Lokalne determinanty starzenia się populacji w Polsce

Grzegorz Kula; Piotr Tadeusz Wójcik

doi:10.18778/0208-6018.329.07

Authors

Grzegorz Kula Warsaw University, Faculty of Economic Sciences, Chair of Public Sector Economics
Piotr Tadeusz Wójcik Warsaw University, Faculty of Economic Sciences, Division of Quantitative Finance http://orcid.org/0000-0003-1853-8784

DOI:

https://doi.org/10.18778/0208-6018.329.07

Keywords:

population ageing, regional differentiation, migrations, spatial analysis

Abstract

Polish population is getting older and the consequences of this process are already affecting our everyday life. The purpose of this work is to identify factors (and direction of their influence) which will help to explain why some counties are ageing faster than others. Using a measure of spatial autocorrelation (Moran’s I) and spatial autoregressive model on panel data we analyze characteristics of Polish counties in the period 2003–2013. The dependent variable is the share of old people in the population of municipality (in the age of 70 and older). Results indicate strong spatial autocorrelation, which means that population ageing in particular county is strongly related to the speed of ageing in the neighboring counties. Many additional socio‑demographic characteristics of municipalities appear to be important in explaining the analyzed phenomenon, including transportation network (motorways and express ways) that link a particular county with other regions.

Downloads

Download data is not yet available.

References

Anselin L., Florax R., Rey S. (2004), Advances in Spatial Econometrics, Springer‑Verlag, Berlin.
Google Scholar

Anselin L., Le Gallo J., Jayet J. (2008), Spatial Panel Econometrics, [w:] L. Matyas, P. Sevestre (eds.), The Econometrics of Panel Data, Fundamentals and Recent Developments in Theory and Practice, 3rd ed., Kluwer, Dordrecht.
Google Scholar

Elhorst J.P. (2003), Specification and estimation of spatial panel data models, „International Regional Science Review”, no. 26(3), s. 244–268.
Google Scholar

Elhorst J.P. (2010), Spatial panel data models, [w:] M.M. Fischer, A. Getis (eds.), Handbook of applied spatial analysis, Springer, Berlin–Heidelberg–New York.
Google Scholar

Elhorst J.P. (2011), Spatial panel models, referat na seminarium w University of York, grudzieńhttps://www.york.ac.uk/media/economics/documents/seminars/2011–12/Elhorst_November2011.pdf.
Google Scholar

European Commission (2015), The 2015 Ageing Report, „European Economy”, no. 3, http://ec.europa.eu/economy_finance/publications/european_economy/2015/pdf/ee3_en.pdf [dostęp: 1.06.2017].
Google Scholar

Fihel A. (2015), Wpływ czasowych migracji zagranicznych na perspektywy demograficzne Polski, „Wiadomości Statystyczne”, nr 7, s. 74–89.
Google Scholar

GUS (2015), Rocznik demograficzny 2015, Warszawa.
Google Scholar

GUS (2016a), Produkt krajowy brutto – Rachunki regionalne w 2014 roku, Katowice.
Google Scholar

GUS (2016b), Informacja o rozmiarach i kierunkach czasowej emigracji z Polski w latach 2004– 2015, Warszawa.
Google Scholar

Kałuża‑Kopias D. (2014), Specyfikacja przemieszczeń wewnętrznych osób starszych w Polsce, „Studia Demograficzne”, nr 2(166), s. 97–120.
Google Scholar

Kołodziejczyk D. (2011), Ocena potencjału demograficznego w gminach, „Wiadomości Statystyczne”, nr 4, s. 23–30.
Google Scholar

Kopczewska K. (2006), Ekonometria i statystyka przestrzenna, CeDeWu, Warszawa.
Google Scholar

Kurek S. (2008), Typologia starzenia się ludności Polski w ujęciu przestrzennym, Wydawnictwo Naukowe Akademii Pedagogicznej, Kraków.
Google Scholar

Lesage J.P., Fischer M.M. (2008), Spatial Growth Regressions: Model Specification, Estimation and Interpretation, „Spatial Economic Analysis”, no. 3(3), s. 275–304.
Google Scholar

Matusik S., Pietrzak M.B., Wilk J. (2012), Ekonomiczno‑społeczne uwarunkowania migracji wewnętrznych w Polsce w świetle metody drzew klasyfikacyjnych, „Studia Demograficzne”, nr 2(162), s. 3–28.
Google Scholar

Millo G., Piras G. (2012), splm: Spatial Panel Data Models, „R. Journal of Statistical Software”, no. 47(1), s. 1–38, http://www.jstatsoft.org/v47/i01/ [dostęp: 1.06.2017].
Google Scholar

Okólski M. (2005), Demografia. Podstawowe pojęcia, procesy i teorie w encyklopedycznym zarysie, Wydawnictwo Naukowe Scholar, Warszawa.
Google Scholar

Olberek‑Żyła M. (2013), Zmiany demograficzne w aglomeracji Bielska‑Białej, „Wiadomości Statystyczne”, nr 11, s. 52–71.
Google Scholar

Podogrodzka M. (2012), Starzenie się ludności Warszawy, „Wiadomości Statystyczne”, nr 9, s. 68–83.
Google Scholar

Podogrodzka M. (2013), Demografia małych miast polski – wybrane zagadnienia, „Studia Ekonomiczne”, nr 144, s. 147–164.
Google Scholar

R Core Team (2016), R: A language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, https://www.R-project.org/ [dostęp: 1.06.2017].
Google Scholar

Suchecka J. (red.) (2014), Statystyka przestrzenna. Metody analizy struktur przestrzennych, Wydawnictwo C.H. Beck Sp. z o.o., Warszawa.
Google Scholar

Suchecki B. (red.) (2010), Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, Wydawnictwo C.H. Beck Sp. z o.o., Warszawa.
Google Scholar

Szukalski P. (2010), Starzenie się ludności Łodzi na tle największych polskich miast od początku XX wieku, „Acta Universitatis Lodziensis. Folia Sociologica”, nr 35, s. 103–125.
Google Scholar

Szukalski P. (2012), Wpływ kryzysów na zachowania demograficzne, „Wiadomości Statystyczne”, nr 4, s. 17–30.
Google Scholar

Wilk J. (2014), Application of Classification Trees in the Analysis of the Population Ageing Process, „Archives of Data Science (Online First), Kit Scientific Publishing”, vol. 1, no. 1, s. 57–76.
Google Scholar