozostałe województwa Polski Wschodniej należą do grona o najniższym

odpływie (Wykres 2).

Wykres 2

Saldo migracji zagranicznych na pobyt stały w Polsce według województw w latach 2006-2008

‐9000

‐8000

‐7000

‐6000

‐5000

‐4000

‐3000

‐2000

‐1000

0

1000

Dolnośląskie

Kujawsko‐Pom

orskie

Lubelskie

Lubuskie

Łódzkie

Małopolskie

Mazow

ieckie

Opolskie

Podkarpackie

Podlaskie

Pomorskie

Śląskie

Świętokrzyskie

Warm

ińsko‐Mazurskie

Wielkopolskie

Zachodniopomorskie

2006

2008

Źródło: Sytuacja demograficzna Polski: Raport 2007-2008, Rządowa Rada Ludnościowa, s. 124; Rocznik Demograficzny, Warszawa 2009, s. 438-439.

Odmienna sytuacja ma miejsce w przypadku zagranicznych migracji czasowych. Ich

rozmiary są wielokrotnie większe niż skala wyjazdów definitywnych.

Według szacunków GUS (opartych na statystycznych i pozastatystycznych źródłach) w

2008 r. poza granicami kraju w ramach migracji czasowych przebywało w 2210 tysięcy

osób, czyli dwukrotnie więcej niż w 2004 r. (1 mln osób). Dominującym kierunkiem

migracji czasowych są kraje Unii Europejskiej, w których przebywało 1 820 tysięcy osób

(Tabela 5).

Lata 

  

17

Przed 1 maja 2004 r. najważniejszym krajem docelowym migracji z Polski były Niemcy.

Według danych z Narodowego Spisu Powszechnego, w 2002 r. przebywało tam około 300

tys. Polaków. Co prawda liczba ta zwiększyła się w 2008 r. o 60% do poziomu 490

tysięcy, ale usytuowało to Niemcy na drugiej pozycji pod względem popularności kierunku

czasowych emigracji z Polski. Należy przy tym pamiętać, iż skala migracji do Niemiec

może znacząco wzrosnąć w związku z otwarciem niemieckiego i austriackiego rynku

pracy w 2011 roku.

Tabela 5

Emigracja z Polski na pobyt czasowy w latach 2002-2008

Źródło: Informacja o rozmiarach i kierunkach emigracji z Polski w latach 2004-2008, GUS, 2009.

Od momentu wstąpienia Polski w struktury UE najpopularniejszym krajem wyjazdów

obywateli polskich stała się Wielka Brytania. W latach 2004-2008 nastąpił czterokrotny

wzrost liczby Polaków tam emigrujących do poziomu 650 tys. osób w 2008 roku.

Ciekawym jest fakt, iż Irlandia, która przed akcesją Polski do UE była jednym z najmniej

atrakcyjnych kierunków zagranicznych wyjazdów czasowych (2 tys. emigrantów polskich

Kraj przebywania 2002 2004 2007 2008 Ogółem 786 1000 2270 2210 Europa: 461 770 1925 1887 UE 27 451 750 1860 1820 Austria 11 15 39 40 Belgia 14 13 31 33 Cypr - - 4 4 Dania - - 17 19 Finlandia 0,3 0,4 4 4 Francja 21 30 55 56 Grecja 10 13 20 20 Hiszpania 14 26 80 83 Irlandia 2 15 200 180 Niderlandy 10 23 98 108 Niemcy 294 385 490 490 Portugalia 0,3 0,5 1 1 Republika Czeska - - 8 10 Szwecja 6 11 27 29 Wielka Brytania 24 150 690 650 Włochy 39 59 87 88 Kraje spoza UE 10 20 65 67

  18 

w 2002 r.), po 2004 r. stała się trzecim, największym co do intensywności krajem

docelowym5.

Uwzględniając demograficzne i społeczne cechy osób biorących udział w zagranicznej

migracji czasowej z Polski, można wskazać kategorie osób o wysokiej skłonności do

wyjazdów.

Analiza emigracji Polaków wskazuje na dominujący udział mężczyzn w strumieniu

migracyjnym 64,7 % ogółu migrantów (w okresie poakcesyjnym) (Tabela 6). Uległ on

zwiększeniu o około 7 punktów procentowych w stosunku do emigracji z przed 1 maja

2004 r. Wysoka nadreprezentacja emigrantów płci męskiej określana jest mianem

maskulinizacji zjawiska migracji. Oznacza ona liczbę mężczyzn przypadającą na 100

kobiet wśród migrantów. W okresie poakcesyjnym na 100 kobiet przypadało 183

mężczyzn (Grabowska- Lusińska i Okólski 2009).

Tabela 6

Emigracja z Polski według płci

Przed 1 maja 2004 r. Po 1 maja 2004 r. Populacja Polski Lp. Płeć

w % 1. Mężczyźni 57 64,7 47,4 2. Kobiety 43 35,3 52,6 3. Ogółem 100 100 100 Źródło: I. Grabowska- Lusińska, M. Okólski, Migracja z Polski po 1 maja 2004 r.: jej intensywność i kierunki geograficzne oraz alokacja migrantów na rynkach pracy krajów Unii Europejskiej, CMR Working Papers nr 33/91, 2008, s. 60.

Dane dotyczące zagranicznych migracji czasowych, uzyskane na podstawie badań BAEL

(Badanie Aktywności Ekonomicznej Ludności) wykazują, że w odpływie migracyjnym

najliczniejszą kategorią były osoby w wieku produkcyjnym mobilnym (20-44 lata),

stanowiące ponad 70 % ogółu migrantów (Wykres 3). Ponad połowa osób wyjeżdżających

to osoby młode w wieku 20-29 lat. Udział w migracji kobiet w wieku 20-29 lat (będącym

szczytową fazą wieku rozrodczego, obejmującego przedział 15-49 lat) (Okólski 2004) i

podejmowanie przez nie decyzji prokreacyjnych poza granicami Polski, może wpłynąć na

obniżenie liczby urodzeń, a tym samym pogłębić kryzys demograficzny w kraju.

                                                            5 Irlandia od końca XIX w. do początku XXI w. była tradycyjnym krajem emigracji netto, w którym wyjazdy Irlandczyków, szczególnie do Stanów Zjednoczonych, znacząco przewyższały napływ imigracyjny (Szerzej: Grabowska- Lusińska 2007).

  

19

Wykres 3

Emigracja z Polski według wieku w okresie przed- i poakcesyjnym

Źródło: I. Grabowska- Lusińska, M. Okólski, Migracja z Polski po 1 maja 2004 r.: jej intensywność i kierunki geograficzne oraz alokacja migrantów na rynkach pracy krajów Unii Europejskiej, CMR Working Papers nr 33/91, 2008, s. 62.

Wykształcenie jest kategorią społeczną, charakteryzującą jakość kapitału społecznego

ludności danego kraju. Udział w migracjach osób wysoko wykwalifikowanych oraz

posiadających wykształcenie zawodowe może znacząco wpłynąć na tę jakość w skali

regionalnej oraz ogólnopolskiej (Tabela 8). Najliczniejszą grupę wśród migrantów z Polski

(zarówno w okresie przed jak i po akcesyjnym) stanowiły osoby z wykształceniem

zasadniczym zawodowym (co trzecia osoba wyjeżdżająca) oraz średnim zawodowym (co

czwarta osoba). Znaczący wzrost nastąpił wśród osób z wykształceniem wyższym, którzy

po 1 maja 2004 roku stanowią 16,5% ogółu migrantów (aż o 6,5 punktów procentowych

więcej niż w okresie przedakcesyjnym). Jak pokazują badania, znacząca część osób

legitymujących się dyplomem uczelni wyższej, wykonuje pracę poniżej swoich

kwalifikacji. Zjawisko to w literaturze przedmiotu określane jest terminem marnotrawstwa

mózgów lub deprecjacją kapitału społecznego6.

                                                            6 Interesujące przykłady rozbieżności pomiędzy specjalizacją studiów a charakterem wykonywanej pracy w Wielkiej Brytanii zawiera raport Centrum Stosunków Międzynarodowych (Badanie nad legalnymi migracjami…2007).

Wiek 

  20 

Tabela 8

Poziom wykształcenia migrantów (w wieku 15 i więcej lat) według płci

Ogółem Przed 1 maja 2004 r. Po 1 maja 2004 r.

Lp. Najwyższy ukończony poziom wykształcenia

w % 1. Wyższe 10,0 16,5 2. Policealne 3,1 3,0 3. Średnie zawodowe 26,0 27,3 4. Średnie ogólne 12,9 14,1 5. Zasadnicze zawodowe 37,4 31,3 6 Gimnazjum 0,4 1,5 7. Podstawowe lub niepełne

podstawowe 10,2 6,3

8. Ogółem 100 100 Źródło: I. Grabowska- Lusińska, M. Okólski, Emigracja ostatnia? Wydawnictwo Naukowe SCHOLAR, Warszawa 2009, s. 101.

W świetle wyżej przedstawionych ogólnopolskich tendencji w zakresie migracji

czasowych, należy podkreślić znaczący udział ludności pochodzącej z województw Polski

Wschodniej w ogólnym strumieniu odpływu migracyjnego (35,8%). Oznacza to że co 3

osoba migrująca za granicę kraju pochodziła właśnie ze wschodnich terenów

peryferyjnych. Największy udział migrantów obserwuje się z województwa

podkarpackiego (13,2%) oraz lubelskiego (8,2%), zaś najniższy z warmińsko-mazurskiego

(nieco powyżej 3%). Obserwując dane przedstawione w tabeli nr 9 można dostrzec

odwrotnie proporcjonalną zależność pomiędzy wielkością udziału osób z danego

województwa w ogólnopolskim odpływie migracyjnym, a stopniem zurbanizowania tego

terenu. Im większa liczba osób zamieszkuje tereny wiejskie (im mniejszy wskaźnik

urbanizacji), tym większy udział ludności w migracjach z tego obszaru (Tabela 9)

Kierunki migracji czasowych, w których uczestniczą mieszkańcy Polski Wschodniej są

zbieżne z ogólnopolskimi trendami. Dominują wyjazdy do Wielkiej Brytanii, Irlandii i

Niemiec. Należy brać pod uwagę również silnie zakorzenione tradycje migracyjne,

charakterystyczne dla poszczególnych województw. Dzięki wykształconym sieciom

migracyjnym, specyficznymi kierunkami wyjazdów zarobkowych (zarówno w wymiarze

długo- oraz krótkookresowym) dla osób z województwa lubelskiego są: USA, Wielka

Brytania, Niemcy; podlaskiego: USA, Belgia; podkarpackiego: USA, Włoch, Francja;

warmińsko-mazurskiego- Niemcy i USA (Strategia rozwoju…2008).

  

21

Tabela 9

Migracje według województw na tle urbanizacji w latach 2004 i 2007

Lp. Województwo Udział w całkowitym odpływie ludności z Polski po 1 maja 2004r.

Wskaźnik urbanizacji w 2007 r. (odsetek ludności zamieszkującej w miastach)

w %

1. Podkarpackie 13,2 40,6 2. Małopolskie 10,6 49,4 3. Dolnośląskie 9,4 61,2 4. Lubelskie 8,2 46,6 5. Śląskie 6,7 78,4 6. Mazowieckie 6,6 64,7 7. Kujawsko- Pomorskie 6,3 61,1 8. Wielkopolskie 5,7 56,6 9. Świętokrzyskie 5,6 45,4 10. Podlaskie 5,4 59,5 11. Zachodniopomorskie 4,7 68,9 12. Łódzkie 4,4 64,4 13. Pomorskie 4,3 66,7 14. Warmińsko-

Mazurskie 3,4 60,0

15. Opolskie 3,1 52,5 16. Lubuskie 2,4 63,9 17. Polska (Ogółem) 100 61,2 Źródło: Opracowanie własne na postawie: M. Mioduszewska, Biuletyn Migracyjny nr 16, 2008, s. 3; Rocznik statystyczny województw 2008, GUS, Warszawa 2009.

Według danych Urzędu Statystycznego w Olsztynie, w 2007 r. z województwa

warmińsko-mazurskiego w wyjazdach zagranicznych (trwających powyżej 3 miesięcy)

brało udział około 4,7 tysięcy osób. Prawie połowa spośród nich przebywała w Wielkiej

Brytanii (2,1 tys. osób). W następnej kolejności plasowały się Niemcy (0,6 tys. osób),

Irlandia (0,5 tys.) oraz Stany Zjednoczone (0,4 tys.). Wśród migrujących zdecydowaną

większość (74%) stanowili mężczyźni. Niniejsze dane nie odzwierciedlają jednak stanu

faktycznego skali migracji z terenu województwa warmińsko-mazurskiego i struktury osób

w niej uczestniczących. Dotyczą one jedynie tych którzy zgłosili swój czasowy wyjazd

zagraniczny do ewidencji gminy, z której pochodzą (Migracje ludności…2008).

Rzeczywiste rozmiary migracji zagranicznych z tego oraz pozostałych województw Polski

Wschodniej są znacznie większe.

  22 

Podsumowanie

Współczesne migracje zagraniczne ludności są konsekwencją procesu globalizacji.

Otwarcie europejskich rynków pracy w znaczącym stopniu nasiliło czasową migrację z

Polski, uwarunkowaną ekonomicznie. Masowy charakter mobilności zewnętrznej ludności

naszego kraju może pogłębić niekorzystną sytuację demograficzną kraju, zwiększając

tendencje depopulacyjne oraz proces starzenia się społeczeństwa polskiego.

Osoby pochodzące z województw Polski Wschodniej stanowią ponad 30 % wszystkich

migrantów zagranicznych z Polski. Największy udział w odpływie mają mieszkańcy

województwa podkarpackiego oraz lubelskiego, będących ponadto terenami o wysokim

udziale ludności w wieku poprodukcyjnym. Wobec faktu, iż w migracjach zewnętrznych

biorą udział przede wszystkim osoby w wieku produkcyjnym mobilnym, posiadające

wykształcenie wyższe lub zawodowe, wzmożona skala procesów migracyjnych z tych

terenów nie jest zjawiskiem korzystnym. Te i pozostałe województwa Polski Wschodniej,

będące regionem o niskim stopniu urbanizacji, są szczególnie narażone na procesy

wyludniania się, zarówno w wyniku migracji zagranicznych, jak i krajowych.

Uwarunkowania demograficzne są ściśle związane z możliwościami rozwoju społecznego

i gospodarczego. Jest to ważne w kontekście obszarów peryferyjnych, w których

występują znaczne dysproporcje w tym zakresie, w stosunku do innych województw.

Mając w świadomości negatywne konsekwencje nadmiernego odpływu ludności, warto

zastanowić się nad zastosowaniem odpowiednich instrumentów i narzędzi z zakresu

polityki migracyjnej, edukacyjnej i zatrudnieniowej, by w skuteczny sposób zapobiec

procesom wyludniania się terenów peryferyjnych i jednocześnie przyczynić się do

podniesienia jakości kapitału społecznego Polski Wschodniej.

Spis literatury

Badanie nad legalnymi migracjami zarobkowymi z Polski do Wielkiej Brytanii po 1 maja 2004 roku, 2007, Raporty i Analizy 9/07, Centrum Stosunków Międzynarodowych, Warszawa. Boni M., 2007, Kapitał ludzki, kapitał społeczny a wyzwania rynku pracy na obszarach Polski Wschodniej. Dyrektywa 2004\38\WE. Grabowska- Lusińska I., 2007, Analiza irlandzkiego rynku pracy w kontekście procesów migracyjnych po 1 maja 2004 r. ze szczególnym uwzględnieniem napływu Polaków, CMR Working Papers, 25/83, Uniwersytet Warszawski: Ośrodek Badań nad Migracjami, Warszawa. Grabowska-Lusińska I., M. Okólski, 2009, Emigracja ostatnia?, Wydawnictwo Naukowe SCHOLAR, Warszawa.

  

23

Grabowska-Lusińska I., M. Okólski, 2008, Migracja z Polski po 1 maja 2004 r.: jej intensywność i kierunki geograficzne oraz alokacja migrantów na rynkach pracy krajów Unii Europejskiej, CMR Working Papers nr 33/ 91, Uniwersytet Warszawski: Ośrodek Badań nad Migracjami, Warszawa. Grosse T. G., 2007, Wybrane koncepcje teoretyczne i doświadczenia praktyczne dotyczące rozwoju regionów peryferyjnych, (w:) Ekspertyzy wykonane na zamówienie MRR na potrzeby Strategii rozwoju społeczno-gospodarczego Polski Wschodniej do roku 2020, Tom I, MRR, Warszawa. Holzer J. Z., 1999, Demografia, PWE, Warszawa. Informacja o rozmiarach i kierunkach emigracji z Polski w latach 2004- 2008, 2009, GUS, Warszawa. Kaczmarczyk P., 2005, Migracje zarobkowe Polaków w dobie przemian, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa. Koryś P., 2001, Peryferyjność a migracja niepełna [w:] E. Jaźwińska, M. Okólski (red.) Ludzie na huśtawce. Migracje między peryferiami Polski i Zachodu (s.188-206), Wydawnictwo Naukowe SCHOLAR, Warszawa. Ludzie na huśtawce. Migracje między peryferiami Polski i Zachodu, 2001, E. Jaźwińska, Okólski (red.), Wydawnictwo Naukowe SCHOLAR, Warszawa. Mioduszewska M., 2008, Selektywność migracji z Polski w świetle danych BAEL/OBM, „Biuletyn Migracyjny”, nr 16, s. 3. Migracje ludności w województwie warmińsko-mazurskim 2007, 2008, Urząd Statystyczny w Olsztynie, Olsztyn 2008. Nowak L., Kostrzewa, Z., Waligórska M., 2007, Prognoza demograficzna dla województw Polski Wschodniej do 2020 roku, [w:] Ekspertyzy wykonane na zamówienie MRR na potrzeby Strategii rozwoju społeczno-gospodarczego Polski Wschodniej do roku 2020, Tom I, Ministerstwo Rozwoju Regionalnego, Warszawa. Okólski M., 2004, Demografia, Polskie Wydawnictwo Ekonomiczne, Warszawa. Podstawowe informacje o rozwoju demograficznym Polski do 2008 roku, 2009, Główny Urząd Statystyczny, Warszawa 2009. Prognoza ludności na lata 2008-2035, 2008, Główny Urząd Statystyczny, Warszawa. Program Operacyjny Rozwój Polski Wschodniej 2007-2013. Narodowe Strategiczne Ramy odniesienia 2007-2013, 2007, Warszawa. Regiony Polski, 2009, Główny Urząd Statystyczny, Warszawa. Rocznik Demograficzny, 2009, Główny Urząd Statystyczny, Warszawa. Rocznik Statystyczny Województw 2008, 2009, Główny Urząd Statystyczny, Warszawa. Siewiera B., 1996, Migracje a peryferyjność, [w:] A. Sadowski (red.) Pogranicze. Studia społeczne, t.5, Białystok. Strategia rozwoju społeczno-gospodarczego Polski Wschodniej do roku 2020, 2008, Ministerstwo Rozwoju Regionalnego, Warszawa. Sytuacja demograficzna Polski: Raport 2007- 2008, 2008, Rządowa Rada Ludnościowa, Warszawa.

  24 

  

25

Anna Majdzińska, Witold Śmigielski

Zakład Demografii i Gerontologii Społecznej UŁ

Wizja własnej przyszłości zawodowej i rodzinnej studentów

Uniwersytetu Łódzkiego

Wprowadzenie

Większość młodych osób posiada bardziej lub mniej sprecyzowane cele życiowe, w

hierarchii których na szczycie, wg różnych badań, najczęściej wskazywane są cele

rodzinne (Guzik, 2003, s. 120; Ignatczyk, 2006, s.64; Cudowska, 1997, s. 100; Wikar,

2004, s. 135). Jednakże obserwowane jest również zjawisko dążenia do rozwoju

zawodowego, przy czym chęć ta może być silniejsza niż pragnienie realizacji celów

matrymonialnych i rodzinnych. Wiele osób odkłada w czasie decyzje związane z

rozpoczęciem życia rodzinnego na rzecz spełnienia zawodowego lub osiągnięcia

stabilizacji finansowej. Wybory te są konsekwencją wielu czynników, m.in. wzrostu

ambicji zawodowych, często będących wynikiem coraz wyższych wymagań stawianych

młodym ludziom przez rynek pracy, trudności mieszkaniowych, a także zmian w normach

społecznych dotyczących sfery matrymonialnej.

Zasadniczym celem niniejszego opracowania było przedstawienie wyników badań w

zakresie poglądów młodych osób na temat swojej przyszłości zawodowej i rodzinnej a

także ocena różnic w stanowiskach kobiet i mężczyzn w tym względzie. Badanie zostało

przeprowadzone na losowo dobranej próbie 150 studentów IV i V roku wydziału

Ekonomiczno-Socjologicznego Uniwersytetu Łódzkiego.

Obserwując procesy społeczne i demograficzne w krajach zachodnich, można przyjąć

założenie, iż zachowania i postawy młodzieży akademickiej należy traktować jako

wzorcotwórcze i normotwórcze, stanowiące podstawę naśladownictwa dla innych grup

społecznych. Ważne jest także, że realizacja deklarowanych opinii i zachowań jest wielce

prawdopodobna, gdyż zasadnicza faza działań życiowych już się rozpoczęła i w bliskiej

perspektywie czasowej wymagać będzie finalizowania (Slany, 2008, s. 19).

Hipotezą badawczą, jaką postawiliśmy w niniejszym opracowaniu był pogląd, iż płeć jest

istotną determinantą poglądów młodych ludzi w zakresie życia rodzinnego i zawodowego.

Ponadto sądzimy, że w kształtowaniu swoich planów na przyszłość mężczyźni

przywiązują większą wagę do kwestii zawodowych i materialnych niż kobiety, natomiast

  26 

kobiety zgłaszają wcześniejszą gotowość do zakładania rodziny i/lub posiadania

potomstwa niż mężczyźni.

1. Obraz sytuacji w zakresie małżeńskości i rozrodczości w Polsce

Podstawowym źródłem danych do analiz w tej części opracowania były publikacje

Głównego Urzędu Statystycznego, w tym dane z różnych wydań Roczników

Demograficznych oraz informacje zamieszczane na stronie internetowej wspomnianej

instytucji.

W Polsce na przestrzeni minionych dwudziestu lat (1989-2008) nastąpił spadek częstości

zawierania małżeństw oraz wzrost częstości rozwodów. W 2008 r. wartości

współczynników małżeństw i rozwodów wyniosły odpowiednio 6,8‰ i 1,7‰. Na

przestrzeni ostatnich dwóch dekad opóźnieniu uległ wiek wstępowania w związek

małżeński. W latach 1990. największa częstość zawierania małżeństw, zarówno przez

kobiety jak i mężczyzn, przypadała na wiek 20-24 lat. W pierwszej dekadzie XXI wieku

największa częstość zawierania małżeństw w przypadku kobiet nie zmieniła się, choć

widoczny jest jej sukcesywny wzrost w kolejnej grupie wiekowej, natomiast w przypadku

mężczyzn uległa przesunięciu do kolejnej grupy wieku, tj. 25-29 lat. Ponadto, zjawiskiem

powszechnym, zwłaszcza w dużych miastach, stało się trwanie w związkach partnerskich.

Wiele osób zwleka z podjęciem decyzji o ślubie lub nie zamierza w ogóle wstępować w

związek małżeński mimo, że zostało lub zamierza zostać rodzicami7. Świadczy o tym

wzrost odsetka urodzeń pozamałżeńskich w ogólnej liczbie urodzeń żywych. W 1990 r.

udział ten wynosił 6,2% a w 2007 r. już 19,5%. Zjawiskiem często obserwowanym wśród

młodych ludzi jest również wieloletnie trwanie w związkach narzeczeńskich, które można

utożsamiać z wymienianymi w literaturze przedmiotu związkami typu LAT (Living Apart

Together), czyli długotrwałymi związkami emocjonalnymi dwojga ludzi mieszkających

osobno. Wzrost akceptacji społecznej dla wymienionych typów związków oraz dla „singli”

jest czynnikiem sprzyjającym skupieniu uwagi na karierze zawodowej przez młode osoby,

gdyż nie odczuwają one presji otoczenia w zakresie realizacji celów matrymonialnych i

rodzinnych.

