Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta Ústav statistiky a operačního výzkumu

Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta Ústav statistiky a operačního výzkumu

Populační vývoj okresu Blansko v rámci populačního vývoje v Jihomoravském kraji a v ČR

Bakalářská práce

Vedoucí práce:

Vypracovala:

prof. Ing. Milan Palát, CSc.

Alena Marková

Brno 2007

Prohlášení Prohlašuji, že jsem bakalářskou práci na téma „Populační vývoj okresu Blansko v rámci populačního vývoje v Jihomoravském kraji a v ČR” vypracovala samostatně a použila jen pramenů, které cituji a uvádím v přiloženém seznamu literatury.

V Brně dne 3. května 2007

Alena Marková

2

Poděkování

Děkuji panu prof. Ing. Milanu Palátovi CSc. za jeho odborné vedení, informace a cenné rady, které mi poskytl v průběhu zpracování bakalářské práce. Dále děkuji paní Ivetě Konečné, pracovnici Českého statistického úřadu krajské správy Brno, za její ochotu a pomoc při zjišťování statistických dat.

3

Abstrakt Bakalářská práce je zaměřena na analýzu populačního vývoje v

okrese Blansko

v rámci populačního vývoje v Jihomoravském kraji a v České republice v referenčním období let 1995 – 2005. Ve shodném časovém období byly vyhodnoceny následující demografické ukazatele - úmrtnost, porodnost, plodnost, potratovost, sňatečnost, rozvodovost a migrace. Pro vyjádření predikce vývoje výše uvedených ukazatelů do roku 2010 byly použity metody vyrovnání časových řad vhodnou trendovou funkcí. Pro posouzení vhodnosti zvoleného modelu trendu byla použita interpolační a extrapolační kritéria. Na základě provedené analýzy populačního vývoje bylo zjištěno, že ve všech sledovaných a

oblastech

dochází

ke

snižování

úrovně

úmrtnosti,

sňatečnosti

potratovosti, naopak dochází ke zvyšování úrovně rozvodovosti, porodnosti

i celkového přírůstku obyvatelstva. V důsledku prodlužující se střední délky života a poklesu úmrtnosti dochází ke stárnutí populace. Demografické stárnutí populace je spojeno s řadou ekonomických i sociálních dopadů, které si vyžádají řešení jak na celospolečenské, tak i regionální úrovni.

4

Abstract The Bachelor Thesis focuses on the analysis of the evolution of population in the Blansko District in the reference period 1995 - 2005 in the framework of the population evolution in the Southern-Moravia Region and in the Czech Republic. The following demographic indicators - mortality rate, birth rate, fertility, abortion rate, marriage rate, divorce rate, and migration - were assessed for the same period of time. For expressing the prediction of these indicators until 2010 the methods of equalizing time lines using a suitable trend function have been used. To assess the suitability of the selected trend model interpolation and extrapolation criteria have been used. On the basis of the population evolution analysis it has been ascertained that in all areas monitored the levels of mortality rate, marriage rate, and abortion rate are decreasing, and to the contrary - the levels of divorce rate, birth rate, and the overall population growth are increasing. The population is getting older due to the extending mean longevity and decreasing mortality rate. The demographic aging of the population brings about a number of economic and social impacts that will require some measuring at nationwide as well as regional levels.

5

Obsah 1

2 3

4

5 6

Úvod a cíl práce ……………………………………………………………………….. 1.1 Úvod ………………………………………………………………………………. 1.2 Cíl práce …………………………………………………………………………... Metodika práce ………………………………………………………………………… Literární přehled ………………………………………………………………………. 3.1 Vymezení pojmů demografie, lidská populace, obyvatelstvo ……………………. 3.2 Demografické jevy ………………………………………………………………... 3.3 Demografické ukazatele ………………………………………………….……….. 3.3.1 Poměrná čísla extenzitní …………………………………………………… 3.3.2 Poměrná čísla intenzitní ……………………………………………………. 3.3.3 Poměrná čísla srovnávací ………………………………………….……….. 3.4 Demografická data ………………………………………………………………... 3.4.1 Sčítání lidu …………………………………………………………………. 3.4.2 Běžná evidence přirozené měny …………………………………………… 3.4.3 Běžná evidence migrací ……………………………………………………. 3.4.4 Zvláštní šetření …………………………………………………….……….. 3.4.5 Populační registr …………………………………………………………… 3.5 Demografické procesy ……………………………………………………………. 3.5.1 Úmrtnost …………………………………………………………………… 3.5.2 Sňatečnost ………………………………………………………….………. 3.5.3 Rozvodovost ……………………………………………………….………. 3.5.4 Porodnost …………………………………………………………………... 3.5.5 Potratovost …………………………………………………………………. 3.6 Demografické analýzy struktury obyvatelstva ……………………………………. 3.6.1 Struktura obyvatelstva podle pohlaví ………………………………………. 3.6.2 Struktura obyvatelstva podle věku …………………………………………. 3.7 Pojem časové řady ………………………………………………………………... 3.7.1 Srovnatelnost údajů ………………………………………………………… 3.7.2 Modelování časových řad ………………………………………….………. 3.7.3 Volba vhodného modelu trendu ……………………………………………. 3.8 Popis trendu ……………………………………………………………………….. 3.8.1 Lineární trend ………………………………………………………………. 3.8.2 Parabolický trend ………………………………………...………………… 3.8.3 Exponenciální trend ………………………………………………………... 3.8.4 Modifikovaná exponenciála ……………………………………………….. 3.8.5 Logistický trend ……………………………………………………………. 3.8.6 Gompertzova křivka ……………………………………………………….. Výsledky práce a diskuse ……………………………………………………………… 4.1 Struktura obyvatelstva podle pohlaví …………………………………………….. 4.2 Struktura obyvatelstva podle věku ………………………………………………... 4.3 Ukazatele úmrtnosti ………………………………………………………………. 4.4 Ukazatele sňatečnosti …………………………………………………………….. 4.5 Ukazatele rozvodovosti …………………………………………………………… 4.6 Ukazatele potratovosti ……………………………………………………………. 4.7 Ukazatele plodnosti a porodnosti …………………………………………………. 4.8 Přírůstek obyvatelstva …………………………………………………………… Závěr ……………………………………………………………………….………….. Seznam literárních zdrojů ……………………………………………………………... Přílohy ………………………………………………………………………………….

6

7 7 8 8 9 9 10 10 10 11 11 12 13 13 14 14 14 15 15 16 17 17 18 19 19 20 20 22 23 24 27 27 28 29 30 31 31 32 32 40 45 47 49 51 53 58 66 69 70

1 ÚVOD A CÍL PRÁCE 1.1 Úvod V období ekonomické a politické transformace naší společnosti se významně změnilo chování obyvatelstva, a to ve všech sférách života obnoveného občanství. Nově získaná politická svoboda vede k větší samostatnosti jednotlivců i jejich organizaci a k nutnosti řešení nových problémů a rozhodování. Změnilo se a stále se ještě mění chování ve sféře ekonomické

aktivity, spotřeby, v pohledu na úlohu vzdělání

a kvalifikace, ve způsobu využívání volného času a rekreace. Je pochopitelné, že uvedené změny související s celkovou společenskou transformací nutně ovlivnily také demografické chování obyvatelstva, a to zejména jeho mladší části, která se rozhodující měrou podílí na demografické reprodukci. Od počátku 90. let došlo v České republice k velmi výraznému poklesu intenzity sňatečnosti a porodnosti a Česko se tak dostalo mezi země s nejnižší úrovní plodnosti na světě. Změny demografické situace Česka jsou důsledkem dalšího rozvoje společnosti a jedinců, který s sebou přináší nové přístupy k manželskému či partnerskému životu. Vyspělá ekonomika zaměřená na růst výkonnosti vyžaduje zvýšenou flexibilitu pracovní síly, k té lze přispět mj. také zmenšením rozsahu životních závazků ve vztahu k partnerovi v manželství či v nesezdaném soužití a ve vztahu k dětem. Současná nízká úroveň sňatečnosti a porodnosti je také důsledkem časového posouvání sňatků a následně porodů do vyššího věku matek. Od roku 1994 již obyvatelstva nepřibývá přirozenou měnou, ale v posledních letech je jeho úbytek kompenzován

pozitivním saldem migrace. Při předpokladu

nízkého počtu narozených dětí se bude zvyšovat podíl poproduktivní složky obyvatelstva a vzrůstat význam sociálního zatížení. Demografické stárnutí populace je spojeno s řadou ekonomických i sociálních dopadů, které si vyžádají řešení jak na celospolečenské, tak i regionální úrovni. Je nutné najít formy jak se procesu demografického stárnutí přizpůsobit. Při zachování základních lidských práv, z nichž jedno určuje, že lidé mají právo rozhodnout se svobodně a odpovědně o všech aspektech svého demografického chování, má společnost málo možností přímo ovlivňovat jejich rozhodování (zda a kdy mají uzavřít sňatek nebo zvolit jinou formu partnerského soužití, kolik chtějí mít dětí a kdy je chtějí mít nebo vůbec nemít žádné děti). Může to dělat pouze nepřímo, a to na základě společenského konsensu,

7

vytvářením takových podmínek, ve kterých by se mohli svobodněji rozhodovat o svých životních plánech. Je nutné přiznat, že jakákoliv opatření v této oblasti jsou drahá a předpokladem jejich realizace je rozšířené přerozdělování vyprodukovaných zdrojů. V dnešní době je diskutována nutnost reformy důchodového systému, změny se dotknou zdravotnictví i systému sociálního zabezpečení, lze očekávat změny v nárocích na bydlení a tím na strukturu bytového fondu. Na vyšší podíl staršího obyvatelstva budou muset reagovat výrobci a prodejci potravin i spotřebního zboží, změnu si vyžádá i nabídka aktivit pro volný čas. Nedostatek pracovních sil v některých činnostech bude ovlivňovat i nadále migrační politiku státu, což se může odrazit v národnostním složení obyvatelstva.

1.2 Cíl práce Cílem práce je provést analýzu populačního vývoje v okrese Blansko v rámci populačního vývoje v Jihomoravském kraji a v České republice v referenčním období let 1995 – 2005. Pro vyjádření vývoje jednotlivých ukazatelů charakterizujících demografickou reprodukci použiji metody vyrovnání časových řad matematickou funkcí. Pokusím se provést predikci vývoje demografických ukazatelů do roku 2010. Výsledky analýzy populačního vývoje v okrese Blansko porovnám s jejich vývojem v Jihomoravském kraji a v České republice.

2 MATERIÁL A METODIKA Při své práci jsem vycházela ze statistických ročenek okresu Blansko a Jihomoravského kraje, které mi byly k dispozici na krajské pobočce Českého statistického úřadu v Brně. Statistické údaje za Českou republiku jsem získala na internetových stránkách Českého statistického úřadu. Získaná data jsem zpracovala statistickými metodami pro vyrovnání časových řad vhodnou trendovou funkcí.

8

3 LITERÁRNÍ PŘEHLED 3.1 Vymezení pojmů demografie, lidská populace, obyvatelstvo Kačerová (2004) uvádí, že demografie je „vědní obor, který zkoumá reprodukci lidských populací“. Předmětem jejího studia je demografická neboli populační reprodukce, kterou chápeme jako neustálou obnovu lidských populací v důsledku probíhajících procesů rození a vymírání. (Vystoupil, Tarabová, 2004) Změny počtu obyvatel a populační přírůstek jsou tedy základními tématy demografie. Početní stav obyvatelstva přímo ovlivňují: proces porodnosti (narození), úmrtnost (úmrtí) a prostorová mobilita (stěhování). Demografie hledá na jedné straně obecné pravidelnosti a zákonitosti reprodukce lidských populací a na druhé straně jejich specifické projevy u konkrétních populací. [9] Při studiu populačního vývoje spolupracuje demografie s geografií obyvatelstva (ta se zabývá migracemi a rozmístěním obyvatelstva), protože populační vývoj je nejen výsledkem přirozené obnovy populace (rozením a vymíráním), ale zároveň výsledkem prostorové mobility (migrace). (Vystoupil, Tarabová, 2004) Podle Kačerové (2004) je lidská populace souborem lidí, mezi kterými dochází na určitém vymezeném území k reprodukci. Základem populace je její dlouhá existence na společném území. Dnešní lidské populace většinou vznikly důsledkem migrací a míšením různých původních populací. Kačerová (2004) definuje termín obyvatelstvo jako soubor lidí, kteří žijí na určitém území (státu, města apod.). Obyvatelstvo se může skládat z různých populací, etnik a také národů. V praxi se často používají termíny obyvatelstvo a populace jako synonyma. Údaje o obyvatelstvu se zjišťují pomocí správní administrativy, naproti tomu jen výjimečně existují údaje za jednotlivé populace.

9

3.2 Demografické jevy Demografické události (jevy) jsou významné události v lidském životě, které jako hromadné jevy utvářejí průběh demografické reprodukce. Nejvýznamnějšími demografickými událostmi jsou narození a úmrtí, ze kterých jsou odvozeny procesy porodnosti a úmrtnosti. Zvláštním druhem úmrtí jsou potraty, ze kterých se odvozuje potratovost. Ostatní události ovlivňují demografickou reprodukci zprostředkovaně uzavírání sňatků (sňatečnost) a jejich rušení (rozvodovost) ovlivňuje porodnost, nemoci (nemocnost) ovlivňují úmrtnost. Při studiu reprodukce je však nutné všímat si také těchto událostí, proto jsou demografickými i události jako sňatek, rozvod, ovdovění, nemoc aj. Tyto události se evidují a poté se studují jako hromadné jevy, nikoli tedy jako individuální události v životě jedince. Upraví se do procesů porodnosti, úmrtnosti, sňatečnosti, rozvodovosti, potratovosti a poté se analyzují a hledají se pravidelnosti a důležité charakteristiky jejich vývoje. Získávání demografických informací je základní podmínkou studia demografických jevů. Informace se zjišťují především statistickým

popisem,

během

kterého

již

dochází

k dosti

velkým

ztrátám

demografických informací. [9]

3.3 Demografické ukazatele Za ukazatele považujme všechna data, která se vztahují k procesům demografické reprodukce, tedy k úmrtnosti, porodnosti, sňatečnosti, rozvodovosti, nemocnosti a potratovosti. Ukazatele členíme na absolutní čísla a poměrná čísla (vznikají nejčastěji jako podíl dvou absolutních údajů). [9]

3.3.1 Poměrná čísla extenzitní – ukazatele Poměrná čísla extenzitní vznikají, srovnáváme-li dva údaje ve stejném časovém okamžiku, které jsou stejné povahy a jsou stejně prostorově vymezeny. Tento typ ukazatele často vyjadřuje strukturu určitého celku, proto se někdy nazývá poměrným číslem struktury. Obvykle se vyjadřuje v procentech. Příkladem může být ukazatel maskulinity, který udává procento mužů v populaci. (Vystoupil, Tarabová, 2004)

10

3.3.2 Poměrná čísla intenzitní - míry, kvocienty Poměrná čísla intenzitní neboli míry vznikají, jsou li v čitateli uvedeny jevy či události a ve jmenovateli jejich nositelé. Číslo ve jmenovateli se konstruuje buď výpočtem průměru ze začátku a konce sledovaného období, nebo použitím údaje z prostředku sledovaného období. Mluvíme o tzv. středním stavu obyvatel. Míry se podle nositelů událostí dělí na tři skupiny (Vystoupil, Tarabová, 2004): •

Tyto míry zahrnují jako nositele událostí jen ty osoby, kterým se událost může přihodit.

Sem

patří

například

míra

sňatečnosti

svobodných,

kde

je

ve jmenovateli střední stav svobodných. •

Dalším typem jsou takzvané redukované míry. U redukovaných měr jsou ve jmenovateli uvedeny populace u kterých může, ale nemusí k sledované události dojít. Redukce může být dvojího typu: o

Redukce vzhledem k rodinnému stavu - redukovaná míra sňatečnosti poměr počtu sňatků svobodných v konkrétním věku k celé populaci v tomto věku bez ohledu na rodinný stav.

o

Redukce vzhledem k délce trvání - redukovaná míra rozvodovosti je poměr počtu rozvodů k výchozímu počtu sňatků.

•

Kvocienty - liší se od měr tím, že osoby uváděné ve jmenovateli nejsou osoby, kterým se mohla událost přihodit, ale přímo soubor jedinců, kterým se daná událost skutečně přihodila. Kvocient kojenecké úmrtnosti například vztahuje počet zemřelých v dokončeném věku 0 k výchozímu počtu živě narozených a ne ke střednímu stavu žijících v dokončeném věku 0.

