tandardizcia Prednka 6 Zuzana Polkov Demografick modelovanie Absoltne
Štandardizácia Prednáška 6 Zuzana Poláková
Demografické modelovanie Absolútne počty udalostí nie sú vhodné na porovnávanie ukazovateľov v čase a priesore relatívne ukazovatele : - hrubá miera intenzity udalosti - špecifická miera intenzity danej udalosti Hrubá miera – počet demografických udalostí (sobáše, rozvody, narodení, zomretí, atď. ) pripadajúcich na 1000 obyvateľov stredného stavu. (údaje sú publikované za kalendárny rok) Špecifická miera – vyjadruje počet demografických udalostí pripadajúcich na 1000 obyvateľov stredného stavu v konkrétnom veku (počítajú sa zvlásť pre obe pohlavia). Vzťah medzi hrubou a špecifickou mierou Hrubá miera je váženým aritmetickým priemerom špecifických mier, kde váhy tvoria počty obyvateľov vo vekových skupinách
Demografické modelovanie Intenzita mnohých demografických, ekonomických a sociálnych javov je úzko korelovaná s vekom: plodnosť žien vrcholí 30 -tych rokoch veku najvyššia úmrtnosť sú visí s vyššími vekovými kategóriami osoby na začiatku aktívneho veku majú najväčšiu mobilitu (geografickú, sociálnu) výkony aj zárobok u veľa profesií závisí od veku atď. Hrubá miera je závislá od samotnej intenzity daného javu a od vekovej štruktúry – preto je nevhodná pre porovnávanie populácií v čase a priestore ! - ak chceme porovnávať populácie, musíme previesť tzv. štandardizáciu Zmysel štandardizácie - vylúčiť vplyv vekovej štruktúry vo všetkých porovnávaných populáciách
Demografické modelovanie Podľa údajov: priama štandardizácia nepriama štandardizácia Štandardizácia sa najčastejšie používa pri skúmaní plodnosti a úmrtnosti (dá sa aplikovať aj na iné javy: sobášnosť, rozvodovosť a pod. )
Demografické modelovanie Špecifické miery - vráťme sa k úmrtnosti: budeme predpokladať, že úmrtnosť nie je konštantná, ale sa mení s vekom, - potom pre každú vekovú skupinu môžeme skonštruovať špecifickú mieru (pre daný kalendárny rok) rovnakým spôsobom ako pre celú populáciu - pretože sa úmrtnosť líši nie len podľa veku, ale i podľa pohlavia, počítajú sa špecifické miery pre každé pohlavie zvlášť - dostaneme tak vekové a pohlavné špecifické miery úmrtnosti, - dá sa počítať špecifické miery aj podľa iných charakteristík - napr. podľa vzdelania, zamestnania, náboženského vyznania, - takéto miery sa však nenazývajú špecifické, ale označujeme ich ako miery diferenčné.
Demografické modelovanie Štandardizované miery hrubá miera úmrtnosti nie je vhodná pre porovnávanie úmrtnosti dvoch alebo viac populácií, lebo je výrazne ovplyvnená konkrétnou vekovou štruktúrou, pri výpočte štandardizovaných mier (metóda štandardizácie) vychádzame z toho, že vyjadríme hrubú mieru úmrtnosti pomocou špecifických mier a urobíme jednoduchú úpravu rozšírením čitateľa zlomku o stredné stavy:
Demografické modelovanie - zistili sme, že hrubú mieru môžeme vyjadriť ako vážený aritmetický priemer špecifických mier, kde váhami sú stredné stavy jednotlivých vekových skupín, - ak budú mať dve populácie podobnú vekovú štruktúru, má zmysel porovnávať vážený priemer ich špecifických mier, lebo použijeme rovnaký systém váh. Čo však v prípade, že sa veková štruktúra populácií líši výraznejšie? Priama štandardizácia - potom je potrebné použiť iný systém váh, len tak budú vážené priemery zrovnateľné, - tento postup je princípom metódy priamej štandardizácie – skutočná veková štruktúra zrovnávaných populácií sa nahradí nejakou inou, štandardnou.
