Размещено на http://www.allbest.ru

ВВЕДЕНИЕ

Коэффициент смертности среди детей в возрасте до пяти лет во всем мире снизился более чем наполовину, сократившись с 90 до 43 смертей на 1000 живорождении? за последние 25 лет, однако в 2015 году по-прежнему ежедневно умирают 16 000 детей в возрасте до пяти лет, главным образом, от предотвратимых причин [22]. Примерно 45% случаев этих смертей приходится на новорожденных в первые 28 суток жизни, поэтому выживаемость детей должна оставаться в центре повестки дня в области развития на период после 2015 года.

Общеизвестно, что снижение младенческой смертности в ХХ веке происходило за счет повышения санитарных норм, улучшения медицинского оборудования, повышения квалификации врачей и акушеров, культивирования иммунизации новорожденных, однако к ХХI веку темпы снижения младенческой смертности падают, хотя количество средств (денежных, временных, интеллектуальных) остается в среднем таким же или даже возрастает. Кроме того, в некоторых странах смертность новорожденных очень высока. Означает ли это, что известные ресурсы снижения младенческой смертности в мире исчерпаны, или разным странам требуется разный подход к ее снижению? Какие ресурсы позволят улучшить положение дел и каким странам требуется уделить особенное внимание в этом процессе - ответить на эти вопросы попробует данная работа.

Объектом исследования является младенческая смертность в мире за период 1990-2015гг., а предметом - социально-демографические процессы, влияющие на младенческую смертность.

Данная работа является продолжением статистического исследования младенческой смертности в России, однако, теперь не ограничивается исследованием в одной стране. В этой работе автор ставит перед собой цель исследовать младенческую смертность и факторы ее формирования в разрезе стран мира по состоянию на 2015 год и в динамике за период 1990-2015 гг.

Практическая значимость работы заключается в исследовании влияния общеизвестных и признанных факторов младенческой смертности на смертность в группах стран, отличающихся по уровню экономического развития и уровню жизни. Также в работе приводится сравнение особенностей младенческой смертности между группами стран.

Для достижения цели были поставлены и осуществлены следующие задачи:

· сформировать систему показателей, характеризующих младенческую смертность;

· определить факторы, влияющие на младенческую смертность;

· провести сравнительный анализ процесса младенческой смертности в группах стран с разным уровнем развития;

· исследовать взаимосвязь социально-демографических процессов и младенческой смертности в регионах с высоким показателем.

Исследование было проведено с использование методов кластерного анализа пространственных данных и коинтеграционного анализа панельных данных. В ходе анализа использовались возможности статистических пакетов Eviews, Gretl, SPSS, MS Excel для обработки данных, взятых из международной базы Worldbank.

Работа включает в себя две главы, посвященные, соответственно, теоретической и практической частям исследования, а также введение, заключение, список литературы и приложения.

младенческий смертность демографический показатель



ГЛАВА 1. ИЗУЧЕНИЕ МЛАДЕНЧЕСКОЙ СМЕРТНОСТИ

Данная глава освещает понятие младенческой смертности, процессов и явлений, связанных с ней и предположительно влияющих на нее. Кроме того, рассматривается ряд научных работ, посвященных данной теме и исследующий ее с разных сторон, учитывая множество аспектов с применением простых графических и современных усложненных статистических и демографических методов исследования. Статьи, приведенные в разделе 1.2., охватывают также российскую статистику.

1.1 Система показателей, характеризующих младенческую смертность

1. Коэффициент младенческой смертности (далее - КМС) - относительный показатель, обозначающий количество детей, умерших в возрасте до 1 года на 1000 новорожденных за один год. Коэффициент исчисляется в промилле (на 1000 родившихся живыми). В отличие от коэффициентов смертности для других возрастных групп при расчете КМС, число умерших соотносится с числом родившихся, а не со средней численностью населения. КМС реального поколения может быть получен как отношение числа умерших в возрасте до 1 года жизни (в течение данного и следующего календарного года) к числу родившихся в данном году, характеризующее вероятность смерти детей до 1 года из данного поколения родившихся.

,

где D_t - число умерших в возрасте до 1 года в году t, а B_t - число родившихся в том же году.

КМС для календарного периода обычно вычисляют с помощью формулы Ратса как отношение числа детей, умерших в возрасте до 1 года в данный период (год), к числам родившихся в прошлый и данный периоды (годы), взятым с определенными весами:

/(бN+вN')*1000,

где D₀ - число детей, умерших в возрасте до 1 года в данном году, B₁ - число родившихся в данном году, B₀ - число родившихся в предыдущем году, б + в = 1. Веса б и в определяются, исходя из гипотезы о распределении смертных случаев по месяцам первого года жизни. Согласно Ратсу, б = 2/3, в = 1/3. В ходе дальнейшего снижения младенческой смертности принималось б = 3/4, в = 1/4. Формула применяется в тех случаях, когда число умерших в возрасте до 1 года не может быть разделено по поколениям.

«Для обеспечения непрерывного прогресса необходимо расширить инвестиции в системы здравоохранения для того, чтобы они могли оказывать высококачественные, доступные по цене услуги всем женщинам и детям, нуждающимся в них», -- заявил Олусоджи Адейи, директор Группы Всемирного банка по вопросам здравоохранения, питания и населения [23]. Показатель, характеризующий ресурсы, направленные на здравоохранение, являются инвестиции в здравоохранение. Учитывается в данном исследовании с перерасчетом в ценах 2010 года.

2. Доля расходов на здравоохранение - экономический показатель, описывающий финансовый вклад в развитие сферы здравоохранения каждой страны. Показатель удобен для использования как индикатор общего качества медицинского обслуживания в регионе или стране, как следствие влияющего на уровень младенческой смертности. Рассчитан в процентах от ВВП для каждой страны.

3. Ожидаемая продолжительность жизни при рождении - важнейший интегральный демографический показатель, характеризующий уровень смертности населения при условии, если в будущем смертность будет сохраняться на уровне, зафиксированном в таблице смертности года его рождения. Исчисляется в годах.

