CC BY
43
Силуянова Ю.А.
Демографические детерминанты «миграционного кризиса»
в ЕС
Силуянова Юлия Александровна — аспирант, факультет государственного управления МГУ имени М.В. Ломоносова, Москва, РФ. Е-mail: zernovaju@gmail.com SPIN-код РИНЦ: 3391-9684
Аннотация
Цель работы — рассмотреть предпосылки миграционного кризиса и определить факторы, воздействующие на миграционные потоки. В статье обобщаются исторические подходы к изучению закономерностей, формирующих миграционные потоки, а также прослеживается их эволюция; анализируются различные экономические и демографические переменные, оказывающие влияние на миграционные процессы, и оценивается их влияние на глобальную миграционную картину. Для анализа используются методы статистического анализа, такие как факторный анализ методом главных компонент, регрессионный анализ, кластерный анализ. В ходе исследования были выявлены важные закономерности, объясняющие текущее положение дел, а также подтверждена гипотеза о том, что вклад демографических факторов в миграционные процессы сильно недооценен. Если учитывать их, то понятие «кризис» в данном контексте едва ли применимо. Современная ситуация с мигрантами — явление не кризисное, оно закономерно сформировалось под действием значимых тенденций к смене типа воспроизводства населения. Кроме того, изменения до сих пор продолжаются и тенденции сохраняются. В связи с этим уместно говорить о новом демографическом переходе, который носит глобальный характер и превращает мир в единую систему «сообщающихся сосудов».
Ключевые слова
Демография, миграция, миграционный кризис, демографический переход, демографическая революция, факторный анализ, кластерный анализ, метод главных компонент, регрессионная модель
Введение
Сегодня в глобальной картине мира миграционные процессы играют важную роль. Многие исследователи, изучающие общественные явления и процессы, политики и государственные институты пытаются объяснить и предсказать развитие так называемого миграционного кризиса.
При наличии огромного количества информации, в том числе политически ангажированных оценок, мнений и прогнозов, сложно составить адекватную картину происходящего.
В данном исследовании мы предпримем попытку проследить истоки и выявить причины миграционного кризиса, сделав акцент на демографических переменных. На наш взгляд, в общей картине теоретических объяснений и моделей миграционных процессов демографические факторы до сих пор не были в достаточной степени изучены.
138
Чтобы ответить на вопрос, какие именно факторы могут объяснить миграционный кризис, с опорой на теоретические концепции будет построена статистическая модель.
Историческое развитие теорий миграции
Попытки теоретически объяснить миграционные процессы ученые начали предпринимать в конце XIX века. Одним из пионеров этого направления принято считать Э. Равенстейна. Проанализировав миграционные потоки в Великобритании и Америке, он пришел к выводу, что миграция определяется расстояниями между городами, а также ростом этих городов, развитием торговли и промышленности. Равенстейн не только сформировал фундаментальную теоретическую базу в виде Законов миграции, но и заложил традицию рассматривать миграционные процессы через призму экономических факторов1.
Эта традиция на долгое время закрепилась, и, согласно одному из
сформулированных им миграционных законов, именно экономические причины
2
миграции считались определяющими .
Значимым шагом на пути изучения миграционных потоков стали исследования Д. Ципфа, в которых автор предложил «гравитационную модель миграции». Он считал, что поток мигрантов между двумя пунктами зависит от расстояния и от численности населения. Тем самым Ципф подчеркнул роль демографической детерминанты
3
миграционного процесса .
Позднее Э. Ли создал расширенную гравитационную модель, в которую включил комплекс факторов, влияющих на миграционные потоки, в том числе расстояние, уровень образования, личные обстоятельства и т. д. Все эти факторы он разделил на две группы — «выталкивающие» и «притягивающие», а также отметил факторы, препятствующие миграции4.
1
Ravenstein E. The Laws of Migration // Journal of the Statistical Society. 1885. No. 46. P. 167-235; Ravenstein E. The Laws of Migration: Second Paper // Journal of the Royal Statistical Society. 1889. No. 52.
P. 241-305.
2
Ravenstein E. The Laws of Migration // Journal of the Statistical Society. 1885. No. 46. P. 167-235; Ravenstein E. The Laws of Migration: Second Paper // Journal of the Royal Statistical Society. 1889. No. 52. P. 241-305.
3
Zipf G.K. Human behavior and the principle of least effort. Cambridge: Addison-Wesley, 1949.
4
Lee E. A Theory of Migration // Demography. 1966. No. 3. P. 47-57.
139
Развивая эту логику, последователи ввели более четкий список факторов, в который включили расстояние, климат, уровень безработицы, среднюю заработную
5
плату и другие показатели .
Новые теории продолжали фокусироваться на экономических причинах и недооценивали роль демографических факторов, влияющих на миграционные процессы, а также упускали из виду взаимосвязь демографических и экономических процессов. Это упущение снизило предсказательные возможности моделей.
Сегодня в условиях глобализации и нарастающих миграционных потоков исследователи вернулись к рассмотрению демографических факторов наряду с экономическими при анализе миграции. Предшественниками комплексного подхода к миграции стали теории демографического перехода, объясняющие изменение уровней рождаемости и смертности.
Первый демографический переход произошел в Европе в первой половине XX века. За снижением смертности в результате развития медицины и личной гигиены последовало снижение рождаемости до уровня, обеспечивающего примерно нулевой прирост населения. Однако далее ситуация не стабилизировалась, рождаемость продолжила падать ниже уровня замещения поколений. Д. Ван де Каа назвал это вторым демографическим переходом. Он считал, что с 70-х годов XX века Европа вступила в эпоху новых демографических изменений6. Причинами второго демографического перехода автор считал трансформацию института семьи, ослабление традиционных консервативных ценностей .
В поисках причин второго демографического перехода Ф. Ноутстайн приходит к выводу, что «снижение рождаемости требует сдвига в социальных целях —
от направленных на выживание группы к тем, которые направлены на благополучие
8
и развитие личности» .
5
LowryI. Migration and Metropolitan Growth: Two Analytical Models. San Francisco: Chandler Publishing Company, 1966; Haurin D. The Regional Distribution of Population, Migration and Climate // Quarterly Journal
of Economics. 1980. Vol. 95. No. 2. P. 293-308.
6
The demographic transition // UNFPA [Электронный ресурс].
URL: http://papp.iussp.org/sessions/papp101 s01/PAPP101 s01 090 010.html (дата обращения: 11.11.2018).
7
Van de Kaa D.J. Europe's Second Demographic Transition // Population Bulletin. 1987. Vol. 42. № 1. P. 1-59.
8
Notestein F. W. Population — The Long View // Food for the World / ed. by Theodore W. Schultz. Chicago: University of Chicago Press, 1945. P. 36-57.
