Mendelova univerzita v Brně Fakulta regionálního rozvoje a mezinárodních studií

Transkript

1 Mendelova univerzita v Brně Fakulta regionálního rozvoje a mezinárodních studií Populační vývoj Tišnovska Bakalářská práce Vedoucí práce: Mgr. Lukáš Nevěděl, Ph.D. Vypracovala: Hana Vítová Brno 2013

2

3 PROHLÁŠENÍ Prohlašuji, že jsem bakalářskou práci na téma Populační vývoj Tišnovska vypracovala samostatně a použila jen pramenů, které cituji a uvádím v přiloženém seznamu literatury. Dne 15. května 2013 Hana Vítová

4 PODĚKOVÁNÍ Na tomto místě bych ráda poděkovala panu doktorovi Nevědělovi za jeho vstřícný přístup a odborné vedení mé bakalářské práce.

5 ABSTRAKT Bakalářská práce se zabývá populačním vývojem v regionu Tišnovsko v období let V tomto sledovaném období byly analyzovány a vyhodnoceny tyto demografické ukazatele porodnost, úmrtnost, potratovost, sňatečnost, rozvodovost, přirozený přírůstek a migrace. Vhodnou volbou metody vyrovnávání časových řad trendem byla provedena predikce vývoje sledovaných ukazatelů do roku Na základě provedených analýz bylo zjištěno, že v regionu dochází k růstu středního stavu obyvatel. Tento nárůst byl zapříčiněn zejména kladným migračním přírůstkem, trvajícím po celé sledované období. Rostoucí tendence byla zaznamenána také u porodnosti a rozvodovosti. Naopak u úmrtnosti, potratovosti a sňatečnosti pozorujeme mírný pokles. V regionu dochází k demografickému stárnutí populace, což dokazuje růst indexu stáří. Klíčová slova: demografie, demografické ukazatele, obyvatelstvo, populační vývoj, DSO Tišnovsko

6 ABSTRACT The bachelor thesis deals with population development in Tišnovsko in the years The following demographic indices were analyzed and assessed birth rate, death rate, abortion rate, marriage rate, divorce rate, natural population increase and migration. A technique of time series analysis involving smoothing and trend assessment was used to predict development of the indices till the year The analyses performed revealed that there is an increase in the middle age group, which is result of long-term positive population increase through migration. An increasing trend was reported in birth rate and divorce rate. On the other side, there was a decrease in death rate, marriage rate and abortion rate. In the region is evidence of demographic aging of population which is expressed by a higher aging index. Keywords: demography, population development, population, demographic indices, Tišnovsko

7 OBSAH 1. ÚVOD A CÍL PRÁCE Úvod Cíl práce LITERÁRNÍ PŘEHLED Vymezení pojmu demografie Demografické jevy Prameny demografických dat Sčítání lidu Evidence přirozené měny Evidence migrací Demografické ukazatele Poměrná čísla extenzivní - ukazatele Poměrná čísla intenzivní - míry, kvocienty Poměrná čísla srovnávací - indexy Další dělení demografických ukazatelů Analýza demografické struktury obyvatelstva Struktura obyvatelstva podle pohlaví Struktura obyvatelstva podle věku Demografické procesy Úmrtnost Porodnost a plodnost Potratovost Sňatečnost Rozvodovost METODIKA PRÁCE Časové řady Srovnatelnost údajů Modelování časových řad Popis trendové složky Lineární trend Parabolický trend Exponenciální trend Modifikovaný exponenciální trend Logistický trend Gompertzova křivka VÝSLEDKY PRÁCE Vývoj struktura obyvatelstva Dynamika obyvatelstva Vývoj porodnosti Vývoj úmrtnosti Vývoj sňatečnosti Vývoj rozvodovosti Vývoj potratovosti Přírůstek obyvatelstva ZÁVĚR SEZNAM GRAFŮ... 50

8 7. SEZNAM TABULEK SEZNAM POUŽITÉ LITERATURY PŘÍLOHY... 54

9 1. ÚVOD A CÍL PRÁCE 1.1 Úvod Jako téma své bakalářské práce jsem zvolila Populační vývoj Tišnovska a to z důvodu, že v jedné z obcí Tišnovska žiji celý svůj život a spoustu ostatních obcí znám. Bylo pro mne tedy velice zajímavé porovnat zjištěné údaje, sledovat vývoj demografických ukazatelů a pomocí výpočtu odhadnout jejich budoucí vývoj. Dobrovolný svazek obcí Tišnovsko se rozkládá na severozápadním okraji okresu Brnovenkov. V prosinci roku 2004 jej založilo 39 obcí (Borač, Braníškov, Brumov, Březina, Bukovice, Černvír, Deblín, Dolní Loučky, Doubravník, Drásov, Hluboké Dvory, Horní Loučky, Hradčany, Kaly, Křižínkov, Kuřimská Nová Ves, Kuřimské Jestřabí, Lažánky, Lomnice, Lomnička, Lubné, Malhostovice, Nedvědice, Nelepeč-Žernůvka, Níhov, Olší, Předklášteří, Rojetín, Sentice, Skalička, Svatoslav, Synalov, Štěpánovice, Tišnov, Tišnovská Nová Ves, Vohančice, Vratislávka, Žďárec, Železné). V roce 2006 přistoupily další 4 obce (Drahonín, Katov, Pernštejnské Jestřabí, Újezd u Tišnova). O rok později se DSO rozšířil o další obec, Borovník, počet obcí byl tedy 44. V roce 2010 svazek opustila obec Březina a v roce 2011 obec Deblín. V současnosti má tedy svazek 42 členů. V předkládané práci je počítáno se všemi 44 obcemi, protože převážnou část sledovaného období byly členy svazku. 1.2 Cíl práce Práce si klade za cíl provést analýzu populačního vývoje regionu Tišnovsko v období let Prezentované výsledky se budou týkat údajů o stavu, pohybu a struktuře obyvatelstva regionu. Pro vyjádření vývoje jednotlivých demografických ukazatelů, tedy úmrtnosti, porodnosti, rozvodovosti, sňatečnosti, potratovosti, přirozeného přírůstku a migrace, bude použita metoda vyrovnání časových řad vhodnou matematickou funkcí. Hodnoty, se kterými bude pracováno, jsou získány ze statistik Českého statistického úřadu. Konečné výsledky budou prezentovány formou grafů a tabulek. 9

