Rmd source

Wstęp

W założeniu przegląd ważniejszych pojęć używanych w Demografii w nawiązaniu do danych dostępnych z publicznych repozytoriów typu GUS, EUROSTAT, WHO czy FAO.

Pomiar

Spis powszechny (national census), rejestry (register USC, PESEL), badanie (survey)

Spis/rejestr: wszyscy są liczeni. Badania zwykle są cząstkowe (inaczej by się nazywały jeżeli by nie były :-)). Spis co 10 (lub co 5) lat. Sposób zliczania: de facto (miejsce aktualnego pobytu) albo de jure (miejsce stałego zamieszkania).

Pierwsze spisy: 3000 lat BC (Chiny) albo Cesarstwo Rzymskie (5 wiek BC; spis jest wspomniany w Bibliii, na spis jechała św Rodzina przed urodzeniem Jezusa – Ewangelia wg św Łukasza, cf https://pl.wikipedia.org/wiki/Ewangelia_%C5%81ukasza)

Pierwszy spis w Polsce https://pl.wikipedia.org/wiki/Pierwszy_Powszechny_Spis_Ludno%C5%9Bci Historia spisów na ziemiach Polskich https://spis.gov.pl/o-spisie/historia-spisow

W USA pierwszy spis w 1790 roku w podziale na następujące kategorie: biali mężczyźni pełnoletni (16 lat i więcej), biali mężczyźni nieletni, białe kobiety, niewolnicy, inni [BP2010]

Rejestry: USC/PESEL. Akt urodzenia/zgonu/zawarcia małżeństwa. Teoretycznie precyzyjne (albo wiarygodne czyli w języku reliable), ale różnie to bywa…

Rate vs ratio: czyli iloraz czegoś przez coś (jeżeli obie wielkości mają tę samą miarę to będzie ratio, a jak to rate). W PL nie rozróżnia się ratio/rate – oba ilorazy są nazywane po prostu współczynnik.

TERYT i TERC

TERYT – Krajowy Rejestr Urzędowy Podziału Terytorialnego Kraju – jest to urzędowy rejestr prowadzony przez GUS. W skład TERYT wchodzi m.in system identyfikatorów i nazw jednostek podziału terytorialnego – TERC

Identyfikator TERC składa się z siedmiu cyfr: wwppggr (województwo/powiat/gmina/symbol jednostki) Symbol jednostki: 1 – gmina miejska, 2 – gmina wiejska, 3 – gmina miejsko-wiejska, 4 – miasto w gminie miejsko-wiejskiej, 5 – obszar wiejski w gminie miejsko-wiejskiej, 8 – dzielnice m. st. Warszawy, 9 – delegatury w miastach: Kraków, Łódź, Poznań i Wrocław.

Konkretnie jak numer TERC wygląda może być różnie: są numery bez symbolu jednostki na przykład. GUS stosuje konwencje używania 7-cyfrowych numerów TERC z końcowymi zerami: 2200000 – pomorskie; 2201000 – powiat bytowski; 2201023 – Bytów (gmina mw); 2201024 – Bytów (miasto); 2201025 – Bytów (wieś)

Przykład: plik miasta_wojewodzkie.csv zawiera m.in. kody TERC miast wojewódzkich (w kolumnie teryt):

wojmiasta <- read.csv("miasta_wojewodzkie.csv", sep = ';', 
                      colClasses=c('factor', 'character', rep('numeric', 2)),
                      header=T, na.string="NA" )
#wojmiasta
wojmiasta$teryt <- sprintf ("%s000", wojmiasta$teryt)
wmt <- wojmiasta$teryt

Płodność (Fertility)

Urodzenia – liczone są tylko urodzenia żywa; Liczone są także kolejne numery urodzenia, wiek matek i inne…

Współczynnik rodności (współczynnik urodzeń albo crude birth rate): \(U/L\), gdzie \(L\) to liczba urodzeń żywych; \(L\) to średnia liczba ludności lub stan w połowie roku. Zwykle wynik jest mnożony przez tysiąc. Na każde tysiąc ludności rodzi się ileś tam dzieci…

Współczynnik płodności (general fertility rate): liczba urodzeń do liczby kobiet w wieku 15–49 lat (okres płodności). Może być liczony w grupach wiekowych (cząstkowy albo age specific fertility rate)

Dzietność total fertility rate: przeciętna liczba dzieci jaką urodzi kobieta w ciągu swojego życia. Szacowany na podstawie współczynników płodności. W zasadzie to samo co WP. Są nawet uproszczone formuły: \(T_{Fr} = G_{Fr} * 30\) (30 to okres 15–49 w latach) albo \(T_{Fr} = C_{Br} * 30 * 4.5\). Pierwsza z formuł jest prawie dokładna.

Współczynnik dzietności gwarantujący prostą zastępowalność pokoleń to 2,1–2,15

# TFR w bazie Eurostatu jest w tabeli demo_find
f <- read.csv("demo_find.csv", sep = ';',  header=T, na.string="NA" )
countries <- c ('PL', 'DE', 'FR', 'UK', 'IT')

f <- f %>% filter ( geo %in% countries & item == 'TOTFERRT')  %>% as.data.frame()

p1 <- ggplot(f, aes(x=year, y=value, color=geo)) +
 geom_smooth(method="loess", se=F, span=spanV, size=.4) +
 geom_point(size=.8, alpha=.5)
p1
## `geom_smooth()` using formula 'y ~ x'

TFR znajduje się też w bazie FAO (więcej krajów ale dane tylko dla jednego roku):

# Pobranie danych via API ze strony WHO
curl "https://apps.who.int/gho/athena/api/GHO/WHS9_95?format=csv" > fertility_who.csv
wc -l fertility_who.csv
184

Oryginalny plik fertility_who.csv nieco zmodyfikowano usuwając nieptrzebne kolumny. Ostatecznie plik ten zawiera następujące zmienne: year (zawsze 2016) region (region świata) geo (kraj/kod ISO) aprox_value (wartość przybliżona) oraz value (wartość dokładna).

fw <- read.csv("fertility_who.csv", sep = ';',  header=T, na.string="NA" )
summary(fw$value)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.241   1.752   2.307   2.795   3.709   7.239
## wg regionów
## AFR=Africa; AMR=Americas; EMR=Eastern Mediterranean; 
## EUR=Europe; SEAR=South-East Asia; WPR=Western Pacific
ggplot(fw, aes(x=region, y=value, fill=region)) + geom_boxplot() + 
  ylab("regiony") + 
  xlab("")

Pobierzmy teraz dane dotyczące liczby ludności w poszczególnych krajach świata

# curl "https://apps.who.int/gho/athena/api/GHO/WHS9_86?format=csv" > pop_who.csv
pw <- read.csv("pop_who.csv", sep = ';',  header=T, na.string="NA" )

# geo != '' usuwa sumy dla regionów i ogółem zostają tylko kraje
pw <- pw %>% select(geo, value) %>%  filter (geo != '') %>% as.data.frame()
# łącznie na świecie
ludnosc.swiata <- sum(pw$value)

# łączymy obie tabele w oparciu o kolumnę geo
fw <- left_join(fw, pw, by='geo')
# tylko kraje o liczbie ludności > 10mln
fw <- fw %>% filter(value.y > 10000)
duze.kraje <- nrow(fw)
duze.kraje.ludnosc <- sum(fw$value.y)

Ludność świata wg WHO to 7.430261^{6} (ale dane nieco stare bo z 2016 roku.) W dużych krajach (liczba ludności większa do 10mln), którychjest 87, mieszka 7.085366^{6} (czyli 95.36%).