Позднее Д. Коулмен создал теорию третьего демографического перехода, которая соединила в себе анализ демографических факторов и миграции. Третий переход, по мнению автора, — это изменение в национальном, культурном, этническом
9
составе населения стран за счет притока мигрантов . Предпосылки для этого — низкая рождаемость, старение населения, отрицательный коэффициент воспроизводства в странах Старого света. Восполнять убыль населения приходится за счет мигрантов, это и запускает третий демографический переход.
Именно глобализация демографического перехода стала отличительным признаком его новой фазы. Фактически все население мира превращается в единую систему, где процессы синхронизированы и взаимосвязаны, по сути они представляют собой один общий процесс. В данной модели демографические показатели становятся во главу угла и определяют интенсивность и направление миграционных потоков. Причинами же вступления в фазу третьего перехода Коулмен считает экономические, социальные и культурные факторы.
„10-11 В последние десятилетия российские и зарубежные исследователи с разных
сторон анализируют сложившуюся ситуацию и сравнивают модели в поисках
закономерностей, наиболее точно описывающих процесс международной миграции.
Задача нашего исследования — проверить, насколько хорошо модель третьего
демографического перехода описывает текущие глобальные процессы, и сравнить
значимость экономических и демографических факторов, формирующих
миграционные потоки.
9
Коулмен Д.Иммиграция и этнические сдвиги в странах с низкой рождаемостью-третий демографический переход в действии? // Миграция и развитие: доклады и статьи ведущих секций и
докладчиков международной конференции «Миграция и развитие». М., 2007. C. 13-50.
10
Новожилова Е.О. Современные международные миграции: причины, особенности, последствия // Общество. Среда. Развитие (Terra Humana). 2013. № 1(26). С. 101-105; ГлущенкоГИ., ПономаревВ.А.
Миграция и развитие. М.: Экономика, 2009.
11
Haurin D. The Regional Distribution of Population, Migration and Climate // Quarterly Journal of Economics. 1980. Vol. 95. No. 2. P. 293-308; Bloom D., Canning D., Sevilla J. Economic Growth and the Demographic Transition // NBER Working Paper. 2001. No. 8685. URL: https://www.nber.org/papers/w8685.pdf (дата обращения: 11.11.2018); Кардини Ф. Европа и ислам: история непонимания. СПб.: Александрия, 2007; Массей Д. Синтетическая теория международной миграции // Мир в зеркале международной миграции. М., 2002. С. 161-174; Каа ванн де Д. О международной миграции и концепции второго демографического перехода // Мир в зеркале международной миграции. М., 2002. С. 90-96; Бжезинский З. Выбор: мировое господство или глобальное лидерство. М.: Международные отношения, 2004; Castles S., Miller M. The age of migration: international population movements in the modern world. London: Macmillan, 1993.
Актуальная демографическая ситуация в мире
Прежде чем приступить к анализу, коротко обрисуем картину сегодняшнего дня в цифрах, чтобы подкрепить правомерность доводов сторонников теории третьего демографического перехода.
К началу XXI века прирост мирового населения практически полностью осуществлялся за счет развивающихся стран. По данным ООН и Всемирного банка, только 3-4% ежегодного прироста приходилось в начале 2000 годов на долю развитых
стран. Всего полвека назад, в 1950 году, эта доля составляла более 30%. Из 20 стран,
12
имеющих самый низкий уровень рождаемости в мире, 11 находятся в Европе . И это при том, что в коэффициент включены в том числе дети, рожденные мигрантами из предыдущих, более ранних, волн.
Если сегодняшние тенденции сохранятся, то к 2050 году Европа может потерять 1/6 населения.
Сегодня 8 из 10 стран с самым большим населением находятся в активной стадии первого демографического перехода13.
В развивающихся странах мы наблюдаем картину, отличную от ситуации в развитых странах, которые завершили демографический переход. Население ряда стран Азии, Африки, Латинской Америки продолжает расти рекордными темпами. Например, в 2000 году общая численность населения Нигерии, Эфиопии, Демократической Республики Конго, Судана, Танзании, Кении, Уганды, по данным ООН, составляла
14
около 400 миллионов человек .
Сегодня в одной только Нигерии насчитывается почти 200 миллионов жителей, более 100 миллионов — в Эфиопии. Именно на черном континенте находятся 9 из 10 мировых лидеров по рождаемости, здесь на одну женщину приходится более 5 детей. К 2050 году, по прогнозам международных экспертов, суммарное население указанных африканских стран превысит миллиард.
12
The 20 countries with the lowest fertility rates in 2017 // Statistica [Электронный ресурс]. URL: https://www.statista.com/statistics/268083/countries-with-the-lowest-fertility-rates/ (дата обращения:
11.11.2018).
13
Юрфа А. Анализ демографического перехода в странах мира // Клуб русскоязычных учёных штата Массачусетс [Электронный ресурс].
URL: http://www.russianscientist.org/files/archive/Econom/2014 YUFA-30-2.pdf (дата обращения:
11.11.2018).
14
List of countries by population in 2000 // Wikipedia [Электронный ресурс]. URL: https://en.wikipedia.org/wiki/List of countries by population in 2000 (дата обращения: 11.11.2018).
Демографические гиганты, такие как Китай и Индия, демонстрируют невысокие темпы рождаемости, однако население каждой из этих стран уже составляет более миллиарда человек.
Согласно статистике ООН, в 2013 году число международных мигрантов превысило 258 миллионов человек, причем тенденция сохраняется, и миграционные потоки продолжают нарастать15. Так, в период с 1975 по 1980 год миграционный поток из развивающихся стран вырос на 6,5 миллионов человек, а в период с 2005 по 2010 — на 17,4 миллиона. Эта статистика, по мнению экспертов, преуменьшена, а в реальности,
с учетом всех форм и видов международной миграции, численность мигрантов в мире
16
уже достигла 1,2 млрд человек .
По прогнозам ООН, международная миграция должна пойти на спад, переток населения из развивающихся стран в развитые должен уменьшиться. Однако с каждым
17
годом временные горизонты этого прогнозируемого «спада» сдвигаются все дальше .
По мнению А. Вишневского, процесс глобального третьего демографического перехода логичнее было бы назвать демографической революцией, исходя из масштабов и степени значимости трансформаций18. В подкрепление своей позиции19 он приводит аргумент о том, что происходит «переход к новой репродуктивной стратегии вида Homo sapiens. ... Мы должны признать и то, что по своему общечеловеческому значению, по своим последствиям и по порождаемым ею глобальным рискам она превосходит любую политическую или экономическую революцию»20.
