CC BY
0УДК 314.87; 519.254
DOI: 10.24412/cl-37200-2024-1362-1368
ДЕПОПУЛЯЦИЯ НАСЕЛЕНИЯ СТЕПНЫХ РЕГИОНОВ ЕВРАЗИИ: ОЦЕНКА И ПЕРСПЕКТИВЫ
DEPOPULATION OF THE POPULATION OF THE STEPPE REGIONS OF EURASIA:
ASSESSMENT AND PROSPECTS
ТуктамышеваЛ.М.
Tuktamysheva L.M.
Институт степи УрО РАН, Оренбург, Россия Institute of Steppe of the Ural Branch of the Russian Academy of Sciences, Orenburg, Russia
E-mail: lmtuktamisheva@mail.ru
Аннотация. Цель исследования состоит в анализе тенденций депопуляции населения степных регионов РФ. Особенностью степных регионов является их, с некоторыми исключениями, приграничное расположение, низкая плотность и уровень урбанизации населения.
Материалы исследования представляют собой официальные статистические данные из открытых источников сети Internet. Исследование проводилось как на основе расчета специального показателя депопуляции населения, так и на основе анализа и прогнозирования численности населения степных регионов. Для прогнозирования численности населения использованы модели авторегрессии проинтегрированного скользящего среднего, а также рекуррентная нейронная сеть долгой краткосрочной памяти.
Расчеты показали, что в степных регионах наблюдается устойчивая тенденция к депопуляции населения, в части регионов это компенсируется положительным миграционным сальдо из других регионов РФ и других стран, а в части регионов ситуация усугубляется оттоком населения.
Сокращение численности населения степных регионов, вызванное как естественным, так и механическим движением, может привести к необратимым с точки зрения демографической безопасности процессам, что, учитывая приграничный характер их расположения может нести особый риск и требует дифференцированного подхода в проведении демографической политики.
Ключевые слова: депопуляция, прогнозирование, население степных регионов, машинное обучение.
Abstract. The purpose of the study is to analyze trends in depopulation of the population of the steppe regions of the Russian Federation. The peculiarity of the steppe regions is their, with some exceptions, border location, low density and level of urbanization of the population.
The research materials are official statistical data from open Internet sources. The study was conducted both on the basis of calculating a special indicator of population depopulation, and on the basis of analyzing and forecasting the population of steppe regions. To predict the population size, integrated moving average autoregression models were used, as well as a recurrent neural network of long-term short-term memory (LSTM).
Calculations have shown that in the steppe regions there is a steady trend towards depopulation of the population, in some regions this is offset by a positive migration balance from other regions of the Russian Federation and other countries, and in some regions the situation is aggravated by population outflow.
The decrease in the population of steppe regions caused by both natural and mechanical movement can lead to irreversible processes from the point of view of demographic security, which, given the cross-border nature of their location, may carry a special risk and requires a differentiated approach in conducting demographic policy.
Key words: depopulation, forecasting, population of steppe regions, machine learning.
Введение. Несмотря на то, что ученые смогли объяснить многие демографические процессы с помощью теории демографического перехода, однако, не теряют актуальности исследования депопуляции населения отдельных регионов, что объясняется тем, что «теория демографического перехода не обладает достаточной степенью универсальности для региональных исследований» [1].
Изучением вопросов депопуляции населения занимались многие зарубежные и отечественные ученые, исследования которых базировались на несколько различающихся понятиях депопуляции. Объяснение этому дал в своем исследовании Рыбаковский Л.Л. [2-4]. В основном различия в оценке депопуляции проявляются за счет включения или не включения вклада миграции в изменение численности населения, использования абсолютных или относительных показателей рождаемости и смертности. В данном исследовании мы будем
придерживаться понятия депопуляции как устойчивого снижения численности населения, вызванного естественными причинами, то есть естественной убылью населения, однако, будем также рассматривать и снижение численности населения как таковое, которое может быть вызвано также совокупностью других причин: эпидемиологической, политической обстановкой, внутренней и внешней миграцией.