Te nawiększe kraje przedstawmy na wykresie punktowym:

fr2016p <- ggplot(fw, aes(x = reorder(geo, value.x), color=region )) +
  geom_point(aes(y = value.x), size=1) +
  xlab(label="kraj") +
  ylab(label="wsp. dzietności") +
  ggtitle("Wsp dzietności 2016 wg krajów świata") +
  theme(axis.text = element_text(size = 4)) +
  theme(plot.title = element_text(hjust = 0.5)) +
  coord_flip(ylim = c(0, 8))
fr2016p

Umieralność (Mortality)

Zgony – permanent, irreversible cessation of all biological functions that sustain a living organism. Dla statystyka potwierdzone urzędowo (Akt zgonu). Żeby umrzeć trzeba się urodzić BTW (zgony dotyczą urodzeń żywych)

Współczynnik zgonów (crude death rate): \(Z/L\) (liczba zgonów podzielona przez średnią liczbę ludności w roku lub stan) Może być liczony w wybranych grupach (wiekowych, zawodowych, płeć) wtedy nazywa się cząstkowy (albo ASDR age-specific death rate).

W Polsce używa się pojęcia: współczynnik zgonów w grupie osób w wieku x ukończonych lat (jeżeli liczony dla lat; jeżeli dla przedziałów lat to x–y ukończonych lat)

Zgony niemowląt traktuje się inaczej: \(Z/U\) (zgony do urodzeń żywych.) Może być/jest używany jako miara poziomu rozwoju społeczno-ekonomicznego.

z <- read.csv("demo_mmonth.csv", sep = ';',  header=T, na.string="NA" )
countries <- c ('PL', 'DE', 'FR', 'UK', 'IT')

z <- z %>% filter ( geo %in% countries & year > 2000 
                     & (month != 'TOTAL' & month != 'UNK') )  %>% as.data.frame()
z$date <- sprintf ("%i-%02i-01", z$year, as.numeric(substr(z$month,2,3)))

p1 <- ggplot(z, aes(x=as.Date(date), y=value, color=geo)) +
  geom_line(size=.4, alpha=.3) +
  geom_point(size=.8, alpha=.5)
p1

Ostatnie pięć lat dla DE/PL/UK:

##
z15 <- z %>% filter ( geo %in% c('DE', 'PL', 'UK') & year > 2014 )
z15$date <- sprintf ("%i-%02i-01", z15$year, as.numeric(substr(z15$month,2,3)))

p1 <- ggplot(z15, aes(x=as.Date(date), y=value, color=geo)) +
  geom_line(size=.4, alpha=.3) +
  geom_point(size=.8, alpha=.5)
p1

Tablice trwania życia (tablice wymieralności albo tables), to zbiór współczynników opisujących proces wymierania jakiejś populacji.

Przyrost naturalny (natural change): różnica pomiędzy liczbą urodzeń a zgonów w roku. Miara mianowana. Dla porównań współczynnik przyrostu naturalnego albo natural change rate (PN podzielony orzez średnią liczbę ludności)

Zgony wg przyczyn

Kontrowersyjna bo uznaniowa sprawa. Kody śmieciowe (garbage codes; https://stat.gov.pl/obszary-tematyczne/ludnosc/statystyka-przyczyn-zgonow/zgony-wedlug-przyczyn-okreslanych-jako-garbage-codes,3,1.html): kody odpowiadające nieścisłym opisom chorób, które uniemożliwiają określenie przyczyny zgonu (umarł bo przestał oddychać).

International Statistical Classification of Diseases and Related Health Problems (ICD/WHO) https://www.who.int/standards/classifications/classification-of-diseases https://en.wikipedia.org/wiki/International_Classification_of_Diseases

W jaki sposób GUS ustala przyczynę zgonu? https://stat.gov.pl/obszary-tematyczne/ludnosc/statystyka-przyczyn-zgonow/jak-gus-prowadzi-statystyke-zgonow,8,1.html

Zgony wg przyczyn w PL (BDL)

Migracje

Jedna ważna różnica: definicja i pomiar. Kto to jest zmarły to generalnie wiadomo, i są kompletne rejestry zmarłych. Kto to jest migrant jest już niekoniecznie jasne, podopobnie jak w jaki spoób takie osoby liczyć.

Migracja: zmiana stałego miejsca zamieszkania na większą odległość. Zmiana jednostki administracyjnej ale nie państwa wtedy wewnętrzna lub państwa, wtedy zewnętrzna.

Wg Eurostatu Emigration: the action by which a person, having previously been usually resident in the territory of a Member State, ceases to have his or her usual residence [or establishes his or her usual residence in case of immigration] in that Member State for a period that is, or is expected to be, of at least 12 months. Eurostat nie prowadzi statystyk migracji wewnętrznych

Member States generally base their migration flow data on administrative sources, sample surveys, census data, mirror data, mathematical methods or a combination of data sources (czyli wszystko i nic nie wiadomo) Co do Polski: administrative data [and] estimated data based on administrative data, mirror statistics, national statistical surveys (czyli w taki sam sposób) Więcej tutaj: https://ec.europa.eu/eurostat/cache/metadata/en/migr_immi_esms.htm

Wg GUSu migracja wewnętrzna to zmiana miejsca zamieszkania (pobyt stały/czasowy) w obrębie kraju polegająca na przekroczeniu granicy administracyjnej gminy (w sensie 7-cyfrowym, że tak to ujmę; jeżeli ktoś mieszkał w gminie 2201024 (Bytów miasto) a wybudował do w 2201025 – (Bytów wieś) to dla GUSu już jest migrantem…

W przeciwieństwie do tego co twierdzi Eurostat, wg GUSu jedynym źródłem danych nt. migracji wewnętrznej i zewnętrznej są rejestry, a konkretnie rejestr PESEL. Zawartość rejestru PESEL jest w szczególności aktualizowana w oparciu o zgłoszenia pobytu/wyjazdu/powrotu (obowiązek meldunkowy). Na ile rejest odpowiada stanowi faktycznemu to już inna sprawa. Są opinie że mało… https://stat.gov.pl/obszary-tematyczne/ludnosc/migracje-zagraniczne-ludnosci/zeszyt-metodologiczny-migracje-ludnosci,15,1.html

Saldo migracji ogółem dla powiatów województwa pomorskiego (dane pobrane z BDL)

#Bank Danych Lokalnych 
#Kategoria K3   LUDNOŚĆ /
#Grupa  G8 MIGRACJE WEWNĘTRZNE I ZAGRANICZNE 
#Podgrupa   P1355   Migracje na pobyt stały gminne wg płci migrantów i kierunku (miasto, wieś)
fw <- read.csv("LUDN_1355_CTAB_20210108152342.csv",
               colClasses=c('factor', 'character', rep('numeric', 50), 'character'),
                sep = ';', dec = ',', header=T, na.string="NA" )
#colnames(fw)
#str(fw)

Dane trzeba przekształcić

## TERC województwa/powiatu
fw$woj <- substr(fw$Kod,1,2)
fw$powiat <- substr(fw$Kod,3,4)
## Tylko powiaty z pomorskiego TERC=22
pom <- fw %>% filter(woj == "22" & powiat != "00" & substr(fw$Kod,5,6) == '00') %>% as.data.frame()
## zmienne 3--28 zamien na long
## https://tidyselect.r-lib.org/reference/starts_with.html
library("tidyverse")

pom1 <- pom %>% select (-contains("1000")) %>% 
  pivot_longer( cols = starts_with("saldo.migracji"), names_to = "rok",
                  names_prefix = "saldo.migracji_ogółem_", values_to = "value") %>% 
    mutate(rok = as.numeric(str_sub(rok, 1, 4)),
           Nazwa = str_sub(Nazwa,7),
           ) %>% as.data.frame()

p5 <- ggplot(pom1, aes(x=as.Date(as.character(rok), format = "%Y"), y=value)) +
  facet_wrap(~Nazwa, scales = "free_y", ncol = 4) +
  geom_line(size=.4, alpha=.3) +
  geom_point(size=.8, alpha=.5)
p5