Wymienione zmiany w zakresie zachowań matrymonialnych mają wpływ na spadek

poziomu płodności. W 1990 r. na 1000 kobiet w wieku rozrodczym przypadało 58 urodzeń

żywych, w 2007 r. już tylko 40. Na początku lat 90-tych XX wieku największa płodność

                                                            7 Analiza materiału badawczego wskazuje, iż osoby niezdecydowane w kwestii zawarcia małżeństwa często

deklarowały chęć posiadania dzieci.

  

27

obserwowana była wśród kobiet w wieku 20-24 lata, natomiast pod koniec wspomnianej

dekady uległa ona przesunięciu do grupy wieku 25-29 lat. W latach 1990-2007

współczynnik dzietności, wyrażający liczbę dzieci przypadającą na jedną kobietę w wieku

rozrodczym, obniżył się z poziomu 2,04 do 1,31. W tym okresie nastąpił również wzrost

odsetka urodzeń pierwszych (z 39,5% w 1990 r. do 50,8% w 2007 r.) i znaczny spadek

urodzeń trzecich i dalszych.

2. Czynnik edukacyjno-zawodowy wpływający na model rodziny

Zawarcie związku małżeńskiego i założenie rodziny jest jednym z przejawów społecznego

aspektu dorosłości (Guzik, 2003, s.117). Rodzina, jak już wcześniej wspomniano, stanowi

jeden z najistotniejszych celów życiowych młodzieży polskiej. Do pozostałych ważnych

dążeń, wg różnych badań, zaliczane są cele samorealizacyjne, materialne, zawodowe i

edukacyjne (Guzik, 2003, s. 119-120; Ignatczyk, 2006, s. 64). Wiele młodych osób często

nie chce rezygnować z żadnych z tych celów8, jednakże ich jednoczesna realizacja nie

zawsze jest możliwa, dlatego często ustalają ich hierarchię ważności w czasie, tzn. planują

najpierw zdobyć wykształcenie, następnie znaleźć dobrą pracę, gwarantującą wysokie

zarobki i dającą satysfakcję zawodową, a dopiero potem założyć rodzinę. Takie

„rozplanowanie” priorytetów życiowych, można by powiedzieć znalezienie pomiędzy nimi

kompromisu, pozwala najpierw skoncentrować się na kwestiach zawodowych i tzw.

„karierze”, aby móc osiągnąć jak najwięcej na szczeblu zawodowym, a dopiero później

realizować się w rolach rodzinnych. Zjawisko opóźnienia wieku wstępowania w związek

małżeński spowodowane podjęciem edukacji akademickiej jest szczególnie zauważane

wśród kobiet. Badania prowadzane wśród młodzieży krajów rozwijających się dowodzą, iż

występuje silna statystyczna zależność pomiędzy faktem podjęcia przez kobiety studiów a

wiekiem w którym decydują się na założenie rodziny (Singh, Samara, 1996, s. 149;

Goldscheider, Waite, 1986, s. 13). Natomiast w przypadku mężczyzn czynnikiem często

mającym istotny wpływ na wiek wstąpienia w związek małżeński jest posiadanie pracy

(Goldscheider, Waite, 1986, s. 12-13) oraz ich sytuacja ekonomiczna (Xie, Raymo,

Goyette, Thornton, 2003, s. 362).

Obecnie coraz więcej osób podejmuje studia wyższe. W okresie transformacji systemowej,

liczba studentów uczelni wyższych wzrosła z 403,1 tys. osób w roku akademickim

1990/91 do 1,94 mln osób w roku 2008/09. W tym czasie powstało wiele nowych uczelni,

                                                            8 Wartości wskazywane przez studentów jako najważniejsze w życiu, według badań przeprowadzonych w

2004 r. przez B. Wikar, to „szczęście rodzinne” (72,5%) oraz „ciekawa praca” (55%).

  28 

zwłaszcza niepublicznych, oferujących bogatą gamę kierunków studiów wyższych (liczba

szkół wyższych wzrosła z 287 w roku akademickim 1999/00 do 456 w roku 2008/09),

(Mały Rocznik Statystyczny Polski, 2000, 2009).

Odkładanie w czasie decyzji matrymonialnych i rodzinnych nie zawsze podyktowane jest

przesłankami samorealizacyjnymi i chęcią sukcesu zawodowego młodych ludzi, często

wynika również z ich trudnej sytuacji materialnej, np. braku własnego mieszkania, braku

pracy. W badaniach przeprowadzonych wśród młodych Polaków przez naukowców z

Uniwersytetu Kardynała Stefana Wyszyńskiego (zob. Kowalczyk, 2009, s. 11), wynika, iż

wśród powodów dla których młodzi ludzie nie chcą decydować się na sformalizowanie

związku najczęściej wymieniane są „trudności mieszkaniowe” (80% respondentów) oraz

„problemy ze znalezieniem pracy” (78% ankietowanych).

3. Prezentacja wyników badania ankietowego

W dalszej części opracowania przedstawione zostały odpowiedzi studentów wyrażające

ich stanowisko w kwestii planowania życia rodzinnego i zawodowego a także wyobrażenia

o stanie sytuacji gospodarczej Polski w perspektywie najbliższych lat. Część informacji

uzyskanych w wyniku tego badania, tj. charakterystyka ankietowanych oraz ich poglądy w

zakresie własnej przyszłości rodzinnej, zostało już wykorzystane przez autorów w

opracowaniu pt. „Wpływ religijności na decyzje dotyczące planowania życia rodzinnego

studentów Uniwersytetu Łódzkiego”, przedstawionym podczas Ogólnopolskiej

Konferencji Naukowej „Przyszłość demograficzna Polski”, która odbyła się w Łodzi, w

dniach 17-18 września 2009 r.

Badania w zakresie wyborów życiowych młodzieży podejmowane były w wielu

opracowaniach (m.in. Ignatczyk, 2006; Szuman, 2006; Guzik, 2003; Gawlina, 2003; Jaguś,

2008). W dalszej części tekstu, w celu porównawczym, przytaczane będą niektóre wyniki

badań przedstawionych w wymienionych pozycjach.

3.1. Metodologia badania

Podstawowym celem przeprowadzenia badania było poznanie poglądów studentów w

zakresie planowania rodziny i życia zawodowego. Badanie to zostało przeprowadzone

przez autorów niniejszego opracowania na Wydziale Ekonomiczno-Socjologicznym

Uniwersytetu Łódzkiego wśród studentów dwóch ostatnich lat różnych kierunków

stacjonarnych studiów magisterskich. Badanie celowo zostało skierowane do studentów

  

29

wyższych roczników z tego względu, iż końcowemu okresowi studiów towarzyszy

zazwyczaj głębsza refleksja na temat wizji własnej drogi zawodowej i rodzinnej.

Badanie zostało przeprowadzone w maju 2009 r. wśród 150 studentów. Sposób doboru

jednostek do próby był następujący: z istniejących na wydziale Ekonomiczno-

Socjologicznym różnych kierunków studiów magisterskich9 w pierwszej kolejności

wylosowany został kierunek, a na wylosowanym kierunku rok studiów (4 albo 5 na

studiach jednolitych magisterskich lub 1 albo 2 na studiach drugiego stopnia). Następnie,

w obrębie wylosowanego roku losowana była grupa studencka. Procedurę tę zastosowano

siedmiokrotnie i w rezultacie uzyskano siedem różnych grup studenckich. Dzięki

uprzejmości wykładowców ankieta została przeprowadzona podczas zajęć ćwiczeniowych.

Reasumując, grupą docelową była zbiorowość studentów końcowych lat stacjonarnych

studiów magisterskich, uczęszczających na zajęcia. Dobór jednostek do próby był losowy

(losowanie trójstopniowe), zatem próba jest reprezentatywna.

Struktura według płci studentów Wydziału Ekonomiczno-Socjologicznego została zbadana

w oparciu o dane dziekanatów dotyczące liczby studentów (kobiet i mężczyzn) będących

na IV i V roku stacjonarnych jednolitych studiów magisterskich oraz I i II roku

stacjonarnych studiów magisterskich II stopnia, w roku akademickim 2008/2009 (stan na

30.11.2008 r.). Ogólna liczba osób studiujących na wymienionych latach studiów wynosiła

1905 osób, z czego 629 osób to mężczyźni, a 1276 osób to kobiety. Porównanie struktur

studentów według płci w populacji (ogółem i na poszczególnych kierunkach studiów) i w

próbie, zostały przedstawione na Rys. 1.

Porównując dane na wykresie można stwierdzić, iż struktura studentów wg płci w próbie

jest zbliżona do struktury studentów w populacji (odsetek kobiet i mężczyzn w próbie

wynosił odpowiednio 68,7% i 31,3%, natomiast w populacji 67% i 33%) i na

poszczególnych kierunkach studiów (wyjątek stanowi kierunek Informatyka i

Ekonometria, na którym znaczną przewagę liczebną stanowią mężczyźni).

                                                            9 Ekonomia jako studia jednolite magisterskie i ekonomia jako studia drugiego stopnia potraktowane zostały jako dwa różne kierunki.

  30 

Rys. 1. Struktury studentów według płci (w %) na Wydziale Ekonomiczno-Socjologicznym UŁ (ogółem i według poszczególnych kierunków studiów) i w próbie.

Uwaga: Oznaczenia na wykresie: EK – Ekonomia, FB – Finanse i Bankowość, GP – Gospodarka Przestrzenna, IE – Informatyka i Ekonometria, SOC – Socjologia, SM – Stosunki Międzynarodowe, EUR – Europeistyka. Źródło: Opracowanie własne.

Zebrane dane zostały poddane analizie z wykorzystaniem pakietu Statistica10. W dalszej

części opracowania przedstawione zostały wyniki przeprowadzonego badania.

3.2. Charakterystyka badanej próby

W badaniu uczestniczyło 150 studentów (103 kobiety oraz 47 mężczyzn). Połowa

badanych miała ukończone 23 lata, co trzeci z nich miał 24 lata, zaś prawie co siódmy 25

lat. Co trzeci badany przed podjęciem studiów mieszkał w Łodzi, niespełna 6%

respondentów mieszkało w okolicach11 tego miasta, natomiast spoza Łodzi oraz jej

najbliższych okolic pochodziło blisko 60% ankietowanych. Spośród studentów spoza

Łodzi, największą grupę stanowiły osoby mieszkające na wsi (41,84%), co trzeci

ankietowany pochodził ze średniej wielkości miasta (20-100 tys. mieszkańców), niespełna

15% z małego miasta, natomiast w dużym lub wielkim mieście, mieszkało przed

podjęciem studiów około 10% respondentów.

W kwestii sytuacji uczuciowo-partnerskiej, w momencie przeprowadzania badania,

najwięcej ankietowanych (53%) zadeklarowało związek emocjonalny z drugą osobą bez

wspólnego zamieszkiwania, co trzeci ankietowany był osobą samotną, co dziesiąty

                                                            10 Zbadano czy istnieje istotny statystycznie związek pomiędzy płcią respondentów a udzielonymi przez nich

odpowiedziami. W tym celu zastosowano test niezależności χ2 Pearsona. 11 Za najbliższe okolice Łodzi zostały uznane miejscowości położone nie dalej niż 15 km od granic miasta.

  

31

wspólnie zamieszkiwał z osobą, z którą pozostawał w związku emocjonalnym, dającym się

utożsamić z narzeczeństwem lub partnerstwem, natomiast pięcioro ankietowanych

wstąpiło już w związek małżeński.

W kwestii sytuacji zawodowej, w momencie przeprowadzania badania, prawie co piąty

ankietowany posiadał stałą pracę, natomiast co czwarty pracował dorywczo. Co trzeci

student nie pracował, lecz zamierzał podjąć pracę jeszcze podczas studiów, natomiast co

czwarty nie posiadał pracy i nie zamierzał jej podejmować podczas trwania studiów.

Zatem w momencie przeprowadzania badania blisko ponad 40% studentów posiadało już

pracę, natomiast wśród pozostałych niemal co drugi miał nadzieję na rozpoczęcie pracy

jeszcze przed ukończeniem studiów. Dość wysoka aktywność zawodowa studentów może

być wynikiem oczekiwań pracodawców odnośnie jak największego doświadczenia

zawodowego wśród młodych pracowników.

3.3. Poglądy studentów na temat własnej przyszłości rodzinnej

W przyszłości, w związek małżeński chciałoby wstąpić 86% studentów stanu wolnego

(90% kobiet i niewiele ponad 80% mężczyzn), podczas gdy tylko 2% jest przeciwnego

zdania (wyłącznie studentki), a nieco ponad 10% ankietowanych nie potrafiło jeszcze

jednoznacznie udzielić odpowiedzi na to pytanie (8% studentów i 20% studentek). Spośród

osób, które chciałyby w przyszłości wstąpić w związek małżeński, blisko 83% zamierza

wziąć ślub wyznaniowy12, niespełna 2,5% zamierza wziąć jedynie ślub cywilny, natomiast

7% ankietowanych jeszcze nie ma w tej kwestii zdania. Badania przeprowadzone w

2003 r. (Ignatczyk, 2006, s. 69) dowodzą podobnych postaw młodzieży akademickiej.

Wówczas pozytywną postawę wobec instytucji małżeństwa wyraziło 89,6% studentek oraz

89,5% studentów, natomiast sprzeciw swój wyraziło 5,5% studentek oraz 7,2% studentów.

Większość respondentów (89%) chciałaby zawrzeć związek małżeński przed 30 rokiem

życia, z czego 56% chciałoby wziąć ślub w w i e k u 27-30 lat, a 33% w wieku do 26 lat,

przy czym studentki wyraziły wcześniejszą gotowość wstąpienia w związek małżeński niż

studenci (por. Rys. 1). Co trzecia ankietowana chciałaby wziąć ślub przed ukończeniem 26

lat, podczas gdy taką odpowiedź zaznaczył co czwarty student. Ponad połowa kobiet

wskazała wiek 27–30 lat jako najlepszy moment na zawarcie związku małżeńskiego, zatem

ponad 90% studentek deklarujących chęć zamążpójścia chciałaby w wieku 30 lat być już

mężatkami.

                                                            12 W 2007 r. w Polsce zawarto 248,7 tyś. małżeństw, z czego 69,4% to małżeństwa wyznaniowe (Rocznik

Demograficzny 2008)

  32 

Zbliżony rozkład wyników otrzymała I. Jaguś (2008, s. 13) pytając studentów o

najbardziej optymalny wiek zawarcia małżeństwa dla kobiety i mężczyzny13.

Zdecydowana większość respondentów uznała wiek 25–29 lat jako najbardziej odpowiedni

na ślub zarówno dla mężczyzny jak i dla kobiety. Również w badaniu przeprowadzonym w

2003 r. (Ignatczyk, 2006, s.70) większość ankietowanych (55,5% studentek i 62,1%

studentów) zadeklarowało, iż chciałoby wstąpić w związek małżeński w wieku 25-29 lata.

Dla porównania warto wspomnieć, iż badanie przeprowadzone w 1980 r. (Ignatczyk, 1990,

s.70) ukazało zróżnicowanie odpowiedzi w tym względzie w zależności od płci.

Zdecydowana większość mężczyzn (58,8%) stanu wolnego będących w wieku 20-24 lata

zadeklarowała chęć wstąpienia w związek małżeński w wieku 25-29 lat, natomiast

większość kobiet (67,7%) będących w tym samym wieku, wyraziła wcześniejszą niż

mężczyźni gotowość do zamążpójścia, tj. w wieku 20-24 lata.

Rys 2. Płeć respondenta, a najbardziej odpowiedni wiek na zawarcie związku małżeńskiego

36,67%

25,64%

54,44%

58,97%

4,44%

12,82%

4,44%2,56%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

do 26 27 - 30 31 - 34 Nie wiem

studentka student

Źródło: Opracowanie własne na podstawie wyników badania ankietowego

Istotnym czynnikiem mającym wpływ na wiek zawarcia małżeństwa jest miejsce

pochodzenia (patrz szerzej: Singh, Samara, 1996, s. 149). Zależność ta znalazła

potwierdzenie w uzyskanych wynikach przeprowadzonego przez nas badania. Dla

                                                            13 Badaniem zostało objętych 1108 studentów IV i V roku pięciu lubelskich uczelni wyższych.

  

33

zobrazowania sytuacji przytoczymy tylko, że po 30 roku życia związek małżeński

chciałoby zawrzeć 12% studentów pochodzących z wielkich lub dużych miast, ponad 8%

osób pochodzących z średnich miast i zaledwie niewiele ponad 2% osób pochodzących z

małych miast lub wsi.

W 1980 r. mediana planowanego wieku wstąpienia w związek małżeński, wg deklaracji

respondentów będących w wieku 20-24 lata, wynosiła 23,9 lat w przypadku kobiet i 25,4

lat w przypadku mężczyzn (Ignatczyk, 1990, s.72). Dla porównania warto wspomnieć, iż

w 2007 r. mediana wieku zawarcia pierwszego małżeństwa wynosiła 25,4 lat w przypadku

kobiet i 27,5 lat w przypadku mężczyzn (Rocznik Demograficzny 2008, s.216), zatem

zjawisko opóźnienia wieku wstępowania w związek małżeński widoczne jest zarówno w

danych rocznikowych jak i deklaracjach młodzieży.

Analiza statystyczna wyników przeprowadzonego przez nas badania pokazuje, iż zdaniem

ankietowanych optymalny wiek na wstąpienie w związek małżeński dla kobiet, przeciętnie

rzecz biorąc, jest o rok niższy niż dla mężczyzn, co sugeruje, że statystyczny mąż

powinien być starszy od żony. Preferencje kobiet do wstępowania w związek małżeński z

nieco starszymi od nich mężczyznami potwierdzają także wyniki badań przeprowadzonych

w USA na próbie niespełna 90 000 młodych Amerykanów (Xie i in., 2003, s. 355).

Za najbardziej odpowiedni na podjęcie decyzji o zawarciu związku małżeńskiego moment

w życiu zawodowym większość respondentów wskazywała „uzyskanie stabilnej sytuacji

zawodowej” (por. Rys. 2). Odpowiedzi takiej udzieliło prawie dwie trzecie studentów i

ponad 40% studentek, którzy zadeklarowali chęć wstąpienia w związek małżeński.

Znacząca przewaga mężczyzn w częstości zaznaczania tej odpowiedzi może wynikać z

faktu, iż w opinii społecznej funkcjonuje przekonanie, iż to zadaniem mężczyzny jest

zapewnienie rodzinie godnych warunków bytowych, kobieta natomiast winna dbać o

„ciepło domowego ogniska”14. Może również z tego powodu studentki ponad trzy razy

częściej niż studenci deklarowały, iż na zawarcie związku małżeńskiego odpowiedni jest

dowolny moment w karierze zawodowej, gdyż rozwój zawodowy ma dla nich mniejsze

                                                            14 O tym, że tak pojęte role rodzinne zyskują nierzadko odzwierciedlenie w rzeczywistości potwierdza także

Goldscheider F. K. i Waite L. J. (Goldscheider, Waite, 1986, s. 2) powołując się także na wyniki badań prowadzonych przez innych badaczy takich jak Bernard J., Gove W. R. czy Hughes M. Przekonują oni także, że kobiety wraz z wstąpieniem w związek małżeński zyskują stabilniejszą sytuację finansową, co może sugerować, że pozostają w większym lub mniejszym stopniu na utrzymaniu swoich mężów. Nie wnikając w prowadzone dyskusje o lepszym wynagradzaniu przez przedsiębiorców mężczyzn i kobiet i nie podejmując się oceny, która z płci jest w Polsce, statystycznie rzecz ujmując, lepiej opłacana, chcemy jedynie zauważyć, że znaczna część kobiet w Polsce zamierza po wstąpieniu w związek małżeński pozostać osobą niezależną finansowo. Z sądem tym zgodziło się niespełna 75% respondentów, a jego częściową akceptację zaznaczyło ponad 20% ankietowanych (Gawlina, 2003, s. 152).

  34 

znaczenie niż życie rodzinne. Zależność pomiędzy płcią a momentem w życiu

zawodowym deklarowanym jako najbardziej odpowiedni na zawarcie związku

małżeńskiego jest istotna statystycznie (χ2=8,31, p<0,05).

Rys. 3. Płeć respondenta, a najbardziej odpowiedni momentu życia zawodowego na założenie rodziny

23,60%

12,82%16,85%

15,38%

40,45%

64,10%

0,00% 0,00%

17,98%

5,13%

1,12% 2,56%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

ukończeniestudiów

pierwsza stałapraca

stabilnapozycja

zawodowa

wysokiestanowisko w

pracy

dowolnymoment

inne

Studentka Student

Źródło: Opracowanie własne na podstawie badania ankietowego

Zdecydowana większość ankietowanych (dwie trzecie) zadeklarowała chęć posiadania w

przyszłości dwójki dzieci, natomiast troje dzieci lub więcej chciałoby w przyszłości mieć

co czwarty ankietowany (ryc. 3). Wydaje się to być informacją optymistyczną, gdyż

obecnie współczynnik dzietności w Polsce wynosi 1,3, tymczasem średnia deklarowana

przez łódzkich studentów liczba dzieci przekracza 2. Należy jednak pamiętać, że różnego

rodzaju czynniki, np. problemy ekonomiczne, zdrowotne czy chęć realizacji zawodowej

mogą znaleźć negatywne odzwierciedlenie w rzeczywistej liczbie potomstwa. Mężczyźni

częściej niż kobiety deklarowali chęć posiadania większej liczby potomstwa (co najmniej

3), co może wynikać z faktu, iż ciąża dla kobiet oznaczać może wiele poświęceń i

wyrzeczeń, często związanych z życiem zawodowym, tj. ryzyko „zahamowania kariery

zawodowej” lub nawet utraty pracy. Poza tym obowiązek opieki nad dziećmi w wielu

rodzinach spoczywa przede wszystkim na kobiecie.

  

35

Warto jeszcze wspomnieć, że 2 z 3 ankietowanych, którzy negatywnie zapatrują się na

małżeństwo, chciałoby w przyszłości posiadać potomstwo, podobnie jak 12 z 17

ankietowanych, którzy deklarują chęć posiadania dzieci mimo, że nie wiedzą jeszcze, czy

chcieliby w przyszłości wstąpić w związek małżeński. Można zatem stwierdzić, że wśród

studentów Uniwersytetu Łódzkiego deklarowana chęć posiadania w przyszłości potomstwa

jest silniejsza niż chęć wstąpienia w związek małżeński.

W badaniu przeprowadzonym w 1980 r. z udziałem młodzieży stanu wolnego uzyskano

podobne rezultaty planowanej dzietności. Najwięcej respondentów będących w wieku 20-

24 lata zadeklarowało chęć posiadania dwójki dzieci (60,2% kobiet i 60,3% mężczyzn),

natomiast co najmniej troje dzieci chciałoby w przyszłości mieć 30,1% kobiet oraz 26,7%

mężczyzn. Średnia deklarowana przez respondentów w tym badaniu dzietność wynosiła

2,2 i 2,1 odpowiednio w przypadku kobiet i mężczyzn (Ignatczyk, 1990, s.123-124).

Rys. 4. Płeć respondenta, a deklarowana liczba dzieci, którą chciałby w przyszłości posiadać.