4. Коэффициент материнской смертности - показатель, который характеризует частоту случаев смерти беременных женщин, а также рожениц. Исчисляется в расчете на 100000 живорожденных. За период 1990-2015 гг. материнская смертность в мире снизилась почти на 44%. В период 2016-2030 гг., в соответствии с Повесткой дня устойчивого развития, цель состоит в уменьшении глобального показателя материнской смертности до менее 70 на 100000 живорожденных.

5. Суммарный коэффициент рождаемости - число детей, рожденных в расчете на одну женщину в стране, показывает общее воспроизводство населения. Если коэффициент превышает 2, значит естественное воспроизводство в стране сохраняется. В странах с низким коэффициентом обычно проводится демографическая политика с акцентом на стимулирование рождаемости.

6. Коэффициент детской смертности - показатель, отражающий количество смертей детей до 5 лет в расчете на 1000 рожденных детей.

7. Доступ к улучшенным средствам санитарии - процент населения, пользующегося улучшенными средствами санитарии. Улучшение санитарных условий, обеспечивает гигиеническое отделение человеческих экскрементов от контакта с людьми, а значит, уменьшит вероятность заболеть. Показатель используется для характеристики уровня санитарных условий в стране.

8. Иммунизация от дифтерии, коклюша, столбняка - показатель отражает процент детей до 12 месяцев, привитых от дифтерии, коклюша и столбняка. Вероятно, охват иммунизации напрямую зависит от количества средств, направленных на здравоохранение, а также характеризует меры по предотвращению смертности, предпринимаемые государством.

К данным показателям также можно отнести численность матерей, получавших квалифицированную помощь во время беременности, оснащенность оборудованием и препаратами, численность медицинского персонала в регионах, количество больничных коек и доля иммунизированных новорожденных, однако ввиду отсутствия данных по этим показателям в ряде исследуемых стран, было решено использовать вышеописанные показатели.

В процессе кластерного анализа были использованы также и другие показатели: ВВП на душу населения - экономический показатель, вычисленный в долларах США в ценах 2010 года; общий коэффициент рождаемости - демографический показатель, отражающий биологические характеристики населения в стране, выражен в количестве живорожденных на 1000 чел. среднегодового населения.

С целью дать наиболее полное представление о положении стран относительно младенческой смертности, в параграфе 1.2. данной работы приведены карты, визуализирующие значимые показатели, по которым имеется недостаток данных. Карты составлены по данным выборочных обследований.

1.2 Мировая структура младенческой смертности и связанных с ней показателей

КМС является одним из самых ярких показателей эффективности демографической политики, проводимой в стране, а также работы государственных органов исполнительной власти субъекта, так как динамика КМС представляет собой конечный результат применения мер по сокращению и/или изменению структуры младенческой смертности, на основе которого можно судить об их целесообразности.

Уровень младенческой смертности является фундаментальным показателем, который часто используют в качестве моментального снимка состояния развития государства. Также этот показатель используется при оценке общих социально-экономических условий страны или региона.

Явление младенческой смертности не оставляет равнодушными международные организации - ООН, ЮНИСЕФ и другие. На протяжении ХХ века каждая страна регулировала свою демографическую политику с целью снизить младенческую смертность. Немалое участие в этих процессах принимали международные организации, изучая причины смертности и согласовывая дальнейшие мероприятия по ее сокращению [19].

Младенческая смертность в мире снижается уверенными темпами еще с 1960-х годов (рис. 1). Тем не менее, важно учитывать различия в развитии по странам.

Рис. 1. Динамика КМС, мир, 1960-2015гг., ‰

На рисунках 2, 3 для сравнения представлены карты мира с отметками об уровне КМС в 1990 и 2015 годах. Возможности построения карт на сайте базы данных WorldBank ограничены, поэтому карты имеют разные шкалы. Тем не менее, карты дают яркое представление о вариации КМС по континентам и странам.



Рис. 2. КМС в мире, 1990 г., ‰

Источник: World Bank, 2015, URL: [http://databank.worldbank.org/data/reports.aspx?ReportId=54460&Type=Map]

Мир движется к снижению младенческой смертности, это можно понять из того, что при тех же цветах на участках карт, легенда имеет интервалы с значительно сниженными значениями. Размах КМС в 1990 году - от 5 до 170‰, в 2015 году - от 1,5 до 96‰. Кроме того, количество темно-красных участков на карте уменьшилось.



Рис. 3. КМС в мире, 2015 г., ‰

Источник: World Bank, 2015, URL: [http://databank.worldbank.org/data/reports.aspx?ReportId=54460&Type=Map]

Хотя тенденция снижения младенческой смертности наблюдается во всем мире, критерии учета младенческой смертности разнились по странам, что значительно усложняло международные сравнения. ООН разработала общую для всех стран методику расчета КМС и критерии, однако не все страны приняли это нововведение. Так, например, в Советском Союзе учет значительно отличался от общепринятых критериев. Живорожденными признавались младенцы весом от 1000 г., родившиеся после 28 недель беременности и дышащие или остальные, не подходящие по этим критериям дети, но прожившие от 168 часов, в то время как по рекомендациям ООН живорождением являлся младенец весом от 500 г., подающий признаки жизни (пульсация пуповины, непроизвольные сокращения мышц и др.). Таким образом, КМС в СССР был занижен. Позже, при переходе на общепринятые критерии, недоучет составил примерно 18%.

Младенческую смертность отделяют от понятия детской смертности, поскольку на нее одну приходится около половины случаев смерти детей до 5 лет.

Существует также классификация младенческой смертности на компоненты: перинатальная, неонатальная и постнеонатальная смертность, при этом неонатальная делится также на раннюю и позднюю неонатальную смертность (рис. 4).