Liczba wyjeżdżających i przyjeżdżających na stałe (emigrantów/imigrantów) dla powiatów województwa pomorskiego (dane z BDL; po pobraniu modyfikujemy nagłówek i usuwamy znaki ")

##K3    LUDNOŚĆ 
##Grupa G8  MIGRACJE WEWNĘTRZNE I ZAGRANICZNE 
##Podgrupa  P3000   Migracje na pobyt stały wewnętrzne i zagraniczne (dane półroczne)
fx <- read.csv("LUDN_3000_CTAB_20210108204154.csv",
               colClasses=c('factor', 'character', rep('numeric', 32), 'character'),
               sep = ';', dec = ',', header=T, na.string="NA" )
fx$woj <- substr(fx$Kod,1,2)
fx$powiat <- substr(fx$Kod,3,4)
pom <- fx %>% filter(woj == "22" & powiat != "00" & substr(fx$Kod,5,6) == '00') %>% as.data.frame()
## trik usuwający nieużywane wartości Kod
pom$Kod <- factor(pom$Kod)

Zamieniamy oddzielnie emigracje/imigracje na typ long:

pom1i <- pom %>% select (-contains("emigracja_")) %>% 
  pivot_longer( cols = starts_with("imigracja_"), names_to = "rok",
                names_prefix = "imigracja_", values_to = "value") %>% 
  mutate(rok = as.numeric(str_sub(rok, 1, 4)),
         Nazwa = str_sub(Nazwa,7),
  ) %>% as.data.frame()

#levels(pom1i$Kod)

pom1e <- pom %>% select (-contains("imigracja_")) %>% 
  pivot_longer( cols = starts_with("emigracja_"), names_to = "rok",
                names_prefix = "emigracja_", values_to = "value") %>% 
  mutate(rok = as.numeric(str_sub(rok, 1, 4)),
         Nazwa = str_sub(Nazwa,7),
  ) %>% as.data.frame()

#levels(pom1e$Kod)

Łączymy ramki emigrantów/imigrantów w jedną (left_join w oparciu o dwa klucze Kod/rok):

pom1x <- left_join(pom1e, pom1i, by=c("Kod", "rok"))

Wykres punktowy z zaznaczonym trendem (rysowanym metodą loess). Na czerwono emigracja na niebiesko imigracja

p6 <- ggplot(pom1x, aes(x=as.Date(as.character(rok), format = "%Y"))) +
  geom_smooth(aes(y=value.x), method="loess", se=F, span=spanV, size=.4, color='red') +
  geom_point( aes(y=value.x), size=.8, alpha=.5, color='red') +
  geom_smooth(aes(y=value.y), method="loess", se=F, span=spanV, size=.4, color='blue') +
  geom_point( aes(y=value.y), size=.8, alpha=.5, color='blue') +
  scale_x_date( labels = date_format("%y"), breaks = "2 years") +
  xlab("rok")+
  ylab("emigranci (czerwony)/imigranci (niebieski)") +
  # Różne skale na osiach OY
  #facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
  facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
p6
## `geom_smooth()` using formula 'y ~ x'
## `geom_smooth()` using formula 'y ~ x'

Wyszło średnio a to dlatego, że wartości dla Gdańska (oraz w Gdyni; ale w mniejszym stopniu) są o rząd wielkości większe niż dla innych powiatów. Stąd wykresy dla tych innych stały się mało czytelne.

Pierwsze rozwiązanie to użycie scales="free_y", co ma ten minus że każdy powiat będzie miał inne wartości na osi OY. Lepiej jest zamienić skalę osi OY z arytmetycznej na logarytmiczną. Wystarczy w tym celu dodać scale_y_log10()

p7 <- ggplot(pom1x, aes(x=as.Date(as.character(rok), format = "%Y"))) +
  geom_smooth(aes(y=value.x), method="loess", se=F, span=spanV, size=.4, color='red') +
  geom_point( aes(y=value.x), size=.8, alpha=.5, color='red') +
  geom_smooth(aes(y=value.y), method="loess", se=F, span=spanV, size=.4, color='blue') +
  geom_point( aes(y=value.y), size=.8, alpha=.5, color='blue') +
  scale_y_log10()+
  scale_x_date( labels = date_format("%y"), breaks = "2 years") +
  xlab("rok")+
  ylab("emigranci (czerwony)/imigranci (niebieski)") +
  #facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
  facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
p7
## `geom_smooth()` using formula 'y ~ x'
## `geom_smooth()` using formula 'y ~ x'

Płeć i wiek

Struktura ludności według płci i wieku determinuje podział pracy w społeczeństwie: na tych którzy pracują, uczą się, wymagają opieki.

Udział mężczyzn i kobiet w ogólnej liczbie ludności. Współczynnik feminizacji \(K/M\) (albo maskulinizacji M/K). W literaturze angielskiej ten współczynnik nazywa się sex ratio. Wartość tych współczynników można liczyć dla grup wiekowych; liczony dla noworodków nazywa się sex ratio at birth albo SRB.

Piramida wieku: po prostu histogram tyle że narysowany w dziwny sposób.

Przez ludność w wieku produkcyjnym rozumie się ludność w wieku zdolności do pracy. Dla mężczyzn przyjęto wiek 18–64 lata, dla kobiet – 18-59 lat. Wiek mobilny – grupa wieku produkcyjnego obejmująca ludność w wieku 18-44 lata, wiek niemobilny - grupa wieku produkcyjnego obejmująca ludność w wieku: mężczyźni - 45-64 lata, kobiety - 45-59 lat. Przez ludność w wieku nieprodukcyjnym rozumie się ludność w wieku przedprodukcyjnym, tj. do 17 lat oraz w wieku poprodukcyjnym, tj. mężczyźni – 65 lat i więcej, kobiety – 60 lat i więcej.

Współczynnik obciążenia demograficznego (age dependency ratio): Stosunek liczby osób w wieku nieprodukcyjnym do liczby osób w wieku produkcyjnym (https://stat.gov.pl/metainformacje/slownik-pojec/pojecia-stosowane-w-statystyce-publicznej/1958,archiwum.html). Można także wyróżnić: youth-dependency ratio (YDR) oraz aged-dependency ratio (ADR)

Starzenie się społeczeństwa (population aging); zwiększanie się wartości współczynnika ADR.

UN Population Division World Population Prospects 2019 (ogromne pliki) https://population.un.org/wpp/Download/Standard/CSV/ https://cran.r-project.org/web/packages/wpp2019/index.html

Prognoza 2014–2050 dla Polski https://stat.gov.pl/obszary-tematyczne/ludnosc/ https://stat.gov.pl/obszary-tematyczne/ludnosc/prognoza-ludnosci/prognoza-ludnosci-na-lata-2014-2050-opracowana-2014-r-,1,5.html

Współczynnik obciążenia demograficznego osobami starszymi liczba osób starszych (65 lat i więcej) przypadająca na 100 osób w wieku 15–64 lata.

Ludność w wieku nieprodukcyjnym na 100 osób w wieku produkcyjnym Stosunek liczby osób w wieku nieprodukcyjnym (ludność w wieku przedprodukcyjnym – 0–17 lat oraz ludność w wieku poprodukcyjnym – mężczyźni 65 lat i więcej, kobiety 60 lat i więcej) do liczby osób w wieku produkcyjnym (mężczyźni w wieku 18–64 lata i kobiety w wieku 18–59 lat).