2,25% 2,38%

8,99%4,76%

67,42%

61,90%

21,35%

30,95%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

0 1 2 3+

studentka student

Źródło: Opracowanie własne na podstawie badania ankietowego

Większość respondentów (63%) wyrażająca chęć posiadania potomstwa uznała wiek 27-

30 lat za najbardziej odpowiedni na planowanie pierwszego dziecka (por. Rys. 4). Ponadto,

z analizy wykresu wynika, że kobiety deklarują wcześniejszą gotowość do macierzyństwa

niż mężczyźni. Prawie 87% kobiet chciałoby urodzić swoje pierwsze dziecko przed

  36 

trzydziestym rokiem życia, podczas gdy ojcem w tym wieku chciałoby być niespełna 60%

studentów. Co trzeci student chciałby zostać ojcem dopiero w wieku 31-34 lata. Zależność

pomiędzy płcią a wiekiem deklarowanym jako najbardziej odpowiedni na posiadanie

pierwszego dziecka jest istotna statystycznie (χ2=15,96, p<0,05).

Rys. 5. Płeć respondenta a najbardziej odpowiedni wiek na posiadanie pierwszego dziecka

13,40%

6,52%

73,20%

52,17%

11,34%

32,61%

0,00%4,35%

2,06%4,35%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

80,0%

do 26 27 - 30 31 - 34 35+ Nie wiem

Studentka Student

Źródło: Opracowanie własne na podstawie badania ankietowego

Za najbardziej odpowiedni na podjęcie decyzji o planowaniu pierwszego dziecka moment

w życiu zawodowym większość respondentów zadeklarowała „uzyskanie stabilnej sytuacji

zawodowej”, przy czym odpowiedź tą wskazywali częściej studenci niż studentki (por.

Rys. 5). Natomiast kobiety częściej niż mężczyźni wskazywały na dwie pierwsze

odpowiedzi, tzn. ukończenie studiów i znalezienie pierwszej stałej pracy. Jak już wcześniej

wspomniano, taki rozkład odpowiedzi może wynikać z przekonania o podziale pełnionych

w rodzinie ról a także z wcześniejszej gotowości kobiet do macierzyństwa. Zależność

pomiędzy płcią a momentem w życiu zawodowym deklarowanym jako najbardziej

odpowiedni na planowanie pierwszego dziecka jest istotna statystycznie (χ2=12,97,

p<0,05).

  

37

Rys. 6. Płeć respondenta, a najbardziej odpowiedni momentu w życiu zawodowym na posiadanie pierwszego dziecka

8,08%

2,17%

22,22%

4,35%

53,54%

78,26%

2,02%4,35%

11,11% 10,87%

3,03%0,00%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

80,0%

ukończeniestudiów

pierwszastała praca

stabilnapozycja

zawodowa

wysokiestanowisko

w pracy

dowolnymoment

inne

Studentka Student

Źródło: Opracowanie własne na podstawie badania ankietowego

Zarówno dla mężczyzn jak i dla kobiet najważniejszym czynnikiem w planowaniu

pierwszego dziecka jest stabilna sytuacja finansowa (ryc. 6). Jako następne w kolejności

czynniki ankietowani wskazywali emocjonalną dojrzałość i gotowość na dziecko a także

wzajemną miłość i stabilność związku oraz posiadanie własnego mieszkania.

W badaniu przeprowadzonym w 1980 r. (Ignatczyk, 1990, s.139-140) respondenci stanu

wolnego będący w wieku 20-24 lata jako uwarunkowania planowania pierwszego dziecka

najczęściej wskazywali na warunki mieszkaniowe (40,6% mężczyzn i 49,7% kobiet) oraz

materialne (33,6% mężczyzn i 39,4% kobiet), przy czym mężczyźni częściej niż kobiety

deklarowali chęć posiadania pierwszego dziecka bez względu na warunki (odpowiednio

42,4% i 36,4%).

  38 

Rys. 7. Płeć respondenta, a wybór najważniejszych czynników w podjęciu decyzji o planowaniu pierwszego dziecka

0,98%0,00%

4,90%6,38%

5,88%8,51%

18,63%12,77%

45,10%57,45%

53,92%

55,32%

74,51%

63,83%80,39%

74,47%

0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% 90,0%

inne

"zegar biologiczny"

wysoka pozycja zawodowa

stała praca obojgamałżonków/partnerów

posiadanie własnegomieszkania

wzajemna miłość i stabilnośćzwiązku

emocjonalna dojrzałość igotowość na dziecko

stabilna sytuacja finansowa

studentka student

Źródło: Opracowanie własne na podstawie badania ankietowego

3.4. Poglądy studentów na temat własnej przyszłości zawodowej

Zdecydowana większość ankietowanych (70%) oceniła optymistycznie sytuację

gospodarczą Polski w perspektywie najbliższych 10 lat (22% z nich uznało, że ulegnie ona

znaczącej poprawie, zaś niespełna połowa uznała, że lekko polepszy się). Niespełna 10%

respondentów spodziewa się pogorszenia sytuacji gospodarczej kraju, 6% ankietowanych

uważa, że nie ulegnie ona zmianie, natomiast 15% studentów nie zajęło stanowiska w tej

sprawie.

Zdecydowana większość studentów (70%) oceniła Łódź jako korzystne miejsce dla

rozwoju kariery zawodowej zgodnie z ich oczekiwaniami (niespełna 15% z nich

wypowiedziało się na ten temat w sposób zdecydowany, zaś blisko 60% raczej się z tą

oceną zgadzało), natomiast co piąty ankietowany uważał, że w jego przypadku Łódź raczej

lub zdecydowanie nie jest odpowiednim miejscem do rozwoju zawodowego.

Podsumowując można stwierdzić, iż znacząca większość studentów z optymizmem patrzy

na rozwój gospodarczy kraju oraz wyraża swoje przekonanie, że Łódź jest dla nich

korzystnym miejscem dla rozwoju zawodowego.

Po zakończeniu edukacji akademickiej co dziesiąty student planuje wyjechać za granicę w

celach zarobkowych, natomiast co trzeci nie wie jeszcze jaką podejmie decyzję. Ponad

  

39

połowa ankietowanych nie zamierza po skończeniu studiów szukać pracy za granicą.

Analiza statystyczna wykazała, że istnieje brak podstaw do twierdzenia, że ocena sytuacji

gospodarczej kraju wpływa na planowanie (lub nie) przez studentów emigracji.

Ponad połowa respondentów, którzy po ukończeniu studiów nie planują emigracji

zarobkowej, zamierza szukać pracy w Łodzi. Silny wpływ na decyzje ankietowanych ma

ich miejsce pochodzenia. Wśród osób, które przed podjęciem studiów mieszkały w Łodzi

lub jej okolicach blisko 80% zamierza po ukończeniu edukacji pracować w tym mieście.

Natomiast spośród osób, które przed podjęciem studiów nie mieszkały w Łodzi ani w jej

najbliższych okolicach zaledwie co trzeci chciałby pracować w Łodzi, co piąty zamierza

szukać pracy w innym dużym mieście, prawie co dziesiąty zamierza wrócić do rodzinnej

miejscowości, a co trzeci ankietowany nie podjął jeszcze decyzji w tej kwestii.

W dużym mieście, innym niż Łódź, pracę zamierza podjąć 15% ankietowanych.

Największa część z nich zamierza szukać pracy w Warszawie. W dalszej kolejności, jako

potencjalne kierunki migracji, respondenci wskazywali na Wrocław, Poznań, Kraków i

Płock. Spośród studentów spoza Łodzi i jej najbliższych okolic powrót do rodzinnej

miejscowości w celu poszukiwania pracy planuje niespełna 9% osób. Większym

zdecydowaniem w kwestii wyboru miejscowości stanowiącej potencjalne miejsce

zatrudnienia wykazywali się mężczyźni (13% z nich zaznaczyło w tym pytaniu odpowiedź

„nie wiem”, podczas gdy tę właśnie odpowiedź zaznaczyła co czwarta kobieta).

Do czynników postrzeganych jako najistotniejsze w wyborze pracy ankietowani

najczęściej zaliczali wysokość wynagrodzenia, satysfakcję z wykonywanej pracy oraz

zdobycie doświadczenia zawodowego (odpowiedzi te zaznaczyło odpowiednio 90%, 70% i

40% studentów)15. Co trzeci ankietowany uznał, że najważniejszym motywem w podjęciu

pracy jest perspektywa kariery zawodowej, natomiast co czwarty był zdania, że

wykonywana praca powinna rozwijać zainteresowania pracownika. Zatem wysokość

wynagrodzenia, satysfakcja z wykonywanej pracy i zdobycie doświadczenia zawodowego

to zdaniem łódzkich studentów trzy główne motywy, dla których zdecydowaliby się na

wybranie określonej oferty pracy.

                                                            15 Studenci mieli możliwość zaznaczenia trzech odpowiedzi.  

  40 

Podsumowanie

Celem przeprowadzonego badania była analiza postaw studentów wobec stopnia

konkurencyjności rozwoju zawodowego i kwestii rodzinnych oraz ocena różnic w

stanowiskach kobiet i mężczyzn w tym względzie. Wyniki tego badania są zbliżone do

rezultatów otrzymanych przez innych badaczy tego tematu (Ignatczyk, 1990 i 2006; Guzik,

2003). Wśród priorytetów życiowych studentów Uniwersytetu Łódzkiego najważniejsze

miejsce zajmuje rodzina, jednakże większość z nich odkłada w czasie decyzje

matrymonialne i rodzinne najpierw na rzecz zdobycia jak najlepszego wykształcenia a

następnie rozwoju zawodowego.

Zdaniem ankietowanych wiek 27-30 lat jest najbardziej optymalnym wiekiem na

wstąpienie w związek małżeński przy czym studentki charakteryzowały się szybszą

gotowością do zawarcia związku małżeńskiego niż studenci, natomiast w życiu

zawodowym najodpowiedniejszym momentem na ślub jest zdobycie stabilnej pozycji

zawodowej. Warto zauważyć, że mężczyźni kładli większy nacisk na stabilność finansową

i zawodową jako najważniejsze czynniki w podejmowaniu decyzji o założeniu rodziny

i/lub planowaniu dziecka, natomiast kobiety częściej wskazywały na czynniki

niematerialne, jak chociażby „emocjonalna dojrzałość”. Podobnie jak w przypadku

małżeństwa, za najbardziej odpowiedni wiek na posiadania pierwszego dziecka

respondenci wybrali po 27, a przed 30 rokiem życia, przy czym kobiety częściej

deklarowały wcześniejszą gotowość do macierzyństwa niż mężczyźni.

Większość ankietowanych zadeklarowała chęć posiadania w przyszłości dwójki dzieci.

Warto zauważyć, że chęć posiadania trójki lub większej liczby dzieci cechowała częściej

mężczyzn niż kobiet. Do czynników najważniejszych w podejmowaniu decyzji o

posiadaniu pierwszego dziecka ankietowani zaliczyli stabilną sytuację zawodową,

emocjonalną dojrzałość i gotowość na dziecko, wzajemną miłość i stabilność związku oraz

posiadanie własnego mieszkania.

Ponad połowa respondentów po zakończeniu studiów nie zamierza wyjeżdżać z kraju w

celach zarobkowych, natomiast wśród potencjalnych emigrantów przeważali mężczyźni.

Znacząca większość studentów z optymizmem patrzy na sytuację gospodarczą kraju w

perspektywie najbliższych 10 lat a także korzystnie ocenia Łódź jako miejsce rozwoju

zawodowego zgodnego z ich oczekiwaniami. Ponad połowa respondentów po ukończeniu

edukacji zamierza szukać pracy w Łodzi.

  

41

Literatura

1. Cudowska A., 1997, Orientacje życiowe współczesnych studentów, Wydawnictwo

Uniwersyteckie Trans Humana, Białystok

2. Gawlina Z., 2003, Macierzyństwo a wartości konkurencyjne w opinii studentek [w]:

Slany K., Małek A., Szczepaniak-Wiecha I. (red), Systemy wartości a procesy

demograficzne, s. 144-154, Rządowa Rada Ludnościowa, Instytut Socjologii Uniwersytetu

Jagiellońskiego, Zakład Wydawniczy Nomos , Kraków

3. Goldscheider F. K., Waite L. J., 1986, Sex differences in the entry into marriage, AJS

Vol. 92, nr 1. http://wwwcgi.rand.org/pubs/notes/2009/N2544.pdf (09.09.2009)

4. Guzik A., 2003, Wartość rodziny w planach życiowych młodzieży [w]: Slany K., Małek

A., Szczepaniak-Wiecha I. (red), Systemy wartości a procesy demograficzne, s. 117-122,

Rządowa rada Ludnościowa, Instytut Socjologii Uniwersytetu Jagiellońskiego, Zakład

Wydawniczy Nomos, Kraków

5. Ignatczyk W., 1990, Postawy małżeńskie i prokreacyjne młodzieży stanu wolnego –

studium statystyczno-demograficzne, Szkoła Główna Planowania i Statystyki, Instytut

Statystyki i Demografii, Warszawa

6. Ignatczyk W., 2006, Postawy rodzinne młodzieży akademickiej [w]: Ignatczyk W.

(red), Przyczynki do badania zjawisk demograficzno-ekonomicznych, s. 57-76, Zeszyty

Naukowe, nr 68, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań

7. Jaguś I., 2008, Postawy lubelskich studentów wobec małżeństwa i alternatywnych form

życia małżeńsko-rodzinnego, Sekcja Analiz Demograficznych, Zeszyt nr 18/2008.

http://www.ae.krakow.pl/~demograf/Publikacje/SAD18.pdf (09.09.2009)

8. Kowalczyk K., 2009, Najpierw praca i mieszkanie, później ślub, Dziennik Nr 187

(1008)/2009 z 11.08.2009

9. Majdzińska A., Śmigielski W., 2009, Wpływ religijności na decyzje dotyczące

planowania życia rodzinnego studentów Uniwersytetu Łódzkiego [w]: Kowaleski J., Rossa

A. (red), Przyszłość demograficzna Polski, s. 93-112, Acta Universitatis Lodziensis, Folia

Oeconomica, 231, Wydawnictwo Uniwersytetu Łódzkiego, Łódź,

10. Mały Rocznik Statystyczny Polski 2000, GUS, Warszawa

11. Mały Rocznik Statystyczny Polski 2009, GUS, Warszawa

12. Singh S., Samara R., 1996, Early Marriage Among Women In Developing Countries,

International Family Planning Perspectives, Vol. 22., nr 4

http://www.guttmacher.org/pubs/journals/2214896.pdf (09.09.2009)

  42 

13. Slany K., 2008, Alternatywne formy życia małżeńsko-rodzinnego w ponowoczesnym

świecie, Zakład Wydawniczy NOMOS, Kraków

14. Szuman A., 2006, Wpływ wykształcenia kobiet na realizację funkcji prokreacyjnej w

cyklu życia rodziny [w]: Ignatczyk W. (red), Przyczynki do badania zjawisk

demograficzno-ekonomicznych, s. 77-97, Wydawnictwo Akademii Ekonomicznej w

Poznaniu, Poznań

15. Wikar B., 2004, Sens życia studentów, [w]: Rumuński A. (red.), Jakość życia

studentów, s. 129-135, Oficyna Wydawnicza Impuls, Kraków

16. Xie Y., Raymo J. M., Goyette K., Thornton A., 2003, Economic Potential and Entry

into Marriage and Cohabitation, Demography, Vol. 40, nr 2

http://opr.princeton.edu/seminars/xief02.pdf (09.09.2009)

  

43

Anna Sączewska-Piotrowska

Akademia Ekonomiczna im. K. Adamieckiego w Katowicach

Sfera ubóstwa ludności w wieku mobilnym

Wstęp

Problem ubóstwa materialnego występuje we wszystkich grupach wiekowych. Nie we

wszystkich jednak grupach ma jednakowy zasięg i głębokość. W Polsce istnieje

przekonanie, że zjawisko ubóstwa dotyczy głównie osób w wieku poprodukcyjnym.

Ludność w wieku mobilnym, a więc ludność zdolna do zmiany stanowiska, miejsca pracy

lub ewentualnego przekwalifikowania, jest uważana za grupę najmniej zagrożoną

ubóstwem.

Celem niniejszego opracowania jest porównanie sfery ubóstwa ekonomicznego

gospodarstw domowych w Polsce w zależności od wieku głowy gospodarstwa domowego.

W analizie wiek ten został podzielony na trzy grupy: mobilny, niemobilny i

poprodukcyjny. Celem pracy jest również ocena zróżnicowania sfery ubóstwa w obrębie

grupy gospodarstw domowych, których głowa jest w wieku mobilnym. W tym przypadku

badanie przeprowadzono osobno dla trzech grup wiekowych głowy gospodarstwa, a

następnie porównano sferę ubóstwa wydzielonych grup. Przyjęte hipotezy badawcze

sformułowano następująco: po pierwsze, w najmniejszym stopniu zagrożona ubóstwem

jest grupa gospodarstw, których głowa jest w wieku poprodukcyjnym; po drugie, wśród

gospodarstw, których głowa jest w wieku mobilnym, najmniejszym poziomem ubóstwa

charakteryzują się gospodarstwa, których głowa ma 25-34 lata.

Realizacja celów opracowania, a także weryfikacja przyjętych hipotez została dokonana w

oparciu o analizę nierówności dochodowych, dobrobytu oraz zasięgu, głębokości i

dotkliwości ubóstwa relatywnego w wyodrębnionych grupach. Źródło informacji stanowiła

baza danych projektu „Diagnoza społeczna 2007”.

1. Charakterystyka materiału źródłowego

Analizę sfery ubóstwa gospodarstw domowych w zależności od wieku głowy

gospodarstwa przeprowadzono w oparciu o bazę danych projektu „Diagnoza społeczna

  44 

2007. Warunki i jakość życia Polaków” (Czapiński i Panek 2007). Przedmiotem badania

były dochody netto uzyskiwane przez gospodarstwa domowe w Polsce w lutym 2007 r.

Na potrzeby analizy sfery ubóstwa ekonomicznego gospodarstw domowych w Polsce w

zależności od wieku głowy gospodarstwa domowego, wyodrębniono gospodarstwa,

których głowa jest w wieku (Holzer 2003, Panek 2007):

- mobilnym16 – ludność w wieku 15-44 lata włącznie,

- niemobilnym - mężczyźni w wieku od 45 do 64 lat (włącznie), kobiety od 45 do 59 lat

(włącznie),

- poprodukcyjnym – mężczyźni w wieku 65 lat i więcej, kobiety w wieku 60 lat i więcej.

Wśród gospodarstw domowych, których głowa jest w wieku mobilnym, zostały dodatkowo

wyodrębnione trzy rodzaje gospodarstw, których głowa jest w wieku: 15-24 lata, 25-34

lata oraz 35-44 lata.

Po odrzuceniu kwestionariuszy zawierających niekompletne dane próba liczyła 4798

gospodarstw domowych. Wybrane charakterystyki wyróżnionych typów gospodarstw

przedstawia tablica 1.

Tablica 1

Charakterystyka gospodarstw domowych w zależności od wieku głowy gospodarstwa domowego (2007 r.)

Wiek głowy gospodarstwa domowego Wiek mobilny Wybrane

charakterystyki 15-24 lata

25-34 lata

35-44 lata

Ogółem Wiek niemobilny

Wiek poproduk-cyjny

Ogółem

Liczba gospodarstw

89 595 856 1540 1948 1310 4798

Przeciętna liczba osób w gospodarstwie

2,34 3,35 4,10 3,71 3,47 2,06 3,16

Źródło: opracowanie własne na podstawie (Czapiński i Panek 2007).

Największą grupę stanowiły gospodarstwa domowe, których głowa jest w wieku

niemobilnym. Gospodarstwa, których głowa jest w wieku mobilnym, są najliczniejsze. W

obrębie tej grupy gospodarstw, przeważają gospodarstwa, których głowa ma 35-44 lata.

Gospodarstwa te charakteryzują się jednocześnie największą przeciętną liczbą osób.

                                                            16 Ludność w wieku mobilnym i niemobilnym tworzy grupę osób w wieku produkcyjnym. 

  

45

2. Uwagi metodologiczne

Podstawowe znaczenie dla analiz ubóstwa ma przyjęcie określonej definicji tego zjawiska

oraz dokonanie wyboru metody jego pomiaru17. W niniejszej pracy zastosowano podejście,

w którym ubóstwo gospodarstwa domowego definiuje się (Rusnak 2007) jako brak

wystarczających środków finansowych pozwalających na zaspokojenie potrzeb osób

zaliczanych do tego gospodarstwa. Jest to tzw. ubóstwo ekonomiczne. Zaspokajanie

potrzeb odbywa się poprzez konsumpcję dóbr i usług, która zależy przede wszystkim od

dochodu, jakim dysponuje gospodarstwo. Z tego względu jako wyznacznik zamożności

(dobrobytu ekonomicznego) przyjmuje się dochód (lub wydatki konsumpcyjne)

gospodarstwa, co implikuje określony sposób analizy ubóstwa. W opracowaniu jako

wskaźnik zamożności gospodarstw przyjęto dochód netto gospodarstw domowych, przy

czym dla zachowania porównywalności sytuacji gospodarstw o różnej wielkości i różnym

składzie demograficznym obliczono tzw. dochody ekwiwalentne, stosując zmodyfikowaną

skalę ekwiwalentności OECD typu 0,5/0,3. Jest to skala stosowana, zgodnie z wymogami

Eurostatu, na potrzeby analiz porównawczych w obrębie krajów Unii Europejskiej. Skala

zmodyfikowana jest obliczana w sposób następujący (Topińska i in. 2008): wartość 1

przypisuje się pierwszej osobie dorosłej w gospodarstwie, 0,5 – każdemu następnemu

dorosłemu członkowi gospodarstwa, 0,3 – każdemu dziecku poniżej 14 lat. W pracy

przyjęto, iż dochody przeliczone na jednostkę ekwiwalentną są ważone liczbą osób w

gospodarstwie domowym.

Analiza sfery ubóstwa wymaga ustalenia (Panek i in. 1999) takiego krytycznego poziomu

dochodów, zwanego linią ubóstwa, poniżej którego zaspokojenie minimum potrzeb nie jest

możliwe. Na potrzeby analiz przyjęto wykorzystywaną przez Eurostat relatywną linię

ubóstwa obliczaną jako 60% mediany dochodów ekwiwalentnych18.

Dysponując wyznaczoną granicą ubóstwa, można obliczyć wskaźniki pozwalające

m. in. na ocenę zasięgu, głębokości i dotkliwości ubóstwa (tablica 2).

                                                            17 Problematyka pomiaru ubóstwa została szeroko omówiona m. in. w pracach (Panek i in. 1999), (Panek 2007), (Topińska i in. 2008]. 18 Linia ta jest obiektywną granicą ubóstwa.

  46 

Tablica 2

Wskaźniki ubóstwa

Zastosowanie Nazwa Postać miernika Oznaczenia

Zasięg ubóstwa Stopa ubóstwa N

Q)FGT( 0 Q – liczba ubogich

N – liczba ludności

Wskaźnik luki ubóstwa

Q

i

i

z

yz

QPG

1

1 z – granica ubóstwa yi – dochód i-tej osoby ubogiej Głębokość

ubóstwa Wskaźnik głębokości ubóstwa

Q

i

i

z

yz

NFGT

1

1)1( Oznaczenia – j. w.

Dotkliwość ubóstwa

Wskaźnik dotkliwości ubóstwa

2

1

1)2(

Q

i

i

z

yz

NFGT Oznaczenia – j.w.

Źródło: (Foster i in. 1984), (Topińska i in. 2008).

