Typologia starzenia się ludności Polski w ujęciu przestrzennym
advertisement
Typol ogia starzenia się ludności Polski w ujęciu przestrzennym Akademia Pedagogiczna im. Komisji Edukacji Narodowej w Krakowie Prace Monograficzne nr 497 Sławomir Ku r e k Ty p o logia starzenia się l u d n ości Polski w u j ęciu przestrzennym Wydawnictwo Naukowe Akadem i i Pe da g o g i c zne j K r a kó w 2 00 8 Recenzenci prof. zw. dr hab. Adam Jelonek dr hab. Jerzy T. Kowaleski prof. UŁ © Copyright by Sławomir Kurek & Wydawnictwo Naukowe AP, Kraków 2008 projekt okładki Maciej Kwiatkowski ISSN 0239-6025 ISBN 978-83-7271-480-0 Redakcja/Dział Promocji Wydawnictwo Naukowe AP 30-084 Kraków, ul. Podchorążych 2 tel./fax (012) 662-63-83, tel. (012) 662-67-56 e-mail: [email protected] Zapraszamy na stronę internetową: http://www.wydawnictwoap.pl Spis treści Wstęp............................................................................................................................................ 7 1.Wprowadzenie do problematyki badań................................................................................... 7 2.Przesłanki i założenia badawcze.............................................................................................10 3.Cel, zakres i układ pracy..........................................................................................................14 4.Hipotezy badawcze...................................................................................................................17 5.Materiały źródłowe i metody pracy.......................................................................................19 6.Problematyka badań starzenia się ludności w świetle literatury przedmiotu..................21 I. DEMOGRAFICZNE UWARUNKOWANIA PROCESU STARZENIA SIĘ LUDNOŚCI........................................................................36 1. Przestrzenne zróżnicowanie ruchu naturalnego ludności..................................................36 1.1. Urodzenia.......................................................................................................................... 36 1.2. Płodność............................................................................................................................ 40 1.3. Zgony................................................................................................................................. 42 1.4. Przyrost naturalny............................................................................................................ 44 2. Przestrzenne zróżnicowanie ruchu wędrówkowego ludności............................................46 2.1. Napływ ludności............................................................................................................... 46 2.2. Odpływ ludności.............................................................................................................. 47 2.3. Saldo migracji................................................................................................................... 48 3. Przestrzenne zróżnicowanie dynamiki rozwoju ludności..................................................50 II. ZRÓŻNICOWANIE STRUKTURY WIEKU LUDNOŚCI MIAST I GMIN POLSKI W latach 1988 i 2002..................................52 1. Biologiczne grupy wieku.........................................................................................................52 1.1. Udział ludności w wieku 0–14 lat................................................................................... 53 1.2. Udział ludności w wieku 65 lat i więcej......................................................................... 54 1.3. Indeks starości demograficznej...................................................................................... 55 2. Ekonomiczne grupy wieku......................................................................................................58 2.1. Ludność w wieku produkcyjnym................................................................................... 59 2.2. Współczynniki obciążenia ekonomicznego.................................................................. 61 3. Struktura wieku ludności najstarszej.....................................................................................64 3.1. Ludność w wieku 85 lat i więcej..................................................................................... 65 3.2 Współczynnik wsparcia międzypokoleniowego........................................................... 65 4. Syntetyczny miernik struktury wieku ludności....................................................................66 III.CHARAKTERYSTYKA DYNAMIKI PROCESU STARZENIA SIĘ LUDNOŚCI MIAST I GMIN POLSKI......................................................................................................74 1. Wskaźnik starzenia się demograficznego WSD.....................................................................76 2. Wskaźnika starzenia się ekonomicznego WSE......................................................................77 IV.PROGNOZA STARZENIA SIĘ LUDNOŚCI DO ROKU 2030.....................................79 V. KLASYFIKACJA TYPOLOGICZNA STARZENIA SIĘ LUDNOŚCI...........................91 1. Uwagi wstępne..........................................................................................................................91 2. Typologia statyczna..................................................................................................................95 2.1. Metoda taksonomiczna k-średnich (1988 r.)................................................................ 95 2.2. Metoda taksonomiczna k-średnich (2002 r.)................................................................ 98 2.3. Metoda taksonomiczna k-średnich (2030 r.).............................................................. 102 3. Typologia dynamiczna starzenia się ludności....................................................................105 3.1. Metoda tabeli znaków (1988–2002)............................................................................. 105 3.2. Metoda tabeli znaków (2002–2030)............................................................................. 108 3.3. Metoda taksonomiczna k-średnich (1988–2002)...................................................... 110 3.4. Metoda taksonomiczna k-średnich (2002–2030)...................................................... 113 VI.ZALEŻNOŚCI MIĘDZY TYPAMI STARZENIA SIĘ A WYBRANYMI CECHAMI RUCHU LUDNOŚCI....................................................118 VII. TYPOLOGIA PRZESTRZENNA STARZENIA SIĘ LUDNOŚCI.............................126 1. Uwagi wstępne........................................................................................................................126 2. Typologia przestrzenna za okres 1988–2002......................................................................130 3. Typologia przestrzenna za okres 2002–2030......................................................................141 VIII. WERYFIKACJA HIPOTEZ I WNIOSKI KOŃCOWE..............................................157 Bibliografia..................................................................................................................................163 Summary.....................................................................................................................................180 Załączniki....................................................................................................................................182 Spis tabel i rycin..........................................................................................................................194 List of tables end figures............................................................................................................198 Wstęp 1. Wprowadzenie do problematyki badań Zjawisko starzenia się ludności jest współczesnym procesem demograficznym, o nie spotykanej wcześniej skali i natężeniu, obejmującym społeczeństwa Europy i innych wysoko rozwiniętych krajów świata. Proces ten, polegający na zmianach w strukturze wieku ludności powodujących zwiększanie się liczebności i udziału roczników starszych, a zmniejszanie się roczników młodszych, jest zjawiskiem nieuchronnym i nieodwracalnym, niosącym ze sobą szereg społeczno-ekonomicznych konsekwencji. Badania zjawiska starzenia się ludności mogą mieć charakter statyczny, tj. prowadzić do określenia stanu zaawansowania starości demograficznej na danym obszarze w określonym momencie czasu, bądź charakter dynamiczny, prowadzący do określenia zmian w tym zakresie. Istotnym zagadnieniem są badania uwarunkowań procesu starzenia się ludności oraz jego konsekwencji. Mają one często charakter interdyscyplinarny, sytuują się na pograniczu nauk społecznych, ekonomii, demografii, a nawet psychologii (ryc. 1). Z geograficznego punktu widzenia badania starzenia się ludności powinny prowadzić do wykrycia pewnych prawidłowości przestrzennych tego zjawiska, zmierzających do jego typologii czy regionalizacji. Problematyka badań zakreślona tematem niniejszej pracy skupia się na aspekcie przestrzennym starzenia się ludności w ujęciu podstawowych jednostek administracyjnych. Różnorodność i zmienność uwarunkowań demo- graficznych, wpływających na poziom oraz dynamikę starzenia się ludności, skłoniła autora do podjęcia badań prowadzących do klasyfikacji typologicznej i prób poszukiwań nowych rozwiązań metodologicznych w zakresie pomiaru tego zjawiska. Badania nad zróżnicowaniem jednostek terytorialnych w ujęciu mikro- przestrzennym są bardzo ważne z punktu widzenia postrzegania rzeczywistości w wymiarze lokalnym i podejmowania decyzji dotyczących ich rozwoju na najniższych szczeblach władzy. Badania finansowane częściowo ze środków Ministerstwa Nauki i Szkolnictwa Wyższego jako projekt badawczy nr 2P04E 006 28. Determinanty Determinanty Proces starzenia siĊ ludnoĞci Proces starzenia siĊ Konsekwencje Konsekwencje ludnoĞci PRZEJĝCIE DEMOGRAFICZNE PRZEJĝCIE DEMOGRAFICZNE REDUKCJA URODZEē REDUKCJA gáównie poprzez URODZEē zmniejszenie gáównie poprzez rozrodczoĞci zmniejszenie rozrodczoĞci JEDNOSTEK STARZENIE SIĉ RODZIN SIĉ STARZENIE I GOSPODARSTW RODZIN DOMOWYCH I GOSPODARSTW DOMOWYCH STARZENIE SIĉ POPULACJI STARZENIE SIĉ IPOPULACJI SUBPOPULACJI xI SUBPOPULACJI Siáa robocza xx Kobiety w wieku Siáa robocza reprodukcyjnym x Kobiety w wieku x Starsi reprodukcyjnym xx Jednostki Starsi x administrac Jednostki yjne Poziom makro Poziom makro RUCH MIGRACYJNY RUCH MIGRACYJNY STARZENIE SIĉ JEDNOSTEK STARZENIE SIĉ Poziom mikro Poziom mikro ZMNIEJSZENIE UMIERALNOĝCI ZMNIEJSZENIE UMIERALNOĝCI KONSEKWENCJE W: xKONSEKWENCJE Populacji W: xx Psychologii Populacji xx Kulturze Psychologii xx Systemie Kulturze wartoĞci xx Etyce Systemie wartoĞci xx SpoáeczeĔstwie Etyce xx Ekonomii SpoáeczeĔstwie xx Edukacji Ekonomii xx Zdrowiu Edukacji xx Rodzinie Zdrowiu xx ĝrodowisku Rodzinie xx Polityce ĝrodowisku xx Relacjach Polityce x miĊdzynarodowych Relacjach miĊdzynarodowych administracyjne POLITYKA SPOàECZNA POLITYKA SPOàECZNA POLITYKA SPOàECZNA POLITYKA SPOàECZNA Ryc. 1. Konceptualizacja badań procesu starzenia się ludności wg A. Goliniego A conceptual framework of the ageing process by A. Golini Źródło: Golini, 2006, s. 7 Do bezpośrednich czynników wpływających na starzenie się społeczeństw należy zaliczyć przeszłe i bieżące trendy w zakresie rodności, umieralności (zwłaszcza w starszym wieku) oraz migracji (Preston, Himes, Eggers, 1989). Starzenie się ludności może być więc konsekwencją zarówno spowolnienia przyrostu ludności młodej, jak i przyspieszenia wzrostu liczby ludności starszej lub obu tych czynników na raz. Relatywne zmniejszenie tempa przyrostu młodszej populacji jest wynikiem spadku w poziomie płodności i rodności (starzenie się od podstawy piramidy wieku), natomiast gwałtowne przyspieszenie wzrostu liczby osób starszych jest konsekwencją spadku umieralności w starszych grupach wieku i ten typ przemian zwany jest starzeniem się od wierzchołka piramidy (Grundy, 1996; Frątczak, 2002). Ostatnie badania (Kinsella, Philips, 2005) pokazały wzrost roli umieralności w kształtowaniu się zjawiska starzenia się ludności. Po ustabilizowaniu się wskaźnika umieralności niemowląt na niskim poziomie, wzrost spodziewanej długości życia odbywa się przez spadek umieralności w starszym wieku, przyczyniając się do zwiększenia liczebności osób starszych. Trzeci demograficzny czynnik starzenia się ludności to migracje, których rola wzrasta w układach lokalnych. Jak powszechnie wiadomo, migrują głównie ludzie młodzi i obszary napływowe ulegają procesowi odmładzania populacji, natomiast regiony emigracyjne charakteryzuje znaczne przyspieszenie procesu starzenia się, prowadzące często do ich depopulacji. Zahamowanie fali napływu ludności, związane np. z nasyceniem rynku pracy, może za jakiś czas spowodować wzrost dynamiki starzenia się obszaru napływowego o nie spotykanej wcześniej skali, gdyż osoby napływowe wejdą w wiek poprodukcyjny. Ponadto zwiększa się rola i natężenie migracji osób w starszym wieku. Obszary napływowe o atrakcyjnych walorach krajobrazowych czy klimatycznych stają się docelowym miejscem ludzi starszych i stąd ich udział w ludności tych obszarów znacząco wzrasta (Grundy, 1996; King, Warnes, Williams, 1998; Avramov, Maskova, 2003; Eurostat, 2004; Kinsella, Philips, 2005). Starzenie się społeczeństw jest bezpośrednią konsekwencją przejścia demograficznego, polegającego na spadku płodności i umieralności (Mirkin, Weiberger, 2001; Frątczak, 2002; Okólski, 1990, 2005; Reher, 2004). Różnice w długości trwania tego przejścia i momentu zapoczątkowania go wpływają na geograficzne zróżnicowanie proporcji osób starszych. Niektórzy badacze (m.in. Lesthaeghe, Meekers 1986; Van de Kaa, 1987; Lesthaeghe, 1991; Coleman, 2002) wyróżniają tzw. drugie przejście demograficzne, w którym poziom płodności spada poniżej poziomu gwarantującego zastępowalność pokoleń i które związane jest ze zmianą norm kulturowych i społeczno-obyczajowych (spadek liczby zawieranych małżeństw, wzrost liczby rozwodów, odkładanie urodzeń, wzrost liczby aborcji). Według tej teorii poziom umieralności przewyższa często poziom urodzeń, co może prowadzić do gwałtownego przyspieszenia procesu starzenia się ludności w przyszłości. W fazie drugiego przejścia demograficznego kraje Europy Zachodniej znajdują się od lat 60. XX wieku, odkąd zaobserwowano znaczny spadek płodności, po okresie kompensacji powojennej (tzw. baby-boom). W tym samym czasie zanotowano również postępujący spadek umieralności w starszych grupach wieku. Obydwa te czynniki spowodowały intensywny proces starzenia się ludności. W Polsce i innych krajach Europy Środkowo-Wschodniej współczynnik płodności do końca lat 80. utrzymywał się na poziomie gwarantującym zastępowalność pokoleń (czyli 2,1), podczas gdy umieralność była ustabilizowana lub nawet nieco się zwiększyła. W strukturze wieku wynikiem tego były utrzymujące się relatywnie niskie udziały ludności starszej. Gwałtowny spadek płodności w Europie Środkowo-Wschodniej nastąpił w latach 90. i był związany z transformacją polityczno- -gospodarczą. Pomimo iż zmiana wzorca płodności nastąpiła tu dużo później niż w Europie Zachodniej, to przemiany te następowały w dużo krótszym czasie, doprowadzając do zwiększenia dynamiki starzenia się ludności, która osiągnęła wielkości najwyższe w Europie (Kotowska, 1999). Bezpośrednią konsekwencją procesu starzenia się ludności danego obszaru jest zwiększenie obciążenia ludności w wieku produkcyjnym rosnącą grupą ludności poprodukcyjnej. Wyrazem tego są zmiany w strukturze źródeł utrzymania ludności, wzrost zapotrzebowania na usługi w dziedzinie ochrony zdrowia i opieki społecznej, zmniejszenie aktywności zawodowej, zmiana struktury konsumpcji. Wymusza to wiele działań ze strony państwa i samorządów lokalnych, polegających m.in. na reformie systemu zabezpieczeń społecznych, dostosowaniu infrastruktury społecznej do potrzeb osób w starszym wieku czy zapewnieniu odpowiedniego zakresu usług w zakresie opieki medycznej i społecznej. Bardzo ważne jest tu istnienie odpowiedniej polityki społecznej wobec osób starszych, a więc organizacja systemu usług osobistych i udzielanie świadczeń pielęgniarskich, kompensacja wydatków na finansowanie usług związanych z wiekiem, stworzenie warunków do realizacji i rozwijania zainteresowań, przygotowanie do starości, stworzenie warunków do aktywności stosownej do potrzeb oraz stworzenie odpowiednich warunków do aktywności instytucji i organizacji prywatnych na rzecz osób starszych (Błędowski, 1998). Obszary zagrożone starością demograficzną powinny być także podmiotem szczególnego zainteresowania polityki regionalnej, mającej na celu ich aktywizację gospodarczą poprzez stwarzanie warunków do napływu różnego rodzaju inwestycji i oferowanie nowych miejsc pracy, aby zapobiec dalszemu odpływowi ludzi młodych. 2. Przesłanki i założenia badawcze Transformacja polityczna i społeczno-gospodarcza w Polsce stworzyła badaczom geografii ludności nowe wyzwania i pola badawcze. Powstanie gospodarki wolnorynkowej, pogorszenie sytuacji na rynku pracy i wzrost bezrobocia zapoczątkowały przemiany demograficzne nie spotykane wcześniej na obszarze kraju. Gwałtowny spadek rozrodczości, zmniejszenie mobilności przestrzennej, spadek dynamiki demograficznej wpłynęły na zmiany w strukturze wieku ludności, przyczyniając się do przyspieszonego procesu starzenia się społeczeństwa. Wymienione przemiany demograficzne, postrzegane w świetle koncepcji teorii drugiego przejścia demograficznego, były uwarunkowane różnymi czynnikami o charakterze globalnym (dyfuzja zachodnioeuropejskiego modelu rodziny, szerzenie się postaw konsumpcyjnych, rozwój indywidualizmu) czy lokalnym (upadek niektórych gałęzi przemysłu, trudności na rynku pracy, stopień zaspokojenia potrzeb mieszkaniowych). Z kolei utworzenie struktur samorządowych zwróciło uwagę współczesnej geografii na badania układów lokalnych i analizę mikroprzestrzenną (Jagielski, 1995). Potrzeba prowadzenia badań w mikroskali wynika przede wszystkim z dążenia do lepszego wychwycenia przestrzennych uwarunkowań zjawisk społecznych oraz poznania mechanizmów decydujących o ich rozwoju społecznym (Grochowski, Kowalczyk, 1999). Według Paryska (1999, 2004) prak10 tyczna funkcja badań geograficznych w mikro- i mezoskali związana jest z realizacją zapotrzebowania władz lokalnych na diagnozy stanu gminy w zakresie opisu jej struktury społeczno-gospodarczej, struktury przestrzennej, określenia potrzeb społecznych i możliwości ich zaspokojenia, związków z innymi gminami czy regionami oraz opracowanie koncepcji jej rozwoju. Problematyka lokalna zyskuje w polskich badaniach geograficznych na znaczeniu, a jednocześnie problemy zarysowujące się w skali krajowej i regionalnej analizuje się w układzie gminnym. Gmina jest wówczas elementem składowym badanej całości (kraju, regionu), co jest korzystne dla prowadzonej analizy przestrzennej i dla interpretacji wyników (Parysek, Stryjakiewicz, 2004). Na wzrost znaczenia lokalnych jednostek terytorialnych i ich zapotrzebowania na informację zwraca także uwagę Dehnel (2003) w pracy dotyczącej rozwijającego się narzędzia badawczego, jakim jest statystyka małych obszarów (SMO). Zakres niniejszej pracy mieści się w problematyce badawczej geografii ludności, która koncentruje się na opisie i wyjaśnianiu przestrzennych układów oraz struktur ludnościowych i ich związku z charakterem środowiskowym i społecznym miejsc i regionów (Jędrzejczyk, 2001). Według Kosińskiego (1967) celem badań zmieniających się w czasie i przestrzeni procesów ludnościowych jest wykrywanie ogólnych prawidłowości rządzących zróżnicowaniem przestrzennym stosunków ludnościowych oraz krytyczna ocena istniejącej sytuacji z punktu widzenia potrzeb społecznych. Z punktu widzenia metodologicznego praca ta reprezentuje wzorzec naturalistyczny, bazując na ujęciu tradycyjno-empirycznym, w którym główny nacisk kładzie się na metody analizy materiałów pierwotnych i wtórnych (np. metody kartograficzne, typologie i regionalizacje) oraz na ujęciu empiryczno-indukcyjnym, wykorzystującym metody matematyczno-statystyczne i metody analizy przestrzennej (Chojnicki, 1985, 1999, 2001, 2004, 2005; Liszewski, Maik, 2005; Runge, 2006). Badanie struktur ludnościowych Maik (2005) zalicza do jednej z czterech dziedzin problemowych współczesnej polskiej geografii ludności, a nasilający się proces starzenia się ludności wymienia jako jeden z przejawów istotnych zagrożeń społecznych w Polsce, związanych ściśle z procesem transformacji systemowej. Podobnie Eberhardt (2005) stwierdza, że proces starzenia się ludności powinien być obiektem szerszego zainteresowania geografów w okresie przemian zachodzących w Polsce w aspekcie rozwijania prac zarówno metodologiczno-teoretycznych, jak i aplikacyjnych. Potrzebę syntezy regionalnego zróżnicowania struktury ludności Polski zauważa Parysek (1989), podkreślając znaczenie wiedzy o strukturze demograficznej kraju dla organizatorów życia społecznego i gospodarczego w różnych układach przestrzennych. Szatur-Jaworska (1998) podkreśla, iż badanie procesu starzenia się ludności wymaga analiz dynamicznych pozwalających na określenie tempa zmian oraz wskazanie czynników, które w poszczególnych okresach przyspieszają bądź spowalniają ten proces. Ponadto postuluje ona zwrócenie większej uwagi na badanie przestrzennych zróżnicowań procesu starzenia się demograficznego, co umożliwiłoby opracowanie regionalnej i lokalnej polityki wobec osób starszych. Geograficzne podejście badawcze zawie11 rające element terytorialnego i przestrzennego odniesienia w wyjaśnianiu zjawisk ludnościowych jest niezwykle istotne w kontekście polityki społecznej (Kaczmarek, 2005). Również geografowie amerykańscy (Plane, 2004) wskazują na wzrost znaczenia praktycznej funkcji geograficznych badań ludnościowych w formie geografii ludności stosowanej (applied population geography) dla potrzeb lokalnego biznesu, administracji terytorialnej i sektora publicznego. Sprzyja temu rozwój systemu pozyskiwania danych statystycznych, a także rozwój Geograficznych Systemów Informacyjnych (GIS). Tabela 1. Przejście demograficzne, epidemiologiczne i gerontologiczne Demographic, epidemiological and ageing transition Faza przejścia demograficznego I (bardzo wczesna) II (wczesna) III (późna) IV (bardzo późna) Przejście epidemiologiczne Epidemie i głód Wygasające pandemie chorób zakaźnych Choroby zwyrodnieniowe i wywołane przez człowieka Przejście gerontologiczne Młodość Odmładzanie Dojrzałość→starość Choroby związane z podeszłym wiekiem i pojawiające się choroby zakaźne Późna starość→ zaawansowana starość Płodność Wysoka Wysoka (może rosnąć) Malejąca Niska (poniżej zastępowalności pokoleń?) Umieralność Wysoka (fluktu- jąca) Malejąca (zwłaszcza u niemowląt i dzieci) Postępujący spadek Niska (spadek w starszym wieku) Choroby zakaźne Choroby zakaźne (spadek) Choroby zwyrodnieniowe Choroby nowotworo(nowotwory, we i układu krążenia choroby układu krążenia; wzrost) „polaryzacja epidemiologiczna” Choroby wieku starczego Młoda Zmniejszanie się udziału dzieci i młoPoczątkowo odmładzająca się, dzieży, zwiększanie później pojawiająsię grupy produkce się zmniejsza- cyjnej i sukcesywnie nie udziału dzieci grupy poprodukcyjnej (starzenie się od podi młodzieży stawy piramidy) Kontynuacja starzenia (dominuje starzenie od wierzchołka piramidy) Główne przyczyny zgonów Struktura wieku Źródło: Andrews, Phillips, 2005, s. 42 Kolejną przesłanką do podjęcia badań w zakresie starzenia się ludności była teoria przejścia demograficznego, a zwłaszcza wyróżniana przez niektórych badaczy faza tzw. drugiego przejścia demograficznego (second demographic transi12 tion; Van de Kaa, 1987, 2003; Lesthaeghe, 1991). W Europie Środkowo-Wschodniej czynnikiem inicjującym drugie przejście demograficzne były przemiany związane z transformacją ustrojową. Teoria ta wymaga z jednej strony intensyfikacji badań nad migracjami ludności, a z drugiej szczegółowych analiz nad zmianami struktur ludnościowych. Andrews i Phillips (2005) wyróżniają tzw. przejście gerontologiczne (ageing transition) towarzyszące klasycznemu przejściu demograficznemu, łącząc je z przejściem epidemiologicznym. Zestawiając fazy poszczególnych przejść, stwierdzają, iż są one ściśle ze sobą powiązane (tab. 1). Rowland (2003) przedstawia zmiany struktury wieku populacji na tle poszczególnych faz transformacji demograficznej (tab. 2). Tabela 2. Charakterystyka populacji w czasie przejścia demograficznego Population characterisitcs during demographic transition Wskaźnik Faza 1 (Pre-transition) Faza 2 (Midtransition) Faza 3 (Posttransition) Współczynnik urodzeń (‰) 50,0 45,7 12,9 9,8 Współczynnik zgonów (‰) 50,0 15,7 12,9 14,8 Przyrost naturalny (‰) Faza 4 (Future declining)1 0,0 30,0 0,0 -5,0 Struktura wieku (%) 0–14 15–64 65+ Ogółem 36,2 60,9 2,9 100,0 45,4 52,0 2,6 100,0 19,2 62,3 18,5 100,0 15,6 52,7 31,7 100,0 Współczynnik obciążenia Dzieci2 Starsi3 Ogółem 59,0 5,0 64,0 87,0 5,0 92,0 31,0 30,0 61,0 29,6 60,0 89,6 Spodziewana długość życia (kobiety) Od urodzenia W wieku 5 lat W wieku 65 lat 20,0 36,6 7,5 50,0 55,9 11,9 75,0 71,4 15,7 85,0 80,3 22,2 1) Dane z ostatniej kolumny dotyczą Włoch (prognoza na lata 2025–2050), natomiast dane z pozostałych kolumn pochodzą z modeli demograficznych; 2) Współczynnik obciążenia dziećmi (0–14/15–64*100), 3) Współczynnik obciążenia osobami starszymi (65+/15–64*100) Podobnie Cieślak (2004) analizuje zmiany rozkładów wieku społeczeństw znajdujących się w różnych fazach przejścia demograficznego, stwierdzając zmiany asymetrii rozkładu. Im silniejsza jest asymetria prawostronna, tym młodsza jest struktura wieku danej populacji, a tym samym większa jej zdolność do reprodukcji. Przejście demograficzne i związane z nim starzenie się społeczeństw mają istotny wpływ na współczesny rozwój społeczno-ekonomiczny świata (Golini, 1999; Dyson, 2001). 13 W niniejszej pracy poprzez poziom (stan zaawansowania) starości demograficznej rozumie się udział analizowanych grup wieku lub relacji między nimi w określonym przekroju czasu (ujęcie statyczne), natomiast proces starzenia się ludności, ujmowany dynamicznie, wyraża zmiany w udziałach grup wieku ludności bądź w relacjach między nimi prowadzące do postarzenia struktury wieku danej populacji między dwoma przekrojami czasu. Założeniem pracy było, iż miasta i gminy o zaawansowanym stopniu starości i wysokiej dynamice procesu starzenia się ludności stanowią obszary problemowe w zakresie zagrożeń demograficznych. Konieczność podjęcia badań dotyczących obszarów problemowych postulowali m.in. Jelonek (1986), Biderman (1988), Jagielski (1995) i Chojnicki (1999). 3. Cel, zakres i układ pracy Głównym celem opracowania jest przedstawienie zróżnicowania typologicznego starzenia się ludności Polski w układzie statycznym i dynamicznym w świetle wybranych parametrów struktury wieku ludności oraz dokonanie klasyfikacji przestrzennej tego zjawiska na podstawie wydzielonych typów. Temu nadrzędnemu celowi podporządkowane są kolejne cele: poznawczy, metodologiczny i aplikacyjny. Cel poznawczy zakłada: – przedstawienie przestrzennego zróżnicowania starości demograficznej w układzie miast i gmin w świetle wybranych parametrów, – określenie dynamiki procesu starzenia się ludności i jej przestrzennego zróżnicowania, – sporządzenie prognozy dynamiki starzenia się ludności w układzie przestrzennym, z uwzględnieniem założeń dotyczących płodności, umieralności i mi- gracji. W aspekcie metodycznym zadaniem pracy jest: – zaproponowanie nowych rozwiązań w zakresie pomiaru procesu starzenia się ludności, – zastosowanie wielowymiarowej analizy porównawczej (WAP), w ujęciu statycznym i dynamicznym, do przeprowadzenia typologii badanego zjawiska. Cel aplikacyjny dotyczy: – określenia stopnia zagrożenia demograficznego starością na drodze przed- stawionej prognozy i typologii przestrzennej, – wykorzystania niniejszych badań w ujęciu mikroprzestrzennym do określenia polityki społecznej adekwatnej do potrzeb zwiększającej się liczby osób starszych. Zakres niniejszej pracy obejmuje realizację czterech podstawowych funkcji, jakie – według Chojnickiego (1999) – powinna spełniać geografia ekonomiczna. Są to funkcje: 1) informacyjno-diagnostyczna, 2) teoretyczno-wyjaśniająca, 14 3) prognostyczna oraz 4) planistyczno-decyzyjna. Realizacja pierwszej z nich polega na dostarczeniu informacji o zjawisku starzenia się ludności, a zarazem na określeniu zagrożeń z niego wynikających poprzez konstrukcję i analizę odpowiednich wskaźników empirycznych, a następnie jest punktem wyjścia do generalizacji przestrzennej z wykorzystaniem metod typologii i regionalizacji w ujęciu wielocechowym. Funkcja teoretyczno-wyjaśniająca jest realizowana poprzez próbę wyjaśnienia faktów poznanych na drodze opisu, za pomocą teorii przejścia demograficznego. Bardzo ważne jest spełnienie funkcji prognostycznej, w związku z istniejącym zapotrzebowaniem na prognozy rozwoju społeczno- -gospodarczego w układzie przestrzennym. Prognoza starzenia się ludności wiąże się z dostarczeniem informacji o przyszłej strukturze wieku ludności i związanymi z nią społeczno-ekonomicznymi konsekwencjami. Wreszcie ostatnia funkcja, planistyczno-decyzyjna, obejmuje planowanie i sterowanie przekształcaniem struktury przestrzennej. Realizacja jej, w zakresie badanej tematyki, wiąże się z opracowaniem założeń dla polityki społecznej i regionalnej w celu przeciwdziałania negatywnym skutkom starzenia się społeczeństw na określonych obszarach kraju. Wypełnienie tej funkcji może być także pomocne w opracowywaniu strategii rozwoju regionów, miast czy gmin, uwzględniających czynnik demograficzny. Zakres czasowy pracy obejmuje okres międzyspisowy 1988–2002, natomiast prognoza ludności według wieku została sporządzona do 2030 r., przyjmując jako stan wyjściowy rok 2005 (ostatni rok, z którego były dostępne dane rzeczywiste). Rok 1988 obejmuje stan sprzed początku transformacji społeczno-gospodarczej, kiedy ludność Polski charakteryzowała się wysokim przyrostem naturalnym i napływem migracyjnym ze wsi do miast. W okresie transformacji postępujący spadek natężenia urodzeń i migracji spowodował zasadnicze zmiany w strukturze wieku ludności, dlatego ważne jest określenie charakteru tych zmian i ich zróżnicowania przestrzennego. Ponadto, dla uzyskania pełnej porównywalności danych, przyjęto lata spisowe. Dane dla Polski (ogółem i z podziałem na miasto i wieś) zostały przedstawione retrospektywnie, od roku 1950, aby określić początkowy etap procesu starzenia się ludności. Zakres przestrzenny opracowania obejmuje łącznie 3046 jednostek, w tym 875 miast (gmin miejskich oraz miast w obrębie gmin miejsko-wiejskich) i 2171 gmin (gmin wiejskich oraz obszarów wiejskich w obrębie gmin miejsko-wiejskich) w podziale administracyjnym kraju według stanu z 1.01.2002 r. Dane z 1988 r. zostały przeliczone na aktualny podział administracyjny przez GUS. Uwidaczniający się brak prac w ujęciu małych obszarów dla Polski skłonił autora do podjęcia badań w skali mikroprzestrzennej, które to są stosowane przez zagranicznych badaczy z zakresu geografii ludności (Small Area Geography) (Myers, 1992; Walford, 2001, 2004). Rozdziały pierwszy, drugi i trzeci mają charakter poznawczy w zakresie zróżnicowania starzenia się ludności i jego uwarunkowań. Rozdział czwarty ma charak- ter aplikacyjny i zawiera prognozę ludności według płci i wieku do roku 2030 przygotowaną na podstawie przyjętych założeń. W rozdziałach piątym, szóstym i siód15 mym przedstawiono teoretyczno-metodologiczną część zagadnienia, prowadzącą do klasyfikacji typologicznej i przestrzennej oraz do wykazania zależności pomiędzy starzeniem się a jego determinantami w okresie transformacji w Polsce. Rozdział pierwszy zawiera charakterystykę czynników wpływających na proces starzenia się ludności, a mianowicie głównych składowych ruchu naturalnego i wędrówkowego ludności w badanym okresie. Zwrócono uwagę na zmiany w natężeniu i kierunkach migracji, a także na gwałtowny spadek natężenia urodzeń i idące za nim zmniejszenie przyrostu naturalnego. Wskazano na obszary o ubytku naturalnym i migracyjnym ludności. Rozdział drugi obejmuje przestrzenną charakterystykę stopnia zaawansowania starości demograficznej Polski w świetle wybranych parametrów struktury wieku w 1988 i 2002 r. Analiza obejmuje podział ze względu na biologiczne kryterium grupowania według wieku (dzieci 0–14 lat, osoby starsze 65 lat i więcej), jak i kryterium ekonomiczne (ludność przedprodukcyjna, produkcyjna i poprodukcyjna). Przedmiotem analizy była także ludność najstarsza, tj. w wieku 85 lat i więcej. Zaprezentowano też zróżnicowanie struktury wieku ludności za pomocą jednego, syntetycznego wskaźnika. W rozdziale trzecim przedstawiono dynamikę procesu starzenia się ludności w okresie międzyspisowym za pomocą wybranych wskaźników. Starano się wyjaśnić zmiany w strukturze wieku ludności przebiegające w okresie transformacji społeczno-gospodarczej w układzie przestrzennym. Rozdział czwarty to prognoza stanu zaawansowania starości demograficznej i dynamiki procesu starzenia się ludności do roku 2030 na szczeblu miast i gmin i próba wyjaśnienia zmian w układzie przestrzennym w zakresie badanego zjawiska. Rozdział piąty zawiera metodykę typologii starzenia się ludności, dokonanej za pomocą tabeli znaków i metod taksonomicznych oraz przedstawia uzyskane wyniki. Typologia obejmuje ujęcie zarówno statyczne (dla 2002 r. i dla prognozy dla 2030 r.), jak i dynamiczne (za okres 1988–2002 oraz na podstawie prognozy za lata 2002–2030). W rozdziale tym przedstawiono także charakterystykę wydzielonych typów na podstawie przyjętych metod. W rozdziale szóstym obliczono zależności korelacyjne i regresyjne pomiędzy wydzielonymi typami a wybranymi parametrami ruchu naturalnego i wędrówkowego ludności. Starano się wykazać, które z bezpośrednich czynników kształtują najbardziej proces i poziom starzenia się w wyróżnionych typach. Rozdział siódmy to próba podjęcia klasyfikacji przestrzennej zjawiska starzenia się ludności. W tym celu dokonano najpierw klasyfikacji typologicznej (uwzględniając jednocześnie stan i dynamikę badanego zjawiska), a następnie, w obrębie wydzielonych typów przyjmując za kryterium sąsiedztwo jednostek podobnych, dokonano delimitacji jednorodnych obszarów starzenia się, które nazwano typami regionalnymi. Ostatni, ósmy rozdział zawiera sprawdzenie poprawności wysuniętych hipotez i wnioski końcowe z niniejszej pracy. 16 4. Hipotezy badawcze Postawionym celom podporządkowane są następujące hipotezy badawcze: Hipoteza I Poziom starości demograficznej jest zróżnicowany przestrzennie (zarówno w układach miasto–wieś, jak i w układach regionalnych). Przejście demograficzne od wysokiej do niskiej płodności i umieralności prze- biega w różnym tempie na poszczególnych obszarach (Grundy, 1996; United Nations, 2005). Miasta zwykle osiągają niski poziom płodności i umieralności wcześniej niż obszary wiejskie, chociaż z drugiej strony napływ młodych migran- tów z obszarów wiejskich może prowadzić do odmłodzenia struktury wieku ludności miejskiej. Proces starzenia się ludności na obszarach bardziej rozwiniętych ekonomicznie przebiega inaczej niż na obszarach słabo rozwiniętych, o przestarzałej strukturze gałęziowej przemysłu bądź o mało wydajnym rolnictwie. W związku z tym migracje mają większe znaczenie dla zmian w strukturze wieku w skali lokalnej, gdzie emigracja ludności młodej z obszaru słabo rozwiniętego ekonomicznie przyczynia się do przyspieszenia starzenia się społeczeństwa, a napływ ludności do regionu atrakcyjnego pod względem ekonomicznym czy osadniczym może przyczynić się do odmłodzenia ludności. Hipoteza II Miasta i gminy w Polsce charakteryzują się zróżnicowaną dynamiką starzenia się ludności, mierzoną zmianami udziałów poszczególnych grup wieku. Dynamika procesu starzenia się ludności uwarunkowana jest z jednej strony aktualnym stanem zaawansowania starości demograficznej, a z drugiej zmianami czynników warunkujących to zjawisko (a więc poziomu rozrodczości, umieralności i migracji). Obszary charakteryzujące się już wysokim poziomem starości będą się starzeć wolniej niż regiony młodsze demograficznie. Na świecie to zróżnicowanie obserwuje się wśród krajów wysoko rozwiniętych, gdzie proces starzenia się ludności uległ spowolnieniu oraz w krajach rozwijających się, gdzie mimo ciągle wysokiego poziomu urodzeń, przyrost ludności starszej jest najwyższy. Ponadto, na dynamikę starzenia się ludności duży wpływ mają naturalne przesunięcia w strukturze wieku, związane z pochodem roczników wyżowych i niżowych. Np. wejście licznych roczników urodzonych w czasie powojennego wyżu w wiek poprodukcyjny spowoduje nagły wzrost udziału tej grupy ludności. Globalnie, zwiększa się udział ludności starszej mieszkającej w miastach (Warnes, 1982, 1990, 1994; Warnes, Ford 1992; Warnes, Law 1984), chociaż z drugiej strony w dużych ośrodkach w krajach wysoko rozwiniętych saldo migracji osób starszych jest ujemne w przeciwieństwie do miast małych i średnich (Andrews, Phillips, 2005). 