10 2. LITERÁRNÍ PŘEHLED 2.1 Vymezení pojmu demografie Demografie je vědní obor, který se zabývá studiem reprodukce lidských populací a podmíněnostmi tohoto procesu. Název demografie pochází z řeckých slov démos (lid) a grafein (psát, popisovat). Objektem demografického studia jsou lidské populace, předmětem studia demografie je demografická reprodukce (K. Kalibová, 2001). Pod pojmem populace běžně rozumíme obyvatelstvo určitého území (například populaci Prahy, populaci Francie...). V demografii však termín populace chápeme ve smyslu skupiny osob, v jejímž rámci dochází k reprodukci. Protože je však populace podle druhé definice obtížně vymezitelná a protože při vhodné volbě území můžeme populaci vymezenou dle první definice považovat i za populaci podle druhé definice, je první pojetí vcelku běžné. Místo populace existuje ale pro první případ termín přesnější - obyvatelstvo (F. Koschin, 2005). Reprodukcí dochází ke změnám stavu obyvatelstva, které se nazývají pohybem (měnou) obyvatelstva. Podle příčin vedoucích k těmto změnám označujeme tento pohyb jako přirozený pohyb (přirozená obnova obyvatelstva porody a úmrtími), mechanický pohyb (prostorové přemísťování obyvatelstva stěhováním i dojížďkou) a sociální pohyb (přeměny ve struktuře sociální) (V. Roubíček, 1997). 2.2 Demografické jevy Veškeré demografické jevy jsou vázány na lidské jedince. Jsou to takové vztahy lidí, které vznikají bezprostředně při jejich demografické reprodukci. V demografickém systému probíhá fyziologické stárnutí jednotlivých osob v čase a k němu jsou vázány vztahy z ostatních systémů, které vytvářejí určité cykly. Hovoříme tak o demografických životních cyklech. Nejčastěji jsou takové životní cykly vymezeny právními vztahy mezi manžely, např. uzavření sňatku, trváním manželství a jeho ukončením (J. Vystoupil, Z. Tarabová, 2004). 10

11 Demografické údaje můžeme rozdělit do dvou skupin - na údaje o: o stavu - velikost populace a její struktura podle demograficky zajímavých znaků k určitému časovému okamžiku. Údaje o stavu se zjišťují soupisem obyvatelstva nebo sčítáním lidu, jejichž cílem je zjistit, kolik v daném území žije osob a některé jejich znaky, o pohybu - události, které v populaci nastanou během určitého časového intervalu (zpravidla jednoho kalendářního roku). Pohybem rozumíme události, které přímo souvisí s reprodukcí obyvatelstva. Jsou to narození, úmrtí, sňatek, rozvod a přestěhování (R. Klufová, Z. Poláková, 2010). 2.3 Prameny demografických dat Za prameny demografických dat se považují všechny prameny běžné demografické statistiky i výsledky speciálních výběrových šetření. Tyto prameny poskytují údaje pro analýzu procesu demografické reprodukce včetně hodnocení demografických změn (dlouhodobých trendů i krátkodobých kolísání) v souvislosti se změnami v sociální, ekonomické a politické oblasti. Hlavními prameny demografických dat jsou: o sčítání lidu, o evidence přirozené měny, o evidence migrací, o evidence nemocnosti, o výběrová šetření, o registry obyvatelstva, o historické prameny (K. Kalibová, 2001) Sčítání lidu Sčítání lidu (nebo populační census) je souborná statistická akce sběru, uspořádání, zhodnocení, analýzy a publikování vybraných demografických, ekonomických a sociálních údajů (K. Kalibová, 2001). 11

12 Základní jsou informace o pobytu. Zjišťuje se místo přítomnosti v rozhodný okamžik. Rozhodným okamžikem bývá obvykle půlnoc. Mezi základní informace patří dále osobní údaje, jako jsou pohlaví, věk a rodinný stav. Další skupinu zjišťovaných údajů tvoří údaje o domácnosti a rodině - vztah k hlavě domácnosti a vztah k hlavě rodiny, pořadí manželství a počet dětí. Dále se zjišťuje občanství, národnost, jazyk, vzdělání a náboženství. Poslední skupinu tvoří údaje ekonomického charakteru: ekonomická aktivita, místo práce, druh vykonávané práce, postavení v zaměstnání a odvětví (F. Koschin, 2005) Evidence přirozené měny Termín přirozená měna v demografii vyjadřuje procesy rození a vymírání lidských populací. V širším pohledu se do přirozené měny zahrnuje i sňatečnost, rozvodovost, potratovost a nemocnost. Přirozená měna souvisí pouze s přirozenou obnovou populace, nezahrnuje tedy migrace (tzv. mechanickou měnu) (K. Kalibová, 2001) Evidence migrací Evidence migrací informuje o změnách v rozmístění obyvatelstva v závislosti na ostatních sociálních a ekonomických jevech. Migrace je v České republice definována jako změna trvalého pobytu za hranice určité administrativní jednotky, zpravidla obce (K. Kalibová, 2001). 2.4 Demografické ukazatele Podle Kalibové (2001) se za demografické ukazatele považují všechny základní i analytická data, která se vztahují k jednotlivým složkám procesu demografické reprodukce, tj. k úmrtnosti, porodnosti, sňatečnosti, rozvodovosti, nemocnosti a potratovosti. Kalibová (2001) dále uvádí, že základní demografická data získáme z výsledků sčítání lidu, evidence přirozené měny, evidence migrací, či registrů obyvatelstva. Údaje, které takto získáme (např. celkový počet obyvatel, počet zemřelých, narozených, rozvodů, sňatků) se dávají do vzájemných souvislostí a počítají se poměrná neboli relativní čísla 12

13 (tzv. analytická data), která se dle způsobu výpočtu označují jako ukazatele, míry, kvocienty či indexy Poměrná čísla extenzivní - ukazatele Vznikají vydělením dvou stejnorodých údajů ve stejném časovém okamžiku a vhodném územním vymezení (např. podíl mužů v populaci, struktura zemřelých podle věku) (J. Vystoupil, Z. Tarabová, 2004) Poměrná čísla intenzivní - míry, kvocienty Poměrná čísla intenzivní, jež mají ve jmenovateli nositele událostí či jevů uvedených v čitateli, nazýváme míry. Při jejich výpočtu je počet jednotek ve jmenovateli udáván buď ke středu sledovaného intervalu nebo se bere průměr z počátečního a koncového stavu, zde se jedná o tzv. střední stav obyvatel (např. hrubá míra úmrtnosti udává počet zemřelých na 1000 obyvatel středního stavu). Druhou skupinou poměrných čísel intenzivních jsou kvocienty, které se od měr liší tím, že jednotky ve jmenovateli nejsou vymezeny pouze jako nositelé jevů v čitateli, ale přímo jako exponovaný soubor, u kterého tyto jevy mohou nastat. Počet jednotek ve jmenovateli se udává k počátku sledovaného období. Kvocienty se svým charakterem blíží pravděpodobnostem (K. Kalibová, 2001) Poměrná čísla srovnávací - indexy Indexy vznikají jako podíl dvou absolutních čísel vymezených různě časové nebo prostorově (např. index vývoje počtu obyvatel v roce 1961 a 1991) (J. Vystoupil, Z. Tarabová, 2004) Další dělení demografických ukazatelů Demografické ukazatele lze podle Kalibové (2001) dělit i dle dalších kritérií. Rozlišujeme například: o ukazatele celkové (obecné), které se týkají celé populace a ukazatele specifické (diferenční), týkající se pouze části populace, o ukazatele celostátní, světové, apod. z hlediska území, za které jsou vypočteny, 13