Wskaźnik FGT(0) ocenia (Kot 2000, Panek 2007) jedynie zasięg ubóstwa, czyli odsetek

ludności znajdującej się poniżej granicy ubóstwa, nie informuje natomiast o natężeniu

ubóstwa. Podstawową miarą oceniającą głębokość ubóstwa jest wskaźnik luki ubóstwa

(poverty gap), który odzwierciedla relatywną (procentową) odległość przeciętnego

dochodu biednych od linii ubóstwa. Informuje on o przeciętnym zubożeniu w grupie

biednych. Miernik FGT(1) różni się od wskaźnika PG tym, że dotyczy całej badanej

populacji, a nie tylko grupy ubogich. Wskaźnik FGT(2) ocenia nie tylko dystans

dochodowy gospodarstw ubogich od granicy ubóstwa, lecz także nierówności dochodowe

między ubogimi. Dotkliwość ubóstwa jednostek ubogich i równocześnie wartość indeksu

FGT(2) rośnie wraz ze wzrostem dystansu ich dochodu od granicy ubóstwa.

W niniejszej pracy ocena zasięgu, głębokości i dotkliwości ubóstwa została poprzedzona

analizą sytuacji dochodowej gospodarstw domowych, którą przeprowadzono w oparciu o

podstawowe parametry opisowe rozkładów dochodów oraz wykorzystując miary

nierówności i miary dobrobytu19 (tablica 3).

                                                            19 Miary nierówności dochodowych i miary dobrobytu omówione są m. in. w pracach (Kot 2000), (Rusnak 2007).

  

47

Tablica 3

Miary nierówności rozkładów dochodów oraz miary dobrobytu

Nazwa Postać miernika Oznaczenia

Współczynnik Giniego*

,)1(21

12

N

iiyiN

yNN

NG

N – liczba ludności y – średnia arytmetyczna w rozkładzie dochodów yi – dochód i-tej osoby

Współczynnik Schutza .

2

1 1

N

yy

yS

N

ii

Oznaczenia – j. w.

Indeks Atkinsona y

yIA

g1 yg – średnia geometryczna w rozkładzie dochodów y – j.w.

Indeks Sena ),1( GyIS Oznaczenia – j. w. * Wzór dla danych niepogrupowanych, uporządkowanych od najmniejszej do największej obserwacji. Źródło: opracowanie własne na podstawie: (Kondor 1971), (Kot 2000), (Radziukiewicz 2006).

Współczynnik Giniego przyjmuje wartości z zakresu [0, 1], przy czym dolną granicę

osiąga gdy wszystkie dochody danej zbiorowości są równe, natomiast wartość jeden w

przypadku, gdy całym dochodem danej zbiorowości dysponuje jedna jednostka.

Zbiorowość, w której współczynnik Schutza przyjmuje mniejszą wartość, cechują

mniejsze nierówności dochodowe. Wyższe wartości indeksu Sena wskazują na większy

dobrobyt. Współczynnik Atkinsona przyjmuje wartości z przedziału [0, 1], przy czym

wartość zero odpowiada rozkładowi egalitarnemu.

W porównaniach dobrobytu różnych zbiorowości często wykorzystuje się uogólnione

funkcje Lorenza. Uogólniona funkcja Lorenza jest definiowana (Bellù i Liberati 2005) jako

funkcja, której oś odciętych określa skumulowany procent lub odsetek jednostek

zbiorowości uporządkowanych niemalejąco, a oś rzędnych – skumulowany dochód średni.

Z wzajemnego położenia uogólnionych funkcji Lorenza można wnioskować o rankingu

zbiorowości ze względu na osiągany dobrobyt społeczny. Największym dobrobytem

cechuje się ta zbiorowość, dla której uogólniona funkcja Lorenza leży powyżej takich

krzywych wyznaczonych w innych zbiorowościach (Rusnak 2007).

2. Analiza rozkładów dochodów ekwiwalentnych i dobrobytu w zależności od wieku

głowy gospodarstwa domowego

Stosując zmodyfikowaną skalę ekwiwalentności OECD, wyznaczono parametry opisowe

rozkładów dochodów ekwiwalentnych dla gospodarstw wyodrębnionych ze względu na

wiek głowy gospodarstwa domowego (tablica 4).

  48 

Tablica 4

Parametry opisowe rozkładów dochodów ekwiwalentnych (ważonych liczbą osób w gospodarstwie) w zależności od wieku głowy gospodarstwa domowego w 2007 r.

Wiek głowy gospodarstwa domowego Wiek mobilny

Parametry 15-24 lata

25-34 lata

35-44 lata

Ogółem Wiek niemobilny

Wiek poproduk-cyjny

Ogółem

Średnia arytmetyczna

950,5 1222,4 928,0 1031,7 1030,25 1099,38 1043,12

Mediana 800,0 1000,0 779,1 833,3 862,07 1000,00 880,00 Współczynnik zmienności

0,666 0,816 0,734 0,791 0,700 0,524 0,706

Współczynnik asymetrii

2,736 4,870 4,174 4,833 2,823 2,798 3,876

Źródło: jak w tablicy 1.

Wśród wyodrębnionych w zależności od wieku głowy gospodarstwa domowego (mobilny,

niemobilny i poprodukcyjny) trzech typów gospodarstw, największy średni dochód na

jednostkę ekwiwalentną osiągają gospodarstwa, których głowa jest w wieku

poprodukcyjnym. W przypadku gospodarstw, których głowa jest w wieku mobilnym i

niemobilnym, wysokość średniego dochodu jest prawie identyczna (różnica 1,5 zł na

korzyść „młodszych” gospodarstw). Wyniki te potwierdził przeprowadzony test istotności

dla wartości średnich. Powyższy test wykazał (przy założonym poziomie istotności 0,05),

że średnie dochody ekwiwalentne gospodarstw, których głowa jest w wieku

poprodukcyjnym, istotnie różnią się od dochodów pozostałych grup. Różnica pomiędzy

dochodami uzyskiwanymi przez gospodarstwa, których głowa jest w wieku mobilnym i

niemobilnym, okazała się nieistotna statystycznie. Mediana dochodów ekwiwalentnych

przyjmuje największą wartość w przypadku „najstarszych” gospodarstw. Dochody tej

grupy mierzone współczynnikiem zmienności są najmniej zróżnicowane i wykazują się

najniższą asymetrią. Rozkład dochodów gospodarstw, których głowa jest w wieku

mobilnym, charakteryzuje się natomiast największym zróżnicowaniem i asymetrią. Należy

zaznaczyć, że wszystkie rozkłady dochodów ekwiwalentnych cechuje asymetria

prawostronna, co oznacza, że we wszystkich przypadkach większość gospodarstw osiąga

dochody poniżej średniej arytmetycznej wyznaczonej dla danego rozkładu.

W obrębie grupy gospodarstw, których głowa jest w wieku mobilnym, największym

średnim dochodem ekwiwalentnym dysponują gospodarstwa, których głowa ma od 25 do

34 lat. Przeprowadzony test istotności (poziom istotności 0,05) wykazał, iż średnie

dochody ekwiwalentne tej grupy gospodarstw różnią się istotnie od dochodów pozostałych

  

49

wyodrębnionych grup; różnica średnich dochodów gospodarstw, których głowa jest w

wieku 15-24 lata i 35-44 lata, jest nieistotna statystycznie. Mediana dochodów

ekwiwalentnych przyjmowała najwyższe wartości w przypadku gospodarstw, których

głowa ma 25-34 lata. Rozkład dochodów ekwiwalentnych gospodarstw domowych,

których głowa ma 25-34 lata charakteryzował się również największą zmiennością i

największą asymetrią prawostronną w porównaniu z rozkładami pozostałych

wyodrębnionych typów gospodarstw.

W tablicy 5 zestawiono miary nierówności i miary dobrobytu wszystkich typów

gospodarstw wyróżnionych ze względu na wiek głowy gospodarstwa domowego.

Tablica 5

Miary nierówności rozkładów dochodów ekwiwalentnych (ważonych liczbą osób w gospodarstwie) oraz miary dobrobytu w zależności od wieku głowy gospodarstwa domowego w 2007 r.

Wiek głowy gospodarstwa domowego Wiek mobilny Miary 15-24 lata

25-34 lata

35-44 lata

OgółemWiek niemobilny

Wiek poproduk-cyjny

Ogółem

Współczynnik Giniego

0,310 0,350 0,330 0,344 0,337 0,261 0,327

Współczynnik Schutza

0,216 0,248 0,234 0,245 0,240 0,184 0,232

Indeks Atkinsona

0,177 0,188 0,169 0,183 0,177 0,110 0,168

Indeks Sena 655,55 794,95 621,43 676,19 683,42 812,82 702,00 Źródło: jak w tablicy 1.

Wśród gospodarstw, których głowy są w wieku mobilnym, niemobilnym i

poprodukcyjnym, współczynnik Giniego przyjmuje najmniejszą wartość w przypadku

gospodarstw, których głowa jest w wieku poprodukcyjnym, co oznacza, że rozkład

dochodów tej grupy gospodarstw jest najmniej nierównomierny. Uzyskana wartość

oznacza, że przeciętna absolutna różnica pomiędzy dochodami losowo wybranej pary osób

stanowiła ok. 52,2% dochodu średniego (podwójna wartość współczynnika Giniego). W

przypadku osób należących do gospodarstw, których głowa jest w wieku niemobilnym,

różnica ta wynosi 67,4%, w wieku mobilnym – ok. 68,8%. Współczynnik Schutza również

przyjmuje najmniejsze wartości w przypadku gospodarstw, których głowa jest w wieku

poprodukcyjnym, co oznacza, że w tej grupie występują najmniejsze nierówności

dochodowe.

  50 

Interpretacja współczynnika dla tej grupy gospodarstw jest następująca (por. Kondor

1971): jeśli całą populację osób należących do gospodarstw, których głowa jest w wieku

poprodukcyjnym, podzielimy na dwie grupy: grupę pierwszą, składającą się z osób o

dochodach ekwiwalentnych poniżej lub równych średniej, grupę drugą, składającą się z

osób o dochodach powyżej średniej, to 18,4% ogólnego dochodu powinno być

transferowane z grupy zamożniejszej do biedniejszej, aby obie grupy miały dokładnie taki

sam dochód przeciętny, tzn. aby zniknęły nierówności dochodowe. Współczynnik Schutza

wskazuje, iż najwyższe transfery powinny mieć miejsce w przypadku gospodarstw,

których głowa jest w wieku mobilnym. Na najmniejsze nierówności rozkładu dochodów

ekwiwalentnych gospodarstw „najstarszych” wskazuje indeks Atkinsona (wartość 0,11).

Uzyskany wynik oznacza, że poświęcenie przez każdą osobę należącą do tej grupy

gospodarstw kwoty rzędu 11% dochodu przeciętnego (niecałe 121 zł) zlikwidowałoby

całkowicie nierówności, bez zmniejszania dobrobytu społecznego. W przypadku grupy

gospodarstw, których głowa jest w wieku mobilnym, indeks Atkinsona przyjmuje

najwyższą wartość. Indeks Sena, umożliwiający ocenę dobrobytu wyróżnionych typów

gospodarstw, przyjął najwyższą wartość w przypadku gospodarstw, których głowa jest w

wieku poprodukcyjnym, najniższą – w wieku mobilnym. Tylko gospodarstwa „najstarsze”

cechował dobrobyt wyższy od średniego dobrobytu (702 zł) odpowiadającego zbiorowości

wszystkich gospodarstw. Ocenę dobrobytu, dokonaną za pomocą indeksu Sena,

skonfrontowano z uogólnionymi krzywymi Lorenza rozkładów dochodów ekwiwalentnych

wyznaczonymi dla poszczególnych typów gospodarstw (rys. 1).

Wyznaczone uogólnione krzywe Lorenza potwierdzają, iż największym dobrobytem

cechowała się grupa gospodarstw, których głowa jest w wieku poprodukcyjnym. Ze

względu na przecinające się krzywe rozkładów dochodów gospodarstw, których głowa jest

w wieku mobilnym i niemobilnym, nie można stwierdzić, która z tych grup cechowała się

większym dobrobytem. Można zauważyć, że wartości wyznaczonych indeksów Sena dla

tych dwóch rodzajów gospodarstw są zbliżone i tylko minimalnie wskazują (różnica ok. 7

zł) na większy dobrobyt gospodarstw, których głowa jest w wieku niemobilnym.

  

51

Rys. 1. Uogólnione krzywe Lorenza rozkładów dochodów ekwiwalentnych (ważonych liczbą osób w gospodarstwie) w zależności od wieku głowy gospodarstwa domowego

0

200

400

600

800

1000

1200

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

skumulowany odsetek osób

skum

ulow

any

doch

ód ś

redn

i

wiek mobilny

wiek niemobilny

wiek poprodukcyjny

Źródło: jak w tablicy 1.

W obrębie grupy gospodarstw, których głowa jest w wieku mobilnym (tablica 5), na

najmniejsze nierówności dochodowe „najmłodszych” gospodarstw wskazywały

współczynnik Giniego i współczynnik Schutza. Wskaźniki te, wraz z indeksem Atkinsona,

przyjmowały najwyższe wartości w przypadku gospodarstw, których głowa ma 25-34 lata,

co świadczy o największym zróżnicowaniu dochodów tej grupy gospodarstw.

Jednocześnie, wyznaczone indeksy Sena wskazują, że gospodarstwa, których głowa ma od

25 do 34 lat, cechują się największym dobrobytem. Porównań dobrobytu dokonano

również za pomocą uogólnionych krzywych Lorenza (rys. 2).

Wyznaczone krzywe, podobnie jak indeks Sena, wskazują, że największym dobrobytem

charakteryzowały się gospodarstwa, których głowa ma 25-34 lata. Ze względu na

przecinające się krzywe rozkładów dochodów gospodarstw, których głowa ma 15-24 lata i

35-44 lata, nie można wyciągnąć wniosku, która z grup cechuje się wyższym poziomem

dobrobytu. Indeks Sena wskazuje w tym przypadku na nieznacznie większy dobrobyt

gospodarstw „najmłodszych”.

  52 

Rys. 2. Uogólnione krzywe Lorenza rozkładów dochodów ekwiwalentnych (ważonych liczbą osób w gospodarstwie) gospodarstw domowych, których głowa jest w wieku mobilnym

0

200

400

600

800

1000

1200

1400

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

skumulowany odsetek osób

skum

ulow

any

doch

ód ś

redn

i

15-24 lata

25-34 lata

35-44 lata

Źródło: jak w tablicy 1.

3. Zróżnicowanie sfery ubóstwa wybranych typów gospodarstw domowych

Analizę ubóstwa relatywnego przeprowadzono, ustalając linię ubóstwa na poziomie 60%

mediany dochodów ekwiwalentnych ogółu gospodarstw, która wynosiła w lutym 2007 r.

528 zł. W tablicy 6 przedstawiono wskaźniki ubóstwa obliczone na podstawie rozkładów

dochodów ekwiwalentnych ważonych liczbą osób w gospodarstwie.

Najmniej osób żyje w ubóstwie w przypadku gospodarstw domowych, których głowa jest

w wieku poprodukcyjnym (ok. 9%). Pozostałe wyróżnione typy gospodarstw (głowa w

wieku mobilnym i niemobilnym) charakteryzują się ponad dwukrotnie większą frakcją

osób ubogich. Pozostałe charakterystyki ubóstwa uwzględniające jego głębokość i

dotkliwość również wskazują na najlepszą sytuację gospodarstw „najstarszych”, przy czym

sytuacja gospodarstw, których głowa jest w wieku mobilnym i niemobilnym, jest do siebie

porównywalna. Wartość wskaźnika luki dochodowej gospodarstw „najstarszych”

informuje, że przeciętny dochód ekwiwalentny biednych osób zaliczanych do tej grupy

  

53

gospodarstw jest o 25,2% niższy od przyjętej granicy ubóstwa. Interpretacja wskaźnika

głębokości ubóstwa dla gospodarstw, których głowa jest w wieku poprodukcyjnym, jest

następująca: przeciętny dochód ekwiwalentny osób należących do tego typu gospodarstw

jest o 2,34% niższy od przyjętej granicy ubóstwa. Gospodarstwa „najstarsze”

charakteryzują się również najmniejszą wartością wskaźnika dotkliwości ubóstwa.

Tablica 6

Wskaźniki ubóstwa relatywnego w zależności od wieku głowy gospodarstwa domowego w 2007 r. [% osób]

Wiek głowy gospodarstwa domowego Wiek mobilny Miary 15-24 lata

25-34 lata

35-44 lata

Ogółem

Wiek niemobil-ny

Wiek poproduk-cyjny

Ogółem

Stopa ubóstwa

17,79 15,38 25,03 21,39 21,08 9,29 19,10

Wskaźnik luki dochodowej

38,58 25,15 28,85 28,21 28,69 25,20 28,18

Wskaźnik głębokości ubóstwa

6,86 3,87 7,22 6,04 6,05 2,34 5,39

Wskaźnik dotkliwości ubóstwa

4,15 1,56 2,88 2,46 2,61 0,92 2,26

Źródło: jak w tablicy 1.

Analizując grupę gospodarstw, których głowa jest w wieku mobilnym, można zauważyć,

że według wszystkich zastosowanych wskaźników ubóstwa, w najlepszej sytuacji są

gospodarstwa, których głowa ma 25-34 lata. Na najgorszą sytuację gospodarstw, których

głowa ma 35-44 lata wskazuje stopa ubóstwa i wskaźnik głębokości ubóstwa, natomiast

wskaźniki luki dochodowej i dotkliwości ubóstwa przyjmują najwyższe wartości w

przypadku gospodarstw „najmłodszych”.

W tablicy 7 przedstawiono charakterystykę rozkładów dochodów ekwiwalentnych osób

należących do sfery ubóstwa.

Przeciętne dochody ekwiwalentne osób zaliczanych do sfery ubóstwa są najwyższe w

przypadku gospodarstw, których głowa jest w wieku poprodukcyjnym (w porównaniu do

gospodarstw, których głowa jest w wieku mobilnym i niemobilnym). Dochody osób

zaliczanych do tej grupy gospodarstw są jednocześnie najmniej zróżnicowane oraz

charakteryzują się najmniejszymi nierównościami, co powoduje, że również indeks Sena

przyjmuje najwyższe wartości.

  54 

Tablica 7

Wybrane charakterystyki rozkładów dochodów ekwiwalentnych osób należących do sfery ubóstwa relatywnego w zależności od wieku głowy gospodarstwa domowego w 2007 r.

Wiek głowy gospodarstwa domowego Wiek mobilny

Miary 15-24 lata

25-34 lata

35-44 lata

Ogółem

Wiek niemobilny

Wiek poprodukcyjny

Ogółem

Średnia arytmetyczna

324,27 395,20 375,70 379,04 376,52 394,97 379,23

Współczynnik zmienności

0,480 0,260 0,251 0,263 0,285 0,254 0,273

Współczynnik Giniego

0,268 0,144 0,140 0,147 0,161 0,141 0,153

Indeks Sena 237,37 338,32 322,96 323,34 315,97 339,40 321,04 Źródło: jak w tablicy 1.

Wyniki te potwierdzają wcześniej wyciągnięte wnioski, iż właśnie gospodarstwa

„najstarsze” są w najlepszej sytuacji finansowej. Rozkłady dochodów osób ubogich

należących do gospodarstw, których głowa jest w wieku mobilnym i niemobilnym, są do

siebie podobne. Wyznaczone miary wskazują tylko na nieznacznie lepszą sytuację

członków gospodarstw, których głowa jest w wieku mobilnym.

Wśród osób ubogich zaliczanych do gospodarstw, których głowa jest w wieku mobilnym,

najwyższe przeciętne dochody ekwiwalentne uzyskują członkowie gospodarstw, których

głowa ma 25-34 lata. Osoby ubogie należące do gospodarstw „najmłodszych”

charakteryzują się najgorszą sytuacją finansową – ich dochody są najniższe, najbardziej

zróżnicowane i w największym stopniu nierównomierne. Skutkiem tego jest najniższa

wartość indeksu Sena, mniejsza od pozostałych typów gospodarstw o ok. 100 zł.

Wyniki obiektywnej oceny ubóstwa porównano z subiektywną oceną dochodu netto

dokonaną przez gospodarstwa domowe (tablica 8).

Można zauważyć, iż odsetek osób żyjących w gospodarstwach, w których dochód netto

pozwala „wiązać koniec z końcem” z wielką trudnością lub z trudnością, rośnie wraz z

wiekiem głowy gospodarstwa i jest największy w przypadku gospodarstw, których głowa

jest w wieku poprodukcyjnym (prawie 49,5%). Najgorzej więc oceniają swoją sytuację

dochodową te gospodarstwa, które według kryteriów obiektywnych są w najlepszej

sytuacji finansowej.

  

55

Tablica 8

Subiektywna ocena* dochodu netto w gospodarstwach domowych w 2007 r. Wiek głowy gospodarstwa domowego Wiek mobilny

% osób żyjących w gospodarstwach, w których dochód netto pozwala „wiązać koniec z końcem”

15-24 lata

25-34 lata

35-44 lata

Ogółem

Wiek niemobil-ny

Wiek poproduk-cyjny

Ogółem

z wielką trudnością 25,13 15,97 21,60 19,74 23,44 22,71 21,91 z trudnością 16,08 15,31 20,78 18,68 22,24 26,71 21,70 z pewną trudnością 35,68 32,54 36,32 34,97 33,96 32,70 34,11 raczej łatwo 20,60 26,96 17,74 21,09 16,87 14,94 18,12 łatwo 2,51 9,22 3,57 5,52 3,48 2,94 4,16 * Oceny dokonywały głowy gospodarstw domowych lub osoby dobrze zorientowane w sprawach dotyczących gospodarstwa. Źródło: jak w tablicy 1.

W przypadku gospodarstw, których głowa jest w wieku mobilnym, wyniki subiektywnej

oceny dochodu są zbieżne z wynikami uzyskanymi na podstawie wskaźników ubóstwa

obiektywnego. Odsetek osób żyjących w gospodarstwach, w których dochód netto pozwala

„wiązać koniec z końcem” z wielką trudnością lub z trudnością, jest zdecydowanie

najmniejszy w przypadku gospodarstw, których głowa ma 25-34 lata (ok. 31%). W

pozostałych dwóch grupach odsetek ten jest do siebie zbliżony i wynosi 41% w przypadku

gospodarstw, których głowa ma 15-24 lata oraz 42,5% w gospodarstwach, których głowa

ma 35-44 lata.

Podsumowanie

Na podstawie przeprowadzonej analizy można stwierdzić, że wiek głowy gospodarstwa

domowego wpływa na sytuację finansową gospodarstwa. W najlepszej sytuacji są

gospodarstwa, których głowa jest w wieku poprodukcyjnym. Jak można zauważyć,

przeciętna liczba osób w gospodarstwach „najstarszych” jest najmniejsza, co niewątpliwie

wpływa na większe wartości dochodu ekwiwalentnego w tej grupie gospodarstw. W

przypadku grupy gospodarstw, których głowa jest w wieku poprodukcyjnym, na jej

najlepszą sytuację wskazują zarówno wyznaczone wskaźniki ubóstwa, jak i miary

dobrobytu. Spośród gospodarstw, których głowy są w wieku mobilnym i niemobilnym

trudno wskazać te, które charakteryzują się lepszą sytuacją materialną. Na minimalnie

gorszą sytuację gospodarstw „młodszych” wskazuje np. indeks Sena oraz stopa ubóstwa,

lecz wskaźniki: luki dochodowej, głębokości i dotkliwości ubóstwa informują, że

gospodarstwa, których głowa jest w wieku niemobilnym, są w najgorszej sytuacji.