17 Hipoteza III W okresie transformacji społeczno-gospodarczej zmieniły się główne czynniki warunkujące proces starzenia się ludności. Przed 1988 r. intensywne procesy uprzemysławiania przyczyniły się do masowych migracji ze wsi do miast. Ze względu na tworzone nowe miejsca pracy migrowali głównie ludzie młodzi i w efekcie struktura wieku ludności miast (zwłaszcza tych nowo uprzemysławianych) była młodsza niż na obszarach wiejskich. Ponadto, powojenne zasiedlanie ziem zachodnich i północnych sprawiło, iż tereny te były demograficznie młodsze od pozostałych regionów kraju. W nowej rzeczywistości społeczno-gospodarczej po 1989 r. nastąpiło zmniejszenie natężenia migracji, a także reorientacja głównych kierunków przemieszczeń, gdyż współcześnie więcej ludności napływa z miast na wieś. Nastąpił gwałtowny spadek poziomu urodzeń i zmniejszenie przyrostu naturalnego ludności. W związku z tym zmieniła się rola poszczególnych demograficznych czynników oddziałujących na starzenie się ludności. Hipoteza IV W badaniach starzenia się ludności można efektywnie wykorzystać metody analizy wielowymiarowej do przeprowadzenia typologii. Metody statystycznej wielowymiarowej analizy porównawczej były przedmiotem wielu badań naukowych z zakresu ekonomii, gospodarki regionalnej czy geografii ekonomicznej (Chojnicki, Czyż, 1973; Chojnicki, 1980; Grabiński, 1984, 1992, 2003; Grabiński, Wydymus, Zeliaś, 1989; Strahl, 1998; Malina, 2004; Młodak, 2006). Taksonomiczne metody grupowania zmiennych pozwalają na wydzielenie homogenicznych (jednorodnych) podzbiorów obiektów, podobnych do siebie z punktu widzenia przyjętego do analizy zbioru cech. Ponadto wielowymiarowa analiza porównawcza (WAP) dotyczy takich zagadnień, jak analiza struktury jednorodnych grup obiektów (skupień), badanie relacji miedzy obiektami i ich grupami, konstrukcje zmiennych syntetycznych wraz z problemami dotyczącymi m.in. zasad agregowania cech i nadawania wag, a także analiza prawidłowości dynamiczno-strukturalnych. W przypadku analizy podobieństwa struktur cały zakres charakterystyk liczbowych dotyczy jednego konkretnego zjawiska społeczno- -gospodarczego (np. struktura ludności według wieku), natomiast przedmiotem badania jest zróżnicowanie danej zbiorowości pod względem kształtowania się tego zjawiska w ujęciu statycznym bądź dynamicznym. Zdarza się także, że oba kierunki analizy strukturalnej – statyczny i dynamiczny – bywają ze sobą powiązane i wówczas ocenie poddaje się równocześnie zróżnicowanie struktur w przestrzeni oraz ich zmienność w czasie. Hipoteza V Proces starzenia się ludności w przyszłości ze względu na zróżnicowaną dynamikę będzie zmierzał do wyrównania dysproporcji pomiędzy dotychczas młodszą demograficznie północno-zachodnią a starszą środkowo-wschodnią Polską. 18 Zjawisko starzenia się ludności będzie się kształtować pod wpływem zachodzących trendów w zakresie płodności, umieralności i migracji, a ponieważ wyższą dynamiką charakteryzować się będą obszary północnej i zachodniej Polski, obraz przestrzenny stopnia zaawansowania starości demograficznej ulegnie zmianie. 5. Materiały źródłowe i metody pracy Materiałem źródłowym do niniejszej pracy były dane uzyskane z Głównego Urzędu Statystycznego w Warszawie. W szczególności były to: 1. Przeliczenia Narodowego Spisu Powszechnego 1988 na stan w dniu 31.12.1999 r. Ludność faktycznie zamieszkała według wieku i płci oraz rodzaju zamieszkania (5-letnie grupy wieku od 0–4 do 70 lat i więcej oraz ekonomiczne grupy wieku) w układzie miast i gmin. 2. Narodowy Spis Powszechny 2002. Ludność według grup wieku oraz woje- wództw, podregionów, powiatów i gmin (grupy wieku od 0–4 do 85 lat więcej oraz ekonomiczne grupy wieku). 3. Stan, ruch naturalny i wędrówkowy ludności w układzie miast i gmin w latach 1988–1990, dane z ewidencji bieżącej GUS. 4. Stan, ruch naturalny i wędrówkowy ludności w układzie miast i gmin w latach 2001–2003. Bank Danych Regionalnych GUS. 5. Migracje ogółem (napływ i odpływ według płci i 5-letnich grup wieku (od 0–4 do 85 lat i więcej) w przekroju powiatów (w układzie miasto–wieś) za lata 2003–2005. 6. Płodność kobiet (według wieku) i współczynniki reprodukcji ludności według województw i powiatów w 2005 r. 7. Prawdopodobieństwo zgonu według wieku w przekroju województw w ukła- dzie miasto–wieś w 2005 r. 8. Ludność. Stan i struktura w przekroju terytorialnym (stan w dniu 31.12.2005 r.). Tab. 15. Ludność według wieku, płci i gmin (NTS 5). Należy podkreślić, że spisem z 2002 r. nie zostało objętych ponad 700 tys. osób (ok. 2% ogółu ludności) zameldowanych na stałe w Polsce, z różnych powodów nieobecnych podczas wizyty rachmistrzów spisowych; ich brakujące dane (m.in. data urodzenia oraz płeć) zostały spisane z ewidencji (GUS, 2003a). Z tej grupy 626 tys. przebywało za granicą przez 12 miesięcy lub dłużej (GUS, 2003b), z czego najwięcej pochodziło z województwa śląskiego (107,1 tys.) oraz opolskiego (88,8 tys.). Biorąc pod uwagę udziały procentowe emigrantów w stosunku do ogółu ludności, można stwierdzić, że w województwie opolskim de facto zamieszkiwało 92% ludności „spisowej” (Bijak, Koryś, 2006). Uwzględnianie emigrantów zagranicznych jako zamieszkałych w Polsce do momentu wymeldowania się na stałe było podstawowym źródłem błędnego oszacowania stanów ludności (por. Paradysz, 2005a; Bijak, Kupiszewski, 2006; Bijak, Kicinger, Kupiszewski i in., 2007). Ponad19 to, wyniki NSP 2002 pokazały, że liczba ludności Polski była mniejsza o ponad 402 tys. (1%) w porównaniu do bieżących bilansów sporządzanych na podstawie NSP 1988. Były to osoby wymeldowane z ich stałego miejsca zamieszkania (najczęściej na mocy decyzji administracyjnej), a znaczna ich część od dłuższego czasu przebywała za granicą – jako rezydenci innych krajów (GUS, 2003a). W zakresie struktury wieku dane z NSP 1988 były przeliczone na aktualny podział administracyjny przez GUS, więc nie było trudności z porównywaniem danych. Niestety, dane z 1988 r. jako najstarszy przedział wieku zawierały grupę 70 lat i więcej, nie było więc możliwości porównań w zmianach ludności w wieku 85 lat i więcej w okresie międzyspisowym. Z kolei dane dotyczące ruchu naturalnego i wędrówkowego za lata 1988–1990 wymagały dostosowania do aktualnego podziału administracyjnego. Większość zmian administracyjnych w okresie 1988–2002 na szczeblu gminnym polegała na wydzielaniu się miast z gmin wiejskich, dokonano więc w tych przypadkach rozszacowania danych ruchu ludności w latach 1988–1990. W zakresie migracji zagranicznych przyjęto dane publikowane przez GUS, pomimo iż ich wielkość jest zdecydowanie zaniżona. Nie ma jednak możliwości uzyskania wiarygodnych danych w tym zakresie, tym bardziej na poziomie gminnym. Materiały wykazane w pkt. 5–8 stanowiły podstawę wykonania prognozy ludności do roku 2030. Jak już wcześniej wspomniano, za stan wyjściowy prognozy przyjęto rok 2005, ponieważ w momencie jej tworzenia były to ostatnie dostępne dane rzeczywiste z ewidencji bieżącej ludności i uwzględniały one zmiany jakie dokonały się w okresie 2002–2005 (np. wzrost liczby urodzeń, co miało wpływ na wartość końcową prognozy). W pracy zastosowano następujące metody analizy przestrzennej: 1) analiza jednej zmiennej (wskaźniki struktury, natężenia i dynamiki badanych cech), 2) analiza wielozmienna (indeksy starości demograficznej, wskaźniki obciążenia ekonomicznego, wskaźniki starzenia się, tabela znaków, korelacja), 3) wielowymiarowa analiza porównawcza w ujęciu statycznym i dynamicznym, – metody taksonomii numerycznej (metoda k-średnich), – metody agregacji zmiennych (miernik syntetyczny), 4) metody prognozowania, – metoda kohortowo-składnikowa (cohort-component method), 5) wizualizacja przestrzenna badanych zjawisk (wykresy, diagramy, kartogramy), Szczegółowe omówienie technik i metod zastosowanych w pracy znajduje się w odpowiednich rozdziałach. Aby przedstawić przestrzenne zróżnicowanie badanego zjawiska, wykonano szereg kartogramów, w których przyjęto jednakowy sposób podziału badanych cech na klasy. Do wyznaczenia klas użyto metody kwantyli, to jest podziału, w którym w każdej klasie znajduje się mniej więcej jednakowa liczba jednostek, z zastrzeżeniem, że jednostki o jednakowych wartościach muszą należeć do tej samej klasy. Metoda ta należy do matematyczno-statystycznych sposobów wyznaczania klas kartogramu. Jej zaletą jest przedstawienie jednakowej liczebności pól 20 jako stałej cechy zbioru statystycznego, co ułatwia czytanie takiej mapy i porównywanie układu przestrzennego danej cechy w różnych przekrojach czasowych poprzez określanie położenia jednostek w danych kwantylach (np. jakie gminy charakteryzowały się w badanym okresie przejściem z pierwszego do drugiego kwantyla). Według Pasławskiego (1980, 1987, 1998) metoda kwantyli budzi najmniej wątpliwości jako generalna koncepcja wyznaczania klas na kartogramach. Idea ta ma także swoich zwolenników w literaturze zagranicznej (Dickinson, 1973; Monmonier, 1976; Evans, 1977; Tyner, 1992; Campbell, 2001). Mimo iż metoda ta nie uwzględnia różnic między kolejnymi wartościami, a przedziały klasowe charakteryzują się różną rozpiętością, to przy odpowiedniej konstrukcji legendy czytelnik jest informowany również o rozkładzie statystycznym zbioru. Przy tak dużej liczbie jednostek (3046 miast i gmin) oraz przy wartościach jednostek o rozkładzie zbliżonym do normalnego wydaje się, że metoda kwantyli lepiej obrazowała zróżnicowanie przestrzenne niż tradycyjna metoda podziału na klasy o jednakowej rozpiętości lub na klasy o naturalnych przerwach (Jenks, Caspall, 1971), ponieważ w tych drugich środkowe przedziały klasowe charakteryzowały się zbyt dużą liczebnością. Ponadto, nie przyjęto jednakowych przedziałów klasowych dla wszystkich trzech badanych przekrojów czasu (1988, 2002, 2030) ze względu na zbyt duże różnice w wartościach analizowanych cech pomiędzy nimi, co utrudniałoby porównania. Przyjęto zatem podział na 8 klas w każdym kartogramie (oktylowy), co odpowiada optymalnej liczbie klas (od 5 do 10) według modelu Jenksa i Caspalla (1971), określonego na podstawie zależności liczby klas od tzw. współczynnika informacyjności kartogramu (Tabular Accuracy Index). Kartogramy wykonano w programie ArcView (wersja 9.1). 6. Problematyka badań starzenia się ludności w świetle literatury przedmiotu Dorobek piśmiennictwa w zakresie problematyki związanej z niniejszym opracowaniem można by podzielić na cztery grupy: prace ogólnoteoretyczne, prace metodologiczne, prace poznawcze oraz prace o znaczeniu aplikacyjnym, przedstawiające wybrane konsekwencje starzenia się ludności, prognozy oraz implikacje w zakresie polityki społecznej i regionalnej (Kurek, 2001b, ryc. 2). Opracowania teoretyczne umiejscawiają proces starzenia się ludności w kontekście teorii przejścia demograficznego, jako bezpośrednią konsekwencję spadku płodności i umieralności. Najwcześniej proces ten zaobserwowano we Francji, Wielkiej Brytanii i w krajach skandynawskich, skąd pochodzą najstarsze prace z zakresu starzenia się ludności, zawierające teoretyczne podstawy badań struk- tury wieku, pochodzą z tych krajów (Sundbärg, 1899; Sauvy, 1948; Veyret-Verner, 1959; Clarke, 1965; Beaujeu-Garnier, 1966). Na czynniki kształtujące strukturę 21 wieku ludności zwrócił uwagę również Keyfitz (1968, 1971) stwierdzając, że wzajemne relacje grup wieku zależą od poziomu urodzeń, natomiast umieralność ma tu nikły wpływ. Potwierdziła to analiza modelu ludności ustabilizowanej o neutralnej umieralności. Podobny pogląd wyrażał Bourgeois-Pichat (1973). Stwierdził on jednak, że w przyszłości redukcja umieralności w starszych grupach wieku może doprowadzić do nasilenia procesu starzenia się ludności. RODNOĝû UMIERALNOĝû MIGRACJE MIERNIKI I SKALE STAROĝCI DEMOGRAFICZNEJ PRZEJĝCIE DEMOGRAFICZNE STARZENIE SIĉ LUDNOĝCI ASPEKT TEORETYCZNY ASPEKT POZNAWCZY POZIOM STAROĝCI DEMOGRAFICZNEJ DYNAMIKA PROCESU STARZENIA SIĉ LUDNOĝCI TYPOLOGIA I REGIONALIZACJA ASPEKT METODOLOGICZNY ASPEKT APLIKACYJNY KONSEKWENCJE STARZENIA SIĉ PROGNOZY POLITYKA SPOàECZNA STRUKTURA I WARUNKI ĩYCIA OSÓB STARSZYCH Ryc. 2. Problematyka badawcza procesu starzenia się ludności w ujęciu geograficznym The research of population ageing process from a geographical perspective Źródło: Opracowanie własne W literaturze polskiej zagadnienie starzenia się ludności pojawiło się jako przedmiot badań pod koniec lat 50. Spadek natężenia urodzeń, po zakończeniu fazy kompensacyjnej, zwrócił uwagę demografów i badaczy geografii ludności na zmiany zachodzące w strukturze wieku. Pierwszymi opracowaniami teoretycznymi o charakterze studium demograficznego były prace Rosseta (1959, 1967) w całości poświęcone temu zagadnieniu. Autor przedstawił w nich problematykę ilościowych i jakościowych przeobrażeń zachodzących w strukturze wieku ludności, prowadzących do starzenia się społeczeństw. Wyróżnił on także cztery główne czynniki wpływające na starzenie się ludności, a mianowicie: ewolucję liczby urodzeń, umieralność, wędrówki ludności oraz kataklizmy wojenne. Zauważył, że decydującym czynnikiem postępującego procesu starzenia się społeczeństw jest w skali państwa spadek rodności. Wpływ umieralności natomiast nie jest jednolity 22 i może działać w kierunku odmładzania bądź postarzania ludności. Jeśli chodzi o migracje, to autor stwierdził wówczas zmniejszenie roli migracji zagranicznych w kształtowaniu struktury wieku ludności w Polsce, podkreślił natomiast wpływ migracji wewnętrznych na stosunki panujące wewnątrz kraju, zwłaszcza w podziale miasto–wieś. Zwrócił on także uwagę na demograficzne skutki wojen światowych, które, poprzez zniekształcenia w piramidzie wieku, mogą być długotrwałe. Również Frątczak i inni (1987) oraz Nowakowska i inni (1991) uznali zmiany w poziomie płodności, umieralności, migracji i przesuwanie się przez kolejne grupy wieku ludności roczników wyżowych i niżowych za główne determinanty procesu starzenia się ludności. Niemniej jednak wskazali oni, że skala oddziaływania zmian w poziomie umieralności na ten proces jest nieporównywalnie mniejsza aniżeli skala zmian w poziomie płodności. Także Stokowski (1968) stwierdził, że wpływ poziomu umieralności (przy ustabilizowanym współczynniku zgonów niemowląt) nie jest jednoznacznie określony. W zależności od natężenia zgonów w poszczególnych grupach wieku, zmiany w umieralności mogą wpływać hamująco bądź przyspieszająco na postęp starzenia się ludności. Jeżeli zmniejsza się umieralność wśród niemowląt, to tym samym zwiększa się udział roczników młodych, a to oznacza, że spadek umieralności powoduje obniżenie się proporcji ludności najstarszej. Jeżeli natomiast następuje obniżenie umieralności w starszych grupach wieku, tym samym zaoszczędzone zgony zwiększają udział ludności najstarszej, co przyczynia się do postarzenia się ludności. Z drugiej strony Casselli (1990) uważa, iż zmiany w umieralności są co najmniej równie ważnym czynnikiem starzenia się ludności, a nawet czasem ważniejszym niż zmiany w poziomie urodzeń. Dzieje się tak dlatego, że umieralność niemowląt ustabilizowała się już na niskim poziomie, natomiast spadek natężenia zgonów w większym stopniu dotyczy ludności w starszych grupach wieku. Oceniając efekty wpływu umieralności na strukturę wieku należałoby, według Casselli, oddzielić je od efektów pozostałych dwóch komponentów prowadzących do zmian w piramidzie wieku, tj. płodności i migracji. Wpływ migracji na starzenie się ludności był przedmiotem badań Strzelec- kiego i Witkowskiego (1991). Autorzy stwierdzili nikłe znaczenie migracji zagra- nicznych, natomiast podkreślili rolę migracji wewnętrznych (ze wsi do miast) w starzeniu się ludności wsi. Dotyczy to zwłaszcza obszarów depopulacyjnych oraz gmin położonych z dala od ośrodków miejsko-przemysłowych, a także głównych ciągów komunikacyjnych. Na fakt, iż migracje międzynarodowe nie odgrywają większej roli w procesie starzenia się ludności, ale mogą być istotne w przypadku mniejszych populacji zwraca uwagę również Kinsella (2000). Demografowie ONZ w swoim raporcie (United Nations, 2000), a także Bermingham (2001), Bouvier (2001) i Grant (2001) kwestionują, jakoby wzrost imigracji mógł zapobiec procesowi starzenia się ludności w krajach o niskiej płodności. Według ONZ, aby utrzymać bieżące współczynniki obciążenia emerytami ludności pracującej, wymagany poziom natężenia imigracji do krajów wysoko rozwiniętych spowodowałby, że w 2050 r. udział imigrantów w tych krajach wynosiłby przynajmniej 59%. Doprowadziłoby to do problemów związanych z asymilacją 23 tej grupy ludności oraz do drenażu siły roboczej w krajach rozwijających się. Z kolei Alvorado i Creedy (1998) oraz Withers (2002) uważają, iż zwiększenie napływu imigrantów powoduje spadek wartości obciążenia ludnością poprodukcyjną i zmniejszenie wydatków budżetu państwa, prowadząc do zahamowania procesu starzenia się ludności. Analiza demograficznych aspektów procesu starzenia się ludności i prognoz ludności demograficznie starej została przedstawiona w pracach m.in. Coale (1972), Nam i Gustavus (1976), Parant (1978), Legare (1993), Grundy (1997) oraz Betts (1998). Badaniem zależności pomiędzy starzeniem się ludności, natężeniem migracji oraz społecznymi wydatkami w krajach rozwiniętych zajmowali się Alvorado i Creedy (1998). Badali oni wpływ starzenia na stan budżetu państwa i rynek pracy. Autorzy proponują modele struktur ludnościowych i wydatków społecznych w zależności od liczby i struktury imigrantów. Modelowym ujęciem badanego zjawiska w zakresie powiązań różnych czynników społeczno-ekonomicznych z procesem starzenia się ludności (struktura zatrudnienia, zakupy dóbr trwałego użytku, finanse publiczne) zajmowali się także Paradysz (1976), Molinie (1993) i Walker (1998). Autorzy raportu ONZ na temat starzenia się ludności na świecie (United Nations, 2002) wskazują na nieodwracalność tego zjawiska i stwierdzają, iż głównym jego czynnikiem jest przejście demograficzne (demographic transition) polegające na spadku rozrodczości i umieralności. Wskazują oni również na spodziewane wyrównywanie się różnic w poziomie dzietności. Wynika ono stąd, iż w krajach słabiej rozwiniętych spadek poziomu urodzeń następuje później niż w krajach wysoko rozwiniętych, ale jego tempo jest dużo szybsze. W zakresie umieralności na postępujący proces starzenia się ma wpływ spadek natężenia zgonów w starszych grupach wieku, co prowadzi do zwiększania się spodziewanej długości życia. W układzie regionalnym najwyższym stanem starości demograficznej charakteryzują się kraje wysoko rozwinięte, natomiast największą dynamikę procesu notuje się w krajach rozwijających się. Kraje słabiej rozwinięte mają więc nie tylko mniej środków na dostosowanie się do społeczno-ekonomicznych konsekwencji starzenia się, ale także relatywnie mniej czasu na realizację polityki w tym zakresie. Raport pokazuje także starzenie się subpopulacji osób starszych, a wśród nich najszybciej rosnącą grupę osób w wieku najstarszym, np. 85 lat i więcej (the oldest-old). Stwarza to problemy związane ze wsparciem międzypokoleniowym, jako że zwiększa się ilość osób w wieku sędziwym przypadająca na ilość osób będących teoretycznie ich dziećmi. Kolejny raport ONZ (United Nations, 2005) dotyczący zróżnicowania przemian struktury wieku ludności świata analizuje wpływ demograficznych uwarunkowań starzenia się ludności na zmiany w udziałach głównych grup wieku ludności (0–14, 15–59 oraz 60 lat i więcej). Pod uwagę wzięto cztery komponenty: efekt rozrodczości, umieralności, migracji oraz efekt naturalnych przesunięć związanych z wyjściową strukturą wieku ludności (initial age distribution). O ile w okresie 1950–2000 zmiany w strukturze wieku były wywołane głównie zmianami rozrodczości, a w przypadku ludności w grupie 60 lat i więcej także zmianami umieralności, to w prognozowanym 24 okresie 2000–2050 zmiany udziałów w poszczególnych grupach wieku będą spowodowane wyjściową strukturą wieku ludności. Tak więc przyszłe starzenie się społeczeństw jest już wpisane w dzisiejszą strukturę wieku, będącą rezultatem przeszłych zdarzeń demograficznych spowodowanych przejściem demograficznym od wysokiej do niskiej rozrodczości i umieralności. Wpływ migracji na zmiany struktury wieku jest relatywnie mniejszy. Próbą określenia wpływu procesu urbanizacji na proces starzenia się ludności zajmowała się Frątczak (1984). Opierając się na wynikach swych badań potwierdzonych analizą regresji i korelacji wielokrotnej, stwierdziła ona dodatnią korelację między procesem starzenia się ludności a wielkością miast, z wyjątkiem miast najmniejszych, gdzie wysoki poziom starości demograficznej wynikał głównie stąd, że ośrodki te, podobnie jak środowiska wiejskie, są obszarami odpływu ludności. Wykazała również, że proces starzenia się ludności wsi jest znacznie intensywniejszy niż proces starzenia się ludności miast. Z kolei Dzieciuchowicz (1995) badając wpływ determinant demograficznych i społeczno-ekonomicznych na redystrybucję przestrzenną ludności aglomeracji miejskich, stwierdził wysokie związki korelacyjne pomiędzy napływem ludności a poziomem starzenia demograficznego na przykładzie aglomeracji łódzkiej. Ludność napływowa, zdominowana przez młodsze roczniki dorosłych, ma tendencję do skupiania się w rejonach o niskim poziomie starości demograficznej i wysokim przyroście naturalnym. Dotyczy to głównie obszarów zurbanizowanych bądź urbanizujących się, gdzie istniejące stosunki społeczno-demograficzne oraz poziom rozwoju ekonomicznego ułatwiają migrantom zakładanie rodzin, kształcenie dzieci, wzrost dostępności do rynku pracy oraz różnego rodzaju usług. Kompleksowe i interdyscyplinarne ujęcie procesu starzenia się ludności można znaleźć w opracowaniach zbiorowych opublikowanych w ramach I Kongresu Demograficznego (Kowaleski, Szukalski, 2002; Frąckiewicz, 2002). Poruszono tu zagadnienia teoretyczne zjawiska starzenia się ludności dotyczące jego zróżnicowania przestrzennego, porównań między Polską a krajami Europy, a także problemy partycypacji osób w starszym wieku w procesie pracy oraz jakości życia i uwarunkowania sytuacji zdrowotnej osób w starszym wieku. Wieloaspektowe ujęcie zagadnień starości i starzenia się społeczeństw było także przedmiotem zbiorowych opracowań pod redakcją Kowaleskiego i Szukalskiego (2004, 2006). Poruszono w nich m.in. kwestie demograficznych uwarunkowań procesu starzenia się ludności, sytuacji zdrowotnej i umieralności osób w starszym wieku, polityki społecznej w obliczu procesu starzenia się, wsparcia rodzinnego i instytucjonalnego kierowanego do osób starszych oraz jakości życia i produktywności społecznej seniorów. Kolejna grupa prac teoretycznych dotyczy koncepcji badań procesu starzenia się ludności. Jagielski (1977) wskazał na trudności pojawiające się przy tego rodzaju badaniach, ze względu na przemieszanie ludności w różnych grupach wieku. Tym niemniej autor stwierdził istniejące prawidłowości przestrzenne oraz wyróżnił obszary o młodszej i o starszej strukturze wieku w zależności od występowania 25 różnych czynników społeczno-gospodarczych. Ponadto autor zwrócił uwagę na występujące deformacje struktur wieku w układach przestrzennych, szczególnie w przekroju miasto–wieś, a także na obszarach masowej emigracji i imigracji. Riley i inni (1983) zwrócili uwagę na zmiany w redystrybucji ludności starszej, zwłaszcza przemieszczenia z obszarów metropolitalnych do stref podmiejskich, małych miast i obszarów wiejskich. Wymienili oni trzy główne koncepcje badań przestrzennego zróżnicowania starości demograficznej, a mianowicie: jakie są uwarunkowania demograficzne i dynamika zmian udziału ludności starszej w poszczególnych jednostkach osadniczych; jak istniejące modele migracji ludności nawiązują do przemieszczeń osób starszych oraz jakie są konsekwencje starzenia się jednostek i zbiorowości ludzkich. Przegląd teoretycznych koncepcji badania procesu starzenia się ludności przedstawiła Frątczak (2002). Wymieniła ona cztery podstawowe ujęcia badawcze tego zjawiska: proces starzenia się ludności jako proces biologiczny, gdzie przedmiotem zainteresowań jest jednostka; starzenie się rodzin i gospodarstw domowych; starzenie się zbiorowości (populacji) ludzkiej oraz starzenie się jako proces będący wyznacznikiem społecznej lub cywilizacyjnej dojrzałości (w powiązaniu z teorią przejścia demograficznego). W przypadku starzenia się populacji analizy demograficzne opierają się na dwóch tradycjach badawczych: ocenie zmian w strukturze wieku ludności związanych ze zmianą liczebności i udziału osób starszych oraz analizie zmian w subpopula- cji osób starszych, np. młodsi-starsi (young-old) w wieku np. 60–74 lat oraz starsi- -starsi (old-old) w wieku 75 lat i więcej. Według Frątczak możliwe studia nad procesem starzenia się ludności mogą także dotyczyć wybranych determinant starzenia się ludności, np. zmian w płodności, umieralności czy zmian z tytułu migracji, a także konsekwencji procesu starzenia się dotyczących warunków bytu i systemu zabezpieczenia społecznego, transferu międzygeneracyjnego, opieki zdrowotnej, rynku mieszkaniowego itp. Geograficzne ujęcie badań nad starzeniem się ludności było przedmiotem pracy Andrewsa i Phillipsa (2005). Autorzy zwracają uwagę na wzrost zainteresowania badaczy przestrzennym aspektem starzenia się ludności w ostatnich latach, wynikający, po pierwsze, ze wzrostu znaczenia przestrzeni w wymiarze kulturowym i społecznym, a po drugie – z niespotykanego wcześniej tempa przemian demograficznych, społeczno-ekonomicznych i technologicznych. Wskazują oni także na interdyscyplinarny charakter badań przestrzennego zróżnicowania starzenia się ludności, wyróżniając jako subdyscyplinę naukową gerontologię geograficzną, zajmującą się przestrzennym zachowaniem ludności w starszym wieku w zależności od typu środowiska geograficznego (np. wiejskiego lub wielkomiej- skiego) czy rozmieszczeniem usług skierowanych do osób starszych. Do innych zadań badawczych geografii starzenia się ludności zaliczają oni badania roz- mieszczenia osób starszych w różnych układach (od międzynarodowego po lo- kalne), badania migracji osób w wieku emerytalnym, badania powiązań rodzinnych (zmiennych w czasie i przestrzeni) oraz badania przestrzennej alokacji środków dostarczanych zarówno przez sektor publiczny, jak i prywatny, skierowa- 26 nych do realizacji potrzeb ludzi starszych. Geograficzne badania starzenia się ludności mogą także zmierzać do wykrycia prawidłowości przestrzennych w kształtowaniu postaw wobec ludzi starych oraz, w wymiarze indywidualnym, do badania związków kulturowych pomiędzy osobami starszymi a przestrzenią, w której zamieszkują. Ponadto autorzy wprowadzają pojęcie krajobrazu starości (landscape of ageing), podając przykłady osiedli emerytów na Florydzie w USA (tzw. Sun Cities), charakteryzujące się wysoką koncentracją placówek usługowych zdrowotnych i opiekuńczych oraz całą infrastrukturą dostosowaną dla potrzeb ludzi starych. Kolejna grupa prac o charakterze metodologicznym przedstawia szereg mierników i skal służących do badania procesu starzenia się ludności, jego typologii lub regionalizacji (tab. 3–8). Pierwszą klasyfikację typów struktur wieku ludności przeprowadził Sundbärg w 1899 r. Propozycję własnych skal starości demograficznych opartych na procentowych udziałach poszczególnych grup wieku ludności przedstawili m.in. Sauvy (1948), demografowie ONZ (United Nations, 1956), Rosset (1959), Beaujeu-Garnier (1966) czy Prochownikowa (1983). Tabela 3. Klasyfikacja struktur wieku ludności według G. Sundbärga Classification of population age structures by G. Sundbärg Typy ludności Udział dzieci (0–14 lat) Udział rodziców (15–49 lat) Udział dziadków (50 lat i więcej) Progresywny Stacjonarny Regresywny 40% 27% 20% 50% 50% 50% 10% 23% 30% Źródło: Rosset, 1959, s. 61 Tabela 4. Skala starości demograficznej według A. Sauvy The scale of demographic ageing by A. Sauvy Grupa Stopień zaawansowania procesu starzenia się ludności Indeks starości (60+/0-19)*100 I II III niski średni wysoki poniżej 20 20–30 powyżej 30 Źródło: Rosset, 1959, s. 73 Tabela 5. Skala starości demograficznej według demografów ONZ The scale of demographic ageing by UN demographers Typ ludności Udział ludności w wieku 65 lat i więcej Ludność młoda Ludność dojrzała Ludność stara poniżej 4% 4–7% powyżej 7% Źródło: Rosset, 1959, s. 73 27 Tabela 6. Klasyfikacja społeczeństw według stopnia zaawansowania procesu starzenia się ludności według Rosseta Classification of population according to the level of ageing by Rosset Grupa Udział ludności w wieku 60 lat i więcej Charakterystyka poszczególnych grup I II III IV poniżej 8% 8–10% 10–12% 12% i więcej młodość demograficzna przedpole starzenia się właściwe starzenie się starość demograficzna Źródło: Rosset, 1959, s. 72 Tabela 7. Skala starości demograficznej według J. Beaujeu-Garnier The scale of demographic ageing by J. Beaujeu-Garnier Stadia rozwoju demograficznego Udział dzieci i młodzieży Udział ludności starszej Stadium młodości demograficznej powyżej 35% poniżej 12% Stadium pośrednie 30,5–35% 12–15% Stadium starości demograficznej poniżej 30,5% powyżej 15% Źródło: Rosset, 1959, s. 71 Tabela 8. Skala starości demograficznej według A. Prochownikowej The scale of demographic ageing by A. Prochownikowa Określenie stopnia starości Odsetek ludności w wieku poprodukcyjnym I – młodość demograficzna Poniżej 8,0 II – dojrzałość demograficzna 8,0–9,9 III – przedpole starzenia się 10,0–11,9 IV – początkowy stan starości 12,0–14,9 V – zaawansowany stan starości 15,0–19,9 VI – wysoki stan starości 20,0–24,9 VII – anormalnie wysoki stan starości 25,0 i więcej Źródło: Prochownikowa, 1983, s. 122 Powszechnym miernikiem poziomu starości demograficznej jest współczynnik starości będący stosunkiem udziału ludności starszej do ogółu ludności oraz indeks starości jako stosunek udziału ludności starszej do ludności młodej. Szereg współczynników określających wzajemne relacje poszczególnych grup wieku wymienili Clarke (1965) i Kosiński (1967). Do mierników starzenia się ludności zaliczyli oni relacje: młodzież–starcy, starcy–młodzież oraz starcy–dorośli. Problemem metodologicznym od dawna było określenie progu starości demograficznej, tj. od jakiego wieku przyjmować granicę starości danej populacji. Najczęściej przyjmowano granicę 60 lub 65 lat, chociaż Rosset (1979) zaproponował 28 różne koncepcje określenia progu starości. Postulował on, aby przyjąć koncepcję gerontologów, którzy uważają, że między wiekiem dojrzałym a starczym istnieje faza pośrednia, tzw. starszy wiek. W związku z tym przyjmują oni jako próg starszego wieku 60 lat, dla starości 75 lat, natomiast dla późnej starości granicę 90 lat. Konsekwencjami wyznaczenia progu starości demograficznej na 60 lat zajmował się Bourdelais (1999). Porównał on grupę 60-latków w XIX-wiecznej Francji i w czasach współczesnych, ze względu na przeciętną długość życia czy sytuację rodzinną. Obecnie większość 60-latków posiada żyjących oboje rodziców, natomiast mniej dzieci i wnuków niż 100 lat wcześniej. Do metod analizy struktury wieku Kosiński (1967) zaliczył także medianę wieku, pozwalającą określić strukturę wieku za pomocą jednej wartości. Miara ta jednak była często krytykowana ze względu na brak odzwierciedlenia rozkładu populacji według poszczególnych grup wieku (Rowland, 2003). Według Rowlanda lepszą miarą struktury wieku jest indeks niepodobieństwa (index of dissimilarity) równy połowie sumy absolutnych różnic pomiędzy udziałami procentowymi populacji standardowej i porównywanej w poszczególnych grupach wieku. Jako populację standardową przyjmuje się z reguły ludność jednostki nadrzędnej, w stosunku do której dokonuje się pomiaru (np. Polska ogółem dla porównań województw). Wartość indeksu mieści się w przedziale 0–100, gdzie 0 oznacza, że dwie populacje pod względem struktury wieku są identyczne, a 100, że całkowicie odmienne. Do badania zmian w strukturze wieku ludności Kondrat (1972) zaproponował współczynnik starzenia się ludności, który wyrażony stosunkiem średniego rocznego tempa wzrostu liczby ludności w wieku powyżej 59 lat do średniego rocznego tempa wzrostu ludności ogółem stanowiłby odpowiednią miarę w tym zakresie, natomiast Wieniecki (1981) zaproponował agregowany indeks struktury ludności będący ilorazem umieralności faktycznej i standaryzowanej danej zbiorowości. Frątczak i inni (1987) do badania dynamiki procesu starzenia się ludności zaproponowali wskaźnik w dwóch wariantach (jako stosunek absolutnego przyrostu ludności w wieku powyżej 59 lat do przyrostu ogólnej liczby ludności oraz jako stosunek średniego rocznego tempa rozwoju ludności w wieku powyżej 59 lat do średniego rocznego tempa rozwoju ludności). Frątczak (1991) przedstawiła również przegląd modeli demograficznych do badania starzenia się ludności, ze szczególnym uwzględnieniem modelu ludności ustabilizowanej oraz projekcji ludnościowych. Model ludności ustabilizowanej był już wcześniej wykorzystywany przez Murlewskiego (1978) do badania starzenia się ludności produkcyjnej. Również Holzer (2003) uważa, iż ocenę procesu starzenia się ludności należy przeprowadzać opierając się na dynamicznych szeregach danych, gdyż dopiero uwzględnienie zmian zachodzących w czasie pozwala na określenie poziomu i prognoz starzenia się społeczeństw oraz jego zróżnicowania przestrzennego. Pomiarem starzenia się ludności w aspekcie klasycznej teorii przejścia demograficznego zajmowali się Rowland (1996), Cyrus Chu (1997) oraz Kim i Schoen (1997). Wskazali oni na dynamiczny charakter zmian w rozkładzie struktury 29 wieku populacji związany z przechodzeniem do ludności ustabilizowanej. Stwierdzili, że efekt powodujący wzrost liczby ludności przy spadku płodności (population momentum) jest silnie skorelowany ze starzeniem się ludności i może być miarą dynamiki tego procesu. Starzenie się ludności jest uwarunkowane przede wszystkim naturalnymi przesunięciami poszczególnych roczników w piramidzie wieku. Potencjalny wzrost ludności, będący wynikiem przeszłych trendów w zakresie płodności, umieralności i migracji, jest mierzony jako stosunek pomiędzy początkową liczebnością danej populacji i jej liczebnością w okresie końcowym, przy stałej umieralności i płodności na poziomie reprodukcji prostej. Miara ta, wyrażona w liczbach bezwzględnych bądź procentach, wskazuje, o ile wzrośnie liczba ludności wskutek naturalnego pochodu roczników w strukturze wieku. Można ją także rozpatrywać w rozbiciu na poszczególne grupy wieku i tym samym określić, w których przedziałach wieku liczba ludności wzrośnie najbardziej. Zmniejszające się wartości współczynnika potencjału ludności rozpatrywane w czasie wskazują na starzenie się społeczeństwa. Vallin (2002) z kolei stwierdził, że ustabilizowanie ogólnej liczby ludności w wyniku przejścia demograficznego nie musi wcale oznaczać ustabilizowania struktury jej wieku i że proces starzenia się ludności może trwać jeszcze długo po ustabilizowaniu się liczebności populacji. Cieślak (2004) wprowadza do pomiaru stopnia zaawansowania procesu starzenia funkcję średniej wieku i wskaźnika asymetrii rozkładu na tle poszczególnych faz przejścia demograficznego. W wielu opracowaniach metodologicznych podejmowano próbę przeprowadzenia typologii procesu starzenia się ludności na podstawie badań przestrzennych z wykorzystaniem różnych mierników oraz graficznych sposobów prezentacji struktury wieku, takich jak piramidy wieku, kartogramy powierzchniowe czy trójkąt Ossana (Beaujeu-Garnier, 1966; Kosiński, 1967; Holzer, 2003). Wydzieleniem typów struktur wieku z zastosowaniem różnych mierników zajmował się Jelonek (1958, 1971). Zwrócił on uwagę na dynamiczny aspekt struktur wieku ludności. Stwierdził, że wzajemny stosunek poszczególnych grup wieku nie jest zjawiskiem statycznym, lecz ulega różnorodnym zmianom. Jako metodę przeprowadzenia delimitacji na obszarze Polski autor przyjął wzajemne relacje trzech grup wieku (ludność w wieku 0–17 lat, 18–59 lat oraz powyżej 59 lat). Zaproponował również typologię struktury wieku opartą na trójkącie Ossana i wzajemnych relacjach procentowych udziałów trzech grup wieku odniesionych do średniej. W studiach nad strukturą wieku ludności i jej ewolucją Czarkowska (1968) przedstawiła analizę rozmieszczenia przestrzennego typów w tym zakresie na tle warunków środowiska geograficznego i stosunków społeczno-ekonomicznych. Głównym celem pracy była klasyfikacja struktur wieku ludności oraz ukazanie współzależności między nimi a czynnikami je kształtującymi, z uwzględnieniem wpływu industrializacji i urbanizacji na ewolucję stosunków demograficznych. Badania przeprowadzono w mikroskali w układzie miast i gmin regionu krakowskiego, stosując metodę empiryczną. Klasyfikację struktur wieku oparto na trzech grupach: 0–14, 20–44 oraz powyżej 59 lat. Dzieląc wartości mierników względem średniej dla regionu 30 na niskie, przeciętne i wysokie, autorka uzyskała 27 możliwych teoretycznych typów, z których 17 było reprezentowanych w badaniach empirycznych. Próbę wykorzystania metod taksonomicznych (analiza głównych składowych oraz metoda Warda) w badaniach zróżnicowania struktury wieku ludności Polski podjął Parysek (1989), bazując na podziale kraju na 49 województw. Badaniami prowadzącymi do typologii struktury wieku ludności zajmował się także Długosz (1996, 1998). W zależności od ilości przyjętych parametrów (od 1 do 4) przeprowadził on klasyfikację struktury wieku, wykorzystując udział ludności w wieku powyżej 60 lat, metodę równych pól opartą na układzie współrzędnych, trójkąt Ossana oraz metodę typografów. Zaproponował wskaźnik starzenia się demograficznego (WSD) uwzględniając różnice pomiędzy najstarszą i najmłodszą grupą wieku ludności w dwóch przekrojach czasowych. Na podstawie zmienności wskaźnika starzenia się demograficznego przedstawił podział badanej populacji na 8 jednorodnych typów, wykorzystując układ współrzędnych. Na metodologiczne aspekty badania zjawiska starzenia się ludności zwrócił uwagę Kinsella (2000), stwierdzając, że średnie dla regionów mogą ukrywać zróżnicowanie wewnętrzne tego zjawiska, natomiast udziały procentowe nie zawsze mogą być odpowiednią miarą starzenia się ludności. Autor przytacza tu przykład krajów na południe od Sahary, gdzie prognozowany wzrost procentowego udziału ludności w wieku powyżej 64 lat w okresie 1995–2015 będzie ledwo zauważalny (o 0,2 pkt. proc.), natomiast liczba ludności starej wzrośnie o 70%. Autor do badania tempa starzenia się ludności proponuje także wskaźnik określający liczbę lat spodziewaną do osiągnięcia wzrostu udziału ludności w wieku 65 lat i więcej z 7 do 14%. Wskaźnik ten pokazuje, jak gwałtownie przebiega ten proces w krajach rozwijających się (od 15 do 30 lat, a w krajach wysoko rozwiniętych od 26 do 115 lat). W literaturze przedmiotu wiele było prac poznawczych prezentujących przestrzenne zróżnicowanie poziomu starości demograficznej i dynamiki procesu starzenia się ludności w Polsce, Europie i na świecie. Zróżnicowaniem starzenia się ludności Polski w ujęciu regionalnym zajmowali się m.in. Bielecka (1976), Artysiewicz (1977), Kwiecień (1977/1978), Gordecka (1980), Niekrasz (1980), Rajman (1980), Sobczyk (1983), Nowak (1984), Walkosz (1989), Zarzycka (1990), Nowakowska i inni (1991), Długosz (1997), Kurek (2001a, 2002a, 2002b, 2003, 2005, 2006a) i Potrykowska (2003). Stopień zaawansowania starości demograficznej na obszarach wiejskich był przedmiotem badań głównie w latach 70., gdy odpływ młodej ludności do miast był największy. Na uwagę zasługują tu opracowania Prochownikowej (1972), Gałaj i Tryfan (1974) oraz Tkocza (1977). Opracowania z lat 90. wskazują z kolei na postępujący proces starzenia się ludności dużych miast. Wymienić tu można prace Obraniaka (1992) oraz Długosza i Kurka (1997). W ujęciu historycznym zmiany struktury wieku ludności Polski od 1931 r. w układzie powiatów można znaleźć w bogato ilustrowanej licznymi kartogramami monografii Gawryszewskiego (2005) dotyczącej zróżnicowania procesów ludnościowych na ziemiach polskich w XX wieku. 