При изучении депопуляции населения ученые установили наличие значимых различий в характере убыли для сельского населения, для регионов со значимой долей титульного населения, а также регионов, имеющих существенные различия в климатических, географических особенностях и т.п. [5-9].
Особенностью степных регионов является как правило малозаселенность и приграничность территории. Население таких преимущественно сельскохозяйственно-ориентированных степных регионов, согласно оценкам специалистов, потеряла с начала 90-х более полумиллиона человек и это с учетом того, что «граничное расположение этих регионов позволило сгладить провал за счет мигрантов из бывших союзных республик» [10].
Цель исследования состоит в анализе тенденций естественного воспроизводства населения степных регионов РФ.
Материалы и методы. Данные для проведения исследования взяты из открытых источников, публикуемых Федеральной службой государственной статистики, включая данные переписи населения СССР, начиная с 1959 года.
Для достижения цели использовались аналитический, сравнительный методы исследования, а также статистические методы и метод машинного обучения (нейронная сеть). Для построения моделей использован язык программирования Python.
Оценка депопуляции населения проводилась на основе расчета показателя депопуляции населения, рассчитываемого как соотношение показателей смертности и рождаемости [3].
Для прогнозирования численности населения использованы модели:
1) авторегрессии проинтегрированного скользящего среднего АРПСС (1,1,0). Общий вид
модели:
Axt = a ■Axt-1 + £t, (1)
где Axt - прирост численности населения;
a - параметр авторегрессии;
£t - ошибка модели, удовлетворяющая условиям нормального распределения, некоррелированности и гомоскедастичности.
2) авторегрессии проинтегрированного скользящего среднего с интервенцией АРПСС (1,1,0)(1,0,0). Общий вид модели:
Axt = a ■ Axt-1 + р ■ ¿xt_io+y ■ It + Et, (2)
h = i- £ = 52
L (0, иначе
где Axt - прирост численности населения;
a - параметр авторегрессии;
в - параметр авторегрессии для десятилетнего цикла;
у - параметр при переменной Хевисайда It, принимающей значение 1 для 2010 года. В 2010 году проведена Всероссийская перепись населения, которая позволила уточнить численность населения, что привело к существенному скачку в статистических данных.
3) Рекуррентная нейронная сеть долгой краткосрочной памяти (Longshort-termmemory; LSTM). Сеть LSTM хорошо обрабатывает данные в форме последовательности, то есть временные ряды. В отличие от других вариантов рекуррентных нейронных сетей имеет возможность учитывать долгосрочные зависимости и осуществлять прогнозирование опираясь на информацию, имевшую место в прошлом, но важную для данного периода прогнозирования. Отличие нейронной сети состоит именно в том, что в этом случае модель принимает решение важна эта информация сейчас или нет. Нейронная сеть имеет рекуррентный и полносвязный слой. Число параметров полносвязного слоя 30, рекуррентного слоя 140. Для обучения использовался алгоритм адаптивной оптимизации Adam (AdaptiveMomentEstimation -Адаптивная оценка момента). Модель обучалась на 100 эпохах, однако уже после 86 эпох обучения разница между значением функции потерь в форме средней квадратичной ошибки не превышала одну тысячную.
Результаты и обсуждение. Естественное движение населения «отражает реальные глубинные долгосрочные демографические тенденции», однако рассмотрение только
естественного движения без сопоставления с общим изменением в численности населения не позволит, на наш взгляд, в полной мере отразить демографическую ситуацию [11].
Используем коэффициент депопуляции, который рассчитывается как отношение коэффициента смертности к коэффициенту рождаемости, для оценки уровня депопуляции в степных регионах, а также абсолютную разницу между численностью населения текущего года с предыдущим. Коэффициент депопуляции охватывает только естественные причины и не учитывает миграцию, а использование изменения численности населения от года к году позволит в том числе учесть и механическое движение населения.