  56 

Analizując grupę gospodarstw, których głowa jest w wieku mobilnym, można zauważyć,

że miary dobrobytu i wskaźniki ubóstwa dają jednoznaczne rezultaty w odniesieniu do

grupy gospodarstw, których głowa ma 25-34 lata, wskazując tę grupę jako cechującą się

najlepszą sytuacją finansową. W odniesieniu do pozostałych typów gospodarstw (głowa w

wieku 15-24 lata oraz w wieku 35-44 lata) nie uzyskano jednoznacznej odpowiedzi, która z

grup jest w lepszej sytuacji materialnej. Na korzyść gospodarstw, których głowa ma 15-24

lata, przemawiają np. indeks Sena, stopa ubóstwa czy wskaźnik głębokości ubóstwa,

natomiast na lepszą sytuację gospodarstw, których głowa ma 35-44, wskazują miary luki

dochodowej i dotkliwości ubóstwa. Można zauważyć, że największa przeciętna liczba

osób, charakteryzująca gospodarstwa, których głowa ma 35-44 lata, istotnie wpływa na

gorszą sytuację tych gospodarstw. W przypadku gospodarstw „najmłodszych” przeciętna

liczba osób jest mała, lecz są to gospodarstwa, których głowy dopiero wkraczają na rynek

pracy.

Zastosowanie obiektywnych wskaźników nie potwierdziło powszechnego przekonania o

złej sytuacji materialnej gospodarstw, których głowa jest w wieku poprodukcyjnym.

Przekonanie to zostało potwierdzone jedynie przez subiektywną ocenę dochodu netto

dokonaną przez same gospodarstwa domowe.

Literatura

Bellù L. G., Liberati P., 2005, Social Welfare Analysis of Income Distributions. Ranking Income Distributions with Lorenz Curve, www.fao.org (data dostępu: 25.08.2009 r.). Czapiński J., Panek T. (red.), 2007, Diagnoza społeczna 2007. Warunki i jakość życia Polaków (CD-ROM), VIZJA PRESS&IT, Warszawa. Foster J., Greer J., Thorbecke E., 1984, A Class of Decomposable Poverty Measures, “Econometrica” nr 52, 761-766. Holzer J. Z., 2003, Demografia, Polskie Wydawnictwo Ekonomiczne, Warszawa. Kondor Y., 1971, An Old-New Measure of Income Inequality, “Econometrica” nr 39, 1041-1042. Kot S. M., 2000, Ekonometryczne modele dobrobytu, Wydawnictwo Naukowe PWN, Warszawa-Kraków. Panek T. (red.), 2007, Statystyka społeczna, Polskie Wydawnictwo Ekonomiczne, Warszawa. Panek T., Podgórski J., Szulc A., 1999, Ubóstwo: teoria i praktyka pomiaru, Monografie i Opracowania nr 453, Szkoła Główna Handlowa, Warszawa. Radziukiewicz M., 2006, Zasięg ubóstwa w Polsce, Polskie Wydawnictwo Ekonomiczne, Warszawa. Rusnak Z., 2007, Statystyczna analiza dobrobytu ekonomicznego gospodarstw domowych, Akademia Ekonomiczna, Wrocław. Topińska I. (red.), Ciecieląg J., Szukiełojć-Bienkuńska A., 2008, Pomiar ubóstwa. Zmiany koncepcji i ich znaczenie, Instytut Pracy i Spraw Socjalnych, Warszawa.

  

57

Marek Ręklewski

Urząd Statystyczny w Bydgoszczy/ oddział Toruń

Przestrzenne zróżnicowanie urodzeń w Polsce w ujęciu powiatowym w

latach 1999-2007

Wstęp

W procesach demograficznych urodzenia stanowią jeden z podstawowych elementów

ruchu naturalnego. Badanie procesów powiązanych z urodzeniami w ujęciu powiatowym

stanowi niezwykle ważną informację w podejmowaniu decyzji społeczno-ekonomicznych

nie tylko na szczeblu państwowym ale również wojewódzkim. Dotychczas prowadzone

badania dotyczące zmian urodzeń zwykle skupiały się do obszaru kraju, województwa,

ewentualnie powiatów w obrębie danego województwa. W niniejszej pracy zostanie

podjęta próba zaprezentowania analizy w przekroju powiatowym obejmująca swym

zakresem obszar całego kraju. W opracowaniu poddano weryfikacji hipotezę badawczą

która zakłada, iż istnieje przestrzenne zróżnicowanie zmiennych demograficznych i

ekonomicznych kształtujących wielkość urodzeń żywych w powiatach. Analizowana

problematyka była przedmiotem wielu prac naukowych m.in. S. Borowski, M.

Chromińska, E. Gołata, M. Rószkiewicz, wykorzystując metody ilościowe podejmowali

próbę rozpoznania czynników kształtujących uwarunkowania przemian płodności badając

związki różnych grupy zmiennych ze zmienną objaśnianą.

Do określenia siły i kierunku poszczególnych zmiennych na poziom nowo urodzonych

dzieci wykorzystano przyczynowo-skutkowe modele ekonometryczne. Podmiotem analizy

stanowią powiaty według podziału terytorialnego z dnia 24 VII 1998 r. Dane

wykorzystane w badaniu pochodzą z Banku Danych Regionalnych Głównego Urzędu

Statystycznego. Zakres czasowy opracowania obejmuje lata 1999-2007.

1. Dobór zmiennych objaśniających

Dobór zmiennych do modeli ekonometrycznych jest sprawą bardzo złożoną.

Sformułowano wiele postulatów dotyczących sposobu postępowania pod względem

zasobu dostarczanej o badanym zjawisku informacji. Do najważniejszych zaliczono:

preferowanie zmiennych które pozostają w związku ze zmienną objaśnianą, zapewnienie

  58 

odpowiedniej zmienności czasowej lub przestrzennej zmiennych, maksymalne

skorelowanie zmiennych objaśniających ze zmienna endogeniczną, wyeliminowanie

współliniowości zmiennych objaśniających (Gołata 1990: 77-78).

W celu zaobserwowania zależności zmiennych demograficznych i ekonomicznych

oddziaływujących na liczbę nowo narodzonych dzieci w analizie zaproponowano

potencjalne zmienne diagnostyczne. Do zmiennych demograficznych zaliczono:

małżeństwa – w tys. (MALZ), rozwody – w tys. (ROZW), kobiety w wieku rozrodczym 15-

49 lat – w tys. (KOBWR), migracje na pobyt stały – w tys. (MIGR), natomiast do

ekonomicznych zakwalifikowano: dochody budżetów powiatów na 1 mieszkańca – w zł

(DOCHOD), bezrobotni zarejestrowani – w tys. (BEZR), bezrobotne kobiety – w tys.

(BEZRK), pracujący w głównym miejscu pracy – w tys. (PRAC), pracujące kobiety – w

tys. (PRACK), zasoby mieszkaniowe – w tys. (MIESZ). Liczba zmiennych opisująca

badaną rzeczywistość jest teoretycznie nieskończona. Zaproponowany zbiór zmiennych z

punktu widzenia podjętego problemu badawczego jest daleki od wyczerpującego. Z

pewnością w badaniu zabrakło takich ważnych zmiennych jak np.: liczba kobiet z

wykształceniem średnim i wyższym w wieku 15 lat i więcej. Przyczyną braku

wykorzystania w badaniu zmiennej wykształcenie na poziomie powiatu spowodowane jest

trudnościami z ich pozyskaniem co umożliwia dokonanie szczegółowej analizy. W

procesie zbierania danych okazało się, iż zmienna bezrobotni zarejestrowani była

niekompletna za rok 1999 zwłaszcza w miastach na prawach powiatu. Powodem było

skumulowanie danych z powiatów miejskich do powiatów ziemskich. Odtwarzanie

brakujących danych wymagało dokonania interpolacji danych za 1999 r. z równoczesnych

zdjęciem tej wartości z powiatów ziemskich. W badaniu urodzeń nie wykorzystano

zmiennej wynagrodzenia i stopy bezrobocia z powodu niekompletności. Zmienne

zastąpiono dochodem na 1 mieszkańca i liczbą bezrobotnych zarejestrowanych.

Ograniczenia wynikające z brakiem wykorzystania zmiennych powiązanych w sposób

merytoryczny z badanym zjawiskiem skutkuje na wyniki prowadzonych badań.

Pierwszym etapem doboru zmiennych do przyczynowo-skutkowych modeli

ekonometrycznych była eliminacja zmiennych quasi-stałych. Wyznaczono w tym celu dla

zmiennych kandydatek w powiatach stałej wartości progowej współczynnika zmienności

którego określono na poziomie V = 0,05. Dla każdej zmiennej wykorzystano klasyczny

współczynnik zmienności według wzoru (Panek 2009: 19):

  

59

,)(

)(x

xSxV j

jk (1)

gdzie:

jx - średnia arytmetyczna wartości j-tej zmiennej:

n

xx

n

iij

j

1 , (2)

)( jxS - odchylenie standardowe j-tej zmiennej:

n

xxxS

n

ijij

j

1

2

)( , (3)

Niski poziom założonego współczynnika zmienności dla zmiennych uzależniony został

głównie niewielką liczbą obserwacji (9) która z pewnością wpływa na jej wartość.

Kolejnym etapem weryfikacji zmiennych było zastosowanie metody analizy macierzy

współczynników korelacji którą przeprowadzono oddzielnie na każdy powiat (Nowak

2002: 19-20). Analiza miała za zadanie wyłonić zmienną (lub grupę zmiennych) która

była silnie skorelowana ze zmienną endogeniczną przy jednoczesnej niskiej korelacji

między sobą. Metoda analizy współczynników korelacji wymagała określenia wartości

krytycznej współczynnika korelacji r . Dla poziomu istotności α = 0,01 i (n–2) = 7 stopni

swobody, ustalono z tablic t-Studenta wartość krytyczną t0,1;7 = 1,895, określając wartość

progową współczynnika korelacji na poziomie r = 0,582 według formuły (Nowak 2002:

19):

,2)(

)(2/1

2*

2**

nI

Ir (4)

gdzie:

I - wartość odczytana z tablic rozkładu t-Studenta dla n–2 stopni swobody dla poziomu

istotności α = 0,01.

  60 

Analizując zmienne w macierzy korelacyjnej eliminowano zmienne których wartości

współczynników korelacji były niższe od progowej, uznając je że są za mało skorelowane

ze zmienną objaśnianą. Z pozostałej liczby zmiennych wybierano zmienną najbardziej

skorelowaną z urodzeniami. Ostatnim krokiem było usuwanie tych zmiennych gdzie

współczynnik korelacji był wyższy od wartości krytycznej uznając je za zbyt skorelowane

z wybraną zmienną. Powyższą procedurę zastosowana w każdym powiecie szukając wśród

zaproponowanych zmiennych potencjalnych przyczyn urodzeń.

Na uwagę również zasługuje fakt, że zmienne w analizie korelacji, które nie przekroczyły

wartości progowej stawały się zmiennymi nieistotnymi w momencie próby wykorzystania

ich do estymacji modeli. Wniosek jest taki, że wyznaczona wartość progowa zdała

egzamin eliminując zmienne nieistotne pozostawiając tylko zmienne które, zastosowane do

modelu stawały się statystycznie istotnymi eliminując również zjawisko współliniowości.

2. Interpretacja modeli urodzeń

Do określenia siły wpływu zmiennych na liczbę nowo narodzonych dzieci,

zaproponowano liniowy model ekonometryczny szacowany według KMNK. Model ten

przyjmuje następującą postać:

,1

0 tit

k

iit XURODZZ

(t = 1, 2,……,n), (5)

gdzie:

k – liczba zmiennych objaśniających iX , i – parametry strukturalne modelu, t –

składnik losowy.

Wyniki estymacji modeli zaprezentowano w tabeli 1. Otrzymane modele w procedurze

eliminacji a posteriori składają się głównie z jednej zmiennej niezależnej. Do oceny

istotności wpływu poszczególnych zmiennych niezależnych wykorzystano test istotności t-

Studenta. Procedurę przeprowadzono zakładając poziom istotności 0,01. Modele urodzeń

poddano weryfikacji występowania autokorelacji wyższych rzędów, w tym celu

zaproponowano test Breuscha-Godfreya ( 0H : brak autokorelacji wobec alternatywnej 1H :

występuje autokorelacja). Do weryfikacji hipotezy 0H posłużono się następującą

statystyką opartą na zasadzie (Langrange multiplier – LM) mnożnika Langrange’a

(Madalla 2006: 292-293):

  

61

2RTLM , (6)

gdzie:

T – liczba obserwacji, 2R - współczynnik determinacji pomocniczego oszacowanego

modelu.

Test umożliwił zbadanie autokorelacji do rzędu drugiego. Wartość krytyczną dla modeli

chi-kwadrat przy założeniu m = 2, α = 0,05, odczytana z tablic rozkładu wynosi 2 =

5,991 (m-liczba stopni swobody). Podano również wartość p-value który jest wyższy od

5% co wskazuje na brak odrzucenia 0H .W razie wystąpienia autokorelacji zastosowano

opóźnienia w celu jej eliminacji. Stosując opóźnienia otrzymano modele o rzędzie

opóźnienia p o postaci ogólnej:

.,1

0 tpti

k

iit XURODZZ

(t = 1, 2,……,n). (7)

gdzie:

k – liczba zmiennych objaśniających iX , i – parametry strukturalne, p – rząd opóźnień (p

= 1, 2,……n), t – składnik losowy.

Modele poddano weryfikacji hipotezy o normalności rozkładu składnika resztowego

testem Doornika-Hansena. Z analizy wynika że nie ma podstaw do odrzucenia hipotezy

zerowej gdyż wartości p-value były większe od wartości krytycznej α = 0,05. Do oceny

dopasowania modeli do danych empirycznych wykorzystano współczynnik determinacji

2R , błąd standardowy reszt yS , współczynnik zmienności yV , a także odchylenia

standardowe parametrów strukturalnych )(D .

Rozpatrując relacje zmiennych co do kierunku oddziaływania na zmienną endogeniczną

wynika że, zmienna (MALZ) w powyższych modelach wpływa zdecydowanie stymulująco

co oznacza wzrost liczby urodzeń żywych. Zmienna migracje na pobyt stały (MIGR),

głównie zachowuje się znakiem dodatnim. Dodatni związek korelacyjny z liczbą żywo

urodzonych dzieci stwierdzono w powiatach: pajęczańskim, kutnowskim, sieradzkim,

wieluńskim, miechowskim, brzeskim, krapkowickim, leżajskim, grajewskim,

zambrowskim, chodzieskim, szamotulskim, gryfińskim, stargardzkim. Występują również

powiaty w których zmienna (MIGR) zachowuje się destymulująco jak w powiatach:

łomżyńskim, wschowskim. Ujemna zależność między liczbą żywo urodzonych dzieci

  62 

zauważono u zmiennej (ROZW). Zmienna zasoby mieszkaniowe (MIESZ) zachowuje się

różnokierunkowo. Dodatni związek wykazano w powiatach: otwockim, piaseczyńskim,

pruszkowskim, wołomińskim. Natomiast w powiecie limanowskim, nowosądeckim,

nowotarskim, tarnowskim, rzeszowskim, szczycieńskim zauważono ujemną zależność.

Związek zmiennych: pracujący w głównym miejscu pracy (PRAC), liczba kobiet

pracujących (PRACK) w zasadzie jest dodatnio skorelowany co można zaobserwować w

modelach prócz powiatu milickiego (woj. dolnośląskie). Kierunek wpływu zmiennej

(DOCHOD) na poziom urodzeń, raz zachowuje się ujemnie, a w innym przypadku

kierunkiem dodatnim. Ujemny związek obserwujemy w powiatach: staszowskim,

opolskim, włocławskim. Związek zmiennej (BEZR) głównie oddziałuje destymulująco z

jednym wyjątkiem w powiecie wieruszowskim. Wpływ zmiennej bezrobotne kobiety

(BEZRK), jest różnokierunkowy. Z jednej strony wysokie bezrobocie może oznaczać brak

środków do utrzymania i wychowywania dzieci, zaś z drugie strony może powodować

wyższą płodność kobiet wynikającą z niższej aktywności zawodowej.

Tabela 1. Modele urodzeń żywych w powiatach w latach 1999-2007

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0)

D(α1

)

D(α2

)

R2 Sy Vy (%) TR2 p-value

DOLNOŚLĄSKIE Bolesławiecki

tbc MALZURODZZ 414,0653,0 0,071 0 - 0,543 0,024 2,782 0,163 0,922

Dzierżoniowski t

cc BEZRKURODZZ 069,0284,1 0,108 0 - 0,655 0,032 3,634 0,672 0,715

Głogowski t

cc BEZRURODZZ 033,0176,1 0,069 0 - 0,659 0,042 4,481 1,714 0,424

Jaworski t

cb PRACKURODZZ 079,0182,0 0,070 0 - 0,724 0,020 4,063 1,755 0,416

Kłodzki t

bc PRACURODZZ 017,0967,0 0,178 0 - 0,527 0,064 4,378 0,637 0,727

Legnicki t

bc PRACURODZZ 030,0313,0 0,081 0 - 0,471 0,026 5,010 5,035 0,081

Lubiński 1025,0193,1 t

bc BEZRURODZZ 0,070 0 - 0,529 0,043 4,275 1,493 0,474

Lwówecki t

a PRACKURODZZ 079,0184,0 0,120 0 - 0,409 0,023 5,203 1,315 0,518

Milicki t

ab PRACURODZZ 088,0974,0 0,293 0 - 0,339 0,023 5,396 0,779 0,677

Oławski t

bb MALZURODZZ 765,0363,0 0,125 0 - 0,504 0,048 6,869 1,067 0,587

Polkowicki t

ac MALZURODZZ 480,0485,0 0,085 0 - 0,376 0,376 4,785 0,830 0,660

Średzki t

ac BEZRKURODZZ 019,0542,0 0,031 0 - 0,427 0,021 4,439 3,642 0,162

Świdnicki t

bc PRACURODZZ 017,0912,0 0,170 0 - 0,587 0,039 2,698 2,334 0,311

Trzebnicki t

cc DOCHODURODZZ 709,0435,0 0,080 0 - 0,731 0,024 3,082 0,631 0,729

Wałbrzyski t

cc PRACKURODZZ 068,0287,0 0,020 0 - 0,997 0,031 2,885 1,635 0,442

Wrocławski t

cb MALZURODZZ 954,0442,0 0,130 0 - 0,668 0,057 6,132 1,180 0,554

Ząbkowicki t

bc PRACKURODZZ 020,0389,0 0,081 0 - 0,514 0,029 4,790 2,657 0,265

Złotoryjski t

cc BEZRKURODZZ 020,0672,0 0,061 0 - 0,688 0,023 5,396 1,825 0,401

m. Jelenia Góra t

bc DOCHODURODZZ 037,0562,0 0,026 0 - 0,631 0,015 2,244 1,849 0,397

m. Wrocław t

cc DOCHODURODZZ 576,0180,3 0,189 0 - 0,919 0,143 2,975 0,028 0,986

KUJAWSKO-POMORSKIE Brodnicki

tc PRACKURODZZ 121,0202,0 0,143 0 - 0,759 0,026 2,937 4,324 0,115

Chełmiński t

a PRACURODZZ 051,0155,0 0,219 0 - 0,343 0,029 5,039 1,758 0,415

Golubsko-dobrzyński t

bc ROZWURODZZ 390,1569,0 0,022 0,

- 0,543 0,022 4,266 1,997 0,368

Grudziądzki t

cc MALZURODZZ 801,0290,0 0,052 0 - 0,677 0,023 4,750 1,560 0,458

Inowrocławski 1034,0049,1 t

ac PRACKURODZZ 0,236 0 - 0,435 0,048 3,098 0,403 0,818

  

63

Lipnowski t

bb MALZURODZZ 995,0403,0 0,150 0 - 0,503 0,048 5,958 4,118 0,128

Mogileński t

cc BEZRKURODZZ 116,0825,0 0,081 0 - 0,718 0,026 5,402 2,765 0,251

Nakielski t

ca PRACKURODZZ 124,0288,0 0,129 0 - 0,801 0,022 2,231 1,886 0,389

Radziejowski 1039,0251,0 t

ab PRACURODZZ 0,079 0 - 0,442 0,025 5,811 1,696 0,428

Sępoleński t

at

cc PRACBEZRURODZZ 024,0034,0505,0 0,076 0 0 0,867 0,015 3,188 3,086 0,116

Toruński t

bc MALZURODZZ 417,0812,0 0,067 0 - 0,582 0,026 2,593 3,042 0,219

Włocławski t

bc DOCHODURODZZ 387,0027,1 0,065 0 - 0,455 0,038 4,230 3,002 0,223

Żniński t

cc PRACURODZZ 037,0383,0 0,106 0 - 0,643 0,027 3,639 4,402 0,111

m. Bydgoszcz t

cc BEZRKURODZZ 071,0834,3 0,160 0 - 0,734 0,080 2,559 0,088 0,957

m. Grudziądz t

bc BEZRURODZZ 020,0148,1 0,067 0 - 0,611 0,032 3,411 0,825 0,662

m. Toruń t

bc BEZRURODZZ 022,0110,2 0,088 0 - 0,550 0,057 3,089 1,809 0,405

m. Włocławek t

cc ROZWURODZZ 541,0232,1 0,046 0 - 0,652 0,029 2,750 4,883 0,142

LUBELSKIE Bialski

tac ROZWURODZZ 527,3491,1 0,110 1 - 0,343 0,089 6,890 3,105 0,212

Chełmski t

cc PRACURODZZ 065,0438,0 0,089 0 - 0,674 0,030 3,864 1,095 0,578

Janowski t

cc ROZWURODZZ 773,2583,0 0,017 0 - 0,761 0,021 4,201 0,018 0,991

Hrubieszowski t

a PRACKURODZZ 158,0092,0 0,274 0 - 0,409 0,051 7,369 1,794 0,408

Kraśnicki t

b PRACURODZZ 058,0153,0 0,260 0 - 0,586 0,042 4,328 0,373 0,830

Lubelski t

cc BEZRURODZZ 067,0900,1 0,130 0 - 0,665 0,052 3,632 0,597 0,742

Łukowski t

a PRACURODZZ 119,0433,0 0,481 0 - 0,340 0,075 5,607 0,953 0,621

Opolski t

ab MALZURODZZ 650,0385,0 0,128 0 - 0,369 0,031 4,895 0,336 0,846

Parczewski t

b BEZRKURODZZ 179,0414,1 1,001 0 - 0,451 0,190 5,001 0,677 0,713

Radzyński t

ac ROZWURODZZ 086,2782,0 0,038 1 - 0,348 0,034 4,736 1,138 0,566

Rycki t

at

bb ROZWPRACURODZZ 745,1040,0359,0 0,131 0 0 0,734 0,037 5,904 5,456 0,065

Tomaszowski t

a PRACKURODZZ 140,0161,0 0,380 0 - 0,355 0,070 7,765 0,835 0,659

Zamojski t

bc ROZWURODZZ 790,1231,1 0,060 0 - 0,456 0,068 6,222 0,201 0,904

m. Biała 1014,0360,0 t

ab PRACURODZZ 0,101 0 - 0,405 0,026 4,595 1,925 0,382

m. Chełm t

bc DOCHODURODZZ 030,0411,0 0,066 0 - 0,478 0,023 3,916 3,056 0,217

m. Lublin t

bb MALZURODZZ 818,0608,1 0,446 0 - 0,665 0,085 2,704 4,386 0,112

m. Zamość t

ac PRACURODZZ 012,0386,0 0,096 0 - 0,420 0,021 3,520 2,000 0,368

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0)

D(α1

)

D(α2

)