31 W opracowaniach poświęconych starzeniu się ludności Europy Golini (1997) stwierdza, że zjawisko to możemy rozpatrywać w dwóch aspektach: intensywności, która determinuje zachwianie proporcji pomiędzy różnymi grupami wieku prowadzące do deformacji, które mogą być odczuwane przez szereg lat oraz tempa zmian, które wydaje się być najważniejszym aspektem implikującym społeczno-ekonomiczne i psychologiczne procesy dostosowawcze. Starzenie się ludności Europy, ze szczególnym uwzględnieniem krajów UE, było przedmiotem badań Dooghe (1992), van der Gaag i Jong (1997), Grundy (1996), Szaló (1997) oraz Heigl i Mai (1998). Terytorialne zróżnicowanie procesu starzenia się ludności Europy przedstawili Duda (1970), Maksimowicz-Ajchel (1989), Kurkiewicz (1991), Krupowicz (1992), Kurek (1998), Jackson (2000) oraz Długosz i Kurek (2006). Analizą tego procesu w wybranych krajach europejskich zajmowali się m.in. Mengos i Höring (1973), Sauvy (1973), Bartiaux (1991), Parant (1992), Gaymu (1993), Velkoff i Kinsella (1993), Rabušic (1995) oraz Kemper i Kurek (2006). Szczegółowy raport o stanie zaawansowania starzenia się ludności w poszcze- gólnych regionach i krajach świata przedstawili Kinsella i Taeuber (1993), nato- miast Treas (1995) zwrócił uwagę na pogłębianie się tego zjawiska w Stanach Zjednoczonych. Ostatnio coraz częściej dostrzega się szybkie tempo starzenia się ludności w krajach rozwijających się. Już w 1975 r. Kwiecień, opierając się na prognozach Biura Demograficznego ONZ, wskazywał na przewidywany wzrost dynamiki tego zjawiska w krajach o niskim poziomie rozwoju ekonomicznego. Problematykę tą poruszali m.in. Heisel (1984), Cain (1991), Dharmalingam (1994), Yadava i inni (1996), Razzaque i Islam (1997), Knodel (1999), Suyono (1999), Cameron i Cobb-Clark (2002). Jeden z raportów Population Reference Bureau pokazuje, że w 2025 r. liczba ludności powyżej 60 lat na świecie wynosić będzie 1 miliard, w 2050 r. przekroczy 2 miliardy, a 3/4 tej ludności będzie żyć w krajach rozwijających się (Gelbard i inni, 1999). Największy wzrost udziału ludności starszej wystąpi w najbiedniejszych regionach: w Azji Południowej i w Afryce na południe od Sahary. Autorzy tego raportu wskazują na fakt, że większość tych krajów nie będzie w stanie zaspokoić potrzeb finansowych, zdrowotnych i mieszkaniowych ludzi starych. W krajach tych problemem jest także określenie progu starości demograficznej; na obszarach wiejskich pod względem ekonomicznym za ludność starą można uważać już grupę wieku 40 lat i więcej (Coombes 1995). Z drugiej strony jednak Messkoub (1997) stwierdził, że problem wpływu demograficznego starzenia się na obciążenie ekonomiczne ludności w krajach rozwijających się nie istnieje, ponieważ ludzie starsi nie konsumują więcej (proporcjonalnie do swoich dochodów) niż pozostała część społeczeństwa, a obciążenie ekonomiczne ludności winno być rozpatrywane w szerszym kontekście (wliczając w to bezrobotnych i zatrudnionych w niepełnym wymiarze). Ponadto dyskusja w tym temacie powinna się skoncentrować na aspekcie produkcji, a nie konsumpcji. Jako zjawisko towarzyszące starzeniu się ludności Phillips i Kinsella (2005) wymieniają proces depopulacji, dotykający kraje Europy, Japonię. Dalsze pogłębianie się starzenia się 32 ludności, np. w Hongkongu, może doprowadzić do zmniejszenia populacji o 25% w okresie 2008–2048, przy założeniu zerowej migracji (Yip i inni, 2001). Analiza demograficzna i warunki życia osób starszych w Polsce były tematem pracy Frątczak (1992) oraz opracowania zbiorowego demografów GUS pod redakcją Kuciarskiej-Ciesielskiej (1999). Autorzy wskazują tu na występowanie zjawiska tzw. podwójnego starzenia się ludności (double ageing), które polega nie tylko na wzroście liczby i udziału ludności starszej w ogólnej liczbie ludności, ale także wzroście wśród subpopulacji osób starszych udziału ludności najstarszej (w wieku 75 lat i więcej). W pracy zostały poruszone także problemy migracji osób w starszym wieku, źródeł utrzymania, opieki zdrowotnej i struktury rodzinnej. Szukalski (2001a, 2001b, 2002a, 2002b, 2004) zajmował się również uwarunkowaniami demograficznymi zaawansowanej starości, gdzie przedmiotem badań były osoby w wieku sędziwym (powyżej 85 lat lub nawet powyżej 100 lat). Regionalne zróżnicowanie warunków życia osób starszych zostało przedstawione w zbiorowym opracowaniu pod redakcją Synaka (2002). Autorzy przeprowadzili badania ankietowe wśród ludności starej w różnych środowiskach wiejskich zróżnicowanych ze względu na kryterium etniczne. W najnowszym opracowaniu pod redakcją Kowaleskiego (2006) przedstawiona została sytuacja demograficzno-ekonomiczna osób starych w polskim społeczeństwie, zarówno w wielkich miastach, jak i na obszarach wiejskich, uwzględniająca m.in. ich ruchliwość przestrzenną, struktury demograficzne, przemiany umieralności włącznie z perspektywami dotyczącymi rynku pracy wobec zjawiska starzenia się ludności. Kolejna grupa prac dotyczy ekonomiczno-społecznych implikacji procesu starzenia się ludności. Należy tu zwrócić uwagę na prace poświęcone wpływowi starzenia się na wzrost gospodarczy, strukturę konsumpcji oraz dystrybucję dochodów i oszczędności (Bakshi, Chen, 1994; von Weizsäcker, 1996; Jong, Plomp, 1997; Fougére, Mérette, 1999; Lindh, 1999; Futagami, Nakajima, 2001; Rios-Rull, 2001; Kenc, Sayan, 2001; Faruqee, Mühleisen, 2003; Senesi, 2003; Groezen i in., 2005; Alders, Broer, 2005); rozwiązaniom w zakresie systemu emerytalnego (Chesnais, 1990; Gonnot i in., 1995b; Börsch-Supan, 1995; Baldacci, Lugaresi, 1997; Toutain, 1997; Leers i in., 2003; Bongaarts, 2004; Bettendorf, Heijdra, 2006), zmianom w strukturze gospodarstw domowych (Gonnot i in., 1995a; Sauvain-Dugerdil, 1997; Glaser, Grundy, 1998; Phillipson i in., 1998), starzeniu się zasobów siły roboczej (Venne, 2001; Dixon, 2003) oraz problemom ochrony zdrowia i opieki społecznej (Pinelli, Sabatello, 1995; Johnson, Climo, 2000; Wiener, Tilly, 2002; Tabata, 2003). Również w polskich opracowaniach można dostrzec nurt obejmujący zagadnienia społeczno-ekonomicznych konsekwencji starzenia się ludności. Urbaniak (1998) do najważniejszych skutków starości społeczeństw zalicza m.in. obniżenie produktywności siły roboczej, wzrost postaw zachowawczych, zmniejszenie inicjatywności i kreatywności, zmianę relacji między konsumpcją a akumulacją w skali makro, wzrost udziału gospodarstw jednoosobowych (co przyczynia się do wzrostu kosztów opieki nad samotnymi ludźmi starszymi) oraz postępującą instytucjonalizację życia społecznego ludzi starszych (tzw. ageism). 33 Pewna grupa prac poświęcona jest także prognozom tempa procesu starzenia się ludności. Do nich należą opracowania m.in. Dzienio (1974) i Holzera (1997). Starzeniem się zasobów siły roboczej w Polsce zajmowali się m.in. Murlewski (1974), Obraniak (1982) i Kotowska (1992). Przestrzenne zróżnicowanie starzenia się ludności Polski w układzie powiatów w świetle prognoz GUS przedstawił Kurek (2006b). Wyróżnić też należy prace poświęcone zagadnieniom polityki społeczno-ekonomicznej i regionalnej dotyczące starzenia się ludności (Kabir, 1994; Jackson, 1998; Pędich, 1998; Cheal, 2000; Szatur-Jaworska, 2000; Golini, 2001; Synak, 2002; Błędowski, 2002, 2003). Autorzy zwracają tu uwagę na wyzwania dla władz centralnych i lokalnych w zakresie zahamowania spadku rozrodczości z jednej strony oraz zabezpieczenia społecznego z drugiej. Ważne jest tu podjęcie działań zmierzających do podniesienia jakości życia osób starszych poprzez poprawę świadczenia usług zdrowotnych i opiekuńczych oraz integracji ludzi starych z resztą społeczeństwa poprzez stwarzanie odpowiednich warunków do zwiększenia ich aktywności. Szereg opracowań dotyczy także działań polityki wobec starzejących się społeczeństw w ramach Unii Europejskiej. Grant i in. (European Commission, 2004) w dokumencie przygotowanym dla Komisji Europejskiej stwierdzają, że migracje zastępcze (replacement immigration) nie mogą zapobiec starzeniu się ludności i jego konsekwencjom, natomiast odpowiednia polityka rodzinna może spowolnić proces spadku płodności. Autorzy podają tu przykład Francji, która będąc pierwszym krajem, gdzie zaznaczył się spadek rozrodczości, obecnie charakteryzuje się drugim w Europie wskaźnikiem dzietności. Z kolei, konkludują oni, nie ma jednej skutecznej polityki, która zapobiegłaby spadkowi płodności, głównej przyczynie starzenia się ludności. Np. w Hiszpanii i Włoszech bardzo niski poziom dzietności jest rezultatem wysokiego bezrobocia ludności młodej, wysokich kosztów mieszkań i tendencji do długiego zamieszkiwania z rodzicami (najdłużej w Europie; np. we Włoszech 44% mężczyzn w wieku 30 lat zamieszkuje ze swoimi rodzicami). Tak więc w tych krajach oddziaływania pośrednie stwarzające warunki do lepszego startu życiowego ludności młodej (np. stymulowanie wzrostu gospodarczego może zredukować poziom bezrobocia, zwiększyć poziom oszczędności, zwiększyć dostępność własnych mieszkań i ułatwić założenie rodziny) mogą w dłuższej perspektywie doprowadzić do zahamowania procesu starzenia się ludności. Dyskusję na temat polityki migracyjnej Unii Europejskiej, zwłaszcza w kwestii migracji zastępczych, zawiera także praca Orzechowskiej (2002). Inne prace Komisji Europejskiej w zakresie polityki społecznej wobec starzenia się ludności zwracają uwagę na następujące zadania w tym zakresie: zwiększenie zatrudnienia osób starszych w różnych formach, podwyższenie granicy wieku emerytalnego, wprowadzenie form stopniowego przechodzenia na emeryturę, reformy systemu emerytalnego, rozwój usług zdrowotnych i opiekuńczych, przeciwdziałanie wykluczeniu społecznemu osób i dyskryminacji wiekowej oraz kształtowanie postaw solidarności międzypokoleniowej (Commission of the European Communities, 1999, 2005). Szczegółową analizę wymienionych wyzwań dla polityki społecznej 34 w starzejącej się Unii Europejskiej wraz ze sposobami ich wdrażania przedstawił Walker (1999). Na marginesie tego przeglądu dokonań w zakresie badań procesu starzenia się ludności warto zauważyć brak opracowań prowadzących do typologii bądź regionalizacji w warunkach transformacji społeczno-gospodarczej w Polsce. W polskiej geografii ludności nie podejmowano zbyt wiele badań prowadzących do nowych rozwiązań metodologicznych (np. wykorzystania metod taksonomicznych do badania struktury wieku), a istniejące skale starości demograficznej w dużej mierze się zdezaktualizowały, ze względu na niebywałe nasilenie starzenia się ludności w ostatnich latach. Niewiele również było prac prezentujących zróżnicowanie badanego zjawiska w ujęciu mikroprzestrzennym, tj. na poziomie miast i gmin. Wiele miejsca poświęcono na analizę głównych determinant procesu starzenia się ludności, lecz, ze względu na szybko dokonujące się przemiany społeczno-ekonomiczne, ich rola może ulegać zmianie. W literaturze zagranicznej dominują prace przedstawiające społeczno-ekonomiczne konsekwencje starzenia się ludności, ze względu na to, że badane zjawisko wystąpiło w Europie Zachodniej dużo wcześniej niż w Polsce i spowodowało wzrost zainteresowania badaczy zwłaszcza w zakresie systemu zabezpieczeń społecznych i określenia polityki społecznej wobec osób starszych. 35 I. DEMOGRAFICZNE UWARUNKOWANIA PROCESU STARZENIA SIĘ LUDNOŚCI W rozdziale tym przeanalizowano przestrzenne zróżnicowanie najważniejszych czynników demograficznych kształtujących stan i dynamikę starzenia się ludności, a mianowicie poziom urodzeń, zgonów, przyrostu naturalnego, płodności oraz natężenie napływu, odpływu i salda migracji ludności. Szczegółową analizę w układzie gminnym za lata 1988 i 2002 poprzedzono informacją na temat kształtowania się wymienionych składowych ruchu ludności w całym okresie powojennym dla Polski ogółem oraz z podziałem na miasto i wieś. Dla ułatwienia czytelności analizy na poziomie gminnym posługiwano się w dalszej części pracy określeniami: miasta (czyli gminy miejskie oraz miasta wchodzące w skład gmin miejsko–wiejskich) oraz gminy (czyli gminy wiejskie oraz obszary wiejskie w gminie miejsko–wiejskiej). Do obliczenia współczynników zdarzeń demograficznych przyjęto średnie z lat 1988–1990 oraz 2001–2003, aby uniknąć przypadkowości w tak małych zbiorowościach. Omówiono także zróżnicowanie wskaźnika dynamiki zmian w liczbie ludności w badanym okresie. Analityczną część pracy rozpoczęto od prześledzenia zróżnicowania terytorialnego wybranych wskaźników ruchu i dynamiki ludności, ponieważ będą one pomocne w wyjaśnianiu różnic w natężeniu i dynamice zjawiska starzenia się. 1. Przestrzenne zróżnicowanie ruchu naturalnego ludności 1.1. Urodzenia Zmiany w natężeniu urodzeń w istotny sposób wpływają na poziom i dynamikę starzenia się ludności. Wzrost liczby urodzeń, przy niezmienności pozostałych czynników, powoduje zwiększenie się udziału ludności najmłodszej, przez co proporcjonalnie osłabia udział grupy najstarszej. Z kolei spadek natężenia urodzeń powoduje zmniejszanie się odsetka dzieci, a przez to zwiększanie udziałów roczników starszych. Przejście z wysokiego do niskiego poziomu urodzeń, będące fundamentem klasycznej teorii transformacji demograficznej, powoduje znaczące przemiany w strukturze wieku, prowadzące do postarzenia danej populacji. Według tej teorii, w ostatnim etapie następuje ustabilizowanie poziomu rodności 36 i umieralności, prowadzące do powstania populacji o stacjonarnej strukturze wieku. Wśród społeczeństw krajów rozwiniętych Europy poziom płodności osiągnął jednak wartości umożliwiające zapewnienie zastępowalności pokoleń, powodując nasilenie procesu starzenia się i prowadząc w niektórych przypadkach do wyludniania się regionów, a nawet państw. Przemiany te, określane często jako drugie przejście demograficzne (Van de Kaa, 1987; Lesthaeghe, 1991), wynikały z głębokich przeobrażeń w sferze wartości, norm, postaw i zachowań społeczeństw krajów postindustrialnych. Nowoczesna reprodukcja ludności, oprócz znacznego spadku urodzeń i płodności, wyraża się także w opóźnieniu zawierania małżeństw i osłabieniu ich znaczenia na rzecz kohabitacji, wzroście liczby separacji i rozwodów, zmianie modelu rodziny i struktury gospodarstw domowych, spadku liczby nie- pożądanych urodzeń oraz w rozpowszechnianiu się dobrowolnej bezdzietności. Wymienione przeobrażenia demograficzne w krajach Europy Zachodniej pojawiły się w latach 60. i ulegały szybkiej dyfuzji. Jednak natężenie tych zmian i ich zróżnicowanie czasowe nie były jednakowe. Według Lesthaeghe (1991) można wyodrębnić trzy zasadnicze podokresy w procesie przemian reprodukcji: 1955– 1970 (wzrost liczby rozwodów, spadek płodności oraz zahamowanie zmniejszania się wieku zawieranych małżeństw); 1970–1985 (rozpowszechnienie kohabitacji, zwiększenie się liczby urodzeń pozamałżeńskich, wzrost średniego wieku matki w momencie urodzenia pierwszego dziecka, wzrost średniego wieku zawieranych małżeństw i spadek ich częstości) oraz od roku 1985 (stabilizacja natężenia roz- wodów, spadek częstości powtórnie zawieranych małżeństw, zwiększenie się natężenia kohabitacji wśród osób rozwiedzionych lub owdowiałych, dalszy spadek płodności w najmłodszych grupach wieku /15–24 lata/ oraz wzrost płodności w wieku 30–39 lat). Podłożem tych przemian są głębokie przeobrażenia w sferze wartości, norm, postaw i zachowań społeczeństw postindustrialnych krajów zachodniej i północnej Europy. W Polsce przemiany te zostały zapoczątkowane wraz z pojawieniem się transformacji systemowej w 1989 r., obejmującej przechodzenie do gospodarki rynkowej, czego odzwierciedleniem była zmiana postaw zachowań demograficznych. W szczególności wywołane one były, z jednej strony, zmniejszeniem funkcji socjalnej państwa i przedsiębiorstwa, a z drugiej – wzrostem odpowiedzialności gospodarstw domowych za sytuację materialną (Kotowska, 1999). Wzrost wymagań na rynku pracy doprowadził do większej kon- kurencyjności między aktywnością ekonomiczną członków gospodarstw a aktywnością związaną z tworzeniem i rozwojem rodziny, m.in. poprzez wzrost alternatywnych kosztów macierzyństwa. Do innych, pozaekonomicznych czynników będących podłożem przekształceń demograficznych w Polsce Kotowska zalicza wzrost modernizacji i westernizacji (polegający m.in. na upadku autorytetów oraz rozchwianiu systemu wartości i zasad, zmianach w układzie ról pomiędzy kobietą a mężczyzną oraz spadku skłonności tworzenia związków formalnych i wzroście znaczenia samorealizacji) oraz rozwój nowoczesnych technologii (w tym rozwój technik informacyjnych i dostęp do Internetu, rosnące zapotrzebowanie na wykształcenie, rozpowszechnianie się wiedzy na temat antykoncepcji oraz postęp 37 w zakresie korzystania z technologii medycznych). Tak więc obserwowane zmiany płodności i zawierania małżeństw w Polsce, pomimo analogii do krajów o wysoko rozwiniętej gospodarce rynkowej, wynikają z innych przesłanek, związanych z transformacją społeczno-ekonomiczną. Po zakończeniu okresu kompensacji urodzeń w 1955 r. z maksymalną liczbą urodzeń w powojennej Polsce na poziomie 793,8 tys. (Rocznik Demograficz- ny, 2006), natężenie poziomu rodności spadło, osiągając minimum w 1967 r. (521,8 tys.). Wejście w okres rozrodczy licznych roczników z powojennego wyżu spowodowało wzrost liczby urodzeń do 723,6 tys. w 1983 r. Od tego czasu następował systematyczny spadek liczby i natężenia urodzeń, który nasilił się w okresie transformacji społeczno-gospodarczej (ryc. 3). Do 2003 r. liczba urodzeń w porównaniu z maksimum „echa wyżu” z lat 80. zmalała o ponad połowę, osiągając 351,1 tys. W ostatnich czterech latach (2004, 2005, 2006 i 2007) zaobserwowano, co prawda niewielki, wzrost liczby urodzeń do 388 tys. Może on być spowodowany wchodzeniem w wiek prokreacyjny licznych roczników echa wyżu z początku lat 80., zakończeniem okresu odkładania urodzeń w związku ze stabilizacją gospodarczą po okresie niepewności pierwszych lat transformacji, a także poprawą w zakresie polityki prorodzinnej. W badanym okresie (1988–2002) współczynnik urodzeń w Polsce ogółem zmniejszył się z 15,6 do 9,3‰, a spadek ten był większy na wsi (z 18,1 do 10,6‰) niż w mieście (z 13,9 do 8,4‰), pomimo że ludność miejska nadal charakteryzuje się niższym natężeniem urodzeń od ludności wiejskiej. W układzie miast i gmin najwyższym współczynnikiem urodzeń w 1988 r. charakteryzowały się obszary wiejskie, a najwyższe wartości oscylowały wokół poziomu 30‰ (gminy: Cewice w województwie pomorskim 31,7‰, Bytom Odrzański w lubuskim 30,8‰, Solec Kujawski w kujawsko-pomorskim 29,7‰). Spośród miast najwyższe wartości zanotowano w małych ośrodkach (Ciężkowice w województwie małopolskim i Susz w warmińsko-mazurskim 24,3‰). Zróżnicowanie natężenia urodzeń było bardzo duże, gdyż najniższe wartości nie przekraczały 10‰ i wystąpiły zarówno w małych miastach (Drzewica w województwie łódzkim 5,8‰, Czerwieńsk w lubuskim 6,7‰, Obrzycko w wielkopolskim 6,8‰), jak i gminach (Ksawerów w województwie łódzkim 6,7‰, Czyże w podlaskim 7,7‰, Głuszyca w dolnośląskim 8,5‰). Niskie wartości urodzeń zanotowano także w największych ośrodkach (Warszawa 9,3‰, Łódź 9,4‰, Wrocław 10,5‰, Kraków 11,2‰, Poznań 11,4‰, Gdańsk 11,6‰). W terytorialnym rozmieszczeniu wartości tego współczynnika wystąpiły wyraźne obszary o koncentracji wysokiego, jak i niskiego poziomu urodzeń (ryc. 5). Te pierwsze obejmowały Polskę północną (w szczególności województwa: pomorskie, zachodniopomorskie i warmińsko-mazurskie) oraz Polskę południowo-wschodnią (województwo małopolskie i częściowo podkarpackie). Obszary o niskim natężeniu urodzeń koncentrowały się wokół wielkich aglomeracji (warszawskiej, łódzkiej, górnośląskiej) oraz w Sudetach, na Opolszczyźnie, w województwie podlaskim, lubelskim, a także na pograniczu małopolskiego i świętokrzyskiego. 38 W 2002 r. w porównaniu z 1988 r. nastąpił spadek wartości współczynników urodzeń; wahały się one od 2,4‰ w gminie Łomianki w aglomeracji warszawskiej do 20‰ w gminie Słopnice w województwie małopolskim. Wysokie wartości zanotowano także w innych gminach województwa małopolskiego (Łabowa 18,4‰, Piwniczna-Zdrój 17,8‰, Lipnica Wielka 16,8‰, Laskowa 16,7‰) oraz w gminach woj. pomorskiego (Sierakowice 16,5‰, Przodkowo i Nowa Karczma 16,2‰). W najwyższym przedziale wartości dominowały obszary wiejskie, sporadycznie zanotowano w nim małe miasta (np. Koziegłowy 16,4‰ i Toszek 15,5‰ w województwie śląskim). W największych miastach poziom urodzeń był dwukrotnie niższy i kształtował się na poziomie 7–8‰ (np. Warszawa 7,3‰, Łódź 7,1‰, Kraków 7,9‰). Wśród jednostek o najniższym poziomie urodzeń można także wyróżnić te położone w aglomeracji stołecznej (gminy: Karczew 3,9‰, Góra Kalwaria 4,4‰, Konstancin-Jeziorna 4,5‰, Błonie 4,7‰ czy Piaseczno 5,1‰), miasta uzdrowiskowe (Sopot i Szczawno-Zdrój po 6,1‰) oraz miasta bardzo małe (poniżej 5 tys. mieszkańców), np. Siechnice w województwie dolnoślą- skim (4,4‰), Obrzycko (5,1‰) i Zagórów (5,8%) w wielkopolskim. Obraz przestrzenny współczynników urodzeń w porównaniu z 1988 r. uległ niewiel- kiej zmianie, zwiększyła się jedynie jego polaryzacja – z jednej strony większa koncentracja obszarów o wysokim poziomie urodzeń, zwłaszcza na Kaszubach i południowej Małopolsce, a z drugiej – pas niskiej rozrodczości ciągnący się od Sudetów poprzez Opolszczyznę, Górny Śląsk, aglomerację łódzką i warszawską aż po Podlasie (ryc. 6). W okresie 1988–2002 tylko 19 badanych jednostek charakteryzowało się wzrostem współczynnika urodzeń; w największym stopniu dotyczyło to obsza- rów wiejskich położonych na terenie województw mazowieckiego, śląskiego i warmińsko-mazurskiego. Wśród największych spadków dominowały miasta. W układzie przestrzennym największą dynamikę spadku stwierdzono w regio- nach o wysokich wartościach wskaźnika urodzeń, a więc w województwach pomorskim i małopolskim, natomiast najmniejszy spadek wystąpił wśród jednostek o niskim natężeniu urodzeń (Sudety, Górny Śląsk, aglomeracja łódzka i warszawska, Podlasie oraz Lubelszczyzna). Poziom i dynamika urodzeń, pomimo iż są jednym z głównych czynników wpływających na stan i dynamikę starzenia się ludności, to w sprzężeniu zwrotnym uzależnione są także od już ukształtowanej struktury wieku, np. na obszarach depopulacyjnych i o dużym udziale osób starszych współczynnik urodzeń będzie niższy w odróżnieniu od obszarów napływowych, gdzie jest wysoki odsetek ludzi młodych. Ponadto na zróżnicowanie zachowań prokreacyjnych ludności pośredni wpływ mają czynniki natury kulturowej, religijnej czy ekonomicznej. 39 1.2. Płodność Przez pojęcie płodności kobiet rozumiemy natężenie urodzeń w badanej populacji kobiet, będącej w wieku rozrodczym (Holzer, 2003), a jej miernikiem jest ogólny współczynnik płodności wyrażający stosunek liczby urodzeń żywych w danym okresie na 1000 kobiet, w wieku 15–49 lat (tak przyjmuje się umownie w statystyce granice wieku rozrodczego). W Polsce ogólny współczynnik płodności ulegał systematycznemu zmniejszaniu: od 111 urodzeń na 1000 kobiet w wieku rozrodczym w 1950 r. do 58 w 1990 r. i 37 w 2005 r. (Rocznik Demograficzny, 2006). Zdecydowanie niższy jest ogólny współczynnik płodności w miastach (w okresie 1990–2005 spadek natężenia urodzeń na 1000 kobiet w wieku rozrodczym z 48 do 34) niż na obszarach wiejskich (spadek z 77 do 41), ale jak widać, dynamika tego spadku jest większa wśród tych ostatnich. Bardziej szczegółowy obraz płodności kobiet dają cząstkowe współczynniki płodności, obliczane najczęściej dla 5-letnich grup wieku rozrodczego. Rozkład cząstkowych współczynników płodności według roczników bądź przyjętych grup wieku określany jest mianem wzorca płodności. W Polsce od lat 50. największe natężenie urodzeń wykazywały kobiety w wieku 20–24 lat, natomiast w latach 90. nastąpiło przesunięcie wieku największej płodności kobiet na lata 25–29 (dokładnie w 1998 r. dla Polski ogółem, w 1996 r. dla miast oraz w 2001 r. dla wsi). Przesunięcie to (postponing of births) jest wynikiem wyboru, jakiego dokonują coraz częściej ludzie młodzi, decydując się najpierw na zdobycie wykształcenia i osiągnięcie względnej stabilizacji ekonomicznej, a dopiero potem na zakładanie rodziny i jej powiększanie. Zwiększył się także przeciętny wiek kobiet rodzących dziecko (w okresie 1988– 2005 z 26,8 do 27,7 lat) oraz przeciętny wiek kobiet rodzących pierwsze dziecko (w tym samym okresie z 23,7 do 25,5 lat). Wzrost natężenia urodzeń w ostatnich latach (2004–2006) może być zatem spowodowany realizacją tych odłożonych urodzeń, ale jest także wynikiem korzystnych zmian w strukturze wieku prokreacyjnego kobiet, związanego z wchodzeniem do niego licznych roczników z echa wyżu z początku lat 80. Kolejną miarą w tym zakresie jest współczynnik płodności całkowitej (total fertility rate), zwany także współczynnikiem dzietności teoretycznej lub ogólnej, który stanowi sumę rocznych lub 5-letnich współczynników płodności dla kobiet w wieku 15–49 lat (Holzer, 2003). Innymi słowy, współczynnik dzietności wyraża średnią liczbę dzieci, jaką urodziłaby kobieta w ciągu okresu rozrodczego, przy stałym wzorcu płodności z danego roku kalendarzowego. Miara ta w syntetyczny sposób charakteryzuje proces reprodukcji ludności, a jego wartość na poziomie ok. 2,1 gwarantuje prostą zastępowalność pokoleń, tzn. że w danym roku na jedną kobietę w wieku 15–49 lat przypada średnio 2 dzieci. Jak już wcześniej wspomniano, spadek współczynnika dzietności poniżej poziomu gwarantującego zastępowalność pokoleń jest jednym z fundamentów teorii drugiego przejścia demograficznego (Van de Kaa, 1987; Lesthaeghe, 1991). Powoduje on szybkie 40 tempo starzenia się społeczeństwa i w przypadku braku kompensaty migracyjnej prowadzi do depopulacji. W Polsce w okresie powojennego wyżu demograficznego na jedną kobietę w wieku rozrodczym przypadało średnio 3, a na wsi nawet 4 dzieci (ryc. 4). W latach 60. nastąpił znaczny spadek wartości tego współczynnika i w 1969 r. wynosił on 2,2, ale ciągle kształtował się powyżej poziomu zastępowalności pokoleń. Następnie, w trakcie fali echa powojennego wyżu, poziom dzietności ogólnej uległ nieznacznemu wzrostowi, osiągając w 1983 r. wartość 2,4. Od tego momentu aż do roku 2003 obserwowano ponowny spadek wartości tego współczynnika, który od 1989 r. nie gwarantuje prostej reprodukcji. W latach 2004–2007 nastąpił niewielki wzrost poziomu dzietności (do 1,27), ale ciągle jest on jednym z najniższych w Europie. Poziom dzietności wyższy jest na wsi niż w mieście; w miastach praktycznie od 1963 r. kształtuje się on poniżej wartości gwarantującej zastępowalność pokoleń. Na wsi spadł poniżej wartości 2,1 dopiero w 1995 r. Przestrzenne rozmieszczenie współczynników dzietności przeanalizowano w układzie powiatów z podziałem na miasto i wieś w 2005 r. (ryc. 7 i 8). Dane te były podstawą do określenia własnych założeń kształtowania się poziomu płodności do roku 2030, a następnie sporządzenia prognozy urodzeń. W 2005 r. w żadnym z powiatów (ogółem oraz w układzie miasto–wieś) nie stwierdzono współczynnika dzietności na poziomie gwarantującym prostą zastępowalność pokoleń. Wśród ludności miejskiej najwyższe wartości współczynnika zaobserwowano w powiatach położonych w bezpośrednim otoczeniu aglomeracji warszawskiej (łosickim 1,904; garwolińskim 1,802; białobrzeskim 1,729 oraz makowskim 1,651). W 19 powiatach ludność miast charakteryzowała się współczynnikiem dzietności poniżej jedności, a ekstremalnie niskie wartości wystąpiły w powiecie monieckim w województwie podlaskim (0,883), powiecie strzeleckim w województwie opolskim (0,927) oraz powiecie strzyżowskim w województwie podkarpackim (0,936). W obrębie powiatów grodzkich najwyższym poziomem dzietności cechowały się Siedlce (1,335), Nowy Sącz (1,333) i Suwałki (1,283), zaś najniższym Sosnowiec (0,944), Sopot (0,959) i Wrocław (0,970). W Warszawie wartość współczynnika płodności całkowitej wynosiła 1,073, w Łodzi 1,022, w Krakowie 1,061 i w Poznaniu 1,104. W układzie przestrzennym jednostki o relatywnie wysokim poziomie dzietności w miastach sytuowały się w środkowo-wschodniej części kraju oraz w obrębie wierzchołków trójkąta utworzonego przez połączenie Gdańska, Gorzowa Wielkopolskiego i Leszna. Niski poziom dzietności wyróżniał jednostki położone na tere- nie województw opolskiego, podkarpackiego i podlaskiego. Wśród ludności wiej- skiej natomiast najwyższe wartości tego wskaźnika wystąpiły w powiatach woje- wództwa pomorskiego (kartuskim 1,937; wejherowskim 1,927 oraz chojnickim 1,901). W 11 powiatach współczynnik dzietności na wsi był poniżej jedności, a naj- niższe wartości zanotowano w powiatach: tarnogórskim (0,831), kędzierzyńsko- -kozielskim (0,847) oraz grodziskim w województwie mazowieckim (0,849). Ogólnie rzecz biorąc, obszarami o najwyższych wartościach współczynnika dzietności były powiaty województw: pomorskiego, warmińsko-mazurskiego oraz północ41 no-wschodniej części mazowieckiego. Najniższy poziom dzietności na wsi wystąpił w otoczeniach wielkich aglomeracji (np. warszawskiej, górnośląskiej) oraz w województwie opolskim. Spadek poziomu płodności jest głównym czynnikiem odpowiedzialnym za wzrost dynamiki procesu starzenia się ludności. Przedstawione zróżnicowanie współczynnika dzietności w układach lokalnych wydaje się w istotny sposób warunkować terytorialne dysproporcje w zakresie struktury wieku ludności. 1.3. Zgony Wpływ umieralności na stopień i tempo starzenia się ludności może być dwojakiego rodzaju. W przypadku zwiększania się przeciętnej długości życia i zmniejszenia natężenia zgonów w starszych grupach wieku następuje starzenie się od wierzchołka piramidy wieku, powodujące zwiększanie się liczebności i udziałów roczników najstarszych. Z drugiej strony zmniejszanie się umieralności niemowląt i natężenia zgonów w młodych rocznikach wieku wpływa na relatywne czasowe odmładzanie się populacji. W społeczeństwach rozwiniętych, gdzie natężenie zgonów niemowląt dzięki postępowi medycyny jest już ustabilizowane na bardzo niskim poziomie, oddziaływanie umieralności na starzenie się ludności odbywa się głównie poprzez zmniejszanie natężenia zgonów w starszych grupach wieku. Z drugiej strony, ukształtowana struktura wieku ludności o znamionach starości demograficznej „generuje” wysoki poziom umieralności w porównaniu z młodymi populacjami, wskutek większego prawdopodobieństwa zgonów wśród osób starszych. W Polsce wzrost poziomu zgonów zaobserwowano w pierwszych latach po II wojnie światowej (maksimum 12,4‰ w 1951 r.). Był on związany generalnie z osłabieniem kondycji fizycznej społeczeństwa w wyniku działań wojennych (ryc. 9). Następnie wskutek poprawy higieny, warunków sanitarnych i lepszej opieki zdrowotnej oraz przemian w strukturze wieku poziom umieralności zaczął się zmniejszać, osiągając powojenne minimum w 1965 i 1966 r. (7,4‰). Od tego czasu zaobserwowano wzrost natężenia zgonów spowodowany z jednej strony starzeniem się populacji, a z drugiej kryzysem zdrowotnym społeczeństwa (charakterystycznym także dla innych krajów o gospodarce centralnie sterowanej), związanym z brakiem odpowiedniej polityki w zakresie ochrony zdrowia i profilaktyki, brakiem propagowania zdrowego stylu życia oraz nieprawidłowym odżywianiem, wynikającym po części z trudnościami w zaopatrzeniu, reglamentacją żywności i kryzysem ekonomicznym. Pierwsze takie lokalne maksimum umieralności przypadło na 1985 r. (10,3‰), a następnie, po niewielkim spadku, osiągnęło kolejne maksimum lokalne w 1991 r. (10,6‰, a w liczbach bezwzględnych powojenne maksimum absolutne 405,7 tys. zgonów), związane tym razem z przejściowymi trudnościami pierwszych lat okresu transformacji społeczno-gospodarczej. Od tego roku notuje się niewielki, aczkolwiek stabilny trend spadkowy poziomu umie42 ralności, który w 2006 r. kształtował się na poziomie 9,6‰. W okresie 1988–2002 spadek natężenia zgonów zanotowano na wsi (z 10,7 do 9,9‰), a w miastach zaznaczył się nawet niewielki wzrost (z 9,3 do 9,5‰). Niemniej jednak poziom umieralności zawsze był wyższy na wsi niż w mieście. W układzie miast i gmin w 1988 r. najwyższym współczynnikiem zgonów cechowały się obszary wiejskie i małe miasta (np. Góra Kalwaria w województwie mazowieckim 30,0‰, Kamień Krajeński w kujawsko-pomorskim 29,8‰, Trzcińsko-Zdrój w zachodniopomorskim 24,8‰). Na drugim końcu rankingu zanotowano głównie miasta o różnej wielkości, a ekstremalnie niskie wartości wystąpiły w miastach: Sieniawa (2,5‰) i Nowa Sarzyna (3,1‰) w województwie podkarpackim, Łęczna w lubelskim (2,6‰) czy Połaniec w świętokrzyskim (3,3‰). Przeważały w tej grupie miasta rozwijające wówczas swe funkcje przemysłowe związane z nowymi inwestycjami. Do ośrodków tych migrowała ludność o młodej strukturze wieku, w związku z czym liczba zgonów była niewielka. Wymienić tu należy również takie miasta, jak Głogów, Polkowice, Lubin, Bełchatów, Jelcz-Laskowice, Żory, Jastrzębie-Zdrój. Największe miasta charakteryzowały się zróżnicowanymi wartościami współczynników zgonów: od 9‰ (Wrocław, Gdańsk, Szczecin) do 13,2‰ (Łódź). W układzie przestrzennym Polska środkowa i wschodnia posiadała wysoki poziom umieralności, natomiast Polskę północną oraz częściowo zachodnią i południową cechował stosunkowo niski wskaźnik zgonów (ryc. 11). Relatywnie niskie wartości tego współczynnika wystąpiły w strefie oddziaływania aglomeracji stołecznej. W 2002 r. w najwyższym przedziale wartości dominowały obszary wiejskie położone głównie na Podlasiu (Czyże 20,5‰, Białowieża 19,7‰, Kleszczele 19,5‰). Wśród miast najwyższe współczynniki zaobserwowano w Grabowie nad Prosną (województwo wielkopolskie; 20,4‰), Górze Kalwarii (18,4‰) i Tykocinie (woj. podlaskie; 17,3‰). Najniższą umieralność zaobserwowano, podobnie jak w 1988 r., w miastach (Łęczna 3,3‰, Wesoła 3,7‰, Połaniec 4,1‰). Spośród największych ośrodków najwyższy poziom umieralności stwierdzono, podobnie jak w 1988 r., w Łodzi (13,4‰). Układ przestrzenny w zakresie rozmieszczenia natężenia umieralności nie uległ większym zmianom (ryc. 12). Analizując zmiany współczynnika zgonów w punktach promilowych, należy stwierdzić, iż w okresie międzyspisowym ponad 1/3 badanych jednostek zanotowała jego wzrost (1071 jednostek, w tym 392 miasta). W przypadku największych ośrodków niewielki wzrost umieralności odnotowano w Łodzi, Wrocławiu, Gdańsku i Szczecinie. Generalnie, przestrzenny rozkład zmian w poziomie umieralności nie charakteryzował się wysokim stopniem koncentracji. Najwięcej jednostek o wzroście wartości tego współczynnika położonych było w Sudetach oraz w peryferyjnych jednostkach Polski północno-zachodniej, północno-wschodniej i Lubelszczyzny. Proporcjonalnie największym spadkiem poziomu zgonów charakteryzowały się jednostki położone w województwach: wielkopolskim, kujawsko-pomorskim, pomorskim, podkarpackim oraz w aglomeracji warszawskiej. Takie zróżnicowane rozmieszczenie poziomu i dynamiki zgonów uwarun43 kowane jest rozmaitymi czynnikami. Oprócz czynników demograficznych (wiek, płeć) istotny wpływ na zróżnicowanie umieralności w skali lokalnej mają warunki materialne i zdrowotne ludności, dostępność do opieki medycznej i wyposażenie szpitali, warunki sanitarne oraz poziom opieki społecznej. 