Demografické modelovanie Priama štandardizácia Podmienky použitia: rovnaká veková štruktúra zrovnávaných populácií (1 -ročné, resp. 5 -ročné vekové skupiny) volíme vekovú štruktúru tej populácie, ktorú je možné považovať za „štandardnú“
Demografické modelovanie Ak chceme porovnať úmrtnosť v populácii A a B, nahradíme pri výpočte váženého priemeru špecifických mier úmrtnosti skutočnú vekovú štruktúru populácií A a B nejakou inou, štandardnou vekovou štruktúrou, čím vylúčime vplyv vekových štruktúr populácií A a B: 4 možnosti voľby štandardnej populácie: 1/ za štandardnú populáciu zvolíme jednu z porovnávaných populácií 2/ za štandard zvolíme súčet alebo priemer porovnávaných populácií 3/ za štandard zvolíme nadradenú populáciu 4/ za štandard zvolíme teoretickú (hypotetickú) populáciu – stabilnú alebo stacionárnu populáciu (má tú výhodu, že sa v nej neprejavujú konkrétne deformácie, napr. vojna, vlny emigrácie a pod. )
Demografické modelovanie Vstupné údaje - sú známe počty zomretých a stredné stavy obyvateľstva podľa pohlavia a vekových skupín v oboch sledovaných krajoch a v štandardnej populácii Postup výpočtu - v prvom kroku vypočítame špecifické miery úmrtnosti pre obidva kraje (počet zomretých /stredný stav obyvateľov v príslušnom kraji *1000) - v druhom kroku vypočítame hypotetické počty zomretých a to tak, že vynásobíme počet obyvateľov štandardnej populácie s hodnotou špecifickej miery úmrtnosti zvlášť pre každý kraj (v každej vekovej skupine), delíme 1000, lebo špecifické miery sú vyjadrené v promile - pre každý kraj vypočítame celkový hypotetický počet zomretých (ako súčet za všetky vekové skupiny) - štandardizovanú mieru úmrtnosti potom dostaneme ako podiel celkového hypotetického počtu zomretých v príslušnom kraji a celkového počtu obyvateľov štandardnej populácie*1000
Demografické modelovanie Príklad: Porovnajte úroveň plodnosti v Prahe a Stredočeskom kraji v roku 2011. Za štandard zvolíme populáciu ČR. Využijeme metódu priamej štandardizácie Vek. sk. Počty živo narodených Stredný stav žien Špecif. miery plodnosti Priama stanadard. x Praha STČ ČR Praha STČ 15 - 19 166 318 25 851 30 006 272 758 6, 42 10, 6 1 751 2 891 20 - 24 948 1 617 36 441 37 041 329 275 26, 01 43, 65 8 566 14 374 25 29 3 303 4 266 45 784 41 039 351 537 72, 14 104 25 361 36 542 30 - 34 6 308 5 773 58 333 51 749 420 359 108, 14 112 45 457 46 894 35 - 39 2 819 2 260 54 589 60 536 437 905 51 64 37, 33 22 614 16 348 40 - 44 390 273 41 268 45 908 345 700 9, 45 5, 95 3 268 2 058 45 - 49 34 24 41 284 41 474 343 528 0, 82 0, 57 282 197 Spolu 13 968 14 531 303 550 307 753 2 501 062 x x 107 299 119 304 Bez štandardizácie: Praha STČ 46, 02 47, 22 Po štandardizácii: Praha STČ 42, 90 47, 70 Keby bola veková štruktúra v oboch populáciách rovnaká ako v štandardnej, narodilo by sa v Prahe 42, 9 a v STČ kraji 47, 7 detí na 1000 žien v plodivom veku.
Demografické modelovanie Nepriama štandardizácia nie vždy máme k dispozícii počty zomretých podľa vekových skupín v porovnávaných populáciách, častejšie len celkové počty zomretých (poprípade podľa pohlavia) netriedené podľa veku (najmä u malých populácií na úrovni okresu) - použijeme metódu nepriamej štandardizácie Potrebujeme poznať - špecifické miery úmrtnosti nadradenej (štandardnej) populácie - početnosti ľudí vo vekových skupinách v porovnávaných populáciách - tým, že aplikujeme špecifické miery štandardnej populácie na počty ľudí vo vekových skupinách porovnávaných populácií – hypotetický počet udalostí
Demografické modelovanie Postup výpočtu 1/ vypočítame hypotetické počty zomretých v zrovnávaných populáciách (špecifická miera úmrtnosti v štandardnej populácii * počet ľudí vo vekovej skupine v zrovnávaných populáciách) 2/ vypočítame sumy hypotetického počtu zomretých v zrovnávaných populáciách 3/ vypočítame špecifické miery úmrtnosti a to tak, že delíme hypotetický počet zomretých v zrovnávanej populácii celkovým počtom ľudí v populácii (pre obe zrovnávané populácie)
Demografické modelovanie z vyjadrenia nepriamo štandardizovanej miery je vidieť, že k jej výpočtu nepotrebujeme špecifické miery úmrtnosti pre populáciu A a B, čo je výhoda, lebo za menšie územné celky nebývajú tieto hodnoty k dispozícii (alebo sú málo spoľahlivé) to je tiež dôvod, prečo sa nepriama štandardizácia používa častejšie než priama pri nepriamej štandardizácii potrebujeme len špecifické miery štandardnej populácie, za ktorú obyčajne volíme väčšiu, než sú populácie zrovnávané
Demografické modelovanie Príklad: Porovnajte úroveň plodnosti v kraji Praha a Moravskosliezskom kraji v roku 2011. Využite metódu nepriamej štandardizácie a za štandard zvoľte populáciu Českej republiky. Počet živo narodených Vek. sk. Strený stav žien Špecifické miery plodn. Hypotetické počty živo narodených ČR ČR Praha MSL 15 - 19 3054 272758 25851 34215 11, 2 289 383 20 - 24 13947 329275 36441 41443 42, 36 1544 1755 25 29 32894 351537 45784 40548 93, 57 4284 3794 30 - 34 40247 420359 58333 45321 95, 74 5585 4339 35 - 39 16292 437905 54589 48920 37, 2 2031 1820 40 - 44 2121 345700 41268 41465 6, 14 253 254 45 - 49 91 343528 41284 42949 0, 26 11 11 Spolu 108646 2501062 303550 294861 x 13997 12356 ČR Praha MSL kraj 43, 44 46, 11 41, 90
Ďakujem za pozornosť
- Slides: 16