|
2. jūnijā CSP publicēja jaunākos datus par iedzīvotāju skaita izmaiņām 2024. gadā. Šī ir pirmā reize, kad CSP matemātiķi un statistiķi iedzīvotāju skaita novērtēšanā ir pilnībā pārgājuši uz jaunu, modernu metodi, kas aizstāj līdzšinējos risinājumus, kuri bija sevi izsmēluši. Kādi bija iepriekšējās metodes trūkumi?
Sākšu ar īsu vēsturi par dažādām metodēm, ko izmanto CSP. 2011. gadā notika pēdējā tautas skaitīšana, kuru veicām klasiskā veidā – iegūstot datus no Pilsonības un migrācijas lietu pārvaldes (PMLP) pārvaldītā Iedzīvotāju (tagad Fizisko personu) reģistra.
2011. gadā intervētāji gāja uz mājām, skaitīja cilvēkus. Tobrīd atklājās, ka atšķirība starp Fizisko personu reģistru un saskaitītajiem cilvēkiem ir 7%.
CSP saskaitīja 2,07 miljonus, bet reģistrā tajā brīdī bija aptuveni 2,23 miljoni iedzīvotāju.
Sapratām, ka nebūsim valsts, kas tieši var izmantot Fizisko personu reģistra datus, neko nemodificējot un nemainot. Būsim godīgi, PMLP uzturētais reģistrs paredzēts nevis statistikai, bet gan administratīvajām vajadzībām.
2012. gadā sākām izmantot loģistiskās regresijas modeli, kurš pēc dzīvības pazīmēm (cilvēku aktivitātes dažādos reģistros vai administratīvajos datos) sadalīja Latvijas iedzīvotājus divās daļās – kuri provizoriski ir Latvijas iedzīvotāji un kuri nav. Šo modeli izmantojām līdz 2024. gadam. Jau 2019. gadā sapratām, ka ir jāsāk darbs pie jauna modeļa.
Ko nozīmē loģistiskās regresijas modelis?
Loģistiskās regresijas modelis balstās uz pieņēmumu, ka persona ar noteiktu varbūtību ir Latvijas pastāvīgais iedzīvotājs. Varbūtības tiek noteiktas, katram iedzīvotājam piešķirot palīgmainīgos, kas raksturo personas aktivitāti reģistrā. Piemēram, ja persona saņem pensiju, tad viņai piešķir pazīmi 1, ja nesaņem – pazīmi 0.
Katrai personai tiek izveidoti 206 bināri (0 vai 1) mainīgie. Pēc tam ar matemātiskā modeļa palīdzību aprēķina varbūtību, vai šis cilvēks ir vai nav Latvijas iedzīvotājs.
Metodes mīnuss bija tas, ka katrā vecuma grupā bija mainīgi varbūtības sliekšņi, nebija fiksēta varbūtība, pie kuras persona tiek atzīta par pastāvīgo iedzīvotāju.
Loģistiskās regresijas modelis bija “jutīgs” uz straujām izmaiņām administratīvajos datos. Šādos brīžos tas sniedza grūti interpretējamus rezultātus.
2020. gadā sākās Covid-19 pandēmija, kas mainīja administratīvo datu struktūru –strauji krita nodarbinātības līmenis, palielinājās ārstu apmeklējums. Savukārt 2022. gadā, kad Ukrainā sākās Krievijas izraisītais karš, pieauga migrācijas plūsmas. 2023. gadā sekoja izmaiņas termiņuzturēšanās atļauju (TUA) izsniegšanā. Tiem Krievijas pilsoņiem, kuriem bija beztermiņa TUA, nu vajadzēja kārtot terminētās TUA. Viņi no reģistra uz brīdi pazuda, līdz ar to datos bija lielas izmaiņas, modelis atkal netika galā.
Paralēli abus modeļus izmantojām no 2021. gada, un pēc šiem gadījumiem secinājām, ka ir jāsper nākamais solis – jāpāriet uz jauno modeli.