3.3.3 Poměrná čísla srovnávací - indexy Indexy srovnávají čísla, která buď nesouvisí časově, nebo nejsou stejně prostorově vymezena. Index rozvodovosti například udává poměr počtu rozvodů k počtu sňatků v daném roce. Podle jiných kritérií můžeme rozeznávat (Vystoupil, Tarabová, 2004): a) ukazatele celkové – jsou vypočteny za celou populaci, b) ukazatele specifické nebo diferenční – vypočtené za její části, c) ukazatele transverzální – týkají se zpravidla jednoho roku nebo kratšího či delšího časového úseku,

11

d) ukazatele longitudinální – týkají se jedné nebo několika přesně vymezených generací. Z hlediska statistické připravenosti (Vystoupil, Tarabová, 2004): a) ukazatele definitivní – založeny na konečných číslech, b) ukazatele předběžné – založeny na neúplných údajích, c) ukazatele revidované – dojde-li ke změnám definitivních ukazatelů. Dále např. na (Vystoupil, Tarabová, 2004): a) ukazatele hrubé – vypočtené podle nejjednodušších metod, které podávají hrubou představu o analyzovaném jevu, např. hrubá míra porodnosti, úmrtnosti, sňatečnosti, rozvodovosti, emigrace, celkového populačního přírůstku, atd. b) ukazatele srovnávací – při jejich výpočtu byl vyloučen vliv některé z rušivých podmínek, které s vlastním sledovaným procesem přímo nesouvisí, např. vliv rozdílné věkové struktury – metodou přímé nebo nepřímé standardizace.

3.4 Demografická data Lze vymezit pět typů statistického popisu, které jsou pramenem demografických a geodemografických dat (Vystoupil, Tarabová, 2004): •

Sčítání lidu.

•

Běžná evidence přirozené měny včetně některých dalších jevů.

•

Běžná evidence migrací.

•

Populační registr.

•

Zvláštní šetření (např. populačního klimatu).

Základní data – různě uspořádaná řada absolutních čísel – již tyto absolutní údaje můžeme považovat za ukazatele, např. - střední stav obyvatelstva, -

počet živě narozených,

-

počet potratů,

-

počet zemřelých,

-

počet zemřelých do 1 roku,

-

počet přistěhovalých nebo vystěhovalých.

12

Základem demografické analýzy je porovnání těchto absolutních údajů, objasňování rozdílů, trendů apod. Ze základních dat vypočítáváme analytická data, která podle své povahy dostávají různé názvy.

3.4.1 Sčítání lidu (census) Jde o soubornou statistickou akci sběru, uspořádání, zhodnocení, analýzy a publikování vybraných demografických, ekonomických a sociálních údajů zjišťovaných k určitému okamžiku a týkajících se všech osob v zemi nebo v její určité, přesně vymezené části. K této definici je třeba dodat, že po roce 1945, na rozdíl od první republiky, je současně se sčítáním lidu u nás pravidelně prováděn i soupis domů a bytů, z čehož vyplývá, že údajová základna je rozšířena jak o vlastní údaje za tyto subjekty, tak o jejich kombinace, z čehož pak vyplývají údaje o hospodařících, bytových a censovních domácnostech. Jde o nejstarší statistickou akci v lidských dějinách. První sčítání měly různé nedostatky – evidováni byli pouze muži, otroci se počítali mezi majetek. V České republice jsou demografická data dostupná na Českém statistickém úřadu. První sčítání na našem území 1753 proběhlo za vlády Marie Terezie. Bylo stanoveno, že sčítání bude probíhat v tříletých intervalech, po duchovní i světské linii. První moderní sčítání lidu proběhlo v roce 1857. Desetileté intervaly byly zavedeny roku 1869. V současnosti provádí sčítání lidu ČSÚ, přičemž poslední sčítání proběhlo v roce 2001.

3.4.2 Běžná evidence přirozené měny Jedná se opět o historickou záležitost. Evidence přirozené měny vedly většinou církve jako záznamy narození a úmrtí (resp. křtu a pohřbu), proto se dochovaly celkem kompletní. Nejstarší matrika u nás pochází z 1. poloviny 16. století. Josef II. zavedl roku 1784 matriční patent, který vedením matrik pověřil světské úředníky. V Československu byly povinné civilní matriky zavedeny od 1. 1. 1950. Pro vedení matrik je důležitá mezinárodní definice živě narozeného dítěte (aby nedocházelo ke sporům) a definice úmrtí. V současnosti se na matrikách měsíčně vypisují Hlášení o narození a o úmrtí. Na matrikách v místě oddání se evidují i sňatky. Rozvody eviduje

13

Ministerstvo spravedlnosti. Kromě statistických ročenek lze některá data nalézt i na Ministerstvu zdravotnictví (nemocnost, sebevraždy, potraty) a v Demografické ročence OSN (mezinárodní statistika).

3.4.3 Běžná evidence migrací V České republice je evidence vnitřní migrace založena na povinném přihlašování k trvalému pobytu. To s sebou přináší problémy: ne každý žije tam, kde je přihlášen; kromě Prahy (respektive městských obvodů v Praze) se neeviduje stěhování uvnitř obcí. Vnitřní evidence migrace byla zavedena v roce 1949, zahraniční migrace byla sledována v tehdejším Československu již po 1. světové válce. Od roku 1950 prováděl evidenci vystěhovalých Čedok, po roce 1968 okresní oddělení pasů a víz.

3.4.4 Zvláštní (výběrová) šetření Týkají se skutečností, které se nevyplatí zkoumat u celé populace. Proto se provádí šetření pouze u vybraného vzorku obyvatelstva, jehož výběr musí být reprezentativní (poměr jednotlivých složek obyvatel musí odpovídat skutečným poměrům). Ve výběrových šetřeních hrají významnou roli mikrocensy - jsou zaměřena na sledování určitých oblastí života (např. oblast životní úrovně, bydlení, šetření populačního klimatu).

3.4.5 Populační registr Je nejmladší pramen informací, který využívá k registraci obyvatel registrační lístky nebo výpočetní techniku. Každý jednotlivec je do registru zařazen pod svým rodným číslem (při narození) a jeho údaje jsou průběžně doplňovány převáděním vybraných záznamů z evidence přirozeného pohybu (např. sňatek, narození dítěte) a z evidence stěhování. Při jednotlivých sčítáních lidu jsou zpravidla údaje v populačním registru kontrolovány a aktualizovány (např. vyřazení ilegálních emigrantů).

14

3.5 Demografické procesy Demografický proces znamená, že jedinec prožívá změnu svého stavu, událost pro jedince znamená skutečný přechod z jednoho stavu do druhého, neboli je to uskutečnění procesu (např. úmrtí je uskutečnění přechodu ze stavu žijící do stavu zemřelý pro určitého daného jedince). (Kačerová, 2004)

3.5.1 Úmrtnost Je jedním z klíčových demografických procesů, spolu s porodností představuje základní složku demografické reprodukce populací. Jedná se o veličinu vypovídající o relativním počtu zemřelých určité věkové kategorie za jednotku času. Doplněna nemocností je úmrtnost jedním z hlavních ukazatelů vypovídajících o zdravotním stavu populace. Zdravotní stav, nemocnost a úmrtnost jsou determinovány řadou faktorů. [5] Údaje o úmrtnosti se získávají na základě sledování velkých skupin či populací organismů. V zásadě je možné vyčlenit 3 hlavní skupiny (Juříčková, 2004): a) genetické faktory – např. vyšší úmrtnost mužů (ženy mají nižší úmrtnost a žijí déle, proto studujeme úmrtnost vždy odděleně za jednotlivá pohlaví), b) ekologické faktory - např. klimatické podmínky, životní prostředí, c) socioekonomické faktory: •

individuální: životní úroveň, úroveň vzdělání, postoj ke zdraví, péče o vlastní zdraví a využívání preventivních opatření, stravovací návyky, výživa, fyzická aktivita,

•

vlivy prostředí: úroveň zdravotnictví, dostupnost a kvalita lékařské péče, rozvoj medicíny a lékařské techniky, systém zdravotní politiky, systém sociálního zabezpečení, ekonomická situace. Z hlediska jedince určitého stáří je možno úmrtnost chápat jako vyjádření jeho

aktuálního rizika úmrtí. Již na první pohled je zřejmá úzká souvislost mezi úmrtností a stárnutím. Přímé použití údaje o úmrtnosti jako měřítka stupně zestárnutí není možné, protože její velikost ovlivňují rovněž faktory prostředí, které se stárnutím nemají bezprostřední souvislost. (Juříčková, 2004)

15

Nejjednodušším ukazatelem vyjadřujícím úroveň úmrtnosti je hrubá míra úmrtnosti, je definována jako počet zemřelých připadajících na 1 000 obyvatel (středního stavu). [5] Další z užívaných ukazatelů je kvocient kojenecké úmrtnosti (kú) - počet zemřelých do 1 roku života na 1 000 živě narozených v daném roce. [5]

3.5.2 Sňatečnost Jedná se o demografický proces, který studuje zakládání manželství na základě zákonem daných podmínek. Sňatek je demografická událost opakovatelného charakteru, která nemusí nastat u každého (na rozdíl od narození a úmrtí). Neobnovitelnou událostí je pouze první sňatek. Limitujícími faktory uzavírání sňatků jsou (Hůle, 2004): •

minimální sňatkový věk - v České republice 18 let. Manželství nemůže uzavřít nezletilý. Výjimečně, jestliže to je v souladu se společenským účelem manželství (např. těhotenství partnerky), může soud z důležitých důvodů povolit uzavření manželství nezletilému staršímu než 16 let. Návrh na uzavření manželství podává sám nezletilý, kterému není nutno ustanovit opatrovníka.

•

rodinný stav - sezdaní již nemohou vstoupit do manželství - toto platí pouze v monogamních společnostech, tj. společnostech, ve kterých není dovoleno mnohoženství či mnohomužství.

•

určitý stupeň pokrevnosti - v přímé linii, tj. rodiče s dětmi a sourozenci nemohou uzavřít sňatek, bratranec se sestřenicí se již vzít mohou.

•

pohlaví novomanželů - v České republice mohly do 30. června 2006 uzavřít sňatek pouze osoby odlišného pohlaví. Dne 1. července 2006 nabyl účinnosti zákon o registrovaném partnerství, který umožňuje sňatek osob stejného pohlaví. Nejjednodušší ukazatel vyjadřující úroveň sňatečnosti je hrubá míra sňatečnosti.

Je definován jako počet sňatků připadajících na 1 000 obyvatel (středního stavu) ve sledovaném časovém období. [4]

16

3.5.3 Rozvodovost Je právním ukončením manželství, uskutečňuje se na základě žádosti a dojde k němu rozhodnutím soudu. (Šťastná, 2004) Do roku 1949 zanikala manželství buď rozvodem (bez možnosti uzavřít další sňatek), nebo rozlukou, která další sňatek umožňovala. Zákon č. 265/1949 Sb., o právu rodinném zavedl rozvod jako jedinou formu právního zániku manželství za života manželů. Český statistický úřad třídí rozvody podle délky trvání manželství, podává informace o způsobu vyřízení podaných návrhů na rozvod (kolik z návrhů bylo zamítnuto, zda došlo v některých případech k usmíření a kolik z návrhů bylo skutečně ukončeno rozvodem), o rozvodech podle počtu nezletilých dětí i o příčinách rozvodu. Statistika sleduje odděleně pro muže i pro ženy tyto příčiny rozvodu: neuvážený sňatek, alkoholismus, nevěra, nezájem o rodinu, zlé nakládání nebo trestný čin, rozdílnost povah a názorů, zdravotní důvody, sexuální neshody a ostatní příčiny. Nejjednodušší ukazatel rozvodovosti je hrubá míra rozvodovosti. je vypočítán jako počet rozvodů v kalendářním roce na 1 000 obyvatel středního stavu daného kalendářního roku. [8]

3.5.4 Porodnost Je jedním z klíčových demografických procesů, spolu s úmrtností představuje základní složku demografické reprodukce populací. Úroveň porodnosti závisí na plodivosti neboli fekunditě, což je schopnost muže a ženy rodit děti. Jejím výsledným efektem, vyjádřeným počtem narozených dětí, je plodnost neboli fertilita. Úroveň porodnosti je také ovlivněna vnějšími "nebiologickými" faktory jako např. populační politika státu, bytová situace partnerů, uplatnění

na

trhu

práce,

hodnotový

systém

partnerů,

náboženské

vyznání

apod. (Babíčková, 2004) Při analýze procesu porodnosti se vychází ze statistiky založené na narozených dětech tzn. nestuduje se událost porodu, ale narozené děti. Porody se totiž dělí

17

na základě počtu narozených dětí na jednočetné a vícečetné. Narozené děti se rozlišují podle několika faktorů (Vystoupil, Tarabová, 2004): •

dle rodinného stavu matky v době porodu - manželské a nemanželské,

•

dle projevu, resp. neexistence známek života - živě a mrtvě narozené,

•

dle věku matky při porodu,

•

dle pořadí - tzn. kolikaté dítě matky to je, biologické a v manželství. Při studiu porodů v manželství se zjišťují porodní intervaly, tj. doba mezi

předchozím porodem a narozením dítěte určitého pořadí (tzv. meziporodní interval). Plodivost ženy se vztahuje k tzv. reprodukčnímu období, které je vymezeno věkovým rozpětím 15 - 49 let. Nejjednodušší ukazatel porodnosti je hrubá míra porodnosti. Vypočítá se jako počet živě narozených dětí na 1 000 obyvatel k 1.7. v daném roce (tzv. střední stav). [1] Obecná míra plodnosti (f) - poměr živě narozených dětí na 1 000 žen v reprodukčním věku. [1]

3.5.5 Potratovost Je demografický proces, který se váže k oběma základním procesům lidské reprodukce a to k porodnosti i k úmrtnosti. Hlavní faktory ovlivňující úroveň potratovosti jsou: legislativní ustanovení, antikoncepce (dostupnost, rozšíření, metody), společenské klima, individuální vlivy (náboženské přesvědčení, úroveň vzdělání, ekonomická situace), reprodukční zdraví populace. Podle Vystoupila (2004) se potratem rozumí: a) ukončení těhotenství ženy, při němž: -

plod neprojevuje ani jednu ze známek života a jeho porodní hmotnost je nižší než 1 000 g a pokud ji nelze zjistit, jestliže je těhotenství kratší než 28 týdnů,

-

plod projevuje alespoň jednu ze známek života a má porodní hmotnost nižší než 500 g, ale nepřežije 24 hodin po porodu,

-

z dělohy ženy bylo vyňato plodové vejce bez plodu, anebo těhotenská sliznice. b) ukončení mimoděložního těhotenství anebo umělé přerušení těhotenství provedené podle zvláštních předpisů.

18

Nejjednodušší ukazatel vyjadřující úroveň potratovosti je hrubá míra potratovosti, je definován jako počet potratů připadajících na 1 000 obyvatel středního stavu. [7]

3.6 Demografické analýzy struktury obyvatelstva 3.6.1 Struktura obyvatelstva podle pohlaví Pokud hovoříme o struktuře obyvatelstva podle pohlaví, používáme jako jednu z charakteristik maskulinitu (počet mužů v populaci). Za ukazatele maskulinity považujeme: a) podíl mužů v populaci = počet mužů / celkový stav obyvatel k určitému datu, b) index maskulinity = (počet mužů / počet žen) * 100. Počet mužů v populaci závisí na třech základních faktorech (Vystoupil, Tarabová, 2004): 1. Již mezi narozenými dětmi převažuje vyšší počet chlapců (tzv. sekundární index maskulinity). Sekundární index je stabilní v čase a ve všech populacích se pohybuje mezi 1040-1070. Je prakticky prokázáno, že existuje nepřímá závislost mezi tímto indexem a věkem matek, resp. pořadím dítěte při narození. 2. Dalším z faktorů je diferenční úmrtnost mužů a žen. V demograficky vyspělých populacích je ve vyšších věkových skupinách vyšší úmrtnost mužů než žen. Hovoříme o tzv. mužské nadúmrtnosti. 3. Posledním faktorem je migrace, která zvláště pokud se jedná o migraci z ekonomických důvodů, bývá selektivní a týká se především mužů v produktivním věku. Opakem maskulinity je feminita (počet žen v populaci). Za ukazatele feminity považujeme: a) podíl žen v populaci = počet žen / celkový stav obyvatel k určitému datu, b) index feminity = (počet žen / počet mužů) * 100.