Рис. 4. Терминология для классификации случаев смерти в период беременности и в раннем детском возрасте

На разных этапах первого года жизни смертность может быть обусловлена разными причинами и учет всех компонент позволяет наиболее точно определить, в каких мероприятиях по борьбе со смертностью есть необходимость. Чем старше ребенок, тем проще сохранить его жизнь, поскольку иммунитет со временем укрепляется.

Уровень младенческой смертности отражает общее состояние здоровья населения, ведь благополучие новорожденных напрямую зависит от здоровья их матери. При этом значимо как общее состояние женщины во время беременности и родов, так и до беременности. Таким образом, состояние здоровья населения может влиять на коэффициент младенческой смертности.



Рис. 4. Коэффициент материнской смертности, мир, 2015 г., число смертей на 100000 живорождений.

Источник: ВОЗ, 2015. URL:

[http://gamapserver.who.int/mapLibrary/Files/Maps/Global_mmr_2015.png]

Действительно, если здоровье матери не надлежащее, это повышает риск летального исхода как для ребенка, так и для нее самой. Данный показатель будет использован для проверки взаимосвязи с КМС, поэтому целесообразно иметь представление о том, как коэффициент материнской смертности распределен по миру.

Более темные участки, свидетельствующие о большом коэффициенте (от 300 смертей на 100000 новорожденных), сконцентрированы в области Африки, а наиболее низкие показатели наблюдаются в Европе, Австралии и Северной Америке (рис. 5).

Количество средств, направляемых на здравоохранение, может быть коррелировано с уровнем младенческой смертности. Наибольший в мире процент средств от ВВП направляется на здравоохранение в Северной Америке. Южная Америка характеризуется средним количеством расходов на здравоохранение. От 5% до 8% ВВП тратится на здравоохранение в России и большей части Европы, однако в Европе есть и участки с большим количеством направляемых средств.

Рис. 5. Суммарные расходы на здравоохранение, в % от ВВП, мир, 2014 г.

Источник: ВОЗ, 2015. URL: [http://gamapserver.who.int/mapLibrary/Files/Maps/TotPercentGDP_2014.png]

Стоит заметить, что в Африке только в одной стране выделяется меньше 3% от ВВП на здравоохранение.

Мероприятия, совершаемые общественными организациями (ВОЗ, ЮНИСЕФ, другие партнеры-организации) по борьбе с младенческой смертностью, можно сформулировать следующим образом:

• Достижение равенства в доступности и качестве медико-санитарных услуг;

• обеспечение всеобщего охвата услугами здравоохранения для медико-санитарной помощи в областях репродуктивного здоровья, здоровья матерей и здоровья новорожденных;

• предупреждение причин материнской смертности, заболеваемости;

• совершенствование и укрепление системы здравоохранения путем сбора надежных данных с целью своевременного реагирования на потребности и приоритеты женщин и девочек.

1.3 Обзор отечественного и зарубежного опыта в исследовании младенческой смертности

Баранов А. А. в соавторстве с другими докторами медицинских наук провел изучение феномена младенческой смертности в статье «Тенденции младенческой и детской смертности в Российской Федерации в 1990-2012 гг.». Целью исследования являлось оценить тенденции младенческой и детской смертности в Российской Федерации в постсоветском периоде (1990-2012гг.) в условиях проведения демографической политики и реформирования системы здравоохранения. Результаты анализа являются основой для данной работы, поскольку выявляют взаимосвязь между уровнем младенческой смертности и социально-экономическими, демографическими и техническими факторами в регионах и стране в целом.

Исследователи опровергли гипотезу о равенстве КМС в городских и сельских поселениях, однако показали, что его динамика в анализируемый период и для тех, и для других схожа: в России наблюдалось снижение количества смертей младенцев в расчете на тысячу рожденных более, чем в два раза. При этом, отмечают авторы, снижение происходило за счет всех компонентов младенческой смертности. Официальные данные Росстата за 1990-2012 гг. о ранней неонатальной, неонатальной и постнеонатальной смертности, ее причинах и факторах в городских и сельских районах РФ обрабатывались с использованием методов вариационной статистики, корреляционного и дискриминантного анализа.

Другим исследованием, объясняющим разницу между КМС в селах и городах, является статья «Explaining the rural-urban gap in infant mortality in India», опубликованная четырьмя индийскими статистиками и демографами. Ее основной целью являлось определение социально-экономических и демографических детерминант, являющихся причиной большого разрыва в значениях КМС в городах и селах.

Исследователи сопоставили данные по Индонезии за 1993-2013 гг. с помощью метода бинарной логистической регрессии. Метод разложения Фэрли использовался, чтобы определить относительный вклад различных сопутствующих случайных величин на разрыв в детской смертности сельской местности и в городах. Полученные результаты схожи с исследованием Андреева Е.М. и Ксенофонтовой Н.Ю., о котором говорилось выше. КМС зависит от уровня образования и возраста матери, благосостояния домохозяйства, а также других демографических факторов. Безусловно, не последнюю роль играет распространенность вакцинации младенцев, равно как и использование современных контрацептивов женщинами, однако стоит заметить, что социально-экономические особенности региона и домохозяйств в частности имеют значимое влияние на уровень смертности детей до 1 года жизни.

Как известно, историческое снижение младенческой смертности сопровождалось улучшением качества медицинской помощи, обслуживания, гигиены. Американский доктор наук Кирби Кандифф изучает младенческую смертность в США относительно других стран-членов Организации экономического сотрудничества и развития (ОЭСР), как функцию от расходов на медицинское обслуживание, имеющихся ресурсов здравоохранения, и переменных стиля жизни на основе данных в относительном выражении - рассчитанных на душу населения. Примечательно, что результатом исследования, то есть важнейшей причиной высокого КМС в США, становится недостаточное медицинское оснащение и доступность помощи, хотя среди стран ОЭСР именно Американское государство направляет наибольшее количество средств (в расчете на душу населения) для этих целей. В то же время, противоречивым кажется другой результат - зависимость КМС от потребления табака и алкоголя в США статистически незначима на макроуровне.