Ludność wg płci i funkcjonalnych grup wieku (BDL; dane wg pięcioletnich grup wieku wydają się niekompletne). Dane są w formacie długim (BDL nazywa to tablica relacyjna):

pw.list <- read.csv("BDL_powiaty.csv", sep = ';', 
                   colClasses=c('factor', 'character'), header=T, na.string="NA" )

## wg plci i funkcjonalnych grup wieku
lm <- read.csv("LUDN_3447.csv", sep = ';', 
                      colClasses=c('factor', 'factor', 'factor', 'numeric', 'numeric'),
                      header=T, na.string="NA" )
## dodanie nazwa powiatów z oddzielnego pliku
lm <- left_join(lm, pw.list, by="Kod")

Zamieniamy format na szeroki; usuwamy wiersze, dla których wartość w kolumnie Plec nie jest równa O (ogółem):

lmw <- lm %>% pivot_wider(names_from = wiek, values_from = Wartosc)
## tylko ogółem
lmw65 <- lmw %>% filter (Plec == "O") %>% as.data.frame()

Obliczamy różne rzeczy:

lmw65$`0-15` <- lmw65$`0-2` + lmw65$`3-6` + lmw65$`7-12` + lmw65$`13-15`
lmw65$`16-64` <- lmw65$O - lmw65$`0-15` - lmw65$`65-99`

lmw65$`0-15p` <- lmw65$`0-15` / lmw65$O * 100
lmw65$`16-64p` <- lmw65$`16-64` / lmw65$O * 100
lmw65$`65-99p` <- lmw65$`65-99` / lmw65$O * 100

lmw65$ADR <- lmw65$`65-99` / ( lmw65$O - lmw65$`0-15` - lmw65$`65-99`) * 100
lmw65$YDR <- lmw65$`0-15` / ( lmw65$O - lmw65$`0-15` - lmw65$`65-99`) * 100

## kopia na później
lmw65.r <- lmw65

Miasta wojewódzkie:

## wmt to wektor numerów TERC dla miast woj
lmw65w <- lmw65 %>% filter (Kod %in% wmt) %>% as.data.frame()
##str(lmw65w)

timeBreaks <- "2 years"

p66 <- ggplot(lmw65w, aes(x=as.Date(as.character(Rok), format = "%Y"), y=ADR)) +
  geom_smooth(method="loess", se=F, span=spanV, size=.4) +
  geom_point(size=.8, alpha=.5) +
  scale_x_date( labels = date_format("%y"), breaks = timeBreaks) +
  xlab("rok")+
  ylab("ADR") +
  #scale_y_log10() +
  facet_wrap(~Nazwa, scales = "fixed", ncol = 4)
p66

p67 <- ggplot(lmw65w, aes(x=as.Date(as.character(Rok), format = "%Y"), y=YDR)) +
  geom_smooth(method="loess", se=F, span=spanV, size=.4) +
  geom_point(size=.8, alpha=.5) +
  scale_x_date( labels = date_format("%y"), breaks = timeBreaks) +
  xlab("rok")+
  ylab("YDR") +
  #scale_y_log10() +
  facet_wrap(~Nazwa, scales = "fixed", ncol = 4)
p67

Udziały populacji w wieku 0–15 (czerwony), 16–64 (zielony), 65 i więcej (niebieski).

p68 <- ggplot(lmw65w, aes(x=as.Date(as.character(Rok), format = "%Y"))) +
  geom_smooth(aes(y=`0-15p`), method="loess", se=F, span=spanV, size=.4, color='red') +
  geom_point(aes(y=`0-15p`), size=.8, alpha=.5, color='red') +
  geom_smooth(aes(y=`65-99p`), method="loess", se=F, span=spanV, size=.4, color='blue') +
  geom_point(aes(y=`65-99p`), size=.8, alpha=.5, color='blue') +
  geom_smooth(aes(y=`16-64p`), method="loess", se=F, span=spanV, size=.4, color='green') +
  geom_point(aes(y=`16-64p`), size=.8, alpha=.5, color='green') +
  scale_x_date( labels = date_format("%y"), breaks = timeBreaks) +
  xlab("rok")+
  ylab("-15/16-64/65-") +
  scale_y_log10() + 
  facet_wrap(~Nazwa, scales = "fixed", ncol = 4)
p68

Powiaty województwa pomorskiego Udziały populacji w wieku 0–15 (czerwony), 16–64 (zielony), 65 i więcej (niebieski).

lmw65$woj <- substr(lmw65$Kod,1,2)
lmw65$powiat <- substr(lmw65$Kod,3,4)
pom65 <- lmw65 %>% filter(woj == "22" & powiat != "00" ) %>% as.data.frame()

p69 <- ggplot(pom65, aes(x=as.Date(as.character(Rok), format = "%Y"))) +
  geom_smooth(aes(y=`0-15p`), method="loess", se=F, span=spanV, size=.4, color='red') +
  geom_point(aes(y=`0-15p`), size=.8, alpha=.5, color='red') +
  geom_smooth(aes(y=`65-99p`), method="loess", se=F, span=spanV, size=.4, color='blue') +
  geom_point(aes(y=`65-99p`), size=.8, alpha=.5, color='blue') +
  geom_smooth(aes(y=`16-64p`), method="loess", se=F, span=spanV, size=.4, color='green') +
  geom_point(aes(y=`16-64p`), size=.8, alpha=.5, color='green') +
  scale_x_date( labels = date_format("%y"), breaks = timeBreaks) +
  scale_y_continuous(breaks=c(0,10,20,30,40,50,60,70,80))+
  xlab("rok")+
  ylab("-15/16-64/65-") +
  ##scale_y_log10() + 
  facet_wrap(~Nazwa, scales = "fixed", ncol = 4)
p69

Najstarsze powiaty

old65 <- lmw65 %>% group_by(Kod) %>% arrange(Rok) %>%
  filter(row_number()==n()) %>% arrange(`65-99p`) %>% as.data.frame()

##str(old65)

old65top <- old65 %>% slice_tail( n= 20) %>%  as.data.frame()
## tylko nazwa i udział 65- i więcej
old65top %>% select(Nazwa, `65-99p`)
##                         Nazwa   65-99p
## 1             Powiat m.Słupsk 21.45212
## 2             Powiat m.Tarnów 21.46308
## 3              Powiat bielski 21.52043
## 4        Powiat krasnostawski 21.54036
## 5             Powiat m.Kalisz 21.60784
## 6        Powiat m.Świnoujście 21.73498
## 7          Powiat m.Bydgoszcz 21.74531
## 8            Powiat skarżyski 21.99322
## 9              Powiat m.Konin 22.01382
## 10            Powiat m.Kielce 22.04648
## 11 Powiat m.Wałbrzych od 2013 22.06437
## 12            Powiat m.Gdynia 22.09679
## 13          Powiat m.Koszalin 22.11998
## 14          Powiat m.Katowice 22.18879
## 15       Powiat m.Częstochowa 22.36916
## 16         Powiat m.Sosnowiec 22.85397
## 17      Powiat m.Jelenia Góra 23.81958
## 18              Powiat m.Łódź 23.83795
## 19           Powiat hajnowski 24.26660
## 20             Powiat m.Sopot 27.67995

Prognoza a rzeczywistość. Prognoza GUS z roku 2014 (na podstawie danych ze spisu 2011)