19

3.6.2 Struktura obyvatelstva podle věku Věková struktura obyvatelstva se vyjadřuje rozdělením celkového počtu obyvatelstva do jednoletých nebo víceletých (většinou pětiletých) skupin. Švédský demograf A. G. Sundbärg roku 1900 rozdělil obyvatelstvo podle věku na 3 základní skupiny (Vystoupil, Tarabová, 2004): •

dětskou (obyvatelstvo 0-14 let),

•

reprodukční (obyvatelstvo 15-49 let) ,

•

postreprodukční (obyvatelstvo 50 a více let) . V reprodukční skupině, která je určena rodivým věkem žen, se nachází vždy

okolo 50 % členů populace. Podle zastoupení složky dětské a postreprodukční je možno určit tři populační typy (Vystoupil, Tarabová, 2004): a) Progresivní – s výraznou převahou složky dětské, početní velikost populace se zvyšuje. b) Stacionární – kde složka dětská a postreprodukční jsou téměř vyrovnány. Intenzita porodnosti poklesne na takovou úroveň, že pouze nahrazuje obyvatelstvo v reprodukčním věku (při dané úrovni intenzity úmrtnosti). Obyvatelstvo početně neroste. c) Regresivní – kde složka postreprodukční převažuje nad dětskou. Vzhledem k dané intenzitě porodnosti a úmrtnosti dětská složka nenahrazuje plně obyvatelstvo v reprodukčním věku. Velikost populace se dlouhodobě snižuje. Je třeba si uvědomit, že věková struktura není výsledkem jen procesu rození a vymírání, ale též migrací, které ji mohou zejména za menší územní celky výrazně pozměnit.

3.7 Pojem časové řady Časová řada je posloupnost obsahově srovnatelných údajů jednoznačně uspořádaných v časovém sledu (minulost - přítomnost). Vnáší do statistického zpracování prvek dynamičnosti. Příklady: meteorologická pozorování, zdravotní údaje o stavu člověka, různé ekonomické údaje (HDP, nezaměstnanost, inflace apod.). (Hindls, Hronová, Novák, 2000)

20

Soubor metod pracujících s časovými řadami se nazývá analýza časových řad. Umožňuje porozumět vývoji a do jisté míry i pohlédnout do budoucnosti (prognózy). Díky vývoji počítačů lze tyto metody, které bývají poměrně numericky složité, bohatě využívat v praxi. Časové řady se člení (Hindls, Hronová, Seger, 2003): a) podle časového hlediska rozhodného pro zjišťování údajů na: Intervalové časové řady - údaje zaznamenané v těchto řadách jsou získávány za určitý časový interval. Jsou to soubory událostí vzniklých během daného období (počet narozených dětí, počet uzavřených sňatků, produkce za určitý časový úsek apod.). Údaje tohoto typu lze sčítat. Srovnatelnost se zajistí přepočítáním všech období na jednotkový časový interval (očištění časových řad od důsledků kalendářních variací). Údaje očištěné na kalendářní dny yt

(0 )

= yt

kt , kt

kde

yt je hodnota očišťovaného ukazatele v příslušném dílčím období roku t, t = 1, 2, …, n,

kt je počet kalendářních dní v příslušném dílčím období roku, kt je průměrný počet kalendářních dní v dílčím období roku.

Okamžikové časové řady - jsou sestavovány z údajů, které mají určitou dobu setrvání (např. délka lidského života, doba uložení výrobku ve skladu, doba pobytu v hotelu o dovolené apod.). Lze je tedy zjišťovat k určitému časovému okamžiku (např. k určitému dni). Tyto údaje nemá smysl sčítat. Srovnávají se pomocí chronologických průměrů. Je-li délka mezi časovými okamžiky stejná, vzorec prostého chronologického průměru bude mít tvar y1 + y2 y2 + y3 y + yn 1 1 + + ... + n −1 y1 + y2 + ... + yn 2 2 2 2 = 2 y= n −1 n −1

Nebude-li délka mezi jednotlivými časovými okamžiky konstantní, vzorec váženého chronologického průměru bude mít tvar y1 + y2 y + y3 y + yn d1 + 2 d 2 + ... + n −1 d n −1 2 2 2 y= d1 + d 2 + ... + d n −1

21

b) podle periodicity sledování na: -

časové řady roční - někdy též dlouhodobé,

-

časové řady krátkodobé - údaje se zaznamenávají ve čtvrtletních, měsíčních, týdenních aj. periodách. Časové rozpětí mezi rozhodnými okamžiky u okamžikové časové řady, resp.

délka období u intervalové časové řady se nazývá periodicita časové řady. Je-li kratší než jeden rok, mluvíme o krátkodobých časových řadách. Naopak, je-li periodicita roční nebo delší jak roční, hovoříme o dlouhodobých časových řadách. c) podle způsobu vyjádření ukazatelů na: -

časové řady naturálních ukazatelů – hodnoty jsou vyjádřeny v naturálních jednotkách,

-

časové řady peněžních ukazatelů.

Vzhledem k omezeným možnostem agregování ukazatelů vyjádřených v naturálních jednotkách je logické, že většinu ekonomických časových řad tvoří časové řady ukazatelů vyjádřených v peněžní formě. d) podle druhu sledovaných ukazatelů na: -

časové řady primárních (prvotních) ukazatelů,

-

časové řady sekundárních (odvozených) charakteristik. Primární ukazatele jsou ukazatele zjišťované přímo (neodvozené). Jde

o ukazatele, kde můžeme jednoznačně určit typ charakteristiky, statistické jednotky i statistického znaku. Sekundární ukazatele mohou vznikat trojím způsobem: jako funkce (zpravidla rozdíl či podíl) různých primárních ukazatelů, dále jako funkce různých hodnot téhož primárního ukazatele a konečně jako funkce dvou či více primárních ukazatelů.

3.7.1 Srovnatelnost údajů Dříve než začneme časovou řadu analyzovat, je nutné zajistit srovnatelnost údajů a to z hlediska věcného, prostorového a časového. Věcná srovnatelnost - shodně nazývané ukazatele, tvořící údaje časové řady, nemusí být vždy stejně obsahově vymezené. Mění-li se během času obsahové vymezení

22

ukazatele, jsou údaje časové řady nesrovnatelné a pro další úvahy prakticky bezcenné. Typická pro naturální ukazatele (např. jistý výrobek během let zastarává a nelze tedy srovnávat produkci v delší časové řadě). [3] Prostorová srovnatelnost - údaje se musí vztahovat ke stejným geografickým územím. Může jít i o odlišný "ekonomický prostor", např. sloučením pracovišť, kapitálovým vstupem zahraniční firmy apod. [3] Časová srovnatelnost - je problémem u intervalových ukazatelů časových řad.

3.7.2 Modelování časových řad Nejjednodušší a nejužívanější koncepcí modelování časové řady reálných hodnot yt je model jednorozměrný ve tvaru některé elementární funkce času, kdy Yt = f (t ),

kde

Yt

t = 1, 2, …, n, je modelová hodnota ukazatele v čase t, a to taková, aby rozdíly yt − Yt ′ ,

označované zpravidla ε t a nazývané nepravidelnými poruchami, byly v úhrnu co nejmenší a zahrnovaly působení také ostatních faktorů (vedle faktoru času) na vývoj sledovaného ukazatele. (Hindls, Hronová, Novák 2000) K jednorozměrnému modelu se přistupuje těmito způsoby (Hindls, Hronová, Seger, 2003): a) pomocí klasického modelu, kde jde pouze o popis forem pohybu, nikoliv rozbor příčin dynamiky časové řady. Časovou řadu lze rozložit na 4 základní složky: trendovou ( Tt ), sezónní ( S t ), cyklickou ( C t ), nepravidelnou ( ε t ). Při tom není nutné, aby všechny uvedené složky byly přítomny. Záleží na charakteru zkoumaného ukazatele. V praxi se často používá tvar rozkladu aditivní. Druhý způsob rozkladu (multiplikativní) může být na aditivní typ logaritmováním snadno převeden. Aditivní rozklad časové řady lze vyjádřit následovně : y t = T t + S t + C t + ε t ′ = Yt + ε t ′

kde Yt = Tt + S t + C t ′

Veličina Yt se nazývá modelová neboli systematická složka a veličina ε t náhodná složka časové řady.

23

Trend vyjadřuje tendenci dlouhodobého vývoje hodnot ukazatele v čase. Může být rostoucí, klesající nebo mohou hodnoty ukazatele kolísat kolem určité úrovně, potom se jedná o časovou řadu s konstantním trendem. (Hindls, Hronová, Novák 2000) Sezónní složka je pravidelně se opakující odchylka od trendu s periodicitou kratší než 1 rok nebo rovnou právě jednomu roku. Cyklická složka je kolísání okolo trendu s délkou vlny delší než 1 rok. Někdy tato složka nebývá považována za samostatnou a je zahrnována pod složku trendovou (střednědobý trend). Náhodná složka je ta část řady, která zbývá po eliminaci trendové, sezónní a cyklické složky a nelze ji žádným způsobem popsat jako funkci času. Lze ji popsat pouze pravděpodobnostně. (Hindls, Hronová, Novák, 2000) b) pomocí Boxovy - Jenkinsovy metodologie - považuje za základní prvek modelu časové řady náhodnou složku, která může být tvořena korelovanými náhodnými veličinami. Vedle jednorozměrných modelů se setkáváme i s modely vícerozměrnými. Tyto modely jsou založeny na předpokladu, že vývoj analyzovaného ukazatele není ovlivňován pouze časovým faktorem, ale i skupinou jiných souvisejících ukazatelů. Tyto ukazatele nazýváme příčinné nebo faktorové. Model vyjadřující tuto skutečnost obvykle zapisujeme ve formě

Yt = f (t ; x1 , x 2 ,..., x p ), kde

x1 , x 2 ,..., x p jsou ukazatele ovlivňující analyzovaný ukazatel y t .

3.7.3 Volba vhodného modelu trendu Základem pro rozhodování by měla být věcná ekonomická kritéria. Jde o to posoudit, zda jde o funkci rostoucí nebo klesající, přichází-li v úvahu inflexní bod, zda jde o funkci rostoucí nade všechny meze nebo s růstem ke konečné limitě apod. Tato věcná analýza umožní poodhalit základní tendence ve vývoji analyzovaného ukazatele, ale jen zřídka umožní volbu konkrétní trendové funkce. [2] Další jednoduchou možností pro volbu vhodné trendové funkce je vizuální analýza grafu zobrazené časové řady. Zde však hraje velkou roli subjektivní hledisko.

24

Při rozboru jedné a téže časové řady mohou různí uživatelé dojít k různým závěrům o volbě adekvátního typu trendové křivky. [3] Kritéria posuzující vhodnost modelu se z hlediska účelu modelování časové

řady dělí na interpolační (popis minulého vývoje) a extrapolační (předpověď dalšího vývoje). [2] Interpolační kritéria - vycházejí z

porovnání součtu čtverců odchylek

teoretických a empirických hodnot. Vhodnější model se vyznačuje menším součtem

čtverců. Aplikují se nejčastěji v podobě průměrné čtvercové odchylky (M.S.E.). [2] Vhodnost modelu vychází z minimalizace určitého kritéria. Nejběžnějším kritériem je součet čtverců odchylek empirických hodnot od odpovídajících hodnot příslušného modelu. Značíme:

(

Qe = ∑ yt − Tˆt yt ... empirické hodnoty, Tt

….

), 2

kde

hodnoty příslušného modelu (vyrovnané).

Nejvhodnější model je podle tohoto kritéria ten, který dává nejmenší součet

čtverců Qe . I zde ovšem mohou nastat úskalí. Vyrovnáváme-li např. časovou řadu polynomem n-tého stupně, bude tato křivka probíhat všemi body časové řady a součet

čtverců bude tedy nulový. Přitom nelze říci, že jde o nejvhodnější model. [2] Jiným často používaným kritériem je index korelace I .

(

)

2

yt − Tˆt ∑ Qe I = 1− = 1− . 2 Q ∑ ( yt − y ) Nejvhodnější křivkou by měla být ta, která má nejvyšší hodnotu indexu korelace, přičemž hodnoty indexu korelace by se měly pohybovat v intervalu <0,1>. Toto platí pouze pro určité typy vyrovnávacích křivek. Obecně může index korelace nabývat i hodnot vyšších než jedna. Pro toto kritérium také platí, že jeho hodnota roste s rostoucím počtem parametrů modelu. [2] Při použití dvou předchozích kritérií hrozí nebezpečí volby složitějšího modelu, což ovšem bývá z hlediska praktického nežádoucí. Model by měl být jednoduchý a dobře interpretovatelný.

25

Při počítačovém zpracování získáme obvykle následující míry (Hindls, Hronová, Novák 2000): a) M. E. = Mean Error = střední chyba odhadu

∑( y M .E. =

− Tˆt

t

n

).

Pro metodu nejmenších čtverců je tato míra vždy rovna 0. Při transformaci k linearitě např. logaritmizací už toto neplatí. b) M. S. E = Mean Squared Error = střední kvadratická chyba odhadu

∑( y M .S .E =

− Tˆt

t

)

2

.

n

c) M. A. E. = Mean Absolute Error = střední absolutní chyba odhadu

∑y M . A.E. =

t

n

− Tˆt

.

d) M. A. P. E. = Mean Absolute Percentage Error = střední absolutní procentní chyba odhadu  yt − Tˆt   ⋅100 / n . M . A.P.E. = ∑   yt    e) M. P. E. = Mean Percentage Error = střední procentní chyba odhadu:

 y − Tˆ M .P.E. = ∑  t t  yt

  ⋅100 / n . 

Extrapolační kritéria používáme tehdy, je-li třeba na základě modelu trendu provést konstrukci extrapolačních prognóz budoucího vývoje hodnot časové řady. Nejčastější způsob použití extrapolačních kritérií je založen na simulaci. Z analyzované

časové řady oddělíme určitou část pozorování a na vhodnost trendové funkce usuzujeme podle toho, jak dobře dokáže extrapolovat tato pozorování. Z rozsáhlých srovnávacích studií plyne, že pouze 50 – 60 % modelů kvalitních při popisu minulosti je dobře použitelných také pro předpovědi. [2]

26

Nejznámějším extrapolačním kritériem je Theilův koeficient nesouladu. D

TH = 2

∑( y j =1

N+ j

− Pˆj

)

2

, kde

D

∑y j =1

2 N+ j

N je délka časové řady použitá pro odhad modelu (po zkrácení), D je zkrácení časové řady, tedy D = n - N, Pˆj je extrapolace na j období dopředu, a to modelem odhadnutým na základě prvních N pozorování časové řady. V praxi se používá druhá odmocnina Theilova koeficientu nesouladu TH uvedená v procentech. Pokud je koeficient TH menší než 5 %, je chyba předpovědi považována za malou a posuzovaný model může být dobrým nástrojem pro tvorbu předpovědi. Pokud je TH větší než 5 %, ale menší než 10 %, není další použití pro extrapolaci vyloučeno. Je-li ovšem TH větší než 10 %, bude nejspíše analyzovaný model pro kvalitní předpovědi zcela nepoužitelný. [2]

3.8 Popis trendu Podobně jako v regresní analýze i v analýze časových řad hledáme vhodný matematický model pro popis trendové složky. Nejpoužívanější a nejjednodušší modely jsou lineární, exponenciální a parabolický. Náročnější na odhad parametrů jsou modifikovaný exponenciální trend, logistický trend a Gompertzova křivka. Je-li trendová funkce lineární v parametrech, používá se pro odhad parametrů nejčastěji metoda nejmenších

čtverců (MNČ). (Hindls, Hronová, Seger, 2003)

3.8.1 Lineární trend Tento model lze použít vždy, chceme-li alespoň orientačně určit směr vývoje časové

řady. Lineární trendová funkce má tvar: Tt = a 0 + a1t , kde a 0 , a1 jsou neznámé parametry a t = 1, 2, ..., n je časová proměnná.