Кроме перечисленного, одной из задач исследования Кирби Кандиффа также была оценка влияния вмешательства государства в здравоохранение на показатели здоровья нации. Используя регрессионный анализ, автор пришел к выводу о прямой взаимосвязи между количеством средств, направляемых на развитие медицинской помощи и квалификации докторов и уровнем младенческой смертности.

Вопрос о влиянии состояния окружающей среды на уровень смертности также интересен для рассмотрения. Выбросы от промышленного производства могут ухудшать здоровье матерей и отцов, и как следствие вызывать смертельные для младенца заболевания, однако появление подобных рабочих мест в регионе обеспечивает больший достаток домохозяйству. Эту проблему рассмотрели Майя Федерман и Дэвид Ливайн в своей статье «Industrialization and Infant Mortality». Целью работы являлось проверить, действительно ли индустриализация приводит к более высокому уровню смертности младенцев. Фактически, наименьшие КМС наблюдаются в более индустриально развитых странах. Данные по районам Индонезии были взяты за 1985-1995 гг. Этот период приходится на пик индустриализации, предшествуя кризису.

Ход исследования был следующим: сначала были построены обыкновенная и probit модели регрессии, а затем, во второй спецификации добавились специализированные взвешенные индексы вреда от производственных выбросов. Включив индекс вредных выбросов, стало возможным сказать, является ли рост занятости в обрабатывающей промышленности, которая концентрируется в наиболее загрязняющих отраслях промышленности, более опасным для детей, или приносит некоторые плюсы за счет улучшения благосостояния семьи.

Результаты исследования свидетельствует о том, что при строительстве особо загрязняющих окружающую среду предприятий, преимущества от повышения доходов и условий жизни может перевешивать вред от загрязнения. Таким образом, политике, направленной на поощрение промышленного роста, следует учитывать уровень загрязнения окружающей среды и экономически эффективно регулировать промышленное загрязнение.

Е. А. Кваша в своей работе «Младенческая смертность в России в ХХ веке» отмечает, что важно отслеживать скрытые компоненты КМС, которые сигнализируют о других проблемах, связанных с этим явлением. За прошедший век сменились причины младенческой смертности. В начале 20 века основной проблемой была неразвитость системы родовспоможения, неграмотность населения, и как следствие, сложности при оказании помощи, а также медицинские условия. Со временем эти проблемы в значительной степени были решены, однако доля смертей от экзогенных факторов осталась очень высокой.

Структура компонент младенческой смертности также изменилась, однако по состоянию на 2000 год Россия отставала от стран ЕС, США и Японии на 30-40 лет. Демограф Е.А. Кваша проводила сравнительный графический анализ и анализ динамики, структуры младенческой смертности России в 20-м веке, а также осуществляла международные сравнения. В данной статье рассматриваются причины отставания России от западных стран по данному показателю. Как ни парадоксально, при всем ее последовательном развитии в данной области (например, факт снижения КМС в 19,5 раз за предыдущий век), разрыв в данном показателе не только не уменьшился, но и увеличился к концу века. В качестве причин Е.А. Кваша выделяет социально-экономическое развитие и культурный уровень в стране, а также расслоение по этим признакам. Большую роль играет также патернализм в области способов ухода за ребенком и помощи государства.

Развитие системы здравоохранения, направленной на борьбу с экзогенными причинами смерти, в 50-60-х годах, сложившийся характер ухода за детьми, гигиеническая культура, уклад жизни, обычаи и традиции - и есть все то, что определяется культурным и материальным уровнем семьи. Эти факторы уже выполнили свою задачу и далее не могли влиять на снижение младенческой смертности в той же степени, как и раньше. Эти результаты схожи с полученными в исследовании Андреева Е.М. и Ксенофонтовой Н.Ю. В заключении работы автор делает вывод о необходимости перехода на другой уровень здравоохранения не только в плане финансирования, но и в способности бороться с эндогенными причинами смерти. Кроме ее совершенствования важно и осознанное участие людей в деторождении, то есть смена менталитета, изменение отношения к своему здоровью, что также является культурной составляющей.

В статье “Factors associated with trends in infant and child mortality in developing countries during the 1990s” факторы, влияющие на КМС подразделяются на 5 основных категорий: репродуктивное поведение, особенности питания, грудное вскармливание, медицинские услуги матерям и детям, санитарное состояние окружающей среды, социально-экономический статус. Простые и многомерные методы анализа, примененные к данным «Обследования в области Демографии и Здоровья» 62-х развивающихся стран, показали наличие влияния всех факторов на уровень смертности новорожденных в 90-х годах. Shea O. Rutstein применяет многомерный регрессионный анализ и приходит к следующим выводам: в течение 1990-х годах выделено две наиболее важные группы факторов, объясняющих снижение смертности среди детей в возрасте до пяти лет: снижение доли недоедающих детей и тех, кто живет в плохих условиях (то есть, где есть проблемы с водоснабжением, канализацией и жильем). Медицинская помощь в период беременности, и при родах, а также для детей, является следующим по важности фактором. Социально-экономические факторы, такие как электричество и образование матери, занимают третье место по значимости во влиянии на КМС.

Не все факторы, приводящие к снижению младенческой и детской смертности, значительно улучшились в течение 1990-х годов. Интерес вызывают интервалы между рождением детей и грудное вскармливание и дополнительное питание; Если бы эти факторы существенно улучшились, мы бы наблюдали большее снижение младенческой смертности. Еще один вывод состоит в том, что сокращение усилий по снижению смертности среди детей может привести к замедлению снижения и даже росту уровня смертности.