## lmw65 - prognoza ; lmw65.r -- realizacja do roku 2019
## lmw65.rp zapamiętana ramka z pop przykładu

lm <- read.csv("LUDN_3561.csv", sep = ';', 
               colClasses=c('factor', 'factor', 'factor', 'numeric', 'numeric'),
               header=T, na.string="NA" )
lm <- left_join(lm, pw.list, by="Kod")
lmw <- lm %>% pivot_wider(names_from = wiek, values_from = Wartosc)
## tylko ogółem
lmw65 <- lmw %>% filter (Plec == "O") %>% as.data.frame()
## analigicznie jak dla wartości historycznych:
lmw65$`0-15` <- lmw65$`0-2` + lmw65$`3-6` + lmw65$`7-12` + lmw65$`13-15`
lmw65$`16-64` <- lmw65$O - lmw65$`0-15` - lmw65$`65-99`
lmw65$`0-15p` <- lmw65$`0-15` / lmw65$O * 100
lmw65$`16-64p` <- lmw65$`16-64` / lmw65$O * 100
lmw65$`65-99p` <- lmw65$`65-99` / lmw65$O * 100
lmw65$ADR <- lmw65$`65-99` / ( lmw65$O - lmw65$`0-15` - lmw65$`65-99`) * 100
lmw65$YDR <- lmw65$`0-15` / ( lmw65$O - lmw65$`0-15` - lmw65$`65-99`) * 100

Łączymy ramkę wartości prognozowanych ze zrealizowanymi (historycznymi); ograniczamy horyzont czasowy do2025 roku (bo wartości historyczne mamy tylko do roku 2019) a horyzont przestrzenny do województwa pomorskiego:

lmw65.rp <- left_join(lmw65, lmw65.r, by=c("Kod", "Rok"))
lmw65.rp$woj <- substr(lmw65.rp$Kod,1,2)
lmw65.rp$powiat <- substr(lmw65.rp$Kod,3,4)

pom65.rp <- lmw65.rp %>% filter(Rok <= 2025) %>% filter(woj == "22" & powiat != "00" ) %>% as.data.frame()
# w promocji ramka dla Sopotu
pom65.rp.sopot <- pom65.rp %>%  filter (Kod == "2264000") %>% 
  select(Kod, Rok, `65-99.x`, `65-99p.x`, `65-99.y`, `65-99p.y`) %>% as.data.frame()

Udziały populacji w wieku 0–15 (czerwony), 16–64 (zielony), 65 i więcej (niebieski). Kolor jaśniejszy to prognoza a ciemniejszy to dane rzeczywite.

p690 <- ggplot(pom65.rp, aes(x=as.Date(as.character(Rok), format = "%Y"))) +
  geom_smooth(aes(y=`0-15p.x`), method="loess", se=F, span=spanV, size=.4, color='tomato1') +
  geom_smooth(aes(y=`0-15p.y`), method="loess", se=F, span=spanV, size=.4, color='tomato4') +
  geom_point(aes(y=`0-15p.x`), size=.8, alpha=.5, color='tomato1') +
  geom_point(aes(y=`0-15p.y`), size=.8, alpha=.5, color='tomato4') +
  ##
  geom_smooth(aes(y=`65-99p.x`), method="loess", se=F, span=spanV, size=.4, color='steelblue1') +
  geom_smooth(aes(y=`65-99p.y`), method="loess", se=F, span=spanV, size=.4, color='steelblue4') +
  geom_point(aes(y=`65-99p.x`), size=.8, alpha=.5, color='steelblue1') +
  geom_point(aes(y=`65-99p.y`), size=.8, alpha=.5, color='steelblue4') +
  ##
  geom_smooth(aes(y=`16-64p.x`), method="loess", se=F, span=spanV, size=.4, color='green1') +
  geom_smooth(aes(y=`16-64p.y`), method="loess", se=F, span=spanV, size=.4, color='green4') +
  geom_point(aes(y=`16-64p.x`), size=.8, alpha=.5, color='green1') +
  geom_point(aes(y=`16-64p.y`), size=.8, alpha=.5, color='green4') +
  scale_x_date( labels = date_format("%y"), breaks = '1 year') +
  scale_y_continuous(breaks=c(0,10,20,30,40,50,60,70,80))+
  xlab("rok")+
  ylab("ADR") +
  ##scale_y_log10() + 
  facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
p690

Jak widać dokładności prognoz mogliby pozazdrościć specialiści od prognozowania epidemii :-)

Małżeństwa i rozwody

Jest nawet dziwaczny termin, którego używa m.in. Holzer: małżeńskość (nuptiality) przez co rozumie się natężenie/skłonność do zawierania związków małżeńskich.

Małżeństwo: zawarcie związku pomiędzy dwiema osobami płci odmiennej, pociągającego za sobą pewne wzajemne prawa i obowiązki współmałżonków, ustalone w przepisach prawnych i zwyczajach. Powyższe jest tłumaczeniem definicji: unions between persons of opposite sexes which involve rights and obligations fixed by law or custom z czegoś co się nazywa Demopædia Encyclopedia on Population (http://en-ii.demopaedia.org/wiki/Nuptiality) a powstało z Multilingual Demographic Dictionary https://www.un.org/development/desa/capacity-development/tools/tool/demopaedia-multilingual-demographic-dictionary-2nd-ed/ (zwracam uwagę że link jest ze strony ONZ)

Według Eurostatu: A marriage is the act, ceremony or process by which the legal relationship between two persons is formed. The legality of the union may be established by civil, religious or other means as recognised by the laws of each country. Podobnie A divorce is the final legal dissolution of a marriage.

Co konkretnie stanowi legal relationship between two persons w różnych krajach różnie to wygląda. W PL jak wiadomo nierejestrowane są związku osób tej samej płci podczas gdy w wielu krajach istnie coś takiego jak związki partnerskie https://en.wikipedia.org/wiki/Civil_union zastępowane przez małżeństwa dla osób o tej samej płci https://en.wikipedia.org/wiki/Same-sex_marriage.

The family unit is a changing concept: what it means to be a member of a family and the expectations people have of family relationships vary with time and space, making it difficult to find a universally agreed and applied definition. Due to differences in the timing and formal recognition of changing patterns of family formation and dissolution, these concepts have become more difficult to measure in practice. Analysts of demographic statistics therefore have access to relatively few complete and reliable data sets with which to make comparisons over time and between or within countries. https://ec.europa.eu/eurostat/statistics-explained/index.php/Marriage_and_divorce_statistics

Temat stał się zatem potencjalnie niebezpieczny. Łatwo wyjść na homofoba więc lepiej się nim nie zajmować. Ale jeżeli już koniecznie chcemy się zajmować to ogólnie stosuje się podejście (w sensie definiowanych miar) podobne do tego, które było wykorzystywane w przypadku urodzeń/zgonów.

Ogólny współczynnik zawierania małżeństw (Crude marriage rate) M/L (liczba małżeństw podzielona przez średnią liczbę ludności w roku lub stan)

W bardziej popularnym wariancie (General marriage rate) współczynnik jest obliczny jako iloraz liczby małżeństw oraz średniej liczby ludności uprawnionej do zawierania związków małżeńskich (zamiast liczby ludności ogółem)

Baza demo_nind (małżeństwa) i demo_ndivind (rozwody); obie z Eurostatu: MARRIAGE – liczba małżeństw; GNUPRT – Crude marriage rate; DIV – liczba rozwodów; GDIVRT Crude divorce rate; DIVMARPCT – divorces per 100 marriages

d <- read.csv("demo_ndivind.csv", sep = ';',  header=T, na.string="NA" )
countries <- c ('PL', 'DE', 'FR', 'UK', 'IT')

d <- d %>% filter ( geo %in% countries & item == 'GDIVRT')  %>% as.data.frame()

p1 <- ggplot(d, aes(x=year, y=value, color=geo)) +
 geom_smooth(method="loess", se=F, span=spanV, size=.4) +
 geom_point(size=.8, alpha=.5)
p1
## `geom_smooth()` using formula 'y ~ x'

Liczba i rozmieszczenie ludności

Od tego niby powinniśmy zacząć ale lepiej potraktować ten temat jako podsumowanie. Liczba zależy od urodzeń/zgonów, migracji. Zgony i urodzenia mają z kolei wiele wspólnego z wiekiem na przykład.