R2 Sy Vy (%) TR2 p-value

LUBUSKIE

Krośnieński t

c PRACKURODZZ 119,0129,0 0,128 0 - 0,649 0,029 4,904 1,516 0,468

Międzyrzecki t

cc MALZURODZZ 661,0361,0 0,029 0 - 0,881 0,014 2,435 0,292 0,864

Nowosolski t

cb PRACKURODZZ 116,0147,0 0,053 0 - 0,978 0,038 3,577 2,546 0,280

Słubicki t

bc BEZRKURODZZ 078,0666,0 0,049 0 - 0,630 0,023 4,560 4,217 0,121

Strzelecko-drezdenecki

tcc BEZRURODZZ 025,0691,0 0,036

0,006

- 0,686 0,017 3,167 3,103 0,212

Świebodziński t

cc BEZRKURODZZ 067,0708,0 0,027 0 - 0,749 0,018 3,086 0,331 0,848

Wschowski 1471,1828,0 t

abc MIGRURODZZ 0,159 0 - 0,689 0,027 6,510 2,405 0,300

Zielonogórski t

cc MALZURODZZ 964,0464,0 0,107 0 - 0,684 0,039 4,395 1,330 0,514

Żarski t

ac BEZRKURODZZ 041,0230,1 0,115 0 - 0,350 0,055 5,455 2,913 0,376

Żagański t

bc MALZURODZZ 584,0587,0 0,082 0 - 0,560 0,043 5,228 2,289 0,318

m. Gorzów wielkopolski

tc

tbb BEZRKMIESZURODZZ 053,0013,0762,0

0,256

0,013

0,011

0,884 0,033 2,934 6,226 0,045

m. Zielona góra t

cc DOCHODURODZZ 148,0641,0 0,087 0 - 0,708 0,057 5,742 4,018 0,134

ŁÓDZKIE

Bełchatowski t

cct BEZRURODZZ 042,0469,1 0,057 0 - 0,881 0,031 2,920 0,321 0,852

Brzeziński t

at MALZURODZZ 953,0113,0 0,071 0 - 0,588 0,014 5,081 2,425 0,297

Kutnowski t

bbt MIGRURODZZ 922,0472,0 0,140 0 - 0,560 0,038 4,252 0,983 0,612

Łowicki 1045,0238,0 t

cbt PRACURODZZ 0,087 0 - 0,861 0,017 2,159 0,554 0,758

  64 

Łódzki t

cbt MALZURODZZ 391,1138,0 0,050 0 - 0,943 0,036 5,458 4,740 0,094

Opoczyński 1088,0380,0 t

bat PRACKURODZZ 0,189 0 - 0,530 0,037 4,236 2,602 0,272

Pabianicki t

cct BEZRKURODZZ 067,0247,1 0,043 0 - 0,877 0,025 2,662 3,501 0,292

Pajęczański t

ct

cct ROZWMIGRURODZZ 990,2892,0369,0 0,058 0 0 0,890 0,024 4,374 5,577 0,062

Piotrkowski t

bct MALZURODZZ 655,0616,0 0,133 0 - 0,497 0,035 3,671 0,987 0,610

Poddębicki t

bct ROZWURODZZ 498,1440,0 0,019 0 - 0,543 0,021 5,360 0,038 0,981

Radomszczański t

bct ROZWURODZZ 940,0283,1 0,055 0 - 0,488 0,055 4,747 2,752 0,253

Sieradzki t

abt MIGRURODZZ 999,0681,0 0,252 0 - 0,361 0,072 5,901 4,978 0,083

Wieluński t

abt MIGRURODZZ 878,0420,0 0,177 0 - 0,393 0,058 7,278 4,660 0,097

Wieruszowski t

act BEZRURODZZ 027,0380,0 0,034 0 - 0,405 0,019 4,208 0,203 0,903

Zgierski bt

act BEZDOCHODURODZZ 019,0589,0363,1 0,167 0 0 0,791 0,033 2,413 2,338 0,311

m. Skierniewice t

cct MALZURODZZ 900,0207,0 0,045 0 - 0,776 0,017 3,733 1,594 0,451

m. Łódź t

cct DOCHODURODZZ 467,0639,4 0,134 0 - 0,897 0,082 1,452 3,185 0,203

m. Piotrków Trybunalski

638,0041,0374,1 bt

bct URODBEZRKURODZZ 0,185 0

,0,

0,775 0,024 3,130 2,175 0,337

MAŁOPOLSKIE Bocheński

1055,0406,1 tcc BEZRKURODZZ 0,069 0 - 0,737 0,030 2,693 3,414 0,181

Brzeski bt

bc ROZPRACKURODZZ 486,1064,0688,0 1 0,129 0 0 0,936 0,014 1,415 2,968 0,227

Chrzanowski t

bc PRACURODZZ 012,0848,0 0,118 0 - 0,457 3,407 0,039 2,833 0,243

Dąbrowski t

ac ROZWURODZZ 294,3677,0 0,051 1 - 0,370 0,055 9,447 0,703 0,704

Gorlicki t

cb PRACKURODZZ 098,0506,0 0,154 0 - 0,747 0,030 2,463 1,236 0,539

Limanowski t

cc MIESZURODZZ 043,0933,2 0,297 0 - 0,708 0,063 3,680 3,546 0,170

Miechowski t

ct

cc ROZWMIGRURODZZ 611,0440,0365,0 0,035 0 0 0,876 0,008 1,619 2,216 0,330

Nowosądecki t

cc MIESZURODZZ 049,0851,4 0,211 0 - 0,938 0,046 1,732 0,216 0,989

Nowotarski t

bc MIESZURODZZ 037,0875,3 0,624 0 - 0,527 0,102 4,790 0,162 0,922

Olkuski t

c PRACKURODZZ 090,0124,0 0,196 0 - 0,763 4,059 0,043 1,750 0,417

Oświęcimski t

cc BEZRKURODZZ 068,0789,1 0,089 0 - 0,715 0,037 2,630 0,003 0,999

Tarnowski t

cc MIESZURODZZ 037,0797,3 0,398 0 - 0,719 0,087 4,111 1,476 0,478

Tatrzański 1065,0032,0 t

b PRACURODZZ 0,176 0 - 0,692 0,034 5,065 2,674 0,263

Wadowicki t

a PRACKURODZZ 117,0182,0 0,739 0 - 0,380 0,068 3,974 2,780 0,249

Wielicki t

cc MALZURODZZ 706,0667,0 0,108 0 - 0,661 0,040 3,567 1,303 0,508

m. Kraków t

cc DOCHODURODZZ 551,0823,4 0,153 0 - 0,917 0,123 2,013 3,055 0,217

m. Tarnów t

b PRACURODZZ 021,0123,0 0,316 0 - 0,537 0,056 5,496 1,379 0,502

MAZOWIECKIE Ciechanowski

tcc

t ROZWURODZZ 632,0996,0 0,016 0 - 0,783 0,023 2,530 4,249 0,119

Garwoliński t

bct BEZRURODZZ 058,0675,1 0,152 0 - 0,498 0,055 4,317 2,499 0,287

Gostyniński t

at MALZURODZZ 610,1033,0 0,213 0 - 0,369 0,039 8,451 1,020 0,600

Grodziski 1171,0945,0 t

act BEZRKURODZZ 0,130 0 - 0,393 0,053 7,590 0,763 0,683

Grójecki t

bct ROZWURODZZ 624,0090,1 0,031 0 - 0,444 0,029 2,877 0,746 0,689

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0) D(α1) D(α2) R2 Sy Vy (%) TR2 p-value Kozienicki

tbc

t ROZWURODZZ 130,1694,0 0,028 0,472 - 0,450 0,030 4,731 1,222 0,543

Legionowski 1378,1349,0 t

cbt DOCHODURODZZ 0,110 0,292 - 0,788 0,062 7,224 2,869 0,238

Lipski t

abt PRACURODZZ 635,0209,0 0,061 0,280 - 0,423 0,024 6,808 0,301 0,86

Łosicki t

at PRACURODZZ 078,0077,0 0,134 0,039 - 0,366 0,031 9,070 0,288 0,866

Makowski t

bt PRACURODZZ 097,0085,0 0,135 0,028 - 0,629 0,032 5,867 2,524 0,283

Miński t

cct BEZRURODZZ 085,0033,2 0,150 0,022 - 0,683 0,085 5,840 1,634 0,442

Mławski t

act ROZWURODZZ 219,1878,0 0,044 0,547 - 0,415 0,074 9,235 0,172 0,917

Nowodworski t

cct PRACURODZZ 038,0354,0 0,354 0,038 - 0,884 0,019 2,397 0,936 0,626

Ostrołęcki t

act ROZWURODZZ 476,2155,1 0,061 1,101 - 0,420 0,058 5,628 1,580 0,454

Ostrowski t

bt MALZURODZZ 062,1346,0 0,186 0,412 - 0,487 0,046 5,630 1,620 0,445

Otwocki at

bt MIESMALZURODZZ 012,0007,1065,0 0,189 0,299 0,006 0,845 0,037 3,349 2,469 0,291

Piaseczyński 1027,0151,0 t

ct MIESZURODZZ 0,201 0,027 - 0,852 0,111 8,491 2,820 0,244

Płocki t

ct PRACURODZZ 104,0252,0 0,203 0,024 - 0,730 0,033 2,939 4,963 0,084

Płoński t

act ROZWURODZZ 618,0011,1 0,031 0,289 - 0,397 0,048 5,013 0,103 0,950

Pruszkowski t

cct MIESZURODZZ 944,0829,0 0,073 0,160 - 0,833 0,054 4,283 0,282 0,868

Przasnyski t

cct ROZWURODZZ 336,2763,0 0,031 0,643 - 0,653 0,027 4,118 1,946 0,378

Przysuski bt

ct ROZPRACURODZZ 817,1093,0090,0 0,105 0,023 0,719 0,851 0,024 5,334 4,568 0,102

Pułtuski t

act ROZWURODZZ 908,0594,0 0,022 0,422 - 0,398 0,029 5,172 0,674 0,714

Radomski t

bct PRACURODZZ 046,0089,1 0,203 0,016 - 0,535 0,061 3,683 1,451 0,484

  

65

Sierpecki t

cct ROZWURODZZ 377,1678,0 0,021 0,316 - 0,731 0,028 4,763 1,280 0,527

Sochaczewski at

bbt PRAMALZURODZZ 036,0460,0352,0 0,119 0,172 0,019 0,762 0,021 2,547 0,035 0,982

Szydłowiecki t

act ROZWURODZZ 484,2525,0 0,043 1,186 - 0,385 0,042 9,430 1,119 0,572

Warszawski t

act DOCHODURODZZ 047,0329,0840,0 1

0,124 0,137 0,018 0,895 0,034 4,221 2,970 0,227

Węgrowski t

cct ROZWURODZZ 690,1840,0 0,029 0,434 - 0,732 0,027 3,695 1,484 0,476

Wołomiński t

ct MIESZURODZZ 029,0384,0 0,355 0,006 - 0,782 0,105 4,874 1,378 0,502

Wyszkowski t

bbt PRACKURODZZ 086,0417,0 0,139 0,029 - 0,562 0,036 4,313 0,775 0,679

Żuromiński t

act ROZWURODZZ 077,1484,0 0,018 0,566 - 0,341 0,033 7,170 0,106 0,949

Żyrardowski t

act BEZRKURODZZ 070,0888,0 0,068 0,033 - 0,389 0,032 4,349 2,339 0,310

m. Ostrołęka t

act BEZRKURODZZ 023,0609,0 0,032 0,011 - 0,032 0,011 3,853 0,969 0,616

m. Płock t

bbt MALZURODZZ 791,0565,0 0,214 0,275 - 0,542 0,048 4,036 1,019 0,601

m. Radom 1046,0832,2 t

act BEZRKURODZZ 0,294 0,022 - 0,418 0,056 2,535 0,209 0,647

m. Siedlce t

bct DOCHODURODZZ 117,0494,0 0,078 0,034 - 0,629 0,035 4,615 3,596 0,166

m. Warszawa t

cct DOCHODURODZZ 991,0739,10 0,552 0,159 - 0,847 0,941 6,937 1,785 0,410

OPOLSKIE Brzeski

tcc MIGRURODZZ 823,0397,0 0,112 0,191 - 0,726 0,032 3,683 0,659 0,719

Głubczycki t

b PRACURODZZ 031,0165,0 0,110 0,012 - 0,493 0,017 3,680 4,418 0,110

Kędzierzyńsko-t

cc PRACURODZZ 026,0266,0 0,058 0,003 - 0,930 0,015 1,785 3,267 0,195

Kluczborski t

ca PRACURODZZ 039,0182,0 0,089 0,008 - 0,770 0,029 4,795 1,637 0,441

Krapkowicki t

ab MIGRURODZZ 704,0302,0 0,128 0,355 - 0,360 0,036 6,413 2,635 0,268

Namysłowski t

b PRACURODZZ 042,0150,0 0,087 0,140 - 0,571 0,023 5,580 3,654 0,161

Nyski t

cc PRACURODZZ 025,0651,0 0,055 0,002 - 0,949 0,023 1,837 0,301 0,860

Oleski t

bc ROZWURODZZ 900,1679,0 0,034 0,603 - 0,587 0,042 7,271 1,756 0,416

Opolski ct

cc PRADOCHODURODZZ 056,0876,0795,0 0,134 0,191 0,014 0,869 0,028 2,820 0,207 0,901

Prudnicki t

bc PRACKURODZZ 045,0293,0 0,075 0,015 - 0,568 0,020 3,926 0,494 0,781

Strzelecki t

c PRACURODZZ 042,0169,0 0,089 0,008 - 0,803 0,032 4,992 0,309 0,857

m. Opole t

bc DOCHODURODZZ 053,0804,0 0,047 0,016 - 0,608 0,035 3,677 0,083 0,959

PODKARPACKIE Brzozowski

tcc ROZWURODZZ 132,4888,0 0,034 1,087 - 0,674 0,032 4,137 2,003 0,367

Bieszczadzki t

c PRACURODZZ 070,0009,0 0,014 0,003 - 0,990 0,018 5,205 3,854 0,146

Dębicki t

a PRACKURODZZ 101,0310,0 0,487 0,044 - 0,429 0,069 4,846 2,125 0,346 Jarosławski

tcc ROZWURODZZ 070,4703,1 0,076 0,682 - 0,836 0,056 4,46 2,483 0,289

Jasielski 1069,3436,1 t

bc ROZWURODZZ 0,099 1,223 - 0,511 0,081 6,786 0,799 0,671 Kolbuszowski

tb BEZRKURODZZ 183,0152,0 0,183 0,066 - 0,523 0,666 10,13 1,228 0,541

Krośnieński ROZPRACURODZZ bt

b 882,1082,0394,0 0,270 0,023 - 0,810 0,043 3,715 0,777 0,678

Leżajski t

ab MIGRURODZZ 138,1431,0 0146 0,525 - 0,402 0,059 7,939 1,107 0,575 Lubaczowski

ta BEZRKURODZZ 140,0223,0 0,163 0,060 - 0,441 0,035 5,832 0,018 0991

Łańcucki t

ac ROZWURODZZ 510,2939,0 0,046 0,897 - 0,441 0,039 4,727 1,759 0,415

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0) D(α1) D(α2) R2 Sy Vy (%) TR2 p-value Niżański

tb PRACKURODZZ 117,0251,0 0,155 0,046 - 0,481 0,041 5,920 2,362 0,307

Przemyski t

cc ROZWURODZZ 529,2932,0 0,031 0,549 - 0,752 0,039 4,925 5,281 0,059

Ropczycko-t

ac ROZWURODZZ 354,3934,0 0,049 1,467 - 0,427 0,048 5,844 3,145 0,207

Rzeszowski t

cc MIESZURODZZ 032,0285,3 0,359 0,008 - 0,701 0,068 3,696 1,690 0,430

Sanocki t

a PRACKURODZZ 063,0452,0 0,258 0,033 - 0,348 0,046 4,856 3,228 0,199

Strzyżowski t

bc ROZWURODZZ 266,2730,0 0,032 0,903 - 0,473 0,040 6,138 0,860 0,650

Tarnobrzeski t

c PRACKURODZZ 084,0111,0 0,253 0,024 - 0,640 0,050 5,016 3,840 0,147

m. Rzeszów t

cc MALZURODZZ 882,0648,0 0,152 0,181 - 0,773 0,048 3,429 1,298 0,523

m. Tarnobrzeg t

cb PRACURODZZ 037,0222,0 0,064 0,007 - 0,780 0,024 4,398 1,164 0559

PODLASKIE Augustowski b

tac ROZMALZURODZZ 430,1705,0486,0 0,123 0,325 0,409 0,797 0,025 4,032 3,387 0,184

Białostocki t

bc ROZWURODZZ 203,2550,1 0,115 0,801 - 0,519 0,050 4,021 2,564 0,277

Bielski t

ac ROZWURODZZ 337,1608,0 0,042 0,613 - 0,404 0,026 5,048 1,151 0,563

Grajewski t

cc MIGRURODZZ 517,0396,0 0,036 0,136 - 0,676 0,019 3,619 0,047 0,977

Hajnowski t

cc BEZRKURODZZ 093,0259,0 0,032 0,024 - 0,676 0,018 4,744 2,566 0,277

Kolneński t

bc ROZWURODZZ 485,2531,0 0,026 0,934 - 0,503 0,031 6,585 2,833 0,243

Łomżyński t

bc MIGRURODZZ 702,0955,0 0,144 0,260 - 0,508 0,049 8,613 0,669 0,716

Moniecki t

b BEZRKURODZZ 341,0096,0 0,095 0,105 - 0,601 0,037 9,109 0,577 0,749

Sejneński t

cc ROZWURODZZ 429,2269,0 0,017 0,682 - 0,644 0,020 9,463 0,019 0,991

  66 

Siemiatycki t

cc ROZWURODZZ 981,5670,0 0,070 1,626 - 0,659 0,049 11,73 0,674 0,714

Sokólski t

cb BEZRKURODZZ 135,0329,0 0,102 0,037 - 0,656 0,042 5,976 0,240 0,887

Suwalski t

bc ROZWURODZZ 147,3512,0 0,031 1,232 - 0,483 0,025 5,724 0,565 0,754

Zambrowski t

b MIGRURODZZ 041,1185,0 0,106 0,389 - 0,504 0,032 6,734 0,279 0,870

m. Białystok t

cc DOCHODURODZZ 289,0917,1 0,066 0,033 - 0,918 0,044 1,773 1,094 0,579

m. Łomża t

b PRACURODZZ 030,0168,0 0,142 0,011 - 0,541 0,026 4,583 3,313 0,191

POMORSKIE Bytowski

tb PRACKURODZZ 127,0235,0 0,276 0,049 - 0,485 0,051 5,457 0,601 0,741

Chojnicki t

cc BEZRKURODZZ 064,0448,1 0,086 0,016 - 0,696 0,030 2,720 1,418 0,492

Gdański t

c PRACKURODZZ 126,0183,0 0,101 0,018 - 0,880 0,026 2,894 3,029 0,222

Kartuski 1069,0601,0 t

b PRACURODZZ 0,338 0,025 - 0,558 0,053 3,442 3,838 0,147

Kościerski t

cc BEZRURODZZ 049,0161,1 0,071 0,013 - 0,672 0,031 3,434 3,174 0,205

Kwidzyński t

ac MALZURODZZ 235,0848,0 0,050 0,100 - 0,439 0,022 2,332 2,534 0,282

Lęborski t

cc MALZURODZZ 798,0461,0 0,052 0,153 - 0,820 0,017 2,377 0,712 0,700

Malborski t

c MALZURODZZ 847,1028,0 0,028 1,847 - 0,939 0,076 9,190 1,134 0,568

Nowodworski t

b PRACKURODZZ 134,0111,0 0,082 0,039 - 0,628 0,022 5,503 4,161 0,125

Pucki t

bc MALZURODZZ 643,0634,0 0,114 0,258 - 0,470 0,037 4,009 1,392 0,499

Starogardzki t

bc MALZURODZZ 610,0996,0 0,128 0,183 - 0,612 0,054 3,827 4,266 0,118

Sztumski t

ac MALZURODZZ 350,0399,0 0,035 0,146 - 0,589 0,019 4,008 3,848 0,146

Tczewski t

cc MALZURODZZ 742,0810,0 0,081 0,120 - 0,845 0,035 2,670 2,464 0,292

Wejherowski t

cc MALZURODZZ 808,0350,1 0,157 0,151 - 0,803 0,063 2,886 3,758 0,153

m. Gdańsk 2564,0847,2 t

bc DOCHODURODZZ 0,394 0,176 - 0,674 0,169 4,129 1,286 0,526

m. Słupsk t

cc MALZURODZZ 475,0594,0 0,046 0,089 - 0,839 0,018 2,134 1,008 0,604

m. Gdynia 2220,0775,1 t

bc DOCHODURODZZ 0,139 0,070 - 0,660 0,069 3,135 0,958 0,620

m. Sopot 1012,0220,0 t

bc DOCHODURODZZ 0,015 0,004 - 0,572 0,011 4,297 2,548 0,280

ŚLĄSKIE Bielski

tbc MALZURODZZ 675,0909,0 0,161 0,675 - 0,631 0,048 3,255 2,394 0,302

Będziński t

cc MALZURODZZ 707,0603,0 0,147 0,185 - 0,676 0,042 3,601 2,706 0,258

Cieszyński at

bc PRACBEZRURODZZ 014,0023,0436,1 0,268 0,009 0,007 0,753 0,041 2,408 0,278 0,870

Częstochowski t

a PRACURODZZ 062,0260,0 0,441 0,030 - 0,384 0,069 5,878 2,221 0,329

Kłobucki t

a MALZURODZZ 995,0317,0 0,227 0,467 - 0,393 0,047 5,938 0,862 0,650

Mikołowski 1294,1240,0 t

b MALZURODZZ 0,197 0,424 - 0,608 0,049 5,793 0,035 0,983

Gliwicki t

bc BEZRURODZZ 026,0145,1 0,041 0,008 - 0,612 0,034 3,383 2,163 0,339

Pszczyński t

cc BEZRKURODZZ 120,0437,1 0,062 0,022 - 0,808 0,030 2,717 2,846 0,241

Raciborski t

b PRACKURODZZ 055,0387,0 0,232 0,023 - 0,449 0,045 4,735 2,977 0,226

Rybnicki 1947,0301,0 t

cb MALZURODZZ 0,101 0,246 - 0,711 0,028 4,058 2,101 0,350

Wodzisławski t

cb MALZURODZZ 008,1600,0 0,172 0,196 - 0,791 0,038 2,534 0,247 0,884

Zawierciański 017,0025,0122,1 ct

cc PRACBEZRURODZZ 0,046 0,003 0,004 0,932 0,011 1,090 3,427 0,180

m. Bielsko-Biała 1944,0651,0 t

ba MALZURODZZ 0,314 0,326 - 0,582 0,075 4,785 4,176 0,124

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0) D(α1) D(α2) R2 Sy Vy (%) TR2 p-value m. Bytom

tcc BEZRURODZZ 019,0905,1 0,067 0,005 - 0,719 0,040 2,468 1,039 0,595

m. Chorzów t

cc MALZURODZZ 747,0581,0 0,055 0,095 - 0,898 0,024 2,380 4,656 0,098

m. Dąbrowa Górnicza

tcc MALZURODZZ 669,0539,0 0,099 0,134 - 0,780 0,031 3,056 3,913 0,141

m. Gliwice t

cc MALZURODZZ 629,0921,0 0,174 0,170 - 0,662 0,067 4,315 3,257 0,196

m. Jastrzębie-Zdrój

at

bc PRAMALZURODZZ 024,0431,0454,0

0,103 0,145 0,012 0,812 0,025 2,599 2,498 0,287

m. Katowice t

cc MALZURODZZ 690,0364,1 0,099 0,061 - 0,948 0,028 1,141 0,275 0,871

m. Mysłowice t

bc DOCHODURODZZ 045,0561,0 0,029 0,013 - 0,633 0,028 4,279 1,615 0,446

m. Piekary Ś

tcc BEZRURODZZ 013,0547,0 0,011 0,003 - 0,726 0,012 2,326 1,394 0,498

m. Ruda Śląska t

bc MALZURODZZ 368,0067,1 0,118 0,147 - 0,472 0,030 2,204 1,350 0,509

m. Rybnik 1649,0794,0 t

bc MALZURODZZ 0,184 0,219 - 0,593 0,044 3,306 0,775 0,679

m. Siemianowice Śląskie t

cc MALZURODZZ 597,0413,0 0,053 0,153 - 0,618 0,016 2,613 1,574 0,455

m. Sosnowiec t

bc BEZRURODZZ 017,0992,1 0,097 0,006 - 0,556 0,066 3,878 2,173 0,337

m. Tychy t

cc DOCHODURODZZ 144,0865,0 0,064 0,028 - 0,789 0,040 3,369 1,326 0,515

m. Zabrze t

ac MALZURODZZ 523,0166,1 0,193 0,222 - 0,443 0,064 3,956 0,357 0,837

m. Żory 1560,0419,0 t

ab MALZURODZZ 0,123 0,265 - 0,426 0,031 4,550 1,509 0,470

  