Ar ko jaunā metode atšķiras no iepriekšējās? Kādas ir tās priekšrocības?
Jaunais modelis ir līdzīgs vecajam modelim. Vecais modelis piederēja pie apmācīto modeļu klases. Kā apmācību dati tajā tika izmantoti 2011. gada tautas skaitīšanas rezultāti – modeļa pieņēmumi 14 gadus balstījās uz 2011. gada datiem. Lai šis modelis būtu ilgtspējīgs, mācību datus ik pa laikam vajadzētu atjaunināt. Vienīgais veids, kā to izdarīt, ir atkal organizēt pilnu tautas skaitīšanu, kas tomēr netika izskatīts kā variants, jo tas ir ļoti dārgi.
Jaunais modelis pieder pie neuzraudzīto modeļu klases, tam nav nepieciešami mācību dati, tas mācās pats.
Jaunajā modelī kā viens no regresoriem tiek izmantots personas statuss iepriekšējā gadā, tas ir svarīgi, analizējot migrācijas plūsmas.
Vecajā modelī migrācijas plūsmas tika novērtētas ar spoguļstatistiku (starptautiskās ilgtermiņa emigrācijas apjoms no mītnes valsts uz citu valsti sakrīt ar attiecīgās valsts starptautiskās ilgtermiņa imigrācijas apjomu no mītnes valsts – red. piez.). Jaunajā modelī tas nav vajadzīgs, modelis spēj tās novērtēt.
Ko nozīmē uzraudzīto un neuzraudzīto modeļu klase?
Vieni modeļi ir tādi, kuri spēj strādāt tikai tad, ja tiem ir mācību dati. Modeļi projicē savu rezultātu, balstoties uz sniegtajiem pamatdatiem.
Neuzraudzīto modeļu klase nozīmē to, ka modelis analizē un grupē informāciju, neizmantojot iepriekš definētus algoritmus.
Vai modelis ir sava veida programmatūra?
Tā ir mašīnmācīšanās metode, kuras mērķis ir izprast datu pamatstruktūru un noteikt iespējamos modeļus vai sakarības.
Kādā veidā jaunā metode palīdzēs taupīt valsts budžeta līdzekļus un mazināt administratīvo slogu?
Tautas skaitīšanas izmaksas 2011. gadā bija 6,5 miljoni latu. Tā kā inflācija ir pieaugusi, šis cipars šobrīd noteikti būtu vēl lielāks. Turklāt mums būtu jāiet uz katru māju un jāiegūst šie dati, kas būtu arī milzīgs slogs respondentiem.
CSP norāda, ka jaunā “iedzīvotāju skaita novērtēšanas metode ir unikāla, jo balstās uz administratīvajiem datiem un dzīvības pazīmēm, kas ļauj precīzāk noteikt iedzīvotāju skaitu, neradot nepieciešamību pēc dārgiem un laikietilpīgiem klasiskajiem tautas skaitīšanas paņēmieniem”. Kādu informāciju vērtē CSP, ko statistiķi par mums zina?
Jaunajā modelī izmantojam PMLP Fizisko personu reģistra datus, arī Nacionālā veselības dienesta datus par saņemtajiem ārstniecības pakalpojumiem u. c. Informāciju izmantojam tikai fakta līmenī – vai cilvēki šos pakalpojumus ir izmantojuši vai ne, neredzam diagnozes.
CSP saņem arī Izglītības un zinātnes ministrijas datus par apmācībām, no Valsts ieņēmumu dienesta (VID) iegūstam visu informāciju par nodarbinātību. Ceļu satiksmes drošības direkcija sniedz datus par autovadītāju apliecībām – no jauna izsniegtajām, nomainītajām. Redzam arī, vai šīs apliecības ir mainītas ārzemēs.
Tāpat CSP saņem datus no sociālās palīdzības dienestiem par izmaksātajiem pašvaldību pabalstiem, informāciju no “Rīgas satiksmes” par personalizēto e-talonu lietošanu. Izmantojam arī Lauksaimniecības datu centra, Lauku atbalsta dienesta, Uzturlīdzekļu garantiju fonda un Valsts sociālās apdrošināšanas aģentūras informāciju.