Подводя итог, можно отметить, что мы действительно наблюдаем картину глобального масштаба, где отчетливо прослеживаются тенденции, подтверждающие
15
International Migration Report 2017: Highlights // United Nations, Department of Economic and Social Affairs
URL: http://www.un.org/en/development/desa/population/migration/publications/migrationreport/docs/Migratio
nReport2017 Highlights.pdf (дата обращения: 11.11.2018).
16
Ионцев В.А., Прохорова Ю.А. Международная миграция населения в контексте демографической теории // Уровень жизни населения регионов России. 2014. № 3(193). С. 88.
17
International Migration Report 2013 // United Nations [Электронный ресурс]. URL: http://www.un.org/en/development/desa/population/publications/pdf/migration/migrationreport2013/Full
Document final.pdf (дата обращения: 11.11.2018).
18
Вишневский А.Г. Время демографических перемен. M.: Издательский дом Высшей школы экономики, 2015.
19
Вишневский А.Г. Процессы самоорганизации в демографической системе // Системные исследования.
Методологические проблемы. Ежегодник. 1985.C. 233-245.
20
Вишневский А.Г. Демографическая революция меняет репродуктивную стратегию вида homo sapiens // Демографическое обозрение. 2014. URL: https://cyberleninka.ru/article/n/demograficheskava-revolvutsiva-menvaet-reproduktivnuvu-strategivu-vida-homo-sapiens (дата обращения: 11.11.2018).
тезисы теории третьего демографического перехода или же демографической революции. Попробуем произвести статистический анализ показателей, чтобы убедиться в этом и построить модель, описывающую основные факторы, определяющие этот процесс.
Методология исследования и выбор переменных
За основу анализа мы взяли модель Коулмена и добавили к демографическим факторам экономические, чтобы оценить их значимость и взаимосвязь. Мы также включили в анализ переменные, отражающие количество мигрантов, проживающих в стране, и беженцев, выезжающих из страны и въезжающих в нее (имеющих соответствующий статус). Такой набор данных позволит выявить закономерности и ответить на вопрос, каким образом сегодня формируются миграционные потоки.
Перечислим базовые показатели, заложенные в основу модели:
- Birth rate crude — общий коэффициент рождаемости (количество рожденных в течение года в среднем на 1000 человек населения);
- Fertility rate — суммарный коэффициент рождаемости (среднее количество детей на одну женщину);
- Adolescent fertility rate — индекс "ранней" рождаемости (на 1000 женщин от 15 до 19 лет);
- Death rate crude — общий коэффициент смертности (количество умерших в течение года на 1000 человек);
- Life expectancy at birth — ожидаемая продолжительность жизни при рождении;
- Population growth — прирост населения в %;
- Population age 65 and above — % пожилого населения (от 65);
- Population age 0-14 — % детей (до 14);
- Rural population — доля сельского населения (%);
- Refugee population by country of origin — количество беженцев, покидающих страну;
- Refugee population by country of asylum — количество беженцев въезжающих в страну;
- International migrant stock — общее количество мигрантов, проживающих в стране (кумулятивная величина).
В качестве базовых экономических показателей в исследование также включены:
- Adjusted net national income per capita $ — чистый национальный доход на душу населения;
- Unemployment — безработица;
- Inflation, GDP deflator — инфляция.
Последний показатель важен по причине того, что в интересующих нас африканских странах наблюдаются резкие скачки инфляции и огромные ее темпы. Хрестоматийным примером может служить ситуация в Зимбабве, которая привела к отказу государства от национальной валюты в 2015 году. Ситуация в стране доходила до того, что деньги обесценивались быстрее, чем люди успевали дойти до магазина.
Для проверки и корректировки аналитической модели также используются дополнительные переменные, такие как коэффициенты смертности по полу, продолжительность жизни по полу и другие.
В качестве наблюдений рассматривается статистика 149 стран, по которой доступны все необходимые показатели за 2015 год. Согласно общему убеждению, так называемый миграционный кризис в Европе, начавшийся после обострения конфликтов на Ближнем Востоке и ухудшения ситуации в Ливии и черной Африке, датируют 2014 годом. В рамках теории третьего демографического перехода едва ли к данному явлению применим термин кризис. Ситуация скорее носит характер активной фазы перехода, когда новая модель демографического поведения явно отразилась на миграционных потоках и жители Старого света обратили на это внимание.
Статистика за 2015 год достаточно полна и единообразна, а также достаточно нова и релевантна поставленной задаче «нащупать» реальные признаки «демографической революции». В качестве источника данных мы выбрали базы данных ООН и Мирового банка, поскольку эти международные институты имеют широкие возможности по сбору и аккумулированию статистических данных по странам, а также наиболее систематизировано ведут отчетность и предоставляют открытый доступ к упорядоченной информации.
Собрав необходимые данные вместе, мы сначала провели анализ каждой переменной, чтобы выявить особенности распределения и сделать предварительные заключения по каждому из факторов, влияние которых будет оцениваться в дальнейшем. Далее были установлены корреляции между факторами, что позволило заключить, что между ними присутствуют значимые статистические зависимости. Это,
145
в свою очередь, дало возможность произвести оценку значимости вкладов каждой переменной, а также объединить совокупное их влияние в факторы посредством регрессии и анализа методом главных компонент. В заключение был проведен кластерный анализ методом к-средних, а полученные группы графически отображены на карте. Исследование проводилось с использованием программы 81ай8Йса.
Распределение данных
Первое, что бросается в глаза при построении диаграмм частот и вычисления базовых характеристик переменных, — тот факт, что все данные, кроме общего индекса смертности и процента сельского населения, имеют распределение, далекое от нормального.
Индекс смертности в среднем по миру составляет 7,5-8 (среднее арифметическое и медиана) человек на 1000. Сельское население — в среднем 42% (Рисунок 1). Понимая особенности данных и разнообразие стран и моделей воспроизводства, мы можем констатировать, что средние величины не очень важны, поскольку отражают только «среднюю температуру по больнице». Что действительно значимо, это сам факт близости к нормальности. Он сигнализирует о том, что эти факторы на момент исследования находились в равновесном состоянии, в них не наблюдается ярко выраженных признаков переходных состояний.
Histogram: Death rate, crude (per 1,000 people) K-S d=,08298. p> .20; Lillieforsp<,05 - Expected Normal
0 2 4 6 8 10 12 14 16
X <= Category Boundary
21
Рисунок 1. Распределение переменной «Коэффициент смертности»
Здесь и далее рисунки составлены автором с помощью программы 81аЙ8Йса (англоязычная версия).