14 o ukazatele okamžikové (vypočtené k určitému okamžiku, např. datu sčítání lidu) a intervalové (např. střední stav obyvatel), z hlediska času, o ukazatele stejnorodé a různorodé, z hlediska věcného obsahu, o ukazatele předběžné, revidované, zpřesněné a definitivní, z hlediska statistické připravenosti Analýza demografické struktury obyvatelstva Podle Roubíčka (1997) se zkoumání demografické struktury obyvatelstva opírá o třídění podle věku a pohlaví. Toto, v podstatě biologické třídění, je jedním z nejdůležitějších a pro demografii nejzákladnějších a nejcharakterističtějších třídění. Struktura obyvatelstva podle věku a pohlaví je totiž výsledkem demografických procesů probíhajících v populaci po řadu uplynulých desetiletí. Současně značně předurčuje populační vývoj budoucích desetiletí, a to z důvodu, že všechny základní demografické procesy jsou svým rozměrem, intenzitou a strukturou závislé na struktuře obyvatelstva podle věku a pohlaví Struktura obyvatelstva podle pohlaví Dle Kalibové (2001) lze strukturu obyvatelstva podle pohlaví hodnotit ukazatelem maskulinity (uma), který udává podíl mužů (P m ) v populaci (P), vyjádřený obvykle v procentech. uma = P m / P * 100 Z dalších ukazatelů se používá index maskulinity (ima), což je poměr počtu mužů (P m ) v populaci (P), vyjádřený obvykle na 100 žen. Obdobně lze konstruovat i ukazatel feminity a index feminity. ima = P m / P ž *

15 Kalibová (2001) dále uvádí, že zastoupení mužů a žen v populaci se v průběhu života mění a závisí na třech typech rozdílných procesů. Prvním je biologická zákonitost, za kterou je považována skutečnost, že se rodí více chlapců než děvčat a tento poměr je stálý. Index maskulinity při narození dosahuje prakticky ve všech zemích s poměrně spolehlivou evidencí narozených hodnot v rozmezí , nejčastěji však Druhým procesem je diferenční úmrtnost mužů a žen. V demograficky vyspělých zemích je prakticky ve všech věkových skupinách vyšší úmrtnost mužů než žen, což se výsledně projevuje v rozdílné naději na dožití u obou pohlaví. Ženy se obvykle dožívají vyššího věku a poměr mužů a žen se s přibývajícím věkem mění ve prospěch žen. Třetím procesem, který ovlivňuje zastoupení mužů a žen v populaci je migrace (nejčastěji pracovní migrace). Jako příklad lze uvést Spojené arabské emiráty se silnou mužskou imigrací, kde index maskulinity dosahuje hodnot přes Struktura obyvatelstva podle věku Strukturu podle věku vyjadřujeme rozdělením absolutního počtu mužů, resp. žen do jednoletých nebo víceletých skupin. Pro grafické znázornění se používá dvojitého histogramu, kde osa věku histogramu pro muže je postavena proti ose věku histogramu ženy. Takovému grafickému uspořádání věkové struktury se nazývá věková pyramida (J. Vystoupil, Z. Tarabová, 2004). Podle schopnosti reprodukce můžeme populaci rozdělit do tří základních skupin neboli generací (F. Koschin, 2005): o předprodukční (dětská) letí - I. biologická generace, o reprodukční (rodičovská) letí - II. biologická generace, o poreprodukční (prarodičovská) - 50 a víceletí - III. biologická generace. Reprodukční složka tvoří zhruba polovinu z celkového stavu jednotlivých populací. Podle zastoupení dětské a poreprodukční složky v populaci rozlišujeme tři typy věkových struktur (K. Kalibová, 2001): o progresivní typ: dětská složka v populaci výrazně převyšuje složku poreprodukční. U této populace pozorujeme vysokou úroveň plodnosti, současně však také značnou intenzitu úmrtnosti. Každé zlepšení úmrtnostních poměrů 15

16 vede k početnímu růstu populace. Tento typ věkové struktury je typický v rozvojových zemích. Graficky se znázorňuje pomocí pyramidy se širokou základnou (vysoká úroveň plodnosti), strany pyramidy jsou konkávní a vrchol špičatý (slabé zastoupení starých osob v důsledku vysoké míry úmrtnosti), o stacionární typ: dětská a poreprodukční složka jsou u tohoto typu téměř v rovnováze. Tento typ vzniká při déletrvajícím poklesu hladiny plodnosti až na roveň, kdy je pouze nahrazováno obyvatelstvo v reprodukčním věku (při dané úrovni úmrtnosti). Početní stav populace zůstává v dlouhodobém pohledu konstantní, o regresivní typ: u tohoto populačního typu dětská složka nedosahuje zastoupení složky poreprodukční, početně ji nenahrazuje a v dlouhodobém pohledu dochází ke snižování početního stavu populace. Věková pyramida má úzkou základnu (z důvodu slabé porodnosti), strany pyramidy jsou konvexní a vrchol pyramidy je širší, vzhledem k vysokému zastoupení starých osob v populaci. 2.6 Demografické procesy Mezi základní demografické procesy řadíme úmrtnost, porodnost, plodnost, potratovost, sňatečnost a rozvodovost Úmrtnost Úmrtí je první událostí, o kterou se demografie začala zajímat, jako o hromadný jev, jako o proces vymírání určité populace neboli její úmrtnost (J. Vystoupil, Z. Tarabová, 2004). Úmrtnost je jedním ze základních demografických procesů, spolu s porodností představuje klíčovou složku demografické reprodukce populací. Společně s nemocností je úmrtnost jedním z hlavních ukazatelů vypovídajících o zdravotním stavu populace. Vymezujeme 3 hlavní skupiny faktorů, které ovlivňují zdravotní stav, nemocnost a úmrtnost: o genetické faktory - vrozené vady, zděděné dispozice (např. vyšší úmrtnost mužů), o ekologické faktory - např. klimatické podmínky, životní prostředí, 16