Šie avoti tiek izmantoti, lai vērtētu cilvēku dzīvības pazīmes.
Kāpēc izmantojat tieši šos avotus?
Nosauktie ir tikai piemēri. CSP ir pieejams krietni lielāks avotu klāsts. Bet ar matemātiskām metodēm iepriekšminētās datubāzes tika atzītas par nozīmīgākajām, lai noteiktu, vai cilvēks ir vai nav Latvijas iedzīvotājs.
Cilvēki nereti deklarē dzīvesvietu nevis savā faktiskajā dzīvesvietā, bet gan citur, jo no tā ir atkarīga dažādu valsts pakalpojumu saņemšana, nekustamā īpašuma nodokļa maksājumi u. tml. Cik liela nozīme šo datu vākšanā ir iedzīvotāju deklarētajai dzīvesvietai?
Dzīvesvietas adresi skatāmies, bet šo informāciju īpaši pārbaudām, jo deklarētās dzīvesvietas nereti ir norādītas nepareizi, cilvēki noteiktās vietās deklarējas dažādu iemeslu dēļ – ekonomisku, izglītības u. c.
Iedzīvotājus var iedalīt divās grupās. Ir personas, kurām vispār nav deklarētās adreses. Tie ir cilvēki, kuri agrāk ir bijuši deklarēti, bet, mainoties īpašuma saimniekam, no īpašuma tikuši izdeklarēti un palikuši “karājoties gaisā”. Šos cilvēkus mēģinām pievienot pie radiniekiem, lai viņiem būtu kāda dzīvesvieta, jo tas ir svarīgi.
Otrā grupā ir iedzīvotāji ar deklarēto dzīvesvietu.
Teicāt: ja cilvēks ir izdeklarēts no īpašuma un “karājas gaisā”, tad mēģināt viņu pievienot pie radiniekiem. Bet varbūt šī persona ir izbraukusi no valsts?
Tā arī var būt. Ar algoritmu vispirms nosakām, vai viņš ir Latvijas pastāvīgais iedzīvotājs vai nav. Tas notiek pēc tā saucamajām dzīvības pazīmēm – 0 un 1 –, kas tiek novērtētas pēc tā, vai cilvēks izmanto vai neizmanto noteiktus valsts pakalpojumus. Dzīvesvietas meklēšana notiek tikai pēc tam.
Bet nereti latvieši, kas dzīvo ārzemēs, Latvijā izmanto maksas medicīnas pakalpojumus.
Jā, tā ir, tāpēc nebalstāmies tikai uz novērotajām dzīvības pazīmēm.
Latvija šajā ziņā izceļas uz Eiropas Savienības dalībvalstu fona. Esam unikāli, jo izmantojam vairākas datu analīzes metodes.
Dažās valstīs tiek izmantoti tikai dzīvības pazīmju dati bez matemātiskās iejaukšanās, bez regresijas modeļiem. Zinu, ka Lietuvā cilvēks tiek uzskatīts par pastāvīgo iedzīvotāju, ja viņš parādās trīs reģistros. Piemēram, nomaina autovadītāja tiesības, salabo zobus un aiziet pie ģimenes ārsta, un ir jau pastāvīgais iedzīvotājs. Bet tas, mūsuprāt, nav pareizi.
Tieši tāpēc mums ir papildu modelis, kas prognozē, cik liela ir iespējamība, ka persona ir pastāvīgais iedzīvotājs. Nepaļaujamies tikai uz dzīvības pazīmju analīzi.
Vai, apkopojot datus, tiek izmantots mākslīgais intelekts?
Metodē tiek izmantots mašīnmācīšanās modelis.
Kāpēc arī citas valstis neizmanto CSP jauno metodi, ja tā ir precīzāka un lētāka?