Далее мы убедимся в том, что показатели смертности в нашей модели ведут себя достаточно противоречиво и как будто выпадают из общей картины. Вероятно, это объясняется тем, что первая волна демографической революции затрагивает в большей степени рождаемость, а показатели смертности будут «догонять» изменения с течением времени. Если принять гипотезу о том, что третий демографический переход находится в начальной фазе, то показатели смертности еще не пришли в движение и продолжают соответствовать старой модели воспроизводства.
В переменных инфляции и прироста населения получаем высокий эксцесс, серьезных признаков изменения здесь также не наблюдается.
Оставшиеся переменные пребывают в подвижном состоянии, и это служит первым маркером, который может указывать на активную фазу серьезных переходных процессов.
Так, в переменных подростковой рождаемости, безработицы, беженцев по стране происхождения, беженцев по стране назначения, количества мигрантов наблюдается сильная правая асимметрия, а в количестве пожилых людей еще и признаки бимодальности с вершинами 5 и 20. Такое распределение можно интерпретировать как переход от старого среднего значения к новому.
Левая асимметрия обнаружена в переменной ожидаемой продолжительности жизни при рождении. Это также можно расценить как переходное состояние, причем переход вызван увеличением населения в странах с более низкими показателями. И если сегодня средняя ожидаемая продолжительность жизни составляет 73 года, то в будущем при сохранении тенденции она будет снижаться.
Наибольший интерес представляет характер распределения переменных, отражающих рождаемость и количество детей в стране. Эти переменные имеют ярко выраженный бимодальный вид, то есть имеется фактически два средних значения. Для общего коэффициента рождаемости на 1000 человек это величины 15 и 40 (Рисунок 2), для суммарного — интервалы (1-2) и (4-5). «Количество детей до 14» лет также имеет две вершины, одна из которых находится на отметке 20%, другая — 45%. Можно предположить, что первая вершина — это остаток "старой" схемы воспроизводства населения, а вторая — альтернативная, формирующаяся в процессе глобальных изменений.
Histogram: Birth rate, crude (per 1,000 people) K-S d=, 11103, p<,10 ; Lillieforsp<,01 - Expected Normal
X <= Category Boundary
Рисунок 2. Распределение переменной «Средний коэффициент рождаемости»
Корреляции
При построении таблицы корреляции обращает на себя внимание разнообразие зависимостей, имеющих достаточно высокий уровень надежности. В качестве примера опишем некоторые из них для базовых переменных, отражая только зависимости, где коэффициент корреляции по модулю больше 0,5.
Суммарный коэффициент рождаемости (СКР). Согласно результатам анализа, эта величина прямо пропорциональна коэффициенту смертности (0,75), годовому приросту населения (0,71), количеству сельского населения (0,58), количеству детей (0,94). Скорее всего, это связано с невысоким качеством данных, взятых из разных источников. СКР обратно пропорционален ЧНД (-0,49), ожидаемой продолжительности жизни (-0,86), количеству пожилых людей (-0,69).
Примечательно, что общий коэффициент смертности не дает никаких существенных корреляций. Четкие надежные зависимости обнаружены в коэффициентах корректирующих переменных по полам, а общий коэффициент зависимости не демонстрирует вообще. Виной тому, видимо, погрешность исходных данных. Для выявления зависимостей будем использовать альтернативные коэффициенты смертности на 1000 женщин и мужчин. Здесь выявлены существенные корреляции с ЧНД (-0,53; -0,61), СКР (0,8;0,67), ожидаемой продолжительностью
жизни (-0,9), сельским населением (0,53; 0,63), пожилым населением (-0,62; -0,56), количеством детей (0,82; 0,71).
ЧНД прямо пропорционален ожидаемой продолжительности жизни (0,65), количеству мигрантов (0,56), пожилого населения (0,59) и обратно пропорционален СКР (-0,62), смертности (-,053; -0,61), количеству сельского населения (-0,62), детей ( -0,61).
Факторный анализ
Убедившись в наличии взаимосвязей, проведем факторный анализ для того, чтобы оценить, какие переменные оказывают наибольшее влияние на миграцию. Так как переменные «беженцы по стране отправления» и «беженцы по стране назначения» имеют нелинейную структуру и распределение, далекое от нормального, мы возьмем за группирующий фактор переменную «количество мигрантов». Она ближе к нормальности и линейности, поэтому работать с ней будет проще и результат будет надежнее. Анализ будет проведен сначала при помощи метода главных компонент, а затем с использованием множественной регрессии.
Результаты анализа главных компонент показывают, что около 80% дисперсии объясняется тремя факторами, собственные значения которых в порядке убывания 50%, 20%, 9% (Таблица 1). Убывание собственных значений хорошо видно на графике (Рисунок 3).
Рисунок 3. График убывания собственных значений переменных
Таблица 1. Результаты анализа методом главных компонент
Собственное значение % дисперсии Кумулятивное собственное значение Кумулятивный %
1 5,029559 50,29559 5,02956 50,2956
2 2,019062 20,19062 7,04862 70,4862
3 0,922107 9,22107 7,97073 79,7073
4 0,775241 7,75241 8,74597 87,4597
5 0,562610 5,62610 9,30858 93,0858
6 0,350094 3,50094 9,65867 96,5867
7 0,182604 1,82604 9,84128 98,4128
8 0,139115 1,39115 9,98039 99,8039
9 0,012110 0,12110 9,99250 99,9250
10 0,007499 0,07499 10,00000 100,0000
Как уже было показано, переменные, отражающие коэффициент смертности, ведут себя непредсказуемо. В связи с этим мы внесли в модель все три переменные: общий коэффициент — в основной список, переменные по полу — в дополнительный. Здесь снова можно наблюдать существенные странности: переменные по полу вошли в первый фактор, общий коэффициент — во второй, причем именно этот коэффициент имеет наибольшую факторную нагрузку во второй группе. Однако, поскольку именно общий коэффициент вызвал вопросы к качеству данных, мы будем отталкиваться в факторном анализе от коэффициентов по полу. Рассмотрим подробнее таблицу, отражающую три главных фактора и факторные нагрузки переменных (Таблица 2).
Таблица 2. Корреляции факторов с переменными (факторные нагрузки) для
основных переменных
Переменная Фактор 1 Фактор 2 Фактор 3
ЧНП -0,711 0,34 -0,22
ОКР 0,96 0,007 -0,03
ОКС -0,06 -0,81 -0,18
ОПЖ -0,91 0,25 0,01
Прирост населения 0,71 0,53 -0,03
Безработица -0,15 -0,483 0,819
Сельское население 0,73 -0,38 -0,07
Инфляция 0,09 -0,64 -0,4
Пожилое население -0,88 -0,33 -0,14
Подростки 0,96 0,008 -0,01
Итак, первый фактор, объясняющий 50% дисперсии, включает в себя несколько переменных, влияющих на количество мигрантов в стране. Выстроим их в порядке убывания факторной нагрузки: количество населения до 14 лет, рождаемость, ожидаемая продолжительность жизни — факторная нагрузка более 0,9; смертность, сельское население, пожилое население, рост населения — факторная нагрузка 0,7-0,9. К этому же фактору принадлежит переменная ЧНД. Однако, если комплексно оценить факторные нагрузки, можно констатировать, что фактор
1 преимущественно демографический.