17 o socioekonomické faktory - např. životní úroveň, úroveň vzdělání, postoj ke zdraví, výživa, fyzická aktivita, úroveň zdravotní péče, ekonomická situace (R. Klufová, Z. Poláková, 2010). Ukazatele úmrtnosti Dle Kalibové (2001) je nejjednodušším ukazatelem hrubá míra úmrtnosti (hmú). Jedná se o poměr celkového počtu zemřelých (D) ke střednímu stavu obyvatel (P) ve sledovaném roce. Pro přesnější vyjádření intenzity úmrtnosti se používají míry úmrtnosti podle věku (ú x ). Obvykle jsou počítány odděleně pro muže a ženy, vzhledem k odlišné intenzitě mužské a ženské úmrtnosti. Míra úmrtnosti ve věku x udává počet zemřelých ve věku x (D x ) z 1000 žijících ve věku x (P x ). Kojenecká a novorozenecká úmrtnost Podle Roubíčka (1997) se kojeneckou úmrtností rozumí úmrtnost dětí ve věku do 1 roku. Novorozeneckou úmrtností se rozumí úmrtnost během novorozeneckého období, tedy v době od narození do 27 dnů života. Výrazem ponovorozenecká úmrtnost se označuje úmrtnost dětí od hranice novorozeneckého stáří (tj. od 28 dnů) do stáří 1 roku. Novorozeneckou úmrtnost lze dělit na úmrtnost poporodní (do 3 dnů) a úmrtnost časnou (do 7 dnů). Roubíček (1997) dále uvádí, že míra kojenecké úmrtnosti se vypočítá jako poměr mezi počtem úmrtí kojenců a počtem živě narozených Porodnost a plodnost Termín porodnost označuje proces, který souvisí s populačním růstem. Jde o proces, který se podílí na celkové změně počtu obyvatelstva. Mírou obecné porodnosti rozumíme poměr počtu živě narozených ke střednímu stavu obyvatelstva (V. Roubíček, 1997). Úroveň porodnosti závisí především na plodivosti neboli fekunditě, což je schopnost muže a ženy rodit děti. Její výsledný efekt, vyjádřený počtem narozených dětí 17

18 se označuje jako plodnost neboli fertilita. Počet dětí, který se určitému páru narodí, závisí nejen na jeho plodivosti, ale i na jeho reprodukčním chování. Příkladem takového chování může být plánované rodičovství, kdy pár reguluje počet narozených dětí a intervaly mezi jednotlivými porody pomoci antikoncepčních metod (K. Kalibová, 2001). Podle Vystoupila a Tarabové (2004) lze analýzu procesu porodnosti začít již početím, kterým začíná těhotenství. To pak končí porodem, a to jednočetným či vícečetným. Podle délky těhotenství rozlišujeme porody včasné a předčasné (délka těhotenství v rozmezí 28 a 38 týdnů menstruačního věku). Podle projevu, resp. neexistence známek života se dělí narozené děti na živě a mrtvě narozené. Ukazatele porodnosti Nejjednodušším ukazatelem porodnosti je hrubá míra porodnosti, definovaná jako poměr počtu živě narozených dětí a středního stavu obyvatelstva. Vyjadřuje se v promilích. Tento ukazatel zpřesňujeme tím, že se živě narozené děti vztáhnou pouze k osobám, resp. ženám v reprodukčním věku, čímž dostaneme tzv. míry plodivosti. V praxi se používá obecná míra plodnosti, definovaná jako poměr živě narozených dětí na 1000 žen v reprodukčním věku (15-49 let) ve sledovaném roce (K. Kalibová, 2001) Potratovost Dle Klufové a Polákové (2010) se potratem rozumí: 1. ukončení těhotenství ženy, při němž: a. plod neprojevuje ani jednu ze známek života a jeho porodní hmotnost je nižší než g, a pokud ji nelze zjistit, jestliže je těhotenství kratší než 28 týdnů, b. plod projevuje alespoň jednu ze známek života a má porodní hmotnost nižší než 500 g, ale nepřežije 24 hodin po porodu, c. z dělohy ženy bylo vyňato plodové vejce bez plodu anebo těhotenská sliznice; 2. ukončení mimoděložního těhotenství anebo umělé přerušení těhotenství provedené podle zvláštních předpisů. 18

19 Koschin (2005) uvádí, že naše demografická statistika rozlišuje tři typy potratů. Samovolný (spontánní), umělé přerušení těhotenství (interrupce) a ostatní (v podstatě kriminální případy, ale zahrnuje se sem i ukončení mimoděložního těhotenství). Umělá přerušení těhotenství se dále dělí na přerušení těhotenství kratších než 8 týdnů a po ukončení 8 týdnů těhotenství. Ukazatele potratovosti Nejjednodušším ukazatelem je hrubá míra potratovosti, definovaná jako počet všech potratů na 1000 obyvatel středního stavu. Hodnoty tohoto ukazatele mají pouze orientační charakter. Při hlubším studiu potratovosti vztahujeme potraty pouze k ženám v reprodukčním věku. Obecná míra potratovosti tedy udává počet potratů na 1000 žen v reprodukčním věku (15-49 let) (K. Kalibová, 2001) Sňatečnost Demografie se zabývá studiem rodin monogamních, jejichž základem je jeden pár dvou jedinců různého pohlaví. Sňatečností se rozumí proces formování, tj. uzavírání sňatků na základě zákonem daných podmínek. Limitujícími faktory při uzavírání sňatku jsou rodinný stav, věk (minimální sňatkový věk) a určitý stupeň pokrevnosti. Sňatek mohou uzavírat pouze osoby svobodné, rozvedené či ovdovělé. Tyto osoby tvoří tzv. sňatkuschopné obyvatelstvo. Minimální sňatkový věk je v České republice 18 let. Většina manželských zákonodárství nepovoluje tzv. příbuzenské sňatky, a to až do určitého stupně pokrevnosti. Sňatek je chápán jako demografická událost opakovatelného charakteru, která však nemusí nastat u všech příslušníků zkoumané populace (na rozdíl od narození a úmrtí). Neobnovitelnou událostí je pouze první sňatek (K. Kalibová, 2001). 19

20 Ukazatel sňatečnosti Nejjednodušším ukazatelem intenzity sňatečnosti je hrubá míra sňatečnosti, která udává počet sňatků na 1000 obyvatel středního stavu v ročním vymezení (K. Kalibová, 2001) Rozvodovost Podle Vystoupila a Tarabové (2004) může dojít k rozpadu manželství buď rozvodem (právní zrušení manželství) nebo úmrtím jednoho či obou partnerů. Rozvod představuje zákonný způsob zániku monogamního manželství. Úroveň rozvodovosti je závislá na celé řadě společenských a sociálních faktorů (tradice, náboženství, hodnotová orientace), na úrovni sňatečnosti, populační politice a na existující rozvodové legislativě (K. Kalibová, 2001). Ukazatele rozvodovosti Nejjednodušším ukazatelem je hrubá míra rozvodovosti, definovaná jako podíl rozvodu na 1000 obyvatel středního stavu za rok. Dalším ukazatelem je index rozvodovosti, kde dáváme do poměru počet rozvodů a počet sňatků v daném roce. Jiným ukazatelem je míra rozvodovosti manželství, tedy podíl ročního počtu rozvodů k počtu existujících manželství (J. Vystoupil, Z. Tarabová, 2004). 20

