Application of the Regression Modeling Method in Assessing Changes and Predicting the Physical Status of the Russian Population

Abstract

Цель исследования -проведение регрессионного моделирования физического статуса населения России с 1917 по 2017 годы и построение прогностической модели до 2035 года.Материал и методы. В основе методологического подхода были использованы методы корреляционно-регрессионного анализа, в частности построение линейных регрессионных моделей. Сбор данных основан на архивных исторических документах. Статистическая обработка данных проводилась с использованием SPSS и Excel. Уровень значимости принимается равным 0.05.Результаты. В результате исследования были сформулированы основные регрессионные модели для каждого из исследуемых показателей. В соответствии с приведенными регрессионными моделями был составлен прогноз до 2035 года по всем исследуемым показателям.Заключение. Данный метод может рассматриваться как перспективный методологический инструмент при исследовании динамического ряда соответствующих показателей при выявлении не только тренда, но и скрытой колебательной компоненты данного ряда.Ключевые слова: регрессионное моделирование; линейный тренд; население России; прогнозирование. Application of the Regression Modeling Method in Assessing Changes and Predicting the Physical Status of the Russian PopulationThe aim of the study was to perform regression modeling of the physical status of the Russian population from 1917 to 2017 and to build a prognostic model until 2035.Material and methods. The methodological approach was based on the methods of correlation and regression analysis, namely, on the construction of linear regression models. Data collection was based on the archival historical documents. Statistical data were processed using SPSS and Excel. The significance level was assumed to be 0.05.Results. The basic regression models for each of the studied parameters were formulated in the study. In accordance with the given regression models, the authors made a forecast for all the studied parameters up to 2035.Conclusion. This method can be considered as a promising methodological tool in the study of the dynamic series of relevant parameters in identifying not only the tendency, but also the hidden oscillatory component of the series.