27

K odhadu parametrů a 0 a a1 (značíme â0 a â1) použijeme metodu nejmenších

čtverců, která dává nejlepší nevychýlené odhady. Dospějeme ke dvěma normálním rovnicím

∑y

= naˆ0 + aˆ1 ∑ t ,

∑ ty

= aˆ0 ∑ t + aˆ1 ∑ t .

t

t

2

Jejich řešením docházíme k odhadům parametrů a 0 a a1 ve tvaru aˆ0 = y − aˆ1 ⋅ t , aˆ1 = kde se symbolem

∑t ⋅ y ∑t

t 2

− t ⋅ ∑ yt − n⋅t

2

,

∑ rozumí vždy součet přes t od 1 do n.

3.8.2 Parabolický trend Parabolický trend má tvar Tt = a0 + a1t + a2t 2 , kde a0 , a1 , a2 jsou neznámé parametry a t = 1, 2K n je časová proměnná. Tato trendová funkce je lineární z hlediska parametrů, a proto se k jejich odhadu používá metoda nejmenších čtverců. Výsledkem je řešit soustavu tří normálních rovnic ve tvaru

∑ yt = naˆ0 + aˆ1 ∑ t ′ + aˆ2 ∑ ( t ′) , 2 3 ∑ yt t′ = aˆ0 ∑ t ′ + aˆ1 ∑ ( t ′) + aˆ2 ∑ ( t ′) , 2 2 3 4 ∑ yt ( t′) = aˆ0 ∑ ( t ′) + aˆ1∑ ( t ′) + aˆ2 ∑ ( t ′) . 2

Za podmínky

∑ ( t ′)

k

= 0 , k = 1,3,5K

odhad parametru aˆ1 jako

aˆ1 =

nalezneme z druhé rovnice ihned

∑ yt t ′ . 2 ∑ ( t ′)

Zbývající parametry získáme řešením normálních rovnic

∑ yt = naˆ0 + aˆ2 ∑ ( t′) , 2 2 4 ∑ yt ( t ′) = aˆ0 ∑ ( t ′) + aˆ2 ∑ ( t ′) . 2

28

odkud

∑ yt ∑ ( t ′) − ∑ ( t ′) ∑ yt ( t ′) aˆ0 = 4 2 2 n ∑ ( t ′ ) −  ∑ ( t ′ )    4

2

n∑ yt ( t ′ ) − ∑ yt ∑ ( t ′ ) 2

aˆ2 =

n∑ ( t ′ )

4

2 −  ∑ ( t ′ )   

2

,

2

2

.

3.8.3 Exponenciální trend Exponenciální funkce má obecně tvar Tt = a 0 a1t , kde a1 > 0, t = 1, 2, …, n. Rovnocenný zápis k této funkci má tvar Tt = e b0 + b1t , kde a 0 = e b0 ,

resp.

a1 = e b1 . Exponenciální funkce není lineární z hlediska parametrů, nelze použít k odhadu těchto parametrů metodu nejmenších čtverců přímo. Nejprve je nutné provést linearizující transformaci trendové exponenciály. Logaritmováním dostaneme výraz log Tt = log a 0 + t ⋅ log a1 , a následně můžeme použít k odhadu parametrů metodu nejmenších čtverců,

(

Q = ∑ log yt − log Tˆt

)

2

= min .

Dostaneme soustavu dvou normálních rovnic

∑ log y

= n ⋅ log aˆ0 + log aˆ1 ⋅ ∑ t ,

t

∑ t log y

t

2

= log aˆ0 ⋅ ∑ t + log aˆ1 ⋅ ∑ t .

Řešením těchto rovnic získáme odhady parametrických funkcí log aˆ0 , resp. log aˆ1 . V případě, že zvolíme časovou proměnnou t ′ splňující podmínku

∑ (t ′)

k

= 0 , k = 1, 3, 5 K , postup výpočtu výrazně zjednodušíme. Získáme

log aˆ0 = log aˆ1 =

∑ log y

t

, n ∑ t′ log yt

∑ ( t ′)

29

2

.

3.8.4 Modifikovaná (posunutá) exponenciála Je zobecnění exponenciálního trendu. Je dán vztahem Tt = k + a0 a1 , t

a1 > 0.

Tento trend je vhodný pro modelování trendu s konstantním podílem sousedních diferencí pokud je navíc tento trend asymptoticky omezen. Tento model trendu není možné žádným způsobem linearizovat, a tak převést na lineární regresní model. K odhadu parametrů je tedy potřeba použít některou jinou metodu např. metodou částečných součtů. Technika částečných součtů vychází ze tří na sebe navazujících disjunktních (nemajících žádný společný prvek) součtů vytvořených ze třetiny hodnot časové řady. Disjunktní součty mají tvar: n−2 m

S1 = S2 = S3 =

n−2 m

∑

yt , ~ mk + a0 ⋅

∑

yt , ~ mk + a0 ⋅

∑

yt , ~ mk + a0 ⋅

t = n − 3 m +1 n−m

t = n − 2 m +1 n

t = n − m +1

∑

a1t ,

∑

a1t ,

∑

a1t .

t = n − 3 m +1 n−m

t = n − 2 m +1 n

t = n − m +1

Pokud bychom takovým způsobem sečetly teoretické hodnoty trendu, získáme sumy uvedené na pravé straně výše popsaných vztahů. Pokud součty teoretických hodnot aproximujeme na součty skutečných pozorování Si, pak takto získáme aproximaci parametru a1 , čili jeho odhad aˆ1 . 1/ m

 S − S2  aˆ1 =  3   S 2 − S1 

,

Ekvivalentním postupem získáme také odhady parametrů aˆ0 a kˆ aˆ0 =

aˆ1 − 1

(

)

m aˆ1 aˆ1 − 1

⋅ ( S 2 − S1 ) ,

 1  m S1 −  aˆ0 aˆ1 aˆ1 − 1 ( aˆ1 − 1)   ˆ k= . m

(

30

)

3.8.5 Logistický trend Je dán vztahem

Tt =

k , a0 > 1, 0 < a1 <1, k > 0. 1 + a0 a1t

Logistický trend se řadí mezi tzv. symetrické S-křivky (křivka je symetrická okolo inflexního bodu. Odhadnout parametry tohoto trendu je možné dvojím způsobem. Protože

logistický

trend

je

možné

považovat

za

inverzi

modifikovaného

exponenciálního trendu, je možné odhadnout ho stejným způsobem (viz 3.8.3) s tím, že jako vysvětlovanou proměnnou použijeme transformaci xt = 1/ yt pro t = 1, 2, …, n. Položíme-li k = c, a0 = b0 , a1 = b1 , dostaneme

Tt =

1 b0 t + b1 , c c

tj. rovnice modifikovaného exponenciálního trendu, kde k=

b 1 , a0 = 0 , a1 = b1 . c c

Jinou možností je použití tzv. diferenční odhad parametrů. Při této metodě místo původních hodnot yt budeme pracovat s jejich prvními diferencemi.

3.8.6 Gompertzova křivka Je dána vztahem t

Tt = k ⋅ a 0 , a1 > 0 . a1

Jedná se o jinou modifikaci exponenciálního trendu. Patří mezi nesymetrické S-křivky (tj. není symetrická okolo inflexního bodu). Základem techniky odhadu parametrů je linearizující logaritmická transformace

log Tt = log k + a1t log a0 . Následně lze použít k odhadu parametrů metodu částečných součtů.

31

4 VÝSLEDKY PRÁCE A DISKUSE 4.1 Struktura obyvatelstva podle pohlaví

Počet obyvatel

108 200 108 000 107 800 107 600 107 400 1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

Střední stav obyvatel - okres Blansko

Obr.1 Vývoj středního stavu obyvatel v okrese Blansko v letech 1995 - 2005 Z obrázku 1 je patrné, že od roku 1995 do roku 1997 se střední stav obyvatel nepatrně zvyšoval. Naopak od roku 1998 do roku 2002 byl zaznamenán mírný pokles středního stavu obyvatel v okrese Blansko. Od roku 2003 se počet obyvatel zvyšuje. K největšímu poklesu středního stavu obyvatel v okrese Blansko došlo v roce 2002, byl zaznamenán meziroční pokles o 218 osob oproti roku 2001. Největší nárůst počtu obyvatel je patrný v roce 2005, přírůstek činil 253 obyvatel oproti roku 2004.

Počet obyvatel

1150000 1145000 1140000 1135000 1130000 1125000 1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

Střední stav obyvatel - JMK

Obr.2 Vývoj středního stavu obyvatel v Jihomoravském kraji v letech 1995 - 2005 Z obrázku 2 je patrné, že počet obyvatel v JMK se od roku 1995 do roku 2003 snižoval, přičemž k největšímu úbytku obyvatelstva došlo v roce 2001, tento činil 9 715 obyvatel oproti roku 2000. Od roku 2004 se počet obyvatel mírně zvyšuje.

32

Počet obyvatel

10 350 000 10 310 000 10 270 000 10 230 000 10 190 000 1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

Střední stav obyvatel ČR

Obr.3 Vývoj středního stavu obyvatel v České republice v letech 1995 - 2005 Z obrázku 3 je zřejmé, že v ČR se od roku 1995 do roku 2002 stav obyvatel snižoval. Naopak od roku 2003 je možno pozorovat rostoucí trend počtu obyvatelstva. K největšímu

poklesu

počtu

obyvatelstva

došlo

v roce

2001,

úbytek

činil

48 311 obyvatel.

Počet obyvatel

108 750 108 250 107 750 107 250 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Vývoj středního stavu obyvatel - okres Blansko

Obr.4 Predikce vývoje středního stavu obyvatel v okrese Blansko do roku 2010

Časová řada vývoje středního stavu obyvatelstva v okrese Blansko byla vyrovnána polynomem druhého stupně, což znázorňuje obrázek 4. Regresní rovnice má tvar y = 11,312t 2 − 24, 4t + 107695 . V případě, že by nedošlo ke změně trendu, zvýšil by se střední stav obyvatelstva do roku 2010 na 108 582 obyvatel. Prognózovaného počtu obyvatel by okres v roce 2010 dosáhl za předpokladu, že by nedošlo k úbytku obyvatel v důsledku odpojení 14 obcí k 1.1.2007. Skutečný počet obyvatel bude nižší o počet obyvatel odpojených obcí v konkrétním sledovaném roce.

33

Počet obyvatel

1 160 000 1 150 000 1 140 000 1 130 000 1 120 000 1 110 000 1 100 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Vývoj středního stavu obyvatel - JMK

Obr.5 Predikce vývoje středního stavu obyvatel v JMK do roku 2010 Z obrázku 5 je patrný klesající trend vývoje středního stavu obyvatel v JMK.

Časová řada vývoje středního stavu obyvatel je vyrovnána polynomem druhého stupně. Regresní rovnice je tvaru y = −23,997t 2 − 2379, 66t + 1139277 . V roce 2010 by se snížil střední stav obyvatelstva na 1 113 081 obyvatel za předpokladu, že by nedošlo ke změně trendu.

Počet obyvatel

10 380 000 10 330 000 10 280 000 10 230 000 10 180 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Vývoj středního stavu obyvatel - ČR

Obr.6 Predikce vývoje středního stavu obyvatel v ČR do roku 2010

Časová řada vývoje středního stavu obyvatelstva v ČR byla vyrovnána polynomem druhého stupně, což znázorňuje obrázek 6. Regresní rovnice má tvar y = 977,869t 2 − 13363, 255t + 10250913, 67 . V případě, že by nedošlo ke změně trendu, snížil by se střední stav obyvatelstva do roku 2010 na 10 215 068 obyvatel.

Počet obyvatel

55 500 55 000 54 500 54 000 53 500 53 000 52 500 1995

1996

1997

1998

1999

2000

Střední stav obyvatel - muži

2001

2002

2003

2004

2005

Střední stav obyvatel - ženy

Obr.7 Vývoj středního stavu mužů a žen v okrese Blansko v letech 1995 – 2005

34

Z obrázku 7 je patrné , že ve sledovaném časovém období struktury obyvatelstva je převažující podíl žen než mužů. Od roku 1995 do roku 1999 se podíl mužské populace mírně zvyšoval. Naopak v letech 2000 až 2002 podíl mužů v populaci mírně klesal. V roce 2005 činil podíl mužské populace v okrese Blansko 52 863. Podíl ženské populace se od roku 1995 do roku 2002 mírně snižoval. Naopak od roku 2003 podíl žen zaznamenal mírný nárůst a v roce 2005 činil 55 015.

Počet obyvatel

600 000 590 000 580 000 570 000 560 000 550 000 540 000 1995

1996

1997

1998

1999

Střední stav obyvatel - muži

2000

2001

2002

2003

2004

2005

Střední stav obyvatel - ženy

Obr.8 Vývoj středního stavu mužů a žen v JMK v letech 1995 – 2005 Z obrázku 8 je patrný převažující podíl žen v populaci ve sledovaném časovém období let 1995 až 2005. Podíl mužů v populaci zaznamenal od roku 1995 do roku 2003 klesající vývoj. Naopak od roku 2004 lze pozorovat mírně se zvyšující zastoupení mužů v populaci. K největšímu úbytku počtu mužů v populaci došlo v roce 2001, z počtu 554 516 na 549 934, tj. pokles o 4 582 obyvatel. Ve sledovaném časovém období lze pozorovat snižující se počet žen v populaci, výjimkou byl rok 2004 kdy došlo k nárůstu o 328 žen. Největší úbytek žen v populaci byl zaznamenán v roce 2001 činil 5 133 žen.

Počet obyvatel

5 350 000 5 250 000 5 150 000 5 050 000 4 950 000 1995

1996

1997

1998

1999

Střední stav obyvatel - muži

2000

2001

2002

2003

2004

2005

Střední stav obyvatel - ženy

Obr.9 Vývoj středního stavu mužů a žen v ČR v letech 1995 - 2005 V ČR je patrná převaha ženské populace, což znázorňuje obrázek 9. Zastoupení žen v populaci, stejně jako zastoupení mužů se od roku 1995 do roku 2002 snižovalo. U obou pohlaví je od roku 2003 patrný mírně rostoucí vývoj. Celkově mezi roky 1995

35

a 2002 došlo ke snížení stavu žen o počet 74 420, u mužské části populace se počet snížil o 55 565.

1995 0,489 index maskulinity 95,83 sekundární ima 105,98 ima ve věku 0-14 let 103,59 ima ve věku 15-59 let 103,02 ima ve věku 60-64 let 84,86 ima ve věku 65 let a více 63,26 podíl mužů v populaci

1996 0,489 95,86 103,93 104,05 102,95 85,23 63,36

1997 0,490 96,06 102,17 104,42 103,08 87,75 63,37

1998 0,491 96,28 114,35 105,20 103,26 86,74 63,99

1999 2000 0,491 0,490 96,32 96,17 105,56 113,41 104,93 105,33 103,52 103,34 85,82 85,63 64,31 64,31

2001 0,490 96,10 111,71 103,84 103,61 86,16 64,47

2002 0,490 96,23 117,28 104,85 103,57 86,34 64,78

2003 0,490 96,15 102,07 105,27 103,24 89,00 64,94

2004 0,490 95,99 100,20 105,31 103,31 88,94 64,37

2005 0,490 96,26 105,89 105,71 103,57 90,34 64,86

Tab.1 Vývoj ukazatelů maskulinity v okrese Blansko v letech 1995 – 2005 1995 podíl mužů v populaci

0,484 93,76 sekundární ima 101,03 ima ve věku 0-14 let 104,81 ima ve věku 15-59 let 100,92 ima ve věku 60-64 let 81,73 ima ve věku 65 let a více 59,97 index maskulinity

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

0,484 93,84 106,55 105,02 101,00 82,06 60,18

0,484 93,89 104,92 104,91 101,05 83,17 60,40

0,484 93,99 104,88 104,85 101,19 83,35 60,72

0,485 94,07 109,36 104,83 101,32 83,77 60,89

0,485 94,11 105,36 104,70 101,39 85,16 60,94

0,485 94,06 104,80 105,07 101,27 85,63 61,02

0,485 93,99 105,62 105,12 101,18 85,90 61,23

0,485 94,20 105,97 105,16 101,46 87,01 61,49

0,485 94,25 106,63 105,38 101,49 87,64 61,76

0,486 94,37 103,00 105,34 101,74 87,17 62,35

Tab.2 Vývoj ukazatelů maskulinity v JMK v letech 1995 – 2005 1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

0,486 index maskulinity 94,57 sekundární ima 105,81 ima ve věku 0-14 let 105,04 ima ve věku 15-59 let 101,10 ima ve věku 60-64 let 84,55 ima ve věku 65 let a více 61,22

0,486 94,62 105,51 105,07 101,17 84,80 61,55

0,486 94,68 105,63 105,15 101,21 85,10 61,89

0,486 94,72 105,98 105,18 101,28 85,25 62,16

0,487 94,77 105,01 105,20 101,33 85,64 62,42

0,487 94,82 107,34 105,34 101,36 86,38 62,60

0,487 94,84 105,71 105,32 101,35 86,93 62,82

0,487 94,85 105,85 105,34 101,35 87,32 63,07

0,487 95,00 105,66 105,45 101,57 87,81 63,32

0,487 95,06 106,03 105,58 101,66 88,20 63,64

0,488 95,32 105,42 105,62 102,05 88,11 64,25

podíl mužů v populaci

Tab.3 Vývoj ukazatelů maskulinity v ČR v letech 1995 – 2005 Z tabulek 1, 2, 3 je patrné, že podíl mužů v populaci se nijak výrazně neměnil. Hodnota indexu maskulinity v okrese Blansko se od roku 1995 do roku 1999 mírně zvyšovala, v následujících letech je patrný kolísavý průběh. V JMK je možné pozorovat rostoucí trend ukazatele ima, výjimkou byly roky 2001 a 2002, kdy na 100 žen připadlo 93 mužů. V ČR je patrný rostoucí trend ima. Hodnota sekundárního indexu maskulinity potvrzuje biologickou zákonitost, že se v populaci rodí více chlapců než děvčat. Tento ukazatel je stabilní v čase a prakticky ve všech populacích se pohybuje nad hodnotou 100. Je prakticky prokázáno, že existuje nepřímá závislost mezi tímto indexem a věkem matek, resp. pořadím dítěte při narození.