Второй фактор, объясняющий 20% дисперсии, фактически включает в себя общий коэффициент смертности на 1000 человек (от использования которого мы в данном анализе решили отказаться в пользу альтернативных коэффициентов) и инфляцию. И, наконец, третий фактор, объясняющий 9% дисперсии, — это безработица и занятость населения. Обобщив два последних фактора, можно условно обозначить их как экономическую составляющую.
Таким образом, анализ методом главных компонент подталкивает нас к выводу, что в современных условиях демографические переменные имеют более серьезное влияние на миграционные процессы, чем экономические.
Теперь проверим значимость вклада разных переменных при помощи регрессионного анализа. Прежде, чем приступать к анализу, важно оговорить, что зависимость, которую мы описываем, очень сложна и не является линейной. Уравнение регрессии в данном случае будет серьезной аппроксимацией. Однако в качестве инструмента выявления наиболее значимых факторов оно прекрасно подойдет и даст нам понимание характера зависимостей.
Как и при использовании метода главных компонент, мы возьмем в качестве зависимой переменной Y количество мигрантов. Попробовав несколько комбинаций переменных, мы отбросили факторы, которые не вносят существенного вклада. В конечном итоге в модели остались 8 переменных, 4 из которых можно считать значительными, согласно регрессионной модели (Таблица 3)
Для начала обратим внимание на качество полученного уравнения. Коэффициент детерминации
R =0,7, то есть полученное уравнение объясняет 70% дисперсии. Это приемлемый результат, характеризующий выраженную зависимость. Уровень статистической значимости высокий: р<0,01. Коэффициенты Фишера и Стьюдента (РД) указывают на то, что нулевая гипотеза об отсутствии зависимости
должна быть отклонена, следовательно нужно принять гипотезу о наличии зависимости.
22
Таблица 3. Результаты регрессионного анализа
Regression Summary for Dependent Variable: International migrant stock(% of population) (SpreadsheetlJRe R= ,84233034 R?= ,70952040 Adjusted R?= ,69280215
F(8,139)=42,440 p<0,0000 Std.Error of estimate: 7,6649_
N=148 b* Std. Err. of b* b Std. Err. of b t(139) p-value
Intercept 51,9616 5,61347 9,2565! 0,00000'
Adjusted net national income per capita $ 0,4918: 0,07328 0,0004! 0,00007 6,7116" 0,00000'
Fertility rate, total (birthsperwoman) 0,7117! 0,17542 7,0071! 1,72703 4,0573! 0,00008:
Population growth (annual %) 0,2423! 0,08881 2,6242! 0,96170 2,7287! 0,00717:
Unemployment, total (% of total labor force) (modeled ILO estimate) 0,0970! 0,04952 0,2257! 0,11511 1,9606: 0,05192:
Inflation, GDP deflator (annual %) -0,0423! 0,05296 -0,0683! 0,08550 -0,7997! 0,42519.
Rural population (% of total population) -0,1305! 0,06772 -0,0807! 0,04191 -1,9276! 0,05593
Population ages 65 and above (% of total) -0,8735. 0,11108 -1,9894. 0,25298 -7,8639' 0,00000'
Population ages 0-14 (% of total) -1,5073' 0,21483 -1,9026! 0,27119: -7,0159! 0,00000'
Исходя из полученных результатов, уравнение регрессии выглядит следующим образом:
У= 51,96 - 1,9X1 - 1,98X2 + 7X3 + 0,00049X4,
где XI — количество детей в стране, Х2 — количество пожилых, ХЗ — СКР, Х4 — ЧНД.
Другими словами, самое сильное влияние на количество мигрантов в стране оказывает количество детей от 0 до 14. Причем зависимость носит обратный характер: чем меньше детей, тем больше мигрантов, и наоборот: увеличение количества «собственных» детей в стране на 1 ведет к снижению количества мигрантов более чем в два раза.
Вторая по значимости переменная — количество пожилых людей от 65 лет и старше. Эта переменная также оказывает обратный эффект на количество мигрантов. Далее — суммарный коэффициент рождаемости, который в данном случае странным образом конфликтует с переменной XI. Казалось бы, количество детей и СКР — величины схожие, что подтверждается анализом корреляции. Но в регрессионном уравнении СКР имеет действие противоположное фактору XI. При этом удельный вес СКР вдвое меньше, чем у количества детей.
И, наконец, последняя по значимости и единственная «экономическая» переменная в регрессионном уравнении — ЧНД. Ее вклад достаточно слаб и составляет чуть менее 0,5.
Примечательно, что при регрессионном анализе ни одна из переменных, описывающих смертность, не показала надежного существенного вклада.
Таблица составлена автором с помощью программы 81аЙ5Йса (англоязычная версия).
Если общий характер регрессионной модели сопоставить с моделью, построенной методом анализа главных компонент, мы еще раз убедимся, что удельный вес и значимость демографических параметров неизменно остаются выше, чем у экономических.
Кластерный анализ
В заключении мы произвели группировку стран по основным признакам, заложенным в модели. Сначала была построена дендрограмму для определения количества «естественных» кластеров (Рисунок 4).
Tree Diagram for 1 48 Cases Complete Linkage Euclidean distances
1
4 . | _
............... Ï ll&llllilil 1
Sin g a p o re Ge o rg 1 a Portugal Slovak Republic Czech Republic Korsei Cyprus Belgium Tuakea Bangladesh Philippines 'M^ngoF! Pa rag u ay Dominican Republic Ethiopia Egy pt, A^yRep. Kyrgyz Republic p Senegal Congo, Dem Rep. Mauatania Syrian Arab RepuLl^
Рисунок 4. Дендрограмма
На графике мы увидели, что страны разбиваются на 5 или 6 кластеров. После этого мы использовали метод К-средних для разбиения на группы. В Таблице 4 приведены параметры каждого из 5 кластеров
23
Таблица 4. Характеристики кластеров
Variable Cluster Means (Dataset)
Cluster No. 1 Cluster No. 2 Cluster No. 3 Cluster No. 4 Cluster No. 5
Adjusted net national income per capita $ 1,0081! -0,39134i 0,8445' -0,648931 -0,6536:
Fertility rate, total (births per woman) -0,4857: -0,283121 -0,8554: 0,40977 1,3747«
Death rate, crude (per 1,000 people) -1,7409! -0,63303: 0,7112« -0,50686: 0,37781
Life expectancy at birth, total (years) 0,7198! 0,151511 0,8996! -0,494791 -1,3122!