21 3. METODIKA PRÁCE Následující kapitola má za úkol objasnit, jaké metody výpočtů využíváme v demografii pro modelování časových řad a výpočet trendů. 3.1 Časové řady Časovou řadou rozumíme posloupnost věcně a prostorově srovnatelných pozorování (dat), která jsou uspořádána z hlediska času ve směru minulost - přítomnost. Analýzou časových řad rozumíme soubor metod, které slouží k popisu těchto řad a případně i k předvídání jejich budoucího chování. (R. Hindls, S. Hronová, J. Seger, J. Fischer, 2007). Hindls et al. (2007) rozlišuje základní druhy časových řad ekonomických ukazatelů: a) podle rozhodného časového hlediska na časové řady: o intervalové - těmi se rozumí řada intervalového ukazatele, jehož velikost závisí na délce intervalu, za který je sledován. U těchto intervalových ukazatelů je možné tvořit součty. Aby byla zajištěna srovnatelnost, jsou přepočítávána všechna období na jednotkový časový interval. Tento proces nazýváme očišťováním časových řad od důsledků kalendářních variací, nebo také kalendářním očišťováním. Údaje, očištěné na kalendářní dny, dostaneme pomocí výpočtu k t průměrný počet kalendářních v dílčím období roku y t hodnota očišťovaného ukazatele v příslušném dílčím období roku k t počet kalendářních dní v příslušném dílčím období roku 21

22 o okamžikové - jsou sestavovány z ukazatelů, které se vztahují k určitému okamžiku (nejčastěji dni). V tomto případě údaje nesčítáme, ale využíváme chronologický průměr k jejich srovnávání. V případě, že bude délka mezi jednotlivými časovými okamžiky stejná, bude prostý chronologický průměr vypadat následovně b) podle periodicity, s jakou jsou údaje v řadách sledovány: o časové řady roční / dlouhodobé - je-li periodicita roční nebo ještě delší (např. časová řada ročních hodnot HDP), o časové řady krátkodobé - je-li periodicita kratší než jeden rok, údaje jsou zaznamenávány ve čtvrtletních, měsíčních, týdenních či jiných periodách (např. index spotřebitelských cen monitorující každý měsíc vývoj inflace v zemi), c) podle druhu sledovaných ukazatelů: o časové řady primárních (prvotních) ukazatelů - zjišťují se přímo, nejsou odvozené. Můžeme u nich jednoznačně určit typ charakteristiky, statistické jednotky i statistického znaku, o časové řady sekundárních (odvozených) ukazatelů - vznikají třemi způsoby: jako funkce primárních ukazatelů, jako funkce různých hodnot téhož primárního ukazatele a nebo jako funkce dvou nebo více primárních ukazatelů, d) podle způsobu vyjádření údajů: o časové řady naturálních ukazatelů (hodnoty jsou vyjadřovány v naturálních jednotkách), o časové řady peněžních ukazatelů. 22

23 3.1.1 Srovnatelnost údajů Dříve než budeme moci použít odpovídající statistické metody k analýze a popřípadě i k prognóze údajů v časové řadě, musíme se přesvědčit o tom, zda jsou jednotlivé údaje skutečně srovnatelné, a to ze tří hledisek - věcného, prostorového a časového (Hindls et al., 2007). o věcná srovnatelnost - je potřeba dbát na to, že přestože se dva ukazatele jmenují stejně, nemusí být stejně obsahově vymezené, o prostorová srovnatelnost - používáme údaje, vztahující se ke stejným geografickým územím, o časová srovnatelnost - je problémem zejména u intervalových ukazatelů časových řad, jejichž velikost závisí na délce intervalu Modelování časových řad Tradičním prvotním principem modelování časových řad je jednorozměrný model kde yt je hodnota modelovaného ukazatele v čase t, t = 1, 2, n, εt je hodnota náhodné složky v čase t. K modelu tohoto typu se přistupuje následujícím způsobem (R. Hindls et al., 2007): a) pomocí klasického (formálního) modelu - jedná se o popis forem pohybu. Tento model vychází z rozkladu řady na čtyři složky časového pohybu. Časovou řadu lze tedy rozdělit na složku trendovou T t, sezónní S t, cyklickou C t a náhodnou ε t, přičemž vlastní tvar rozkladu může být dvojího typu: o aditivní - v praxi se používá častěji kde Yt se často označuje jako teoretická složka ve tvaru Tt + St + Ct 23

24 o multiplikativní Trendem rozumíme hlavní tendence dlouhodobého vývoje hodnot analyzovaného ukazatele v čase. Trend může být rostoucí, klesající nebo konstantní, kdy hodnoty ukazatele dané časové řady mohou v průběhu sledovaného období kolísat kolem určité, v podstatě neměnné úrovně. Sezónní složka je pravidelně se opakující odchylka od trendové složky, která se vyskytuje s periodicitou kratší než jeden rok nebo rovnou jednomu roku. K sezónnímu kolísání dochází z důvodu přímého působení sluneční soustavy na Zemi, tj.vlivem změn jednotlivých ročních období, dále vlivem různé délky měsíčního nebo pracovního cyklu nebo také vlivem různých společenských zvyklostí. Cyklickou složkou se rozumí kolísání okolo trendu v důsledku dlouhodobého cyklického vývoje s délkou vlny delší než jeden rok. Někdy nebývá cyklická složka považována za samostatnou složku časové řady, ale je zahrnována pod trendovou složku jako její část (R. Hindls et al., 2007). Hindls et al. (2007) dále uvádí, že vedle jednorozměrných modelů existují i modely vícerozměrné, založené na předpokladu, že vývoj analyzovaného ukazatele je ovlivňován nejen faktorem času, ale i dalšími ukazateli, které nazýváme příčinné nebo faktorové. Takový model lze zapsat následovně: kde x 1, x 2,,x p jsou ukazatele ovlivňující analyzovaný ukazatel y. 3.2 Popis trendové složky Popis tendence vývoje analyzované řady je jedním u nejdůležitějších úkolů analýzy časových řad. Mezi nejvýznamnější trendové funkce patří lineární trend, parabolický trend, exponenciální trend, modifikovaný exponenciální trend, logistický trend a Gompertzova křivka (R. Hindls et al., 2007). 24