Liczba ludności w miastach wojewódzkich (BDL):

## liczba ludności w miastach wojewódzkich
fx <- read.csv("LUDN_2137_CTAB_20210108163150.csv",
               colClasses=c('factor', 'character', rep('numeric', 45), 'character'),
               sep = ';', dec = ',', header=T, na.string="NA" )
wmt <- wojmiasta$teryt
fxmw <- fx %>% filter (Kod %in% wmt) %>% as.data.frame()

fxmw1 <- fxmw %>% select (c(Kod, Nazwa, contains("T"))) %>% 
  pivot_longer( cols = starts_with("T"), names_to = "rok",
                names_prefix = "T", values_to = "value") %>% as.data.frame()


p6 <- ggplot(fxmw1, aes(x=as.Date(as.character(rok), format = "%Y"), y=value, color=Nazwa)) +
#p6 <- ggplot(fxmw1, aes(x=as.Date(as.character(rok), format = "%Y"), y=value)) +
  geom_smooth(method="loess", se=F, span=spanV, size=.4) +
  geom_point(size=.8, alpha=.5) +
  #scale_y_log10()+
  scale_x_date( labels = date_format("%y"), breaks = "2 years") +
  xlab("rok")+
  ylab("l mieszkańców") +
  scale_y_log10()
  #facet_wrap(~Nazwa, scales = "fixed", ncol = 4)
p6
## `geom_smooth()` using formula 'y ~ x'

albo to samo w wersji alternatywnej:

## `geom_smooth()` using formula 'y ~ x'

Współczynniki feminizacji dla wybranych gmin

fx$woj <- substr (fx$Kod, 1, 2)
fx$gmina <- substr (fx$Kod, 5, 6)
fx$typgminy <- substr (fx$Kod, 7, 7)


# typgminy: 8: delegatura (W-wa) 9 = dzielnica (pomijamy)
fxg <- fx %>% filter(gmina != "00" & typgminy > 0 & typgminy < 8) %>%
  select (Kod, Nazwa, F2019, M2019) %>% as.data.frame()
#nrow(fxg)
#str(fxg)
# 
fxg$fr2019 <- fxg$F2019/fxg$M2019 * 100
fxg.min <- fxg %>% arrange(fr2019) %>% slice_head(n=20)
fxg.max <- fxg %>% arrange(fr2019) %>% slice_tail(n=20) 
fxg.min
##        Kod                             Nazwa F2019 M2019   fr2019
## 1  2211025    Jastarnia - obszar wiejski (5)   433   549 78.87067
## 2  2802055    Pieniężno - obszar wiejski (5)  1580  1891 83.55368
## 3  2213015  Czarna Woda - obszar wiejski (5)   172   200 86.00000
## 4  2816025       Orzysz - obszar wiejski (5)  1545  1783 86.65171
## 5  1426062                     Paprotnia (2)  1189  1360 87.42647
## 6  3218025        Łobez - obszar wiejski (5)  1781  2016 88.34325
## 7  1424012                           Gzy (2)  1762  1992 88.45382
## 8  2817085     Wielbark - obszar wiejski (5)  1635  1839 88.90701
## 9  1411052                      Młynarze (2)   820   922 88.93709
## 10 2013025 Ciechanowiec - obszar wiejski (5)  1874  2090 89.66507
## 11 2006062                        Turośl (2)  2421  2689 90.03347
## 12 1433092                      Wierzbno (2)  1304  1446 90.17981
## 13 2215052                      Gniewino (2)  3527  3909 90.22768
## 14 3212035      Lipiany - obszar wiejski (5)   913  1011 90.30663
## 15 1406042                      Goszczyn (2)  1410  1561 90.32671
## 16 1422025     Chorzele - obszar wiejski (5)  3355  3707 90.50445
## 17 1422032               Czernice Borowe (2)  1806  1995 90.52632
## 18 0615072                  Ulan-Majorat (2)  2853  3147 90.65777
## 19 1805062                       Krempna (2)   886   975 90.87179
## 20 2809055       Orneta - obszar wiejski (5)  1517  1669 90.89275
fxg.max
##        Kod                               Nazwa  F2019  M2019   fr2019
## 1  0614011                          Puławy (1)  25451  21966 115.8654
## 2  1406084 Nowe Miasto nad Pilicą - miasto (4)   1996   1721 115.9791
## 3  3207044           Międzyzdroje - miasto (4)   2870   2473 116.0534
## 4  1020031                          Zgierz (1)  30196  25994 116.1653
## 5  1004011                         Łęczyca (1)   7513   6458 116.3363
## 6  1214024                Koszyce - miasto (4)    419    359 116.7131
## 7  0663011                          Lublin (1) 183075 156709 116.8248
## 8  1008021                       Pabianice (1)  34896  29861 116.8615
## 9  1609042                    Komprachcice (2)   4920   4200 117.1429
## 10 1465011           M.st.Warszawa od 2002 (1) 966319 824339 117.2235
## 11 2601044                Pacanów - miasto (4)    605    516 117.2481
## 12 2211024              Jastarnia - miasto (4)   1465   1243 117.8600
## 13 0208051                  Polanica-Zdrój (1)   3419   2888 118.3864
## 14 2814064              Jeziorany - miasto (4)   1712   1441 118.8064
## 15 1061011                            Łódź (1) 369987 309954 119.3684
## 16 0401021                     Ciechocinek (1)   5786   4832 119.7434
## 17 3206064                  Moryń - miasto (4)    888    741 119.8381
## 18 0614084               Nałęczów - miasto (4)   2055   1698 121.0247
## 19 2008014                Goniądz - miasto (4)   1012    836 121.0526
## 20 2405064            Sośnicowice - miasto (4)   1065    841 126.6350

Histogram:

p6h <- ggplot(fxg, aes(x = fr2019)) +  geom_histogram(binwidth = 0.5) +
  ggtitle ("Współczynnik fr")
p6h

Wykres liniowy dla 20 gmin o najmniejszym współczynniku feminizacji:

mfzone <- fxg.min$Kod
##mfzone
##length(mfzone)

fxmw <- fx %>% filter (Kod %in% mfzone) %>% as.data.frame()
##nrow(fxmw)

fxmw1f <- fxmw %>% select (c(Kod, Nazwa, contains("F"))) %>% 
  pivot_longer( cols = starts_with("F"), names_to = "rok",
                names_prefix = "F", values_to = "value") %>% as.data.frame()
fxmw1m <- fxmw %>% select (c(Kod, Nazwa, contains("M"))) %>% 
  pivot_longer( cols = starts_with("M"), names_to = "rok",
                names_prefix = "M", values_to = "value") %>% as.data.frame()

fxmw1fm <- left_join(fxmw1f, fxmw1m, by=c("Kod", "rok"))
fxmw1fm$fr <- fxmw1fm$value.x / fxmw1fm$value.y * 100
##fxmw1fm$fr 

fxmw1fm <- fxmw1fm %>% group_by(Nazwa.x) %>% 
  arrange(desc(fr), .by_group = TRUE) %>% as.data.frame()

p6f <- ggplot(fxmw1fm, aes(x=as.Date(as.character(rok), format = "%Y"), y=fr)) +
  geom_smooth(method="loess", se=F, span=spanV, size=.4) +
  geom_point(size=.8, alpha=.5) +
  #scale_y_log10()+
  scale_x_date( labels = date_format("%y"), breaks = "2 years") +
  xlab("rok")+
  ylab("fr") +
  ## scale_y_log10()
  facet_wrap(~Nazwa.x, scales = "fixed", ncol = 4)
p6f
## `geom_smooth()` using formula 'y ~ x'

Liczba ludności na świecie wg US Census Bureau. W dziale Population estimates and projections są dane historyczne i prognozy do roku 2100 dla 228 krajów. W szczególności do pobrania są dwa pliki w formacie CSV. Jeden zawiera roczne grupy wiekowe i w związku z tym jest ogromny (300Mb.) Drugi operuje 5-letnimi przedziałami. Pomimo tego też jest duży (30Mb) i w związku z tym z tego pliku pobieramy dane dla 16 wybranych krajów świata. Te dane są w pliku idb5yr_16.csv (niecałe 2Mb).