67

ŚWIĘTOKRZYSKIE Jędrzejowski

tcc PRACKURODZZ 080,0457,0 0,121 0,022 - 0,650 0,029 3,203 2,608 0,271

Kazimierski 1127,0429,0 t

bc BEZRKURODZZ 0,054 0,052 - 0,502 0,014 4,606 3,196 0,202

Kielecki t

cb PRACURODZZ 084,0627,0 0,225 0,013 - 0,859 0,052 2,469 2,609 0,271

Konecki t

b PRACURODZZ 055,0107,0 0,259 0,055 - 0,511 0,040 4,961 0,280 0,869

Opatowski t

cb PRACURODZZ 045,0209,0 0,087 0,012 - 0,672 0,033 6,051 0,700 0,705

Ostrowiecki t

cc PRACKURODZZ 044,0576,0 0,082 0,008 - 0,801 0,030 2,923 0,258 0,88

Pińczowski t

b PRACKURODZZ 143,0025,0 0,118 0,047 - 0,571 0,027 6,947 1,865 0,394

Sandomierski t

ab BEZRKURODZZ 101,0456,0 0,145 0,046 - 0,410 0,042 5,444 0,700 0,704

Skarżyski t

ab PRACKURODZZ 033,0404,0 0,124 0,017 - 0,351 0,038 5,927 2,055 0,358

Starachowicki 1057,0452,0 t

bc PRACKURODZZ 0,117 0,016 - 0,672 0,019 2,223 2,927 0,231

Staszowski t

ac DOCHODURODZZ 319,0915,0 0,073 0,138 - 0,434 0,051 6,764 2,302 0,316

m. Kielce t

ac PRACURODZZ 003,0216,1 0,213 0,003 - 0,415 0,035 2,078 4,390 0,111

WARMIŃSKO-MAZURSKIE Bartoszycki

tc PRACKURODZZ 108,0172,0 0,124 0,028 - 0,682 0,027 4,180 0,612 0,736

Braniewski at

b ROZWPRACURODZZ 050,1053,0259,0 0,140 0,021 0,498 0,789 0,024 5,150 0,196 0,907

Elbląski t

ac MALZURODZZ 549,0493,0 0,085 0,283 - 0,345 0,026 3,976 1,563 0,458

Giżycki t

cb MALZURODZZ 498,1138,0 0,057 0,153 - 0,932 0,042 6,264 1,577 0,454

Gołdapski t

cc BEZRKURODZZ 065,0435,0 0,041 0,020 - 0,735 0,016 5,185 2,533 0,282

Iławski t

cc MALZURODZZ 864,0606,0 0,111 0,864 - 0,723 0,028 2,631 0,065 0,968

Lidzbarski t

b PRACURODZZ 062,0056,0 0,151 0,024 - 0,485 0,023 5,132 0,921 0,631

Mrągowski t

bc BEZRKURODZZ 052,0704,0 0,060 0,020 - 0,512 0,022 4,143 0,223 0,894

Nowomiejski t

bc ROZWURODZZ 565,2633,0 0,037 0,964 - 0,503 0,031 5,746 0,177 0,915

Olecki t

c KOBWRURODZZ 045,0013,0 0,027 0,002 - 0,979 0,021 4,232 3,330 0,189

Olsztyński t

cc BEZRKURODZZ 066,0611,1 0,112 0,019 - 0,642 0,045 3,687 2,831 0,243

Ostródzki t

b PRACKURODZZ 086,0431,0 0,279 0,086 - 0,502 0,046 3,971 0,173 0,917

Piski t

cb PRACURODZZ 059,0208,0 0,066 0,009 - 0,868 0,017 2,601 0,444 0,801

Szczycieński t

bc MIESZURODZZ 021,0217,1 0,136 0,007 - 0,572 0,023 2,883 2,890 0,236

m. Elbląg t

ac ROZWURODZZ 032,1500,1 0,181 0,533 - 0,348 0,044 3,851 4,233 0,120

m. Olsztyn t

cc DOCHODURODZZ 199,0030,1 0,061 0,025 - 0,897 0,039 2,575 1,691 0,429

WIELKOPOLSKIE Chodzieski

tbc MIGRURODZZ 723,0331,0 0,070 0,263 - 0,519 0,021 3,957 2,942 0,230

Czarnkowsko-trzcianecki t

ca PRACKURODZZ 723,0088,0 0,166 0,024 - 0,657 0,035 3,541 0,869 0,647

Gnieźnieński 011,0116,1982,0 at

cc BDOCHODURODZZ 0,116 0,154 0,005 0,937 0,024 1,554 3,336 0,189

Gostyński t

ac BEZRURODZZ 013,0894,0 0,037 0,006 - 0,376 0,018 2,150 4,051 0,132

Grodziski t

ac BEZRKURODZZ 035,0675,0 0,036 0,035 - 0,476 0,021 3,643 1,459 0,482

Jarociński t

ba PRACURODZZ 037,0296,0 0,137 0,011 - 0,621 0,030 3,958 1,905 0,386

Kaliski t

bc ROZWURODZZ 385,2993,0 0,046 0,754 - 0,589 0,040 4,723 1,631 0,442

Kolski t

c PRACKURODZZ 131,0155,0 0,189 0,032 - 0,707 0,033 3,546 1,279 0,528

Kościański 027,1087,0049,1 at

bc ROBEZRKURODZZ 0,073 0,023 0,471 0,750 0,027 3,404 3,427 0,180

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01. cd. tabeli 1

Błąd szacunku Parametry oceny Test LM Powiaty Modele

D(α0) D(α1) D(α2) R2 Sy Vy (%) TR2 p-value Krotoszyński

tb PRACKURODZZ 081,0340,0 0,194 0,031 - 0,487 0,032 3,847 0,329 0,848

Leszczyński t

cc MALZURODZZ 466,0444,0 0,029 0,100 - 0,760 0,011 1,856 0,119 0,942

Międzychodzki t

cc PRACKURODZZ 019,0340,0 0,019 0,005 - 0,691 0,018 4,416 2,585 0,076

Nowotomyski t

bc MALZURODZZ 517,0601,0 0,092 0,211 - 0,461 0,042 5,096 2,548 0,280

Obornicki t

bc MALZURODZZ 530,0486,0 0,070 0,207 - 0,484 0,031 4,732 3,190 0,203

Ostrowski t

bc BEZRURODZZ 015,0781,1 0,063 0,005 - 0,559 0,041 2,581 0,647 0,723

Pilski t

cc BEZRKURODZZ 050,0739,1 0,061 0,011 - 0,736 0,031 2,083 2,731 0,255

Pleszewski t

ac BEZRKURODZZ 042,0836,0 0,067 0,020 - 0,383 0,023 3,235 0,627 0,731

Poznański t

c PRACURODZZ 039,0220,0 0,324 0,005 - 0,909 0,118 4,042 3,195 0,202

Rawicki 1526,1126,0 t

b MALZURODZZ 0,185 0,506 - 0,602 0,036 5,271 3,104 0,212

Szamotulski t

cc MIGRURODZZ 609,0566,0 0,088 0,151 - 0,699 0,042 4,538 0,772 0,680

Średzki t

cc BEZRURODZZ 035,0699,0 0,028 0,008 - 0,740 0,019 3,354 3,719 0,156

Śremski t

bc MALZURODZZ 736,0386,0 0,079 0,211 - 0,636 0,028 4,297 1,720 0,423

Wągrowiecki t

cc MALZURODZZ 725,0493,0 0,070 0,173 - 0,716 0,028 3,635 2,957 0,228

Wolsztyński t

bc BEZRKURODZZ 048,0720,0 0,019 0,015 - 0,610 0,015 2,279 3,808 0,128

Wrzesiński t

cc BEZRURODZZ 041,0025,1 0,048 0,009 - 0,756 0,032 4,016 1,372 0,504

  68 

Złotowski t

bc MALZURODZZ 510,0581,0 0,114 0,264 - 0,349 0,044 5,511 0,619 0,734

m. Kalisz t

ca MALZURODZZ 218,1285,0 0,128 0,222 - 0,812 0,029 2,963 2,139 0,343

m. Konin t

b PRACURODZZ 018,0242,0 0,152 0,006 - 0,597 0,032 4,374 0,068 0,966

m. Poznań t

a MALZURODZZ 135,1599,1 1,745 0,594 - 0,343 0,386 7,829 5,535 0,063

ZACHODNIOPOMORSKIE Białogardzki

tab PRACURODZZ 028,0281,0 0,103 0,013 - 0,414 0,025 4,963 0,788 0,647

Choszczeński t

ac PRACURODZZ 029,0354,0 0,096 0,015 - 0,346 0,023 4,274 0,231 0,891

Drawski t

bc MALZURODZZ 723,0410,0 0,083 0,263 - 0,518 0,048 7,571 0,081 0,960

Goleniowski t

c PRACURODZZ 048,0213,0 0,129 0,009 - 0,787 0,032 3,681 4,393 0,111

Gryficki t

bb MALZURODZZ 080,1349,0 0,141 0,421 - 0,485 0,077 10,946 5,139 0,077

Gryfiński bt

bt

bc PBEZRKMIGRURODZZ 012,0008,0397,0579,0

0,075 0,111 0,002 /0,003

0,944 0,013 1,568 4,922 0,085

Kamieński t

bc BEZRKURODZZ 027,0552,0 0,036 0,012 - 0,441 0,012 2,602 4,257 0,119

Kołobrzeski 1019,0444,0 t

ab PRACKURODZZ 0,143 0,010 - 0,394 0,036 4,930 0,945 0,623

Koszaliński t

b PRACKURODZZ 140,0196,0 0,144 0,041 - 0,626 0,034 4,916 1,667 0,435

Policki t

cc DOCHODURODZZ 536,0307,0 0,051 0,086 - 0,847 0,024 3,805 0,350 0,839

Pyrzycki t

ca PRACKURODZZ 104,0143,0 0,075 0,028 - 0,673 0,016 3,664 1,470 0,480

Stargardzki t

a MIGRURODZZ 829,0615,0 0,334 0,414 - 0,364 0,142 11,19 3,725 0,155

Szczecinecki t

ac PRACURODZZ 049,0499,0 0,140 0,023 - 0,402 0,030 3,726 1,055 0,590

m. Koszalin t

ac BEZRKURODZZ 037,0039,1 0,081 0,017 - 0,418 0,037 4,344 1,965 0,374

m. Szczecin t

cc DOCHODURODZZ 413,0443,2 0,227 0,106 - 0,685 0,109 5,496 2,056 0,358

m. Świnoujście t

bc DOCHODURODZZ 025,0130,0 0,030 0,010 - 7,299 0,171 0,918 0,022 0,487

Poziom istotności α parametrów strukturalnych: a = 0,10, b = 0,05, c = 0,01.

Do obliczeń wykorzystano oprogramowania GNU Regression Econometrics and Time-Series Library – GRETL Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

W wyniku przeprowadzonej analizy ekonometrycznej wykazano, że najczęściej

stwierdzonymi determinantami wpływającymi na wielkość żywo urodzonych dzieci

poszczególnych w województwach są:

– dolnośląskie – małżeństwa (MALZ), powiaty: bolesławiecki (0,414), oławski (0,765),

polkowicki (0,480), wrocławski (0,954), liczba pracujących (PRAC) powiaty: kłodzki

(0,017), legnicki (0,030), milicki (0,088), świdnicki (0,017), pracujące kobiety (PRACK),

powiaty: jaworski (0,079), lwówecki (0,079), wałbrzyski (0,068), ząbkowicki (0,020),

– kujawsko-pomorskie – pracujący w głównym miejscu pracy (PRAC), powiaty:

chełmiński (0,051), radziejowski (0,039), sępoleński (0,024), żniński (0,037),

– lubelskie – pracujący w głównym miejscu pracy (PRAC), powiaty: chełmski (0,065),

kraśnicki (0,058), łukowski (0,119), rycki (0,040), m. Biała Podlaska 0,014), m. Zamość

(0,012),

– lubuskie – bezrobotne kobiety (BEZRK) powiaty: słubicki (0,078), świebodziński

(0,067), Żarski (0,041), m. Gorzów Wielkopolski (0,053),

– łódzkie – małżeństwa (MALZ), powiaty: brzeziński (0,953), łódzki wschodni (1,391),

piotrkowski (0,655), m. Skierniewice (0,900), migracje na pobyt stały (MIGR), powiaty:

  

69

kutnowski (0,922)20, pajęczański (0,898), radomszczański (1,002), sieradzki (0,999),

wieluński (0,878),

– małopolskie – pracujące kobiety (PRACK), powiaty: brzeski (0,064), gorlicki (0,098),

olkuski (0,090), wadowicki (0,117), zasoby mieszkaniowe (MIESZ), powiaty: limanowski

(0,043), nowosądecki (0,049), nowotarski (0,037), tarnowski (0,037),

– mazowieckie – rozwody (ROZW), powiaty: ciechanowski (0,632), grójecki (0,624),

kozienicki (1,130), mławski (1,219), ostrołęcki (2,476), przasnyski (2,336), przysuski

(1,817),

pułtuski (0,908), sierpecki (1,377), szydłowiecki (2,484), węgrowski (1,690), żuromiński

(1,077),

– opolskie – pracujący w głównym miejscu pracy (PRAC), powiaty: głubczycki (0,031),

kędzierzyńsko-kozielski (0,026), kluczborski (0,039), namysłowski (0,042), nyski (0,025),

strzelecki (0,042),

– podkarpackie – rozwody (ROZW), powiaty: brzozowski (4,132), jarosławski (4,070),

jasielski (3,069), krośnieński (1,882), łańcucki (2,510), przemyski (2,529), ropczycko-

sędziszowski (3,354), strzyżowski (2,266),

– podlaskie – rozwody (ROZW), powiaty: augustowski (1,430), białostocki (2,203), bielski

(1,337), kolneński (2,485), sejneński (2,429), siemiatycki (5,981), suwalski (3,147),

– pomorskie – małżeństwa (MALZ), powiaty: kwidzyński (0,235), lęborski (0,798),

malborski (1,847), pucki (0,643), starogardzki (0,610), sztumski (0,350), tczewski (0,742),

wejherowski (0,808), m. Słupsk (0,046),

– śląskie – małżeństwa (MALZ), powiaty: bielski (0,675), będziński (0,707), kłobucki

(0,995), mikołowski (1,294), rybnicki (0,947), wodzisławski (1,008), m. Bielsko-Biała

(0,944), m. Chorzów (0,747), m. Dąbrowa Górnicza (0,669), m. Gliwice (0,629), m.

Jastrzębie-Zdrój (0,431), m. Katowice (0,690) m. Ruda Śląska (0,368) m. Rybnik (0,649),

m. Siemianowice Śląskie (0,597), m. Zabrze (0,523), m. Żory (0,560),

– świętokrzyskie – pracujące kobiety (PRACK), powiaty: jędrzejowski (0,080), ostrowiecki

(0,044), pińczowski (0,143), sandomierski ( 0,114), skarżyski (0,033), starachowicki

(0,057),

– warmińsko-mazurskie – małżeństwa (MALZ), powiaty: elbląski (0,549), giżycki (1,498),

iławski (0,864), rozwody (ROZW), powiaty: braniewski (1,050), nowomiejski (2,565), m.

Elbląg (1,032), pracujący w głównym miejscu pracy (PRAC), powiaty: braniewski

                                                            20 W nawiasach podano wartość parametru.

  70 

(0,076), lidzbarski (0,062), piski (0,059), bezrobotne kobiety (BEZRK), powiaty: gołdapski

(0,065), mrągowski (0,052), olsztyński (0,066).

– wielkopolskie – małżeństwa (MALZ), powiaty: leszczyński (0,466), nowotymski (0,517),

obornicki (0,530), rawicki (1,526), śremski (0,736), wągrowiecki (0,725), złotowski

(0,510), m. Kalisz (1,218), m. Poznań (1,135),

– zachodniopomorskie – pracujący w głównym miejscu pracy (PRAC), powiaty:

białogardzki (0,028), choszczeński (0,029), goleniowski (0,048), gryfiński (0,012),

szczecinecki (0,049),

Przestrzenne rozmieszczenie zmiennych demograficznych i ekonomicznych wpływające

na poziom urodzeń żywych zaprezentowano na mapie 1. Zmienne ekonomiczne

zdecydowanie przeważają w zachodnio-północnej części kraju w województwie:

Lubuskim, zachodniopomorskim, oraz wielkopolskim, dolnośląskim, opolskim,

małopolskim i świętokrzyskim. Natomiast największe skupiska zmiennych

demograficznych znalazły się w powiatach w środkowo-wschodniej części kraju w

województwie: podlaskim, mazowieckim, łódzkim oraz w południowej (woj.

podkarpackim, śląskim). Również w powiatach na styku województwa pomorskiego z

warmińsko-mazurskim. Zidentyfikowane zmienne demograficzne wykazano głównie w

powiatach ziemskich. Powiaty leżące w pasie przygranicznym we wschodnio-południowej

części kraju charakteryzujących się niskim stopniem zurbanizowania poddających się

trendom z pewnym opóźnieniem. Według S. Borowskiego na terenach wschodnich Polski

proces przejścia demograficznego był opóźniony o około 60 lat w przeciwieństwie do ziem

zachodnich. Prawdopodobnie na terenach wschodnich występują nadal rejony, w których

realizowane mogą być zjawiska klasycznego przejścia demograficznego.

W województwach, w których nie oszacowano modelu z istotną zmienną ze zbioru

proponowanych zmiennych będzie kontynuowana dalsza analiza której efektem będą

kolejne publikacje. Przyczyną takiego stanu rzeczy jest niewystarczająca grupa zmiennych

zaangażowanych do badania, a także liczba obserwacji była zbyt mała.

  

71

Mapa 1. Zróżnicowanie zmiennych demograficznych i ekonomicznych kształtujących poziom urodzeń żywych w powiatach w latach 1999-2007

Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

Co ciekawe, że zmienna tj. kobiety w wieku rozrodczym 15-49 lat nie została zauważona

jako determinanta w modelach ekonometrycznych (z wyjątkiem powiatu oleckiego w woj.

warmińsko-mazurskim), co z pewnością może dziwić. Taki stan rzeczy wynika z 2

podstawowych powodów: zmienna przy niewielkiej liczbie obserwacji często nie wykazała

wystarczającej zmienności aby mogła się znaleźć się w procesie korelacji zmiennych,

jeżeli już posiadała wystarczającą zmienność to jej współczynnik korelacji względem

zmiennej egzogenicznej był zbyt niski aby mogła się znaleźć w procesie estymacji modelu.

Przeprowadzona analiza wykazała zróżnicowanie determinant wynikających z

zaproponowanej grupy zmiennych oddziaływujących na liczbę żywo urodzonych dzieci w

przekroju powiatowym. Wyniki badań przedstawiono na mapie 2. Z grupy zmiennych

ekonomicznych obliczenia wskazują że najczęstszymi determinantami oddziaływującymi

na wielkość żywo urodzonych dzieci stały się: liczba osób pracujących w głównym

miejscu pracy (PRAC) oraz pracujące kobiety (PRACK). Zasięg występowania zmiennych

głównie skoncentrował się w powiatach wiejskich. Największe skupienie występowania

zmiennej (PRAC) wykazano w województwie: świętokrzyskim, opolskim (Mapa. 2).

  72 

Parametry strukturalne przy zmiennej (PRAC) znalazły się w przedziale od 0,003 powiecie

m. Kielce (woj. świętokrzyskie), do 0,635 w powiecie lipskim (woj. mazowieckie),

natomiast przy zmiennej (PRACK) od 0,017 w powiecie zawierciańskim (woj. śląskie) do

0,723 w powiecie czarnkowsko-trzcianeckim (woj. wielkopolskie).

Mapa 2. Determinanty urodzeń w powiatach w latach 1999-2007

1 – gryfiński (MIGR, PRAC, BEZRK), 2 – sępoleński (BEZR, PRAC), 3 – gnieźnieński (DOCHOD, BEZR), 4

– m. Gorzów Wielkopolski (MIESZ, BEZRK), 5 – zgierski (DOCHOD, BEZR), 6 – sochaczewski ( MALZ,

PRACK), 7 – warszawski zachodni (DOCHOD, BEZR), 8 – otwocki (MALZ, MIESZ), 9 – zawierciański

(BEZR, PRACK), 10 – brzeski (PRAC, MALZ), 11 – m. Jastrzębie Zdrój (MALZ, PRACK), 12 – cieszyński

(BEZR, PRAC), 13 – brzeski (PRACK, ROZW), 14 – krośnieński (PRAC, ROZW), 15 – miechowski (MIGR,

ROZW), 16 – przysuski (PRAC, ROZW), 17 – rycki ( PRAC, ROZW), 18 – augustowski (MALZ, ROZW), 19 –

braniewski (PRAC, ROZW), 20 – kościański ( BEZRK, ROZW), 21 – pajęczański (MIGR, ROZW).

Źródło: opracowania własne na podstawie Banku Danych Regionalnych: www.stat.gov.pl

Interesującym faktem zaobserwowanym w badaniu jest zależność zmiennej między

dochodem na 1 mieszkańca, a liczbą żywo urodzonych dzieci. Zauważono, iż na 25

modele ze zmienną dochód w 18 przypadkach zmienna ta, znalazła się w powiatach

  

73

miejskich tj. Łódź, Siedlce, Warszawa, Kraków, Mysłowice, Tychy, Chełm, Białystok,

Szczecin, Świnoujście, Zielona Góra, Wrocław, Jelenia Góra, Opole, Gdańsk, Gdynia,

Sopot, Olsztyn. Dodatnia relacja tej zmiennej kształtowała się w granicach od 0,012 w

powiecie m. Sopot do 0,991 w powiecie m. Warszawa. Wielkość parametrów oznaczają,

że na każdy 1000 tysiąc zł. przypadający na 1 mieszkańca urodzi się średnio corocznie od

12 do 991 nowo narodzonych dzieci. Natomiast jeżeli przypatrzymy się zmiennym

tj. bezrobocie rejestrowane, kobiety bezrobotne wykazano że zdecydowanie występują one

w powiatach ziemskich (w 50 przypadkach na 60), co potwierdza fakt występowania

wyższego bezrobocia na terenach wiejskich w porównaniu do miast na prawach powiatu.

Wartości parametrów przy zmiennej bezrobotni zarejestrowani kształtują się w przedziale

od 0,011 w powiecie gnieźnieńskim (woj. wielkopolskie) do 0,085 w powiecie mińskim

(woj. mazowieckie), natomiast przy zmiennej kobiety bezrobotne stwierdza się, iż ze

wzrostem o 1000 bezrobotnych kobiet z roku na roku liczba dzieci spadać będzie

przeciętnie od 19 w powiecie średzkim (woj. dolnośląskie) do 171 w powiecie grodziskim

(woj. mazowieckie).

Najmniejszy wpływ na wielkość nowo narodzonych dzieci w powiatach ma zmienna

zasoby mieszkaniowe (MIESZ), którą zaobserwowano w województwie mazowieckim w

powiatach tj.: otwockim, piaseczyńskim, płockim, pruszkowskim, wołomińskim, w woj.

małopolskim: limanowskim, nowotarskim, tarnowskim, rzeszowskim, zauważono ujemną

zależność, m. Gorzów Wielkopolski (woj. lubuskie), szczycieńskim (woj. warmińsko-

mazurskie). Wpływ dodatni parametrów zmiennych znalazł się w przedziale 0,012-0,944.