1.4. Przyrost naturalny Współczynnik przyrostu naturalnego ludności, obliczany jako stosunek różnicy pomiędzy liczbą urodzeń a liczbą zgonów w ciągu roku do średniej liczby ludności i wyrażany najczęściej na 1000 mieszkańców, jest jednym z najczęściej stosowanych miar reprodukcji ludności. Przyrost naturalny w znaczący sposób wpływa na poziom i dynamikę starzenia się ludności. Obszary o wysokiej nadwyżce urodzeń nad zgonami ulegają z biegiem czasu odmładzaniu, zaś charakteryzujące się ubytkiem naturalnym, nie rekompensowanym przez bilans migracyjny, szybko się starzeją. W Polsce po wojnie, w związku z kompensacyjną falą urodzeń, współczynnik przyrostu naturalnego był bardzo wysoki, osiągnął on kulminację w 1953 i 1955 r. (19,5‰). Na początku lat 50., w wyniku dużego napływu ludności do miast odbudowywanych ze zniszczeń wojennych, poziom przyrostu naturalnego był wyższy w miastach niż na wsi (ryc. 10). Następnie, wraz z osłabieniem fali wyżu demograficznego, wartość przyrostu naturalnego zaczęła gwałtownie maleć, osiągając minimum w 1969 r. (8,2‰), po czym, gdy w wiek reprodukcji weszły liczne roczniki urodzone tuż po wojnie, rozpoczął się wzrost wartości tego wskaźnika do poziomu 10,7‰ w 1976 r. Od tego czasu do połowy lat 80. zanotowano względną stabi- lizację poziomu przyrostu naturalnego w okolicy 10‰, następnie nastąpił trend spadkowy aż do pojawienia się ubytku naturalnego w 2002 r. Niemniej jednak, w 2006 r. zaobserwowano niewielki wzrost wartości współczynnika przyrostu naturalnego, który osiągnął niewielką wartość powyżej zera. Od 1956 r. poziom przyrostu naturalnego na wsi jest ciągle wyższy niż w miastach, które ubytek naturalny zanotowały już w 1998 r. W badanym okresie 1988–2002, większym spadkiem poziomu przyrostu naturalnego charakteryzowały się jednak obszary wiejskie (z 7,4 do 0,7‰) niż tereny zurbanizowane (z 4,6 od -0,7‰). W 1988 r. najwyższe wartości współczynnika przyrostu naturalnego, sięgające powyżej 20‰, stwierdzono na obszarach gmin wiejskich (Cewice w woje- wództwie pomorskim 23,3‰, Bytom Odrzański w lubuskim 21,0‰, Solec Kujawski w kujawsko-pomorskim 20,2‰). Z miast najwyższe wartości notowały Łęczna (17,3‰), Susz w województwie warmińsko-mazurskim (15,8‰) oraz Nowogród w podlaskim (15,7‰). Spośród głównych miast w Warszawie i Łodzi zanotowano ubytek naturalny ludności (odpowiednio -2,2‰ i -3,8‰). W większości badanych jednostek zaobserwowano dodatnie wartości przyrostu naturalnego (2831 na 3046). Największy ubytek naturalny wystąpił w miastach: Góra Kalwaria (-19,1‰) oraz Kamieńsk Krajeński (-15,4‰). W układzie przestrzennym rozkład warto44 ści współczynnika przyrostu naturalnego nawiązywał do rozkładu współczynnika urodzeń, z koncentracją wysokich wartości w Polsce północnej, północno- -zachodniej oraz południowo-wschodniej, natomiast niskie wartości tworzyły zwarty obszar w regionie Sudetów, Polski środkowej oraz wschodniej (ryc. 13). W 2002 r. dodatnim współczynnikiem przyrostu naturalnego charakteryzowało się już niewiele ponad połowę badanych jednostek (476 miast i 1184 gminy). W przedziale najwyższych wartości dominowały gminy województwa małopolskiego (np. Słopnice 13,9‰; Łabowa 13,0‰; Piwniczna-Zdrój 10,7‰) oraz pomorskiego (np. Sierakowice 10,3‰; Luzino 10,2‰). Spośród miast najwyższe wartości wystąpiły w Garwolinie (województwo mazowieckie 7,2‰), Toszku (śląskie) i Żukowie (pomorskie; po 7,1‰). Największy ubytek naturalny pojawił się wśród obszarów wiejskich województwa podlaskiego, w powiecie hajnowskim, a mianowicie w Kleszczelach (-15,2‰), Białowieży (-14,0‰), Narewce (-13,6‰), Czyżach (-13,5‰) i Dubiczach Cerkiewnych (-12,5‰). Wśród miast najniższe wartości tego wskaźnika wystąpiły w ośrodkach bardzo małych, takich jak Grabów nad Prosną (-11,0‰) czy Zagórów (-9,0‰) w województwie wielkopolskim oraz Tykocin (-8,3‰) w podlaskim. Ubytek naturalny objął również największe ośrodki, np. Gdańsk (-0,8‰), Kraków (-1,3‰), Poznań (-1,8‰), Wrocław (-2,3‰), Warszawę (-3,3‰) czy Łódź (-6,4‰). Układ przestrzenny wartości współczynnika przyrostu naturalnego w porównaniu z 1988 r. zasadniczo nie zmienił się, z tym że powiększył się obszar ubytku naturalnego, w jego skład weszły Sudety, Śląsk Opolski, Górny Śląsk, Polska środkowa aż po „ścianę wschodnią” (ryc. 14). Obszary o wysokim przyroście naturalnym nadal koncentrowały się w Polsce północno-zachodniej oraz południowej, obejmując zwłaszcza zwartym zasięgiem tereny Kaszub i południowej Małopolski. W układzie dynamicznym w badanym okresie międzyspisowym dominował spadek wartości współczynnika przyrostu naturalnego, a wzrost zanotowano tylko w 37 jednostkach. Wartości zmian stopy przyrostu naturalnego charakteryzowały się dużą zmiennością, a wartości minimalne sięgały -20 punktów promilowych. Również największe ośrodki odnotowały spadki wartości tego wskaźnika, największe w Szczecinie (o 4,1 punktów promilowych), Wrocławiu (3,7) i Gdańsku (3,4). Terytorialnie, największy spadek wystąpił na młodszych demograficznie ziemiach północno-zachodnich oraz w pasie gmin ciągnących się wzdłuż wschodniej granicy. Relatywnie niższy spadek wystąpił w obrębie większych aglomeracji. Gwałtowne zmniejszenie przyrostu naturalnego, często połączone ze zmianą znaku wartości współczynnika z dodatniego na ujemny, jakie się dokonało w okresie transformacji społeczno-gospodarczej, miało niewątpliwie wpływ na zwiększenie dynamiki starzenia się ludności. Jednakże duża rozpiętość wskaźnika zmian stopy przyrostu naturalnego świadczy o dużym zróżnicowaniu przestrzennym procesów demograficznych. 45 2. Przestrzenne zróżnicowanie ruchu wędrówkowego ludności 2.1. Napływ ludności Jak już wspomniano, obszary napływowe charakteryzują się młodszą strukturą wieku ludności niż tereny o zrównoważonym bilansie migracyjnym, ze względu na przewagę osób młodych w przemieszczeniach ludności. Jednak w ostatnim czasie coraz większy udział w strukturze migrantów mają osoby starsze (Kurek, 2006c), w związku z czym w niektórych przypadkach struktura wieku ludności terenów napływowych może być mocno zróżnicowania i zależeć może od charakteru takiego obszaru (np. ośrodek przemysłowy, strefa podmiejska czy uzdrowisko). Ponadto, kohorta migrantów po ustaniu takiej fali imigracyjnej, np. wskutek dużego zagęszczenia ludności, zmiany funkcji ośrodka czy wyczerpania się surowców, z biegiem czasu przyczynia się do postarzenia populacji, poprzez wchodzenie licznych roczników w wiek poprodukcyjny. W Polsce, w związku z intensywną industrializacją kraju i rozwojem przemysłu ciężkiego, napływ ludności do miast sięgał w latach 50. 788 tys., a w latach 70. 625 tys. W początkowym okresie transformacji ustrojowej poziom napływu w miastach kształtował się na poziomie 300–400 tys., aby w 2001 r. osiągnąć minimum (215 tys.). Spadek ten związany był z trudną sytuacją na rynku pracy i pojawieniem się bezrobocia. W ostatnich kilku latach ogólny poziom napływu ludności do miast uległ niewielkiemu zwiększeniu do 264 tys. w 2006 r. Pomijając anormalnie wysokie wartości napływu ludności w pierwszych latach po wojnie, związane z dużą mobilnością przestrzenną i powrotami ludności do swoich domów bądź zasiedlaniem nowych terenów, to od lat 50. napływ ludności na wieś był niższy niż do miast i wykazywał stopniowy spadek od 760 tys. w 1956 r. do 213 tys. w 1989 r. i 161 tys. w 2001 r. W ostatnich latach, podobnie jak w miastach, zaobserwowano niewielki wzrost poziomu napływu ludności (do 220 tys.). W badanym okresie 1988–2002 współczynnik napływu dla Polski ogółem spadł z 16,9 do 10,7‰; dla miast z 17,5 do 9,8‰, dla wsi z 16 do 12,3‰. Obecnie współczynnik napływu jest wyższy na obszarach wiejskich niż w miastach (ryc. 15). W układzie miast i gmin w 1988 r. współczynniki napływu charakteryzował duży stopień zmienności; wahały się one od 3,4‰ w gminie Sterdyń w województwie mazowieckim do 92,0‰ w mieście Kamień Krajeński w województwie kujawsko-pomorskim. Wysokie wartości współczynnika napływu wystąpiły głównie w małych miastach i rozwijających się ośrodkach przemysłowych, często w związku z oddaniem nowych osiedli mieszkaniowych (np. Reda, Połaniec, Nisko, Łęczna). Z kolei w największych miastach poziom napływu był bardzo niski ze względu na istniejące ograniczenia meldunkowe (Warszawa 5,2‰, Łódź 6,0‰, Kraków 9,0‰, Wrocław 9,2‰, Poznań 10,5‰). W układzie przestrzennym wysokim poziomem napływu odznaczały się ziemie północne i zachodnie, a także obszar GOP oraz gminy położone w strefie podmiejskiej Warszawy. Niskie war46 tości tego współczynnika były charakterystyczne dla Polski środkowo-wschodniej i południowo-wschodniej (ryc. 17). W 2002 r. największy napływ ludności zaobserwowano do stref podmiejskich największych aglomeracji, np. w województwie zachodniopomorskim: gmina Dobra Szczecińska (70,5‰) i gmina Kołbaskowo (46,6‰), w województwie mazowieckim: gmina Jabłonna (64‰), miasto i gmina Piaseczno (odpowiednio: 43,9‰ i 51,3‰), gmina Lesznowola (52,1‰,) oraz gmina Łomianki (47,1‰), w województwie wielkopolskim: gmina Suchy Las (57,1‰), w województwie kujawsko-pomorskim gmina Osielsko (59,1‰). Minimalne wartości napływu wystąpiły zarówno w miastach o różnej wielkości (Siechnice, Dobrzyń n. Wisłą, Wałbrzych), jak i na obszarach wiejskich położonych głównie w województwie mazowieckim i lubelskim. Wśród wielkich miast najniższy współczynnik napływu zanotowano w Łodzi (5,2‰), a najwyższy w Warszawie (11,2‰). W okresie 1988–2002 wzrost poziomu napływu zanotowano w 99 miastach i 482 gminach, a największą dynamiką wzrostu charakteryzowały się jednostki położone wokół dużych miast, co świadczy o dalszym rozwoju procesów suburbanizacyjnych. Największy spadek poziomu napływu wystąpił w małych miastach i gminach położonych głównie na terenie województw: warmińsko-mazurskiego, zachodniopomorskiego oraz śląskiego (ryc. 18). W badanym okresie nastąpiły znaczące zmiany w układzie przestrzennym poziomu napływu ludności uwarunkowane przechodzeniem z gospodarki centralnie sterowanej do gospodarki wolnorynkowej, a zwłaszcza restrukturyzacją nie- których gałęzi przemysłu, rozwojem usług, likwidacją Państwowych Gospodarstw Rolnych i sytuacją na rynku pracy. 2.2. Odpływ ludności Obszary emigracyjne charakteryzują się z reguły wysokim stanem zaawansowania starości demograficznej. W okresie przed transformacją społeczno-gospodarczą takimi obszarami były wsie, skąd ludność migrowała do rozwijających się intensywnie miast. W latach 90. nastąpiło odwrócenie trendu i to miasta obecnie charakteryzują się ubytkiem migracyjnym na korzyść wsi. Pomimo tych zmian, nadal największymi obszarami odpływowymi pozostały gminy położone peryferyjnie i zapóźnione gospodarczo, położone z dala od większych ośrodków przemysłowych. W Polsce, ze względu na ujemny bilans migracji zagranicznych, poziom odpływu ludności ogółem był w okresie powojennym wyższy od poziomu napływu. W miastach poziom odpływu osiągnął 686 tys. w 1954 r., następnie spadł do 308 tys. w 1967 r., by ponownie wzrosnąć do 422 tys. w 1978 r. W okresie transformacji minimalną wartość (234 tys.) zaobserwowano w 1995 r., aczkolwiek od tego czasu nastąpił powolny wzrost odpływu ludności z miast do 325 tys. w 2006 r. W badanym okresie 1988–2002 wartości współczynnika odpływu dla 47 Polski ogółem zmalały z 17,8 do 11,2‰, z tym że w przypadku miast spadek ten był niewielki (z 12,5 do 11,1‰) w porównaniu ze zmianami na wsi (z 26,4 do 11,3‰; ryc. 16). W 1988 r. wysokimi wartościami odpływu charakteryzowały się gminy poło- żone w Polsce północno-zachodniej, np. Bytom Odrzański w województwie lubuskim (65,6‰), Dzierzgoń w pomorskim (65,1‰) czy Myślibórz w zachodniopomorskim (62,9‰). Wysokie wartości odpływu wystąpiły również w małych miastach (Ryn 62,2‰, Olsztynek 47,8‰) – woj. warmińsko-mazurskie, Iłowa 50,9‰ woj. lubuskie. Najniższe współczynniki odpływu wystąpiły w przypadku największych miast (Warszawa 2,9‰, Łódź 4,7‰, Kraków 5,9‰) oraz ośrodków przemysłowych (Bełchatów 6,4‰, Radom 7,1‰, Sanok 7,2‰). Przestrzennie, obszary o niskim poziomie odpływu koncentrowały się wokół wielkich miast oraz na południu Polski w województwach: małopolskim, podkarpackim i śląskim (ryc. 19). W 2002 r. wartości współczynnika odpływu wahały się od 3,6‰ w mieście Siechnice (województwo dolnośląskie) do 43,1‰ w Mirosławcu (zachodniopomorskie). W wielkich miastach poziom odpływu ludności był nadal relatywnie niski, ale większy niż w 1988 r. (Warszawa 7,6‰, Łódź 6,3‰, Kraków 7,2‰, Wrocław 8,1‰, Poznań 11,7‰, Gdańsk 10,7‰). Generalnie, najwyższy poziom odpływu wystąpił na obszarze Polski północno-zachodniej, województwa opolskiego oraz na krańcach wschodnich. W okresie 1988–2002 wzrostem współczynnika odpływu charakteryzowało się 276 badanych jednostek, w tym 258 miast (największy wzrost w Ożarowie w województwie świętokrzyskim, o 20 punktów promilowych). Dodatnia dynamika cechowała też ośrodki największe. Największy spadek wartości tego wskaźnika dotyczył obszarów wiejskich położonych w województwach: warmińsko-mazurskim, zachodniopomorskim, lubuskim i dolnośląskim (ryc. 20). W okresie międzyspisowym nastąpiły nieznaczne zmiany w zróżnicowaniu przestrzennym wartości współczynnika odpływu. Nadal najwyższe wartości występowały na ziemiach północno-zachodnich, pomimo iż charakteryzowały się one największą dynamiką spadku. Zmiany nastąpiły natomiast w zróżnicowaniu natężenia poziomu odpływu – w większości jednostek wystąpił spadek, a wzrost dotyczył głównie miast. 2.3. Saldo migracji W Polsce od momentu zakończenia powojennych przesiedleń ludności notuje się ujemne saldo migracji, ze względu na nadwyżkę odpływu ludności za granicę. Dokładna skala rzeczywistych migracji zagranicznych i jej przestrzenne zróżnicowanie, z powodu braku dostępnych statystyk, nie jest znana ani w przekroju Polski, ani tym bardziej w układzie przestrzennym. Nasilenie wyjazdów zagranicznych nastąpiło w momencie wejścia Polski do Unii Europejskiej i otwarcia dla Polaków 48 rynków pracy w niektórych jej krajach. Najnowszy raport GUS (2007b) pokazuje, że w 2006 r. poza granicami Polski przebywało czasowo ok. 1950 tys. osób (w 2004 r. ok. 1000 tys., a w 2005 r. ok. 1450 tys.), z czego większość w krajach UE (ok. 1550 tys. w 2006 r., liczba ta podwoiła się od momentu naszego wejścia do UE). Według tych przybliżonych szacunków, wśród krajów Unii Europejskiej w 2006 r. najwięcej emigrantów z Polski przebywało w Wielkiej Brytanii (580 tys.), następnie w Niemczech (450 tys.), Irlandii (120 tys.), Włoszech (85 tys.) i Holandii (55 tys.). Według oficjalnych statystyk GUS, w okresie 2004–2006 na stałe wyemigrowało za granicę jedynie 88 tys. osób (według zarejestrowanych wymeldowań). Należy jednak stwierdzić, że większość migracji zarobkowych ma charakter czasowy i można się spodziewać, że znaczna część tych migrantów za kilka lat wróci do kraju. Do 1997 r. miasta charakteryzowały się dodatnim saldem migracji ogółem, a maksimum wartości przypadło na 1975 r. (13,1‰). Ciągle powiększający się ubytek migracyjny w miastach (w 2006 r. – 2,6‰) jest związany z rozwojem suburbanizacji i osiedlaniem się ludności w strefach podmiejskich. Na wsi sytuacja jest odwrotna; do 1999 r. obserwowano ubytek migracyjny. Z powodu rozwoju urbanizacji i industrializacji dominujący kierunek migracji to wieś–miasto (ryc. 21). Maksimum ubytku wędrówkowego przypadło na lata 1975 i 1976 (16,7‰). Niniejsza analiza przestrzennego zróżnicowania salda migracji ogółem (wlicza- jąc migracje wewnętrzne) obejmuje okres 1988–2002, a więc sprzed migracyjnego „boomu” związanego z przystąpieniem do UE. W badanym okresie saldo migracji na wsi wzrosło o 12 punktów promilowych, a w miastach spadło o 6,6 punktów. W 1988 r. najwyższe wartości współczynnika salda migracji notowano w miastach (Kamień Krajeński w kujawsko-pomorskim 76,7‰, Murowana Goślina w wielkopolskim 76,3‰ czy Reda w pomorskim 64,1‰). Ogólnie 681 jednostek (a więc ponad 1/5) charakteryzowało się dodatnim współczynnikiem migracji netto, w tym 580 miast (czyli ponad 2/3 ogółu ośrodków miejskich). Największy ubytek migracyjny (do -44,6‰) wystąpił na obszarach wiejskich wschodniej części województwa kujawsko-pomorskiego, północnej części mazowieckiego oraz województw: warmińsko-mazurskiego, zachodniopomorskiego, lubuskiego, dolnośląskiego i opolskiego. Największe ośrodki charakteryzowały się dodatnim saldem migracji (ryc. 23). W 2002 r. obszary o wysokim dodatnim bilansie przemieszczeń ludności koncentrowały się wokół największych aglomeracji: Dobra Szczecińska w powiecie polickim (56,9‰), Jabłonna w powiecie legionowskim (53,4‰), Suchy Las w powiecie poznańskim (44,8‰), Osielsko w powiecie bydgoskim (43,1‰) oraz Piaseczno i Lesznowola w powiecie piaseczyńskim (odpowiednio: 41,9‰ i 41,8‰). Generalnie, dodatnie saldo migracji zarejestrowano w 1072 badanych jednostkach (ponad 1/3 ogółu), z czego 243 stanowiły miasta (28% wszystkich ośrodków miejskich). Spośród miast najwyższe wartości zaobserwowano w Bornem Sulinowie (40,9‰), Piasecznie (27,3‰), Markach (25,6‰) i Luboniu (25,4‰). Największe miasta charakteryzowały się dość niskim, dodatnim 49 (np. Warszawa 3,6‰, Kraków 2,3‰, Wrocław 1,3‰) bądź ujemnym (Łódź i Gdańsk -1,1‰, Poznań -1,6‰) współczynnikiem salda migracji. Największy ubytek migracyjny ludności wystąpił w małych miastach (np. Mirosławiec w powiecie wałeckim o 30,2‰, Nowe Miasto nad Pilicą w powiecie grójeckim o 27,8‰ czy Kolonowskie w województwie opolskim o 27,7‰). Wśród obszarów wiejskich najniższe saldo migracji zanotowano w gminach: Dubicze Cerkiewne (-15,0‰) i Dobrzyniewo Duże (-14,4‰) w województwie podlaskim. W układzie przestrzennym tereny o ujemnym bilansie przemieszczeń ludności zajmowały części Polski północno-wschodniej, wschodniej, północno-zachodniej oraz Opolszczyzny. W okresie 1988–2002 aż w 2303 jednostkach zanotowano wzrost wartości salda migracji, a największy wystąpił w mieście Borne Sulinowo (o 61 punktów promilowych), w związku z jego ponownym zasiedleniem przez ludność cywilną, gdyż wcześniej istniał tam poligon wojsk radzieckich. Ponadto najwyższe zmiany współczynnika salda migracji zaobserwowano na obszarach wiejskich wokół większych miast oraz w północno-zachodniej części kraju. Największą dynamiką spadku współczynnika salda migracji charakteryzowały się obszary Górnego Śląska oraz Polski południowej i wschodniej (ryc. 24). 3. Przestrzenne zróżnicowanie dynamiki rozwoju ludności Zmiany stanu liczby ludności mogą prowadzić do istotnych przemian w strukturze wieku ludności. Obszary depopulacyjne z reguły wykazują wysoką dynamikę starzenia się ludności, zwłaszcza gdy spadek liczby ludności związany jest – z jednej strony – z odpływem ludzi młodych, a z drugiej – z ubytkiem naturalnym ludności. W ostatnim okresie międzyspisowym 1988–2002 liczba ludności Polski charakteryzowała się niemal stagnacją (wzrost o 351 tys., czyli o 0,9%), a od 1996 r. obserwujemy jej systematyczny spadek. W miastach liczba ludności w latach 1988–2002 r. wzrosła z 23 175 do 23 610 tys. (o 1,9%), a na wsi spadła z 14 843 do 14 620 tys. (o 1,5%; ryc. 24). W układzie miast i gmin największy wzrost liczby ludności zanotowano w Bornem Sulinowie (ponad 20-krotny), o czym była mowa powyżej. Ponadto najwyższym wskaźnikiem dynamiki rozwoju ludności cechowały się małe miasta i gminy położone na obrzeżach wielkich aglomeracji, np. w aglomeracji warszawskiej Wesoła (179,5), Piaseczno (162,8) i Łomianki (160,3), w gdańskiej Żukowo (152,7) i Kosakowo (160,8), w poznańskiej Czerwonak (163,2) i Murowana Goślina (150,2) oraz w szczecińskiej Dobra Szczecińska (179,6). Największy spadek liczby ludności wystąpił na obszarach wiejskich położonych na terenie województwa podlaskiego, np. Kleszczele (73,1), Czyże (74,8), Dubicze Cerkiewne (75,1), Bielsk Podlaski (76,6), a wśród miast w bardzo małych ośrodkach, np. Nowe Warpno w województwie zachodniopomorskim (81,6), Ujazd w opolskim (83,9) czy Skalbmierz w świętokrzyskim (84,7). Największe miasta cechował minimalny wzrost (np. Kra50 ków 101,6; Warszawa 100,9; Wrocław 100,2) bądź niewielki spadek (Gdańsk 99,4; Poznań 98,5; Łódź 92,4) liczby ludności. Ogólnie, liczba ludności wzrosła w 1464 badanych jednostkach (48% ogółu), w tym w 595 miastach (68% ogółu miast) oraz 869 gminach (41% ogółu gmin). Obszary o największej dynamice liczby ludności skoncentrowane były na terenie województwa pomorskiego, południowych części małopolskiego i śląskiego oraz wokół większych aglomeracji (warszawskiej, krakowskiej, poznańskiej, bydgosko-toruńskiej). Do regionów wyludniających się należały obszary tzw. ściany wschodniej, Polski środkowej (zwłaszcza województw: łódzkiego, świętokrzyskiego i północno-wschodniej części mazowieckiego) oraz pasma Sudetów. Do czynników zróżnicowania dynamiki rozwoju ludności należy wymienić wzrost napływu ludności do stref podmiejskich oraz terenów atrakcyjnych pod względem krajobrazowym czy uzdrowiskowym (Karpaty, wybrzeże), tradycyjnie wysoki poziom przyrostu naturalnego wśród ludności Kaszub i południowej Małopolski oraz pogłębiający się ubytek naturalny i migracyjny obszarów peryferyjnych i zapóźnionych gospodarczo (ryc. 25). Przedstawiona analiza wykazała istotne zróżnicowanie wybranych komponentów ruchu naturalnego i wędrówkowego ludności, zarówno w układzie przestrzennym, jak i czasowym. W analizowanym okresie nastąpił spadek dynamiki demograficznej ziem północno-zachodnich, a wyłoniły się nowe obszary o korzystnych wskaźnikach ruchu i dynamiki ludności w otoczeniu największych aglomeracji. Ponadto zaobserwowano wzrost liczby jednostek o ujemnym współczynniku salda migracji i przyrostu naturalnego oraz w większości miast i gmin spadek natężenia poziomu urodzeń, zgonów, napływu i odpływu ludności. 51 II. ZRÓŻNICOWANIE STRUKTURY WIEKU LUDNOŚCI MIAST I GMIN POLSKI W latach 1988 i 2002 Wcześniejsze badania (Kurek 2003, 2005, 2006a, 2006d, 2007a, 2007b) wykazały duże zróżnicowanie wybranych udziałów grup wieku ludności i relacji między nimi w układzie miast i gmin. W niniejszym rozdziale przedstawiono szczegółową analizę zróżnicowania terytorialnego struktur wieku ludności w latach 1988 oraz 2002, opartą na biologicznym i ekonomicznym kryterium grupowania według wieku oraz wykorzystującą miary obciążenia ludności produkcyjnej. Analizę szczegółową poprzedzono krótką charakterystyką zmian w strukturze wieku ludności Polski w okresie powojennym. 1. Biologiczne grupy wieku Klasyfikacja według biologicznych grup wieku obejmuje dzieci (0–14 lat), dorosłych (15–64 lat) i starszych (65 lat i więcej). W niniejszym rozdziale przedstawiono szczegółowo zróżnicowanie przestrzenne rozmieszczenia ludności w wieku 0–14 i 65 lat i więcej oraz rozmieszczenie indeksu starości demograficznej na podstawie relacji między tymi dwiema grupami wieku ludności. Pominięto analizę grupy wieku 15–64 lata, ze względu na duże podobieństwo do rozmieszczenia przestrzennego grupy produkcyjnej (17–59/64 lata), którą to przedstawiono w następnym rozdziale. W Polsce od początku lat 50. notowano wzrost udziału ludności w wieku 0–14 lat – do 33,5% w 1960 r., po czym nastąpił spadek do 23,8% w 1976 r. Kolejny wzrost, lecz o mniejszej dynamice, zaobserwowano w związku z echem powojennego wyżu urodzeń – w 1986 r. udział dzieci wynosił 25,7%. Od tego czasu odsetek dzieci uległ zmniejszeniu w związku z regresem urodzeń i w 2006 r. wynosił 15,8%. W miastach udział osób w wieku 0–14 lat był mniejszy niż na wsi i w badanym okresie 1988–2002 zmniejszył się z 24,7 do 15,9% (na wsi z 26,8 do 20,9%) i różnica ta uległa zwiększeniu. Odsetek ludności w wieku 65 lat i więcej wzrastał regularnie od 1950 do 1979 r. (z 5,3 do 10,2%), a następnie odnotował niewielki spadek do 9,4% w 1986 r., po czym rozpoczął się dynamiczny wzrost do poziomu 13,4% w 2006 r. W miastach udział procentowy osób starszych jest ciągle niższy niż na wsi, ale charakteryzuje się wyższą dynamiką i różnica w układzie miasto–wieś ulega zmniejszaniu (ryc. 26). 52 W badanym okresie odsetek ludności w wieku 65 lat i więcej wzrósł w miastach z 8,6 do 12,3%, a na wsi z 11,7 do 13,5%. Z kolei udział ludności w wieku 15–64 lata wzrósł w latach 1988–2002 z 64,7 do 69,4%. W miastach odsetek ten był zdecydowanie wyższy niż na wsi, przy zbliżonej dynamice wzrostu (w miastach z 66,7 do 71,8%, a na wsi z 61,5 do 65,6%; ryc. 27). 1.1. Udział ludności w wieku 0–14 lat W 1988 r. ludność w wieku 0–14 lat rozmieszczona była nierównomierne. Wartości odsetka tej kategorii wieku wahały się od 14,4% w gminie Dubicze Cerkiewne (województwo podlaskie) do 47,1% w mieście Borne Sulinowo (zachodniopomorskie), w którym na stałe mieszkało wówczas tylko 17 osób, ze względu na pełnioną funkcję militarną. Wysokie wartości ponadto zanotowano głównie w miastach, zwłaszcza w ośrodkach rozwijających się w związku z nowymi inwestycjami przemysłowymi (np. Połaniec 38,9%, Łęczna 38,8%, Nowa Sarzyna 36,1%, Małogoszcz i Jelcz-Laskowice po 35,7% czy Bełchatów 34,7%). Wśród obszarów wiejskich najwyższe wartości zaobserwowano w gminie Gołdap (35,3%) oraz Krynica-Zdrój (35,0%). Obszary o wysokich udziałach dzieci koncentrowały się w Polsce północno-zachodniej oraz na południowym wschodzie, w województwie małopolskim i podkarpackim. Z kolei niskie wartości procentowego udziału osób poniżej 15 lat zanotowano także w innych gminach województwa podlaskiego (np. Bielsk Podlaski 14,7%) oraz lubelskiego (Kraśniczyn 18,5%). Ponadto niskie wartości wy- stąpiły w dużych miastach (Łódź 18,9%, Warszawa 19,2%) oraz w uzdrowiskach (np. Szczawno-Zdrój 19,0% i Sopot 19,2%). Niskim udziałem dzieci charakteryzowały się głównie obszary Polski środkowej i wschodniej, a w szczególności województw: łódzkiego, podlaskiego oraz częściowo lubelskiego, świętokrzyskiego i śląskiego (ryc. 28). W ciągu 14 lat okresu międzyspisowego prawie wszystkie jednostki zanotowały spadek udziałów dzieci w wieku 0–14 lat, największy w miastach przemysłowych. W 2002 r. rozmieszczenie tej grupy wieku ludności charakteryzowało się dwubiegunowym układem z koncentracją najwyższych wartości w gminach woje- wództwa pomorskiego i małopolskiego, np. Słopnice (29,9%), Łabowa (28,8%) i Krynica-Zdrój (28,1%) w małopolskim oraz Luzino (28,8%), Sierakowice (28,4%) i Linia (27,8%) w pomorskim. Wśród miast najwyższe wartości zanotowały Radomyśl Wielki (26,6%), Wyśmierzyce i Sieniawa (25,5%). Najmniejszy odsetek dzieci wystąpił w gminach województwa podlaskiego (Kleszczele 9,3%, Czyże 10,7%, Orla 10,8%) oraz w największych miastach (Warszawa 12,3%, Łódź 12,4%, Wrocław 13,1%, Poznań 13,7%, Kraków 13,9%) i uzdrowiskach (Sopot 12,1%, Szczawno-Zdrój 12,8%). Jednostki o niskich wskaźnikach skupione były w Sudetach, na Opolszczyźnie, Górnym Śląsku, w województwie łódzkim oraz na Podlasiu i na Lubelszczyźnie. Układ przestrzenny odsetka dzieci pokrywał się w dużej mierze z rozmieszczeniem wskaźnika urodzeń (ryc. 29). 53 1.2. Udział ludności w wieku 65 lat i więcej Rozmieszczenie osób starszych w miastach i gminach było mocno zróżnicowane w badanych przekrojach czasu (Kurek, 2006a, 2006d, 2007a). W 1988 r. udział ludności w wieku 65 lat i więcej wahał się od 0,0 w Bornem Sulinowie do 21,7% w Gorzkowie (województwo lubelskie). Generalnie, wśród jednostek o najmniejszym odsetku ludności w tej grupie wieku przeważały miasta. Najniższe wartości zanotowano także w Polkowicach (2,0%), Łęcznej (2,5%), Nowej Sarzynie (2,6%), Lubinie (2,8%), Jastrzębiu-Zdroju (3,0%), Żorach (3,2%), Helu (3,3%), JelczuLaskowicach i Policach (3,4%), Zdzieszowicach (3,6%), Głogowie i Bełchatowie (3,7%). Były to wówczas ośrodki nowo uprzemysławiane, z rozwijającym się hutnictwem miedzi, wydobyciem węgla kamiennego i brunatnego oraz przemysłem chemicznym i środków transportu. Migrowała do nich ludność w związku z tworzeniem nowych miejsc pracy. Wśród obszarów wiejskich najniższym wskaźnikiem starości charakteryzowały się Lutowiska (2,2%) i Cisna (4,7%) w województwie podkarpackim oraz Manowo (4,0%) i Dziwnów (4,6%) w województwie zachodniopomorskim. W gminach bieszczadzkich, wyludnionych po II wojnie światowej, ponowny proces zasiedlania rozpoczął się w latach 50. i 60. i dotyczył głównie ludności młodej, znajdującej zatrudnienie w leśnictwie i przemyśle drzewnym. Największym odsetkiem tej grupy wieku ludności charakteryzowały się obszary wiejskie. Wysokie wartości zanotowano także w gminach: Bielsk Podlaski (21,6%; województwo podlaskie) oraz Nowy Korczyn (21,2%) i Działoszyce (21,1%) w województwie świętokrzyskim. Spośród obszarów miejskich najwyższy stan zaawansowania starości demograficznej zaobserwowano w małych ośrodkach (najwyższe wartości: Suraż 18,9%, województwo podlaskie; Brok 17,9%, województwo mazowieckie; Frampol 17,5%, województwo lubelskie). Na tym tle w dużych miastach udziały tej grupy wieku ludności były na średnim, a nawet dość niskim poziomie (Łódź 12,6%, Warszawa 11,9%, Poznań 11,1%, Kraków 9,9%, Gdańsk 9,0%, Wrocław 8,8%, Szczecin 7,7%). Do nowo budowanych osiedli mieszkaniowych napływała ludność w młodym wieku i zakładała rodziny, co powodowało relatywny spadek udziału ludności starszej. W układzie przestrzennym wysokimi udziałami ludności w wieku 65 lat i więcej charakteryzowały się gminy Polski środkowej i wschodniej, w szczególności z obszarów województw podlaskiego, lubelskiego, łódzkiego, południowej części świętokrzyskiego oraz wschodniej części mazowieckiego. Były to obszary rolnicze, położone peryferyjnie w stosunku do większych miast, z których ludność młoda emigrowała w poszukiwaniu pracy do rozwija- jących się wówczas ośrodków przemysłowych. Relatywnie niskim odsetkiem ludności starszej cechowały się ziemie Polski północnej i zachodniej, zwłaszcza województw: warmińsko-mazurskiego, pomorskiego i zachodniopomorskiego (ryc. 30). Są to obszary, do których napłynęła ludność w większości młoda w okresie powojennym w celu zasiedlenia odzyskanych ziem północnych i zachodnich. W związku z tym od tamtego czasu tereny te uznawane są za młodsze demograficznie od pozostałych części kraju (tzw. ziem dawnych). 54 W okresie międzyspisowym 92% badanych jednostek cechowało się wzrostem udziału ludności starszej. Największy przyrost (w punktach procentowych) zanotowano w gminach województwa podlaskiego (np. Kleszczele o 18,9%) oraz miastach dolnośląskiego (np. Szczawno-Zdrój i Dzierżoniów po 7,7%). Spadek dominował w miastach województwa wielkopolskiego (np. w Borku Wielkopolskim w powiecie gostyńskim o 3,7 punktu procentowego). W 2002 r. rozkład wartości odsetka osób w wieku 65 lat i więcej wahał się od 3,2 do 37,4%. W 6 gminach udział ludności w tej grupie wieku stanowił ponad 1/3 ogółu populacji (Kleszczele 37,4%, Orla 36,1%, Dubicze Cerkiewne 35,0%, Czyże 34,8% i Bielsk Podlaski 34,7%). Były to gminy wiejskie, wszystkie położone w województwie podlaskim. Generalnie obszary wiejskie nadal charakteryzowały się najwyższym poziomem starości demograficznej; spośród miast najwyższą wartość zanotowano w SzczawnieZdroju (województwo dolnośląskie, 20,2%). W rankingu jednostek pod względem udziału osób starszych zajmowało ono dopiero 91 pozycję. Kolejnymi miastami o wysokim udziale tego wskaźnika były: Sopot (18,9%), Wąchock (18,8%), Ćmielów (18,7%) oraz Kleszczele w województwie podlaskim (18,6%). Były to więc miasta uzdrowiskowe albo miasta bardzo małe, które stosunkowo niedawno otrzymały prawa miejskie. Spośród miast względnie wysokimi wskaźnikami charakteryzowały się także największe ośrodki (Warszawa 16,6%, Łódź 16,5%, Wrocław 14,7%, Kraków 14,0%, Poznań 13,7%, Gdańsk i Szczecin 13,6%). Na przeciwległym biegunie stanu zaawansowania starością demograficzną znalazły się miasta górniczo-przemysłowe (Łęczna 3,2%, Połaniec 5,0%, Bełchatów 5,1%, Polkowice 5,2%, Żory 5,3%, Jastrzębie-Zdrój 6,8%), miasta nadmorskie (Reda 5,6%, Hel 6,3%), a wśród obszarów wiejskich Miedźna w województwie śląskim (5,3%), Lutowiska w województwie podkarpackim i Kołbaskowo w zachodniopomorskim (6,3%) oraz gminy nadmorskie (Międzyzdroje 6,7%, Wejherowo 7,0%). Układ przestrzenny rozmieszczenia ludności w wieku 65 lat i więcej nie zmienił się; nadal istnieje podział na starsze demograficznie ziemie środkowe i wschodnie oraz młodsze północno-zachodnie (ryc. 31). Jak widać, zmiany w rozmieszczeniu struktur wieku ludności dokonują się powoli, a na stan obecny wpłynęły procesy demograficzne z przeszłości. Mimo spadku migracji do miast, nadal rozwijające się w latach 80. ośrodki przemysłowe charakteryzują się najniższym stopniem starości demograficznej, a w przypadku wsi najniższy odsetek osób w starszym wieku wystąpił na obszarach ponownie zasiedlanych po II wojnie światowej. Młodość demograficzna obszarów nadmorskich, zwłaszcza terenów wiejskich, może wynikać także z ich atrakcyjności osadniczej i zwiększonego napływu ludności z miast. 1.3. Indeks starości demograficznej Na stan zaawansowania starością demograficzną wpływa nie tylko odsetek ludności starszej, ale także udział ludności w młodym wieku (dzieci i młodzieży). 55 Zastosowany tu indeks starości demograficznej, zwany czasami także współczynnikiem obciążenia demograficznego, wyraża relację pomiędzy ludnością w wieku 65 lat i więcej a ludnością w wieku 0–14 lat. I SD L65 u 100 L0 14 gdzie: ISD – indeks starości demograficznej;, L65+ – udział ludności w wieku 65 lat i więcej. W 1988 r. w 14 gminach udział ludności w wieku 65 lat i więcej przewyższył udział dzieci w wieku 0–14 lat, czyli wartość indeksu starości demograficznej przekroczyła 100. Spośród tych jednostek 7 położonych było w województwie podlaskim, 6 w województwie lubelskim i jedna w województwie świętokrzyskim; wszystkie były gminami wiejskimi. Najwyższe wartości zanotowano w Bielsku Podlaskim (146,5), Dubiczach Cerkiewnych (129,7), Orli (125,3) oraz Czyżach (117,1); wszystkie położone w województwie podlaskim. Wśród miast, najwyższym indeksem starości demograficznej charakteryzowały się Podkowa Leśna (87,9; województwo mazowieckie), Koziegłowy (79,2; województwo śląskie), Suraż (77,0; województwo podlaskie) oraz Ćmielów (75,1; województwo świętokrzyskie). W dużych miastach zanotowano średnie wartości tego wskaźnika (Łódź 66,7, Warszawa 62,1, Poznań 50,7, Kraków 47,0, Wrocław 41,2, Gdańsk 42,2, Szczecin 35,5). Niskim poziomem starości demograficznej charakteryzowały się miasta; wśród nich przeważały jednostki małe, o liczbie ludności nieprzekraczającej 20 tysięcy. Podobnie jak w przypadku udziału ludności w wieku 65 lat i więcej najniższe wartości indeksu starości wystąpiły w ośrodkach przemysłowych różnej wielkości (Łęczna 6,5, Polkowice 6,9, Nowa Sarzyna 7,1, Żory 9,2, Jelcz-Laskowice 9,5, Lubin 10,6, Bełchatów 10,6, Police 10,7, Jastrzębie-Zdrój 11,3, Głogów 11,7, Połaniec 12,2). Wśród obszarów wiejskich najniższymi wartościami tego wskaźnika cechowały się gminy Lutowiska (6,7) i Komańcza (15,1) w województwie podkarpackim oraz Manowo w województwie zachodniopomorskim (12,8). Układ przestrzenny wartości tego wskaźnika nawiązywał do rozkładu odsetka ludności w wieku 65 lat i więcej. Wysokim stanem zaawansowania starością demograficzną charakteryzowały się obszary Polski środkowej i wschodniej, w szczególności gminy województwa łódzkiego, podlaskiego, południowej części świętokrzyskiego i lubelskiego oraz wschodniej – mazowieckiego. Szczególnie niekorzystna sytuacja wystąpiła w gminach położonych peryferyjnie, wzdłuż północno-wschodniej granicy kraju. Względnie niski poziom starości zanotowano w Polsce północnej, północno-zachodniej oraz południowo-wschodniej (województwa: warmińsko- -mazurskie, pomorskie, zachodniopomorskie oraz południowo-wschodnia część małopolskiego i podkarpackiego; ryc. 32). Tylko w 13 badanych jednostkach zanotowano spadek wartości indeksu starości demograficznej (głównie w małych miastach województwa wielkopolskiego), 56 a w trzech gminach Podlasia jego wartość wzrosła ponad 2-krotnie. W 2002 r. w 178 gminach (5,8% ogółu badanych jednostek) wartość tego wskaźnika prze- kroczyła 100, co oznacza, że udział osób w wieku 65 lat i więcej przewyższył od- setek dzieci w wieku 0–14 lat. W kilku z nich udział ludności starszej był 3- a nawet 4-krotnie większy od udziału dzieci (Kleszczele o wartości indeksu 400, Orla 334,9, Czyże 324,1 i Dubicze Cerkiewne 309,4). Na 10 jednostek o najwyższych wartościach tego wskaźnika, aż 9 znajdowało się w województwie podlaskim (jedna gmina w województwie lubelskim). Wszystkie te gminy to obszary wiejskie. Wysokie wartości indeksu starości zanotowano także w miastach, zarówno w dużych, jak i bardzo małych oraz pełniących funkcje uzdrowiskowe (Szczawno-Zdrój 157,8, Sopot 156,7, Warszawa 135,2, Łódź 133,0, Wąchock 121,4, Ćmielów 117,7, Ciechocinek 116,1, Wrocław 112,5). W pozostałych wielkich miastach udziały ludności w starszym wieku były zbliżone do udziału dzieci (Kraków 100,5, Poznań 99,8, Szczecin 95,8, Gdańsk 94,3). Relatywnie najniższy stan zaawansowania starością demograficzną zaobserwowano w bardzo małych miastach (np. Murowana Goślina w województwie wielkopolskim o wartości wskaźnika 26,9), ośrodkach przemysłowych (Łęczna 13,9, Połaniec 22,8, Polkowice 24,5, Bełchatów 26,2) oraz obszarach wiejskich, w większości położonych na wybrzeżu w powiecie wejherowskim (Luzino 25,3, Wejherowo 25,7). Układ terytorialny rozmieszczenia indeksu starości demograficznej w porównaniu z 1988 r. uległ nieznacznym zmianom, z poszerzeniem obszaru zaawansowanej starości na region Sudetów oraz koncentracją jednostek o niskim udziale tego wskaźnika w województwie pomorskim, zwłaszcza w regionie Kaszub. Szczególnie niekorzystna sytuacja w tym zakresie wystąpiła w gminach Podlasia położonych wzdłuż granicy z Białorusią. Peryferyjne położenie, wzmocnione ustanowieniem wschodniej granicy Unii Europejskiej, uniemożliwia aktywizację gospodarczą tych obszarów, charakteryzujących się dużym odpływem ludzi młodych (ryc. 33). Niekorzystna relacja ilościowa pomiędzy ludnością starszą a młodą pojawiła się w wielkich miastach, co jest wynikiem gwałtownego spadku urodzeń od lat 90. Ponadto trwające od dłuższego czasu wyludnianie się regionu Sudetów doprowadziło w końcu do mocno zachwianej równowagi wiekowej. Z kolei obszary względnie młodsze w zakresie struktury wieku to regiony Kaszub, a także południowej Małopolski, charakteryzujące się od wielu lat dużą prężnością demograficzną, wyrażaną wysokimi współczynnikami ruchu naturalnego ludności. Zmniejszająca się liczba urodzeń szybciej znajduje odzwierciedlenie w udziale dzieci w całej populacji niż w udziale ludności starszej, w związku z czym przedstawiony tu wskaźnik, będący relacją pomiędzy tymi dwiema grupami wieku ludności, wykazuje większe zróżnicowanie czasowo-przestrzenne od udziału procentowego ludności starszej. 