Таблица 1
Динамика коэффициентов депопуляции (у) и абсолютного прироста/снижения численности населения (х) степных регионов РФ
Регион Годы 2015 2016 2017 2018 2019 2020 2021 2022
Белгородская область x - 3,1 -2,5 -2,1 2,1 -7,5 -9,0 -22,0
у 1,21 1,25 1,39 1,47 1,56 1,95 2,28 2,00
Воронежская область x - 3,3 -0,3 -4,5 -2,3 -17,2 -16,5 -17,3
у 1,38 1,42 1,52 1,60 1,68 2,01 2,51 2,04
Республика Адыгея x - 4,7 2,7 4,0 10,9 2,9 7,9 -0,3
у 1,04 1,08 1,19 1,24 1,35 1,40 1,60 1,41
Республика Калмыкия x - -0,9 -2,4 -2,8 -1,5 -1,3 -2,5 -1,9
у 0,72 0,79 0,90 0,87 0,91 1,09 1,35 1,14
Краснодарский край x - 70,5 45,7 57,9 40,3 21,5 16,4 -12,7
у 0,96 0,98 1,04 1,04 1,14 1,38 1,63 1,47
Волгоградская область x - -6,9 -10,0 -9,8 -12,5 -12,6 -20,8 -22,7
у 1,20 1,22 1,31 1,41 1,56 2,01 2,39 1,93
Ростовская область x - -1,0 -7,4 -14,7 -1,1 -12,9 -24,3 -27,8
у 1,15 1,20 1,30 1,39 1,48 1,78 2,20 1,85
Ставропольский край x - 14,4 7,4 5,4 19,2 0,1 -1,7 -11,3
у 0,89 0,90 0,97 1,05 1,13 1,34 1,57 1,33
Республика Башкортостан x - 4,8 3,9 -4,7 -5,1 -16,8 -4,5 -14,0
у 0,92 0,94 1,02 1,07 1,17 1,47 1,68 1,35
Оренбургская область x - -11,8 -18,3 -20,6 -11,5 -19,1 -23,5 -14,4
у 0,99 1,01 1,15 1,21 1,30 1,70 2,00 1,59
Самарская область x - 0,7 -7,2 -7,5 -0,6 -22,3 -19,5 -21,7
у 1,11 1,11 1,27 1,30 1,42 1,90 2,09 1,80
Саратовская область x - -2,0 -10,0 -15,8 -12,7 -20,5 -26,6 -26,1
у 1,23 1,28 1,43 1,53 1,65 2,18 2,64 2,10
Курганская область x - -10,8 -11,6 -13,9 -10,5 -11,6 -16,1 -10,7
у 1,20 1,28 1,37 1,50 1,65 1,93 2,29 2,00
Челябинская область x - 1,9 -9,1 -16,9 -9,1 -23,3 -23,9 -14,5
у 1,00 1,02 1,13 1,22 1,32 1,67 1,82 1,46
Алтайский край x - -21,4 -25,9 -27,6 -26,0 -31,1 -38,0 -24,1
у 1,12 1,17 1,30 1,42 1,54 1,92 2,30 1,93
Новосибирская область x - 18,9 10,8 6,1 6,4 -10,8 -3,9 -3,2
у 0,92 0,94 1,04 1,11 1,19 1,49 1,67 1,43
Омская область x - -8,4 -15,1 -18,4 -20,0 -25,5 -26,6 -19,4
у 0,93 0,99 1,12 1,18 1,29 1,68 1,95 1,62
Республика Крым x - 10,3 6,7 3,2 5,8 -6,6 -0,9 -14,3
у 1,21 1,27 1,32 1,33 1,40 1,63 1,96 1,72
Результаты расчетов коэффициента депопуляции и абсолютного прироста/убыли населения показывают, что к 2022 году в степных регионах наблюдается снижение населения на фоне депопуляции.