25 3.2.1 Lineární trend Lineární trend je nejčastěji využívaným typem trendové funkce. Můžeme jej použít vždy, když chceme alespoň orientačně určit základní směr vývoje analyzované časové řady. Pro vyjádření lineárního trendu neboli trendové přímky použijeme kde β 0 a β 1 jsou neznámé parametry a t = 1, 2, n je časová proměnná. K odhadu parametrů β 0 a β 1 (označíme je symboly b 0 a b 1 ) použijeme metodu nejmenších čtverců. Znamená to vyřešit dvě normální rovnice kde symbolem Σ se vždy rozumí součet přes t od 1 do n. Řešením soustavy těchto rovnic jsou odhady parametrů (R. Hindls et al., 2007): Parabolický trend Parabolický trend vyjádříme podle Hindlse et al. (2007) jako kde β 0, β 1 a β 2 jsou neznámé parametry a t = 1, 2,, n je časová proměnná. Jedná se o velmi často používaný typ trendové funkce. Jelikož i tato trendová funkce je lineární z hlediska parametrů, použijeme k odhadu parametrů metodu nejmenších čtverců. Výsledkem je řešení soustavy tří normálních rovnic ve tvaru 25

26 Za podmínky Σt k = 0, k = 1, 3, 5, nalezneme z druhé rovnice odhad parametru β1 ve tvaru Zbývající parametry získáme řešením normálních rovnic odkud Exponenciální trend Exponenciální trend zapisujeme ve tvaru kde β 0 a β 1 jsou neznámé parametry tohoto trendu a t = 1, 2,, n je časová proměnná. Jelikož funkce není z hlediska parametrů lineární, nelze k odhadu parametrů použít metodu nejmenších čtverců přímo. K počátečnímu odhadu parametrů se nejčastěji používá metoda linearizující transformace. U ní provedeme logaritmickou transformaci a dostaneme Pokud vyjdeme z tohoto tvaru, můžeme nyní použít k odhadu parametrů metodu nejmenších čtverců 26

27 Známým způsobem sestavíme dvě normální rovnice Řešením této soustavy rovnic získáme odhady parametrů b 0 a b 1. Postup si zjednodušíme, zvolíme-li časovou proměnnou t, která splňuje podmínku Σt k = 0, k = 1, 3, 5,. Tak získáme řešení (R. Hindls et al., 2007): Modifikovaný exponenciální trend Modifikovaný trend vypadá následovně Odhad parametrů této funkce se díky absolutnímu členu parametru posunutí značně komplikuje a nelze u něj přímo použít metodu nejmenších čtverců. K odhadu tedy použijeme některé jiné metody, např. metodu částečných součtů. Zvolíme počáteční bod t a tři na sebe navazující disjunktní součty o délce m. Tyto tři částečné součty vytvoříme podle předpisu 27

28 Následně tyto tři empirické součty položíme rovny jejich teoretickým protějškům: Vzhledem k tomu, že z věty o součtu geometrické řady platí: lze soustavu přepsat do soustavy tří rovnic a třech neznámých: Řešením těchto rovnic dostaneme pro jednotlivé odhady parametrů řešení (R. Hindls et al., 2007): 28

29 3.2.5 Logistický trend Logistický trend patří mezi trendové funkce s kladnou horní asymptotou a jedním inflexním bodem. Podle typického průběhu se této skupině křivek říká S-křivky. Na rozdíl od předchozích typů trendových funkcí, které jsou v podstatě definované jednoznačně, je logistická funkce vyjadřována v různých tvarech. Mezi nejčastější patří: Při odhadu parametrů logistické trendové funkce budeme vycházet z posledního uváděného tvaru, v němž β0 > 0, β1 > 0, a použijeme u něj metodu částečných součtů. Zde provedeme nejprve transformaci: Položíme-li ξ = ξ *, β 0 = β 0 * a β 1 = β 1 *, dostaneme: což je v podstatě rovnice modifikovaného exponenciálního trendu (R. Hindls et al., 2007). 29

30 3.2.6 Gompertzova křivka Gompertzova křivka patří také do skupiny S-křivek a stejně jako logistický trend vzniká transformací modifikovaného exponenciálního trendu, avšak s tím rozdílem, že je asymetrická. Většina jejích hodnot leží až za inflexním bodem, tedy bodem, kde konvexní průběh křivky přechází v konkávní. Gompertzova křivka má tvar: Základem techniky odhadu parametrů je linearizující logaritmická transformace typu: Na jejím základě můžeme použít metodu částečných součtů k odhadům parametrů (R. Hindls et al., 2007). 30

31 4. VÝSLEDKY PRÁCE 4.1 Vývoj struktura obyvatelstva Na základě zjištěných demografických údajů všech 44 obcí jsem provedla součty a vytvořila potřebné grafy Počet obyvatel k Graf č. 1: Vývoj počtu obyvatel v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Graf č. 1 nám poskytuje názorný přehled vývoje počtu obyvatel v DSO Tišnovsko ve sledovaném období. Je zde jasně patrná tendence růstu počtu obyvatel. V roce 2001 žilo v regionu Tišnovsko lidí, na konci roku 2011 zde žilo lidí, celkem se tedy počet obyvatel zvýšil o lidí. Největší nárůst můžeme sledovat v roce 2008, kdy se region Tišnovsko rozrostl o 387 obyvatel. 31

32 počet mužů počet žen Graf č. 2: Vývoj počtu mužů a žen v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). rok podíl mužů podíl žen celkem Tabulka č. 1: Zastoupení mužů a žen v populaci DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). V grafu č. 2 a následně i v tabulce č. 1 můžeme porovnat počty mužů a žen v regionu. Z grafu je patrné, že ve všech sledovaných letech počet zástupců ženského pohlaví převyšuje nad mužským. Je to dáno vyšší pravděpodobností úmrtí mužů a současně vyšší pravděpodobností dožití žen. Nicméně je nutno konstatovat, že rozdíl mezi pohlavími se rok od roku snižuje. To je způsobeno všeobecným faktem, že se rodí více chlapců. Při zvyšování porodnosti tedy dochází k vyššímu přírůstku osob mužského pohlaví. 32

33 střední stav obyvatelstva Graf č. 3: Vývoj středního stav obyvatelstva v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Graf č. 3 znázorňuje vývoj středního stavu obyvatelstva v Dobrovolném svazku obcí Tišnovsko v letech 2001 až Opět zde názorně vidíme, že za celé období docházelo v regionu k růstu středního stavu obyvatelstva střední stav obyvatelstva vývoj středního stavu obyvatelstva Graf č. 4: Predikce vývoje středního stavu obyvatelstva DSO Tišnovsko do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Časová řada vývoje středního stavu obyvatelstva DSO Tišnovsko byla vyrovnána polynomem druhého stupně, což znázorňuje graf č. 4. Regresní rovnice má tvar y = 19,981 x 2-48,574 x , index korelace nabývá hodnoty 0,9931. Pokud by nedošlo ke změně trendu, zvýšil by se střední stav obyvatelstva regionu do roku 2013 na obyvatel. 33