Интерес к изучению младенческой смертности с применением эконометрических методов был реализован в статье «Econometrics and Health Economics Infant Mortality Time Series are Random Walks with Drift: are They Cointegrated with Socioeconomic Variables?» автором Дэвидом Бишай в американском университете Пенсильвании в 1995 г. На примере данных по Швеции, Великобритании и США, автор показывает, что ряды коэффициентов младенческой смертности не стационарны на стандартном уровне значимости. Данный вывод позволяет исследователю применить тесты на панельную коинтеграцию и тем самым проверить взаимосвязь КМС с социоэкономическими показателями. Множественный коинтеграционный анализ подтвердил взаимосвязи между КМС в трёх странах и его детерминантами следующим образом: выживаемость младенцев, ВНП на душу населения, безработица и уровень рождаемости коинтегрированы в США и Великобритании, но не в Швеции. Также к результатам можно отнести вывод о том, что увеличение на 10% ВНП на душу населения в Великобритании приведет к примерно 13%-му росту детской выживаемости, в то время как 10% рост ВНП в США вызвал бы изменение детской выживаемости примерно в 5%. (Изменения в детской смертности были бы соразмерны по величине, но с противоположным знаком). Коинтеграционный анализ продемонстрировал наличие взаимосвязи между детской выживаемостью и ВНП в двумерном анализе для Швеции (1862-1989), но не для США (1915-1989) и Великобритании в следующих периодах: 1910-1989гг., и 1857-1909гг.

Теоретическая значимость данной статьи заключается в приведении доказательства нестационарности временных рядов младенческой смертности. Выступая в качестве нестационарных временных рядов предполагается, что ошибки прогноза во временных рядах детской смертности имеют "долгую память". Другими словами, влияние положительных и отрицательных шоков на младенческую смертность довольно устойчиво. Первые разности не несут никакой информации о взаимосвязи в долгосрочной перспективе. Модель коинтеграционного анализа является превосходным методом, с помощью которого можно проанализировать взаимосвязи в долгосрочной перспективе.

К отрицательным сторонам работы можно отнести то, что автор не обосновывает выбор социоэкономических факторов, использованных в анализе. Автор уделяет особое внимание тому, что показатель младенческой смертности и остальные переменные варьируются в разных диапазонах, поэтому проводит логарифмирование, а также преобразует КМС в показатель младенческой выживаемости. Так как автор видоизменяет показатель младенческой смертности, превращая его в показатель выживаемости, не вполне очевидно, как интерпретировать результаты исследования для исходного показателя. Для большей конкретизации результатов автору следовало бы уточнить, каковы возможные причины разных типов выявленной взаимосвязи КМС и других переменных в разных странах. Статья выполнена на высоком научном уровне, содержит ряд выводов, представляющих практический и теоретический интерес.

Изученная литература дает представление о взаимозависимости КМС и некоторых социально-экономических показателей стран и регионов, что является мотивом для исследования этой связи в других территориальных единицах и временных периодах.



ГЛАВА 2. СТАТИСТИЧЕСКИЙ АНАЛИЗ МЛАДЕНЧЕСКОЙ СМЕРТНОСТИ В МИРЕ

2.1 Методика исследования младенческой смертности и ее основных факторов

Применение статистического и эконометрического инструментария оказывается наиболее эффективным, если имеется общее представление об исходных данных и исследуемом явлении. Это достигается построением графиков и первичным анализом данных: для пространственных данных - на наличие аномальных наблюдений, нормальность распределения; для временных рядов - на наличие детерминированного тренда, стационарность, тестирование автокорреляционной функции.

В основной части работы используются панельные данные. Преимущество их применения состоит в следующем: многие явления подвержены изменению в зависимости от ранее принятых решений и изменениям в сопутствующих им процессах. Очевидно, это усложняет исследование и интерпретацию наблюдаемых фактов и полученных от исследования результатов. Кроме того, различные объекты, характеризующиеся качественными и количественными признаками изучаемого процесса, могут в свою очередь иметь собственные особенности развития, отличные от других объектов. Данный феномен называют неоднородностью и считают, что он вызывает сложности при изучении. Таким образом, следует учитывать как динамические характеристики, так и индивидуальные качества объектов, с чем прекрасно справляются методы исследования панельных данных. Панельный набор данных обеспечивает возможность совместного изучения этих параметров.

Для достижения цели исследования были взяты данные по странам мира за 2014 год. Следует отметить, что данные о КМС, взятые для исследования на официальном сайте базы данных World Bank, были получены стандартным методом расчета уровня младенческой смертности: число новорожденных, умерших в первый год жизни в данном календарном году в расчете на 1000 живорожденных в том же году.

В первую очередь необходимо разделить страны на три группы в соответствии с их уровнем развития, так как размах КМС даже по состоянию на 2015 год довольно велик (94,5‰), и значительная часть стран имеет высокий уровень смертности среди новорожденных. Для решения этой задачи был выбрал метод кластерного анализа, а именно метод к-средних, позволяющий разделить объекты по степени их схожести, минимизируя среднее квадатическое отклонение на объектах каждого кластера. С помощью итераций заново находятся центры кластеров до тех пор, пока не произойдет стабилизация.

Перед применением кластерного анализа необходимо проверить предпосылки его применения. Во-первых, данные для исследования должны подчиняться нормальному закону распределения или быть близкими к нему. Для этого проводится ряд статистических тестов, проверяющих гипотезу о нормальном распределении. Во-вторых, при выборе количества классифицирующих переменных, рекомендуется обратить внимание на соотношение количества объектов и переменных так, чтобы число наблюдений было значимо большим, чем количество переменных, например, в 5 раз.

Особенностью метода к-средних является заранее определенное количество кластеров. Классически, страны делят на три группы: развивающиеся (с низкими, например, экономическими показателями), развитые (отличающиеся высоким уровнем жизни и показателями) и страны среднего уровня развития (страны, находящиеся на переходном этапе от низких к высоким показателям). В данном исследовании принята та же классификация. Данный инструмент реализован в статистическом пакете SPSS.

Определить названия кластеров поможет графическое представление центров кластеров для разных показателей из итоговых таблиц.