Отметим ряд регионов, в которых за рассматриваемый период происходило ежегодное снижение населения. Речь идет о республике Калмыкия, Волгоградской, Ростовской, Оренбургской, Самарской, Саратовской, Курганской, Челябинской, Омской областях и Алтайском крае. Например, среди выделенных регионов таких как Саратовская, Оренбургская области и в Алтайский край потери населения в сравнении с 2015 годом составили соответственно 113,7, 119,2 и 194,1 тыс. человек.
В последний раз в период с 2015 по 2022 гг. в степных регионах России коэффициент депопуляции был ниже единицы в Республике Калмыкия в 2019 году, то есть там рождаемость превышала смертность. Высокие значения коэффициента депопуляции наблюдаются в большинстве регионов, а в ряде степных регионов в 2022 году коэффициент депопуляции превышает 2, то есть умерших в два раза больше родившихся (Белгородская область, Воронежская область, Саратовская область, Курганская область).
Есть среди степных регионов и такие, где в сравнении с 2015 годом происходил рост численности населения вплоть до 2021 года включительно, например, это Республика Адыгея, Краснодарский край, Ставропольский край, Новосибирская область, республика Крым. Выделим при этом Новосибирскую область, которая выделяется среди остальных степных регионов Сибири. Причиной роста населения этого региона является увеличение уровня и качества жизни в регионе. Особенно привлекает мигрантов г. Новосибирск как крупный торговый, промышленный центр, с большим количеством учреждений среднего и высшего образования. Южные степные регионы имели в целом рост населения за счет положительного миграционного сальдо (кроме 2022 года), а также относительно высокой рождаемости.
Наибольшие потери степные регионы несли в 2021-2022 годах, например, в Саратовской областиэти годы внесли более 46% в общее снижение населения за период с 2015 по 2022 гг., около трети всех потерь произошли для Алтайского края, Оренбургской и Омской области.
Анализ таблицы 1 позволяет сделать вывод, что миграция также вносит существенный вклад в процессы обезлюдивания степных регионов, что хорошо заметно для Оренбургской области. Так, например, показатель депопуляции в 2017 году (1,15) гораздо ниже, чем для 2020 года (1,7), однако снижение численности населения в эти годы практически одинаковое, что говорит о том, что снижение населения в 2017 году происходило не за счет депопуляции, а механического движения, такие же выводы можно сделать сравнив данные 2017 и 2019 гг.
Рассмотрим тенденции в динамике депопуляции Оренбургской области более подробно.
Несмотря на то, что в последние десятилетия государством были предприняты беспрецедентные меры по увеличению рождаемости [12], численность населения в Оренбургской области, как в среднем и по стране продолжала снижение (рисунок 1).
2400 -
1200 -
1000 -
оР о^ сЛЧ с^ ¿\Л ¿б> ¿ЬЬ аЯ? с# аФ #Ч # с^ ^ ¿С3 ¿\>
годы
Рисунок 1. Динамика численности населения Оренбургской области (составлено автором). Данные за период между 1961-1966 гг., 1968-1969 гг., а также 1987-1988 гг. получены автором на основе интерполяции по полиному шестого порядка.
По графику можно увидеть, что вплоть до 1998 года наблюдалось увеличение численности населения. В основном это происходило за счет миграции, при этом наблюдалось падение рождаемости и рост смертности. С 1999 года началось снижение численности населения Оренбургской области за счет значительного превышения смертности над рождаемостью, объемы миграции не позволяли перекрывать естественную убыль населения. Исключением стал 2009 год, когда численность населения возросла на 1000 человек по сравнению с предыдущим годом. В последующие годы, благодаря предпринятым государствам мерам удалось добиться значимого увеличения рождаемости, однако, регион продолжал терять население, что было связано с высоким, относительно среднероссийского, уровнем смертности, а также механическим движением населения: жители региона переезжали в столичные или в соседние регионы с городами миллионниками, а также в южные регионы России. В целом потери в сравнении с максимальной численностью населения в регионе, достигнутой в 1998 году и данными 2022 года составили 319,2 тыс. человек, что в процентном отношении от численности населения 1998 года составляет потери более чем в 14,6%.