34 rok počet obyv počet obyv počet obyv Tabulka č. 2: Věkové složení obyvatelstva DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování) Graf č.5: Věková struktura obyvatelstva DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Tabulka č. 2 a graf č. 5 nám poskytují přehled o věkovém složení obyvatelstva regionu Tišnovsko. Největší složku obyvatelstva tvoří produktivní věková skupina, let. Zajímavé je ovšem srovnat předproduktivní a postproduktivní část obyvatelstva. Na začátku sledovaného období pozorujeme vyšší počet obyvatel v nejmladší věkové skupině 0-14, ovšem na konci sledovaného období už početně převažuje skupina 65+, u které během sledované dekády došlo k nárůstu počtu obyvatel o téměř 26 %. Zatímco dětí přibylo pouze 2,5 %. To by mohlo být známkou stárnutí obyvatelstva, což nám potvrdí i následující tabulka. rok index stáří 93,73 94,78 96,91 99,50 103,39 106,05 107,92 111,14 113,71 116,29 115,09 Tabulka č.3: Vývoj indexu stáří v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 34

35 Index stáří určuje počet občanů starších 65ti let na 100 občanů mladších 14 let. V roce 2001 tento index nabýval hodnoty 93,73, v regionu bylo tedy více dětí než seniorů. Tato skutečnost se změnila již v roce 2005, kdy index stáří poprvé přesáhl hodnotu 100. V roce 2011 došlo v regionu ke zvýšení indexu stáří na 115,06. V regionu tedy opravdu dochází ke stárnutí obyvatelstva, což by mohlo být ovlivněno faktem, že se na území regionu Tišnovsko nachází dva domovy pro seniory a pět domů s pečovatelskou službou. 130,00 120,00 110,00 100,00 90,00 80,00 70,00 60, index stáří vývoj indexu stáří Graf č.6: Vývoj indexu stáří v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Časová řada vývoje indexu stáří má lineární rostoucí trend. Regresní rovnice má tvar y = 2,4642 x + 90,5360. Hodnoty parametrů jsou tedy: b 0 = 90,5360, b 1 = 2,4642. Koeficient korelace nabývá hodnoty 0,9806. Pokud by nedošlo ke změně trendu, v roce 2013 by index stáří dosáhl hodnoty 122,57. rok podíl mužů v % 48,93 48,87 48,96 49,11 49,10 49,05 49,06 49,13 49,15 49,09 49,18 podíl žen v % 51,07 51,13 51,04 50,89 50,90 50,95 50,94 50,87 50,85 50,91 50,82 index maskulinity 95,80 95,59 95,94 96,49 96,45 96,27 96,30 96,59 96,66 96,43 96,76 index feminity 104,4 104,6 104,2 103,6 103,7 103,9 103,8 103,5 103,5 103,7 103,4 Tabulka č.4: Vývoj indexu maskulinity a feminity v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Tabulka č. 4 nám potvrzuje to, co jsme zjistili již dříve, a to, že podíl žen v populaci převažuje nad podílem mužů. Zde můžeme porovnat i index maskulinity a feminity. 35

36 Zákonitě zde platí, že s růstem indexu maskulinity, dochází současně k poklesu indexu feminity. Dalším důvodem růstu indexu maskulinity by mohla být zvýšená migrace mužů do regionu za zaměstnáním. Z největších zaměstnavatelů v regionu lze uvést Siemens EM s. r. o. v Drásově a Steinhauser s. r. o. v Tišnově. 97,50 97,00 96,50 96,00 95,50 95,00 94, index maskulinity vývoj indexu maskulinity Graf č.7: Vývoj indexu maskulinity v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Z grafu č. 7 je patrné, že časová řada vývoje hodnoty indexu maskulinity vykazuje lineární rostoucí trend. Regresní rovnice má tvar y = 0,0945 x + 95,7310. Hodnoty parametrů funkce jsou b 0 = 95,7310, b 1 = 0,0945. Koeficient korelace má hodnotu 0,7064. V případě, že nedojde ke změně trendu, zvýší se index maskulinity v roce 2013 na 96, ,00 104,50 104,00 103,50 103,00 102,50 102, index feminity vývoj indexu feminity Graf č.8:vývoj indexu feminity v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). 36

37 Časová řada vývoje indexu feminity vykazuje na rozdíl od předchozí časové řady lineární klesající trend. Regresní rovnice vypadá následovně: y = -0,1021 x + 104,46, hodnoty parametrů jsou tedy b 0 = 104,46 a b 1 = -0,1021. Koeficient korelace se rovná 0,7056. Pokud nedojde ke změně trendu, klesne index feminity v roce 2013 na 103, ,00 104,00 102,00 100,00 98,00 96,00 94,00 92, index maskulinity index feminity Graf č.9: Srovnání vývoje indexu maskulinity a feminity v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). V grafu č. 9 je názorně zobrazeno postupné přibližování indexu maskulinity a feminity v regionu. Tento fakt není způsoben úbytkem žen v regionu, ale jak již bylo řečeno výše, vyšším přírůstkem mužů. 37

38 4.2 Dynamika obyvatelstva Vývoj porodnosti Hrubou míru porodnosti získáme, pokud dáme do poměru počet živě narozených dětí a střední stav obyvatelstva v daném roce. rok počet narozených hrubá míra porodnosti 8,64 10,03 9,01 8,90 9,64 9,77 10,91 11,73 11,01 11,08 12,14 Tabulka č.5: Vývoj hrubé míry porodnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 13,00 12,00 11,00 10,00 9,00 8,00 7,00 6, vývoj porodnosti Graf č.10: Vývoj hrubé míry porodnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Tabulka č. 5 a následně i graf č. 10 nám poskytují přehled o vývoji porodnosti v regionu Tišnovsko. Největší nárůst zaznamenáváme v letech 2007 a 2008, kdy v celé České republice došlo k tzv. babyboomu, o který se postaraly Husákovy děti, tedy lidé narození v silné populační vlně 70. let. V celkovém měřítku porodnost v regionu stoupá, na začátku sledovaného období se zde narodilo téměř 9 dětí na 1000 obyvatel, v roce 2011 to bylo 12 dětí na 1000 obyvatel. 38

39 14,00 13,00 12,00 11,00 10,00 9,00 8,00 7,00 6, hrubá míra porodnosti vývoj hrubé míry porodnosti Graf č.11: Vývoj hrubé míry porodnosti v v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Vývoj hrubé míry porodnosti má rostoucí lineární trend, znázorněný v grafu č. 11. Regresní rovnice nabývá tvaru y = 0,31470 x + 8,3710, hodnoty parametrů jsou b 0 = 8,3710 a b 1 = 0,3147. Koeficient korelace se rovná 0,7760. Při zachování současného trendu vývoje hodnot se hrubá míra porodnosti v roce 2013 zvýší na 12, Vývoj úmrtnosti Podělíme-li počet zemřelých a střední stav obyvatelstva v daném roce, získáme hrubou míru úmrtnosti. rok počet zemřelých hrubá míra úmrtnosti 10,74 11,20 12,76 10,63 11,44 11,56 10,95 9,51 9,70 9,10 9,85 Tabulka č.6: Vývoj hrubé míry úmrtnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 39