Population growth (annual %) 1,4372: -0,10143i -0,9319; -0,683641 0,9013!
Unemployment, total (% oftotal laborforce) (modeled ILO estimate) -0,6749. -0,10709i 0,3493! 0,183571 -0,1292'
Refugee population by country or territory of asylum 0,81 71: -0,08648 -0,2246! 2,165421 0,01761
Refugee population by country or territory of origin -0,2094: -0,16133: -0,1894: 6,52187. -0,02591
International migrant stock(% of population) 3,2740. -0,36060! 0,1540! -0,44501! -0,4280!
Rural population (% oftotal population) -1,4647! -0,00902: -0,6412! 0,95888. 0,9816'
Inflation, GDP deflator (annual %) -1,5392' -0,13822: 0,1838! 0,48250' 0,2615'
Population ages65 and above (% oftotal) -0,7145' -0,34503i 1,32571 -0,70632: -0,8664!
Population ages0-14 (% oftotal) -0,6382' -0,02219: -1,0616! 0,82267: 1,2975!
Следует отметить, что для кластеризации была проведена стандартизация данных, так как переменные неоднородны и сильно различаются по размерности. По этой причине в таблице приведены стандартизированные, а не исходные характеристики. Наша задача — дать группам общее описание, для этого стандартизированные величины вполне подойдут.
Кластер 1 выделяется необычайно высоким доходом, низкой безработицей и инфляцией, иными словами — полное экономическое благополучие. Наблюдается также относительно низкая рождаемость, низкая смертность, высокая ожидаемая продолжительность жизни, сравнительно небольшое количество детей и стариков. При этом можно отметить высокие темпы роста населения, большой входящий поток мигрантов, большое их количество в стране. В эту группу вошли нефтяные экономики Ближнего Востока во главе с ОАЭ и Саудовской Аравией: Иордания, Кувейт, Катар, Оман, Ливан, Бахрейн. В эту же группу попал Сингапур.
Кластер 2
В мировом масштабе представители этого кластера являются «средними» по большинству параметров. Можно лишь отметить более низкую смертность, меньшее количество проживающих мигрантов и немного более скудный доход. Таков портрет «развивающихся стран» Азии и Латинской Америки. В эту же группу попали «передовики» черного континента (Таблица 5). Странно наблюдать в этой группе Ливию, где в последние годы сосредоточены экстремистские группировки и отсутствует единое правительство. Очевидно, фактические показатели отличаются от тех, которые декларирует официальное правительство.
Таблица составлена автором с помощью программы Бййвйса (англоязычная версия).
Таблица 5. Состав кластера 2 и расстояния до центра кластера
Азербайджан 0,385705 Ямайка 0,483843
Бангладеш 0,406091 Казахстан 0,399687
Белизе 0,406022 Киргизия 0,401123
Боливия 0,383139 Камбоджа 0,603526
Бразилия 0,496553 Ливия 0,829721
Ботсвана 0,568346 Шри Ланка 0,571993
Чили 0,571524 Марокко 0,214850
Китай 0,478343 Мексика 0,383480
Колумбия 0,386094 Монголия 0,281059
Коста Рика 0,483405 Малайзия 0,368472
Карибские острова 0,352813 Никарагуа 0,313160
Доминикана 0,282729 Непал 0,578592
Алжир 0,414679 Панама 0,334179
Эквадор 0,273587 Перу 0,346540
Египет 0,531225 Филиппины 0,345122
Фиджи 0,235891 Парагвай 0,173745
Габон 0,978991 Эль Сальвадор 0,317948
Гватемала 0,417720 Суринам 0,239230
Гвиана 0,557224 Таиланд 0,581325
Гондурас 0,341008 Таджикистан 0,560262
Гаити 0,594666 Тринидад и Табаго 0,690295
Индонезия 0,261215 Тунис 0,446092
Индия 0,424542 Турция 1,671986
Иран 0,695701 Узбекистан 0,351221
Ирак 1,139259
Кластер 3
Здесь собраны благополучные страны с невысокой инфляцией, безработицей и относительно высоким доходом. Рождаемость низкая, количество детей также небольшое, зато высокая продолжительность жизни и много стариков, относительно высокая смертность. Сельское население незначительно, прирост населения также низкий. Перед нами Старый Свет, Канада, США и другие развитые страны, прошедшие стадию второго демографического перехода (Таблица 6).
Таблица 6. Состав кластера 3 и расстояния до центра кластера
Албания 0,658282 Ирландия 0,542701
Аргентина 0,946295 Израиль 0,898416
Армения 0,630501 Италия 0,369366
Австралия 0,782637 Япония 0,672369
Австрия 0,489992 Корея 0,620239
Бельгия 0,423971 Литва 0,603456
Багамские о-ва 0,617148 Латвия 0,596068
Босния и Герцеговина 1,009756 Молдавия 0,788593
Белоруссия 0,762513 Македония 0,879655
Канада 0,521195 Черногория 0,502408
Швейцария 1,069937 Нидерланды 0,456604
Кипр 0,485346 Норвегия 0,923817
Чехия 0,334500 Польша 0,376544
Германия 0,525389 Португалия 0,357436
Дания 0,587442 Румыния 0,583902
Испания 0,621577 Россия 0,595863
Финляндия 0,390072 Сербия 0,741244
Франция 0,342577 Словакия 0,383432
Великобритания 0,464435 Словения 0,308210
Грузия 0,605067 Швеция 0,577008
Греция 0,788697 Украина 1,346373
Хорватия 0,597402 Уругвай 0,463623
Венгрия 0,492883 США 0,667646
Кластер 4
Сюда вошли только две страны — Сирия и Афганистан. В обеих этих странах идет вооруженный конфликт и основной группирующий фактор здесь — множество беженцев, по большей части перемещенных внутри страны. Эти государства также выступают главными «пунктами исхода», так как вооруженный конфликт выталкивает людей в более безопасные и благополучные регионы. Кроме того, здесь из-за развала экономики катастрофически низкий доход, и это служит дополнительным фактором выталкивания.
Кластер 5
Эта группа — оплот «демографической революции». Здесь самые низкие доходы, низкая ожидаемая продолжительность жизни, большая доля сельского населения, мало стариков, огромное количество детей до 14 лет, высокая рождаемость
и высокий темп прироста населения. В основном в этом кластере представлены страны черной Африки, а также некоторые азиатские государства (Таблица 7).