Piemēram, Ziemeļvalstīs, Nīderlandē un citviet ir labi statistiskie reģistri. Šajās valstīs par to sāka domāt jau pagājušā gadsimta 70. un 80. gados. Tādēļ tur ir izveidota sistēma, kam nevajag papildu novērtēšanu, jo tiek strādāts pie saviem reģistriem.
Ir valstis, kas izmanto dzīvības pazīmes, bet ļoti primitīvi, tikai skaitot 1 un 0 un izlemjot, cik vieninieku vajag, lai personu varētu uzskatīt par pastāvīgo iedzīvotāju.
Dažās valstīs ir lielas problēmas ar identifikatoriem. Mēs tādā ziņā esam ieguvēji, jo mums ir personas kodi, kas visos reģistros ir vienādi.
Bet, piemēram, Lielbritānijai un Īrijai ir problēmas, jo iedzīvotāju sociālās apdrošināšanas numuri var mainīties.
Šīm valstīm ir ļoti grūti. Vispirms jātiek līdz vienotiem identifikatoriem, un tikai pēc tam var sākt mēģināt izmantot kādas metodes.
Šobrīd Eiropas līmenī tiek izstrādāts regulējums (skat. priekšlikumu Eiropas Parlamenta un Padomes regulai par Eiropas statistiku par iedzīvotājiem un mājokļiem, ar ko groza Regulu (EK) Nr. 862/2007 un atceļ Regulas (EK) Nr. 763/2008 un (ES) Nr. 1260/2013), ar kuru valstīm tiks uzlikts pienākums novērtēt iedzīvotāju skaitu. Latvija ir priekšgalā, tāpēc mūs visur aicina stāstīt par savu metodi. Protams, neesam vienīgie, ir vēl citas valstis, kas izmanto līdzīgu metodi kā Latvija, bet esam mazākumā.
Kā CSP apkopo datus par, piemēram, ģimeņu veidiem Latvijā, mājsaimniecību lielumiem? Kā var zināt, kāds ir ģimenes kodols, ja ir tik daudz vientuļo māšu?
Nosakot ģimenes kodolu, mums ir algoritms, kurā, sākot ar jaunāko personu mājsaimniecībā, tiek “lasīti klāt” pirmās pakāpes radinieki.
Tādā veidā tiek noteikts ģimenes kodols. Nepilnas ģimenes mēģinām apvienot, protams, ja tas ir jēgpilni. Ja vienam vecākam ir cits laulātais, tad šādas ģimenes dalām atsevišķi.
Vai ar CSP metodēm var noteikt, piemēram, cik netradicionālo ģimeņu ir Latvijā?
Nē, to nespējam noteikt. No pagājušā gada 1. jūlija ir spēkā partnerības reģistrācija. Līdz ar to varam izmantot šos datus. Bet šobrīd tas nav iestrādāts ģimenes kodola algoritmā, taču nākotnē noteikti izmantosim šo informāciju.
Vai jaunā metodika ietekmē to, kā tiks vērtēti mājsaimniecību ienākumi?
Mājsaimniecības ienākumu datus saņemam no apsekojuma datiem. No administratīvajiem datiem tie vēl netiek iegūti.
Mājsaimniecību ienākumi tiek dalīti kvintelēs, kuras savukārt iedala ienākumos no noteiktas summas līdz noteiktai summai. Visi ienākumi tiek salikti kopā un sadalīti pa 20%. Tātad pirmā grupa – zemākie ienākumi – būs pirmie 20%, nākamā grupa būs no 21% līdz 40%, trešā – no 41 līdz 60% utt. Līdz ar to summas, kvintiļu robežas mainās atkarībā no apsekojumu datiem.
Piemēram, ir apsekojums, kurā iegūstam ienākumu datus par 1000 mājsaimniecībām. Datus sakārtojam augošā secībā – pirmos 20% ienākumu liekam pirmajā kvintelē, otros 20% – otrajā kvintelē utt.