Метод кластерного анализа основывается на расчете расстояний от объекта до центров кластеров или между друг другом. Так или иначе, метод расчета расстояний может значительно повлиять на результат, как в иерархических процедурах, так и для к-средних. Применительно к к-средних, начальные центры кластеров выбираются случайно, а затем близлежащие к ним объекты классифицируются. Случайный выбор начальных центров кластеров может повлечь погрешность.

Следующим шагом в исследовании является проверка исследуемых процессов на стационарность. Временной ряд называется стационарным, если среднее, дисперсия и автоковариация (корреляция) не меняются со временем. Ряд имеет постоянное среднее. Общим теоретическим примером слабого стационарного процесса является процесс белого шума, который имеет нулевое математическое ожидание E (е_t) = 0, постоянную дисперсию Var (е_t) = ² и нулевую ковариацию Cov (еt, Еs) = 0 для всех t.

При тестировании на стационарность внутри панели возможно наличие как стационарных, так и нестационарных рядов. В этом случае неочевидно, отвергается ли гипотеза о нестационарности. Также панели не всегда бывают сбалансированы и как правило, отличаются в разных исследованиях количеством рассматриваемых объектов и временных периодов. Для решения этих задач было создано несколько тестов на наличие единичного корня. Каждый из них по-своему эффективен в зависимости от числа наблюдений, объектов и сбалансированности.

Панельные тесты на стационарность делятся на две группы: гомогенные (проверяют стационарность одновременно всех объектов пространственной выборки) и гетерогенные (допускают наличие нестационарных рядов в панели). Гетерогенные тесты имеют менее строгую формулировку нулевой гипотезы.

Тестирование на наличие единичного корня может производиться с помощью нескольких тестовых статистик:

1) Levin, Lin & Chu t-statistic (LLC) - наличие общего единичного корня

Н₀: в данных содержится единичный корень

Данный тест предполагает одинаковый авторегрессионный параметр для всех объектов. Тест предлагает регрессионную t-статистику, среднее значение и стандартное отклонение которой зависят от спецификации детерминированной части уравнения.

Так как порядок лага неизвестен, применяется трехшаговая процедура:

1. Проводится тест Дикки-Фуллера для каждого временного ряда;

Для заданного T выбирается максимальный лаг и, используя t-статистику, определяется наилучший лаг; Строятся вспомогательные регрессии для получения ортогональных остатков; Стандартизируются остатки;

2. Оценивается уровень долгосрочных и краткосрочных стандартных отклонений;

3. Рассчитывается t-статистика следующим образом:

Без константы: ,

С константой: ,

Где ,

T - количество временных уровней, N - количество объектов,

= 0 при тестировании без константы, 1 - с константой,

,

.



Тест наиболее эффективен при применении к небольшим панелям, где число объектов/наблюдений варьируется от 10 до 250, а количество временных уровней - от 25 до 250. Недостатком теста является то, что он предполагает зависимость процессов одного объекта от другого. Кроме того, нулевая гипотеза состоит в том, что все объекты содержат единичный корень, что является ограничивающим для исследования.

2) Breitung t-statistic - наличие общего единичного корня

Н₀: в данных содержится единичный корень

Тест Брайтунга требует сбалансированности панели и предполагает видоизменение данных для того, чтобы использовать стандартные t-статистики. Тест проводит расчет робастной t-статистики, по отношению к пространственной корреляции объектов [9].

Тестовая статистика рассчитывается без корректировки смещения следующим образом:

1. Аналогично тесту LLC

2. Преобразование остатков с помощью:

3. Построение объединенной регрессии ,

где

Асимптотически статистика является нормальной при стремящемуся к бесконечности количеству объектов и временных уровней. Наибольшую точность тест показывает для панелей относительно небольшого размера (20 объектов, 30 лагов).

3) Im, Pesaran and Shi W-stat (далее - IPS) - наличие индивидуальных единичных корней во временных рядах

Н₀: в данных содержится единичный корень

По сравнению с предыдущими тестами, в качестве альтернативной гипотезы IPS рассматривает наличие стационарных временных рядов в панели, то есть относится к разряду гетерогенных тестов [10].

В зависимости от детерминированной части модели, статистика может вычисляться по двум формулам. Если число объектов и временных периодов ограничено, тест выдает статистику:

,

где - индивидуальные статистики, тестирующие стационарность данных для отдельного объекта. Если предполагается, что число объектов стремится к бесконечности, тест проводится по статистике:

Для асимптотически нормального распределения статистики необходимо, чтобы в сбалансированной панели было строго больше 5 периодов.

4) Fisher tests - наличие индивидуальных единичных корней во временных рядах

Н₀: в данных содержится единичный корень

В тестах Фишера отдельно проверяется каждый объект, а затем вычисляется общее P-значение, комбинированное из индивидуальных:

Далее применяется либо методика ADF - Fisher Chi-square, либо PP - Fisher Chi-square.

5) Hadri - наличие индивидуальных единичных корней во временных рядах

Н₀: в данных не содержится единичный корень (стационарность)

Тест схож с KPSS тестом на стационарность для временных рядов. Тест Хадри основан на статистике множителя Лагранжа. Статистика рассчитывается следующим образом:

,

где

Тест требует строгой сбалансированности панели.

На основе большинства результатов будет сделан вывод о наличии или отсутствии единичного корня в данных. Тесты представлены в статистическом пакете Eviews с возможностью автоматического выбора количества лагов, учета тренда и/или константы.

Тесты на стационарность будут проведены для стран, принадлежащих разным кластерам. Затем при наличии нестационарности показателей с помощью тестов на панельную коинтеграцию будет подтверждено или опровергнуто ее наличие.

Нестационарность временных рядов означает их интегрированность, при этом порядок интеграции можно проверить, взяв первую разность и повторно проведя тест на стационарность.