57 2. Ekonomiczne grupy wieku W analizie procesu starzenia się ludności rozpatrywanego w kategoriach ekonomicznych grup wieku ważne jest określenie relacji pomiędzy ludnością nieprodukcyjną a produkcyjną dla właściwego funkcjonowania systemu zabezpieczeń społecznych. Należy również zwrócić uwagę na starzenie się ludności w wieku produkcyjnym, zwane w literaturze starzeniem się zasobów pracy (Murlewski, 1974; Kotowska, 1990). W statystyce wyróżnia się ludność w wieku produkcyjnym mobilnym (18–44 lata) oraz niemobilnym (45–59 lat dla kobiet oraz 45–64 lata dla mężczyzn). W ostatnich latach obserwuje się spadek udziału ludności produkcyjnej mobilnej kosztem zwiększenia się odsetka ludności niemobilnej. W Polsce w okresie 1988–2002 odsetek ludności w wieku przedprodukcyjnym w ogólnej populacji zmniejszył się z 29,9% do 23,2%. Szczególnie duża różnica dotyczyła ludności miejskiej – spadek o ponad 8 punktów procentowych, zaś na wsi – spadek o ponad 4 punkty (ryc. 34). W badanym okresie nastąpił wzrost udziału ludności produkcyjnej ogółem z 57,6% do 61,8%, z tym że większy w miastach (o 4,6 punktu procentowego) niż na wsi (o 3,4 punktu). Biorąc pod uwagę podział grupy produkcyjnej w stosunku do populacji ogółem, zaobserwowano niewielki spadek odsetka ludności w wieku mobilnym (o 0,2 punktu procentowego) i wzrost w wieku niemobilnym (o 4,4 punktu). Podobne tendencje zanotowano w miastach, natomiast na wsi wystąpił wzrost odsetka zarówno ludności produkcyjnej mobilnej, jak i niemobilnej. Udział ludności poprodukcyjnej ogółem zwiększył się z 12,5% do 15%, a większy przyrost wystąpił wśród ludności miejskiej (o 3,5 punktu procentowego) niż na wsi (o 1 punkt). Na skutek zmian w grupach wieku ludności obniżył się współczynnik obciążenia ludnością nieprodukcyjną ogółem, to znaczy, że w 2002 roku na każde 1000 osób w wieku produkcyjnym przypadało 618 osób w wieku nieprodukcyjnym – o 118 osób mniej niż miało to miejsce w 1988 r.; w miastach o 122 osoby mniej, na wsi o 107. Biorąc pod uwagę współczynniki cząstkowe, to zarówno w miastach, jak i na wsi zmniejszeniu uległo obciążenie ludnością przedprodukcyjną, a zwiększeniu obciążenie ludnością poprodukcyjną (tab. 9). Tabela 9. Współczynniki obciążenia ekonomicznego ludności produkcyjnej w Polsce w latach 1988 i 2002 Dependencies ratios in Poland in the years 1988 and 2002 Wyszczególnienie Obciążenie ludnością nieprodukcyjną Obciążenie ludnością przedprodukcyjną Obciążenie ludnością poprodukcyjną Na 1000 osób w wieku produkcyjnym: Ogółem 1988 736 519 217 2002 618 375 243 Miasto 1988 678 490 187 58 2002 556 328 228 Wieś 1988 836 567 269 2002 729 458 270 Źródło: Opracowanie własne na podstawie danych GUS W rozdziale przedstawiono analizę rozmieszczenia ludności w wieku produkcyjnym, w tym mobilnym i niemobilnym. Pominięto rozmieszczenie ludności przed- i poprodukcyjnej, ze względu na brak istotnych różnic w porównaniu z rozmieszczeniem osób w wieku 0–14 oraz 65 lat i więcej. 2.1. Ludność w wieku produkcyjnym W 1988 r. rozmieszczenie ludności w wieku produkcyjnym było nierównomierne, o zakresach wartości od 48,5% w gminie Słopnice (powiat limanowski, województwo małopolskie) do 64,2% w mieście Sośnicowice (powiat gliwicki, województwo śląskie). Wysoki odsetek ludności produkcyjnej wystąpił generalnie w miastach, zarówno dużych (Warszawa 62,1%, Kraków 62,2%, Wrocław 62,4%), średnich (Świnoujście 63,6%, Kędzierzyn-Koźle 62,4%), jak i małych (Karpacz 63,6%, Zielonka 63,0%). Niskim odsetkiem ludności produkcyjnej ogółem charakteryzowały się obszary wiejskie i bardzo małe miasta (np. Suraż w powiecie białostockim 49,0% czy Tarnogród w powiecie biłgorajskim 49,4%). W układzie przestrzennym wyraźnie widać dodatnią zależność pomiędzy wielkością i uprzemysłowieniem danego ośrodka a stopniem koncentracji ludności produkcyjnej. Obszary o największych wartościach tego wskaźnika skupiały się wokół wielkich aglomeracji oraz na Górnym Śląsku i Opolszczyźnie. Najmniejszymi zasobami siły roboczej cechowały się obszary wiejskie Polski środkowej i wschodniej, położone z dala od większych ośrodków przemysłowych (ryc. 35). W okresie 1988–2002 w większości badanych jednostek (95%) nastąpił wzrost udziału ludności w wieku produkcyjnym, a największą dynamiką cechowały się obszary Polski północno-zachodniej. W 2002 r. najwyższym udziałem ludności produkcyjnej wyróżniały się miasta, zwłaszcza ośrodki przemysłowe, np. Żory (70,9%), Lubin (69,2%), Jelcz-Laskowice (68,9%), Głogów (68,4%), Małogoszcz (68%), Police (67,7%), Tychy, Dąbrowa Górnicza i Sosnowiec (po 67,5%) czy Bełchatów (67,1%). Duże zasoby tej kategorii ludności wystąpiły również w największych ośrodkach: Warszawa (64,6%), Łódź (64,7%), Kraków (65,6%). Z kolei najniższy odsetek osób w wieku produkcyjnym zanotowały obszary wiejskie, a wśród nich gminy położone w województwie podlaskim: Bielsk Podlaski (45,4%), Orla i Kleszczele (46,3%), Dubicze Cerkiewne (46,6%) oraz Milejczyce (47,3%) i Czyże (47,6%). Rozmieszczenie ludności produkcyjnej zasadniczo nie uległo zmianie w porównaniu z 1988 r.; nadal jednostki z wysokimi udziałami tej ludności koncentrowały się wokół wielkich aglomeracji oraz w Polsce północno-zachodniej (ryc. 36). 59 2.1.1. Ludność w wieku produkcyjnym mobilnym Nierównomiernym rozmieszczeniem charakteryzowała się ludność w wieku produkcyjnym mobilnym, a jej udziały w 1988 r. wahały się od 24,8% w gminie Bielsk Podlaski do 52,9% w mieście Borne Sulinowo. Wysoki odsetek ludności w tej grupie wieku był charakterystyczny dla miast o funkcji przemysłowej, np. Łęczna (49,7%), Polkowice (49,4%), Bełchatów (47,7%), Jelcz-Laskowice (47,5%), Police (47,4%) oraz Lubin (46,9%). Ludność ta koncentrowała się także wokół wielkich miast, w konurbacji górnośląskiej oraz na wybrzeżu. Obszary o niedoborach ludności w wieku produkcyjnym mobilnym wystąpiły na wsi w Polsce środko- wej i wschodniej, a zwłaszcza na terenie województw: podlaskiego i lubelskiego (ryc. 37). W 2002 r. procentowy rozkład wartości ludności w wieku 18–44 lat kształtował się podobnie i wahał się od 24,2% w gminie Orla (województwo podlaskie) do 47,3% w gminie Kołbaskowo (województwo zachodniopomorskie). W porównaniu z 1988 r. w klasie o najwyższych wartościach tego wskaźnika znalazło się więcej obszarów wiejskich oraz małych miast. W układzie przestrzennym ludność tej kategorii koncentrowała się w Polsce północnej, zachodniej i południowo-zachodniej, a w szczególności w województwach: warmińsko-mazurskim, pomorskim, kujawsko-pomorskim, wielkopolskim, opolskim i śląskim (ryc. 38). Ponadto nadal wysokimi udziałami ludności w młodym wieku produkcyjnym charakteryzowały się wielkie aglomeracje. Niski odsetek tej grupy ludności był charakterystyczny dla peryferyjnie położonych gmin wiejskich Polski środkowej i wschodniej. W okresie międzyspisowym w 70% badanych jednostek zanotowano wzrost udziałów ludności produkcyjnej mobilnej, ale dotyczył on głównie obszarów wiejskich i małych miast. Natomiast spadek udziałów tej kategorii ludności wystąpił z jednej strony w miastach o charakterze turystyczno-uzdrowiskowym, np. Karpacz (spadek o 6 punktów procentowych), Międzyzdroje, Ustka, Świnoujście, Kołobrzeg, LądekZdrój, a z drugiej strony w miastach przemysłowych (Lubin, Kozienice, Głogów). W układzie przestrzennym największy spadek zanotowano na Pomorzu, Dolnym Śląsku oraz konurbacji górnośląskiej. Największy zaś wzrost wystąpił na obszarze województw: podlaskiego, opolskiego, małopolskiego i podkarpackiego. 2.1.2. Ludność w wieku produkcyjnym niemobilnym Najwyższym odsetkiem ludności w wieku produkcyjnym niemobilnym w 1988 r. charakteryzowały się obszary wiejskie województwa podlaskiego (największa wartość w gminie Kleszczele 32,0%). Wśród miast relatywnie najwięcej ludności tej kategorii zamieszkiwało Szczawno-Zdrój (23,9%), Chorzów (22,4%), Pyskowice (22,0%) oraz Warszawę (21,8%). Z kolei niskie udziały, oprócz Bornego Sulinowa, zaobserwowano w miastach przemysłowych (Łęczna 5,7%; Połaniec 6,2%; Jelcz-Laskowice 8,7%; Bełchatów 8,8%). Ogólnie rzecz biorąc, ludność w starszym 60 wieku produkcyjnym koncentrowała się w Polsce środkowej i wschodniej oraz na obszarze województw: opolskiego i śląskiego, natomiast niski jej odsetek był charakterystyczny dla Polski północnej i zachodniej (ryc. 39). W 2002 r. największe wartości odsetka tej grupy ludności wystąpiły w miastach o różnej wielkości i różnych pełnionych funkcjach (np. Kozienice ­28,6%, Barcin 28,1%, Lubin 27,9%, Duszniki-Zdrój 27,8%, Będzin 27,3%, Łódź 26,4%). Niskie wartości wystąpiły na obszarach wiejskich, głównie województwa małopolskiego (Słopnice 12,7%, Kamionka Wielka 13,9%, Łabowa 14,3%). Przestrzenny układ rozmieszczenia tej kategorii ludności uległ zasadniczej zmianie w porównaniu z rokiem 1988 (ryc. 40). Obszarami o największych udziałach procentowych były wielkie aglomeracje wraz z otaczającymi gminami oraz jednostki położone w Sudetach. Najniższymi odsetkami natomiast charakteryzowały się obszary Polski północno-wschodniej i południowo-wschodniej. W badanym okresie 80% jednostek wykazało wzrost udziału ludności w starszym wieku produkcyjnym, a największa dynamika wystąpiła w miastach (np. Praszka – wzrost o 19 punktów procentowych). Największy spadek zanotowano w gminach województwa podlaskiego (np. Milejczyce – o 12 punktów procentowych). Ogólnie, największą dynamiką wzrostu charakteryzowały się obszary Polski północno-zachodniej i południowo-zachodniej, natomiast spadek był widoczny na obszarze Polski północno-wschodniej, środkowo-wschodniej i południowej. 2.2. Współczynniki obciążenia ekonomicznego Z ekonomicznego punktu widzenia ważne są relacje pomiędzy ludnością nieprodukcyjną a produkcyjną. W niniejszej analizie wykorzystano współczynniki obciążenia ekonomicznego Wo (1) , Wo (2) i Wo (3) : Wo (1) ( L017 L60 K / 65 M ) u 1000 L1859 K / 64 M Wo (2) L017 u 1000 L1859 K / 64 M Wo (3) L60 K / 65 M u 1000 L1859 K / 64 M gdzie: L017 – liczba ludności w wieku przedprodukcyjnym, L1859 K/64 M – liczba ludności w wieku produkcyjnym (kobiety i mężczyźni), L60 K/65 M – liczba ludności w wieku poprodukcyjnym (kobiety i mężczyźni). 61 2.2.1. Współczynnik obciążenia ludnością w wieku nieprodukcyjnym W 1988 r. ogólny współczynnik obciążenia ekonomicznego Wo(1) wahał się od 559 do 1060 osób w wieku nieprodukcyjnym na 1000 osób w wieku produkcyjnym. Najwyższe wartości wystąpiły na obszarach wiejskich i w małych miastach, głównie na obszarze Polski wschodniej, południowo-wschodniej oraz środkowo- -zachodniej. W 26 badanych jednostkach zanotowano wartości powyżej 1000, co oznaczało przewagę ludności nieprodukcyjnej nad produkcyjną. Relatywnie niskim obciążeniem ludnością nieprodukcyjną charakteryzowały się miasta, a wśród nich większe aglomeracje wraz z ich otoczeniem (Szczecin 588 osób, Katowice 595, Wrocław 602, Kraków 607, Warszawa 609) oraz ośrodki turystyczne i uzdrowiskowe (Karpacz, Świnoujście, Krynica Morska, Międzyzdroje). Wśród obszarów wiejskich najniższe wartości wystąpiły w miejscowościach letniskowych i kurortach (Dziwnów, Mielno) oraz w gminach województwa opolskiego. Przestrzennie, obszary o niskich wartościach tego współczynnika koncentrowały się w Polsce północnej, południowo-zachodniej oraz w Bieszczadach (ryc. 41). W 2002 r. rozkład wartości współczynnika Wo(1) mieścił się w przedziale 410– 1202 osób. Już tylko w 9 jednostkach zanotowano wartości powyżej 1000, a najwyższe z nich dotyczyły gmin położonych w województwie podlaskim. Najniższym obciążeniem ludnością nieprodukcyjną charakteryzowały się miasta przemysłowe (np. Żory 410 osób, Lubin 445, Głogów 463, Tychy i Dąbrowa Górnicza 481). Układ przestrzenny rozmieszczenia współczynnika obciążenia ekonomicznego ogółem nie zmienił się, z wysokimi wartościami w Polsce środkowej i wschodniej oraz niskimi w otoczeniu aglomeracji, na wybrzeżu oraz Polsce południowo-zachodniej (ryc. 42). W porównaniu z 1988 r. w 164 jednostkach wykazano wzrost wartości tego współczynnika, a największy wystąpił na wsi w województwie podlaskim (np. w gminie Dubicze Cerkiewne o 433 osoby). Największy zaś spadek zanotowano w Wielkopolsce i na Kaszubach, głównie w małych miastach. 2.2.2. Współczynnik obciążenia ludnością w wieku przedprodukcyjnym Na wartość ogólnego współczynnika obciążenia ekonomicznego wpływają udziały ludności w wieku przed- i poprodukcyjnym. Dlatego warto prześledzić rozkład przestrzenny współczynników cząstkowych. Obciążenie ludnością przedprodukcyjną, a więc dziećmi i młodzieżą, jest istotne z punktu widzenia zapotrzebowania na odpowiednią infrastrukturę społeczną (żłobki, przedszkola, szkoły, internaty). W 1988 r. wartości współczynnika obciążenia ludnością przedpro- dukcyjną wahały się od 304 do 889 osób, a ich rozkład terytorialny odzwierciedlał rozmieszczenie ludności w tej grupie wieku, z wysokim obciążeniem na obsza- rze Polski północno-zachodniej i południowo-wschodniej oraz niskim obciążeniem w Polsce Środkowo-Wschodniej, północno-wschodniej oraz południowozachodniej (ryc. 43). W układzie poszczególnych kategorii jednostek osadniczych najwyższe wartości wystąpiły na wsi i w małych miastach, natomiast duże mia62 sta charakteryzowały się niskimi wartościami tego współczynnika (np. Warszawa 364 osoby, Łódź 370). W 2002 r. w związku ze znacznym spadkiem urodzeń obciążenie ludnością przedprodukcyjną zmalało, a wartości współczynnika wahały się od 248 do 661 osób. Największym obciążeniem ludności przedprodukcyjnej charakteryzowały się obszary wiejskie Kaszub i Małopolski, natomiast najniższym – duże miasta (np. Warszawa 248 osób, Łódź 250, Wrocław 262, Poznań 271, Kraków 273). Ponadto obszary o niskich wartościach tego wskaźnika koncentrowały się we wschodniej części Podlasia, na Górnym i Dolnym Śląsku oraz na Opolszczyźnie (ryc. 44). W badanym okresie dodatnią dynamiką współczynnika Wo(2) wykazały się jedynie 32 jednostki i z wyjątkiem Wyśmierzyc i Serocka w województwie mazowieckim oraz Wejherowa (w województwie pomorskim) były to obszary wiejskie, położone w środkowej i wschodniej części kraju. Największym spadkiem charakteryzowały się małe i średnie miasta, z których najwięcej koncentrowało się w Polsce północnej i zachodniej, a więc tam, gdzie poziom współczynnika obciążenia tą kategorią ludności był ciągle najwyższy. 2.2.3. Współczynnik obciążenia ludnością w wieku poprodukcyjnym Postępujący wzrost obciążenia ludności produkcyjnej ludnością w wieku poprodukcyjnym stanowi ważne wyzwanie dla polityki społeczno-ekonomicznej państwa w zakresie świadczeń emerytalnych. W 1988 r. współczynnik obciążenia ludnością poprodukcyjną Wo(3) wykazywał duże zróżnicowanie w poszczególnych miastach i gminach Polski i wahał się od 0 do 511 osób. Największe wartości wystąpiły na obszarach wiejskich Polski środkowej i wschodniej, a najniższe w miastach (średnich, o dużym napływie migracyjnym) położonych na obszarze Polski północnej, północno-zachodniej oraz południowej (region Opolszczyzny i Górnego Śląska; ryc. 45). W 2002 r. wartości tego współczynnika znacznie wzrosły i wahały się od 60 do 902 osób. Najwyższym obciążeniem ludnością poprodukcyjną charakteryzowały się gminy wiejskie położone na Podlasiu, na pograniczu polsko-białoruskim (ryc. 46). Niskie obciążenie zanotowano w miastach przemysłowych, takich jak: Łęczna (60 osób), Połaniec (87), Bełchatów (93), Jelcz-Laskowice i Żory (95). Przestrzenne rozmieszczenie wartości tego wskaźnika nie uległo większym zmianom, z wysokim obciążeniem w Polsce środkowej i wschodniej oraz stosunkowo niskim w Polsce północnej i zachodniej, a także w strefie podmiejskiej aglomeracji warszawskiej i innych dużych miast. Ponad 60% badanych jednostek zanotowało w okresie 1988–2002 wzrost wartości współczynnika obciążenia ludnością poprodukcyjną, a największą dynamiką charakteryzowały się peryferyjnie położone obszary wiejskie na Podlasiu (np. w gminie Kleszczele wzrost o 488 osób). Ponadto wysoki wzrost zaobserwowano w pozostałych gminach położonych wzdłuż wschodniej granicy, w północno-wschodniej i północno-zachodniej części kraju 63 oraz na Górnym Śląsku i Opolszczyźnie. Największy spadek wystąpił w gminach i małych miastach położonych w Wielkopolsce, na Kujawach i Kaszubach oraz w środkowej części kraju. Przedstawiona analiza wykazała przestrzenne zróżnicowanie ludności według ekonomicznych grup wieku. Najbardziej widoczny jest wciąż istniejący podział Polski na ziemie północno-zachodnie oraz środkowo-wschodnie. Te pierwsze charakteryzowały się wyższymi udziałami ludności przedprodukcyjnej i produkcyjnej mobilnej oraz niższym odsetkiem ludności w wieku poprodukcyjnym. W okresie międzyspisowym największe zmiany zanotowano w grupie wieku produkcyjnego niemobilnego, ze znacznym wzrostem jej udziałów w aglomeracjach i na terenach zurbanizowanych. Wyraźne zmiany nastąpiły również w układzie miasto–wieś. O ile w 1988 r. miasta charakteryzowały się wysokim udziałem ludności przedprodukcyjnej i niskim odsetkiem ludności poprodukcyjnej, to w okresie międzyspisowym nastąpił znaczny spadek obciążenia ludnością przedprodukcyjną i wzrost obciążenia ludnością poprodukcyjną. W szczególności przemiany te dotyczyły dużych miast, a także miast o dominującej funkcji przemysłowej. 3. Struktura wieku ludności najstarszej Zwiększająca się przeciętna długość życia, polepszająca się kondycja fizyczna osób starszych oraz wzrost aktywności zawodowej wśród osób po osiągnięciu wieku emerytalnego skłoniły badaczy do wyróżniania dwóch grup subpopulacji osób starszych: młodsi-starsi (young-old) oraz starsi-starsi (oldest-old), zwykle definiowani jako grupa osób w wieku 80 lub 85 lat i więcej. Starzenie się subpopulacji osób starszych zwane jest w literaturze starzeniem podwójnym (double ageing), polegającym na wzroście udziału osób sędziwych w strukturze osób w wieku 65 lat i więcej. Znajomość liczby i rozmieszczenia tej najstarszej kategorii ludności jest niezwykle ważna dla samorządów lokalnych i ośrodków opieki społecznej z punktu widzenia potrzeb w zakresie usług pielęgnacyjnych i zdrowotnych. Do najważniejszych zadań w tym zakresie należy zaliczyć konieczność reorganizacji opieki zdrowotnej w celu wzmocnienia lecznictwa geriatrycznego, placówek opiekujących się chorymi przewlekle i programów opieki domowej nad osobami chorymi, niesamodzielnymi i samotnymi (Szukalski 2001a, 2002a). Do społeczno-ekonomicznych konsekwencji rozrostu liczby i udziału osób sędziwych należy zaliczyć wzrost środków na zabezpieczenia społeczne, związane z wydłużaniem okresu pobierania świadczeń emerytalnych. W niniejszym rozdziale przedstawiono przestrzenne zróżnicowanie ludności w wieku 85 lat i więcej w 2002 r., ze względu na brak dostępnych danych w układzie miast i gmin za 1988 r. Pokazano również rozmieszczenie wskaźnika wsparcia międzypokoleniowego WWM dla określenia relacji pomiędzy osobami najstarszymi a ich potencjalnymi dziećmi. 64 3.1. Ludność w wieku 85 lat i więcej W Polsce w 2002 r. liczba ludności w wieku 85 lat i więcej wynosiła 337,9 tys., z tego 195,4 tys. mieszkało w mieście, a 142,5 tys. na wsi, co stanowiło odpowiednio 0,8 i 1,0% ogółu ludności. Rozmieszczenie odsetka tej grupy wieku ludności było zbliżone do rozkładu wartości odsetka osób w wieku 65 lat (ryc. 47). Duży wpływ na rozmieszczenie tej grupy i jej liczebność miały uwarunkowania historyczne. Były to osoby urodzone w roku 1917 i wcześniej, a więc w czasie niżu demograficznego związanego z I wojną światową. Ponadto, kohorta ta poniosła duże straty w czasie II wojny światowej (zwłaszcza mężczyźni), a jej zróżnicowanie terytorialne jest także wynikiem zasiedlania ziem północnych i zachodnich oraz młodości demograficznej tych terenów. Najwyższe udziały ludności „sędziwej” wystąpiły na obszarach wiejskich Podlasia (gminy: Nowy Dwór 2,8%, Czarna Białostocka i Lipsk po 2,7%, Narewka 2,6%). W miastach najwyższy odsetek tej kategorii ludności zaobserwowano w małych ośrodkach, np. Wieleń w województwie wielkopolskim (2,2%), Suraż i Goniądz w podlaskim (po 2,1%). Największe miasta cechowały się odsetkiem ludności najstarszej na poziomie niewiele większym od średniej dla Polski (Warszawa 1,3%, Łódź i Poznań 1,1%, Kraków 1,0%, Wrocław 0,8%). Najniższym odsetkiem ludności w wieku 85 lat i więcej charakteryzowały się obszary wiejskie, w tym gminy bieszczadzkie (Cisna 0,1% i Lutowiska 0,3%), a ponadto gminy: Frombork (0,0%), Kołbaskowo i Mirosławiec (0,2%) oraz miasta przemysłowe (Nowa Sarzyna i Polkowice 0,2%, Łęczna, Police i Lubin 0,3%). 3.2. Współczynnik wsparcia międzypokoleniowego Do zilustrowania relacji międzypokoleniowych pomiędzy osobami najstarszymi a ich dziećmi służy współczynnik wsparcia międzypokoleniowego WWM (parent support ratio), wskazujący, ile osób w wieku 85 lat i więcej przypada na 100 osób w wieku 50–64 lat. W WM P85 100 P50-64 gdzie: WWM – współczynnik wsparcia międzypokoleniowego P85+ – udział ludności w wieku 85 lat i więcej P50–64 – udział ludności w wieku 50–64 lat Z reguły obowiązek opieki nad najstarszymi osobami spada na najbliższych, a więc na ich dzieci czy młodszych krewnych, stąd ważne znaczenie ma określenie relacji między tymi dwoma pokoleniami. Wraz ze zmniejszaniem się dzietności wartość tego współczynnika będzie zwiększać się, co stwarza wyzwania dla poli65 tyki społecznej w sferze zapewnienia odpowiednich świadczeń dla osób w wieku sędziwym. W Polsce wartość tego współczynnika w 2002 r. wynosiła 4,9, a na wsi była dużo mniej korzystna (7,1) niż w mieście (4,6). Przestrzenny rozkład tego współczynnika był zbliżony do rozmieszczenia najstarszej grupy ludności, z niekorzystnymi wartościami koncentrującymi się na obszarach wiejskich Polski środkowej i wschodniej (ryc. 48), zwłaszcza na Podlasiu (np. gminy: Czarna Białostocka 19,2, Nowy Dwór 17,8, Suchowola 16,5 oraz miasto Goniądz 17,5). W największych miastach poziom wartości wskaźnika WWM kształtował się powyżej średniej krajowej (Warszawa 6,9, Poznań 5,9, Łódź 5,8, Kraków 5,7, Gdańsk 5,3), z wyjątkiem Wrocławia (4,5). W najniższym przedziale wartości zanotowano podobne jednostki jak w przypadku odsetka osób w wieku 85 lat i więcej (gminy: Frombork 0,0, Cisna 0,7, Lutowiska 1,7 oraz miasta: Nowa Sarzyna 1,0, Polkowice i Ryn po 1,1, Lubin 1,4, Jastrzębie-Zdrój i Krynica Morska po 1,5). Na rozkład udziałów ludności najstarszej oraz współczynnika wsparcia międzypokoleniowego WWM miały wpływ głównie migracje i przesiedlenia ludności, stąd niskie wartości w tym zakresie obserwowaliśmy na ziemiach zachodnich i północnych oraz w Bieszczadach, a także w miastach, zwłaszcza tych, których rozwój opiera się na nowych inwestycjach przemysłowych. Najmniej korzystna sytuacja wystąpiła w małych miastach i gminach na obszarze Podlasia, charakteryzujących się także dużymi udziałami ludności w wieku 65 lat i więcej oraz peryferyjnym położeniem w stosunku do większych ośrodków i w związku z tym dużym poziomem odpływu ludności młodej. 4. Syntetyczny miernik struktury wieku ludności Surowy współczynnik starości (headcount ratio), oparty na procentowym udziale powyżej jakiejś wartości progowej wieku (np. 65 lat i więcej), jest kompletnie nieczuły na różnice w strukturze subpopulacji osób starszych (Kot, Kurkiewicz, 2004). Nie odzwierciedla on odległości pomiędzy natężeniem liczby ludności w określonym przedziale starszego wieku od owej wartości progowej (critical age). Na przykład, 15% udział ludności w wieku 65 lat i więcej może oznaczać, że jej większość jest skupiona w przedziale 65–69 lat lub w przedziale 80–84 lat. Ma to istotnie znaczenie przy formułowaniu zadań dla polityki społecznej wobec osób starszych. Osoby będące w młodszych przedziałach starszego wieku (young-old) są często jeszcze aktywne zawodowo i w dobrej kondycji, natomiast osoby w wieku sędziwym (oldest-old) posiadają zwiększone zapotrzebowanie na usługi w zakresie ochrony zdrowia i opieki społecznej. Podobnie, porównując surowe współczynniki starości w dwóch okresach o jednakowych wartościach, nie jesteśmy w stanie stwierdzić, czy nastąpiły jakieś przesunięcia w strukturze osób starszych, czy subpopulacja ta uległa postarzeniu poprzez zwiększenie natężenia liczby lud66 ności w przedziałach najstarszych, czy relatywnie się odmłodziła poprzez wzrost udziałów w przedziałach w pobliżu wartości progowej. Cyrrus Chu (1997) zaproponował alternatywne indeksy starości (alternative ageing indexes), uwzględniające zróżnicowane proporcje w obrębie subpopulacji osób starszych. Indeksy te uwzględniają wagi przyporządkowane do poszczególnych przedziałów starszego wieku w ten sposób, że im większa odległość przedziału od wieku krytycznego (np. 65 lat), tym większa jej wartość. Dzięki temu współczynniki dla obiektów o wysokim natężeniu udziałów w najstarszych przedziałach wieku będą wyższe niż dla jednostek, w których najwięcej ludności starszej skupia się w przedziałach bliskich progu starości demograficznej. Iα = ω − z ∑p =p 1 pω j z ( j − z ) α −1 * p j dla α=1, 2, 3 gdzie: Iα – indeks starości, pj – udział ludności w przedziale wiekowym j, z – próg starości demograficznej, ω – górna granica najstarszego przedziału wieku. Gdy z=65, a analizowane przedziały obejmują wiek 65–69, 70–74, 75–79, 80–84 oraz 85 lat i więcej, to j przyjmuje wartość środkową danego przedziału wieku, natomiast ω=90. Przy α=1 wskaźnik przyjmuje postać surowego współczynnika starości, przy α=2 wagi tworzą szereg arytmetyczny, natomiast przy α=3 wagi tworzą szereg geometryczny, poprzez podnoszenie odległości od wartości progowej do kwadratu. Podzielenie uzyskanej sumy iloczynów wag i udziałów ludności w poszczególnych przedziałach wartości przez maksymalną wartość wagi (ω–z) powoduje, że wskaźnik przyjmuje wartości w przedziale 0–1. Jak zatem przedstawia się kalkulacja wymienionych wskaźników dla Polski w układzie miasto–wieś w 2002 r. (tab. 10)? Tabela 10. Konstrukcja alternatywnych indeksów starości Is dla Polski w 2002 r. The construction of alternative ageing indexes Is Przedziały wieku j Pj miasto wieś 65–69 0,042 0,041 70–74 0,036 75–79 0,025 80–84 0,012 j–z (j–z)2*pj (j–z)*pj miasto wieś miasto wieś 2,5 0,105 0,103 0,263 0,256 0,040 7,5 0,270 0,300 2,025 2,250 0,029 12,5 0,313 0,363 3,906 4,531 0,015 17,5 0,210 0,263 3,675 4,594 85+ 0,020 0,025 25 0,500 0,625 12,500 15,625 Suma 0,135 0,150 x 1,398 1,653 22,369 27,256 Wskaźnik Is x x x 0,056 0,066 0,036 0,044 Źródło: Opracowanie własne 67 Jako próg starości przyjęto 65 lat, a jako środki przedziałów j 67,5; 72,5; 77,5; 82,5 lat. Jako górną granicę otwartego przedziału ω 85+ przyjęto umownie 90, w związku z czym różnice j–z wynoszą odpowiednio 2,5; 7,5; 12,5; 17,5 i ostatnia 25. Udziały pj obliczono jako iloraz liczby ludności w danym przedziale wieku i liczby ludności ogółem. Nie obliczano procentów, aby wartości końcowe wskaźnika zawierały się w przedziale 0–1. Tak więc suma udziałów pj dla Polski w miastach wynosiła 0,135, co oznacza, że odsetek ludności w wieku 65 lat i więcej wynosił 13,5%. Następnie udziały te pomnożono przez różnice (j–z), po czym je zsumowano. Kolejną czynnością było podzielenie uzyskanych sum przez maksymalną wagę (ω–z), która w tym przypadku wynosiła 25. Podobne operacje przeprowadzono w ostatnich dwóch kolumnach, z tym że do iloczynów z udziałami ludności w poszczególnych grupach wieku wzięto kwadraty różnic (j–z), aby zwiększyć wagę przedziałów najstarszych. Wartość wskaźnika starości zarówno arytmetycznego (0,066), jak i geometrycznego (0,044) była wyższa dla wsi niż dla miast, podobnie jak w przypadku surowego współczynnika starości, czyli odsetka osób w wieku 65 lat i więcej. Wśród badanych jednostek przestrzennych można znaleźć wiele takich przykładów, w których przy porównaniu dwóch obiektów niższej wartości odsetka osób starszych odpowiada wyższa wartość omawianego indeksu i na odwrót, przykładem są gminy Lasowice Wielkie w powiecie kluczborskim (województwo opolskie) i Wielka Nieszawka w powiecie toruńskim (tab. 11). Otóż w gminie Lasowice Wielkie udział osób w wieku 65 lat i więcej wynosił w 2002 r. 12,8%, a wartość arytmetycznego indeksu starości wynosiła 0,038. W gminie Wielka Nieszawka, pomimo że udział osób starszych był o kilka punktów procentowych niższy (9,9%), to omawiany wskaźnik arytmetyczny był wyższy niż w gminie Lasowice Wielkie i wynosił 0,042. Podobnie wyglądała sytuacja z geometrycznym wskaźnikiem starości, który w Lasowicach Wielkich wynosił 0,018, a w Wielkiej Nieszawce 0,027. Czyli pomimo niższego udziału osób starszych w Wielkiej Nieszawce, stan starości demograficznej w tej gminie był wyższy niż w Lasowicach Wielkich, ponieważ było proporcjonalnie więcej osób w najstarszych grupach wieku. W gminie Wielka Nieszawka udziały osób w wieku 85 lat i więcej były prawie trzykrotnie wyższe niż w gminie Lasowice Wielkie, a z kolei udziały osób w wieku 65–69 i 70–74 były tam prawie dwukrotnie mniejsze. W przypadku miast podobną sytuację możemy pokazać na przykładzie Sośnicowic (województwo śląskie), gdzie udział osób w wieku 65 lat i więcej wynosił 11,9% oraz Lubomierza (województwo dolnośląskie), gdzie odsetek ten był niższy i wynosił 9,3% (tab. 11). Zarówno arytmetyczny, jak i geometryczny indeks starości w Sośnicowicach (odpowiednio 0,034 i 0,016) był niższy niż w Lubomierzu (0,039 i 0,023). 68 Tabela 11. Porównanie struktury wieku subpopulacji osób starszych i wskaźnika starości Cyrrusa Chu w 2002 r. (arytmetycznego IS(I) oraz geometrycznego IS(II)) Comparison of the elderly population age structure and ageing index by Cyrrus Chu (arithemtic IS(I) and geometric IS(II)) Nazwa Wskaźnik starości Wiek (%) Rodzaj 65–69 70–74 75–79 80–84 85+ 65+ IS(I) IS(II) Lasowice Wielkie wieś 5,5 4,0 2,0 0,8 0,5 12,8 0,038 0,018 Wielka Nieszawka wieś 2,9 2,5 2,0 1,1 1,4 9,9 0,042 0,027 Sośnicowice miasto 5,8 3,1 2,1 0,3 0,6 11,9 0,034 0,016 Lubomierz miasto 2,2 2,4 2,8 0,9 1,0 9,3 0,039 0,023 Źródło: Dane statystyczne GUS Podsumowując, alternatywny indeks starości Cyrrusa Chu jest czuły na zmiany w obrębie struktury subpopulacji osób starszych; wzrost udziału ludności z młodszego do starszego przedziału wieku powoduje wzrost wartości indeksu, a wzrost ten jest tym większy, im zmiana ta dokonuje się w obrębie przedziałów starszych (ze względu na zróżnicowane wagi). Wymieniony wyżej miernik nie uwzględnia jednak pozostałych grup wieku, a proces starzenia się ludności jest uwarunkowany historycznymi zdarzeniami demograficznymi, na przykład następującymi po sobie falami wyżów i niżów, które przekraczając umownie przyjęty próg starości, mogą w istotny sposób zmienić obraz starości demograficznej. W niniejszej pracy podjęto próbę skonstruowania miernika starości obejmującego wszystkie grupy wieku, a nie tylko osoby starsze czy dzieci. Aby precyzyjnie określić stan zaawansowania starości demograficznej, należy bowiem uwzględnić także sytuację w „środkowych” grupach wieku, a więc na przykład w obrębie lud- ności w wieku produkcyjnym mobilnym (w tym ludność w wieku 20–24 lata, a więc kształcącą się na wyższych uczelniach) oraz niemobilnym. Bardzo ważne jest określenie zasobów siły roboczej i perspektywy zmian pod kątem struktury wieku. Na podstawie wcześniejszych rozważań wydaje się, że najbardziej dokładnym miernikiem byłby tu wskaźnik obliczony jako suma iloczynów udziałów ludności w poszczególnych rocznikach z narastającymi w postępie arytmetycznym bądź geometrycznym wagami. Założeniem tego miernika jest, że im większe udziały ludności w starszych rocznikach, tym wyższa jego wartość i tym samym wyższy poziom starości danej populacji. Skonstruowano zatem syntetyczny wskaźnik struktury wieku ISW, którego wzór przybiera następującą postać (1): 69 I SW 1 Z D 1 ¦ ppZj j D 1 * p j dla α=2, 3 gdzie: j – poszczególne roczniki wieku, n pj –udziały ludności w poszczególnych rocznikach, takie że ∑ p j = 1 , j =1 gdzie n to liczba roczników (przedziałów), ω – maksymalna wartość wagi (w tym wypadku 100). Ponieważ pierwszy rocznik wieku podawany w statystyce to wiek zerowy (obejmujący wiek od zera do 11 miesięcy i 31 dni), j przyjmuje wówczas wartość 1, a wartość 100 dla przedziału 99 lat i więcej. Przy α=1 w każdym przypadku wartość wskaźnika wynosi 1, gdyż jest to suma cząstkowych wskaźników struktury. Dla α=2 wartości udziałów w strukturze mnożone są przez liczby poszczególnych roczników w ciągu arytmetycznym (1, 2, 3 …100), natomiast dla α=3 poszczególne udziały ludności mnożone są przez kwadraty liczb odpowiadającym poszczególnym rocznikom (1, 4, 9…10 000), a więc w ciągu geometrycznym. Im wyższa wartość tego wskaźnika, tym społeczeństwo jest starsze i odwrotnie. Przy α=3 wskaźnik jest bardziej czuły na zmiany w starszych rocznikach, ponieważ mnożnik jest wyższy niż w przypadku α=2. Podzielenie sum iloczynów wagi i udziałów przez maksymalną wartość wagi ω, bądź jej kwadrat, powoduje zmniejszenie rozpiętości wartości wskaźnika do niedomkniętego z lewej strony przedziału (0,1]. Gdyby dane udziały ludności w poszczególnych rocznikach rozkładały się równomiernie (po 0,01), to wartość syntetycznego wskaźnika struktury wieku opartego na wagach arytmetycznych wynosiłaby 0,5, a opartego na wagach geometrycznych 0,33. Z kolei gdyby wziąć hipotetyczną populację, w której żadna z osób nie miałaby ukończonego jednego roku (a więc mieściłyby się w roczniku 0), to wówczas wartość takiego wskaźnika wynosiłaby 1/100 (0,01) dla α=2 oraz 1/10 000 (0,0001) dla α=3. I analogicznie, w hipotetycznej populacji, w której wszystkie osoby mieszczą się w przedziale 99 lat i więcej, wartość wskaźnika byłaby dokładnie równa jedności, zarówno dla α=2 (100*1/100), jak i dla α=3 (10 000*1/10 000). Obliczony w podany wyżej sposób wskaźnik dla miast Polski wynosił w 2002 r. 0,382 dla α=2 oraz 0,190 dla α=3, natomiast dla wsi analogicznie 0,365 oraz 0,183. Wynika z tego, że zarówno w przypadku wskaźnika arytmetycznego, jak i geometrycznego w Polsce struktura wieku ludności miast jest starsza niż struktura wieku ludności wsi. Gdybyśmy wzięli pod uwagę tylko odsetek osób w wieku 65 lat i więcej, to sytuacja byłaby odwrotna (12,2% w miastach oraz 13,5% na wsi). W praktyce, nie zawsze dysponujemy tak dokładnymi danymi struktury wieku ludności obejmującymi poszczególne roczniki, zwłaszcza w przypadku analizy miast i gmin. Ponadto, w przypadku mniejszych zbiorowości, udziały ludności w niektórych rocznikach mogą być równe zeru. W związku z tym do obliczeń syntetycznego wskaźnika struktury wieku można zastosować 5-letnie przedziały. Wówczas j przyjmuje wartości środka danego przedziału, poczynając od 2,5, a dalej 7,5; 12,5; 17,5… Gdy jako ostatni przedział mamy dane dla 85 lat i więcej, 70 to jako górną wartość graniczną ω możemy przyjąć 90. Można również przyjąć przedziały o większej rozpiętości, np. 10-letnie, albo w podziale na ekonomiczne grupy wieku – ważne, by obejmowały one całą strukturę wieku. W niniejszej pracy wzięto pod uwagę 5-letnie przedziały wieku miast i gmin Polski w 2002 r. Wartości syntetycznego wskaźnika struktury wieku obliczone za pomocą wag arytmetycznych wahały się od 0,335 w gminie Luzino (województwo pomorskie) do 0,565 w gminie Kleszczele (województwo podlaskie). Wartości średnie dla Polski przedstawia tabela 12, gdzie ponownie można zauważyć, ujmując rzecz całościowo, że miasta mają starszą strukturę wieku niż wsie, pomimo że odsetek osób starszych jest wśród nich niższy. Najwyższymi wskaźnikami charakteryzowały się gminy położone w województwie podlaskim, a wśród miast najwyższe wartości zanotowano w uzdrowiskach: Szczawnie-Zdroju (0,472), Sopocie (0,471) i Ciechocinku (0,458). Wysokie wartości wskaźników cechowały również największe ośrodki (Łódź 0,459, Warszawa 0,456, Wrocław 0,438, Gdańsk 0,433, Kraków 0,431 i Poznań 0,430). Najniższym poziomem starości mierzonym tym miernikiem charakteryzowały się obszary wiejskie województwa pomorskiego (Kaszuby) i małopolskiego (Karpaty i Pogórze). Wśród miast najniższe wartości zaobserwowano w Łęcznej (0,336), Połańcu (0,354) oraz Redzie (0,357). Układ przestrzenny omawianego wskaźnika był odzwierciedleniem historycznych zaszłości związanych z zasiedlaniem ziem północnych i zachodnich. Obszary o najwyższych wartościach koncentrowały się głównie w województwach: podlaskim, lubelskim, świętokrzyskim, śląskim oraz łódzkim (ryc. 49). Ponadto wysokimi wartościami wskaźnika charakteryzował się obszar Sudetów i Opolszczyzny. Relatywnie młodszą strukturą wieku ludności cechowały się tereny województw: warmińsko-mazurskiego, pomorskiego, kujawsko-pomorskiego, zachodniopomorskiego i wielkopolskiego. Tabela 12. Syntetyczny wskaźnik struktury wieku ISW dla Polski w 2002 r. obliczony dla 5-letnich przedziałów wieku Synthetic ageing index ISW for Poland in 2002 calculated by 5-years age intervals arytmetyczny geometryczny Udział osób w wieku 65+ (%) Ogółem 0,412 0,227 12,7 Miasto 0,419 0,231 12,3 Wieś 0,400 0,222 13,5 Polska Syntetyczny wskaźnik struktury wieku ISW Źródło: Obliczenia własne Podobny układ cechował rozmieszczenie wartości syntetycznego wskaźnika struktury wieku opartego na wagach w ciągu geometrycznym (ryc. 50). Najwyższe wartości zanotowano tu w gminach Kleszczele (0,385), Orla (0,380) i Dubicze Cerkiewne (0,374) – wszystkie na terenie województwa podlaskiego, natomiast naj71 niższe w mieście Łęczna (0,151) oraz gminach Miedźno (0,158) i Luzino (0,164). Miasta bardzo duże na tle innych jednostek w układzie wskaźnika geometrycznego zajmowały niższe pozycje niż w przypadku wskaźnika arytmetycznego (Łódź 0,268, Warszawa 0,266, Wrocław 0,248, Gdańsk 0,243, Kraków 0,242, Poznań 0,241), co świadczy o tym, iż nie miały one tak wysokiego natężenia udziałów w najstarszych grupach wieku, które najbardziej ważyły w końcowej wartości tego wskaźnika. Aby ustalić różnice pomiędzy omawianymi wskaźnikami (arytmetycznym i geo- metrycznym), jak i standardowym wskaźnikiem odsetka osób w wieku 65 lat i więcej sporządzono ranking jednostek dla poszczególnych miar i porównano różnice w obrębie tych trzech wskaźników w ten sposób, że obiektom o najwyższych wartościach (najstarszym) przyporządkowano rangę 1, a obiektom o wartościach najniższych rangę 3046 (wynikającą z liczebności badanych jednostek). Następnie obliczono różnice pomiędzy tymi wskaźnikami (3 kombinacje: arytmetyczny minus geometryczny, arytmetyczny minus 65+ oraz geometryczny minus 65+ dla każdego z obiektów). Największe różnice dodatnie pomiędzy arytmetycznym i geometrycznym wskaźnikiem struktury wieku zaobserwowano wśród obszarów wiejskich. Oznacza to, że w gminach tych poziom starości mierzony wskaźnikiem arytmetycznym był niższy niż poziom mierzony wskaźnikiem geometrycznym, czyli relatywnie większe natężenie udziałów ludności wystąpiło w nich w starszych grupach wieku. Jako przykład można tu podać gminę Trzebieszów (powiat łukowski, województwo lubelskie), która w rankingu wartości wskaźnika arytmetycznego zajmowała 1797 miejsce, a w rankingu wskaźnika geometrycznego awansowała o 603 „oczka” na pozycję 1194 (największy wzrost w rankingu). Z kolei największymi ujemnymi różnicami obliczonymi pomiędzy wartościami obu wskaźników wśród badanych jednostek charakteryzowały się miasta, co oznacza, że poziom starości mierzony wskaźnikiem arytmetycznym był w nich wyższy niż poziom mierzony wskaźnikiem geometrycznym, czyli relatywnie mniejsze natężenie udziałów ludności wystąpiło w nich w starszych grupach wieku. Spowodowane to było zapewne długotrwałymi migracjami ludzi młodych, gdyż były to głównie miasta przemysłowe (np. Lubin pod względem wartości wskaźnika arytmetycznego zajmował pozycję 1521, a w przypadku wskaźnika geometrycznego 2223, a więc wyższą o 702 pozycje). To pozorne odmłodzenie Lubina wynikało stąd, że na tle innych jednostek charakteryzował się mniejszymi udziałami w starszych grupach wieku, które, jak już wspomniano, bardziej kształtują poziom wartości wskaźnika geometrycznego ze względu na mnożenie udziałów ludności przez kwadraty środków przedziałów. Jeszcze większe różnice wystąpiły pomiędzy analizowanymi syntetycznymi wskaźnikami struktury wieku a udziałem osób w wieku 65 lat i więcej; sięgały one nawet 1800 pozycji w rankingu. Różnice te występowały z reguły na niekorzyść miast, które biorąc pod uwagę całościowy obraz struktury wieku były starsze od obszarów wiejskich niż to wynikało z odsetka osób starszych. Ujmując rzecz przestrzennie, największe dodatnie różnice pomiędzy wskaźnikami ISW a odsetkiem 72 osób starszych wystąpiły na obszarach wiejskich Polski środkowej i wschodniej, a największe ujemne różnice zaznaczyły się wokół największych aglomeracji, na Górnym Śląsku oraz w Sudetach. Konkludując, należy stwierdzić, że zaproponowany syntetyczny wskaźnik struktury wieku w dokładny sposób prezentuje natężenie liczby ludności w poszczególnych rocznikach wieku i za pomocą jednej syntetycznej miary określa stan zaawansowania starości demograficznej, mogąc służyć do porównań różnych badanych populacji w tym zakresie. Dotychczas znanym syntetycznym miernikiem struktury wieku ludności była mediana wieku, lecz dzieli ona tylko badaną populację na dwie połowy, określając jej wiek środkowy, jest natomiast nieczuła na zmienne natężenie udziałów w poszczególnych grupach wieku. Wskaźnik syntetyczny dokładnie „waży” każdą grupę wieku, zgodnie z przyjętym kryterium, że im starsza grupa wieku, tym większy mnożnik do przeliczeń. Mimo iż na pierwszy rzut oka wydaje się on dość skomplikowany i czasochłonny w obliczeniach, to obecnie techniki komputerowe pozwalają na bardzo szybkie obliczenie go i dokonanie porównań z innymi jednostkami przestrzennymi. 