36

96,4 96,3 96,2 % 96,1 96 95,9 95,8 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index maskulinity - okres Blansko

Obr.10 Predikce vývoje hodnot ima v okrese Blansko do roku 2010

Časová řada vývoje hodnot indexu maskulinity vykazuje ve sledovaném období lineární rostoucí trend, což znázorňuje obrázek 10. Hodnoty parametrů trendové funkce jsou a0 = 95,97 a a1 = 0, 0238 . Regresní

rovnice má tvar y = 0, 0238t + 95,97 .

Za předpokladu, že nedojde ke změně trendu bude ima v roce 2010 roven hodnotě 96,85 tzn. na 100 žen připadne 96 mužů.

94,9 94,6 % 94,3

94 93,7 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index maskulinity - JMK

Obr.11 Predikce vývoje hodnot ima v JMK do roku 2010 Ukazatel ima má ve sledovaném období rostoucí trend. Časová řada byla vyrovnána

polynomem

druhého

stupně.

Regresní

rovnice

má

tvar

y = 0, 003t 2 + 0, 051t + 94, 045 . V roce 2010 by se při neměnném trendu vývoje hodnot mohl ima zvýšit až na hodnotu 94,58 tj. 94 mužů na 100 žen, což znázorňuje obrázek 11.

37

96,5 96 % 95,5

95 94,5 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index maskulinity - ČR

Obr.12 Predikce vývoje hodnot ima v ČR do roku 2010

Časová řada hodnot ima vykazuje ve sledovaném období rostoucí parabolický trend. Pro vyrovnání byla použita regresní funkce y = 0, 0054t 2 + 0, 062t + 94, 787 s hodnotami parametrů a0 = 94, 787 , a1 = 0, 062 a a2 = 0, 0054 . V roce 2010 by se odhadovaná hodnota ima zvýšila při stávajícím trendu na 95,95 tj. 95 mužů na 100 žen, což znázorňuje obrázek 12.

podíl žen v populaci index feminity ife ve věku 0-14 let ife ve věku 15-59 let ife ve věku 60-64 let ife ve věku 65 let a víc

1995 0,511 104,36 96,54 97,07 117,84 158,07

1996 0,511 104,31 96,11 97,14 117,33 157,83

1997 0,510 104,10 95,77 97,01 113,96 157,81

1998 0,509 103,86 95,06 96,84 115,28 156,28

1999 0,509 103,82 95,30 96,60 116,52 155,49

2000 0,510 103,98 94,94 96,77 116,78 155,50

2001 0,510 104,05 96,30 96,52 116,07 155,11

2002 0,510 103,91 95,38 96,56 115,82 154,37

2003 0,510 104,00 95,00 96,87 112,36 154,00

2004 0,510 104,18 94,96 96,80 112,43 155,35

2005 0,510 103,89 94,60 96,56 110,70 154,19

Tab.4 Vývoj ukazatelů feminity v okrese Blansko v letech 1995 – 2005

podíl žen v populaci index feminity ife ve věku 0-14 let ife ve věku 15-59 let ife ve věku 60-64 let ife ve věku 65 let a víc

1995 0,516 106,65 95,41 99,08 122,35 166,76

1996 0,516 106,56 95,22 99,01 121,86 166,17

1997 1998 1999 0,516 0,516 0,515 106,50 106,40 106,30 95,32 95,38 95,39 98,96 98,82 98,69 120,24 119,98 119,37 165,56 164,69 164,23

2000 0,515 106,26 95,51 98,63 117,43 164,09

2001 0,515 106,31 95,18 98,74 116,79 163,87

2002 0,515 106,40 95,13 98,84 116,42 163,32

2003 0,515 106,16 95,09 98,56 114,93 162,62

2004 0,515 106,10 94,89 98,54 114,11 161,93

2005 0,514 105,97 94,93 98,29 114,72 160,39

2002 0,513 105,43 94,93 98,67 114,52 163,35

2003 0,513 105,27 94,83 98,46 113,89 163,35

2004 0,513 105,19 94,72 98,36 113,37 163,35

2005 0,512 104,91 94,68 97,99 113,50 163,35

Tab.5 Vývoj ukazatelů feminity v JMK v letech 1995 – 2005

podíl žen v populaci index feminity ife ve věku 0-14 let ife ve věku 15-59 let ife ve věku 60-64 let ife ve věku 65 let a víc

1995 1996 0,514 0,514 105,75 105,69 95,21 95,18 98,91 98,84 118,27 117,92 163,35 163,35

1997 0,514 105,62 95,10 98,81 117,51 163,35

1998 0,514 105,57 95,08 98,74 117,30 163,35

1999 0,513 105,52 95,06 98,69 116,76 163,35

2000 0,513 105,47 94,93 98,65 115,77 163,35

2001 0,513 105,44 94,95 98,67 115,04 163,35

Tab.6 Vývoj ukazatelů feminity v ČR v letech 1995 – 2005

38

Z tabulek 4, 5, 6 je patrné, že podíl žen v populaci se nijak výrazně neměnil. Hodnoty indexu feminity v okrese Blansko zaznamenávají střídavě rostoucí a klesající průběh, přičemž nejnižší hodnoty index dosáhl v roce 1999 kdy na 100 mužů připadlo 103 žen. Největší rozdíl podílů obou pohlaví byl zaznamenán v letech 1995 a 1996,

činil přibližně 2,1 %. Hodnoty ife v JMK vykazují klesající tendenci, výjimkou byly roky 2001 a 2002 kdy se hodnoty ukazatele mírně zvyšovaly. Největší rozdíl podílů obou pohlaví byl zaznamenán v roce 1996, kdy činil přibližně 2,8 %. Z celorepublikového hlediska se hodnoty ife mírně snižují. Největší rozdíl podílů obou pohlaví byl zaznamenán v letech 1995 a 1996, kdy činil přibližně 3,2 %.

104,6 104,4 %

104,2 104 103,8 103,6 103,4 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index feminity - okres Blansko

Obr.13 Predikce vývoje hodnot ife v okrese Blansko do roku 2010

Časová řada vývoje hodnot indexu feminity vykazuje ve sledovaném období lineární klesající trend. Hodnoty parametrů trendové funkce jsou a0 = 104, 20 a a1 = −0, 0258 . Regresní rovnice má tvar y = −0, 0258t + 104, 20 . Za předpokladu, že nedojde ke změně trendu bude ife v roce 2010 roven hodnotě 103,78 tzn. na 100 mužů připadne 103 žen, což znázorňuje obrázek 13.

106,9 106,7 106,5 106,3 % 106,1 105,9 105,7 105,5 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index feminity - JMK

Obr.14 Predikce vývoje hodnot ife v JMK do roku 2010

39

Ukazatel ife má ve sledovaném období klesající parabolický trend, což znázorňuje obrázek 14. Časová řada byla vyrovnána polynomem druhého stupně. Regresní rovnice má tvar y = −0, 0009t 2 − 0, 0582t + 106,33 . V roce 2010 by se při neměnném trendu vývoje hodnot mohl ife snížit až na hodnotu 105,67 tzn. na 100 mužů by připadlo 105 žen.

106 105,5 105 % 104,5 104 103,5 103 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Index feminity - ČR

Obr.15 Predikce vývoje hodnot ife v ČR do roku 2010

Časová řada hodnot ife vykazuje ve sledovaném období klesající parabolický trend, což znázorňuje obrázek 15. Pro vyrovnání byla použita regresní funkce y = −0, 0059t 2 − 0, 0692t + 105,50 s hodnotami parametrů a0 = 105, 50 , a1 = −0, 0692 a a2 = −0, 0059 . V roce 2010 by se odhadovaná hodnota ife zvýšila při stávajícím trendu na 104,22 tzn. na 100 mužů by připadlo 104 žen.

4.2 Struktura obyvatelstva podle věku 106 104 102 % 100 98 96 94 1995

1996

1997

1998

1999

2000

Index feminity ve věku 0 - 14 let

2001

2002

2003

2004

2005

Index maskulinity ve věku 0 - 14 let

Obr.16 Srovnání vývoje hodnot ima a ife v okrese Blansko ve věku 0-14 let

40

107 104

%

101 98 95 92 1995

1996

1997

1998

1999

2000

Index feminity ve věku 0-14 let

2001

2002

2003

2004

2005

Index maskulinity ve věku 0-14 let

Obr.17 Srovnání vývoje hodnot ima a ife v JMK ve věku 0-14 let 108 105 102 %

99 96 93 1995

1996

1997

1998

1999

2000

Index feminity ve věku 0-14 let

2001

2002

2003

2004

2005

Index maskulinity ve věku 0-14 let

Obr.18 Srovnání vývoje hodnot ima a ife v ČR ve věku 0-14 let 104 102 % 100

98 96 1995

1996

1997

1998

1999

2000

Index feminity ve věku 15 - 59 let

2001

2002

2003

2004

2005

Index maskulinity ve věku 15 - 59 let

Obr.19 Srovnání vývoje hodnot ima a ife v okrese Blansko ve věku 15-59 let 102 101 % 100

99 98 1995

1996

1997

1998

1999

2000

Index feminity ve věku 15-59

2001

2002

2003

2004

Index maskulinity ve věku 15-59

Obr.20 Srovnání vývoje hodnot ima a ife v JMK ve věku 15-59 let

41

2005

104 102 100 %

98 96 94 1995

1996

1997

1998

1999

2000

Index feminity ve věku 15-59 let

2001

2002

2003

2004

2005

Index maskulinity ve věku 15-59 let

Obr.21 Srovnání vývoje hodnot ima a ife v ČR ve věku 15-59 let 160 140 120 %

100 80 60 1995

1996

1997

1998

1999

2000

Index feminity ve věku 60 a více let

2001

2002

2003

2004

2005

Index maskulinity ve věku 60 a více let

Obr.22 Srovnání vývoje hodnot ima a ife v okrese Blansko ve věku 60 a více let 160 140

%

120 100 80 60 1995

1996

1997

1998

1999

2000

Index feminity ve věku 60 a více let

2001

2002

2003

2004

2005

Index maskulinity ve věku 60 a více let

Obr.23 Srovnání vývoje hodnot ima a ife v JMK ve věku 60 a více let 150 135 120 % 105 90 75 60 1995

1996

1997

1998

1999

2000

Index feminity ve věku 60 a více let

2001

2002

2003

2004

2005

Index maskulinity ve věku 60 a více let

Obr.24 Srovnání vývoje hodnot ima a ife v ČR ve věku 60 a více let Z obrázků 16 až 24 je patrné, že zastoupení mužů v populaci je převažující u dětské a aktivní složky.

42

Zastoupení mužů a žen má své biologické zákonitosti. Rodí se více chlapců než dívek, v ČR je zhruba do 40 let věku počet mužů vyšší než počet žen. V populaci JMK do 50 let věku převažují muži (průměrně 105 mužů na 100 žen), ve vyšších ročnících převahu přebírají ženy, které se průměrně dožívají vyššího věku než muži. V každém věku je však úmrtnost mužů vyšší než úmrtnost žen, poměr četnosti pohlaví se proto s rostoucím věkem nejprve vyrovnává a ve starších věkových skupinách vždy převažují ženy. Struktura obyvatelstva podle pohlaví není ovlivněna jen procesy rození a vymírání, důležitou roli hraje i migrace obyvatel. V posledních letech je patrný rostoucí trend v počtu přistěhovalých jedinců.

1995 95,9

1996 98,1

1997 101,5

1998 105,0

1999 109,0

2000 113,3

2001 117,5

2002 121,6

2003 127,0

2004 131,9

2005 137,2

2004 138,33

2005 143,31

2004 132,06

2005 136,84

Tab.7 Vývoj hodnot indexu stáří v okrese Blansko v letech 1995 – 2005 1995 100,75

1996 103,71

1997 106,87

1998 110,19

1999 113,89

2000 118,59

2001 122,86

2002 2003 127,36 133,03

Tab.8 Vývoj hodnot indexu stáří v JMK v letech 1995 – 2005 1995 98,09

1996 100,78

1997 103,48

1998 106,42

1999 109,71

2000 113,87

2001 117,46

2002 2003 121,54 126,81

Tab.9 Vývoj hodnot indexu stáří v ČR v letech 1995 – 2005 Podobně jako na území celé České republiky, JMK, tak i na území blanenského okresu dlouhodobě dochází a do budoucna bude docházet ke stárnutí populace. Z tabulek č. 7, 8, 9 je patrné, že obyvatelstvo v JMK stárne rychleji než zbytek české populace. V roce 2005 připadlo na 100 osob v JMK mladších 15-ti let 143 osob ve věku 60 let a starších. Mezi hlavní příčiny patří zejména déletrvající omezení porodnosti, snižování měr úmrtnosti a prodlužující se délka lidského života. K nejzávažnějším problémům stárnoucí společnosti patří, že vznikne mohutná skupina ekonomicky závislé populace se specifickým životním stylem a specifickými potřebami v oblasti spotřeby, zdravotní péče, bydlení.

43

80 60 40 20 0 1995

1996

1997

1998

Podíl dětské složky v %

1999

2000

2001

Podíl aktivní složky v %

2002

2003

2004

2005

Podíl postaktivní složky v %

Obr.25 Zastoupení dětské, aktivní a postaktivní složky v populaci okresu Blansko v letech 1995 - 2010 80 60 40 20 0 1995

1996

1997

1998

Podíl dětské složky v %

1999

2000

2001

Podíl aktivní složky v %

2002

2003

2004

2005

Podíl postaktivní složky v %

Obr.26 Zastoupení dětské, aktivní a postaktivní složky v populaci JMK v letech 1995 – 2010 80 60 40 20 0 1995

1996

1997

1998

Podíl dětské složky v %

1999

2000

2001

Podíl aktivní složky v %

2002

2003

2004

2005

Podíl postaktivní složky v %

Obr.27 Zastoupení dětské, aktivní a postaktivní složky v populaci ČR v letech 1995 - 2010 Populaci v okrese Blansko, JMK, ČR lze označit za stacionární, důvodem je, že intenzita porodnosti klesá na takovou úroveň, že pouze nahrazuje obyvatelstvo v reprodukčním věku.

44

4.3 Ukazatele úmrtnosti Od začátku 90. let počet zemřelých v ČR výrazně klesá. V roce 1998 klesl absolutní počet zemřelých poprvé od roku 1967 pod hranici 110 tis. a nadále se pod touto hranicí pohybuje i přes probíhající demografické stárnutí populace. Za období od roku 1995 do roku 2005 klesl celkový počet zemřelých o 9 975 osob a hrubá míra úmrtnosti se snížila z 11,41 ‰ na 10,55 ‰, což znázorňuje tabulka 10. Kojenecká úmrtnost klesla od roku 1995 do roku 2005 více než o polovinu. V roce 2005 dosáhla svého historického minima s hodnotou 3,39 ‰, což znázorňuje tabulka 11.