Ze zmiennych demograficznych zdecydowanie najczęściej zidentyfikowanymi zmiennymi

to liczba zawartych małżeństw i rozwody. W powiatach miejskich zmienna małżeństwa

wystąpiła w 18 przypadkach na 64 modeli tj. Skierniewice, Płock, Bielsko Biała, Chorzów,

Dąbrowa Górnicza, Gliwice, Jastrzębie Zdrój, Katowice, Ruda Śląska, Rybnik,

Siemianowice Śląskie, Zabrze, Żory, Lublin, Tarnobrzeg, Kalisz, Poznań, Słupsk.

Wielkość parametru przy zmiennej (MALZ) kształtował się w przedziale od 0,235 w

powiecie kwidzyńskim do 1,847 w powiecie malborski w województwie pomorskim.

Największe skupienie zmiennej małżeństwa wystąpiło w powiatach województwa:

śląskiego, wielkopolskiego, pomorskiego (mapa 2). W analizie zaobserwowano silny

związek zmiennej rozwody z wielkością urodzeń. Zmienna rozwody (ROZW),

zdecydowanie wystąpiła w powiatach środkowo-wschodniej części kraju w województwie:

podlaskim, mazowieckim oraz na południu Polski w województwie podkarpackim (mapa.

2). Zmienna ta wystąpiła głównie w powiatach wiejskich bo, 42 w powiatach na 46. Silny

  74 

wpływ tej zmiennej wyrażony jest wartością parametrów znajdujących się w granicach od

0,541 w powiecie m. Włocławek (woj. kujawsko-pomorskie), do 5,981 w powiecie

siemiatyckim (woj. podlaskie).

Wpływ zmiennej migracje na pobyt stały (MIGR) na urodzenia żywe zaobserwowano w 15

powiatach: kutnowskim, pajęczańskim, sieradzkim, wieluńskim, miechowskim, leżajskim,

krapkowickim, zambrowskim, chodzieskim, szamotulskim, stargardzkim, gryfińskim,

brzeskim, łomżyńskim, wschowskim. Najwyższa dodatnia wartość parametru wystąpiła w

powiecie leżajskim na poziomie 1,138, natomiast najniższy w powiecie gryfińskim 0,397.

Natomiast liczba kobiet w wieku rozrodczym (KOBWR) wystąpiła w powiecie oleckim

(woj. warmińsko-mazurskie). Jej parametr kształtował się na poziomie 0,045.

Uwagi końcowe

Próba zidentyfikowania siły i kierunku zmiennych zaproponowanych ze zbioru zmiennych

demograficznych i ekonomicznych decydujących o terytorialnym zróżnicowaniu i

poziomie urodzeń żywych wymaga przeprowadzenia dalszych badań. Z pewnością

przedstawiony zbiór zmiennych objaśniających zastosowanych w analizie nie jest

wystarczający. Ważnym aspektem jest nie tyle liczba zmiennych wykorzystanych w

analizie, ale podejście indywidualne do każdego powiatu. Przeprowadzona analiza regresji

urodzeń żywych według powiatów umożliwia do sformułowania następujących wniosków:

– istnieje przestrzenne zróżnicowanie zmiennych demograficznych i ekonomicznych

wpływających na wielkość urodzeń żywych,

– w powiatach miejskich najczęściej wykazaną zmienną urodzeń stanowił dochód na

1 mieszkańca (DOCHOD) oraz liczba zawartych małżeństw (MALZ),

– w powiatach ziemskich największy wpływ mają zmienne tj.: rozwody (ROZW),

małżeństwa (MALZ), pracujący w głównym miejscu pracy (PRAC), kobiety pracujące

(PRACK),

– nie wykazano zależności między liczbą kobiet w wieku rozrodczym 15-49 lat (KOBWR),

a liczbą urodzeń żywych,

– najczęściej występującą zmienną z grupy zmienny demograficznych okazały się

małżeństwa (MALZ) i rozwody (ROZW), natomiast ekonomicznych: pracujący w głównym

miejscu pracy (PRAC) oraz liczba pracujących kobiet w głównym miejscu pracy (PRACK),

– w powiatach centralnej i wschodnio-południowej Polski wykazano przewagę zmiennych

demograficznych natomiast na pozostałej części kraju zmiennych ekonomicznych.

  

75

Bibliografia

Bank Danych Regionalnych: www.stat.gov.pl. Borowski S., 1983, Szkice z teorii reprodukcji płodności, Prace wybrane, Zebrał i wstępem zaopatrzył S. Wierzchosławski, Ossolineum, PAN, Warszawa. Borowski S., 1989, Regiony reprodukcji ludności w Polsce Ludowej, pracę do druku przygotował S. Wierzchosławski, PWN, Warszawa-Poznań. Chromińska M., 1996, Czynnik ekonomiczny a dzietność rodzin rolników indywidualnych w Polsce, Studium statystyczno-demograficzne dla lat 1926-1984, Akademia Ekonomiczna w Poznaniu, Poznań. Gołata E., 1990, Studia nad terytorialnym zróżnicowaniem płodności kobiet w Polsce, SGPiS, Warszawa . Kurkiewicz J., 1998, Modele przemian płodności w wybranych krajach europejskich w świetle drugiego przejścia demograficznego, Zeszyty Naukowe AE w Krakowie, seria specjalna: monografie nr 131, wyd. AE w Krakowie. Kufel T., 2007, Ekonometria, Rozwiązywanie problemów z wykorzystaniem programu GRETL, PWN, Warszawa. Madalla G. S., 2006, Ekonometria, PWN, Warszawa. Panek T., 2009, Statystyczne metody wielowymiarowej analizy porównawczej, SGH, Warszawa. Rószkiewicz M., 1996, Próba ocen wpływu wybranych czynników ekonomicznych i społecznych na płodność w Polsce, ,,Studia Demograficzne”, nr 4/126, 93-107.

  76 

  

77

Krzysztof Osiewalski, Beata Zając21

Krzywe cząstkowych współczynników zgonów – modele wygładzania

Wprowadzenie

Od czasu publikacji Heligmana i Pollarda w roku 1980 proponowana przez autorów

ośmioparametrowa krzywa była głównym modelem opisującym cząstkowe współczynniki

zgonów. Praca oparta była na danych z lat 1970-72 dla Australii, model weryfikowano

również później, m.in. Dellaportas, Smith i Stavropoulos (2001) na danych z lat 1988-92

dla Anglii i Walii. Jednak podjęta w pracy próba zastosowania tego modelu do

współczesnych danych dla Polski nie przynosi już tak dobrych rezultatów. Wraz z

postępem cywilizacyjnym, a przede wszystkim rozwojem medycyny, wydłuża się

przeciętna długość trwania życia oraz znacznie spada prawdopodobieństwo zgonu w

grupach wiekowych cechujących się wcześniej największym ryzykiem.

W literaturze podejmowano już próby modyfikacji modelu Heligmana i Pollarda, np.

A. Kostaki (1992) proponowała dodanie kolejnego parametru do standardowego modelu.

Celem tej pracy jest uzyskanie najlepiej dopasowanej krzywej do wygładzonych krzywych

cząstkowych współczynników zgonów według wieku, odzwierciedlających wzorzec

umieralności w Polsce w latach 2005 – 2007. Zastosowano cztery modele: klasyczny,

ośmioparametrowy model Heligmana i Pollarda, następne dwa (wykorzystujące

trójwymiarową gęstość rozkładu Kumaraswamy lub funkcję sinus) są modyfikacją modelu

Heligmana i Pollarda, natomiast czwarty opiera się o konstrukcję z zastosowaniem

krzywych Beziéra. Do analizy wykorzystano podejście bayesowskie. Rozkłady a

posteriori parametrów modeli symulowano wykorzystując łańcuch Markowa oparty na

algorytmie Metropolisa i Hastingsa.

                                                            21 Studenci V roku matematyki Uniwersytetu Jagiellońskiego oraz III roku informatyki i ekonometrii Uniwersytetu Ekonomicznego w Krakowie

  78 

1. Przegląd analizowanych modeli

Niech xq oznacza prawdopodobieństwo zgonu w rocznym przedziale wieku )1x,x[ ,

natomiast n ilość takich przedziałów. Wobec tego przedmiotem rozważań będzie model:

,;xfq1

q

x

x

(1)

gdzie ',, m1 jest wektorem parametrów, natomiast ;xf jest jedną z niżej

przedstawionych krzywych.

1.1. Model Heligmana i Pollarda

Ośmioparametrowy model Heligmana i Pollarda ma następującą postać:

,x

logexp;xHP;xf x87

2

654

x1

HP 32

(2)

Dziedziną parametrów jest tutaj zbiór ,01,0110,15,01,0 4HP .

1.2. Model Heligmana i Pollarda z rozkładem Kumaraswamy

Druga rozważana krzywa to modyfikacja wcześniejszego modelu poprzez dodanie

czwartego składnika, którym jest gęstość trójparametrowego rozkładu Kumaraswamy.

Rozkład ten zastosowano, ponieważ dobrze opisuje dystrybuantę xq (oznaczenie jw.)

(Osiewalski, Zając 2008).

Model wyraża się wzorem:

,),(1n

1n

x1x

;xHP;xf1110

109

11191109

9

HP

1.

zaś dziedzina parametrów jest rozszerzeniem dziedziny modelu Heligmana i Pollarda o

trzy kolejne parametry rzeczywiste: 3HPD

.

1.3. Model Heligmana i Pollarda z funkcją sinus

Kolejna krzywa opisana jest jako modyfikacja modelu Heligmana i Pollarda polegająca na

dołączeniu funkcji sinus w następującej postaci:

;xsinexp;xHP;xf 11109HP 2.

dziedzina rozszerzona została jak w poprzednim modelu: 3HPD

  

79

1.4. Model oparty na parametrycznej krzywej Beziéra

Parametryczną krzywą Beziéra rzędu k nazywamy wielomian stopnia k zapisany w bazie

wielomianów Bernsteina, zob. np. Sederberg (2009). W obecnym przypadku

dwuwymiarowym krzywa Beziéra wyrażona jest następującym wzorem:

;1,0t,t1t

i

ky,t1t

i

kxy,x iki

k

0ii

ikik

0iitt

3.

krzywa ta wyznaczona jest za pomocą k par parametrów - punktów kontrolnych

,y,x k,,1iii które wyznaczają kombinację liniową wielomianów bazowych Bernsteina.

Zastosowano ten typ krzywej ze względu na własności wielomianów bazowych

Bernsteina. Na mocy twierdzenia Weierstrassa aproksymują one w sposób jednostajny

dowolną funkcję ciągłą na zbiorze zwartym.

Rozważany tutaj model jest krzywą sklejoną składającą się z k=6 krzywych rzędu 2,

dziedziną parametrów jest natomiast 12 .

2. Bayesowski model statystyczny i metody wnioskowania

Niech xn oraz xd oznaczają odpowiednio liczbę ludności oraz zgonów w przedziale

wiekowym )1x,x[ . Przyjęto założenie, iż zgony w poszczególnych przedziałach są od

siebie niezależne oraz dane rozkładem dwumianowym:

,q1q

d

n|dp xxx dn

xd

xx

xx

4.

gdzie xq opisana jest parametryczną zależnością (1). Prawdopodobieństwo wektora

danych n0 d,,d wynosi więc

,q1q

d

n|d,,dp

n

0x

dnx

dx

x

xn0

xxx

5.

co wobec (1) można wyrazić w postaci:

.

;xf1

;xf1

;xf1

;xf

d

n|d,,dp

n

0x

dnd

x

xn0

xxx

6.

Jeśli gęstość rozkładu a priori wektora parametrów oznaczymy p , to końcowy rozkład a

posteriori ma gęstość postaci

.

;xf1

;xf1

;xf1

;xf

d

npd,,d|p

n

0x

xdxnxd

x

xn0

7.

  80 

Ze względu na brak możliwości analitycznego badania własności tak skomplikowanego

rozkładu użyte zostały metody MCMC (Markov Chain Monte Carlo) do wyznaczenia

podstawowych charakterystyk powyższego rozkładu. W każdym z modeli stwierdzono, iż

założony rozkład a priori nie jest informacyjny, w związku z tym przyjęto za każdym

razem m-wymiarowy rozkład normalny: ,0p mN o elementach macierzy

kowariancji rzędu 107 oraz zerowej średniej.

Łańcuch Markowa skonstruowany został na podstawie algorytmu Metropolisa i Hastingsa,

tj. z jądrem przejścia w postaci

,|'|'q|'K 8.

gdzie za mechanizm losujący przyjęto m-wymiarowy rozkład t-Studenta o 4 stopniach

swobody, wartości oczekiwanej 0 i macierzy kowariancji Σ (wyznaczonej metodą prób i

błędów): 4,,mt , zaś prawdopodobieństwo zaakceptowania nowego stanu wyraża się

następującym wzorem:

.1,|'qd,,d|p

'|qd,,d|'pmin|'

n0

n0

9.

Ponieważ rozkład t-Studenta jest określony na całej przestrzeni m , więc w przypadku,

gdy parametr był określony na półosi dodatniej, zastosowano transformatę logarytmiczną,

natomiast gdy na przedziale - logitową.

Do zweryfikowania zbieżności w zależności od modelu niezbędne było wykonanie od 33

(dla czwartego modelu) do 83 milionów losowań w pozostałych przypadkach. Wszystkie

obliczenia wykonane zostały w środowisku Java własnym programem z wykorzystaniem

powszechnie znanych algorytmów oraz generatorów liczb pseudolosowych. Jedynym

wartym wymienienia osobno jest niezwykle szybki algorytm (Loader, 2000) obliczający

wartość gęstości rozkładu dwumianowego dla dużych wartości próby. Kryterium końca

przeprowadzania losowań było uzyskanie dostatecznie szybko małych wahań średniej

ergodycznej (o nie więcej niż 5% odchylenia standardowego a posteriori), np. w przypadku

czwartego modelu już ostatnie 9 milionów odchyla się o nie więcej niż 2%, co widać na

poniższym rysunku.

  

81

Rys. 1. Empiryczna zbieżność łańcucha Markova w modelu Beziéra na przykładzie pierwszego parametru.

3. Badanie empiryczne

3.1. Charakterystyka dostępnych danych

W pracy wykorzystano dane o liczbie ludności i zgonów w Polsce w latach 2005-07 w

rocznych przedziałach wiekowych od 0 do 85 lat (n=85). Przeprowadzono analizę zbiorczą

polegającą na zsumowaniu liczby ludności oraz zgonów w danym wieku, bez podziału na

płeć.

Empiryczne wartości prawdopodobieństwa zgonu w przedziale wiekowym )1x,x[

(ozn. xq~ ) wyznaczono z xn i xd za pomocą metody Chianga (Kędelski i Paradysz, 2006).

3.2. Mierniki dopasowania modeli

Zastosowano dwa mierniki dopasowania modeli: pierwszy, przedstawiony oryginalnie w

artykule Heligmana i Pollarda (1980), będący sumą kwadratów reszt różnic względnych

pomiędzy empirycznymi oraz wyestymowanymi wartościami prawdopodobieństwa

zgonów:

.1

q~q

RRW2n

0x x

x

3.

  82 

Drugim z kolei miernikiem jest średni błąd kwadratowy logarytmów prawdopodobieństwa

zgonu dokładnie w wieku x. Miernik ten obrazuje precyzję dopasowania estymowanej

krzywej do krzywej cząstkowych współczynników zgonów:

.

q~1

q~ln

q1

qlnMSE

2n

0x x

x

x

x

4.

4. Wyniki

Wszystkie teoretyczne prawdopodobieństwa xq obliczono dla wartości oczekiwanych a

posteriori parametrów. Poniższe wykresy prezentują empiryczne cząstkowe współczynniki

zgonów wraz z ich wygładzeniem za pomocą danego modelu. Na osi rzędnych

zastosowano skalę logarytmiczną w celu lepszego zobrazowania problemu.

4.1. Porównanie modeli

Model Heligmana i Pollarda charakteryzuje się najgorszymi wartościami obu mierników.

Spowodowane jest to założeniem, iż w wyższych latach model przyjmuje liniowy trend,

którego nie zaobserwowano w danych. Dodatkowo, wraz z obniżeniem

prawdopodobieństw zgonów w późniejszych latach, zmienił się współczynnik kierunkowy

trendu, powodując brak możliwości dobrego dopasowania modelu również w

początkowych latach (Rys. 2). Mierniki dopasowania wynoszą 0,844 dla MSE oraz 0,788

dla RRW.

Rys. 2. Wygładzenie za pomocą modelu Heligmana i Pollarda

  

83

Drugi model (na rysunku 3) wykazuje znacznie lepsze dopasowanie, MSE i RRW wynoszą

odpowiednio 0,192 oraz 0,181 - czyli zmniejszyły się ponad czterokrotnie. Model ten,

poprzez dodanie czwartego składnika opisanego przez trzy parametry, znacznie redukuje

wady standardowego modelu Heligmana i Pollarda, jednak wciąż odbiega od danych

empirycznych powyżej 75 roku życia.

Rys. 3. Wygładzenie za pomocą modelu Heligmana i Pollarda z rozkładem Kumaraswamy

Na rysunku 4 zaprezentowano trzeci model wykorzystujący funkcję sinus. Oba błędy

zostały zredukowane dwukrotnie w stosunku do poprzedniego modelu (do wartości

MSE=0,089 oraz RRW=0,087).

  84 

Rys. 4. Wygładzenie za pomocą modelu Heligmana i Pollarda z funkcją sinus

Czwarty model oparty na krzywej Beziéra przedstawiono na rysunku 5. Wykazał on

najniższe wartości obu mierników (MSE=0,065; RRW=0,066) kosztem dodatkowego

parametru w stosunku do poprzedniego modelu. Na rysunku zaznaczono również

oszacowane punkty kontrolne krzywej, czyli wartości oczekiwane a posteriori obu

współrzędnych.

Rys. 5. Wygładzenie za pomocą modelu opartego na krzywej Beziéra

  

85

4.2. Wyniki empiryczne, złożoność obliczeniowa

Porównanie podsumowujące zamieszczono w tabeli 1. Uzyskane czasy zostały

zarejestrowane na platformie opartej na procesorze Intel Core2Duo E8600 (2x3,33GHz).

Pomimo najmniejszej liczby parametrów model pierwszy wykazał największą złożoność

czasową za sprawą konieczności rozszerzenia precyzji numerycznej ze standardowej 64-

bitowej double przy użyciu pakietu BigDecimal. Wynika to ze złego dopasowania modelu,

ponieważ gęstość a posteriori każdego wektora parametrów była zawsze bliska zeru. Z

kolei ostatni model wymaga rozwiązania n (tutaj n=85) równań w każdym stanie łańcucha.

Wynika to z faktu, że jest to krzywa parametryczna, natomiast dane empiryczne są

punktami w wieku całkowitym. Zastosowano algorytm bisekcji, który nie wymaga

numerycznej aproksymacji gradientu oraz gwarantuje pozostanie zmiennej t w przedziale

[0,1].

Model liczba parametrów (m)

przybliżony czas obliczeń [h]

MSE RRW

I 8 12 0,844 0,788 II 11 4,5 0,192 0,181 III 11 4,5 0,089 0,087 IV 12 10 0,065 0,066 Tabela 1. Porównanie modeli

Pomimo dłuższego czasu obliczeń model oparty na krzywej Beziéra, oprócz najmniejszych

wartości mierników dopasowania, posiada dodatkową zaletę, mianowicie współczynniki

korelacji punktów kontrolnych nie leżących w swoim bezpośrednim sąsiedztwie są bliskie

zera. Daje to możliwość niemalże osobnego modelowania krzywej w różnych grupach

wiekowych. Macierz struktury korelacyjnej a posteriori przedstawiono poniżej (tabela 2).

x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 x6 y6 1 -0,752 0,337 0,549 -0,02 -0,126 0,091 0,102 -0,015 -0,017 0,011 0,012 x1 1 -0,807 -0,908 0,361 0,367 -0,271 -0,279 0,087 0,086 -0,048 -0,047 y1 1 0,865 -0,649 -0,492 0,366 0,364 -0,138 -0,134 0,071 0,069 x2 1 -0,317 -0,399 0,294 0,306 -0,090 -0,089 0,049 0,049 y2 1 0,813 -0,618 -0,627 0,215 0,211 -0,114 -0,112 x3 1 -0,746 -0,803 0,188 0,192 -0,118 -0,119 y3 1 0,955 -0,446 -0,423 0,205 0,198 x4 1 -0,292 -0,291 0,166 0,167 y4 1 0,990 -0,590 -0,592 x5 1 -0,638 -0,648 y5 1 0,992 x6 1 y6

Tabela 2. Struktura korelacyjna w modelu opartym na krzywej Beziéra

  86 

Podsumowanie

Zaprezentowana w niniejszej pracy metodologia wygładzania krzywej cząstkowych

współczynników zgonów oraz uzyskane wyniki sugerują możliwość praktycznego

wykorzystania w demografii, jak również m.in. w badaniach aktuarialnych. Modelem

szczególnie zasługującym na uwagę są krzywe Beziéra. Na mocy konstrukcji oraz dzięki

własnościom struktury korelacyjnej parametrów krzywe te są na tyle elastyczne, że

osiągnięcie oczekiwanego dopasowania pozostaje kwestią liczby i położenia punktów

kontrolnych. Ponadto błąd dopasowania rozkłada się równomiernie na wszystkie grupy

wiekowe, dzięki czemu możemy przybliżyć błąd dla konkretnego wieku x, jako średnią z

błędu dla całego badanego przedziału. Zastosowanie krzywych Beziéra, ze względu na ich

własności przedstawione pokrótce w tej pracy, wydaje się obiecujące w modelowaniu

demograficznym.

PODZIĘKOWANIA

Autorzy pracy serdecznie dziękują prof. Jolancie Kurkiewicz oraz prof. Jackowi

Osiewalskiemu za niezwykle cenne uwagi oraz poświęcony czas.

Bibliografia

Dellaportas P, Smith A. F. M., Stavropoulos P. Bayesian Analysis of Mortality Data. Journal of the Royal Statistical Society. Series A (Statistics in Society), 164, No 2: 275-291, 2001. Hills S., Smith A. F. Parametrization Issues in Bayesian Inference, [w:] Bernardo J.M., Berger J.O., Dawid A.P. i Smith A.F.M. (red.) Bayesian Statistics 4,Proceedings of the Fourth Valencia International Meeting. Oxford Science Publications, 227-246, 1992. Kędelski M, Paradysz J. Demografia. Poznań: Wydawnictwo AE Poznań, 2006. Kostaki A. A nine-parameter version of the Heligman-Pollard formula. Mathematical Population Studies 3, 277-288, 1992. Heligman L., Pollard J. H. The age pattern of mortality. J.I.A. 107: 49-80, 1980. Loader C. Fast and Accurate Computation of Binomial Probabilities, 2000. [online]. [dostęp: 11. X 2009]. Dostępny w Internecie: <http://projects.scipy.org/scipy/raw-attachment/ticket/620/loader2000Fast.pdf> Nadarajah S. On the distribution of Kumaraswamy. Journal of Hydrology 348: 568– 569, 2008. Osiewalski K., Zając B. Zastosowanie rozkładu Kumaraswamy w konstrukcji tablic dalszego oczekiwanego trwania życia, Zeszyty SAD KND PAN, 2008, w druku. Sederberg T. Computer Added Geometric Design. Chapter 2: Beziér curves. [online]. [dostęp: 11. X 2009]. Dostępny w Internecie: <http://cagd.cs.byu.edu/~557/text/ch2.pdf>