Два или несколько временных рядов (или панелей), имеющие одинаковый порядок интеграции, могут иметь некоторую стационарную линейную комбинацию, что является их коинтегрированностью. Коинтеграция - это метод проверки взаимосвязи явлений. С помощью коинтеграции проверяется наличие взаимосвязи тенденций для аналогичных объектов. Таким образом, целесообразно провести разделение стран на 3 кластера по нужным характеристикам и исследовать долгосрочные в рамках аналогичных стран.

Гипотеза о коинтегрирующей регрессии имеет вид:

Тестов на панельную коинтеграцию существует несколько:

1) Тесты Педрони - имеют 7 статистик, 3 из них - групповые, показывают наличие коинтеграции как группового процесса, общего для всех стран. Остальные статистики учитывают индивидуальные эффекты. С формулами расчета статистик можно ознакомиться в учебном издании Ратниковой Т. А., Фурманова К. К. [8]

Тесты применимы при наличии временного тренда.

Н₀: отсутствие коинтеграции

2) Тест Фишера (Maddala & Wu)

Н₀: отсутствие коинтеграции

Данный тест основывается на усреднении уровней значимости для каждого из наборов временных рядов. Для тестовой статистики Маддала и Ву предлагают следующее выражение:

Преимуществом теста является то, что длина временных рядов для всех объектов может быть разной.

3) Тест Као

Н₀: отсутствие коинтеграции

В случае экзогенности регрессоров используют две статистики:

, .

Распределения всех тестовых статистик на проверку коинтеграции асимптотически сходятся к нормальному.

К методам оценивания коинтегрирующего вектора относят Dynamic Ordinary Least Squares (DOLS) и Fully Modified Ordinary Least Squares (FMOLS). Наличие коинтеграционной долгосрочной связи между показателями будет обосновано при получении статистически значимого коэффициента зависимой переменной в коинтегрирующей модели, а также при высоких показателях качества модели.

Йохансен предложил альтернативную процедуру - оценку по методу максимального правдоподобия (MLE). Однако при малых выборках полученные этим методом оценки смещены. Проблему смещенности оценок можно избежать, применяя динамический метод наименьших квадратов (DOLS), улучшающий оценки, полученные методом наименьших квадратов (далее - МНК) и имеющий те же асимптотические свойства оптимальности, что и процедура Johansen. Процедура DOLS была разработана в работах Phillips и Loretan (1991), Saikkonen (1991), Stock и Watson (1993). При этом статистическое моделирование показывает, что в случае малых выборок, что имеет место в данном исследовании, DOLS позволяет получить более точные оценки, чем другая модификация OLS (с теми же асимптотическими свойствами) - FMOLS (Fully Modified OLS). Сильная сторона метода DOLS заключается еще и в том, что он позволяет оценивать коинтеграционные соотношения между переменными разного порядка интегрированности, а также, возможно, включающими детерминированные составляющие. Для проверки гипотез о коэффициентах можно использовать стандартные процедуры, основанные на t- и F-статистиках, поскольку DOLS-оценки являются асимптотически нормальными.

Схема применения DOLS следующая:

1) МНК оценивается регрессия

2) Строятся кросс-коррелограммы рядов приращений объясняющих переменных и остатков регрессии.

3) Анализируются N кросс-коррелограмм, построенных на шаге 2: определяется количество значимых запаздывающих (K_i- ) и опережающих (K_i+) всплесков для каждого случая. На этой основе делается вывод о K_i- и K_i+, i=1,…,N.

4) По результатам шага 3 выбирается максимальное количество значимых запаздывающих и опережающих всплесков по всем переменным, т.е.

5) МНК оценивается регрессия вида:

,

то есть регрессия из шага 1 с добавлением запаздывающих и опережающих приращений переменных.

6) Остатки модели проверяются на наличие автокорреляции с помощью стандартных методов, таких как статистика Дарбина - Уотсона, коррелограмма остатков, тест Бройша - Годфри. Далее возможны два варианта: 1) если признаков автокорреляции нет, то можно переходить к шагу 9; 2) если автокорреляция есть, то корректировку оценок, полученных на шаге 5, возможно провести способами, описанными в следующих шагах.

7) Можно применить для оценивания расширенного уравнения процедуру Кохрана - Оркатта. По количеству значимых запаздываний в тесте Бреуша - Годфри выбирается количество лагов, включаемых в модель авторегрессии AR(p). Далее оценивается коррелограмма остатков (на предмет необходимости включения лагов в модель скользящего среднего MA(q)).

8) Методом наименьших квадратов оценивается уравнение шага 5 с добавлением члена вида ARMA (p, q). На шагах 5-8 образуется некоторый цикл, во время которого выбирается наилучшая спецификация модели.

9) Проверка оцененного уравнения, анализ его «адекватности» (речь идет о независимости и нормальности остатков, непротиворечивости модели экономической теории).

Еще одна дополнительная оценка причинно-следственных зависимостей проводится с помощью полностью модифицированного метода наименьших квадратов (FMOLS) c дальнейшим построением коинтеграционных соотношений.

В этом методе осуществляются корректировки, необходимые для получения оценок, имеющих стандартное распределение. Метод Fully Modified Ordinary Least Squares (FMOLS) использует ядерные оценки параметров, которые влияют на асимптотическое распределение МНК оценок. Для достижения асимптотической эффективности этот метод модифицирует наименьшие квадраты для учета последовательных корреляционных эффектов и проверки эндогенности регрессоров, которые являются результатом существования коинтегрирующих соотношений.

Стационарность остатков показывает, что существует такой коинтегрирующий вектор, при котором два процесса первого порядка интеграции образуют стационарный процесс.

Следующим шагом является проверка краткосрочной связи переменных с помощью панельного МНК. Для этого классическим способом (по критериям качества моделей - значимость коэффициентов, стандартные ошибки, информационные критерии и др.) выбирается лучшая коинтегрирующая модель, полученная ранее, сохраняются ее остатки. Затем остатки добавляются в модель панельного МНК в качестве регрессора вместе с первой разностью независимой переменной. Итоговое уравнение в общем виде выглядит следующим образом:

,

где Y - зависимая переменная, Х - независимая переменная, , - коэффициенты регрессии при константе и регрессоре соответственно, - параметр, определяющий скорость возвращения Y к равновесной траектории, - механизм корректировки равновесия, представляющий собой остатки коинтеграционного уравнения.