1995 11,41

1996 10,93

1997 10,94

1998 10,64

1999 10,67

2000 10,61

2001 10,54

2002 10,61

2003 10,91

2004 10,50

2005 10,55

2004 3,75

2005 3,39

Tab.10 Vývoj hodnot hrubé míry úmrtnosti v ČR v letech 1995 - 2005

1995 7,70

1996 6,05

1997 5,86

1998 5,21

1999 4,62

2000 4,10

2001 3,97

2002 4,15

2003 3,90

Tab.11 Vývoj kvocientu kojenecké úmrtnosti v ČR v letech 1995 – 2005 V okrese Blansko se ve sledovaném období hrubá míra úmrtnosti snížila z 11,38 ‰ v roce 1995 na 10,35 ‰ v roce 2005, což znázorňuje tabulka 12. Celkový počet zemřelých klesl o 113 osob. Kojenecká úmrtnost klesala od roku 1995 velmi prudce a v roce 2004 dosáhla svého historického minima s hodnotou 1,0 ‰, což znázorňuje tabulka 13.

1995 11,38

1996 11,46

1997 10,47

1998 10,58

1999 10,79

2000 10,42

2001 10,37

2002 11,20

2003 10,43

2004 10,56

2005 10,35

Tab.12 Vývoj hodnot hrubé míry úmrtnosti v okrese Blansko v letech 1995 – 2005

1995 9,07

1996 7,09

1997 3,89

1998 6,99

1999 4,50

2000 1,10

2001 3,32

2002 5,30

2003 4,11

2004 1,00

2005 2,96

Tab.13 Vývoj kvocientu kojenecké úmrtnosti v okrese Blansko v letech 1995 – 2005 V JMK je patrný klesající trend hrubé míry úmrtnosti a to z 11,18 ‰ v roce 1995 na 10,67 ‰ v roce 2005, což znázorňuje tabulka 14. Celkový počet zemřelých se snížil z hodnoty 12 845 v roce 1995 na hodnotu 12 059 v roce 2005 tj. o 786 osob. Kojenecká úmrtnost zaznamenala od roku 1995 klesající vývoj, nejnižší hodnoty dosáhla v roce 2004 a to 2,33 ‰, což znázorňuje tabulka 15.

45

1995 11,18

1996 10,88

1997 10,78

1998 10,45

1999 10,54

2000 10,63

2001 10,34

2002 10,64

2003 10,78

2004 10,32

2005 10,67

2004 2,33

2005 2,96

Tab.14 Vývoj hodnot hrubé míry úmrtnosti v JMK v letech 1995 - 2005

1995 5,20

1996 5,90

1997 4,51

1998 4,29

1999 3,54

2000 3,22

2001 3,10

2002 3,85

2003 3,67

Tab.15 Vývoj kvocientu kojenecké úmrtnosti v JMK v letech 1995 - 2005

11,70 11,10 ‰

10,50 9,90 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra úmrtnosti - okres Blansko

Obr.28 Vývoj hodnot hrubé míry úmrtnosti v okrese Blansko v letech 1995 – 2010 Ukazatel

hodnot hrubé míry úmrtnosti má ve sledovaném období klesající

lineární trend. Hodnota parametrů regresní rovnice je a0 = 11,17 a a1 = −0, 0732 . Tvar regresní rovnice je y = −0, 0732t + 11,17 . Za předpokladu, že se trend nezmění klesne hodnota hrubé míry úmrtnosti do roku 2010 na hodnotu 10,00 ‰, což znázorňuje obrázek 28.

11,4 11,2 11 ‰ 10,8 10,6 10,4 10,2 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra úmrtnosti - JMK

Obr.29 Vývoj hodnot hrubé míry úmrtnosti v JMK v letech 1995 – 2010

Časová řada hodnot hrubé míry úmrtnosti má klesající lineární trend. Regresní rovnice

má

tvar

y = −0, 0419t + 10,91 ,

hodnoty

parametrů

jsou

a0 = 10, 91

a a1 = −0, 0419 . Do roku 2010 se při stávajícím charakteru trendu sníží hrubá míra úmrtnosti na hodnotu 10,24 ‰, což znázorňuje obrázek 29.

46

11,5 11 ‰

10,5 10 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra úmrtnosti - ČR

Obr.30 Vývoj hodnot hrubé míry úmrtnosti v ČR v letech 1995 – 2010 Vývoj hodnot hrubé míry úmrtnosti má klesající lineární trend. Hodnota parametrů regresní rovnice je a0 = 11,10 a a1 = −0, 0573 . Regresní rovnice má tvar y = −0, 0573t + 11,10 . V roce 2010 by se při stávajícím trendu vývoje hodnot mohla hrubá míra úmrtnosti snížit na hodnotu 10,18 ‰, což znázorňuje obrázek 30.

4.4 Ukazatele sňatečnosti Široký rejstřík možných aktivit mladých lidí po roce 1989 odsunul plány na vstup do manželství do pozadí, potenciální snoubenci většinou své sňatky odkládají na pozdější dobu, do svého vyššího věku, někdy se rozhodují i pro celoživotní dráhu bez stálého manželského partnera. Zároveň spojují počátek rodinného života se získáním určité ekonomické úrovně a vyřešením bytové otázky. Nižší míra sňatečnosti, která hlavně z těchto změn, ale i z jiných faktorů vyplynula, přitom odpovídá evropskému průměru. O nízké úrovni sňatečnosti

v ČR vypovídá i skutečnost, že roku 2003

zaznamenal Český statistický úřad historicky nejnižší počet sňatků od první světové války (48 943) a také, že v tomto roce do věku 25 let uzavřela manželství jen čtvrtina svobodných žen, což znázorňuje tabulka 16.

1995 5,32

1996 5,22

1997 5,61

1998 5,35

1999 5,21

2000 5,39

2001 5,12

2002 5,17

2003 4,80

2004 5,04

2005 5,06

Tab.16 Vývoj hodnot hrubé míry sňatečnosti v ‰ v letech 1995 – 2005 v ČR I v okrese Blansko lze pozorovat snižující se úroveň hrubé míry sňatečnosti. Mezi roky 1995 a 2005 se počet uzavřených manželství snížil o 78, tj. z hodnoty 587 na hodnotu 509. Nejnižší hodnoty dosáhla hms v roce 1999 a to 4,35 ‰, což znázorňuje tabulka 17.

47

1995 5,44

1996 4,50

1997 4,87

1998 4,90

1999 4,35

2000 5,24

2001 4,82

2002 4,74

2003 4,56

2004 4,58

2005 4,72

Tab.17 Vývoj hodnot hrubé míry sňatečnosti v ‰ v letech 1995 – 2005 v okrese Blansko V JMK dochází

stejně jako v jiných krajích ČR k poklesu počtu sňatků.

V období let 1995 – 2005 se počet sňatků snížil o 297, tj. z hodnoty 5 990 na hodnotu 5 693 sňatků. Nejnižší hodnoty dosáhla hms v roce 2003 a to 4,85 sňatků na 1 000 obyvatel, což znázorňuje tabulka 18.

1995 5,21

1996 4,92

1997 5,31

1998 5,04

1999 5,08

2000 5,32

2001 4,98

2002 5,01

2003 4,85

2004 5,04

2005 5,04

Tab.18 Vývoj hodnot hrubé míry sňatečnosti v ‰ v letech 1995 – 2005 v JMK

Časová řada hodnot hrubé míry sňatečnosti má ve sledovaném časovém období klesající lineární trend. Regresní rovnice má tvar y = −0, 0369t + 5, 01 , hodnoty parametrů jsou a0 = 5, 01 a a1 = −0, 0369 . Do roku 2010 se při stávajícím charakteru trendu sníží hrubá míra sňatečnosti na hodnotu 4,42 ‰, což znázorňuje obrázek 31.

5,7 5,2 ‰

4,7 4,2 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra sňatečnosti - okres Blansko

Obr.31 Vývoj hodnot hrubé míry sňatečnosti v okrese Blansko v letech 1995 - 2010 Vývoj hodnot hrubé míry sňatečnosti má klesající lineární trend, což znázorňuje obrázek 32. Časová řada byla vyrovnána polynomem druhého stupně. Regresní rovnice má tvar y = −0, 008t 2 − 0, 0174t + 5, 0808 . V roce 2010 by se při současném trendu vývoje hodnot mohla hrubá míra sňatečnosti snížit až na hodnotu 4,83 ‰.

48

5,4 5,3 5,2 ‰ 5,1

5 4,9 4,8 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra sňatečnosti - JMK

Obr.32 Vývoj hodnot hrubé míry sňatečnosti v JMK v letech 1995 - 2010

Časová řada hodnot hrubé míry sňatečnosti má klesající lineární trend. Pro vyrovnání časové řady byl použit polynom druhého stupně. Regresní rovnice má tvar y = −0, 0037t 2 − 0, 0445t + 5, 2448 . Odhadovaná hodnota obecné míry plodnosti v roce 2010 při současném trendu je 4,43 ‰, což znázorňuje obrázek 33.

5,9 5,4 ‰

4,9 4,4 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra sňatečnosti - ČR

Obr.33 Vývoj hodnot hrubé míry sňatečnosti v ČR v letech 1995 - 2010

4.5 Ukazatele rozvodovosti V okrese Blansko je možné pozorovat rostoucí počet rozvádějících se manželství. Mezi roky 1995 až 2005 došlo ke zvýšení počtu rozvodů o 120 případů, tj. z počtu 177 na 297. Nejnižší hodnota hrubé míry rozvodovosti je patrná v roce 1995 a to 1,64 rozvodů na 1 000 obyvatel, což znázorňuje tabulka 19.

1995 1,64

1996 2,37

1997 1,94

1998 2,73

1999 1,89

2000 2,40

2001 2,28

2002 2,37

2003 2,79

2004 2,60

2005 2,75

Tab.19 Vývoj hodnot hrubé míry rozvodovosti v ‰ v letech 1995 – 2005 okres Blansko V JMK i v ČR došlo ve sledovaném období let 1995 až 2005 k mírně rostoucímu vývoji hmr, výjimkou byl rok 1999, kdy byl přerušen dlouhodobý trend mírného růstu

49

rozvodovosti a počet rozvodů klesl na hodnotu 2,03 resp. 2,30 rozvodů na 1 000 obyvatel. Toto náhlé snížení způsobila legislativní změna, protože novela zákona o rodině (č. 91/1998 Sb.) s účinností od 1. srpna 1998 nově upravila podmínky, za kterých může být rozvod uskutečněn. Novela přinesla tyto podstatné změny: ztížila rozvody manželství s malými dětmi, zavedla takzvaný nesporný rozvod se zjednodušeným projednáváním. V JMK i v ČR dosahovala hmr v roce 2004 nejvyšších hodnot a to 2,93 resp. 3,24 rozvodů na 1000 obyvatel, což znázorňuje tabulka 20 a 21 .

1995 2,66

1996 2,75

1997 2,70

1998 2,74

1999 2,03

2000 2,56

2001 2,75

2002 2,77

2003 2,84

2004 2,93

2005 2,79

Tab.20 vývoj hodnot hrubé míry rozvodovosti v ‰ v letech 1995 – 2005 v JMK

1995 3,01

1996 3,21

1997 3,15

1998 3,14

1999 2,30

2000 2,89

2001 3,09

2002 3,11

2003 3,22

2004 3,24

2005 3,06

Tab.21 vývoj hodnot hrubé míry rozvodovosti v ‰ v letech 1995 – 2005 v ČR

Časová řada hodnot hrubé míry rozvodovosti má ve sledovaném období rostoucí parabolický

trend.

Pro

vyrovnání

byla

použita

regresní

y = −0, 0014t 2 + 0, 0790t + 2, 3557 s hodnotami parametrů a0 = 2, 3557 ,

funkce

a1 = 0, 0790

a a2 = −0, 0014 . V roce 2010 by se odhadované hodnota hrubé míry rozvodovosti zvýšila při stávajícím trendu na 3,01 ‰, což zobrazuje obrázek 34.

3,5 3 ‰ 2,5

2 1,5 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra rozvodovosti - okres Blansko

Obr.34 Vývoj hrubé míry rozvodovosti v okrese Blansko v letech 1995 - 2010

Časová řada hodnot hrubé míry rozvodovosti byla vyrovnána lineární trendovou funkcí, což znázorňuje obrázek 35. Regresní rovnice má tvar y = 0, 0234t + 2,5435 s parametry a0 = 2,5435 a a1 = 0, 0234 . Hodnota hrubé míry rozvodovosti by se v roce 2010 zvýšila na hodnotu 2,92 ‰, pokud by se nezměnil dosavadní trend vývoje.

50

3 2,8 ‰

2,6 2,4 2,2 2 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra rozvodovosti - JMK

Obr.35 Vývoj hrubé míry rozvodovosti v JMK v letech 1995 - 2010 Z obrázku 36 je patrný rostoucí trend rozvodovosti v ČR. Časová řada hodnot hrubé míry rozvodovosti je vyrovnána lineární trendovou funkcí. Regresní rovnice má tvar y = 0, 0119t + 2,9667 s parametry a0 = 2, 9667 a a1 = 0, 0119 . Pokud nedojde ke změně trendu, vzroste hodnota hmr do roku 2010 na 3,16 ‰.

3,5 3,2 2,9 ‰

2,6 2,3 2 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra rozvodovosti - ČR

Obr.36 Vývoj hrubé míry rozvodovosti v ČR v letech 1995 - 2010

4.6 Ukazatele potratovosti V okrese Blansko hodnota ukazatele hrubé míry potratovosti od roku 1995 do roku 2000 klesala, od roku 2001 zaznamenala kolísavý průběh, což znázorňuje tabulka 22. Mezi roky 1995 a 2005 došlo ke snížení počtu potratů o 179 případů, tj. z počtu 567 na 388 potratů. Nejnižší hodnota hrubé míry potratovosti je vykazována v roce 2003 a to 3,29 potratů na 1 000 obyvatel, a byla nižší než celorepublikový průměr (4,1 ‰).

1995 5,25

1996 4,94

1997 4,44

1998 4,26

1999 4,18

2000 3,51

2001 3,62

2002 3,90

2003 3,29

2004 3,37

2005 3,60

Tab.22 Vývoj hodnot hrubé míry potratovosti v ‰ v letech 1995–2005 v okrese Blansko

51

V JMK je patrný snižující se počet potratů ve sledovaném období let 1995 až 2005. Výjimkou byl rok 1996 a 2003, kdy hrubá míra potratovosti činila 5,09 resp. 3,69 potratů na 1 000 obyvatel, což znázorňuje tabulka 23. Nejmarkantnější úbytek potratů byl zaznamenán mezi roky 1996 a 1997, kdy došlo ke snížení počtu potratů o 548 případů, tj. z počtu 5 842 na 5 294 potratů.

1995 5,04

1996 5,09

1997 4,62

1998 4,60

1999 4,37

2000 3,96

2001 3,80

2002 3,67

2003 3,69

2004 3,50

2005 3,44

Tab.23 Vývoj hodnot hrubé míry potratovosti v ‰ v letech 1995 – 2005 v JMK Z celorepublikového hlediska docházelo ve sledovaném období let 1995 až 2005 k mírnému snižování počtu potratů, což znázorňuje tabulka 24. Mezi roky 1995 a 2005 došlo ke snížení počtu potratů téměř o 1/3, tj. z počtu 61 590 na 40 023 potratů.

1995 5,96

1996 5,81

1997 5,53

1998 5,41

1999 5,07

2000 4,61

2001 4,41

2002 4,29

2003 4,15

2004 4,05

2005 3,91

Tab.24 Vývoj hodnot hrubé míry potratovosti v ‰ v letech 1995 – 2005 v ČR Ukazatel hrubé míry potratovosti má ve sledovaném období klesající parabolický trend, což znázorňuje obrázek 37. Pro vyrovnání byla použita regresní y = 0, 0112t 2 − 0,1751t + 3, 7924 ,

funkce

hodnoty

parametrů

jsou

a0 = 3, 7924 ,

a1 = −0,1751 a a2 = 0, 0112 . V roce 2010 by se odhadovaná hodnota hmpo snížila při stávajícím trendu na 3,16 ‰.

5,5 5 4,5 ‰

4 3,5 3 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra potratovosti - okres Blansko

Obr.37 Vývoj hodnot hrubé míry potratovosti v okrese Blansko v letech 1995 - 2010

Časová řada hodnot hrubé míry potratovosti má klesající parabolický trend. Regresní rovnice má tvar

y = 0, 0090t 2 − 0,178t + 4, 0723 s hodnotami parametrů

a0 = 4, 0723 , a1 = −0,178 a a2 = 0, 0090 . Za předpokladu, že se trend nezmění klesne

52

hodnota hrubé míry potratovosti do roku 2010 na hodnotu 3,19 ‰, což znázorňuje obrázek 38.