40 14,00 13,00 12,00 11,00 10,00 9,00 8,00 7,00 6, vývoj úmrtnosti Graf č.12: Vývoj hrubé míry úmrtnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Tabulka č. 6 a graf č. 12 nám poskytují přehled o vývoji hrubé míry úmrtnosti v DSO Tišnovsko. Křivka má převážně kolísající trend, nicméně od roku 2007 sledujeme snižování úmrtnosti. Největší úmrtnost můžeme zaznamenat v roce 2003, kdy v regionu zemřelo téměř 13 osob na 1000 obyvatel. Existuje několik příčin, stojící za poklesem úmrtnosti. Mezi nejdůležitější bych určitě zařadila zvyšující se úroveň zdravotnické péče. Díky pokrokům a vývoji v oblasti medicíny a léčiv dochází k prodlužování života obyvatel. Dalším pozitivním trendem přispívajícím ke snižování úmrtnosti patří zlepšování životního stylu obyvatel. Lidé více dbají na zdravou stravu a dostatečný pohyb. 14,00 13,00 12,00 11,00 10,00 9,00 8,00 7,00 6, hrubá míra úmrtnosti vývoj hrubé míry úmrtnosti Graf č.13: Vývoj hrubé míry úmrtnosti v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). 40

41 Graf č. 13 znázorňuje klesající lineární trend vývoje hrubé míry úmrtnosti. Regresní rovnice má tvar y = -0,2255 x + 12,0280, koeficient korelace má hodnotu 0,4838. Při stávajícím charakteru by se hrubá míra úmrtnosti měla do roku 2013 snížit na 9, Vývoj sňatečnosti Hrubou míru sňatečnosti spočítáme jako poměr počtu sňatků a středního stavu obyvatelstva v daném roce. rok počet sňatků hrubá míra sňatečnosti 5,07 5,13 4,31 4,61 5,08 4,98 5,45 4,32 4,66 4,57 4,06 Tabulka č.7: Vývoj hrubé míry sňatečnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 6,00 5,50 5,00 4,50 4,00 3,50 3, vývoj sňatečnosti Graf č.14: Vývoj hrubé míry sňatečnosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Vývoj hrubé míry sňatečnosti v grafu č. 14 můžeme označit za kolísající, ovšem v posledních 4 letech sledovaného období pozorujeme pokles. Nejvíce sňatků, a to 138, bylo uzavřeno v roce 2007, což by se opět dalo spojit se zvýšenou intenzitou zakládáním rodin Husákových dětí. V roce 2011 v regionu připadly na 1000 obyvatel středního stavu pouze 4 sňatky. 41

42 6,00 5,50 5,00 4,50 4,00 3,50 3, hrubá míra sňatečnosti vývoj hrubé míry sňatečnosti Graf č.15: Vývoj hrubé míry sňatečnosti v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Vývoj hodnot hrubé míry sňatečnosti má ve sledovaném období klesající lineární trend. Tvar regresní rovnice je y = -0,0587 x + 5,1021, parametry nabývají hodnot b 0 = 5,1021 a b 1 = -0,0587. Koeficient korelace nabývá hodnoty 0,2081. V roce 2013 by se při stávajícím charakteru trendu měla hrubá míra sňatečnosti snížit na 4, Vývoj rozvodovosti Hrubou míru rozvodovosti získáme pomocí poměru počtu rozvodů a počtu obyvatelstva středního stavu daného roku. rok počet rozvodů hrubá míra rozvodovosti 2,23 2,26 2,33 2,21 2,28 2,27 2,13 2,84 2,23 2,25 2,44 Tabulka č.8: Vývoj hrubé míry rozvodovosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 3,00 2,50 2,00 1,50 1, vývoj rozvodovosti Graf č 16:. Vývoj hrubé míry rozvodovosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 42

43 Vývoj hrubé míry rozvodovosti můžeme dle tabulky č. 8 a grafu č. 16 označit za téměř stabilní, s mírným výkyvem v roce 2008, kdy na 1000 obyvatel středního stavu připadly téměř 3 rozvody, v ostatních sledovaných letech to byly rozvody 2. Příčinou zvýšené rozvodovosti mohly být dopady ekonomické krize společnosti. 3 2,5 2 1, hrubá míra rozvodovosti vývoj hrubé míry rozvodovosti Graf č.17: Vývoj hrubé míry rozvodovosti v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Časová řada hrubé míry rozvodovost má mírně rostoucí lineární trend. Regresní rovnice má tvar y = 0,0165 x + 2,2162, hodnoty parametrů jsou tedy b 0 = 2,2162 a b 1 = 0,0165. Koeficient korelace se rovná 0,0833. V roce 2013 se hrubá míra rozvodovosti při stávajícím trendu zvýší na 2,43. 43

44 4.2.5 Vývoj potratovosti Pro získání hrubé míry potratovosti dáváme do poměru počet potratů a střední stav obyvatelstva v daném roce. rok počet potratů hrubá míra potratovosti 2,59 2,10 2,66 2,57 3,16 2,83 3,20 3,00 2,42 2,63 2,44 Tabulka č.9: Vývoj hrubé míry potratovosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). 3,50 3,00 2,50 2,00 1, vývoj potratovosti Graf č.18: Vývoj hrubé míry potratovosti v DSO Tišnovsko v letech (zdroj dat: ČSÚ, vlastní zpracování). Křivka vývoje hrubé míry potratovosti má kolísající tvar. K největšímu počtu potratů došlo v regionu v roce 2007, kdy hrubá míra potratovosti dosáhla hodnoty 3,2, v ostatních sledovaných letech nabývá hrubá míra potratovosti hodnoty nižší. Potratovost v České republice je celkově na velmi nízké úrovni, což je dáno především kvalitní lékařskou péčí. 44

45 3,50 3,00 2,50 2,00 1,50 1, hrubá míra potratovosti vývoj hrubé míry potratovosti Graf č.19: Vývoj hrubé míry potratovosti v DSO Tišnovsko v letech , s predikcí do roku 2013 (zdroj dat: ČSÚ, vlastní zpracování). Časová řada hrubé míry potratovosti má mírně stoupající lineární trend. Regresní rovnice má tvar y = 0,0141 x + 2,6064 s hodnotami parametrů b 0 = 2,6064 a b 1 = 0,0141. Koeficient korelace má hodnotu 0,0197. Za předpokladu, že nedojde ke změnám v probíhajícím trendu, dosáhne hrubá míra potratovosti v roce 2013 hodnoty 2,79. 45