Таблица 7. Состав кластера 4 и расстояния до центра кластера
Ангола 0,531 Малави 0,625
Бурунди 0,527 Намибия 0,708
Бенин 0,309 Нигер 0,735
Буркина Фасо 0,326 Нигерия 0,531
ЦАР 0,755 Пакистан 1,054
Кот Д Ивуар 0,538 Папуа Новая Гвинея 0,602
Камерун 0,366 Руанда 0,562
Конго (ДРК) 0,518 Судан 0,630
Конго 1,188 Сенегал 0,432
Эфиопия 0,571 Соломоновы Острова 0,659
Гана 0,562 Сьерра Леоне 0,718
Гвинея 0,190 Южный Судан 0,572
Гамбия 0,416 Свазиленд 1
Гвинея-Биссау 0,361 Чад 0,744
Кения 0,583 Того 0,283
Либерия 0,337 Танзания 0,389
Лесото 1,151 Йемен 0,875
Мадагаскар 0,441 Уганда 0,469
Мали 0,383 Замбия 0,223
Мозамбик 0,877 Зимбабве 0,277
Мавритания 0,406
Ядро кластера составляют такие страны, как Ангола, Бурунди, Бенин, Буркина Фасо, Камерун, ДРК, Гана, Гамбия, Либерия, Мали, Мавритания, Нигерия, Танзания, Уганда, Замбия. И это именно те страны, которые бьют рекорды по количеству мигрантов, направляющихся в Европу. Все указывает на то, что поток будет только нарастать. Так, согласно последним исследованиям Pew Research Center, более 70% взрослых из Нигерии и Ганы хотят уехать в другую страну, для Кении, ЮАР, Сенегала
24
этот показатель составляет около 50% .
24
About half or more in several sub-Saharan African countries would move to another country // Pew Research Center [Электронный ресурс]. URL: http://www.pewglobal.org/2018/03/22/at-least-a-million-sub-saharan-africans-moved-to-europe-since-2010/ph-03-22-18 africa-final-01/ (дата обращения: 11.11.2018).
Коротко рассмотрим полученные кластеры в сравнении по базовым параметрам: доходу, рождаемости. Для этого используем график типа «ящик с усами» (Рис. 5, 5.1, 5.2, 5.3, 5.4).
Categ. Box & Whisker Plot: Adjusted net national income per capita $
40000
35000
*ra 30000
П5 О
ш 25000
CP <D
E
g 15000
ra
с
с: 10000
тз Ш w
# 5000
<
-5000
3
NewVar
□ Mean
□ Mean±SE Mean±1,96*SE
Рисунок 5. График для переменной, отражающей чистый национальный доход
0
2
4
5
Categ. Box & Whisker Plot: Fertility rate, total (births per woman)
5,5
5,0
~ 4,5
с га E
§ 4,0
3,5
3,0
2,5
2,0
1,5
1,0
i
T
I II I
3
NewVar
□ Mean
□ Mean±SE Mean±1,96*SE
2
4
5
Рисунок 5.1. График переменной, отражающей уровень рождаемости
Categ. Box & Whisker Plot: Population growth (annual %)
I И I
I и I
3
NewVar
□ Mean
□ Mean±SE Mean±1,96*SE
5
4
3
2
0
2
4
5
Рисунок 5.2. График переменной, отражающей рост населения
6E6 Categ. Box & Whisker Plot: Refugee population by country or territory of origin
с 5E6
го о о
4E6
_о
ш □
о ^ 3E6
с з о о
^ .Q 2E6 1E6
С о га и CP о
CP
О) О) га >!3 0 -1E6
а: □ Mean □ Mean±SE Mean±1,96*SE
1 2 3 NewVar 4 5
Рисунок 5.3. График переменной, отражающей исходящий поток мигрантов
Categ. Box & Whisker Plot: Population ages 65 and above (% of total)
16
S 14 о
IS 12
<D >
0 -Q
(0 10 T3
с га
m
to 8
(Я
ш ra ra
J 6
J?
1 4
CL
1 Г 1 _□_ 1 T
±
3 4
NewVar
□ Mean
□ Mean±SE Mean±1,96*SE
2
0
2
5
Рисунок 5.4. График переменной, отражающей количество пожилого населения
Хорошо заметно, что основные доходы сосредоточены в 1 и 3 кластере. 3 кластер собрал страны с самым пожилым населением, а 4 кластер — страны с
рекордной рождаемостью, которая дает высокий прирост населения. Именно страны 4 группы порождают огромный исходящий поток международных мигрантов.
Рисунок 6. Распределение стран на карте
Сравним полученную карту с картой, на которой обозначен уровень
Рисунок 7. Карта рождаемости
Country comparison: total fertility rate // Central Intelligence Agency [Электронный ресурс]. URL: https://www.cia.gov/library/publications/the-world-
factbook/rankorder/2127rank.html?countryName=Russia&countryCode=rs®ionCode=cas&rank=197#rs
(дата обращения: 11.11.2018).
Можно заметить, что границы кластеров четко прослеживаются на карте рождаемости и распределение стран по группам во многом соответствует именно распределению по уровню рождаемости. Аналогичное сравнение можно провести с картой распределения коэффициента смертности, в ней тоже обнаруживается сходство с нашим результатом. В то же время карты, отражающие экономические переменные, такого сходства не демонстрируют. Это в очередной раз подтверждает гипотезу о том, что демографические переменные в нашем исследовании имеют приоритет над экономическими.
Заключение
В ходе исследования мы использовали несколько статистических методов, каждый из которых в конечном итоге подвел нас к выводам относительно факторов, влияющих сегодня на миграционные потоки. Мы убедились в том, что в характере распределения явно присутствуют признаки переходного периода. Метод главных компонент выявил три крупнейших фактора влияния, первый и наиболее сильный можно охарактеризовать именно как демографический. В ходе регрессионного анализа мы выявили, что три из четырех определяющих факторов относятся именно к демографии. И, наконец, составив карту на базе кластерного анализа, мы обнаружили в «рельефе» сходство именно с картой демографических показателей — рождаемости и смертности.
Поскольку наша модель основана на базовых статистиках, ее мощности недостаточно для прогнозирования конкретных показателей, однако такой цели мы перед собой и не ставили. Мы выявили самые значимые переменные и построили общие модели, объясняющие динамику процессов, происходящих в мире.
Исследование подтвердило, что так называемый «миграционный кризис» в Европе — это лишь верхушка айсберга. Глубинные основания современных миграционных процессов, как мы смогли убедиться, обусловлены в первую очередь «демографической революцией», а не вооруженными конфликтами или экономическим кризисом.
Тем не менее, понимая основные причины, нельзя игнорировать и прочие факторы, оказывающие существенное влияние на миграционные процессы. Экономические переменные также вносят вклад в объяснение современной картины мира. Экономические, социальные, культурные процессы и явления необходимо учитывать при построении более сложных моделей. В основу же этих анализов нужно
закладывать демографические показатели, в первую очередь — модель воспроизводства населения.