Период спада рождаемости, пришедшегося на середину 90-х годов, привел к структурным изменениям в населении Оренбургской области, связанным со снижением числа населения репродуктивного возраста во второй половине десятых годов - начале 20-х годов. Свой отпечаток наложили и сложная эпидемиологическая ситуация по коронавирусу, турбулентность в экономике и международная ситуация. Исследователи склоняются к мнению, что «волнообразность демографического развития» может усилиться, если не предпринять мер, связанных с «изысканием дополнительных ресурсов» [4]. Отрицательное межрегиональное миграционное сальдо также вносит свой вклад в падение числа рождений, что связано с тем, что выбывает как правило население в трудоспособном и, следовательно, чаще всего в фертильном возрасте.
Тем не менее исследования показали, что рост рождаемости, наблюдаемый в период с 2007 по 2015 гг. будет иметь положительный пролонгированный эффект в 30-е годы, когда поколение родившихся в этот период вступит в фертильный возраст [13]. Рост рождаемости при сохранении тенденций в смертности и миграции должен будет привести к незначительному росту или снижению темпов снижения численности.
Для оценки перспектив в демографической ситуации в регионе осуществим прогнозирование численности населения Оренбургской области. Использованы три вида моделей: авторегрессии проинтегрированного скользящего среднего, авторегрессии проинтегрированного скользящего среднего с интервенцией и нейронная сети долгой краткосрочной памяти (LSTM). Несмотря на то, что некоторые исследователи используют для прогнозирования численности населения модели, представляющие собой полиномы разной степени, чтобы добиться хорошей аппроксимации нелинейного ряда динамики численности населения, однако, на наш взгляд, при использовании любого полинома степени два и выше, по сути, моделируется только одна ветка параболической кривой, а при прогнозировании можно перейти точку перегиба [14]. Соответственно при переходе точки перегиба модель будет прогнозировать в совершенно противоположном направлении, чем ожидает исследователь. По всем трем моделям средняя процентная ошибка аппроксимации оказалась менее 5%, что свидетельствует о высоком качестве моделей. При этом на основе метода спектрального анализа (окно Парзена шириной шага 7) доказано существование десятилетнего цикла, который можно объяснить влиянием характера сбора информации (переписи населения проводятся раз в 10 лет). Перепись населения позволяет уточнить численность населения, расчеты за другие годы проводятся на основе числа рождений, смертей, прибытия и убытия населения, что в итоге приводит к появлению периодичности, которую можно установить лишь на основе спектрального анализа. Введение коэффициента авторегрессии с десятилетним лагом и его значимость на уровне 5% доказало существование десятилетнего цикла. В таблице 2 представлены характеристики моделей, а также результаты прогнозирования.
Согласно прогнозам, численность населения Оренбургской области в 2035 году будет составлять от 1763,34 тыс. человек до 1835,23 тыс. человек. Отметим, что наиболее пессимистичным является прогноз по модели авторегрессии проинтегрированного скользящего среднего с интервенцией, согласно которой по сравнению с 2022 годом снижение составит 77,57 тыс. человек. Наиболее благоприятным является прогноз по рекуррентной модели нейронной сети LSTM, что можно объяснить тем, что эта модель в отличие от моделей авторегрессии проинтегрированного скользящего среднего в большей степени учитывает
прошлые тенденции развития и ожидает проявления эффекта гребня демографической волны, когда в фертильный возраст вступает поколение людей, родившихся в период высокой рождаемости (для Оренбургской области это 2007-2016 гг., когда рождаемость превышала 12,1 и достигала 14,8 рождений на 1000 человек населения).
Таблица 2
Характеристики моделей прогнозирования и перспективные оценки численности населения Оренбургской области (тыс. чел.)
Название модели АРПСС (1,1,0) АРПСС (1,1,0) (1,0,0) Ь8ТМ
Средняя процентная ошибка 2,9 1,9 0,92
аппроксимации, %
Средняя квадратическая ошибка 1,5 0,09 0,04
прогноза, тыс. чел.