5,5 5 4,5 ‰

4 3,5 3 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra potratovosti - JMK

Obr.38 Vývoj hodnot hrubé míry potratovosti v JMK v letech 1995 – 2010 Vývoj hodnot hrubé míry úmrtnosti má klesající parabolický trend. Pro vyrovnání byla použita regresní funkce y = 0, 0092t 2 − 0, 2212t + 4, 7442 , hodnoty parametrů jsou a0 = 4, 7442 , a1 = −0, 2212 a a2 = 0, 0092 . Do roku 2010 se při stávajícím charakteru trendu sníží hrubá míra potratovosti na hodnotu 3,45 ‰, což znázorňuje obrázek 39.

6,5 6 5,5 5 ‰ 4,5 4 3,5 3 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra potratovosti - ČR

Obr.39 Vývoj hodnot hrubé míry potratovosti v ČR v letech 1995 - 2010

4.7 Ukazatele plodnosti a porodnosti Obyvatelstvo České republiky i Jihomoravského kraje prošlo ve sledovaném období let 1995 – 2005 významnými změnami. Ekonomická a sociální transformace společnosti byla doprovázena změnami v demografickém chování, zvláště v chování reprodukčním a změnami postojů a žebříčků hodnot. V celkovém důsledku došlo k významnému poklesu počtu narozených dětí a odvozených ukazatelů porodnosti.

53

Do roku 2001 zaznamenala v okrese Blansko hodnota hrubé míry porodnosti kolísavý průběh, což znázorňuje tabulka 25. Od roku 2002 je patrný rostoucí trend hodnot hmp. Mezi roky 1995 a 2005 došlo ke snížení počtu živě narozených dětí o 89, tj. z počtu 1 102 na 1 013 dětí. Nejnižší hodnota hrubé míry porodnosti je vykazována v roce 1999, a to 8,23 živě narozených na 1 000 obyvatel. Naopak nejvyšší hodnota hmp je patrná v roce 1995, a to 10,21 živě narozených na 1 000 obyvatel.

1995 10,21

1996 9,14

1997 9,51

1998 9,27

1999 8,23

2000 8,41

2001 8,40

2002 8,78

2003 9,06

2004 9,28

2005 9,39

Tab.25 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995 – 2005 v okrese Blansko Obecná míry plodnosti zaznamenala v okrese Blansko do roku 2001 kolísavý průběh a od roku 2002 je patrný rostoucí trend hodnot obecné míry plodnosti, což znázorňuje tabulka 26. Nejvyšší hodnota obecné míry plodnosti byla naměřena v roce 2005, a to 38,63 dětí na 1 000 žen ve věku 15-49 let. Naopak nejnižší hodnota ukazatel obecné míry plodnosti byla zaznamenána v roce 1999, a to 26,55 dětí na 1 000 žen ve věku 15-49 let. 1995 33,50

1996 29,79

1997 30,83

1998 29,94

1999 26,55

2000 27,07

2001 27,02

2002 35,80

2003 37,02

2004 38,17

2005 38,63

Tab.26 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995 – 2005 v okrese Blansko V letech 1995 až 2005 se v JMK živě narodilo v úhrnu 110 725 dětí. Nejvíce dětí se narodilo v roce 2005, a to 11 149, hrubá míra porodnosti činila 9,86 živě narozených na 1 000 obyvatel. Nejméně dětí se narodilo v roce 1999, a to 9 599 dětí, hodnota hrubé míry porodnosti byla 8,39 živě narozených na 1 000 obyvatel, což znázorňuje tabulka 27.

1995 9,04

1996 8,57

1997 8,50

1998 8,54

1999 8,39

2000 8,41

2001 8,54

2002 8,97

2003 8,92

2004 9,49

2005 9,86

Tab.27 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995 – 2005 v JMK Obecná míra plodnosti stejně jako hrubá míra porodnosti od roku 1995 do roku 1999 klesala a od roku 2000 se pomalu zvyšovala, což znázorňuje tabulka 28. Nejvyšší hodnota ukazatele hrubé míry plodnosti byla zaznamenána v roce 2005, činila 38,60 dětí na 1 000 žen ve věku 15-49 let.

54

1995 34,42

1996 32,73

1997 32,51

1998 32,69

1999 32,11

2000 32,28

2001 33,06

2002 34,88

2003 34,66

2004 37,01

2005 38,60

Tab.28 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995 – 2005 v JMK Z celorepublikového hlediska je od roku 1995 do roku 1999 patrný kolísavý průběh hodnot hrubé míry porodnosti, což znázorňuje tabulka 29. Od roku 1999 docházelo k mírnému růstu hodnot hmp. Mezi roky 1995 a 2005 došlo ke zvýšení počtu živě narozených o 6 114, tj. z počtu 96 097 na 102 211 dětí. Nejnižší hodnota hmp je patrná v roce 1999, a to 8,7 živě narozených na 1 000 obyvatel. Nejvyšší hodnota hmp je vykazována v roce 2005, a to 9,99 živě narozených na 1 000 obyvatel.

1995 9,30

1996 8,77

1997 8,80

1998 8,79

1999 8,70

2000 8,85

2001 8,87

2002 9,10

2003 9,18

2004 9,57

2005 9,99

Tab.29 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995 – 2005 v ČR Ve sledovaném období let 1995 až 2005 je patrný rostoucí průběh hodnot obecné míry plodnosti, výjimkou byl rok 1996 kdy hodnota obecné míry plodnosti klesla na počet 34,11 dětí na 1 000 žen ve věku 15-49 let, což znázorňuje tabulka 30.

1995 36,03

1996 34,11

1997 34,41

1998 34,59

1999 34,36

2000 35,13

2001 35,49

2002 36,52

2003 36,99

2004 38,72

2005 40,59

Tab.30 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995 – 2005 v ČR Ukazatel hodnot hrubé míry porodnosti má ve sledovaném období rostoucí parabolický trend. Hodnota parametrů regresní rovnice je a0 = 8, 5794 , a1 = −0, 0513 a

a2 = 0, 0506 .

Tvar

regresní

rovnice

je y = 0, 0506t 2 − 0, 0513t + 8,5794 .

Za předpokladu, že se trend nezmění vzroste hodnota hrubé míry porodnosti do roku 2010 na hodnotu 13,13 ‰, což znázorňuje obrázek 40. 14 13 12 ‰ 11 10 9 8 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra porodnosti - okres Blansko

Obr.40 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995-2010 v okrese Blansko 55

Časová řada hodnot hrubé míry porodnosti má rostoucí parabolický trend. Regresní rovnice má tvar y = 0, 0415t 2 + 0,1077t + 8, 4650 , hodnoty parametrů jsou a0 = 8, 4650 , a1 = 0,1077 a a2 = 0, 0415 . Do roku 2010 se při stávajícím charakteru trendu zvýší hrubá míra porodnosti na hodnotu 13,69 ‰, což znázorňuje obrázek 41. 14 13 12 ‰ 11 10 9 8 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra porodnosti - JMK

Obr.41 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995-2010 v JMK Vývoj hodnot hrubé míry porodnosti má rostoucí parabolický trend. Hodnota parametrů regresní rovnice je

a0 = 8, 7638 , a1 = 0, 0780 a a2 = 0, 0320 . Regresní

rovnice má tvar y = 0, 0320t 2 + 0, 0780 + 8, 7638 . V roce 2010 by se při stávajícím trendu vývoje hodnot mohla hrubá míra porodnosti zvýšit na hodnotu 12,74 ‰, což znázorňuje obrázek 42.

13 12 ‰

11 10 9 8 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Hrubá míra porodnosti - ČR

Obr.42 Vývoj hodnot hrubé míry porodnosti v ‰ v letech 1995-2010 v ČR Ukazatel hodnot obecné míry plodnosti má ve sledovaném období rostoucí parabolický trend. Hodnota parametrů regresní rovnice je a0 = 29, 0106 , a1 = 0,8175 a

a2 = 0,3200 .

Tvar regresní

rovnice je

y = 0,3200t 2 + 0,8175t + 29, 0106 .

Za předpokladu, že se trend nezmění vzroste hodnota obecné míry plodnosti do roku 2010 na hodnotu 69,19 ‰, což znázorňuje obrázek 43.

56

80 70 60 ‰ 50 40 30 20 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Obecná míra plodnosti - okres Blansko

Obr.43 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995-2010 v okrese Blansko

Časová řada hodnot obecné míry plodnosti má rostoucí parabolický trend. Regresní rovnice má tvar y = 0,1536t 2 + 0, 4527t + 32, 55 , a0 = 32,55 , a1 = 0, 4527 a

hodnoty parametrů jsou

a2 = 0,1536 . Do roku 2010 se při stávajícím charakteru

trendu zvýší obecná míra plodnosti na hodnotu 52,44 ‰, což znázorňuje obrázek 44.

55 50 ‰

45 40 35 30 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Obecná míra plodnosti - JMK

Obr.44 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995-2010 v JMK Vývoj hodnot obecné míry plodnosti má rostoucí parabolický trend. Hodnota parametrů regresní rovnice je

a0 = 34,8236 ,

a1 = 0, 4906 a a2 = 0,1262 . Regresní

rovnice má tvar y = 0,1262t 2 + 0, 4906 + 34,8236 . V roce 2010 by se při stávajícím trendu vývoje hodnot mohla obecná míra plodnosti zvýšit na hodnotu 52,35 ‰, což znázorňuje obrázek 45.

55 50 45 ‰

40 35 30 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Obecná míra plodnosti - ČR

Obr.45 Vývoj hodnot obecné míry plodnosti v ‰ v letech 1995-2010 v ČR 57

4.8 Přírůstek obyvatelstva Území Jihomoravského kraje tvořilo do konce roku 2004 celkem 647 obcí. Od 1. 1. 2005 bylo na základě vyhlášky č. 388/2004 Sb. s vazbou na zákon

č. 387/2004 Sb. o změnách hranic krajů převedeno do Jihomoravského kraje 25 obcí z kraje Vysočina. Jihomoravský kraj má od tohoto data tedy 672 obcí. Celkový přírůstek obyvatel v kraji se v letech 1995 až 2002 pohyboval v záporných hodnotách, teprve od roku 2003 nabýval kladných hodnot, což znázorňuje tabulka 31. V roce 2003 byl zaznamenán velmi pozitivní vývoj počtu obyvatel. Oproti stavu v předchozích letech se počet obyvatel zvýšil o 763 osob. Tento nárůst kladně ovlivnila především migrace. Počet přistěhovalých převýšil počet vystěhovalých o 2 862 osob, zatímco počet zemřelých převýšil podobně jako v předchozích letech počet živě narozených. V časovém intervalu let 1995 až 2005 se počet obyvatel kraje snížil o 18 058, tj. pokles o 1,6 %. Počet obyvatel České republiky ve stejné době klesl o 0,7 %. Úbytek obyvatelstva JMK byl tedy v porovnání s celorepublikovým průměrem téměř 2x rychlejší. Neustále záporný přirozený přírůstek obyvatelstva byl během sledovaného období alespoň částečně kompenzován přírůstkem migračním.

1995 1996 -787 -1 433 Celkový přírůstek obyvatel -2 458 -2 646 Přirozený přírůstek obyvatel 1 671 1 213 Přírůstek stěhováním

1997 -1 089 -2 608 1 519

1998 1999 2000 2001 2002 2003 2004 2005 - 580 -940 -1 767 -3 504 -2 721 763 657 118 -2 195 -2 470 -2 542 -2 041 -1 894 -2 099 -939 -910 1 615 1 530 775 -1 463 -827 2 862 1 596 1 028

Tab.31 Vývoj přírůstku obyvatelstva v JMK v letech 1995 - 2005

Časová řada celkového přírůstku obyvatelstva byla vyrovnána lineární trendovou funkcí. Regresní rovnice má tvar y = 105, 4091t − 1658,18 s parametry a0 = −1658,18 a a1 = 105, 4091 . Do roku 2010 se při stávajícím charakteru trendu zvýší celkový přírůstek obyvatel na hodnotu 28 což znázorňuje obrázek 46.

Počet obyvatel

1 000 0 -1 000 -2 000 -3 000 -4 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Celkový přírůstek obyvatel- JMK

Obr.46 Vývoj celkového přírůstku obyvatelstva v JMK v letech 1995-2010 58

Časová řada hodnot přirozeného přírůstku obyvatel byla vyrovnána polynomem druhého stupně. Regresní rovnice má tvar y = 27, 0746t 2 + 155, 6909t − 2343, 655 . V roce 2010 by se při současném trendu vývoje hodnot mohl přirozený přírůstek obyvatel zvýšit na 1 920 obyvatel, což znázorňuje obrázek 47.

Počet obyvatel

2 000 1 000 0 -1 000 -2 000 -3 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přirozený přírůstek obyvatel - JMK

Obr.47 Vývoj přirozeného přírůstku obyvatelstva v JMK v letech 1995-2010

Časová řada hodnot přírůstku stěhováním byla vyrovnána přímkou. Regresní rovnice má tvar y = −50, 2818t + 1348,873 . Do roku 2010 se při stávajícím charakteru trendu zvýší přírůstek stěhováním na hodnotu 544 obyvatel, což znázorňuje obrázek

Počet obyvatel

48.

4 000 3 000 2 000 1 000 0 -1 000 -2 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přírůstek stěhováním - JMK

Obr.48 Vývoj přírůstku obyvatel stěhováním v JMK v letech 1995-2010 Přírůstek

obyvatel stěhováním převyšoval ve sledovaném období let

1995 až 2005 přirozený přírůstek obyvatel, což znázorňuje obrázek 49. Nejnižších hodnot dosahoval přírůstek stěhováním v roce 2001 a 2002, kdy činil –1 463 resp. -827 obyvatel. Přirozený přírůstek obyvatel dosahoval ve sledovaném období záporných hodnot.

59

Počet obyvatel

4 000 2 000 0 -2 000 -4 000 1995

1996

1997

1998

1999

2000

2001

Přirozený přírůstek obyvatel

2002

2003

2004

2005

Přírůstek stěhováním

Obr.49 Porovnání přirozeného přírůstku a přírůstku stěhováním v JMK v letech 1995-2005 Ve sledovaném období let 1995 – 2005 počty přistěhovalých převyšovaly počty vystěhovalých, výjimkou byly roky 2001 a 2002 kdy se poměr obrátil. tzn. počty vystěhovalých převyšovaly počty přistěhovalých, což znázorňuje obrázek 50. Celkově se v letech 1995 – 2005 do JMK přistěhovalo 78 414 obyvatel a vystěhovalo 66 895 obyvatel. Celkový migrační zisk za období 1995 až 2005 je 11 519 obyvatel.

Počet obyvatel

13 000 11 000 9 000 7 000 5 000 3 000 1995

1996

1997

1998

1999

Přístěhovalí celkem

2000

2001

2002

2003

2004

2005

Vystěhovalí celkem

Obr.50 Vývoj počtu přistěhovalých a vystěhovalých v JMK v letech 1995 - 2005 Počet obyvatel v ČR přestal od roku 2003 klesat, v roce 2004 se v porovnání s rokem 2003 nepatrně zvýšil o 9 122 obyvatel, tj. zvýšení o 0,1 %, což znázorňuje tabulka 32. I když se počet živě narozených dětí v ČR meziročně zvýšil o 3 979 dětí, tj. o 4,2 %. Přirozený přírůstek dosahoval ve sledovaném období let 1995 až 2005 záporných hodnot. Přírůstek stěhováním dosahoval ve sledovaném období kladných hodnot, výjimkou byl rok 2001 kdy činil –8 551 obyvatel. Počet zemřelých převyšoval ve všech sledovaných obdobích počet živě narozených.

Celkový přírůstek Přirozený přírůstek Přírůstek stěhováním

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 -11 817 -12 207 -10 012 -9 504 -11 523 -11 552 -25 591 -3 167 8 186 9 122 30 502 -21 816 -22 336 -22 087 -18 992 -20 297 -18 091 -17 040 -15 457 -17 603 -9 513 -5 727 9 999 10 129 12 075 9 488 8 774 6 539 -8 551 12 290 25 789 18 635 36 229

Tab.32 Vývoj přírůstku obyvatelstva v ČR v letech 1995 - 2005

60

Časová řada celkového přírůstku obyvatelstva byla vyrovnána polynomem druhého

stupně,

což

znázorňuje

obrázek

51.

