Palabras clave
Specific Fertility rates
Functional Data Models
Probabilistic Forecast Models
Tasa Global de Fecundidad
Tasas específicas de fecundidad
Modelo para Datos Funcionales
Modelos Probabilísticos de Pronóstico
Cómo citar
Resumen
El estudio que da lugar al presente artículo surge a partir de los resultados obtenidos en el marco de un convenio de colaboración firmado por la Dirección General de Estadística de la Municipalidad de Rosario y la Escuela de Estadística de la Facultad de Ciencias Económicas y Estadística de la Universidad Nacional de Rosario. Entre sus objetivos, se plantea el de obtener pronósticos probabilísticos de la fecundidad para la Ciudad de Rosario. Para ello, con base en estadísticas vitales, estimaciones y proyecciones de población se construyen escenarios probables, pasados y futuros, tanto para la tasa global de fecundidad como para las tasas específicas de fecundidad. Los resultados de este estudio, basados en la aplicación de modelos probabilísticos de pronóstico, permiten conocer estructuras y tendencias, pasadas y futuras de la fecundidad, de modo que puedan generarse diagnósticos que sean de utilidad para la evaluación y gestión del sistema de salud o bien para el desarrollo de nuevas políticas públicas. Los resultados indican que Rosario tuvo, tiene y seguirá teniendo un cambio en los patrones de fecundidad más rápido y marcado que el promedio nacional. Si bien este hecho es esperable, en un contexto signado por los avances en la salud pública, que permiten acceder a más y mejor atención en salud reproductiva, la metodología aquí empleada se basa únicamente en la extrapolación de las tendencias, por ello la retroproyección debe ser analizada cuidadosamente. Con posterioridad, en la sección metodológica, se presentan los modelos probabilísticos de pronóstico que se emplean para la obtención de resultados.
Citas
Andreozzi, L. y Blaconá, M.T. (2014). Análisis de la mortalidad por edad y sexo mediante modelos para datos funcionales. Santiago de Chile. Instituto Interamericano de Estadística: Revista Estadística, 66, 65-89.
Añaños, M. C. (1993). Composición social y comportamientos de unión en madres adolescentes. Rosario, 1980-1991. Buenos Aires, Argentina: Centro de Estudios de Estado y Sociedad/ Centro de Estudios de Población (CEDES/CENEP)
Bongaarts, J. (2015). Global Fertility and Population Trends. New York: Seminars in Reproductive Medicine, 33(1), 5-10.
Bongaarts, J. y Bulatao, R. A. (2000). Beyond Six Billion: Forecasting the World’s Population. Panel on Population Projections, Committee on Population, National Research Council. Washington, DC: The National Academies Press .
Booth, H., Hyndman, R., Tickle, L., y de Jong, P. (2006). Lee-Carter mortality forecasting: a multi-country comparison of variants and extensions. Demographic Research, 15(9), 289–310.
Brouhns, N., Denuit, M., y Vermunt, J.K. (2002). A Poisson log-bilinear regression approach to the construction of projected lifetables. Insurance: Mathematics and Economics, 31(3), 373–393.
Cavallini, C. (1996). Regulación de la Fecundidad: Estimación de Características Sensibles en la Población Femenina de la Ciudad de Rosario. Rosario, Argentina: Fondo de Población de las Naciones Unidas (UNFPA) y Escuela de Estadística, de la Facultad de Ciencias Económicas y Estadística de la Universidad Nacional de Rosario.
García Guerrero, V. M. y Ordorica Mellado, M. (2012). Proyección estocástica de la mortalidad mexicana por medio del método de Lee-Carter. Estudios Demográficos y Urbanos, 27(2), 409-448. Recuperado de
http://www.redalyc.org/articulo.oa?id=31226408004.
Guerrero Guzmán, V. M. y González Pérez, C. (2007). Pronósticos estadísticos de mortalidad y su impacto sobre el sistema de pensiones de México. Recuperado de http://estadistica.itam.mx/sites/default/files/u486/178-174gonzalez_guerrero.pdf
Hyndman, R. y Booth, H. (2007). Stochastic population forecasts using functional data models for mortality, fertility and migration. International Journal of Forecasting, 24(3), 323-342. Recuperado de https://doi.org/10.1016/j.ijforecast.2008.02.009.
Hyndman, R. y Ullah, M. (2007). Robust forecasting of mortality and fertility rates: A functional data approach. Computational Statistics and Data Analysis, 51(10), 4942– 4956. DOI: http://dx.doi.org/10.1016/j.csda.2006.07.028.
Jong, P. D. y Tickle, L. (2006). Extending Lee-Carter mortality forecasting.
Mathematical Population Studies, 13(1), 1–18.
Lee, R. y Carter, L. (1992). Modeling and Forecasting U. S. Mortality. Journal of the American Statistical Association, 87, 659–671.
Lee, R. y Miller, T. (2001). Evaluating the performance of the Lee-Carter Method for Forecasting Mortality. Demography, 38, 537–549.
Lee, R. D. y R. Rofman. (1994). Modelación y Proyección de la Mortalidad en Chile. Notas de Población, 22(59),183-213.
Lee, R. y Tuljapurkar, S. (1994). Stochastic population forecasts for the United States: Beyond high, medium, and low. Journal of the American Statistical Association, 89, 1175–1189.
Pantelides, E. A. (1982). Las mujeres de alta fecundidad en la Argentina: pasado y futuro. Buenos Aires, Argentina: CENEP
Pantelides, E. A. (1989). La fecundidad argentina desde mediados del siglo XX. Buenos Aires, CENEP. DOI: https://doi.org/10.13140/2.1.1761.2488.
Pantelides, E. A. (2006). La transición de la fecundidad en la Argentina 1869-1947. Buenos Aires, Argenitna: CENEP.
Pantelides, E. y Rofman, A. (1983). La transición demográfica argentina: Un modelo no ortodoxo. Desarrollo Económico, 22(88), 511-534. Recuperado de
https://doi.org/10.2307/3466332.
Renshaw, A., & Haberman, S. (2003). Lee-Carter Mortality Forecasting: A Parallel Generalized Linear Modelling Approach for England and Wales Mortality Projections. Journal of the Royal Statistical Society. Series C (Applied Statistics), 52(1), 119-137. Recuperado de http://www.jstor.org/stable/3592636.
Sacco, N. y Andreozzi, L. (2017). Proyecciones y retroproyecciones probabilísticas de las tasas de fecundidad por edad (1895-2040). Revista Latinoamericana de Población, 11(20), 79-104. DOI: https://doi.org/10.31406/relap2017.v11.i1.n20.4.