2024 1825,30 1820,17 1848,86
2025 1820,88 1812,40 1843,67
2026 1817,81 1806,14 1841,20
2027 1815,63 1798,99 1840,50
2028 1814,03 1791,85 1839,79
2029 1812,83 1787,56 1838,38
2030 1811,89 1781,60 1837,61
2031 1811,12 1774,73 1837,17
2032 1810,47 1770,43 1836,84
2033 1809,91 1766,98 1836,12
2034 1809,40 1764,19 1835,14
2035 1808,91 1763,43 1835,23
Заключение. Среди степных регионов России преимущественно наблюдается снижение населения как за счет естественного, так и за счет механического движения (миграции). Наибольшая депопуляция характерна для степных регионов Сибири (за исключением Новосибирской области), Урала и Поволжья. Южные степные регионы вплоть до 2020 года характеризовались приростом населения, однако, и в них в последние годы происходило снижение численности населения, причиной которого явилось непосредственно депопуляция и отрицательная миграция.
Депопуляция населения степных регионов, а также механическое снижение численности населения вызванная миграцией, может привести к необратимым с точки зрения демографической безопасности процессам, что, учитывая приграничный характер их расположения может нести особый риск.
Список литературы
1. Фокеева Л.В. Система взглядов на проблему депопуляции населения // Вестник БГУ Серия 2: Химия. Биология. География. 2007. № 3. С. 93-100.
2. Рыбаковский Л.Л., Кожевникова Н.И. Депопуляция в России, ее этапы и их особенности // Народонаселение. 2018. № 2. С. 4-17.
3. Рыбаковский Л.Л. 20 лет депопуляции в России. М.: Экон-информ, 2014. 231 с.
4. Рыбаковский О.Л. Депопуляция в регионах России: итоги за 1992-2022 гг. и компоненты // Народонаселение. 2023. Т. 26. № 2. С. 4-17.
5. Егоров Д.О. Пространственное сжатие и поляризация сельского пространства Республики Татарстан на фоне депопуляции населения // Региональные исследования. 2020. № 4(70). С. 32-45.
6. Егоров Д.О. Сельское расселение России: типология территорий по людности сельских населенных пунктов // Региональные исследования. 2018. № 4 (62). С. 4-16.
7. Николаева УГ., Покровский Н.Е., Смирнов С.Н. Качество и образ жизни сельского населения в условиях нарастающей депопуляции: региональный аспект // Социально-трудовые исследования. 2019. № 4 (37). С. 33-44.
8. Феоктистова Н.И. Факторы, влияющие на депопуляцию населения Дальнего Востока // Тенденции развития науки и образования. 2020. № 66-3. С. 53-60.
9. Филимонов С.Н., Баран О.И., Рябов В.А. Естественное воспроизводство населения Сибирского федерального округа в начале второй волны депопуляции (особенности и прогноз) // Здравоохранение Российской Федерации. 2019. Т. 63. № 3. С. 116-121.
10. Руднева О.С., Соколов А.А. Динамика численности населения регионов степной зоны России: предпосылки и прогноз // Вопросы региональной экономики. 2018. № 4(37). С. 96-101.
11. Крупко А.Э., Михайлов К.М. Естественное воспроизводство населения Рязанской области за предыдущее десятилетие и устойчивое развитие региона//Вестник ВГУ Серия: География. Геоэкология. 2023. № 4.С. 50-60.
12. Аганбегян А.Г. Сбережение населения России под вопросом // Народонаселение. 2018. Т. 21, № 4. С. 4-13.
13. Туктамышева Л.М., Чибилев А.А., Мелешкин Д.С., Григоревский Д.В. Оценка репродуктивного поведения и рождаемости на примере степных регионов России // Народонаселение. 2023. Т. 26. № 1. С. 29-38.
14. Куленцан А.Л., Марчук Н.А. Анализ депопуляции населения в РФ // Современные наукоемкие технологии. Региональное приложение. 2021. № 2(66). С. 44-49.