Regresní

rovnice

je

tvaru

y = 919, 7704t 2 + 3182,8273t − 13521, 613 . V roce 2010 by se při současném trendu vývoje hodnot mohl celkový přírůstek obyvatel zvýšit na 110 283 obyvatel.

Počet obyvatel

120 000 90 000 60 000 30 000 0 -30 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Celkový přírůstek obyvatel - ČR

Obr.51 Vývoj celkového přírůstku obyvatelstva v ČR v letech 1995-2010

Časová řada hodnot přirozeného přírůstku obyvatel byla vyrovnána polynomem druhého

stupně,

což

znázorňuje

obrázek

52.

Regresní

rovnice

má

tvar y = 185, 4173t 2 + 1413, 7818 − 19032, 263 . V roce 2010 by se při současném trendu vývoje hodnot mohl přirozený přírůstek obyvatel zvýšit na 13 647 obyvatel.

Počet obyvatel

20 000 10 000 0 -10 000 -20 000 -30 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přirozený přírůstek obyvatel - ČR

Obr.52 Vývoj přirozeného přírůstku obyvatelstva v ČR v letech 1995-2010 Vývoj hodnot přírůstku stěhováním má rostoucí parabolický trend. Regresní rovnice má tvar y = 734,3532t 2 + 1769, 0455t + 5510, 6503 . Do roku 2010 se při stávajícím charakteru trendu zvýší přírůstek stěhováním znázorňuje obrázek 53.

61

na hodnotu 96 636, což

Počet obyvatel

100 000 80 000 60 000 40 000 20 000 0 -20 000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přírůstek stěhováním - ČR

Obr.53 Vývoj přírůstku obyvatel stěhováním v ČR v letech 1995-2010 Ve sledovaném období let 1995 – 2005 dosahoval přirozený přírůstek obyvatel záporných hodnot tzn. počet zemřelých převyšoval počet narozených, což znázorňuje obrázek 54. Přírůstek stěhováním dosahoval ve sledovaném období kladných hodnot, výjimkou byl rok 2001 kdy přírůstek stěhováním činil -8 551 obyvatel.

Počet obyvatel

50 000 30 000 10 000 -10 000 -30 000 1995

1996

1997

1998

1999

2000

Přirozený přírůstek obyvatel

2001

2002

2003

2004

2005

Přírůstek stěhováním

Obr.54 Porovnání přirozeného přírůstku a přírůstku stěhováním v ČR v letech 1995-2005 V časovém období let 1995 až 2005 převyšoval počet přistěhovalých počet vystěhovalých, výjimkou byl rok 2001 kdy se poměr obrátil, což znázorňuje obrázek 55. Celkově se v letech 1995 – 2005 do ČR přistěhovalo 294 077 obyvatel a vystěhovalo 152 681 obyvatel. Celkový migrační zisk za období 1995 – 2005 je 141 396 obyvatel.

Počet obyvatel

80 000 60 000 40 000 20 000 0 1995

1996

1997

1998

1999

Přistěhovalí celkem

2000

2001

2002

2003

2004

2005

Vystěhovalí celkem

Obr.55 Vývoj počtu přistěhovalých a vystěhovalých v ČR v letech 1995 - 2005

62

Území okresu Blansko tvořilo do 31.12.2006 130 obcí. Od 1.1.2007 bylo převedeno do okresu Brno–venkov 14 obcí z okresu Blansko. Okres Blansko má od tohoto data tedy 116 obcí. Celkový přírůstek resp. úbytek obyvatelstva zaznamenal v okrese Blansko ve sledovaném období let 1995 až 2005 střídavě rostoucí a klesající tendenci, což znázorňuje tabulka 33. K největšímu úbytku počtu obyvatel došlo v roce 1999, stav obyvatel se snížil o 181 osob, tj. z hodnoty 107 981 v roce 1998 na hodnotu 107 800 v roce 1999. K nejvýraznějšímu nárůstu počtu obyvatel došlo v roce 2005, počet se zvýšil o 551 obyvatel. V časovém intervalu let 1995 až 2005 se počet obyvatel okresu Blansko zvýšil o 172 osob. Přirozený přírůstek dosahoval ve sledovaném období let 1995 až 2005 záporných hodnot. Přírůstek stěhováním dosahoval ve sledovaném období kladných hodnot, během sledovaného období se do okresu přistěhovalo 2 284 osob a vystěhovalo 9 611 osob. Počet zemřelých převyšoval ve všech sledovaných obdobích počet živě narozených.

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 -13 -60 67 3 -181 9 -48 -158 182 -44 551 Celkový přírůstek obyvatel Přirozený přírůstek obyvatel -127 -251 -104 -141 -277 -216 -213 -260 -147 -137 -103 114 191 171 144 96 225 165 102 329 93 654 Přírůstek stěhování

Tab.33 Vývoj přírůstku obyvatelstva v okrese Blansko v letech 1995 – 2005

Časová řada celkového přírůstku obyvatelstva byla vyrovnána lineární což

znázorňuje

obrázek

y = 27, 6364t − 137,8182

s parametry

a0 = −137,8182

trendovou

funkcí,

56.

Regresní a

rovnice

má

tvar

a1 = 27, 6364 . Celkový

přírůstek obyvatel by se v roce 2010 zvýšil na hodnotu 304 za předpokladu, že by se nezměnil dosavadní trend vývoje. Celkový přírůstek obyvatel bude nižší o počet obyvatel odpojených obcí, které byly převedeny do okresu Brno-venkov. V tomto případě je prognóza problematická z důvodu změn hranic okresu.

63

Počet obyvatel

600 400 200 0 -200 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Celkový přírůstek obyvatel - okres Blansko

Obr.56 Vývoj celkového přírůstku obyvatelstva v okrese Blansko v letech 1995-2010 Obrázek 57 znázorňuje vývoj hodnot přirozeného přírůstku obyvatel v okrese Blansko ve sledovaném období let 1995 – 2005. K vyrovnání časové řady byla použita přímka s regresní rovnicí ve tvaru y = 2, 4818t − 194, 527 s parametry a0 = −194,527 a a1 = 2, 4818 . Pokud by nedošlo ke změně trendu, hodnota přirozeného přírůstku v roce 2010 by dosáhla –154 obyvatel.

Počet obyvatel

-50 -100 -150 -200 -250 -300 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přirozený přírůstek obyvatel - okres Blansko

Obr.57 Vývoj přirozeného přírůstku obyvatelstva v okrese Blansko v letech 1995 - 2010

Časová řada hodnot přírůstku stěhováním byla vyrovnána přímkou. Regresní rovnice má tvar y = 25,1546t + 56, 7091 s parametry a0 = 56, 7091 a a1 = 25,1546 . Do roku 2010 se při stávajícím charakteru trendu zvýší přírůstek stěhováním na hodnotu 459 obyvatel, což znázorňuje obrázek 58.

64

Počet obyvatel

800 600 400 200 0 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Přírůstek stěhováním - okres Blansko

Obr.58 Vývoj přírůstku obyvatel stěhováním v okrese Blansko v letech 1995-2010 Z obrázku 59 je patrné, že v okrese Blansko se na růstu celkového přírůstku obyvatel značnou měrou podílel přírůstek stěhováním. Přirozený přírůstek obyvatel

Počet obyvatel

dosahoval ve sledovaném období záporných hodnot.

800 600 400 200 0 -200 -400 1995

1996

1997

1998

1999

2000

Přirozený přírůstek obyvatel

2001

2002

2003

2004

2005

Přírůstek stěhováním

Obr.59 Porovnání přirozeného přírůstku a přírůstku stěhováním v okrese Blansko v letech 1995-2005 Ve sledovaném období let 1995 – 2005 počty přistěhovalých převyšovaly počty vystěhovalých tzn. bylo dosahováno kladného migračního salda. V letech 1995 až 2005 se do okresu Blansko přistěhovalo 11 896 obyvatel a vystěhovalo 9 611 obyvatel, což

Počet obyvatel

znázorňuje obrázek 60. Celkový migrační zisk dosáhl 2 285 obyvatel.

1 700 1 500 1 300 1 100 900 700 500 1995

1996

1997

1998

1999

2000

Přístěhovalí celkem

2001

2002

2003

2004

2005

Vystěhovalí celkem

Obr.60 Vývoj počtu přistěhovalých a vystěhovalých v okrese Blansko v letech 1995 – 2005

65

5. ZÁVĚR Během sledovaného období let 1995 - 2005 se početní stav populace okresu Blansko zvýšil o 172 obyvatel, přirozený přírůstek obyvatel dosahoval po celé sledované období záporných hodnot. V Jihomoravském kraji došlo ve sledovaném období k poklesu počtu obyvatel o více než 18 tisíc. Početní stav obyvatelstva v JMK v roce 2005 představoval 98,4

% z počtu

obyvatel

v roce 1995.

Z celorepublikového

hlediska došlo

ve sledovaném období ke snížení počtu obyvatel o více než 70 tisíc. Pokles počtu obyvatel měl kontinuální charakter, podobně jako v okresu Blansko byl v JMK i v ČR přirozený přírůstek od roku 1995 v záporných hodnotách. V souladu s trendy zaznamenanými v České republice i v celé Evropě stárne také populace okresu Blansko. Zatímco v roce 1995 činilo zastoupení osob v okrese Blansko starších 65 let 18,2 %, o 10 let později v roce 2005 byl tento podíl 20,63 %. Výrazněji o procesu stárnutí vypovídá ukazatel index stáří, který stoupl za stejné období z hodnoty 95,9 na 137,2. To znamená, že v roce 2005 na 100 dětí ve věku 0-14 let připadalo přibližně 137 osob starších 65 let. Výrazné snižování počtu narozených dětí v JMK se projevilo v poklesu podílu dětské složky z 18,4 % v roce 1995 na 14,4 % v roce 2005. Procentní zastoupení 60 a více letých stagnovalo v letech 1995 – 2001 na úrovni 19 %, mírný vzestup byl zaznamenán v letech 2002 až 2005. V ČR tvořila dětská složka v roce 2005 14,6 % zatímco postaktivní 20 %. Hodnota indexu stáří vzrostla z 98,1 v roce 1995 na 136,8 v roce 2005, tzn. že v roce 2005 na 100 dětí ve věku 0-14 let připadlo 136 osob starších 65 let. Ve sledovaném období dochází ve všech oblastech ke snižování intenzity sňatečnosti, doprovázené oddalováním sňatků do vyššího věku. Celkově mezi roky 1995 a 2005 došlo v okrese Blansko k poklesu počtu uzavřených manželství o 78, v JMK o 297 a v ČR o počet 3 127. Podle predikce do roku 2010 by tento snižující se trend měl pokračovat. Odkládání uzavření manželství částí mladé populace do vyššího věku a nepochybně částečné neuskutečnění těchto odložených sňatků má a bude mít bezprostřední vliv na reprodukci žen. Ve všech sledovaných oblastech dochází v období let 1995 – 2005 k růstu intenzity rozvodovosti. V roce 2005 bylo v okrese Blansko rozvedeno 297 manželství, tedy o 67,8 % více než v roce 1995. V Jihomoravském kraji došlo ke zvýšení hrubé

66

míry rozvodovosti z 2,66 ‰ v roce 1995 na 2,79 ‰ v roce 2005. V České republice došlo mezi roky 1995 a 2005 ke zvýšení počtu rozvedených manželství o 153, tj. z počtu 31 135 na 31 288 dětí. Hrubá míra úmrtnosti zaznamenala ve sledovaných oblastech klesající tendenci. Hodnota hmú se v okrese Blansko snížila z 11,38 ‰ v roce 1995 na 10,35 ‰ v roce 2005. V Jihomoravském kraji činila v roce 1995 hmú 11,18 zemřelých na 1 000 obyvatel a v roce 2005 10,67 ‰. Za období od roku 1995 do roku 2005 klesl celkový počet zemřelých v ČR o 9 975 osob a hrubá míra úmrtnosti se snížila z 11,41 na 10,55 zemřelých na 1 000 obyvatel. Hodnota kvocientu kojenecké úmrtnosti za sledované období výrazně poklesla. V okrese Blansko se snížila z hodnoty 9,07 ‰ v roce 1995 na 2,96 ‰ v roce 2005. V Jihomoravském kraji v roce 1995 činil kvocient 5,2 ‰, v roce 2005 byla hodnota totožná s okresem Blansko. Kojenecká úmrtnost v ČR klesla mezi roky 1995 a 2005 více než o polovinu tj. z hodnoty 7,7 ‰ na 3,39 zemřelých do 1 roku na 1 000 živě narozených. Ve sledovaných oblastech docházelo v průběhu let 1995 – 2005 k poklesu hrubé míry potratovosti. Hodnota hmpo se v okrese Blansko snížila z 5,25 ‰ v roce 1995 na 3,6 ‰ v roce 2005. V roce 1995 zaznamenal Jihomoravský kraj 5,04 potratů na 1 000 obyvatel, v roce 2005 to bylo 3,44 potratů. Z celorepublikového hlediska došlo ke snížení hmpo téměř o 1/3, tj. z 5,96 ‰ v roce 1995 na 3,91 ‰ v roce 2005. V okrese Blansko došlo ve sledovaném období k poklesu hrubé míry porodnosti. Hodnota hmp se v okrese Blansko snížila z 10,21 živě narozených na 1 000 obyvatel v roce 1995 na 9,39 v roce 2005. Za období od roku 1995 do roku 2005 vzrostl celkový počet živě narozených v JMK o 762 osob a hrubá míra porodnosti se zvýšila z 9,04 na 9,86 živě narozených na 1 000 obyvatel. Z celorepublikového hlediska došlo mezi roky 1995 a 2005 k nárůstu hmp, a to z 9,30 ‰ na 9,99 ‰. Ve sledovaném období let 1995 až 2005 je patrný rostoucí průběh hodnot obecné míry plodnosti. V okrese Blansko se hodnota obecné míry plodnosti zvýšila z 33,50 ‰ v roce 1995 na 38,63 ‰ v roce 2005. Mezi roky 1995 a 2005 došlo v JMK k nárůstu obecné míry plodnosti, a to z 34,42 živě narozených děti na 1 000 žen v reprodukčním věku na hodnotu 38,60. V České republice došlo mezi roky 1995

67

a 2005 ke zvýšení počtu živě narozených na 1000 žen v reprodukčním věku z 36,03 ‰ na 40,59 ‰. V okrese Blansko vzrostl celkový přírůstek obyvatel z –13 v roce 1995 na 551 v roce 2005. V JMK vzrostl celkový přírůstek obyvatel oproti roku 1995 o 905 osob, tj. z –787 na 118. Z celorepublikového hlediska vzrostl celkový přírůstek obyvatel téměř o 43 tisíc osob. Na růstu celkového přírůstku obyvatelstva se výraznou měrou podílel přírůstek stěhováním. Přirozený přírůstek obyvatel dosahoval ve sledovaných obdobích záporných hodnot.

68

6. SEZNAM LITERÁRNÍCH ZDROJŮ [1] BABÍČKOVÁ, A. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-15]. Dostupný z WWW: . ISSN 1801-2914. [2] HINDLS, R., HRONOVÁ, S., NOVÁK, I. Metody statistické analýzy pro ekonomy. 2. vyd. Praha : Management Press, 2000. 259 s. ISBN 80-7261-013-9. [3] HINDLS, R., HRONOVÁ, S., SEGER, J. Statistika pro ekonomy. 3. vyd. Praha : Professional publishing, 2003. 417 s. ISBN 80-86419-34-7. [4] HŮLE, D. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-15]. Dostupný z WWW: . ISSN 1801-2914. [5] JUŘÍČKOVÁ, L. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-15]. Dostupný z WWW: . ISSN 1801-2914. [6] KAČEROVÁ, E. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-01]. Dostupný z WWW: . ISSN 1801-2914. [7] KASALOVÁ, Š. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-15]. Dostupný z WWW: . ISSN 1801-2914. [8] ŠťASTNÁ , A. Demografie [online]. 2004 , 22.1.2007 [cit. 2007-03-15]. Dostupný z WWW: . ISSN 1801-2914. [9] VYSTOUPIL, J., TARABOVÁ, Z. Základy demografie. 1. vyd. Brno : Masarykova univerzita v Brně, 2004. 151 s. ISBN 80-210-3617-6.

69