Kāpēc dažkārt rādītāji, piemēram, par iedzīvotāju mājokļa izdevumiem, šķiet tik neticami zemi? Vai ēnu ekonomika ietekmē šo datu precizitāti?
Grūti komentēt šo jautājumu. Jā, arī mums, skatoties uz šiem rādītājiem, liekas, ka tie ir par zemu. Tie ir SILC jeb ienākumu un dzīves apsekojuma dati, kas analizē iedzīvotāju sociālo labbūtību, iekļaušanu utt.
Šogad esam mainījuši jautājumu struktūru ar cerību, ka tādā veidā savāksim precīzākas mājokļu izdevumu summas.
Iepriekš bija jānosauc tikai konkrēta summa par visiem mājokļu izdevumiem. Tagad šos izdevumus esam sadalījuši vairākās pozīcijās.
Apsekojam gan pilsētas, gan laukus, un mājokļu izdevumi tur var atšķirties. Ceram, ka jautājumu struktūras izmaiņas palīdzēs saprast, vai tas kaut ko maina vai ne. Tad var vērtēt, vai ir bijusi kāda statistiskā kļūda.
Teicāt, ka CSP dati nesakrīt ar Fizisko personu reģistra datiem. Kāpēc?
Cilvēki savu aizbraukšanu mēdz nereģistrēt vai reģistrēt ar krietnu laika – gads, divi – nobīdi. Bieži vien tas ir nezināšanas dēļ.
Kuram ir precīzāka informācija?
CSP, jo mēs vērtējam cilvēku aktivitāti, savukārt PMLP – faktu, ka cilvēks nosaucis savu deklarēto adresi, un viss.
Ir dzirdēts, ka Latvijā Fizisko personu reģistrā norādīts daudz mirušu personu, kas savulaik izceļojušas uz citām valstīm. Vai tā varētu būt?
Jā, tā joprojām ir. Tie ir cilvēki, kas 90. gados Latvijā ir saņēmuši personas kodu, bet pēc tam dzīvojuši un miruši ārzemēs. Problēma ir tāda, ka PMLP nedrīkst nevienu dzēst no Fizisko personu reģistra bez juridiska pamata.
PMLP “tīra” savu reģistru no mirušajām personām, ik pa laikam redzam, ka pēkšņi netipiski samazinās iedzīvotāju skaits.
Par šiem cilvēkiem tiek meklēta informācija dažādos avotos, lūgts radiniekiem ziņot. PMLP prasa arī CSP, vai šie cilvēki, kuriem tagad būtu pāri par 100 gadiem, ir saņēmuši pensiju vai gājuši pie ārstiem.
Cilvēki bieži saka – man neviens nejautāja, tātad dati nevar būt patiesi. Kā to atspēkot?
Mūsdienu pasaulē, kur katra mūsu kustība tiek kaut kur piereģistrēta, administratīvie dati bieži var būt patiesāks avots par apsekojuma datiem. Valsts ieņēmumu dienests sniegs pilnīgāko informāciju par personas ienākumiem, Nodarbinātības valsts aģentūra – par nodarbinātību un bezdarbu, Valsts sociālās apdrošināšanas aģentūra – par dažādiem pabalstiem un pensijām utt. Visur ir mūsu personas kodi, visur tiekam reģistrēti. Līdz ar to tas pat ir pluss, jo CSP nevajag iet pie cilvēkiem.
Jūs sakāt: pie jums neviens nav atnācis, kā tad statistika kaut ko zina par mani? Kad ar apsekojuma datiem dodamies pie cilvēkiem, viņi nemaz nav tik apmierināti, ja pārprasām informāciju, ko varam iegūt no administratīvajiem datiem.
Apsekojumos cilvēkus lieki neizprašņājam. Ja varam informāciju iegūt no administratīvajiem datiem, tad viss tiek paņemts no turienes, savācam tikai subjektīvu informāciju, kuru nevar iegūt citādi.
CSP ir ieinteresēta pēc iespējas vairāk strādāt tikai ar administratīvajiem datiem.