## 13 krajów bez NL, BE, UZ bo nie starczy kolorów na wykresie
countries <- c('CN', 'DE', 'ET', 'FR', 'IN', 'IR', 'NR', 'PK', 'PL',
  'RU', 'SE', 'TR', 'US')
z0 <- read.csv("idb5yr_16.csv", sep = ';',  header=T, na.string="NA" )
## US last forecast is 2060
z <- z0 %>% filter (GENC %in% countries)

Plik zawiera prawie 100 zmiennych więc dla porządku do dalszych obliczeń wybieramy tylko te które nas interesują (YR – rok, GENC – kod iso, NAME – nazwa oraz POP – czyli liczbę ludności ogółem):

z <- z %>% select (YR, GENC, NAME, POP) %>% as.data.frame()

Przedstawmy dynamikę liczby ludności jako wielkość względną, w stosunku do roku 2015, wyrażoną w procentach:

z2015 <- z %>% filter (YR == 2015 ) %>% as.data.frame()
zp <- left_join(z, z2015, by=c("GENC"))
## Population as % of 2015
zp$pop <- zp$POP.x / zp$POP.y * 100

Wykres (z jakiś powodów dla USA prognoza jest tylko do roku 2060):

colors16 <- c('CN' = "red", 'DE' = "red4", 'ET' = "orchid",
   'FR' = "yellow", 'IN' = "orchid4", 'IR' = "palegreen", 'NR' = "powderblue",
   'PK' = "purple1", 'PL' = "purple4", 'RU' = "pink",
   'SE' = "yellow4", 'TR' = "black", 'US' = "palegreen4")
p3 <- ggplot(zp, aes(x=as.Date(as.character(YR.x), format = "%Y"), y=pop, color=GENC)) +
  geom_line(size=.4, alpha=.6) +
  geom_point(size=.8, alpha=.25) +
  ## wypisz ostatnią wartość POP
  geom_text(data=. %>%
              arrange(desc(  as.Date(as.character(YR.x), format = "%Y") )) %>%
              group_by(GENC) %>%
              slice(1),
              aes(label= sprintf("%.1f", pop)),
              position=position_nudge(0.1, 0.5), hjust=.9, vjust=-0.6,
                 size=2, color='black', alpha=.4, show.legend=FALSE) +
  scale_color_manual(values = colors16)
p3

Polska na czele (jak odwrócić tabelę)

Wykorzystując ten sam zbiór danych (czyli Population estimates and projections US Census Bureau) porównajmy struktury wieku dla wybranych 16 krajów. W tym celu zmodyfikujmy ramkę z0:

## tylko zmienne dot grup wiekowych M/F ale bez wartości ogółem
z <- z0 %>% select("YR", "GENC", starts_with(c("MPOP", "FPOP"))) %>%
   select(-MPOP, -FPOP) %>% as.data.frame()

Zamieniamy na długi format danych, filtrujemy (zostawiając tylko rok 2020), modyfikujemy wartości zmiennej grp usuwając POP (żeby na wydruku lepiej wyglądało):

zz <- z %>% pivot_longer(starts_with(c("MPOP", "FPOP")),
       names_to = "grp", values_to = "value") %>%
       filter (YR == 2020) %>% 
       mutate(grp=str_replace(grp, "POP", "")) %>% as.data.frame()

Dodajemy zmienną sex której wartości są tworzone na podstawie wartości zmiennej grp. Wartości zmiennej value dzielimy przez 1000 (ludność w tysiącach):

zz$sex <- as.factor(substr(zz$grp,1,1))
zz$value <- zz$value/1000

##levels(as.factor(zz_sw$grp))

Ustalamy kolejność wartości zmiennej grp (polecenie levels do tego służy):

zz <- zz %>% mutate ( grp = factor(grp, 
           levels = c(
              "M100_",  "M95_99", "M90_94", "M85_89", "M80_84", "M75_79",
              "M70_74", "M65_69", "M60_64", "M55_59", "M50_54", "M45_49",
              "M40_44", "M35_39", "M30_34", "M25_29", "M20_24", "M15_19", "M10_14",
              "M5_9", "M0_4",
              "F0_4", "F5_9",
              "F10_14", "F15_19", "F20_24", "F25_29", "F30_34", "F35_39",
              "F40_44", "F45_49", "F50_54", "F55_59", "F60_64", "F65_69", "F70_74",
              "F75_79", "F80_84", "F85_89", "F90_94", "F95_99", "F100_"
           )))

##levels(as.factor(zz_sw$grp))

Wreszcie wykres. Poor man’s population pyramids:

pf1 <- ggplot(zz, aes(x=grp)) +
   geom_bar(aes(y=value, fill=sex), 
      stat="identity", position=position_dodge(width=.4), width=.8, alpha=.4) +
   xlab(label="wiek") +
   ylab(label="tys") +
   theme(legend.position="top") +
   coord_flip() +
   facet_wrap(~GENC, scales = "free", ncol = 4) +
   ggtitle("Piramida wieku", subtitle='')
pf1

Dane demograficzne

Eurostat

Punkt startu: https://ec.europa.eu/eurostat/data/database baza główna/komplet danych znajduje się w dziale Database by themes (Tables by themes i poniższe działy zawierają wybrane ważniejsze dane z bazy głównej)

Aby dotrzeć do danych trzeba przeklikać się przez obszary/działy/poddziały tematyczne. Przykładowo może to być Population and Social conditions → Demography and Migration → Mortality Trzy ikony na początku wiersza oznaczają, że dotarliśmy do tabeli danych. Kliknięcie w żółtą ikonę ZIP powoduje pobranie kompletnej tabeli (może być duża); kliknięcie w ikonę Eksplorera (ikona z lupą) spowoduje wyświetlenie danych z możliwością wyboru tego co chcemy oglądać. Po ikonach jest tytuł tabeli a po tytule (w nawiasach) Identyfikator tabeli

Po kliknięciu w ikonę Eksplorera wyświetlone zostanie okno podobne do tego:

Okno podzielone jest na 4 panele: menu (duże ikony nad poziomą niebieską kreską), wybór zawartości (*table customization), treść oraz objaśnienia. Panel wyboru zawartości zawiera pola wyboru pozwalające na określenie co ma być wyświetlone (klikamy w ikonę niebieskiego plusa żeby wyświetlić formularz wyboru możlwiych wartości). Tyle jest pól wyboru ile jest wymiarów danych; w przykładzie powyżej są cztery wymiary: kiedy (time), gdzie (geo), co (month) oraz miara (unit). Dla każdej kombinacji wymiarów wyświetlony zostanie stosowny zbiór wartości (proszę spróbować), który następnie może zostać pobrany (ikona download z panelu menu)

