Прогнозирование численности населения современного мегаполиса (на примере Санкт-Петербурга): методологические аспекты
Аннотация
Статья посвящена вероятностному когортно-компонентному прогнозированию населения мегаполиса как открытой демографической системы, где миграция определяет динамику численности и возрастной структуры. В рассматриваемой методологии рождаемость, смертность и миграция моделируются как стохастические возрастно-половые процессы: возрастные профили редуцируются методом PCA, динамика временных коэффициентов описывается авторегрессионной моделью первого порядка AR(1) (эквивалент ARIMA(1,0,0)), а прогноз формируется как распределение траекторий в Монте-Карло-симуляции. Миграционная компонента задана через относительные возрастно-половые ставки с дрейфом и дополнительную уровневую корректировку (bump-компонента), отражающую возможный недоучет миграционного прироста; интервальные оценки валидируются ретроспективной проверкой (backtesting) и калибруются по эмпирическому покрытию. Все расчеты произведены по данным Санкт-Петербурга, эмпирическая база охватывает 1990–2023 гг., горизонт прогноза – до 2045 г., что обеспечивает сопоставимость с официальными оценками Росстата. Медианная траектория фиксирует переход города к режиму демографического «плато»: к 2045 г. численность составляет 5,62 млн человек при 90-процентном интервале 5,225 – 6,041 млн человек. Одновременно усиливается старение населения (доля жителей 65+ достигает 23% к 2045 г.), и роль миграции смещается от источника роста к механизму компенсации естественной убыли и стабилизации возрастной структуры. Сценарные прогнозы показывают, что долговременная развилка траекторий определяется прежде всего накопленным миграционным эффектом (к 2045 г. – от 5,32 млн человек до 6,40 млн в крайних вариантах). Сопоставление с прогнозом Росстата выявляет умеренные расхождения, траектория официального прогноза укладывается в доверительные интервалы вероятностной модели. Предложенный инструментарий может применяться в прогнозировании численности населения на уровне крупных городов и регионов страны.
Скачивания
Литература
Andreev E.M. (1999) The Contemporary Demographic Crisis and Population Forecasts for Russia. Mir Rossii (Universe of Russia): Sociology, Ethnology, 8, 4, pp. 175–186. (In Russ.)
Arkhangelsky V.N., Elizarov V.V. (2016) Demographic Forecasts in Modern Russia: Analysis of Results and Choice of Hypotheses. Scientific Works: Institute of Economic Forecasting, Russian Academy of Sciences, 14, pp. 524–545. (In Russ.)
Cameron M., Poot J. (2011) Lessons from Stochastic Small-Area Population Projections: The Case of Waikato Subgroups in New Zealand. Journal of Population Research, 28, pp. 245–265. DOI: https://doi.org/10.1007/s12546-011-9056-3
Keilman N., Pham D., Hetland A. (2002) Why Population Forecasts Should Be Probabilistic: Illustrated by the Case of Norway. Demographic Research, 6, pp. 409–454. DOI: https://doi.org/10.4054/DemRes.2002.6.15
Lavrikova Yu. G., Antipin I. A., Pryadein A. A., Suvorova A. V. (2016) Forecasting the Development of the Largest City: Designing an Innovative Future. Economic and Social Changes: Facts, Trends, Forecast, 6, 48, pp. 214–235. (In Russ.) DOI: https://doi.org/10.15838/esc.2016.6.48.12
Lee R.D., Carter L.R. (1992) Modeling and Forecasting U.S. Mortality. Journal of the American Statistical Association, 87, 419, pp. 659–671. DOI: https://doi.org/10.1080/01621459.1992.10475265
Nikitina S.Yu., Shcherbov S.Ya. (2007) Probabilistic Forecast of the Population Size of Russia. Voprosy Statistiki, 7, pp. 6–9. (In Russ.)
Nosova M.G. (2019) Stochastic Model for Population Forecasting. Bulletin of Science and Practice, 5, 9, pp. 17–25. DOI: https://doi.org/10.33619/2414-2948/46/02
Raftery A.E., Li N., Ševčíková H., Gerland P., Heilig G.K. (2012) Bayesian Probabilistic Population Projections for All Countries. Proceedings of the National Academy of Sciences of the United States of America, 109, 35, pp. 13915–13921. DOI: https://doi.org/10.1073/pnas.1211452109
Safarova A.A., Safarova G.L., Kosolapenko N.G., Arutyunov A.V. (2015) Demographic Aspects of Population Ageing in Saint Petersburg at the End of the 20th and the Beginning of the 21st Century. Part 1. Conventional Measures of Population Ageing. Advances in Gerontology, 28, 4, pp. 605–611. (In Russ.) DOI: https://doi.org/10.1134/S2079057016020132
Ševčíková H., Raftery A. (2021) Probabilistic Projection of Subnational Life Expectancy. Journal of Official Statistics, 37, pp. 591–610. DOI: https://doi.org/10.2478/jos-2021-0027
Vanella P., Deschermeier P. (2020) A Probabilistic Cohort-Component Model for Population Forecasting: The Case of Germany. Population Ageing, 13, pp. 513–545. DOI: https://doi.org/10.1007/s12062-019-09258-2
Yu C.C., Ševčíková H., Raftery A.E., Curran S.R. (2023) Probabilistic County-Level Population Projections. Demography, 60, 3, pp. 915–937. DOI: https://doi.org/10.1215/00703370-10772782