73 III. CHARAKTERYSTYKA DYNAMIKI PROCESU STARZENIA SIĘ LUDNOŚCI MIAST I GMIN POLSKI Dynamikę procesu starzenia się ludności można rozpatrywać w dwóch aspektach: jako zmiany w strukturze wieku ludności pomiędzy dwoma wybranymi przekrojami czasu albo jako zmiany ciągłe (np. roczne) w strukturze wieku, określające ich trend. Ogólnie rzecz biorąc, im większa dynamika procesu, tym większy wzrost udziału osób starszych oraz spadek udziału ludności młodej. Na dynamikę starzenia się ludności duży wpływ mają historyczne uwarunkowania rozwoju ludności, np. wkraczające w wiek starości liczne roczniki wyżu demograficznego czy mało liczne roczniki urodzone w niżu demograficznym. Główne trendy w zakresie starzenia się populacji przedstawiono dla kraju w układzie miasto–wieś w okresie powojennym, natomiast dynamikę liczoną dla dwóch przekrojów 1988 i 2002 przedstawiono w ujęciu przestrzennym dla miast i gmin. Wykorzystano dwa wskaźniki: jeden obliczony na podstawie biologicznych grup wieku, a drugi obliczony na podstawie ekonomicznych grup wieku. W okresie 1950–2006 liczba ludności w wieku 65 lat i więcej w Polsce ogółem wzrosła z 1314,9 do 5116,5 tys., a więc prawie czterokrotnie (wskaźnik dynamiki wyniósł 389,1). W tym samym czasie liczba ludności ogółem wzrosła tylko 1,5-krotnie (wskaźnik dynamiki 152,3). W miastach liczba osób starszych wzrosła prawie 7krotnie (z 462,2 do 3123,1 tys.), a na wsi ponaddwukrotnie (z 852,8 do 1993,4 tys.), podczas gdy wskaźnik dynamiki dla liczby ludności ogółem wynosił 252,8 dla miast oraz 93,4 na wsi (ubytek rzeczywisty ludności). Z kolei, w badanym okresie międzyspisowym 1988–2002 liczba osób w wieku 65 lat i więcej dla Polski ogółem wzrosła o 1/3, w miastach prawie o połowę, a na wsi o 15%. W tym samym czasie dynamika liczby ludności ogółem nie uległa zasadniczym zmianom, z niewielkim wzrostem ludności miejskiej i minimalnym spadkiem liczby osób mieszkających na wsi (tab. 13). Świadczy to o intensywnym starzeniu się społeczeństwa, zwłaszcza wśród populacji miast. Biorąc pod uwagę roczny przyrost liczby ludności w wieku 65 lat i więcej, należy stwierdzić duże jego wahania zwłaszcza w latach 1950 i 1960. Prawie w całym okresie powojennym większym tempem starzenia się charakteryzowały się miasta (ryc. 51). Generalnie, w latach 60. obserwowano wzrost tempa starzenia się, a od lat 70. spadek, który na początku lat 80. doprowadził do krótkotrwałego odmłodzenia się populacji. Następnie roczna dynamika przyrostu ludności starszej uległa zwiększeniu, po czym w ostatnich latach nastąpiło jej niewielkie osłabienie. 74 Tabela 13. Dynamika przyrostu ludności starszej na tle dynamiki rozwoju ludności ogółem (1988=100) Elderly population dynamics against total population growth (1988=100) Rok Ludność ogółem Ludność w wieku 65 lat i więcej Ogółem Miasto Wieś Ogółem Miasto Wieś 1988 100 100 100 100 100 100 1989 100,3 100,8 99,4 101,8 103,2 100,2 1990 100,5 101,5 98,8 104,4 106,3 102,2 1991 100,7 102,0 98,6 106,2 109,1 102,8 1992 100,8 101,6 99,6 108,1 111,1 104,7 1993 100,9 102,0 99,3 110,2 113,8 106,1 1994 101,0 102,1 99,3 112,6 117,5 106,9 1995 101,1 102,1 99,4 115,4 121,1 108,7 1996 101,1 102,2 99,4 118,3 125,9 109,6 1997 101,1 102,2 99,3 120,4 128,3 111,2 1998 101,0 102,1 99,3 122,7 131,8 112,0 1999 101,0 102,2 99,1 124,5 135,5 111,8 2000 101,0 102,1 99,2 126,8 138,9 112,8 2001 100,9 101,9 99,4 129,1 142,2 113,9 2002 100,9 101,7 99,7 131,3 145,4 115,0 Źródło: Opracowanie własne na podstawie danych GUS Bardziej wygładzony obraz przedstawia wykres rocznej dynamiki starzenia się na podstawie wskaźnika starzenia się demograficznego WSD. Można wyróżnić tu kilka faz (ryc. 52). Na początku lat 50. nastąpił spadek dynamiki starzenia się do poziomu ujemnych wartości wskaźnika (odmładzanie) w związku z powojennym wyżem demograficznym, po czym do końca lat 60. zanotowano gwałtowny wzrost dynamiki tego zjawiska, nakładający się na ówczesny niż demograficzny. Następnie do początku lat 80. zaobserwowano intensywny spadek dynamiki w związku z echem powojennego wyżu. Większymi wartościami wskaźnika WSD cechowały się obszary wiejskie, w wyniku intensywnych migracji młodej ludności do miast. Kolejna faza starzenia się ludności związana jest z przemianami charakterystycznymi dla okresu transformacji społeczno-ekonomicznej i trwa do około 2000 r. Zanotowano w tym czasie postępujący wzrost wartości wskaźnika WSD i przewagę starzenia się w miastach. W ostatnich latach zarejestrowano kolejny spadkowy trend i osłabienie dynamiki starzenia się zwłaszcza w miastach. 75 1. Wskaźnik starzenia się demograficznego WSD Dynamikę procesu starzenia się ludności określono w tym przypadku na podstawie wskaźnika starzenia się demograficznego (WSD), bazującego na punktowych różnicach pomiędzy udziałami ludności młodej i starszej (Długosz, 1998): WSD = [U(0-14)t – U(0-14)t+n] + [U(≥65)t+n – U(≥65)t], gdzie: U(0-14)t – udział ludności w wieku 0–14 lat na początku badanego okresu, U(0-14)t+n – udział ludności w wieku 0–14 lat na końcu badanego okresu, U(≥65)t – udział ludności w wieku 65 lat i więcej na początku badanego okresu, U(≥65)t+n – udział ludności w wieku 65 lat i więcej na końcu badanego okresu. Im wartość tego wskaźnika jest wyższa, tym starzenie się społeczeństwa jest bardziej dynamiczne. Ujemna wartość WSD świadczy o odmładzaniu się populacji. W okresie 1988–2002 prawie wszystkie gminy charakteryzowały się postępem procesu starzenia się ludności. Tylko w trzech badanych jednostkach zanotowano ujemne wartości tego wskaźnika: w mieście Wyśmierzyce w województwie mazowieckim (-2,0), w Czajkowie w województwie wielkopolskim (-1,8) i Brąszewicach w łódzkim (-0,7). Te dwie ostatnie gminy stanowią obszar wiejski i sąsiadują ze sobą. Największą dynamiką starzenia się ludności charakteryzowały się generalnie miasta, głównie małej i średniej wielkości, natomiast większość obszarów wiejskich cechowały względnie niskie wartości WSD. Wyjątek stanowiły tu gminy województwa podlaskiego, a więc te z najwyższym stanem zaawansowania starością demograficzną. Były to: Kleszczele (o wartości WSD 26,2), Orla (21,4), Czyże (21,3) i Dubicze Cerkiewne (19,4). Maksymalną wartość WSD zanotowano w mieście Borne Sulinowo (34,7), co, jak już wspominano, było związane z faktem opuszczenia go przez stacjonujące tu wojska radzieckie i zasiedlenia ludnością cywilną. Z pozostałych miast największą dynamikę tego zjawiska zaobserwowano w Nowej Sarzynie (województwo podkarpackie 21,1), Ożarowie (województwo świętokrzyskie, 20,1), Żorach (województwo śląskie 20,1) oraz Jelczu-Laskowicach (województwo dolnośląskie) i Ustrzykach Dolnych (województwo podkarpackie) – po 19,5. Jeśli chodzi o największe aglomeracje, to we Wrocławiu wartość WSD wynosiła 14,2, w Szczecinie 13,4, w Gdańsku 12,6, w Warszawie 11,6, w Krakowie 11,2, w Poznaniu 10,8 i w Łodzi 10,4. W ujęciu przestrzennym największym postępem procesu starzenia się ludności charakteryzowały się obszary Polski północnej (województwo warmińsko-mazurskie), północno-zachodniej (zachodniopomorskie), południowo-zachodniej (dolnośląskie, opolskie i śląskie) oraz wzdłuż wschodniej granicy państwa (ryc. 53). z wyjątkiem regionu Podlasia były to tereny uważane do tej pory za młodsze demograficznie. Skłania to do wysunięcia przypuszczenia, iż w niedługim czasie różnice pomiędzy ziemiami zachodnimi a środkowo-wschodnimi zniwelują się, a biegunami wzrostu zjawiska starzenia się ludności będą ośrodki miejskie. 76 2. Wskaźnika starzenia się ekonomicznego WSE Aby syntetycznie ująć proces starzenia się ludności w kategoriach ekonomicznych grup wieku, zaproponowano wskaźnik starzenia się ekonomicznego (WSE) w oparciu o punktowe zmiany w ekonomicznych grupach wieku: WSE = [P(m)t – P(m)t+n] + [P(pm)t – P(pm)t+n] + [P(ps)t+n – P(ps)t] + [P(s)t+n – P(s)t] gdzie: P(m) – udział ludności w wieku przedprodukcyjnym na początku (t) i na końcu (t+n) badanego okresu, P(pm) –udział ludności w wieku produkcyjnym mobilnym na początku (t) i na końcu (t+n) badanego okresu, P(ps) – udział ludności w wieku produkcyjnym niemobilnym na początku (t) i na końcu (t+n) badanego okresu, P(s) – udział ludności w wieku poprodukcyjnym na początku (t) i na końcu (t+n) badanego okresu. Konstrukcja tego wskaźnika opiera się na założeniu, iż wzrost udziału ludności w wieku przedprodukcyjnym i produkcyjnym mobilnym prowadzi do odmłodzenia społeczeństwa, natomiast wzrost odsetka osób w wieku produkcyjnym niemobilnym oraz poprodukcyjnym prowadzi do starzenia się populacji. Wartości tego wskaźnika mogą teoretycznie mieścić się w przedziale od -200 do +200. Ekstrema te są możliwe jedynie w teoretycznym układzie, gdy cała populacja w pierwszym badanym przekroju czasu mieści się w przedziale wieku przedprodukcyjnego lub produkcyjnego mobilnego, a w drugim w całości reprezentuje wiek produkcyjny niemobilny lub poprodukcyjny. Dodatnie jego wartości świadczą o starzeniu się społeczeństwa, zaś ujemne o jego odmładzaniu. W okresie 1988–2002 ponad 90% badanych jednostek charakteryzowało się dodatnimi wartościami wskaźnika, a jego rozkład mieścił się w przedziale od -8,9 (gmina Czajków w województwie wielkopolskim) do 68,4 (miasto Borne Sulinowo w zachodniopomorskim). Największą dynamiką procesu starzenia się ludności charakteryzowały się miasta. Były to głównie ośrodki, które intensywnie rozwijały się w latach 80., co było związane z rozbudową przemysłu, głównie ciężkiego i wydobywczego (np. Kozienice – o wartości wskaźnika 40,5, Żory 38,5, Głogów 38,4, Lubin 38,2, Bełchatów 29,4). Młoda ludność napływowa, która tam wówczas przybyła w związku z oferowanymi miejscami pracy, uległa postarzeniu, co w wyniku zahamowania migracji w latach 90. przyczyniło się do intensywnego starzenia całej populacji. Biorąc pod uwagę kategorie wielkościowe miast, wyższa dynamika starzenia się wystąpiła w miastach średnich (o liczbie ludności od 20 do 100 tysięcy mieszkańców), a następnie miastach dużych, ponad 100-tysięcznych (np. w Gdańsku wartość WSE 20,5, w Szczecinie 20,4, we Wrocławiu 19,4, w Warszawie 14,9). Oprócz miast, stanowiących izolowane wyspy dynamicznego starzenia się na tle obszarów relatywnie młod77 szych, wysokimi wartościami WSE charakteryzowały się tereny Polski północnej, zachodniej, południowo-zachodniej oraz Górnego Śląska. Największe odmładzanie się populacji zanotowano w niektórych gminach na Podlasiu, mimo ciągle wysokiego stanu zaawansowania starości, np. Krypno (-8,0), Dziadkowice (-7,6), Milejczyce (-7,5). Ich relatywne odmładzanie wynikało ze zmniejszenia udziałów w grupie wieku produkcyjnego niemobilnego, mimo wzrostu odsetka ludności w wieku poprodukcyjnym. Wśród odmładzających się jednostek dominowały tereny wiejskie (na 269 zanotowano tylko 12 miast, a ich liczba ludności, z wyjątkiem Wejherowa, Pucka i Ząbek, nie przekraczała 5 tysięcy). W układzie przestrzennym jednostki o ujemnych wartościach wskaźnika WSE koncentrowały się w północno-wschodniej i wschodniej części kraju (ryc. 54). Przedstawiona dynamika procesu starzenia się ludności biorąca pod uwagę różne parametry struktury wieku ukazała duże zróżnicowanie badanego zjawiska, zarówno w podziale miasto–wieś, jak i w układach regionalnych. Wykazano, że proces starzenia się ludności nie tylko uwidacznia się we wzroście odsetka ludzi starszych oraz zmniejszaniu udziału dzieci i młodzieży, ale także w zmianach w grupie wieku produkcyjnego polegających na przesunięciach ludności do grupy wieku niemobilnego. Zaproponowany wskaźnik starzenia się ekonomicznego WSE pozwolił na przedstawienie w syntetyczny sposób zmian w strukturze wieku ludności, ze szczególnym uwzględnieniem ludności produkcyjnej. Uwidocznił on bardziej dynamiczne starzenie się ludności Polski północno-zachodniej, Dolnego Śląska oraz miast i aglomeracji przemysłowych. Zaobserwowano natomiast zahamowanie procesu starzenia się w Polsce północno-wschodniej, a więc na terenach o bardziej zaawansowanym stopniu starości, związane m.in. ze zmniejszeniem odsetka ludności produkcyjnej niemobilnej. Przyczyn takiego stanu rzeczy należy upatrywać z jednej strony w gwałtownym spadku urodzeń (zwłaszcza w miastach), a z drugiej w zmianie tradycyjnych kierunków migracji. Należy wnosić, iż w najbliższych latach na rozmieszczenie ludności według ekonomicznych grup wieku w skali lokalnej, po ustabilizowaniu się liczby urodzeń, wpływ będą miały nadal migracje, w tym nasilająca się emigracja zagraniczna, która w największym stopniu dotyczy ludzi młodych. 78 IV. PROGNOZA STARZENIA SIĘ LUDNOŚCI DO ROKU 2030 We współczesnych społeczeństwach bardzo ważne jest sporządzanie prognoz demograficznych dla potrzeb planowania przestrzennego, polityki regionalnej, społecznej lub ludnościowej. Dane dotyczące stanu liczebnego oraz struktur ludności według płci, wieku i rozmieszczenia terytorialnego stanowią ważne źródło informacji niezbędne do ustalania przyszłych zasobów siły roboczej, możliwości i rozmieszczenia inwestycji, planowania budownictwa mieszkaniowego, transportu, szkolnictwa, służby zdrowia, opieki społecznej i wszelkiego rodzaju usług. Jak już wspomniano wcześniej, wraz z rozwojem społeczności lokalnych nastąpił wzrost zapotrzebowania na informacje dla niewielkich obszarów, jak gminy, miasta czy jednostki urbanistyczne większych aglomeracji (por. Jagielski, 1995; Grochowski, Kowalczyk, 1999; Parysek, 1999, 2004; Dehnel, 2003; Parysek, Stryjakiewicz, 2004; Paradysz, 2005a). Do najważniejszych czynników określających stopień dokładności prognozy należą: jakość danych wyjściowych, właściwe określenie przyszłych kierunków zmian w podstawowych procesach demograficznych oraz wybór metody obliczeń (Holzer, 2003). Poprawne ustalenie danych wyjściowych ludności według płci, wieku oraz charakteru zamieszkania (miasto, wieś) jest niezwykle istotne, gdyż od niego zależy poprawność wyników końcowych prognozy. Definicja Głównego Urzędu Statystycznego dotycząca ludności faktycznie zamieszkałej nie obejmuje ludności przebywającej za granicą ani osób przybyłych z zagranicy na pobyt czasowy (GUS, 2003). Kupiszewski i Bijak (2006) postulują, aby jako dane wyjściowe do prognoz demograficznych uwzględniać kategorię ludności rezydującej, która obejmuje stałych mieszkańców, z wyjątkiem osób przebywających poza miejscem zamieszkania przez okres co najmniej 12 miesięcy – bez względu na ich miejsce przebywania (w kraju czy za granicą) oraz osoby przebywające czasowo przez okres co najmniej 12 miesięcy, przybyłe z innego miejsca w kraju lub z zagranicy (cudzoziemcy). Do najtrudniejszych zadań przy budowaniu prognozy należy określenie właściwego kierunku przyszłych zmian zdarzeń demograficznych (urodzeń, zgonów i migracji). Sporządzanie prognozy w układach przestrzennych wymaga założenia regionalnego zróżnicowania procesów demograficznych. Prognoza ludności opracowana przez GUS (2004) w układzie powiatów jest oparta na założeniach przygotowanych dla całego kraju, nie zaś dla poszczególnych regionów (Kupiszewski i in., 2003). Na problemy związane z prognozowaniem demograficznym ma79 łych populacji zwrócili uwagę Górecka i Puchała (1995). Według nich, aby stworzyć prawidłową prognozę należy dysponować taką ilością danych wyjściowych, aby pozwalały one na podejmowanie operacji statystycznych zgodnie z zasadami wnioskowania probabilistycznego, umożliwiając wiarygodne szacunki przyszłych parametrów demograficznych przy minimalizacji wielkości błędów oceny. Liczebność badanej populacji musi być na tyle liczna, aby były reprezentowane wszystkie roczniki struktury wiekowej według płci, zaś roczne sumy urodzeń i zgonów winny pozwalać na ustalenie wyraźnych trendów rozwojowych oraz eliminację odchyleń losowych. Najczęściej stosowaną metodą prognozowania jest metoda kohortowo-składnikowa (component-cohort method), polegająca na prognozowaniu osobno kolejnych składników przewidywanej płodności, umieralności oraz natężenia ruchów migracyjnych (Cieślak, 1992; Plane i Rogerson, 1994; Holzer, 2003). Procedura obliczeń tej metody obejmuje kolejno: ustalenie wyjściowych struktur ludności według płci, wieku i rozmieszczenia terytorialnego, określenie i uwzględnienie przyszłych ruchów migracyjnych, postarzanie ludności, przewidywanie przyszłej liczby urodzeń oraz ustalanie wynikowych współczynników demograficznych (Holzer, 2003). Prognoza ludności GUS na lata 2003–2030, oparta na wynikach Narodowego Spisu Powszechnego z 2002 r., sporządzona została w układzie terytorialnym dla Polski ogółem, dla województw, podregionów i powiatów. Nie uwzględnia jednak ona przewidywanych stanów i struktur ludności na poziomie gminnym, w którym to układzie prezentowana jest niniejsza analiza poziomu starości i dynamiki starzenia się. W związku z tym, aby umożliwić porównanie stanu starości demograficznej z 2002 r. z perspektywami dla roku 2030 i jednocześnie określić przyszłe tendencje w zakresie dynamiki starzenia się ludności w szczegółowym ujęciu przestrzennym, sporządzono własną prognozę liczby ludności faktycznie zamieszkałej, według płci i wieku, przyjmując jako struktury wyjściowe ludność według 5-letnich grup wieku w 2005 r. Wybór kategorii ludności stanowiący podstawę prognozy był podyktowany dostępnością danych statystycznych, które uzyskano z Banku Danych Regionalnych GUS. Jako metodę obliczeń zastosowano analizę kohortowo-składnikową, postarzając liczbę ludności co 5 lat. Przyjęcie jako danych wyjściowych roku 2005, a nie 2002, jak zrobił to GUS, spowodowane było dostępnością danych rzeczywistych (niecelowe było opieranie się na danych z roku 2002, skoro można było uzyskać dane z 2005 r. na podstawie szacunków z Banku Danych Regionalnych), a ponadto przyjęciem metody postarzania liczby ludności co 5 lat w związku z 5-letnimi przedziałami wieku, co umożliwiło zakończenie prognozy na roku 2030. Podstawowym celem opracowania tej prognozy było określenie przestrzennego zróżnicowania osób starszych (w wieku 65 lat i więcej), a więc kategorii osób, które już się narodziły. Jednak, dla obliczenia udziałów procentowych oraz mierników starości demograficznej opartych na relacjach pomiędzy liczbą osób starszych i młodszych, niezbędne było dokładne oszacowanie ludności we wszystkich grupach wieku, włącznie z przewidywanymi urodzeniami. W związku z tym przyjęto następujące założenia prognozy: 80 1. Poziom płodności ulegnie nieznacznemu zwiększeniu, związanemu początkowo z faktem, iż w wiek reprodukcyjny wchodzą już liczne roczniki urodzone w czasie echa wyżu początku lat 80., a następnie z zakończeniem procesu odkła- dania pierwszych urodzin oraz z przewidywanym wprowadzaniem aktywnej polityki prorodzinnej (wydłużaniem urlopów macierzyńskich, rozwiązań w zakresie godzenia pracy zawodowej matki z wychowaniem dziecka, np. różne formy telepracy czy pracy w zmniejszonym wymiarze, a także z wprowadzaniem różnego rodzaju korzyści czy ulg dla pracodawców zatrudniających kobiety po urlopach macierzyńskich lub wychowawczych). Ponadto na przewidywany wzrost płodności duży wpływ może mieć kontynuacja wzrostu gospodarczego, zmniejszenie bezrobocia czy rozwój budownictwa mieszkaniowego. W latach 2003–2007 za- obserwowano wzrost liczby urodzeń, co może stanowić podstawę do przypuszczeń o kontynuacji tego trendu. Z kolei zjawisko odkładania urodzeń i wzrost przeciętnego wieku macierzyństwa (postponement of first births) może być częściową przyczyną bardzo niskiego poziomu płodności (lowest-low fertility). Po zakończeniu procesu zmiany kalendarza urodzeń wskaźnik płodności może ulec zwiększeniu i wrócić do poziomu wcześniejszego (Sobotka, 2004). W Polsce w okresie transformacji gospodarczej zaobserwowano przesunięcie najwyższej płodności kobiet z grupy wieku 20–24 lata do grupy 25–29 lat (GUS, 2007a). Jest to związane z wyborem ludzi młodych, którzy decydują się najpierw na osiągnięcie określonego poziomu wykształcenia i stabilizacji ekonomicznej, a dopiero później na zakładanie rodziny i posiadanie potomstwa. Do obliczeń przyjęto wskaźniki płodności według wieku w układzie powiatów (z podziałem na miasto i wieś) i przyporządkowano je do poszczególnych miast i gmin, gdyż metodologia nie pozwala na obliczenie wskaźników płodności dla tak małych jednostek. Jako docelową płodność przyjęto wartość współczynnika dzietności 1,5, obliczając proporcjonalny wzrost wskaźników dla poszczególnych badanych jednostek. Obecnie kraje Europy Zachodniej, w których zakończony został proces przejścia demograficznego z wysokiej do niskiej rozrodczości i umieralności, posiadają wyższe współczynniki dzietności (np. Francja 1,9), należy zatem przypuszczać, iż Polska będzie podążać podobnym śladem w zakresie przemian poziomu płodności. Wartość współczynnika poziomu dzietności na poziomie 1,5 w 2030 r. jest zgodna z prognozami ONZ, Eurostatu, a także U.S. Bureau of Census. Wartości te są bardziej optymistyczne niż przyjęte w założeniach prognozy GUS (1,1 do 1,2) Podobnie, Kupiszewski i Bijak (2007) zakładają w swoich badaniach, iż poziom dzietności w Polsce przyjmie wartość wyższą niż prognozowana przez GUS. 2. W zakresie umieralności przyjęto docelowo wskaźniki prawdopodobieństwa przeżycia, jakie obecnie kształtują się we Francji. Podobne założenia przyjął Paradysz w opracowywaniu prognozy dla miasta Poznania (2005a, b). W związku z prawdopodobną kontynuacją wzrostu gospodarczego i poprawienia się poziomu życia, średnia długość życia mężczyzn i kobiet będzie również wzrastać i zmniejszą się dysproporcje pomiędzy mężczyznami a kobietami w tym zakresie. Ze względu na małe zróżnicowanie wskaźników przeżycia, do obliczeń przyjęto wartości na 81 poziomie województw (z podziałem na miasto i wieś), przyporządkowując je do poszczególnych miast i gmin, obliczając ich proporcjonalny wzrost do poziomu aktualnie występującego we Francji. 3. W zakresie migracji przyjęto średni poziom migracji ogółem (wewnętrznych i zagranicznych) według oficjalnych statystyk GUS za lata 2003–2005 w układzie gminnym, zdając sobie sprawę, że te dane mogą odbiegać od rzeczywistości. Niemniej jednak, dane faktyczne, pomimo szacunków, że w latach 2004–2006 z Polski mogło wyjechać od 0,5 do nawet 2 mln Polaków, nie są dostępne dla Polski ogółem, nie mówiąc już o układach regionalnych czy lokalnych, a właśnie określenie zróżnicowania przestrzennego poziomu i dynamiki starzenia się w przyszłości było celem tej prognozy. Ponadto przyjęto, że wraz z poprawą ogólnej sytuacji społeczno-ekonomicznej Polski i zmniejszaniem dystansów płacowych do innych krajów Unii Europejskiej, poziom emigracji zagranicznej zacznie spadać, a część osób, która wyjechała, po kilku latach zacznie wracać do kraju, rozpoczynając proces migracji powrotnych (returned migration). Dlatego też zdecydowano się przyjąć wartości migracji uzyskane od GUS i obliczono wskaźniki salda migracji według 5-letnich grup wieku i według płci. Według tej prognozy liczba ludności Polski (obliczona jako suma z wartości uzyskanych dla miast i gmin) w okresie 2005–2030 zmniejszy się o 2,4% (z 38,2 do 37,2 mln). W układzie miasto–wieś dalszy rozwój procesów suburbanizacyjnych i przewaga migracji z miast na wieś doprowadzi do spadku liczby i udziału ludności miejskiej z 23,4 do 21,2 mln (z 61,4 do 57,1% w stosunku do ogółu populacji), natomiast liczba ludności wiejskiej wzrośnie z 14,7 do 16,0 mln, a jej udział zwiększy się z 38,6 do 42,9% (ryc. 55). Postępujący proces starzenia się ludności spowoduje spadek udziału dzieci w wieku 0–14 lat (z 16,2 do 13,7%) oraz wzrost odsetka ludności w wieku 65 lat i więcej (z 13,3 do 23,2%). W podziale na ludność miejską i wiejską charakterystyczny będzie szybszy wzrost udziału ludności starszej w miastach, co już w 2010 r. doprowadzi do większego poziomu starości wśród tej pierwszej kate- gorii (ryc. 56). W okresie 2005–2030 indeks starości demograficznej dla Polski ogółem wzrośnie z 82,0 do 169,0, czyli zaznaczy się przewaga liczebna osób starszych (65+) nad dziećmi (0–14 lat). Wyższe wartości tego indeksu będą obserwowane w miastach, gdzie udział osób starszych będzie ponad 2-krotnie przewyższał udział dzieci (ryc. 57). Wskaźnik starzenia się demograficznego WSD wyniesie 12,4 dla Polski ogółem, ale wyższy będzie w miastach niż na wsi. Porównując zagregowane wartości liczbowe i wskaźniki demograficzne niniejszych wyliczeń z prognozą GUS, można stwierdzić, że wyniki te są bardziej optymistyczne (prognozowana liczba ludności Polski w 2030 r. jest większa o 1,5 mln od prognozy GUS). Różnica ta wynika z przyjęcia bardziej optymistycznych założeń co do poziomu dzietności (według założeń GUS należy się liczyć ze spadkiem współczynnika dzietności do około 1,1 w 2010 r., a następnie można oczekiwać niewielkiego wzrostu do 1,2; w niniejszym opracowaniu przyjęto wzrost współ82 czynnika dzietności do 1,5). Głównymi przesłankami, które skłoniły Autora do przyjęcia takiego założenia, był obserwowany w ostatnich latach wzrost liczby urodzeń (z 351 do 388 tys. w okresie 2003–2007), wzrost współczynnika dzietności z 1,2 do 1,3 oraz korzystna koniunktura gospodarcza w związku z wejściem Polski do Unii Europejskiej. Prognozowane zmiany liczby i udziału ludności według wieku do roku 2030 przedstawiają tabele 14 i 15. W układzie przestrzennym, według niniejszej prognozy, w 2030 r. w dwóch gminach powiatu hajnowskiego udział ludności w wieku 65 lat i więcej przekroczy 40% (Kleszczele – 40,3%; Czyże – 40,0%). Wysokie wartości zanotowano również w innych gminach województwa podlaskiego, natomiast wśród miast najwyższym odsetkiem tej grupy ludności charakteryzowały się Lipsko i Kozienice w województwie mazowieckim (odpowiednio 36,2 i 33,9%). Należy jednak stwierdzić, że w przedziale 30–40% udziału ludności starszej dominować będą miasta, o różnych funkcjach i różnej wielkości. Znajdą się tu zarówno miasta uzdrowiskowe (Ciechocinek, Połczyn-Zdrój, Ustka, Lądek-Zdrój, Międzyzdroje, Sopot, SzczawnoZdrój, Duszniki-Zdrój, Polanica-Zdrój), jak i małe miasta (Wąchock, Kleszczele, Kazimierza Wielka, Mirosławiec), miasta średnie o dominującej funkcji przemysłowej (Ostrowiec Świętokrzyski, Skarżysko-Kamienna, Starachowice), a z miast dużych, powyżej 100-tysięcznych, Jelenia Góra oraz Sosnowiec. Największe ośrodki miejskie (z wyjątkiem Łodzi 28,1%) będą reprezentować wartości na poziomie zbliżonym do średniej krajowej (Warszawa 22,8%, Kraków 22,5%, Gdańsk 24,4%, Poznań 23,5%, Wrocław 23,8%). Najniższe wartości odsetka ludności starszej zaobserwowano w gminach powiatu wejherowskiego (Linia 13,1%, Luzino 13,5%) oraz limanowskiego (Słopnice 13,5%), nowosądeckiego (Łabowa 14,1%) i kartuskiego (Sierakowice 14,2%). Wśród miast najniższym odsetkiem ludności w wieku 65 lat i więcej będą cechować się ośrodki położone w aglomeracji stołecznej (Ząbki 15,8%, Piaseczno 16,5% oraz Marki 17,2%). Generalizując, obszary o najwyższych odsetkach ludności starszej będą się koncentrować wzdłuż tzw. ściany wschodniej (przygraniczne tereny województwa podlaskiego i lubelskiego), we wschodniej części województwa mazowieckiego, północnej części łódzkiego, w obrębie GOP, w południowej części województwa opolskiego oraz w Sudetach. Z kolei relatywnie niskim poziomem starości pod względem udziału ludności w wieku 65 lat i więcej charakteryzować się będą tereny południowej Małopolski, północnej części województwa podkarpackiego, obszary Kaszub, środkowo-zachodniej części województwa wielkopolskiego (w tym strefy podmiejskiej Poznania) oraz tereny wokół innych wielkich aglomeracji (warszawskiej, bydgosko-toruńskiej, trójmiejskiej, wrocławskiej, lubelskiej). Porównując rozkład przestrzenny tego wskaźnika z rokiem 2002, łatwo zauważyć istotne zmiany w koncentracji obszarów o wysokim i niskim poziomie starości. Tradycyjny obraz demograficzny młodej Polski pół- nocno-zachodniej i starej środkowo-wschodniej ulegnie rozczłonkowaniu ze względu na, z jednej strony, wzrost poziomu starości na Górnym Śląsku, Opolszczyźnie i w Sudetach oraz – w pewnym sensie – na północno-zachodnim wybrzeżu, a z drugiej – relatywne jego zmniejszenie w Wielkopolsce, na Podkarpaciu 83 Tabela 14. Prognoza liczby ludności Polski The projection of population number Lata Ogółem 0–4 5–9 10–14 15–19 20–24 25–29 30–34 35–39 Ogółem 2005 38157055 1780631 1982614 2425930 2869283 3316027 3108329 2754543 2381574 2010 38179359 1912129 1782770 1980864 2421472 2849559 3291788 3088449 2733945 2015 38179736 1962935 1915261 1782217 1979263 2410295 2825132 3263699 3071659 2020 38039598 1865668 1968149 1914836 1781045 1972180 2391676 2788530 3244612 2025 37711818 1688453 1872896 1969662 1913348 1774790 1960326 2360097 2772522 2030 37234898 1540234 1697806 1876959 1969931 1906636 1767355 1941588 2351104 Miasto 2005 23423740 1012004 1073964 1311310 1663997 2055323 1994188 1730187 1434760 2010 23215422 1114303 1006744 1061330 1291785 1627551 2037121 2001283 1710599 2015 22948935 1112870 1109212 995739 1046034 1264008 1608444 2040593 1982405 2020 22530133 1007164 1108466 1097351 981919 1024130 1249714 1601569 2019398 2025 21945069 867217 1003696 1097052 1082247 962076 1014155 1245077 1582145 2030 21247852 770987 864917 993860 1082210 1060904 955044 1013894 1231241 Wieś 2005 14733315 768627 908650 1114620 1205286 1260704 1114141 1024356 946814 2010 14963937 797826 776026 919535 1129687 1222008 1254667 1087166 1023346 2015 15230801 850065 806049 786478 933229 1146287 1216688 1223106 1089254 2020 15509464 858504 859684 817485 799126 948050 1141962 1186961 1225214 2025 15766749 821236 869200 872610 831102 812713 946171 1115020 1190377 2030 15987046 769247 832889 883100 887721 845732 812311 Źródło: Obliczenia własne 84 927695 1119863 według wieku do roku 2030 in Poland by age to the year 2030 40–44 45–49 50–54 55–59 60–64 65–69 70–74 75–79 80–84 85+ 2495806 3008379 2990847 2483272 1483997 1541930 1394241 1108817 676796 354039 2351921 2444019 2918386 2864513 2336688 1362548 1360979 1147727 805242 526361 2704554 2309322 2381301 2811201 2713261 2161874 1215576 1138279 853091 680815 3040913 2659739 2257761 2307812 2682343 2531707 1948525 1032267 866439 785395 3215879 2992955 2605902 2198768 2218781 2524972 2306444 1678638 803668 853717 2756470 3171827 2937047 2546696 2128002 2107379 2324967 2016344 1335211 859341 1505168 1919294 1996779 1673208 975253 975557 854682 651630 391326 205110 1397165 1449975 1833764 1884562 1555880 889467 861150 705822 476554 310366 1668596 1348131 1388418 1737429 1763108 1430743 793276 722542 527874 409512 1935651 1612880 1293864 1320298 1634881 1634979 1289889 675445 553219 489316 1972043 1873488 1551617 1234702 1249197 1528195 1490144 1114941 528554 548523 1546350 1910499 1806313 1485999 1174348 1176536 1407373 1307700 891853 567823 990638 1089085 994068 954755 810064 508744 566373 539559 457187 285470 148929 994044 1084622 979951 780808 473081 499829 441905 328689 215994 992883 1073772 950154 731132 422300 415736 325217 271303 987515 1047462 896728 658636 356822 313220 296080 1035958 961191 1105262 1046859 963897 1243837 1119467 1054285 964065 969584 996776 816300 563697 275114 305194 1210120 1261327 1130734 1060696 953655 930843 917594 708643 443359 291518 85 86 60,1 59,2 58,2 57,1 38,6 39,2 39,9 40,8 41,8 42,9 2020 2025 2030 2005 2010 2015 2020 2025 2030 4,8 5,2 5,5 5,6 5,3 2,0 3,6 4,0 4,5 4,8 5,2 5,5 5,5 5,3 5,2 2,4 4,1 4,6 4,9 4,8 4,3 2,8 5,5 5,5 5,3 5,2 6,1 2,9 4,7 5,0 4,9 4,3 4,6 3,4 5,6 5,3 5,2 6,1 7,5 3,2 5,1 4,9 4,4 4,6 5,6 4,4 5,3 5,2 6,1 7,5 8,2 3,3 5,0 4,4 4,5 5,5 7,0 5,4 5,1 6,0 7,4 8,0 8,4 2,9 4,5 4,6 5,5 7,0 8,8 5,2 4,7 5,2 5,8 7,1 7,7 8,0 7,3 2,7 4,8 5,7 7,1 8,9 8,6 4,5 5,2 6,3 7,0 7,5 7,9 7,2 6,8 2,5 5,8 7,2 9,0 8,6 7,4 3,8 6,3 7,4 7,9 7,6 7,9 7,1 6,8 6,4 7,3 Wieś 2,6 9,0 8,6 7,3 6,0 7,9 7,1 6,7 6,3 6,6 2,9 9,0 8,5 7,2 5,9 6,2 7,4 8,5 Miasto 3,9 5,0 8,5 7,0 6,0 7,1 6,7 6,2 6,5 7,2 2,6 8,5 7,1 5,7 6,1 7,9 5,2 7,9 6,9 5,9 6,2 6,6 6,1 6,4 7,1 6,5 2,1 7,0 5,6 5,9 7,6 8,1 4,4 6,8 5,8 6,1 7,4 6,0 6,1 6,8 6,2 5,2 1,3 5,5 5,7 7,3 7,7 6,7 2,6 5,7 5,9 7,1 7,1 5,8 6,3 5,8 4,8 3,2 1,5 5,5 7,0 7,3 6,2 3,8 2,6 5,7 6,7 6,7 5,7 5,7 5,2 4,2 2,8 3,3 1,4 6,6 6,8 5,7 3,5 3,7 2,2 6,2 6,1 5,1 3,2 4,4 3,6 2,3 2,7 3,0 1,2 6,2 5,1 3,0 3,1 3,0 1,7 5,4 4,5 2,7 3,0 2,8 1,7 2,0 2,1 2,2 0,7 4,2 2,4 2,5 2,3 2,1 1,0 3,6 2,1 2,3 2,2 2,1 2015 4,8 2,7 5,1 4,7 8,0 7,1 3,0 60,8 5,3 5,1 8,5 8,0 3,6 61,4 5,0 5,2 7,3 8,5 3,6 2010 4,6 5,0 6,3 7,4 6,1 2005 4,1 4,5 5,2 6,3 7,5 100,0 4,7 5,2 7,6 100,0 5,0 4,7 6,4 2030 5,2 5,0 6,2 2025 4,9 5,1 7,2 100,0 8,1 100,0 8,6 2020 7,5 2015 5,0 6,3 100,0 2010 5,2 4,7 100,0 2005 4,7 5–9 10–14 15–19 20–24 25–29 30–34 35–39 40–44 45–49 50–54 55–59 60–64 65–69 70–74 75–79 80–84 Ogółem 5,2 6,4 7,5 8,7 8,1 7,2 6,2 6,5 7,9 7,8 6,5 3,9 4,0 3,7 2,9 1,8 Lata Ogółem 0–4 The projection of the share of population in Poland by age to the year 2030 (in % Źródło: Obliczenia własne Tabela 15. Prognoza udziałów ludności Polski według wieku do roku 2030 (w %) 1,8 1,9 1,9 1,8 1,4 0,4 2,7 2,5 2,2 1,8 1,3 0,5 2,3 2,3 2,1 1,8 1,4 0,9 85+ i na obrzeżach wielkich miast (ryc. 58). Przyczyni się do tego zapewne dalszy rozwój procesów suburbanizacyjnych i wzrost gospodarczy pewnych regionów i ich centrów, a także kontynuacja tradycyjnych wartości wysokiej płodności na obszarze Kaszub i południowej Małopolski. Pod względem indeksu starości demograficznej najwyższe wartości zanoto- wano w tych samych gminach na Podlasiu, gdzie liczba osób starszych będzie cztero-, a nawet blisko pięciokrotnie przekraczać liczbę dzieci (Kleszczele 476, Dubicze Cerkiewne 414 oraz Czyże 398). Wysokimi wartościami tego indeksu będą w 2030 r. charakteryzować się także miasta, podobnie jak w przypadku od- setka osób starszych, zróżnicowane pod względem wielkościowym i funkcjonalnym (np. Lipsko 354, Kazimierza Wielka 358, Skalbmierz 356, Pińczów 354, Sosnowiec 336, Szczawno-Zdrój 331, Skarżysko-Kamienna 317 czy Sopot 308). Wydaje się, że decydujące znaczenie będzie mieć ich rozmieszczenie regionalne. Największe obszary metropolitarne będą charakteryzować się relatywnie niższym stanem zaawansowania starości demograficznej na tle pozostałych miast (z wyjątkiem Łodzi 274), a ich wartości indeksu będą niewiele wyższe od średniej dla całego kraju (Wrocław 220, Gdańsk 198, Poznań 197, Warszawa 193, Kraków 188). Będzie to związane z ich atrakcyjnością pod względem ofert pracy i ośrodków edukacji. Młodzi ludzie będą nadal migrować do tych ośrodków, aby rozpocząć naukę na studiach, mając potem perspektywę na karierę zawodową i lepszy start życiowy. Natomiast zjawisko suburbanizacji i migracji z miast na wieś będzie dotyczyć osób w średnim wieku, o dobrej sytuacji materialnej oraz osób starszych, wśród których obserwuje się już wzrost udziału w migracjach ogółem (Kurek, 2006c). Ponad 95% badanych jednostek będzie się charakteryzować przewagą liczebną osób starszych nad dziećmi, w tym niemalże wszystkie miasta. Najniższe wartości indeksów wystąpią w gminach powiatu wejherowskiego (Linia 59,0), limanowskiego (Słopnice 60) oraz nowosądeckiego (Łabowa 64) i kartuskiego (Sierakowice 65). Wśród miast, najniższe wartości odnotują ośrodki położone w województwie mazowieckim: Pilawa (98), Piaseczno (101), Ząbki (106), Żelechów (107). W układzie przestrzennym rozkładu wartości tego wskaźnika wystąpi wyraźniejsza polaryzacja między obszarami zaawansowanymi pod względem starości a obszarami relatywnie młodszymi. Największą koncentracją jednostek o wysokich indeksach będą się charakteryzować tereny Podlasia, północnej części ziemi łódzkiej, Górnego Śląska, Opolszczyzny i Sudetów. Zwraca uwagę również dość wysoki poziom starości na Pomorzu Zachodnim i Pojezierzu Lubuskim, a więc na obszarach uznawanych do tej pory za młode demograficznie. Z kolei niskie wartości indeksów koncentrować się będą na Kaszubach, Kujawach, Warmii i Mazurach, środkowo-zachodniej Wielkopolsce, Polesiu Lubelskim i południowej Małopolsce. Ponadto, zwraca uwagę także stosunkowo niski poziom starości w szerokim otoczeniu Lublina, Radomia oraz Siedlec (ryc. 59). Należy pamiętać, że na wartość tego wskaźnika wpływają udziały dzieci, a więc jest on skorelowany z poziomem urodzeń i poziomem przyrostu naturalnego i w pewnym sensie nawiązuje do rozmieszczenia współczynników ruchu naturalnego. 