Kompletną bazę można pobrać bez potrzeby klikania podając identyfikator bazy (znajdujący się na górze po prawej stronie panelu wyboru zawartości w nawiasach kwadratowych). Przykładowo:

## identyfikator bazy to demo_mmonth
curl 'https://ec.europa.eu/eurostat/estat-navtree-portlet-prod/BulkDownloadListing?file=data/demo_mmonth.tsv.gz'

Baza WHO

Punkt startu: World Health Data Platform /GHO /Themes /Topics /Indicator Groups (https://www.who.int/data/gho/data/themes/topics/indicator-groups/); Lista wskaźników: https://www.who.int/data/gho/data/indicators/

Przykładowo: https://www.who.int/data/gho/data/indicators/indicator-details/GHO/gho-ghe-life-tables-lx-number-of-people-left-alive-at-age-x. Opis każdego wskaźnika jest w zakłace Metadata. Zestawienie wszystkich opisów: https://www.who.int/data/gho/indicator-metadata-registry

Jest też API ale kiepsko opisane i chyba nie do końca funkcjonalne. W szczególności: pobranie zestawienia wskaźników (bez opisów ale są etykiety do tabel):

## Api ODATA API (json)
curl https://ghoapi.azureedge.net/api/Indicator
## albo (Athena API)
curl https://apps.who.int/gho/athena/api/GHO
## Id wskaźnika + tytuł (żeby się połapać co to jest):
curl https://apps.who.int/gho/athena/api/GHO?format=csv&profile=text

Z tego zestawienia można wykoncypować, że lx-number-of-people-left-alive-at-age-x to tablica identyfikowana jako LIFE_0000000031:

curl 'https://apps.who.int/gho/athena/api/GHO/LIFE_0000000031?format=csv > WHO_LT_lx.csv
## zwraca zero bo (Przypuszczalnie) za dużo naraz
## dodanie warunku pomaga:
curl 'https://apps.who.int/gho/athena/api/GHO/LIFE_0000000031?format=csv&filter=COUNTRY:POL' > WHO_LT_lx_PL.csv
## ale dalej zapytanie, które generuje dużo danych skutkuje błędem:
curl 'https://apps.who.int/gho/athena/api/GHO/LIFE_0000000031?format=csv&filter=YEAR:2019' > WHO_LT_lx_2019.csv

Opis API jest tutaj https://www.who.int/data/gho/info/athena-api oraz https://www.who.int/data/gho/info/athena-api-examples. Baza wszakże wygląda na mocno dysfunkcjonalną skoro pobranie większej ilości danych wygląda na niemożliwe.

GUS

Punkt startu: http://demografia.stat.gov.pl/bazademografia/ a także Bank Danych Lokalnych https://bdl.stat.gov.pl/BDL/dane/podgrup/temat

Aby dotrzeć do danych trzeba klikać w obszary/działy/poddziały aż duży niebieski guzik ze słowem Dalej stanie się klikalny:

Wtedy klikamy w Dalej przechodząc do formularza wyboru zawartości (tego co ma być wyświetlone):

i wybieramy co chcemy oglądać (wymiary) deklarując stosowne wartości w wyświetlonych listach wyboru (w przykładzie Lata/Płeć/Wiek). Po zadeklarowaniu każdego wymiaru guzi dalej stanie się klikowalny. Po jego naciśnięciu przechodzimy do formularza wyboru wymiaru przestrzennego: poziomu agregacji danych (Polska, województwa, powiaty a nawet gminy). Kilkamy dalej:

Dane zostają wyświetlone a naciskając guzik Eksport można jest pobrać w jednym z kilku proponowanych formatów.

GUS udostępnia także szczegółowe i aktualne dane na temat zgonów ze strony Zgony według tygodni (https://stat.gov.pl/obszary-tematyczne/ludnosc/ludnosc/zgony-wedlug-tygodni,39,2.html) Dane nt zgonów są udostępniane w formacie ogromnego arkusza Excela (XLSX), a bezpośredni link do arkusza to https://stat.gov.pl/download/gfx/portalinformacyjny/pl/defaultaktualnosci/5468/39/2/1/zgony_wedlug_tygodni_v2.zip

OWiD

Our World in Data to projekt edukacyjny mający na celu pokazanie research and data to make progress against the world’s largest problems (badań i danych w obszarze przeciwdziałania największym światowym problemom: głód, choroby, nierówność społeczna i inne; https://en.wikipedia.org/wiki/Our_World_in_Data albo https://pl.wikipedia.org/wiki/Our_World_in_Data) Nawiasem mówiąc takie postawienie sprawy powoduje zdaniem niektórych, że projekt nie tyle jest edukacyjny co indoktrynacyjny. Ma mianowicie pokazać, że świat idzie szybko w dobrą stronę. (Mocna krytyka tego projekt z tego punktu widzenia znajduje się tutaj: https://www.lareviewofbooks.org/article/pinkers-pollyannish-philosophy-and-its-perfidious-politics/ (Pinker’s Pollyannish Philosophy and Its Perfidious Politics) oraz tutaj: https://www.theguardian.com/commentisfree/2019/nov/22/progressive-politics-capitalism-unions-healthcare-education (It’s not thanks to capitalism that we’re living longer, but progressive politics))

OWiD udostępnia między innymi zbiory danych wyróżniające się wielkością. Są to z definicji dane dla wszystkich krajów świata, a do tego w horyzoncie czasowym idącym w setki lat, co w wielu przypadkach jest oczywistą lipą (obliczenie GDP dla Polski pod zaborami na przykład https://ourworldindata.org/economic-growth)

Mając to na uwadze i nie wchodząc w spory ideologiczne czemu służy projekt, po prostu korzystajmy z danych (zwłaszcza tych w miarę nowych, które dają większą gwarancję że są prawdziwe a nie szacowane–czytaj zgadywane)

Uwaga: OWiD to nie jest baza danych tylko zbiór dokumentów czyli stron WWW. W tych dokumentach znajdują się efektowne interaktywne wykresy plus komentarze i opisy tego co jest na wykresach oczywiście. Na dole każdego wykresu znajduje się zestaw guzików do wyboru tego co ma być wyświetlone ora guzik download służący do pobrania danych.

Punkt startu: https://ourworldindata.org/

US Census Bureau

Czyli Amerykański Urząd ds Spis Ludności, ale udostępniający także różne inne ciekawe dane, w szczególności International Data Base (IDB) Population estimates and projections for 228 countries and areas https://www.census.gov/data-tools/demo/idb/#/country?YR_ANIM=2021

Ciekawostkowo ponieważ w USA mieszka trochę obywateli pochodzenia polskiego są strony w języku polskim (oprócz chińskiego, koreańskiego, wietnamskiego, rosyjskiego, francuskiego, portugalskiego, hiszpańskiego, arabskiego, filipińskiego, kreolskiego; nie ma włoskiego i niemieckiego natomiast:-)) a jakże: https://www.census.gov/newsroom/press-releases/2020/2020-census-data-collection-ending/2020-census-data-collection-ending-polish.html

Przydatne linki

Literatura

Dużo informacji jest na stronach GUSu. W Polsce w zasadzie się dwie książki: kasyczna pozycja Holzera oraz nowa książka Okólski/Fihel, ale tej ostatniej nie polecam.

[H2003] Holzer J., Demografia, PWE Warszawa 2003

[PB2010] Poston D.L and Bouvier L.F, An Introduction to Demography, Cambridge University Press, Cambridge 2010