Обратное коэффициенту значение показывает количество лет до возвращения на равновесную траекторию зависимой переменной.

Для проверки результатов теста используют тест Гранжера на причинность. Он проверяет две гипотезы: когда одна переменная является причиной для другой и наоборот. Статистики для двух случаев рассчитываются следующим образом:

где - коэффициенты регрессии.

В том случае, если одна гипотеза была отвергнута, а вторая - нет, можно говорить о причинности по Гранжеру. Тогда при изменении одного показателя в долгосрочной перспективе можно ожидать соответствующие колебания в другом. Если обе гипотезы не отвергаются, значит между показателями нет причинной связи по Гранжеру. Если отвергаются обе гипотезы - следует сделать вывод о существовании общего причинного по Гранжеру фактора, предшествующего изменению обоих показателей.

2.2 Классификация стран мира по уровню развития и сравнительный анализ младенческой смертности в выделенных странах

Структура младенческой смертности в разрезе стран мира была исследована с помощью кластерного анализа. Данные по КМС, общему коэффициенту рождаемости (далее - ОКР), суммарному коэффициенту рождаемости (далее - СКР), ВВП на душу населения и расходам на здравоохранение (в % от ВВП), за 2014 год по 175 странам были взяты в базе статистических данных World Bank.

Было опробовано несколько вариантов разделения стран на 3 группы с помощью иерархических процедур, однако результаты показывали разделение на 1-2 кластера, в которые было отнесено непропорциональное количество объектов. Использовались различные методы вычисления расстояний между кластерами - Евклидово расстояние, квадрат Евклидового расстояния, расстояние Минковского и др. Также использовались методы ближнего и дальнего соседа для проведения классификации, среднегрупповой и внутригрупповой методы, центроидная и медианная кластеризации, метод Варда. Применялись техники стандартизации данных для приведения их к нормальному распределению: изменение вариации - от 0 до 1, от -1 до 1, z-преобразование. Тем не менее, иерархические процедуры показали неадекватные результаты распределения стран на группы, поэтому для дальнейшего анализа были выбраны неиерархические процедуры кластеризации.

Классификация проводилась методом к-средних. Предпосылки для проведения анализа были выполнены: соблюдено нормальное распределение данных методом z-преобразования данных, примерное соотношение количества переменных и объектов. Заранее определенное количество кластеров - 3, а именно: развитые страны, страны среднего уровня развития и развивающиеся страны.

Для определения названий кластеров была построена гистограмма центров кластеров с группировкой по показателям.

Таблица 1

Количество наблюдений в каждом кластере

Кластер	Количество наблюдений
1	50
2	100
3	25

Видно, что 3 кластер отличается самыми высокими демографическими показателями - СКР, КМС и ОКР в сочетании с самыми низкими экономическими - ВВП, доля расходов на здравоохранение.

Рис. 6. Гистограмма конечных центров кластеров стран с группировкой по показателям



Эти признаки характерны для развивающихся стран, поэтому логично заключить, что 3 кластер включает именно их.

Второй кластер характеризуется высоким ВВП и долей расходов на здравоохранение, при этом показывая значительно более низкие уровни СКР, ОКР и КМС. Для развитых стран это частое явление, таким образом, можно сделать вывод, что 2-ой кластер включает развитые страны мира.

Есть все основания назвать странами среднего уровня развития 1-ый кластер, так как его особенностью являются умеренные показатели по всем переменным.

Результатом применения кластерного анализа можно считать классификацию стран мира на три аналогичные по демографическим и экономическим характеристикам группы: развитые страны, страны среднего уровня и развивающиеся страны. Распределение стран по кластерам соответствует распределениям в других международных исследованиях [30].

Далее будет проведен сравнительный анализ младенческой смертности в 3-х вышеназванных кластерах с помощью проверки на стационарность. Из каждого кластера целесообразно взять по несколько схожих по исследуемым показателям стран. Это позволит наиболее репрезентативно сформировать панели по кластерам для дальнейшего анализа.

В кластере со странами среднего уровня развития (1 кластер) выбраны: Азербайджан, Бангладеш, Бутан, Индия, Марокко, Непал. Всем странам присущи средние показатели уровня развития, находящиеся примерно на одном уровне. Например, СКР равен или превышает значение 2, охват иммунизации достигает 94% к 2014 году, а процент ВВП, приходящийся на расходы здравоохранения варьируется от 3 до 5.

К развитым странам были отнесены: Аргентина, Дания, Германия, Франция, Турция, Египет, Российская Федерация. Среди них охват иммунизации превышает значения из предыдущего кластера и достигает отметки 96-97%. Коэффициент воспроизводства (СКР) выше 2 только в Египте (3,3) и Турции (2,07). От 3 до 21 промилле варьируется показатель КМС, что четко указывает на низкую смертность.

Нигер, Ангола, Чад, Гвинея, Мавритания, Нигерия и Пакистан были выбраны как показательные для кластера с развивающимися странами. Только две из них осуществляют иммунизацию в охвате более 70%, остальные прививают от дифтерии и столбняка лишь 40-46% младенцев, а КМС находится в интервале от 58 до 98 промилле по состоянию на 2014 год.

Исследование стационарности процесса младенческой смертности проводилось без учета тренда, но с включением константы. Нулевая гипотеза о наличии единичного корня для данной переменной отвергается на уровне значимости 5%, поскольку все тестовые статистики, кроме теста Брайтунга, имеют значимость меньше 0,05. Нулевая гипотеза о стационарности для теста Хадри отвергается, поскольку статистика значима на уровне значимости 0,05, но 3 из 5 тестов свидетельствуют о стационарности КМС.

...