Список литературы:
1. Бжезинский З. Выбор: мировое господство или глобальное лидерство. М.: Международные отношения, 2004.
2. Вишневский А.Г. Процессы самоорганизации в демографической системе // Системные исследования. Методологические проблемы. Ежегодник. 1985.C. 233-245.
3. Вишневский А.Г. Демографическая революция меняет репродуктивную стратегию вида homo sapiens // Демографическое обозрение. 2014. URL: https^yberleninka.m/artide/n/demograficheskaya-revolyutsiya-menyaet-reproduktivnuyu-strategiyu-vida-homo-sapiens (дата обращения: 11.11.2018).
4. Вишневский А.Г. Время демографических перемен. M.: Издательский дом Высшей школы экономики, 2015.
5. Глущенко ГИ., Пономарев В.А. Миграция и развитие. М.: Экономика, 2009.
6. Ионцев В.А., Прохорова Ю.А. Международная миграция населения в контексте демографической теории // Уровень жизни населения регионов России. 2014. № 3(193). С. 83-91.
7. Каа ванн де Д. О международной миграции и концепции второго демографического перехода // Мир в зеркале международной миграции. М., 2002. С. 90-96.
8. Кардини Ф. Европа и ислам: история непонимания. СПб.: Александрия, 2007.
9. Коулмен Д. Иммиграция и этнические сдвиги в странах с низкой рождаемостью-третий демографический переход в действии? // Миграция и развитие: доклады и статьи ведущих секций и докладчиков международной конференции «Миграция и развитие». М., 2007. C. 13-50.
10. Массей Д. Синтетическая теория международной миграции // Мир в зеркале международной миграции. М., 2002. С. 161-174.
11. Новожилова Е.О. Современные международные миграции: причины, особенности, последствия // Общество. Среда. Развитие (Terra Humana). 2013. № 1(26). С.101-105.
12. Юрфа А. Анализ демографического перехода в странах мира // Клуб русскоязычных учёных штата Массачусетс [Электронный ресурс].
URL: http://www.russianscientist.ors/files/archive/Econom/2014 YUFA-30-2.pdf (дата обращения: 11.11.2018).
13. About half or more in several sub-Saharan African countries would move to another country // Pew Research Center [Электронный ресурс]. URL: http://www.pewglobal.org/2018/03/22/at-least-a-million-sub-saharan-africans-moved-to-europe-since-2010/ph-03-22-18 africa-final-01/ (дата обращения: 11.11.2018).
14. Bloom D., Canning D., Sevilla J. Economic Growth and the Demographic Transition // NBER Working Paper. 2001. No. 8685. URL: https://www.nber.org/papers/w8685.pdf (дата обращения: 11.11.2018).
15. Castles S., Miller M. The age of migration: international population movements in the modern world. London: Macmillan, 1993.
16. Country comparison: total fertility rate // Central Intelligence Agency [Электронный ресурс]. URL: https://www.cia.gov/library/publications/the-world-factbook/rankorder/2127rank.html?countryName=Russia&countryCode=rs®ionCode=cas &rank=197#rs (дата обращения: 11.11.2018).
17. Haurin D. The Regional Distribution of Population, Migration and Climate // Quarterly Journal of Economics. 1980. Vol. 95. No. 2. P. 293-308.
18. International Migration Report 2013 // United Nations [Электронный ресурс]. URL: http://www.un.org/en/development/desa/population/publications/pdf/migration/migratio nreport2013/Full_Document_final.pdf (дата обращения: 11.11.2018).
19. International Migration Report 2017: Highlights // United Nations, Department of Economic and Social Affairs URL: http://www.un.org/en/development/desa/population/migration/publications/migrationre port/docs/MigrationReport2017_Highlights.pdf (дата обращения: 11.11.2018).
20. Lee E. A Theory of Migration // Demography. 1966. No. 3. P. 47-57.
21. List of countries by population in 2000 // Wikipedia [Электронный ресурс]. URL: https://en.wikipedia.org/wiki/List of countries by population in 2000 (дата обращения: 11.11.2018).
22. Lowry I. Migration and Metropolitan Growth: Two Analytical Models. San Francisco: Chandler Publishing Company, 1966.
23. Notestein F.W. Population — The Long View // Food for the World / ed. by Theodore W. Schultz. Chicago: University of Chicago Press, 1945. P. 36-57.
24. Ravenstein E. The Laws of Migration // Journal of the Statistical Society. 1885. No. 46. P. 167-235.
25. Ravenstein E. The Laws of Migration: Second Paper // Journal of the Royal Statistical Society. 1889. No. 52. P. 241-305.
26. The 20 countries with the lowest fertility rates in 2017 // Statistica [Электронный ресурс]. URL: https://www.statista.com/statistics/268083/countries-with-the-lowest-fertility-rates/ (дата обращения: 11.11.2018).
27. The demographic transition // UNFPA [Электронный ресурс]. URL: http://papp.iussp.org/sessions/papp101 s01/PAPP101 s01 090 010.html (дата обращения: 11.11.2018).
28. Van de KaaD.J. Europe's Second Demographic Transition // Population Bulletin. 1987. Vol. 42. № 1. P. 1-59.
29. Zipf G.K. Human behavior and the principle of least effort. Cambridge: Addison-Wesley, 1949.
Siluyanova Yu.A. Demographic Determinants of "Migration Crisis" in EU
Yulia A. Siluyanova — postgraduate student, School of Public Administration, Lomonosov Moscow State University, Moscow, Russian Federation. E-mail: Zemovaju@gmail.com
Abstract
This article analyzes the assumptions that affect migration flows and summarizes the historical approaches to the patterns that form migration flows, as well as their evolution. We included in the model various economic and demographic variables that affect migration processes and discovered their impact on the global migration situation. Methods of statistical analysis, such as factor analysis by the main component method, regression analysis, cluster analysis are used. The study has revealed important patterns that explain the current state of global migration flows and stocks. A hypothesis that the contribution of demographic factors to migration processes is now underestimated has been confirmed. When we included them in the model, it became evident, that the concept of "crisis" in this context is not applicable. The current situation with migrants is not a crisis phenomenon, it has naturally formed under the influence of significant trends towards a change in the type of population reproduction. In addition, the changes are still ongoing and trends remain. In this regard, it is appropriate to talk about a new demographic transition. This new global transition turns the world into a unified system of "communicating vessels."
Keywords
Demography, migration, migration crisis, demographic transition, demographic revolution, factor analysis, multiple regression model, cluster analysis, principal component method.
