© Калугина Алена, ЭФ МГУ
Основной задачей в проведенном исследовании является создание модели, которая способна прогнозировать динамику численности населения европейских регионов классификации NUTS с помощью агент-ориентированного подхода. Классификация NUTS (Номенклатура территориальных единиц для статистики) представляет собой иерархическую систему для разделения экономической территории ЕС с целью социально-экономического анализа регионов. NUTS 3 состоит из малых регионов для специфических исследований. Авторами статьи был выбран метод агент-ориентированного моделирования, который позволяет включить в модель понятие ограниченной рациональности для агентов и объединить демографические и экономические данные. База данных в процессе создания модели была разработана на основе переписи населения 2001 года, а в дальнейшем авторами были использованы показатели 2011 года, для сверки полученных данных первичной модели и ее корректировки. На рис. 1 представлены данные, необходимые для создания модели и их взаимосвязи.
Рис. 1. Обзор модели и используемых баз данных.
В итоге, входные данные из переписи населения используются для получения модели, которая помогает прогнозировать динамику населения и взаимосвязь между демографией и экономикой.
Исходя из статистики каждый агент в модели проходит последовательно через пять реализованных модулей:
1. Старение и смерть.
Каждому агенту в этом модуле присваиваются значения вероятности его смерти, и, соответственно, определяются те, кто умирает. Остальная часть населения увеличивает свой возраст на один год.
2. Образование.
Агенты в модели начинают, заканчивают или продолжают различные уровни обучения в зависимости от их возраста, пола и трудового статуса.
3. Поиск партнера.
Совершеннолетние агенты решают заключить брак, развестись или иметь детей.
4. Рынок труда.
Агенты принимают решение: искать работу или быть безработным. Так же для каждого региона рассчитывается потребность в рабочей силе, а процессы найма и увольнения выполняются в соответствии с трудовой пригодностью агентов.
5. Миграция.
Агенты определяют уровень личного удовлетворения своим трудовым статусом, также вычисляется вероятность смены жилья. В зависимости от результата агент решает сменить место жительства или нет.
В дальнейшем все процессы проходят сопряжение (рис. 2). Процесс связи всех характеристик моделей происходит через четыре объекта:
1. Физические лица.
Агенты-люди, которые действуют в рамках модели.
2. Семьи.
Отдельные агенты могут быть объединяться в семьи, так они могут совместно решать такие вопросы, как миграция. Авторы уточняют, что была учтена возможность овдовения или сиротства, что, несомненно, делает модель более детальной.
3. Регионы.
Физические лица находятся в одном регионе, и они могут изменять свое местоположение. Регионы включают переменные совокупных результатов и макроэкономического прогноза.
4. Пространство.
Формируется матрицей, которая включает пространственные расстояния между центром массы каждого региона NUTS 3 и культурным расстоянием.
Все рассмотренные объекты имеют множество переменных, которые представлены на рис. 2.
Рис 2. Диаграмма классов агент-ориентированной модели демографии регионов ЕС
Создание популяции агентов происходит на основе переписи населения 2001 года.
Всем модулям модели (старение и болезни, образование, поиск партнера, рынок труда и миграция) присваиваются определенные данные для подсчета внутренних характеристик (Более подробно с их структурой можно ознакомиться в оригинальном источнике).
Любая агент-ориентированная модель нуждается в калибровке, авторы статьи осуществили корректировку своего исследования путем выбора некоторых источников данных:
- Обследование рабочей силы.
Под этой переменной подразумевается выборочное обследование домохозяйств, которое предоставляет квартальные результаты по переменным на рынке труда людей в возрасте 15 лет и старше. В исследовании ученых были использованы выборки микроданных 2011 года, которые позволяют рассчитать множество коэффициентов представленной модели на региональном уровне.
- Статистика образования.
Каждое национальное статистическое управление включает количество лиц, обучающихся и/или лиц, закончивших обучение на одном из уровней образования. Эти цифры дезагрегированы как минимум по полу и возрасту.
- Миграционные данные.
Авторы работы использовали специальные миграционные обследования, в которых основное внимание уделяется детерминантам и характеристикам лиц, которые изменили свое местоположение, а также муниципальному регистру, который ежегодно рассчитывает население, классифицированное по его характеристикам (в большинстве случаев возрастной диапазон, пол, семейное положение и национальность).
- Статистика рождения и смерти.
Данные включают информацию о возрасте и поле умершего, при рождении ребенка: возраст, материальный статус и гражданство матери.
- Статистика по браку и разводу.
Эта статистика содержит информацию о возрасте партнеров.
Рис. 3. Калибровка коэффициентов старения и заболеваний для PT171 «Большой Лиссабон».
Чтобы наглядно показать процесс калибровки, авторами были использованы коэффициенты по статистике заболеваемости для региона «Большой Лиссабон», Португалия (PT171). Рис. 3 отображает отношение коэффициента мужской смертности к уровню женской смертности, результаты отображают обычные показатели, которое соответствуют трем графикам (рис. 3, центр). До тридцати лет уровень смертности среди мужчин увеличивается по сравнению с уровнем смертности среди женщин. От тридцати до, примерно, шестидесяти лет он остается стабильным, и с этого возраста он начинает снижаться (В исследовании также проводились линейные оценки, более подробное описание в оригинальном источние). После того, как было учтено дифференциальное влияние пола, вычисляется влияние возраста (с использованием показателя заболеваемости женщин в качестве основного), делящего диапазон возраста на возраст, равный шестидесяти, для улучшения корректировки параметризации.
В результате, авторы работы представляют визуализацию своей АОМ. В ней есть возможность проводить исследование региональных переменных, которые отображены после каждой итерации. Пользователь выбирает, какие из них он хочет отобразить (см. рис 4).
Отображаемая переменная: население, рост населения или уровень безработицы.
Пол: женский, мужской, оба.
Возрастная группа: пять лет колеблется в интервале от 15 до 65, 1-15, более 65, все.
Национальность: родной (каждой страны), EU28, noEU28, все.
Уровень обучения: от одного до восьми, 4-5, 7-8, все.
Уровень региона: NUTS 1, 2 или 3.
В зависимости от выбранного уровня региона возможны следующие характеристики:
Выбранный регион: в интерфейсе помимо карты, также есть график (временной ряд / пирамида населения) выбранной переменной.
Сценарий: нет, падение/рост ВВП ЕС на 0,5, 1 или 2 процента.
Начальный и конечный год: если активирован какой-либо сценарий, пользователь имеет возможность выбрать начальный и конечный год, а также посмотреть, как сценарий влияет на общий результат.
Рис. 4. Пользовательский интерфейс модели на основе агентов
В заключении, представленная авторами модель позволяет моделировать и прогнозировать динамику численности населения европейских регионов в период 2001-2021г. Представленная АОМ исследует, как агент-ориентированное моделирование может быть интегрировано в демографические и экономические процессы, чтобы точно предсказать миграцию как результат различий труда и дохода между социально-экономическими направлениями. Авторы исследования отмечают, что выполнение основной задачи исследования, а именно рассмотрения демографической составляющей регионов Европейского Союза, позволяет изучать дополнительные экономические вопросы, а именно, возможности прогнозирования спроса на образование и эффекты на рынке труда. Эти результаты могут быть представлены на разных уровнях NUTS в контексте различных социальных групп в зависимости от их возраста, пола, национальности, уровня образования и трудового статуса.
Более подробно: [Federico Pablo-Martí , Juan Luis Santos , Jagoda Kaszowska An agent-based model of population dynamics for the European regions June 30, 2015].