87 Do roku 2030 przewidywany jest duży wzrost liczby i udziału ludności najstarszej, to jest w wieku 85 lat i więcej. Liczba osób w wieku sędziwym w Polsce ogółem w okresie 2005–2030 wzrośnie dwuipółkrotnie (z 354,0 do 859,3 tys.) i będzie stanowić 2,3% ludności ogółem w 2030 r. (tab. 14 i 15). W miastach przyrost ten będzie jeszcze większy, prawie trzykrotny (z 205,1 do 567,8 tys.), a na wsi dwukrotny (z 148,9 do 291,5 tys.). Tak znaczny wzrost liczby ludności najstarszej spowodowany będzie sukcesywnym wchodzeniem do tej grupy wieku roczników z okresu wyżu międzywojennego. Dopiero w okresie 2025–2030 nastąpi spowolnienie tempa przyrostu ludności w wieku 85 lat i więcej poprzez wchodzenie do tej kategorii małolicznych roczników urodzonych w czasie II wojny światowej. Dla Polski ogółem i w miastach prognozowany jest ponaddwukrotny wzrost współczynnika wsparcia międzypokoleniowego WWM, gdzie na 100 osób w wieku 50–64 lat przypadnie odpowiednio 11 i 13 osób w wieku 85 lat i więcej. Na wsi z kolei wartość tego współczynnika wzrośnie z 7,1 do 9,3. W 2030 r. będą takie gminy, w których prawie co dziesiąty mieszkaniec będzie miał ukończone co najmniej 85 lat (Kleszczele 9,4% i Dubicze Cerkiewne 9,2% w województwie podlaskim). W rankingu odsetka ludności w tej grupie wieku pierwsze 14 miejsc zajmować będą właśnie jednostki z tego województwa, w tym jedno miasto Kleszczele (4,4%). Z pozostałych miast wysokimi wartościami będą się także charakteryzować uzdrowiska (Sopot i Ciechocinek po 4,0%). W największych miastach poziom udziału osób najstarszych będzie się kształtować niewiele powyżej średniej dla kraju (Łódź 3,1%, Gdańsk i Warszawa 2,9%, Kraków 2,7%, Poznań i Wrocław 2,6%). Obszary o niskim odsetku osób w sędziwym wieku będą koncentrowały się głównie w gminach Polski północno-zachodniej (np. Nowe Warpno i Kołbaskowo w województwie zachodniopomorskim oraz Solec Kujawski w kujawsko-pomorskim – po 0,7%). W układzie przestrzennym wysokimi udziałami tej grupy wieku ludności, oprócz Podlasia, charakteryzować się będą także tereny województw: lubelskiego, mazowieckiego (z wyjątkiem aglomeracji stołecznej), łódzkiego, świętokrzyskiego, śląskiego i opolskiego (ryc. 60). W okresie 2002–2030 tylko w dziewięciu gminach udział ludności najstarszej ulegnie zmniejszeniu, a największy wzrost w punktach procentowych będzie dotyczył miast i gmin położonych w Polsce wschodniej, zwłaszcza wzdłuż granicy państwowej oraz na Górnym Śląsku i Opolszczyźnie. W 2030 r. tereny Podlasia cechować się będą także bardzo niekorzystnymi relacjami międzypokoleniowymi, np. w gminie Kleszczele na 100 osób w wieku 50–64 lat będzie przypadać 46 osób w wieku 85 lat i więcej. Wysokie wartości współczynnika wsparcia międzypokoleniowego (WWM) zaznaczą się także w gminie Dubicze Cerkiewne (43,0), Czyże (35,7), Orla (35,2) i Bielsk Podlaski (29,0). Stworzy to wiele problemów w zakresie zabezpieczenia społecznego i zapewnienia opieki tym najstarszym osobom, gdyż nie w każdym przypadku będą oni mogli liczyć na swoje dzieci (wiadomo, że nie wszystkie osoby w wieku 50–64 lat są dziećmi żyjących osób w wieku 85 lat i więcej oraz nie w każdym przypadku dzieci tych osób mogą zapewnić im właściwą opiekę, np. z powodu zamieszkiwania 88 w innym miejscu). Wśród miast najwyższe wartości tego wskaźnika zaobserwowano w małych ośrodkach, także położonych w województwie podlaskim (Kleszczele 28,8, Hajnówka 21,5, Suchowola 21,3) oraz w mazowieckim (Nowe Miasto nad Pilicą 23,2, Mogielnica 21,3). Ponadto wysokie wartości tego współczynnika wystąpią na terenie województw: lubelskiego, świętokrzyskiego, śląskiego i opolskiego (ryc. 61). Największe ośrodki będą cechować się wartościami wskaźnika WWM w okolicach średniej (Łódź 13,9, Warszawa 12,0, Kraków 11,8, Poznań 11,6, Wrocław 11,1). Najniższe wartości natomiast wystąpią na obszarach wiejskich Polski północno-zachodniej, np. w województwie zachodniopomorskim w gminach Kołbaskowo 2,4, Nowe Warpno 2,6, Dobra (Szczecińska) 3,0. W badanym okresie prawie 93% jednostek cechować się będzie wzrostem wartości współczynnika wsparcia międzypokoleniowego, a najwyższym wzrostem charakteryzować się będą obszary Podlasia, wschodniej Lubelszczyzny, Warmii i Mazur, Pomorza Zachodniego, Sudetów, Górnego Śląska i Opolszczyzny. Z kolei polepszeniem relacji międzypokoleniowych charakteryzować się będą gminy położone w otoczeniu większych miast, co będzie miało związek z rozwojem procesów suburbanizacji i migracji do stref podmiejskich ludności w średnim wieku. Do analizy prognozowanej dynamiki starzenia się ludności przyjęto za podstawę rok 2002, aby uzyskać ciągłość porównywanych okresów. Wszystkie badane jednostki będzie w okresie 2002–2030 charakteryzować dalszy postęp procesu starzenia się ludności mierzony wskaźnikiem starzenia się demograficznego WSD, na podstawie punktowych zmian udziałów procentowych dzieci i osób starszych. Najwyższa dynamika będzie się kształtować w miastach, w małych ośrodkach (Lipsko 35,2, Praszka 32,5, Pińczów 30,9) oraz tych o charakterze przemysłowym (Połaniec 33,4, Łęczna 31,6, Kozienice 30,4, Bełchatów 29,2). W czterech gminach wiejskich stwierdzono w badanym okresie ujemne wartości wskaźnika WSD, co spowoduje odmładzanie się tych jednostek. Są to gminy, w których poziom starości demograficznej jest wysoki (Bielsk Podlaski -5,6 i Orla -4,4 w województwie podlaskim oraz Wysokie -2,6 i Krzczonów -1,0 w województwie lubelskim). Jest to powszechny trend, że wśród obszarów o wysokim stanie zaawansowania starością demograficzną następuje spowolnienie dynamiki starzenia się, natomiast jednostki do tej pory młodsze demograficznie im później wejdą w fazę zaawansowanej starości, tym szybciej się starzeją. Największe miasta będą charakteryzować się dynamiką na poziomie średniej krajowej bądź poniżej niej (Łódź 13,8, Gdańsk 12,9, Poznań 11,6, Wrocław 11,3, Kraków 10,4 oraz Warszawa 6,6), co będzie związane z ich atrakcyjnością i rozwojem gospodarczym. W ujęciu przestrzennym największą dynamiką starzenia się ludności cechować się będą ziemie północne i zachodnie oraz Bieszczady. W szczególności wysokie wartości będą się koncentrować w województwie zachodniopomorskim, zachodniej części pomorskiego, warmińsko-mazurskim, częściowo lubuskim i dolnośląskim oraz opolskim i śląskim. Relatywnie niższa dynamika starzenia się ludności wystąpi w Polsce wschodniej, środkowej oraz południowej, zwłaszcza na obszarze województw: podlaskiego, 89 lubelskiego, łódzkiego, świętokrzyskiego, małopolskiego i podkarpackiego (z wyjątkiem Bieszczad; ryc. 62). Porównując tempo zmian wartości wskaźnika WSD w latach międzyspisowych 1988–2002 i prognozowanych 2002–2030, należy stwierdzić spowolnienie procesu starzenia się w gminach położonych wzdłuż wschodniej granicy oraz w wielkich aglomeracjach (mając na uwadze różną rozpiętość badanych przedziałów czasowych). Nadal wysoka dynamika tego zjawiska występować będzie na terenach północno-zachodnich, uważanych wcześniej za młode demograficznie. Przedstawiona prognoza starzenia się ludności dla roku 2030 ukazała odmienny obraz przestrzenny starości demograficznej (w stosunku do 1988 i 2002 r.), z wysokim stanem jego zaawansowania na obszarach peryferyjnych Podlasia, na terenach postindustrialnych Górnego Śląska, na odpływowym obszarze Opolszczyzny czy w wyludniających się Sudetach, na Pomorzu Zachodnim oraz na ziemi łódzkiej. Wykazano także pogłębienie dynamiki tego procesu w Polsce północno-zachodniej i w miastach, natomiast spowolnienie na obszarach wiejskich Polski środkowej i wschodniej, przez co powojenny podział na młodsze demograficznie ziemie odzyskane i starsze ziemie dawne przestanie być aktualny. Mniejsze różnice natomiast wystąpią w przypadku rozmieszczenia ludności w wieku 85 lat i więcej. 90 V. KLASYFIKACJA TYPOLOGICZNA STARZENIA SIĘ LUDNOŚCI 1. Uwagi wstępne Klasyfikacja to każda procedura badawcza, prowadząca do rozłącznego i adekwatnego podziału zbioru badanych obiektów na podzbiory, tj. klasy (Parysek, 1982). Warunek rozłączności wskazuje, iż poszczególne podzbiory nie zawierają elementów wspólnych, natomiast warunek adekwatności oznacza, że suma wyodrębnionych podzbiorów jest identyczna ze zbiorem. W badaniach geograficznych przedmiotem klasyfikacji jest zbiór elementów, którymi są obiekty geograficzne pojmowane najczęściej jako jednostki przestrzenne o różnej skali wielkości, którym przypisano określone cechy odpowiadające własnościom tych elementów. Termin klasyfikacja typologiczna odnoszony jest do tego wariantu klasyfikacji, który został uznany za najlepszy i w danym postępowaniu badawczym przyjęty za ostateczny. Utworzone klasy w wyniku takiej klasyfikacji nazywamy klasami typologicznymi, a obiekty (elementy) należące do poszczególnych klas – reprezentantami określonego typu. Typ oznacza określoną własność lub zespół własności, jakimi powinny charakteryzować się obiekty, by można je było uznać za odmienne w stosunku do innych. Typologia natomiast to zarówno procedura, jak i efekt grupowania zbioru obiektów do wcześniej ustalonych typów (Runge, 2006). Klasyfikacja typologiczna w badaniach geograficznych polega więc na zastosowaniu takiego podejścia metodycznego, które nie tylko umożliwi zakwalifikowanie obiektów do poszczególnych klas, co ma miejsce w przypadku każdej klasyfikacji, ale doprowadzi jednocześnie do wydzielenia takich klas, które zapewnią maksymalne podobieństwo pomiędzy obiektami wchodzącymi do tej samej klasy oraz maksymalne różnice pomiędzy obiektami należącymi do różnych klas (Parysek, 1982). Procedura ta grupuje jednostki przestrzenne w klasy według pewnych kryteriów jednolitości, bez wymogu ciągłości przestrzennej. Przy takim postępowaniu obraz przestrzenny wyróżnionych typów może się składać zarówno z pojedynczych jednostek podstawowych, jak również ich ugrupowań, które mogą się powtarzać, tj. występować w sposób nieciągły (Chojnicki, Czyż, 1973). Klasyfikacja geograficzna jest najczęściej prowadzona w ujęciu wielocechowym, z wykorzystaniem np. metod taksonomicznych. Taksonomia jest dziedziną statystycznej analizy wielowymiarowej, która zajmuje się teoretycznymi zasadami i regułami klasyfikacji obiektów wielocechowych. W jej obrębie wyróżnia się termin taksonometria (taksonomia numeryczna – 91 numerical taxonomy, analiza skupień – cluster analysis), która obejmuje zbiór metod zajmujących się pomiarem, ilościowym opisem i analizą związków strukturalnych, występujących wśród elementów zbiorów wielocechowych obiektów (Chojnicki, 1980; Pociecha i in., 1988; Grabiński, Wydymus, Zeliaś, 1989; Nowak, 1990; Kurkiewicz, Pociecha, Zając, 1991; Grabiński, 1992, 2003; Strahl, 1998). Podstawowym celem analizy taksonomicznej jest ocena poziomu zróżnicowania obiektów opisanych za pomocą zestawu cech statystycznych, określenie skupisk tychże obiektów pod względem podobieństwa rozwoju, jak również otrzymanie jednorodnych klas obiektów ze względu na charakteryzujące je właściwości. Ponadto można dokonać graficznej wizualizacji otrzymanego grupowania, a także określić jego spójność, wewnętrzną jednorodność i stabilność (Młodak, 2006). Wydzielone grupy obiektów winny być tworzone w taki sposób, aby jednostki należące do tych samych klas jak najmniej różniły się ze względu na opisujące je cechy (warunek wewnątrzgrupowej homogeniczności) oraz aby jednostki należące do różnych klas jak najbardziej różniły się pod względem opisujących je cech (warunek międzygrupowej heterogeniczności). Punktem wyjścia w badaniach taksonomicznych jest ustalenie przedmiotu klasyfikacji i przestrzeni klasyfikacji. Przedmiot klasyfikacji definiuje się jako przeliczalny zbiór elementów dowolnej natury, natomiast przestrzeń klasyfikacji to zbiór własności elementów, które charakteryzują elementy zbioru stanowiącego przedmiot klasyfikacji. W badaniach społeczno-ekonomicznych przedmiot i przestrzeń klasyfikacji mogą wyznaczać zbiory obiektów przestrzennych, cech (zmiennych), okresów czasu, bądź ich iloczyny kartezjańskie (obiekto-cechy, obiekto-okresy, cecho-okresy lub obiekto-cecho-okresy). W zależności od tego, który z powyższych zbiorów jest przedmiotem klasyfikacji, a który generuje przestrzeń klasyfikacji, wyróżnia się różne zagadnienia taksonometryczne: proste (zbiory wyjściowe) lub złożone (ich iloczyny kartezjańskie). Do głównych zadań badawczych taksonomii należy grupowanie jednostek taksonomicznych bądź ich liniowe porządkowanie (Grabiński, 1992). Z kolei pojęcie struktury występuje w taksonomii w dwojakim znaczeniu: struktura jako specyficzny obiekt złożony, charaktery- zowany jako ciąg wskaźników p1, p2, …, pr, takich, że r ∑ p k = 1 , czyli za pomocą k =1 jednej cechy, ale o różnych udziałach w składnikach struktury oraz struktura rozumiana jako konfiguracja punktów w przestrzeni wielowymiarowej, identyfikowana jako zbiór obiektów charakteryzowanych za pomocą różnych cech (Strahl, 1998). W niniejszym badaniu uwzględnione zostanie to pierwsze znaczenie, gdzie cechą będzie liczba ludności według wieku, a wskaźnikami struktury jej udział w poszczególnych przedziałach wiekowych. Analiza porównawcza struktur może mieć charakter statyczny (w jednym okresie) lub dynamiczny (porównanie dwóch okresów czasu). Istnieje wiele kryteriów podziału metod taksonomicznych (Grabiński, Wydymus, Zeliaś, 1989; Nowak, 1990; Grabiński, 1992; Malina, 2004). Ogólnie można podzielić je na dwie podstawowe grupy: 92 – metody hierarchiczne, – metody optymalizacyjno-iteracyjne. Metody hierarchiczne prowadzą do wyodrębnienia pełnej hierarchii skupień z monotonicznie wzrastającym współczynnikiem podobieństwa. Uzyskiwane tu skupienia wyższego rzędu zawierają rozłączne skupienia poziomów niższych. W zależności od techniki grupowania wymienić tu można metody aglomeracyjne (w których każdy obiekt stanowi początkowo oddzielną klasę, a następnie łączy się stopniowo elementy w coraz mniejszą liczbę klas) oraz metody podziałowe (w których analizowany zbiór obiektów traktuje się wstępnie jako jedną grupę, a proces klasyfikacji polega na stopniowym zwiększaniu liczby grup). Zaletą metod hierarchicznych jest możliwość przedstawienia wyników klasyfikacji w formie graficznej przy pomocy drzewka połączeń (dendrogramu), które ilustruje połączenia grup coraz to wyższego rzędu wraz z miernikami charakteryzującymi odległość pomiędzy poszczególnymi grupami. Jedną z najbardziej znanych metod tej grupy jest metoda J.H. Warda, w której punktem wyjścia jest wyznaczenie na podstawie wyjściowej macierzy danych odległości pomiędzy poszczególnymi obiektami przestrzennymi (najczęściej tzw. odległości Euklidesa) (1). W metodzie Warda odległość skupień wyrażona jest różnicą pomiędzy sumami kwadratów odchyleń odległości poszczególnych jednostek od środka ciężkości grup, do których te jednostki należą. 1 d ik ª º2 2 «¦ xij xkj » »¼ ¬« gdzie: xij – wartość j-tej cechy dla i-tego obiektu, xkj – wartość j-tej cechy dla k-tego obiektu, dik – odległość między i-tym i k-tym obiektem (i, k=1, 2,…, m j=1, 2, …, p). W metodach optymalizacyjno-iteracyjnych punktem wyjścia jest wstępny podział obiektów na k skupień. Według T. Grabińskiego (1992, 2003) podziału takiego można dokonać na podstawie oceny opartej na intuicji lub znajomości przedmiotu badań, wykorzystania arbitralnie wybranej zmiennej do ustalenia klas wielkości obiektów lub przyjęcia jako podziału wstępnego grup otrzymanych dowolną metodą taksonomiczną (np. Warda). Z kolei A. Malina (2004) proponuje procedurę wyznaczania ilości skupień na podstawie obliczenia miar zróżnicowania wewnątrzgrupowego i międzygrupowego. Procedura tworzenia skupień w tego typu metodach polega na minimalizacji wariancji wewnątrzgrupowych i maksymalizacji wariancji międzygrupowych. Metoda k-średnich jest najpopularniejszą metodą z tej grupy. Algorytm postępowania wybrany z pakietu STATISTICA jest w niej następujący: 1. Ustalenie maksymalne liczby iteracji, np. na 10, oraz liczby żądanych skupień k. 2. Określenie wyjściowych k skupień, które tworzą jednostki równo oddalone od siebie w uporządkowaniu wynikającym z posortowania odległości Euklidesa pomiędzy wszystkimi jednostkami. 93 3. Obliczenie miary poprawności podziału jako sumy kwadratów odległości Euklidesa pomiędzy środkami ciężkości wyróżnionych grup. 4. Wyznaczenie odległości pierwszej nie przydzielonej jednostki od środków ciężkości poszczególnych grup i zakwalifikowanie jej do grupy najbliżej położonej. 5. Przeliczenie środka ciężkości grup i miary poprawności podziału. Jeżeli uległa ona poprawie, to jednostka pozostaje w tej grupie, w przeciwnym wypadku zmiana nie zostaje dokonana i rozpatrywana jest następna jednostka. 6. Kolejne iteracje przeprowadzane są dopóty, dopóki wszystkie jednostki nie zostaną przydzielone do poszczególnych grup, albo aż do wyczerpania założonej liczby iteracji. Wyniki analizy grupowania metodą k-średnich można zweryfikować, opisać i zinterpretować poprzez porównanie średnich wartości cech w podgrupach. Na podstawie odległości obiektów od środków ciężkości oraz odległości międzygrupowej można ocenić, na ile wydzielone skupienia są od siebie różne i które cechy je najbardziej różnicują. W niniejszym opracowaniu do przeprowadzenia typologii statycznej i dynamicznej struktur wieku ludności przyjęto metodę k-średnich. Jako zmienne wzięto do analizy udziały procentowe 5-letnich grup wieku. Typologię statyczną przeprowadzono dla lat 1988, 2002 oraz dla prognozy w 2030 r. Dla 1988 r. jako najwyższy przedział wieku przyjęto grupę 70 lat i więcej (ze względu na dostępność danych), natomiast dla lat 2002 i 2030 górną granicę wieku przyjęto dla przedziału 85 lat i więcej. W przypadku typologii dynamicznej zmiennymi były różnice punktowe pomiędzy udziałami poszczególnych grup wieku. Typologię dynamiczną przeprowadzono dla okresów 1988–2002 (przyjmując jako górny przedział do obliczeń różnic punktowych grupę 70 lat i więcej) oraz prognozowanego okresu 2002–2030 (przyjmując jako górny przedział grupę 85 lat i więcej). We wszystkich przypadkach przyjęto arbitralny podział na 8 grup typologicznych i na tej podstawie sporządzono kartogramy. Stwierdzono, że podział na 8 typów jest najbardziej zasadny z punktu widzenia wizualizacji danych na kartogramach. Ponadto istotność tego podziału zbadano na podstawie analizy odległości wewnątrz- i międzygrupowych oraz analizy wariancji. Wydzielone typy uszeregowano od najstarszego do najmłodszego na podstawie arytmetycznego wskaźnika struktury wieku (ISW), obliczonego na podstawie przyjętych do typologii 5-letnich przedziałów wieku. W przypadku typów dynamicznych do ustalenia ich kolejności od najszybciej do najwolniej starzejącego się przyjęto proponowany wcześniej wskaźnik starzenia się ekonomicznego (WSE), jako że uwzględnia on zmiany we wszystkich grupach wieku. Następnie przydzielone jednostki w obrębie poszczególnych typów pogrupowano według ich rodzaju (miasto, wieś) oraz wielkości (w przypadku miast). Przyjęto podział na ośrodki duże (liczące 100 tysięcy i więcej mieszkańców), średnio-duże (50–100 tys. osób), średnio-małe (20–50 tys. osób), małe (5–20 tys. osób) oraz bardzo małe (poniżej 5 tys. osób). Przestrzenne rozmieszczenie wyróżnionych typów przedstawiono na kartogramach, a ich charakterystykę demograficzną zestawiono w tabelach. 94 Wyniki podziału typologicznego uzyskane metodą k-średnich były zbliżone do wyników uzyskanych metodą Warda (Kurek, 2007b). Stwierdzono jednakże większą przydatność metody k-średniej do analizy badanego zjawiska w takim ukła- dzie przestrzennym, gdyż metoda k-średnich umożliwia z góry wprowadzenie parametru k, oznaczającego liczbę wydzielonych klas, natomiast w przypadku metody Warda przy dużej ilości jednostek przestrzennych (np. 3046, jak w niniejszej pracy) podział dendrogramu na klasy jest bardzo utrudniony. Ponadto w przypadku metody k-średnich można dowolnie zmieniać zadany parametr k i na podstawie dodatkowych statystyk opisowych przyjąć ten najbardziej optymalny. Obliczenia wykonano programem STATISTICA z wykorzystaniem pakietu analiz wielowymiarowych. 2. Typologia statyczna 2.1. Metoda taksonomiczna k-średnich (1988 r.) W 1988 r. wyróżnione typy charakteryzowały się dużym zróżnicowaniem w zakresie udziałów ludności w poszczególnych grupach wieku oraz wybranych miernikach starości demograficznej. Udziały ludności w wieku 65 lat i więcej kształtowały się na poziomie od 7,1% w najmłodszym typie H do 17,1% w najstarszym typie A. Również dużą rozpiętość wartości zanotowano w przypadku odsetka dzieci w wieku 0–14 lat (od 23% w typie A do 31% w typie H). W wyniku tego typ A charakteryzował się ponadtrzykrotnie wyższym poziomem indeksu starości demograficznej ISD od typu H. Charakterystykę struktury wieku ludności poszczególnych typów przedstawia tabela 16. Typ A obejmował 317 badanych jednostek przestrzennych. Wśród nich dominowały obszary wiejskie o rolniczym charakterze i peryferyjnej lokalizacji. Położone one były głównie na obszarze tzw. ściany wschodniej (zwłaszcza województwa podlaskiego), a także w południowej części województwa świętokrzyskiego, północnej małopolskiego, na obrzeżach łódzkiego oraz wschodnich rubieżach mazowieckiego (ryc. 63). Wśród miast, symbolicznie reprezentowanych w tym typie, wystąpiły jedynie ośrodki małe i bardzo małe, a największymi były Milanówek i Podkowa Leśna (tab. 17). Typ B był najliczniej reprezentowany i obejmował 674 jednostki. Wśród nich również dominowały obszary wiejskie, charakteryzując się największym udziałem spośród wszystkich typów (29,4%). Gminy te położone były na terenie Polski Środkowo-Wschodniej, w otoczeniu jednostek typu A. Wchodziły one głównie w skład województw: łódzkiego, mazowieckiego, świętokrzyskiego, lubelskiego oraz północno-zachodniej części podlaskiego, północnej małopolskiego i śląskiego, zachodnich obrzeży wielkopolskiego i kujawsko-pomorskiego oraz środkowej części podkarpackiego (w strefie peryferyjnej styku trzech byłych województw: krośnieńskiego, przemyskiego i rzeszowskiego). Największym miastem 95 Tabela 16. Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się w 1988 r. metodą k-średnich Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types in 1988 by k-means method Wiek A B C D E F G H 0–4 7,6 8,5 6,9 9,5 9,6 8,5 8,4 10,8 5–9 7,8 8,6 8,0 9,7 9,2 9,0 9,9 10,9 10–14 7,6 8,2 7,6 8,7 8,6 8,5 9,3 9,3 15–19 5,3 6,8 6,8 7,0 7,9 11,2 8,0 6,8 20–24 5,9 6,7 6,5 6,8 7,9 6,2 6,0 7,0 25–29 6,5 7,2 7,2 8,0 8,2 7,3 7,5 8,9 30–34 6,9 7,4 9,3 8,7 7,4 8,0 9,8 9,6 35–39 6,2 6,6 9,1 7,5 6,4 7,5 9,6 7,8 40–44 5,1 5,1 6,9 5,2 4,7 5,6 6,8 5,0 45–49 4,7 4,4 5,4 3,9 4,7 4,4 4,8 3,9 50–54 5,6 5,2 5,7 4,6 5,5 4,8 4,9 4,5 55–59 6,8 5,9 5,7 5,1 5,4 4,8 4,5 4,5 60–64 6,9 5,7 5,0 4,8 4,5 4,4 3,7 3,8 65–69 5,8 4,7 3,7 3,9 3,5 3,4 2,6 2,8 70+ 11,3 8,9 6,2 6,5 6,5 6,3 4,3 4,3 ISD 74,6 53,7 43,7 37,3 36,6 37,3 24,9 23,1 ISW 0,486 0,446 0,439 0,412 0,410 0,407 0,394 0,378 Objaśnienia: ISD – indeks starości demograficznej / an ageing index / ISW – syntetyczny wskaźnik struktury wieku (arytmetyczny) / a synthetic age structure index (arithmetic) Źródło: Opracowanie własne w tej grupie był Konstancin-Jeziorna w aglomeracji warszawskiej (16 tys. mieszkańców), a spośród miast bardzo małych najwięcej położonych było w województwach: wielkopolskim, świętokrzyskim i podlaskim. Do typu C zaklasyfikowane zostały jednostki każdej grupy (w sumie 325 miast i gmin), ale największym udziałem charakteryzowały się duże miasta (65% wszystkich jednostek tej kategorii). Zakwalifikowano do tej grupy wszystkie największe ośrodki (Warszawa, Łódź, Kraków, Wrocław, Poznań, Gdańsk). Typ C także obejmował najwięcej jednostek liczących 50–100 tys. mieszkańców (49%) oraz grupował blisko 1/3 miast z liczbą ludności w przedziale 20–50 tys. oraz 5–20 tys. osób. Obszary wiejskie stanowiły tu jedynie 3,5% wszystkich gmin i rozmieszczone były głównie w województwach: dolnośląskim, mazowieckim i śląskim. Typ D był drugim pod względem liczebności (565 jednostek) i koncentrował głównie obszary wiejskie i miasta liczące poniżej 5 tys. mieszkańców. Jednostki te rozmieszczone były w Polsce środkowo- 96 Tabela 17. Rozkład jednostek według poszczególnych typów starości w 1988 r. w zależności od rodzaju i wielkości ośrodka Distribution of units according to ageing types in 1988 by its sort (urban/rural) and size Miasto Typ >100 tys. 50–100 tys. 20–50 tys. 5–20 tys. <5 tys. Wieś w liczbach bezwzględnych A – – – 1 7 309 B – – – 1 35 638 39 112 49 76 C 26 23 D – – 2 16 68 479 E – – 1 9 9 377 F – – 1 14 33 23 22 83 178 45 22 2 4 29 52 247 47 130 360 298 2171 G 14 H Razem – 40 w odsetkach A 0,0 0,0 0,0 0,3 2,3 14,2 B 0,0 0,0 0,0 0,3 11,7 29,4 C 65,0 48,9 30,0 31,1 16,4 3,5 D 0,0 0,0 1,5 4,4 22,8 22,1 E 0,0 0,0 0,8 2,5 3,0 17,4 F 0,0 0,0 0,8 3,9 11,1 1,1 G 35,0 46,8 63,8 49,4 15,1 1,0 H 0,0 4,3 3,1 8,1 17,4 11,4 100 100 Razem 100 100 100 100 Źródło: Opracowanie własne i południowo-zachodniej, wchodząc głównie w skład następujących województw: wielkopolskiego, lubuskiego, dolnośląskiego i kujawsko-pomorskiego. Niewielką reprezentatywność miały miasta małe i średnio-małe, a największe z nich to Augustów i Lubliniec. Kolejny typ, E, charakteryzował się dominacją obszarów wiejskich (377 gmin na 396 jednostek). Największe obszary koncentracji jednostek tego typu znajdowały się w Polsce południowej i południowo-wschodniej (województwa: opolskie, śląskie, małopolskie i podkarpackie). Największe miasta w tej grupie położone były w województwie śląskim (Czerwionka-Leszczyny 29 tys. mieszkańców, Lędziny 15 tys. oraz Pszów 14 tys.). Typ F był najsłabiej reprezentowany i liczył tylko 71 jednostek. Najwięcej wystąpiło w nim miast poniżej 5-tysięcznych, a największym ośrodkiem był Sandomierz (25 tys. mieszkańców). Jednostki tego typu nie wykazywały koncentracji przestrzennej. Z kolei spo97 śród 364 jednostek typu G dominowały miasta, z czego największym udziałem charakteryzowały się miasta średnio-małe (63,8%). Wysoki był także udział w tej grupie miast małych, średnio-dużych i dużych. Spośród największych ośrodków znalazły się w tej grupie: Radom (liczący 224 tys. mieszkańców), Kielce (211 tys.), Olsztyn (159 tys.) i Rzeszów (148 tys.). Obszary wiejskie były reprezentowane w tym typie jedynie symbolicznie (22 gminy), z czego najwięcej znajdowało się w województwie zachodniopomorskim. Typ H, o relatywnie najniższym stopniu zaawansowania starości demograficznej, charakteryzował się największym udziałem miast bardzo małych i obszarów wiejskich. Wśród miast największe były Suwałki, liczące wówczas niewiele ponad 50 tys. mieszkańców i pełniące wtedy funkcję stolicy województwa. W grupie tej zanotowano także miasta o rozwijającej się wówczas funkcji przemysłowej i rozrastające się wskutek napływu migrantów (Bełchatów, Łęczna, Połaniec, Nowa Dęba). Obszary wiejskie typu H koncentrowały się w Polsce północnej i północno-zachodniej (województwa: warmińsko- -mazurskie, pomorskie i zachodniopomorskie) oraz na krańcach województwa podkarpackiego (Bieszczady). Przedstawiona typologia dla 1988 r. pokazała utrwaloną wówczas polaryzację demograficzną Polski, ze starszymi obszarami obejmującymi środkowo-wschodnią część kraju oraz młodszymi ziemiami północnymi, zachodnimi i południowo- -wschodnimi. Zaznaczyła się również zależność pomiędzy strukturą wieku ludności a wielkością i rodzajem badanych jednostek. Najstarszymi typami struktur wieku (A i B) charakteryzowały się obszary wiejskie, największe miasta dominowały w typie C, natomiast pozostałe miasta duże, średnie i małe w typie G. Z kolei ośrodki bardzo małe najliczniej reprezentowane były w typie D. Ogólnie jednak w typie C i G zanotowano 591 miast, co stanowi ponad 2/3 ich ogółu. 2.2. Metoda taksonomiczna k-średnich (2002 r.) W 2002 r. wyróżnione typy charakteryzowały się odsetkiem ludności w wieku 65 lat i więcej od 10,2% w typie H do 20,6% w najstarszym typie A. Udział osób w wieku 0–14 lat był nieco mniej zróżnicowany i wahał się od 15,0% w typie B do 23,5% w typie G. Wartości indeksu starości demograficznej wahały się od 45,9 w typie H do 113,8 w typie A (był to jedyny typ, w którym udział osób starszych przewyższał udział dzieci, tab. 18). W najstarszym typie struktury wieku wydzielonym na podstawie taksonomicznej metody k-średnich nadal dominowały obszary wiejskie (tab. 19). Typ ten obejmował 196 jednostek, a więc mniej niż w 1988 r. W układzie przestrzennym jednostki tego typu nadal koncentrowały się w Polsce Środkowo-Wschodniej, ale obejmowały mniejsze połacie i były bardziej rozczłonkowane (ryc. 64). Gminy reprezentujące ten typ tworzyły zwarte obszary w województwie podlaskim, południowej części lubelskiego oraz na pograniczu małopolskiego, świętokrzyskiego i śląskiego. Spośród kilku miast w tej grupie największym było Szczawno-Zdrój, 98 Tabela 18. Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się w 2002 r. metodą k-średnich Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types in 2002 by k-means method. Wiek A B C D E F G H 0–4 4,8 4,1 5,6 4,5 5,4 4,8 6,6 6,0 5–9 6,2 4,9 7,0 5,7 6,6 5,9 8,0 7,3 10–14 7,1 6,0 8,0 7,7 7,8 7,7 9,0 8,9 15–19 7,6 7,9 8,3 8,9 8,7 9,6 9,0 9,9 20–24 6,4 8,8 7,1 7,3 7,8 8,4 7,7 8,2 25–29 6,1 8,0 6,8 7,0 7,4 7,5 7,5 7,3 30–34 5,6 6,4 6,2 7,3 6,6 6,2 7,0 6,5 35–39 5,8 6,1 6,2 8,3 6,6 6,4 6,9 6,8 40–44 6,7 7,6 6,8 8,4 7,6 8,3 7,0 8,0 45–49 6,9 8,8 6,7 6,9 7,6 9,1 6,2 7,7 50–54 6,3 8,2 6,0 5,7 6,6 7,8 5,4 6,3 55–59 4,8 5,3 4,3 3,8 4,3 4,4 3,7 3,6 60–64 5,0 4,7 4,4 5,8 4,1 3,8 3,8 3,3 65–69 5,6 4,5 4,7 5,1 4,0 3,5 3,9 3,3 70–74 6,1 3,9 4,8 3,7 3,8 2,9 3,6 3,0 75–79 4,7 2,7 3,7 2,1 2,8 2,0 2,6 2,1 80–84 2,5 1,2 2,0 1,0 1,4 1,0 1,3 1,1 85+ 1,7 0,9 1,3 0,7 0,9 0,7 0,9 0,7 ISD 113,8 87,7 79,8 70,0 64,7 54,2 51,9 45,9 ISW 0,452 0,429 0,419 0,411 0,405 0,398 0,383 0,379 Objaśnienia: ISD – indeks starości demograficznej / an ageing index / ISW – syntetyczny wskaźnik struktury wieku (arytmetyczny) / a synthetic age structure index (arithmetic) Źródło: Opracowanie własne liczące niespełna 6 tys. mieszkańców. W typie B natomiast zanotowano większość miast dużych (37 na 40 ogółem ośrodków powyżej 100-tysięcznych), większość miast średnio-dużych oraz drugie co do wielkości skupienie miast średnio-małych i małych. Tak więc w przeciągu lat 1988–2002 ośrodki największe przesunęły się w górę rankingu typu struktur wieku z typu C do B, co świadczy o ich intensywnym starzeniu. W układzie przestrzennym należy zwrócić uwagę na zgrupowanie jednostek tego typu w obrębie aglomeracji warszawskiej, łódzkiej czy konurbacji górnośląskiej. Ogólnie w typie tym znalazło się 298 badanych jednostek, z czego 99 Tabela 19. Rozkład jednostek według poszczególnych typów starości w 2002 r. w zależności od rodzaju i wielkości ośrodka Distribution of units according to ageing types in 2002 by its sort (urban/rural) and size. Typ >100 tys. A – B 37 Miasto 50–100 tys. 20–50 tys. 5–20 tys. w liczbach bezwzględnych – 30 56 C – – D – – E – F 3 G – H – Razem 40 – <5 tys. Wieś 1 6 189 108 27 40 7 517 – – 2 10 7 59 1 8 52 68 376 16 61 159 87 72 1 4 10 495 2 5 35 72 423 49 133 369 284 2171 – w odsetkach A 0,0 0,0 0,0 0,3 2,1 8,7 B 92,5 61,2 42,1 29,3 9,5 1,8 C 0,0 0,0 0,0 0,0 2,5 23,8 D 0,0 0,0 1,5 2,7 2,5 2,7 E 0,0 2,0 6,0 14,1 23,9 17,3 F 7,5 32,7 45,9 43,1 30,6 3,3 G 0,0 0,0 0,8 1,1 3,5 22,8 H 0,0 4,1 3,8 9,5 25,4 19,5 100,0 100,0 100,0 100,0 100,0 100,0 Razem Źródło: Opracowanie własne 258 miast. Typ C z kolei to największa kumulacja obszarów wiejskich (23,8% wszystkich gmin) i tylko 7 miast, z czego największe (Brańsk w województwie podlaskim) liczy poniżej 4 tys. mieszkańców. Obszary należące do typu C należały w większości w poprzednim badanym przekroju czasu do typu B, co świadczy o ich relatywnie wolniejszym starzeniu się na tle jednostek innych typów, ale ich zasięg zmniejszył się z 674 do 524 jednostek. Położone one były w większości na obszarze województw: podlaskiego, mazowieckiego, lubelskiego, świętokrzyskiego i łódzkiego. Typ D, najmniej reprezentowany, liczył 78 jednostek. Pod względem odsetka jednostek poszczególnych kategorii reprezentowany był od 1,5 do 2,7% przez miasta średnio-małe, małe, bardzo małe i gminy. Najwięcej miast reprezentowało województwo opolskie i śląskie, a największym ośrodkiem był Wodzisław 100 Śląski, liczący nieco poniżej 50 tys. mieszkańców. Obszary wiejskie tego typu również koncentrowały się na terytorium województwa opolskiego i zachodniej części śląskiego. Specyficzna struktura wieku tego obszaru wynikała z emigracji ludności Śląska Opolskiego do Niemiec i możliwości podjęcia tam legalnej pracy. Typ E (505 jednostek) charakteryzował się dość dużymi udziałami gmin oraz miast małych i bardzo małych. Największe ośrodki tego typu to: Nowy Sącz (85 tys. mieszkańców), Wejherowo (45 tys.) oraz Nowy Targ (33 tys.). W układzie przestrzennym miasta typu E rozmieszczone były głównie na terenie województw: kujawsko-pomorskiego, wielkopolskiego oraz małopolskiego, natomiast gminy kon- centrowały się w północnej części dolnośląskiego, lubuskiego, południowej części kujawsko-pomorskiego oraz centralnej mazowieckiego. Typ F obejmował wszystkie kategorie jednostek (w sumie 398). Znalazły się tu pozostałe 3 duże ośrodki (Rzeszów, Rybnik, Tychy), a także procentowo najwięcej ośrodków bardzo małych, małych i średnio-małych oraz drugie co do wielkości udziały ośrodków średnio- -dużych. Wśród tych ostatnich zanotowano miasta o dominującej funkcji przemysłowej (Bełchatów, Głogów, Stalowa Wola, Tarnobrzeg, Mielec). Miasta tego typu zanotowano na terenie każdego z województw, ale najwięcej z nich koncentrowało się w Polsce północno-zachodniej (w województwach zachodniopomorskim i wielkopolskim). Obszary wiejskie typu F koncentrowały się głównie w południowej części województwa dolnośląskiego. W typie G zdecydowanie przeważały obszary wiejskie (z drugim co do wielkości udziałem gmin), a największym miastem były Ząbki (województwo mazowieckie) liczące niewiele ponad 20 tys. mieszkańców. Ogółem typ ten był reprezentowany przez 510 jednostek (w tym 495 gmin), które skoncentrowane były przede wszystkim na terenie województw małopolskiego i podkarpackiego (obszary Karpat i Pogórza), pomorskiego (Kaszuby) oraz częściowo w województwach warmińsko-mazurskim, kujawsko-pomorskim i wielkopolskim. Typ H natomiast był najliczniej reprezentowany (537 jednostek) i obejmował wszystkie kategorie osadnicze oprócz miast dużych. Największe udziały reprezentowały tu miasta poniżej 5-tysięczne i obszary wiejskie. W układzie przestrzennym jednostki te były rozmieszczone na terenie Polski północno-zachodniej, obejmowały województwa: warmińsko-mazurskie, pomorskie, kujawsko- -pomorskie, zachodniopomorskie, lubuskie i wielkopolskie. Największymi miastami były w tej grupie Suwałki (69 tys. mieszkańców) i Ełk (55 tys.). Typologia struktury wieku ludności miast i gmin w 2002 r. pokazała postępującą odmienność wsi i miast (w tym ośrodków dużych) w zakresie starości demograficznej (typy miejskie B i F oraz wiejskie C i G). W układzie przestrzennym z jednej strony zachowany został tradycyjny układ odmienności ziem północno- -zachodnich i środkowo-wschodnich, z drugiej natomiast uwidoczniły się wyspowe obszary większych aglomeracji oraz ich relatywnie młodszego otoczenia, przez co zasięg gmin typu A (o największej starości) uległ zmniejszeniu i rozczłonkowaniu. Zaobserwować także można odmienność struktur wieku Opolszczyzny i wyższego poziomu starości obszaru Sudetów, przez co obraz przestrzenny był w 2002 r. bardziej zróżnicowany niż w 1988 r. 101 2.3. Metoda taksonomiczna k-średnich (2030 r.) W 2030 r. w wydzielonych typach starzenia się odsetek osób w wieku 65 lat i więcej będzie się kształtował (według prognozy) od 17,8 do 28,8%, a odsetek dzieci w wieku 0–14 lat od 11,7 do 19,1%. Biorąc pod uwagę indeks starości demograficznej, to tylko typ H będzie charakteryzował się udziałem dzieci większym od odsetka osób starszych, a wartości tego wskaźnika wahać się będą od 93,3 do 245,5 (tab. 20). Tabela 20.Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się według prognozy dla 2030 r. metodą k-średnich Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types according to projection in 2030 by k-means method Wiek A B C D E F G H 0–4 3,5 3,5 3,6 4,3 5,0 4,4 5,0 6,1 5–9 3,9 3,9 4,1 4,8 5,3 4,8 5,4 6,4 10–14 4,4 4,5 4,5 5,3 5,6 5,2 5,7 6,5 15–19 4,7 5,0 4,7 5,5 5,6 5,3 5,7 6,4 20–24 4,7 5,0 4,6 5,2 5,3 5,2 5,4 5,9 25–29 4,4 4,4 4,6 4,7 5,0 5,1 5,2 5,6 30–34 4,7 4,7 5,5 5,2 5,5 5,8 5,9 6,0 35–39 5,8 5,6 6,8 6,4 6,7 7,0 7,1 7,0 40–44 7,3 7,1 7,8 7,8 6,9 7,8 7,6 7,3 45–49 8,0 9,5 8,2 8,4 7,2 8,6 7,7 7,2 50–54 7,4 9,1 7,6 7,3 6,1 8,2 6,9 6,2 55–59 6,6 7,3 7,2 6,2 6,1 7,3 6,6 5,9 60–64 5,9 5,4 6,7 5,5 6,1 5,8 5,9 5,5 65–69 6,4 5,3 6,7 5,9 6,2 5,3 5,7 5,4 70–74 7,8 6,5 6,5 6,6 6,4 5,5 5,5 5,0 75–79 7,0 6,2 5,1 5,5 5,1 4,3 4,2 3,7 80–84 4,7 4,3 3,3 3,5 3,4 2,7 2,7 2,3 85+ 2,9 2,7 2,4 2,1 2,5 1,6 1,8 1,6 ISD 245,0 210,0 197,0 165,0 147,4 134,9 122,7 93,3 ISW 0,532 0,519 0,512 0,495 0,486 0,481 0,470 0,444 Objaśnienia: ISD – indeks starości demograficznej / an ageing index / ISW – syntetyczny wskaźnik struktury wieku (arytmetyczny) / a synthetic age structure index (arithmetic) Źródło: Opracowanie własne 102 Według przedstawionej w niniejszej pracy prognozy dla 2030 r. w najstarszym typie A reprezentowane będzie 265 badanych jednostek, z czego procentowo najwięcej będzie miast małych (29% wszystkich miast liczących od 5 do 20 tys. mieszkańców) oraz średnio-małych (28,4% ośrodków liczących 20–50 tys.; tab. 21). W porównaniu z 2002 r. w tej klasie znacznie ulegnie zmniejszeniu liczba gmin (ze 189 do 44), a z kolei liczba miast wzrośnie z 7 do 221. Świadczy to o przewidywanym dalszym postępie procesu starzenia się ludności w miastach, z tym że dotyczyć to będzie najbardziej ośrodków małych i średnich. W układzie przestrzennym obszary koncentracji jednostek tego typu w porównaniu z 2002 r. znacznie się skurczą. Stanowić je będą gminy położone w województwie podlaskim oraz częściowo w województwie śląskim i w Sudetach (ryc. 65). Typ B liczył 223 miasta (1/4 wszystkich miast). Największymi udziałami charakteryzowały się miasta duże (94% ogółu miast tej kategorii), średnio-duże (51%), średnio-małe (34%) oraz małe (25%). W grupie tej zanotowano największe ośrodki (Warszawa, Łódź, Kraków, Wrocław, Poznań, Gdańsk) oraz większość miast tworzących konurbację górnośląską. Obszary wiejskie stanowiły tu niespełna 2% wszystkich gmin i koncentrowały się głównie w Sudetach. Typ C, liczący 327 miast i gmin, obejmował wszystkie kategorie jednostek, jednak najwięcej procentowo znalazło się w nim obszarów wiejskich (11%) i miast bardzo małych (16%). Z miast powyżej 100-tysięcznych zaklasyfikowano do tego typu 6% jednostek tej kategorii, w tym m.in. Zabrze, Chorzów, Jaworzno, Jastrzębie-Zdrój i Tarnobrzeg. Obszary wiejskie utworzą dwa zwarte przestrzennie obszary obejmujące województwo opolskie z zachodnią częścią województwa śląskiego oraz północną część województwa łódzkiego. Typ D liczył 440 jednostek; największym udziałem cechowały się miasta bardzo małe (ponad 1/3 ogółu miast tej kategorii). Wśród miast średnio-dużych w tej klasie znajdą się m.in. Nowy Sącz, Siedlce, Mysłowice, Suwałki i Zamość. W układzie przestrzennym jednostki tego typu były skoncentrowane głównie w Sudetach, Polsce północno-zachodniej oraz na obszarze województwa świętokrzyskiego. Typ E liczył 380 badanych jednostek, z największym udziałem obszarów wiejskich (16%). Największym miastem w tym typie będzie w 2030 r. Ostrów Mazowiecka, licząca niewiele ponad 20 tys. mieszkańców. Jednostki tego typu koncentrowały się głównie na obszarze Polski wschodniej i Środkowo-Wschodniej, obejmując głównie województwa mazowieckie, podlaskie i lubelskie. Typ F obejmował 338 jednostek, a procentowo najwięcej obszarów wiejskich oraz miast średnio-małych. Największym miastem w tej grupie będzie Piaseczno (według prognozy liczące 56 tys. mieszkańców). W układzie przestrzennym jednostki tego typu koncentrować się będą wokół większych aglomeracji i charakteryzować się będą na ich tle niższym stopniem starości. W szczególności te pierścienie będą widoczne wokół aglomeracji warszawskiej, bydgosko-toruńskiej, wrocławskiej, poznańskiej czy trójmiejskiej. Zadziwiająca jest dość szeroka średnica tych pierścieni, co świadczyć może o rozrastających się powiązaniach obszarów otaczających z aglomeracjami i wzroście ich atrakcyjności do zamieszkania. Typ G, najliczniejszy spośród badanych zbiorowości, liczył 739 jednostek, z czego 699 stanowiły obszary wiejskie. Ogółem 32% wszystkich 103 gmin znalazło się w tym typie. Największe pod względem liczby ludności miasta to te położone w obrębie aglomeracji warszawskiej (Otwock – 50 tys., Kobyłka i Łomianki po 23 tys.). Jednostki tego typu tworzyły zwarte obszary koncentracji na terenie województwa podkarpackiego, południowej części wielkopolskiego i łódzkiego oraz w brzeżnej części kujawsko-pomorskiego i północnej wielkopolskiego. Typ H, o najniższym relatywnie stopniu starości, obejmował 292 jednostki, z czego większość stanowiły obszary wiejskie. Tworzą one kilka zwartych przestrzennie obszarów: południową część województwa małopolskiego, pogranicze lubelskiego i podlaskiego, pomorskie i południową część warmińsko-mazurskiego, południową część mazowieckiego oraz zachodnią część województwa wiel- kopolskiego. Typ ten reprezentuje tylko 9 miast, z czego największe to Garwolin (17 tys. mieszkańców). Tabela 21. Rozkład jednostek według prognozowanych typów starości w 2030 r. w zależności od rodzaju i wielkości ośrodka Distribution of units according to ageing types in 2030 by its sort (urban/rural) and size Miasto Typ >100 tys. 50–100 tys. 20–50 tys. 5–20 tys. <5 tys. Wieś w liczbach bezwzględnych A 0 12 36 101 72 44 B 32 25 42 90 34 42 C 2 2 3 28 50 242 D 0 8 27 86 108 211 E 0 0 1 15 18 346 F 0 1 11 17 5 304 G 0 1 4 16 19 699 H 0 0 0 3 6 283 Razem 34 49 124 356 312 2171 w odsetkach A 0,0 24,5 29,0 28,4 23,1 2,0 B 94,1 51,0 33,9 25,3 10,9 1,9 C 5,9 4,1 2,4 7,9 16,0 11,1 D 0,0 16,3 21,8 24,2 34,6 9,7 E 0,0 0,0 0,8 4,2 5,8 15,9 F 0,0 2,0 8,9 4,8 1,6 14,0 G 0,0 2,0 3,2 4,5 6,1 32,2 H Razem 0,0 0,0 0,0 0,8 1,9 13,0 100,0 100,0 100,0 100,0 100,0 100,0 Źródło: Opracowanie własne 104 Przedstawiona typologia dla 2030 r. pokazała, że w prognozowanym przekroju czasu najwyższym stopniem starości będą charakteryzować się miasta (typ A i B), natomiast większość obszarów wiejskich będzie wykazywać niższy stopień starości. W porównaniu do poprzednich analizowanych lat układ przestrzenny będzie jeszcze bardziej zróżnicowany, a najwyższym poziomem starości, oprócz miast, charakteryzować się będą obszary przygraniczne województwa podlaskiego, tereny województwa śląskiego, opolskiego, rejon Sudetów i północnej części województwa łódzkiego. Zwrócić należy uwagę także na upodobnianie się w zakresie struktury wieku obszarów otaczających większe aglomeracje i zwiększanie ich zasięgu. 3. Typologia dynamiczna starzenia się ludności Jak już wspomniano, zjawisko starzenia się ludności można badać w ujęciu statycznym – wówczas mierzy się jego natężenie w określonym czasie na podstawie udziałów poszczególnych grup wieku, ale może ono mieć także charakter dynamiczny i wówczas porównuje się dwa przekroje czasu i określa zmiany w jego natężeniu. W tej części pracy podjęto próbę dokonania typologii dynamicznej na podstawie metody tabeli znaków (Runge, 2006) oraz metody k-średnich. Pierwsza z metod ma charakter generalizujący, uwzględnia bowiem tylko niektóre grupy wieku ludności (osoby starsze i dzieci), natomiast druga jest bardziej szczegółowa i grupuje obiekty o podobnych zmianach w udziałach szczegółowych przedziałów wiekowych (w układzie 5-letnich grup), obejmując całą populację. Starano się porównać wyniki uzyskane tymi dwiema metodami (ogólną i bardziej szczegółową) w celu odpowiedzi na pytanie, czy do analizy procesu starzenia się ludności wystarczy brać pod uwagę wybrane grupy wieku, czy może badanie tego zjawiska powinno mieć charakter kompleksowy, gdyż ważnym aspektem jest także starzenie się ludności w wieku produkcyjnym. 3.1. Metoda tabeli znaków (1988–2002) Do typologii na podstawie metody tabeli znaków przyjęto do obliczeń trzy wskaźniki: indeks starości demograficznej w okresie t0, indeks starości w okresie t1 oraz wskaźnik starzenia się demograficznego (WSD) w okresie t0–t1. Obliczeń dokonano dla okresu międzyspisowego 1988–2002 oraz dla sporządzonych prognoz w latach 2002–2030. Znakiem „+” określono wartości powyżej średniej dla całego kraju, natomiast znakiem „–” wartości poniżej średniej. Uzyskano w ten sposób 8 typów, które uszeregowano od najstarszego do najmłodszego. Jako najstarszy typ przyjęto ten, w którym wszystkie wskaźniki wykazywały wartości powyżej średniej krajowej, zaś jako najmłodszy ten, który cechował się wskaźnikami poniżej 105 średniej. Jako decydujące kryterium w uporządkowaniu pozostałych typów przyjęto indeks starości w okresie t1 (czyli w 2002 r. dla lat 1988–2002 oraz 2030 r. dla lat 2002–2030), następnie dynamikę procesu na podstawie wskaźnika WSD oraz indeks starości w okresie t0 (w 1988 r. dla lat 1988–2002 oraz w 2002 r. dla lat 2002–2030; tab. 22). W latach 1988–2002 w przedstawionej typologii najwięcej ośrodków miej- skich koncentrowało się w typach F oraz B (w sumie ponad 70% ogółu miast) charakteryzujących się wysoką dynamiką procesu starzenia się ludności (tab. 23). Obszary wiejskie z kolei grupowały się najliczniej w typie C i H (ponad 55% gmin), wykazując spowolnienie dynamiki starzenia. W typie A, o największym zagrożeniu starzeniem się ludności, pod względem liczby jednostek przeważały obszary wiejskie, chociaż udziały miast i gmin były zbliżone. Typ ten obejmował gminy przygraniczne województw podlaskiego i lubelskiego, a także jednostki położone na pograniczu województw świętokrzyskiego, mazowieckiego i łódzkiego, w północnej części śląskiego oraz w Sudetach (ryc. 66). Wśród miast zaobserwowano duże zróżnicowanie w tej kategorii. Wartościami indeksów powyżej średniej dla kraju charakteryzowały się największe aglomeracje (Warszawa, Łódź, Kraków, Poznań), znane uzdrowiska i kurorty (Sopot, Ciechocinek, Polanica-Zdrój, Lądek-Zdrój, Wisła, Zakopane), ośrodki przemysłowe (np. Bukowno, Zawiercie, Czeladź, Będzin) oraz małe miasta (np. Supraśl i Tykocin w powiecie białostockim czy Łazy i Pilica w powiecie zawierciańskim). Ponadto w tej grupie znalazły się niektóre ośrodki ponad 100-tysięczne (Katowice, Częstochowa, Kalisz) oraz niektóre położone w strefie podmiejskiej Warszawy (Piastów, Otwock, Błonie). W typie B zdecydowanie przeważały miasta (1/5 ogółu wszystkich miast). Wśród nich dominowały ośrodki zlokalizowane w województwach: dolnośląskim, opolskim i śląskim, a pod względem wielkościowym zakwalifikowano do tego typu większość pozostałych ośrodków dużych (w tym Gdańsk, Gdynię, Wrocław, Szczecin) oraz miasta średnie. Typ C to z kolei dominacja obszarów wiejskich (prawie 1/3 gmin), a jego cechą jest wysoki poziom starości demograficznej w obu przekrojach czasu, ale spowolniona dynamika starzenia się. Wymieniony typ obejmował obszary wiejskie usytuowane w Polsce środkowej i wschodniej. Spośród miast znalazły się tu głównie ośrodki małe o liczbie ludności nieprzekraczającej 20 tysięcy mieszkańców (jedynym wyjątkiem był Chorzów). Typy D i E były reprezentowane symbolicznie, co jest zrozumiałe z powodu małego prawdopodobieństwa, aby w danej jednostce wzrósł poziom starości powyżej średniej krajowej przy spowolnionej dynamice (typ D) bądź by zmniejszył się poziom starości poniżej średniej przy zwiększonej dynamice starzenia się (typ E). Typ F, którego cechą jest wysoka dynamika badanego zjawiska, nie prowadząca jednak do wzrostu poziomu starości powyżej średniej, reprezentowany jest przez ponad połowę wszystkich miast, z czego przeważają miasta małej wielkości. Typ ten obejmuje także prawie 1/5 wszystkich gmin, jest on najliczniej reprezentowany ze wszystkich typów (855 jednostek, co stanowi 28% ogółu). Jednostki typu F rozmieszczone są głównie w Polsce północnej i zachodniej (zwłaszcza na obszarach województw: warmińsko-mazurskie106 go, zachodniopomorskiego, lubuskiego i północnej części dolnośląskiego) oraz w Bieszczadach. Typ G charakteryzuje się relatywnym odmładzaniem populacji (w stosunku do średniej krajowej). W jego obrębie udział gmin przekracza dwukrotnie udział miast i badane jednostki rozmieszczone są tu nierównomiernie, a jedyny ich obszar koncentracji występuje w południowo-wschodniej części województwa wielkopolskiego. Wśród miast dominują ośrodki bardzo małe (do 5 tysięcy mieszkańców). Najmłodszy w niniejszej klasyfikacji typ H, o wartościach indeksów poniżej średniej (zarówno dla stanu, jak i dynamiki) jest zdominowany przez jednostki wiejskie (blisko 1/4 wszystkich gmin) i obejmuje obszar rozciągający się od Kaszub poprzez Kujawy po środkową Wielkopolskę oraz Małopolskę i Podkarpacie. W tym drugim przypadku północną granicą tego relatywnie młodego demograficznie obszaru była dolina Wisły, stanowiąc jakby barierę komunikacyjną bądź barierę uwarunkowaną historycznie, gdyż gminy znajdujące się na północ od niej (na terenie województwa świętokrzyskiego i północnej części województwa małopolskiego) reprezentują znacznie starszy typ w niniejszej klasyfikacji. Tabela 22. Typologia starzenia się metodą tablicy znaków – teoretyczny rozkład typów Typology of ageing by deviation from the average – theoretical types distribution Typ Indeks starości demograficznej (ISD) Wskaźnik starzenia się demograficznego (WSD) Indeks starości demograficznej (ISD) t1 t0–t1 t0 + + + A B + + ­­­­– C + – + D + – – E – + + F – + – G – – + H – – – Źródło: Opracowanie własne Tabela 23. Rozkład jednostek według poszczególnych typów starzenia się w latach 1988–2002 metodą tablicy znaków Distribution of units according to ageing types in the years 1988–2002 by deviations from the average. Typ Miasto Wieś Miasto liczba jednostek Wieś udział (%) A 60 154 6,9 7,1 B 181 116 20,7 5,3 C 52 713 5,9 32,8 107 D 1 2 0,1 0,1 E 0 2 0,0 0,1 F 448 407 51,2 18,7 G 53 256 6,1 11,8 H 80 521 9,1 24,0 Razem 875 2171 100,0 100,0 Źródło: Opracowanie własne 3.2. Metoda tabeli znaków (2002–2030) W prognozowanym okresie 2002–2030 koncentracja jednostek w zależności od poszczególnych typów ulegnie zasadniczej zmianie (tab. 24). Blisko 80% miast reprezentować będzie typy A i B, a więc o największym zagrożeniu starzeniem się populacji, o wysokiej dynamice wskaźnika WSD i wysokim poziomie indeksu starości demograficznej w 2030 r. Z drugiej strony jednakże, ponad połowa obszarów wiejskich charakteryzować się będzie relatywnie najmniej dynamicznymi typami starzenia się (H i G), o wartościach dynamiki i poziomu starości w 2030 r. poniżej średniej dla Polski. W typie A udział miast blisko czterokrotnie przewyższał udział gmin, a wśród nich dominowały ośrodki duże i średnio-duże (blisko połowa miast w swoich kategoriach). Z dużych miast, liczących powyżej 100 tysięcy mieszkańców, zanotowano w tej kategorii ośrodki takie, jak Bydgoszcz, Białystok, Katowice, Częstochowa, Radom, Toruń, Sosnowiec i Gliwice, ponadto szereg miast pełniących funkcję turystyczną i uzdrowiskową (m.in. Kołobrzeg, Busko-Zdrój, Wisła, Kry- nica-Zdrój, Ciechocinek, Kudowa-Zdrój, Połczyn-Zdrój, Szklarska Poręba, Karpacz, Iwonicz-Zdrój). W układzie przestrzennym najwięcej miast w tej klasie typologicznej zlokalizowanych było na terenie województw: dolnośląskiego (głów- nie w Sudetach) opolskiego i śląskiego (miasta Górniczego Okręgu Przemysłowego). Obszary wiejskie również wykazywały największą koncentrację na terenie wymienionych województw, co świadczy o pewnych uwarunkowaniach przestrzennych stanu i dynamiki starzenia się ludności (ryc. 67). Typ B obejmował najwięcej miast (ponad połowę jednostek), wśród których procentowo dominowały miasta małe i bardzo małe. Wśród miast średnich zanotowano tu ośrodki przemysłowe takie, jak Jastrzębie-Zdrój, Konin, Lubin, Głogów, Stalowa Wola, Bełchatów, Tarnobrzeg czy Puławy. Miasta duże będą jedynie reprezentowane przez Rudę Śląską, Rybnik, Tychy, Płock i Gorzów Wielkopolski. Obszary wiejskie tego typu skoncentrowały się ponownie w województwach: dolnośląskim (tym razem w jego północnej części), opolskim i śląskim (na północnym i południowym obrzeżu), ale także w północno-zachodniej części zachodniopomorskiego oraz północnej części lubuskiego. Typ C był dość licznie reprezentowany przez gminy (13% ogółu) i jednostki te koncentrowały się w południowo-wschodniej części województwa podlaskiego, północnej części łódzkiego, południowej świętokrzyskiego oraz po108 łudniowo-wschodniej lubelskiego. Na obszarach tych stan zaawansowania starości demograficznej jest wysoki w obu przekrojach czasu, lecz dynamika zmian tego zjawiska uległa spowolnieniu (wartość WSD poniżej średniej dla Polski). Należy podkreślić, iż znalazły się w tej grupie największe ośrodki miejskie (Warszawa, Łódź, Kraków, Wrocław, Poznań, Gdańsk, Szczecin) oraz pozostałe miasta ponad 100-tysięczne (38% ogółu tej kategorii). Typy D i E, podobnie jak w poprzednim okresie, były sporadycznie reprezentowane, natomiast w typie F znalazło się ok. 18% wszystkich jednostek wiejskich. Typ F obejmował generalnie obszary Polski północno-zachodniej, ale z największą ich koncentracją w województwie warmińsko-mazurskim, zachodniej części pomorskiego, zachodniopomorskim oraz lubuskim i północnej części wielkopolskiego. Spośród miast dominowały ośrodki małe, a średnie były reprezentowane m.in. przez Nowy Sącz, Suwałki i Siedlce. W typie G z kolei zanotowano ponad 1/4 wszystkich gmin i typ ten obejmie głównie obszary Polski środkowo-wschodniej (wchodzące w skład województw: podlaskiego, mazowieckiego, łódzkiego, świętokrzyskiego i lubelskiego). Jednostki charakteryzujące się obecnie poziomem starości powyżej średniej dla Polski według sporządzonej prognozy zanotują spowolnienie dynamiki starzenia i zostaną w 2030 r. zaliczone do gmin reprezentujących stan danego zjawiska poniżej średniej. Miasta w tej kategorii będą reprezentowane m.in. przez ośrodki położone w strefie podmiejskiej aglomeracji stołecznej (Otwock, Grodzisk Mazowiecki, Józefów, Zielonka, Konstancin-Jeziorna, Milanówek, Błonie, Brwinów, Góra Kalwaria) oraz poznańskiej (Mosina, Puszczykowo). Typ H, o najmniejszym zagrożeniu starzeniem, był zdominowany przez wieś (31% wszystkich gmin) i koncentrował się w środkowej części województwa pomorskiego, w kujawsko-pomorskim, wielkopolskim oraz małopolskim i podkarpackim. Tereny zurbanizowane tego typu reprezentowane były głównie przez ośrodki średnio-małe, a w układzie terytorialnym były to obrzeża aglomeracji warszawskiej (Piaseczno, Wołomin, Ząbki, Marki, Mińsk Mazowiecki) oraz trójmiejskiej (Wejherowo, Pruszcz Gdański) i poznańskiej (Luboń, Kostrzyn i Pobiedziska). Najliczniej reprezentowanym typem był typ H (711 jednostek), a następnie typ B (580 jednostek) i G (578). Tabela 24. Rozkład jednostek według poszczególnych typów starzenia się w okresie 2002–2030 metodą tablicy znaków Distribution of units according to ageing types in the years 2002–2030 by deviations from the average Typ Miasto Wieś liczba jednostek Miasto Wieś udział (%) A 238 153 27,2 7,0 B 450 130 51,4 6,0 C 36 273 4,1 12,6 D 0 1 0,0 0,0 E 0 1 0,0 0,0 109 F 91 384 10,4 17,7 G 20 558 2,3 25,7 H 40 671 4,6 30,9 Razem 875 2171 100,0 100,0 Źródło: Opracowanie własne Ogólnie należy stwierdzić, iż zaprezentowana typologia dla okresu 1988–2002 oraz dla przewidywanych zmian (2002–2030) pokazała ewolucję regionalnego zróżnicowania zjawiska starzenia się ludności. O ile w pierwszym badanym okresie jest jeszcze wyraźnie widoczny podział na młodsze demograficznie ziemie północne i zachodnie, tak w drugim, ze względu na zróżnicowaną dyna- mikę, przewidywane jest zatarcie się tego podziału i w rezultacie niektóre obszary Polski środkowej i wschodniej będą relatywnie młodsze od terenów północno-zachodnich. Ponadto środek ciężkości starości demograficznej przesunie się z północnego wschodu na południowy zachód, obejmując województwa dolnośląskie, opolskie i śląskie. W układzie miasto–wieś nastąpi wyraźna polaryzacja polegająca na koncentracji miast w typach najstarszych (A i B) oraz na koncentracji wsi w typach relatywnie młodszych (F, G, H). Czynnikami wpływającymi na ten stan rzeczy będą niewątpliwie postępujący spadek płodności w miastach oraz na tere- nach poprzemysłowych i wzrost emigracji z miast do stref podmiejskich i na wieś. Ponadto w wiek poprodukcyjny wejdą liczne roczniki imigrantów w rozwijanych w latach 70. i 80. ośrodkach górnictwa i hutnictwa na Górnym Śląsku oraz w Sudetach. 3.3. Metoda taksonomiczna k-średnich (1988–2002) Typologia dynamiczna ma na celu uchwycenie zmian w strukturze wieku ludności i określenie ich kierunku. Metoda k-średnich pozwala na zgrupowanie obiektów o podobnych różnicach punktowych zmian w udziałach ludności w poszczególnych grupach wieku. Wydzielone typy, jak już wcześniej wspomniano, uszeregowano na podstawie dynamicznego wskaźnika starzenia się ekonomicznego – od najintensywniej do najsłabiej starzejących się. W okresie międzyspisowym 1988–2002 wszystkie typy charakteryzowały się dodatnimi wartościami wskaźnika starzenia się ekonomicznego WSE (od 2,0 do 23,9), co świadczy o ich postępującym starzeniu się (tab. 25). W najszybciej starzejącym się typie A udział ludności w wieku 0–14 lat zmniejszył się o 10,1 punktu procentowego, a odsetek osób w wieku 65 lat i więcej wzrósł o 3,7 punktu. Z kolei w najmniej dynamicznie starzejącym się typie H udział dzieci spadł o 4,3 punktu procentowego, a udział osób starszych zwiększył się o 2,6 punktu. 110 Tabela 25. Charakterystyka zmian w strukturze wieku ludności (w punktach procentowych) oraz dynamiki starzenia się ludności na podstawie wyróżnionych typów starzenia się za okres 1988–2002 metodą k-średnich The characteristics of changes in population age structure (in percentage points) and the dynamics of ageing on the basis of distinguished ageing types according to the projection for the years 1988–2002 by k-means method Wiek A B C D E F G H 0–4 -3,5 -2,9 -4,3 -4,2 -3,0 -4,4 -2,8 -2,9 5–9 -4,3 -3,3 -3,8 -2,8 -2,2 -2,5 -1,3 -1,5 10–14 -2,3 -1,7 -0,7 0,1 -0,5 0,6 -0,1 0,0 15–19 1,4 0,7 3,1 2,6 1,6 1,7 0,9 2,5 20–24 3,1 2,3 2,0 0,7 1,3 -1,2 0,1 0,7 25–29 0,6 0,8 -1,3 -1,6 0,0 -2,4 -0,2 -0,4 30–34 -4,0 -2,7 -4,0 -2,4 -1,7 -0,5 -0,2 -1,2 35–39 -4,0 -3,0 -2,0 -0,3 -1,0 2,1 0,4 -0,2 40–44 1,1 0,5 3,1 3,2 1,9 4,3 1,8 1,9 45–49 4,8 3,3 4,8 2,9 3,3 0,8 1,6 2,3 50–54 3,6 2,5 2,4 1,0 1,7 -1,4 0,3 0,5 55–59 0,0 -0,1 -1,2 -1,4 -1,0 -2,2 -1,4 -2,3 60–64 -0,2 0,0 -1,1 -0,4 -1,1 1,5 -0,7 -2,2 65–69 0,9 1,0 0,3 0,6 -0,3 1,9 0,3 -0,4 70+ 2,8 2,6 2,8 2,1 1,1 1,7 1,3 3,1 WSD 13,9 11,4 11,9 9,6 6,5 9,8 5,8 7,0 WSE 23,9 18,5 15,9 9,6 7,3 4,4 2,8 2,0 Objaśnienia: WSD – wskaźnik starzenia się demograficznego / a dynamic ageing index / WSE – wskaźnik starzenia się ekonomicznego / an economic ageing index Źródło: Opracowanie własne Do typu A zaliczono 215 badanych jednostek przestrzennych, z czego 200 to były miasta. W obrębie poszczególnych kategorii jednostek osadniczych miasta małe, średnio-małe, średnio-duże i duże charakteryzowały się drugimi co do wielkości udziałami w omawianym typie wśród wszystkich miast danej kategorii (tab. 26). Wśród miast ponad 100-tysięcznych znalazły się tu m.in. Wrocław, Sosnowiec, Olszyn i Rzeszów. Najwięcej jednostek z tej grupy zaobserwowano na terenie województw: dolnośląskiego i zachodniopomorskiego (ryc. 68). Podobnie w typie B, na 320 jednostek zanotowano aż 288 miast. Wśród nich miasta duże stanowiły ponad 2/3 ogółu wszystkich miast powyżej 100-tysięcznych, miasta średnio-małe stanowiły ponad połowę ośrodków tej kategorii, a miasta średnio-duże prawie połowę jednostek w swojej grupie. Wśród miast dużych wystąpiły tu pozostałe największe ośrodki (Warszawa, Łódź, Kraków, Poznań, Gdańsk). Najwięcej jednostek typu B było zlokalizowanych na terenie województw wielkopolskiego, śląskiego (zwłaszcza w obrębie konurbacji górnośląskiej) i mazowieckiego. W typie C za- 111 notowano 364 jednostki, z czego 40% stanowiły miasta. Proporcjonalnie w stosunku do poszczególnych kategorii, wśród miast najwięcej było ośrodków poniżej 5-tysięcznych (27%), a następnie miast małych (13,6%). Jedynym miastem dużym w tej grupie był Wałbrzych (130 tys. mieszkańców). Wśród obszarów wiejskich, gminy tego typu grupowały się na obszarze Polski północno-zachodniej, a najbardziej w rejonie Sudetów oraz województwa zachodniopomorskiego. Typ D obejmował 419 jednostek, w tym 81 miast. Spośród miast największy udział w po- szczególnych kategoriach stanowiły miasta bardzo małe (16%), a następnie średnio-duże (10%). Jedynym miastem powyżej 100-tysięcznym w tej grupie było Zabrze. Obszary wiejskie tego typu koncentrowały się w Polsce północnej, najwięcej w województwie warmińsko-mazurskim oraz częściowo w pomorskim i zachodniopomorskim, a także w północnej części lubuskiego. Typ E był naj- liczniej reprezentowany w tej klasyfikacji (648 jednostek, w tym 112 miast), a obszary wiejskie stanowiły w nim niemal 1/4 wszystkich gmin. Wysoki był również udział miast bardzo małych (23,9%). Największymi miastami typu E były Augustów (30 tys.), Krotoszyn (29 tys.) oraz Zakopane (28 tys.). Obszary wiejskie tego typu zlokalizowane były na terenie województw: wielkopolskiego i kujawsko- -pomorskiego. Typ F był najmniej liczny i obejmował jedynie 81 jednostek, w tym 14 miast (największe Czerwionka-Leszczyny – 29 tys. mieszkańców). Jednostki tego regionu koncentrowały się w województwie opolskim i w zachodniej części śląskiego. W typie G dominowały zdecydowanie obszary wiejskie (562 jednostki, w tym 530 gmin), niemniej jednak w grupie tej znalazł się jeden ośrodek powyżej 100-tysięczny (Chorzów). Jednostki tego typu koncentrowały się głównie na obszarze województw: małopolskiego, podkarpackiego, pomorskiego (Kaszuby) oraz w pasie od północnej części śląskiego poprzez brzeżne strefy województw: łódzkiego, wielkopolskiego, kujawsko-pomorskiego, mazowieckiego aż po podlaskie. Ostatni typ H, o względnie najsłabszej dynamice procesu starzenia się, obejmował 437 jednostek, w tym tylko 4 miasta (Jaworzyna Śląska 5,3 tys. mieszkańców, Iłowa 4,1 tys., Niemcza 3,3 tys. i Ćmielów 3,2 tys.). Typ H koncentrował się głównie na obszarze województw: podlaskiego, lubelskiego, mazowieckiego, świętokrzyskiego i łódzkiego. Tabela 26. Rozkład jednostek według typów starzenia się w latach 1988–2002 w zależności od rodzaju i wielkości ośrodka metodą k-średnich Distribution of units according to ageing types in the years 1988–2002 by its sort (urban/rural) and size calculated with k-means method Miasto Typ >100 tys. 50–100 tys. 20–50 tys. 5–20 tys. <5 tys. Wieś w liczbach bezwzględnych 112 A 11 17 35 106 31 15 B 26 23 73 128 38 32 C 1 4 12 50 77 220 D 1 5 4 26 45 338 E – – 5 39 68 536 F – – 1 8 5 67 G 1 – 3 11 17 530 H – – – 1 3 433 Razem 40 49 133 369 284 2171 w odsetkach A 27,5 34,7 26,3 28,7 10,9 0,7 B 65,0 46,9 54,9 34,7 13,4 1,5 C 2,5 8,2 9,0 13,6 27,1 10,1 D 2,5 10,2 3,0 7,0 15,8 15,6 E 0,0 0,0 3,8 10,6 23,9 24,7 F 0,0 0,0 0,8 2,2 1,8 3,1 G 2,5 0,0 2,3 3,0 6,0 24,4 H Razem 0,0 0,0 0,0 100,0 100,0 100,0 0,3 100 1,1 100 19,9 100 Źródło: Opracowanie własne Przedstawiona typologia za lata 1988–2002 potwierdziła zmiany demograficzne, jakie dokonują się w układzie regionalnym. Największą dynamiką starzenia się ludności charakteryzowały się miasta, w tym ośrodki największe. Obszary północne i zachodnie, uważane dotąd za młodsze demograficznie, cechowały się w badanym okresie większą dynamiką starzenia się niż tereny środkowo-wschodnie. Proces starzenia się objął bardzo intensywnie obszar Sudetów i centralną część Górnego Śląska, natomiast swoistą odmiennością w stosunku do innych części kraju wyróżniał się region Śląska Opolskiego. Z kolei relatywnie wolniej starzały się regiony Kaszub oraz Karpat i Pogórza. 3.4. Metoda taksonomiczna k-średnich (2002–2030) Wszystkie wyróżnione typy w prognozowanym okresie charakteryzowały się wzrostem zarówno wskaźnika starzenia się ekonomicznego WSE, jak i wskaźnika starzenia się demograficznego WSD. Również we wszystkich typach zaobserwowano spadki udziałów ludności w grupach wieku 0–34 lat, jak również wzrost odsetka w grupach powyżej 55 lat, lecz natężenie tych zmian było zróżnicowane (tab. 27). Spadki udziału dzieci w wieku 0–14 lat wahały się od -3,2 punktu procentowego w typie E do -6,7 punktu w typie A i D. Z kolei wzrost udziału osób w wieku 65 lat i więcej kształtował się w granicach od 3,8 w typie H do 15,5 punktu procentowego w typie A. 113 Tabela 27.Charakterystyka zmian w strukturze wieku ludności (w punktach procentowych) oraz dynamiki starzenia się ludności na podstawie wyróżnionych typów starzenia się za okres 2002–2030 według prognozy metodą k-średnich The characteristics of changes in population age structure (in percentage points) and the dynamics of ageing on the basis of distinguished ageing types according to the projection for the years 2002–2030 by k-means method Wiek A B C D E F G H 0–4 -1,2 -1,2 -1,0 -1,3 -0,7 -1,2 -0,6 -0,3 5–9 -2,0 -1,7 -1,6 -2,3 -1,0 -2,1 -1,6 -1,3 10–14 -3,5 -2,8 -2,6 -3,1 -1,6 -2,9 -2,4 -2,0 15–19 -5,0 -3,7 -4,3 -3,9 -2,9 -3,3 -2,9 -2,3 20–24 -3,2 -3,2 -3,2 -2,9 -3,9 -2,5 -1,9 -1,5 25–29 -2,6 -3,1 -3,1 -2,4 -3,5 -2,2 -1,9 -1,4 30–34 -1,2 -2,0 -1,5 -0,7 -1,7 -0,7 -0,9 -0,3 35–39 -0,6 -1,3 -0,5 0,4 -0,5 0,6 0,2 0,8 40–44 -0,6 -0,3 -1,0 0,0 -0,4 0,8 -0,1 0,4 45–49 0,1 1,3 -1,4 0,6 0,5 1,4 0,3 0,8 50–54 0,3 2,3 -0,9 0,8 0,8 1,5 0,4 0,4 55–59 2,2 3,7 1,7 3,0 2,0 2,7 2,2 1,8 60–64 2,0 1,8 1,6 2,4 0,9 2,0 1,7 1,2 65–69 3,0 2,1 2,3 2,2 1,0 1,5 1,5 0,7 70–74 4,4 2,6 4,6 2,6 2,6 1,4 1,8 0,4 75–79 3,9 2,4 5,1 2,2 3,4 1,1 1,7 0,6 8–84 2,7 1,6 3,8 1,6 3,0 1,1 1,5 1,0 85+ 1,6 1,3 2,0 0,8 1,9 0,8 1,0 1,0 WSD 22,3 15,7 23,0 16,1 15,1 12,1 12,0 7,4 WSE 40,1 38,5 37,4 32,4 32,2 27,1 24,2 15,9 Objaśnienia: WSD – wskaźnik starzenia się demograficznego / a dynamic ageing index / WSE – wskaźnik starzenia się ekonomicznego / an economic ageing index Źródło: Opracowanie własne Typ A, wydzielony za prognozowany okres 2002–2030, obejmuje 243 jednostki, w tym 209 miast. Zaklasyfikowano do niego ponad 1/3 wszystkich miast bardzo małych oraz ponad 20% miast małych według prognozowanej struktury wielkościowej miast w 2030 r. (tab. 28). Wśród miast średnich najszybciej będą się starzeć m.in. Suwałki, Chełm, Ełk i Łomża oraz niektóre ośrodki przemysłowe (Mielec, Bełchatów, Dębica, Police, Łęczna). Najwięcej jednostek typu A koncentrowało się na obszarze województwa zachodniopomorskiego (ryc. 69). Typ B był najsłabiej reprezentowany i liczył 115 jednostek, w tym tylko 18 miast. Jedynym miastem powyżej 100-tysięcznym w tej grupie był Białystok. Obszary wiejskie tego typu 114 koncentrowały się głównie na terenie województwa opolskiego oraz w zachodniej części śląskiego. Typ C liczył 204 jednostki, w tym tylko 3 obszary wiejskie. Proporcjonalnie najwięcej wystąpiło w tej klasie jednostek małych (30%) i średnio-małych (26%). Z miast dużych zaliczono tu Sosnowiec i Włocławek. Najwięcej jednostek tego typu koncentrowało się na obszarze województw zachodnio- -pomorskiego i dolnośląskiego. W typie D, liczącym 598 jednostek, dominowały obszary wiejskie (536 gmin, co stanowiło niemal 1/4 ogółu). Wśród miast największym udziałem charakteryzowały się ośrodki bardzo małe (14%). Nie zanotowano w tej klasie typologicznej miast dużych i średnio-dużych, a liczba ludności największego ośrodka nie przekraczała 23 tys. mieszkańców. Gminy tego typu wyróżniały się na obszarze Polski północno-zachodniej. Typ E liczył 338 jednostek, z czego większość to miasta (315 ośrodków, w tym 31 dużych miast, co stanowiło 91% jednostek tej kategorii wielkościowej). Tak więc miasta duże „przesunęły się” w klasyfikacji w porównaniu z poprzednim badanym okresem z typu B i A do typu E, co świadczy o spowolnieniu dynamiki procesu starzenia się ludności. Również w tej klasie zanotowano blisko 2/3 ogółu miast średnio-dużych i prawie połowę miast średnio-małych. Najwięcej jednostek tego typu koncentrowało się na terenie województw śląskiego i dolnośląskiego. Typ F był najbardziej liczny i obejmował 610 jednostek, w tym tylko 4 miasta. Proporcjonalnie najwięcej obszarów wiejskich koncentrowało się w tym typie (28% ogółu). Największymi miastami w tej grupie były Pruszcz Gdański (31 tys. mieszkańców) oraz Niepołomice (12 tys.). Najwięcej jednostek tego typu rozmieszczonych było w Polsce południowo-wschodniej na terytorium województw: małopolskiego i podkarpackiego. Typ G liczył 570 jednostek, w tym 58 miast, głównie bardzo małych. Największym miastem w tej grupie było Piaseczno (57 tys. mieszkańców). Jednostki tego typu rozmieszczone były w większości w Polsce środkowej, tworząc zwarty przestrzennie obszar w północnej części województw mazowieckiego oraz kujawsko-pomorskiego. Typ H, o mniejszym nasileniu procesu starzenia się ludności, obejmował 368 jednostek, w tym tylko 8 miast, położonych w aglomeracji warszawskiej. Obszary wiejskie tego typu rozmieszczone były w Polsce Środkowo-Wschodniej, koncentrując się głównie na obszarach województw: podlaskiego, lubelskiego, mazowieckiego, łódzkiego oraz świętokrzyskiego. Podsumowując, należy stwierdzić, że w okresie 2002–2030 przewiduje się dalsze zróżnicowanie procesu starzenia się ludności w podziale na miasto i wieś oraz w układach regionalnych. Typy A, B i E koncentrowały 83% wszystkich miast, natomiast w skład typów D, F, G i H wchodziło 93% wszystkich gmin. Wśród miast ośrodki duże doświadczą spowolnienia tempa procesu starzenia się, gdyż pomimo rozwoju zjawiska suburbanizacji będą one nadal przyciągać ludzi młodych w celach edukacyjnych czy w związku z lepszą ofertą miejsc pracy. W układzie przestrzennym nadal ziemie północno-zachodnie będą starzeć się dużo szybciej niż obszary Polski środkowej i wschodniej. Wysoka dynamika procesu starzenia się obejmie tereny Pomorza, Sudetów oraz Górnego Śląska i Opolszczyzny. 115 Tabela 28. Rozkład jednostek według typów starzenia się w latach 2002–2030 w zależności od rodzaju i wielkości ośrodka metodą k-średnich Distribution of units according to ageing types in the years 2002–2030 by its sort (urban/rural) and size calculated with k-means method Miasto Typ >100 tys. 50–100 tys. A 0 7 20–50 tys. 5–20 tys. <5 tys. Wieś w liczbach bezwzględnych 16 78 108 34 B 1 0 3 4 10 97 C 2 9 33 105 52 3 D 0 0 1 17 44 536 E 31 31 60 127 66 23 F 0 0 1 2 1 606 G 0 1 9 14 34 512 H 0 1 2 4 1 360 Razem 34 49 125 351 316 2171 w odsetkach A 0,0 14,3 12,8 22,2 34,2 1,6 B 2,9 0,0 2,4 1,1 3,2 4,5 C 5,9 18,4 26,4 29,9 16,5 0,1 D 0,0 0,0 0,8 4,8 13,9 24,7 E 91,2 63,3 48,0 36,2 20,9 1,1 F 0,0 0,0 0,8 0,6 0,3 27,9 G 0,0 2,0 7,2 4,0 10,8 23,6 H Razem 0,0 2,0 1,6 1,1 100,0 100,0 100,0 100,0 0,3 16,6 100,0 100,0 Źródło: Opracowanie własne Zaprezentowane typologie (zarówno statyczna, jak i dynamiczna) pokazały w dokładny sposób zróżnicowanie i zmiany w strukturach wieku ludności miast i gmin, uwzględniając nie tylko udziały dzieci i osób starszych, ale wszystkie grupy wieku z podziałem na 5-letnie klasy. Zastosowana metoda k-średnich pozwoliła wydzielić grupy jednorodne z punktu widzenia przyjętych cech, składające się z podobnych obiektów w zakresie struktury wieku. Obiekty wydzielone tą metodą charakteryzowały się bardziej równomiernym rozmieszczeniem w obrębie wyróżnionych typów w porównaniu z metodą tablicy znaków, w której dwa typy praktycznie nie występowały. Przyjęty podział na 8 klas typologicznych umożliwił wizualizację danych na kartogramach i analizę rozmieszczenia typów. Na tej podstawie prześledzono stan i zmiany w strukturze wieku ludności badanych obiektów od 1988 r. do 2030 r., w którym przyjęto wartości uzyskane z wykonanej prognozy. Stwierdzono dużą zwartość przestrzenną wydzielonych typów, chociaż z bie116 giem czasu będą one ulegać stopniowemu rozproszeniu i dalszemu zróżnicowaniu. Dekoncentracji obszarów w ramach wydzielonych typów będzie sprzyjać postępujące zróżnicowanie głównych czynników wpływających na stan i dynamikę starzenia się ludności, a mianowicie ruchu naturalnego i wędrówkowego ludności, zwłaszcza w układach miasto–wieś, centra–peryferie oraz w obrębie obszarów metropolitalnych (miasta centralne – strefy podmiejskie). Ponadto na występowanie regionalnych zróżnicowań w zakresie poziomu i dynamiki starzenia się będą wpływać pośrednio czynniki ekonomiczne i społeczne, a mianowicie oferta na rynku pracy, możliwości kształcenia, polityka rodzinna i sytuacja na rynku nieruchomości. 117 VI. ZALEŻNOŚCI MIĘDZY TYPAMI STARZENIA SIĘ A WYBRANYMI CECHAMI RUCHU LUDNOŚCI W niniejszym rozdziale prześledzono zależność wydzielonych typów starości demograficznej na podstawie metody k-średnich od głównych składowych ruchu ludności, tj. urodzeń, zgonów, przyrostu naturalnego, napływu, odpływu i salda migracji ludności. Ponadto przeanalizowano związki pomiędzy poszczególnymi typami dynamicznymi starzenia się na podstawie metody k-średnich a dynamiką liczby ludności. Przebadano korelacje pomiędzy wybranymi wskaźnikami struktury wieku ludności (udziałem ludności w wieku 0–14 lat, 65 lat i więcej, indeksem starości demograficznej ISD, syntetycznym wskaźnikiem struktury wieku ISW, wskaźnikiem starzenia się demograficznego oraz wskaźnikiem starzenia się ekonomicznego) a wybranymi wskaźnikami ruchu naturalnego i wędrówkowego ludności (współczynnikami: urodzeń WU, zgonów WZ, przyrostu naturalnego WPN, napływu WN, odpływu WO i salda migracji ludności WSM) oraz wskaźnikiem dynamiki liczby ludności WDL. W tym celu obliczono współczynniki korelacji pomiędzy wspomnianymi wyżej szeregami zmiennych. W przypadku zależności typów od wskaźników ruchu ludności do analizy przyjęto typologie statyczne za lata 1988, 2002 i 2030 (prognoza), uzyskane za pomocą metody k-średnich oraz typologie dynamiczne za lata 1988–2002 oraz 2002–2030, uzyskane również metodą k-średnich. Do analizy współczynników korelacji przyjęto zmienne za lata 1988, 2002 oraz ich dynamikę w okresie 1988– 2002. We wszystkich przypadkach do obliczenia współczynników ruchu naturalnego i wędrówkowego przyjęto wartości uśrednione z trzechleci (za lata 1988–1990, 2001–2003). Przy prognozie do roku 2030 do obliczenia wartości współczynników ruchu naturalnego przyjęto wartości z 5-lecia (2026–2030), gdyż prognozy tworzono na podstawie 5-letnich przedziałów wieku, natomiast jako prognozowane współczynniki ruchu wędrówkowego przyjęto wartości za lata 2001–2003, co wynikało z założeń prognozy o stałości natężenia i kierunków migracji. W 1988 r. typ A, a więc o najstarszej strukturze wieku, charakteryzował się największym ubytkiem migracyjnym, najniższym poziomem napływu, najwyższym poziomem zgonów oraz najniższym przyrostem naturalnym spośród wszystkich typów starzenia się ludności (tab. 29). Najwyższy poziom odpływu ludności wystąpił w typie najmłodszym H, ale jednocześnie typ ten cechował najwyższy spośród wszystkich poziom napływu ludności, czyli jednostki tego typu notowały wysoką ruchliwość przestrzenną, co było charakterystyczne dla ziem zachodnich i północ118 nych. Z drugiej strony, w jednostkach typu H zaobserwowano najwyższy poziom urodzeń i przyrostu naturalnego. Najsilniejsza zależność wystąpiła w przypadku współczynnika zgonów, gdzie relatywnie młodszemu typowi odpowiadał niższy poziom zgonów, co wynika z tego, że w społeczeństwach o wysokim udziale osób starszych prawdopodobieństwo zgonów jest wyższe. Tabela 29. Współczynniki ruchu ludności według wydzielonych typów starzenia się ludności w 1988 r. (w ‰) Population movement coefficients by ageing types in 1988 (per mille) TYP WU WZ A 15,3 14,8 B 17,3 C WPN WN WO WSM 0,6 11,4 22,1 -10,7 12,3 5,0 11,8 21,6 -9,8 11,8 10,4 1,5 12,6 10,4 2,3 D 18,1 10,3 7,8 17,1 25,6 -8,5 E 19,0 10,0 9,0 13,8 20,7 -6,9 F 15,6 9,4 6,2 17,0 19,7 -2,7 G 14,5 7,7 6,8 20,3 12,7 7,6 H 19,4 7,8 11,6 23,6 27,6 -3,9 Objaśnienia: WU – współczynnik urodzeń / birth rate, WZ – współczynnik zgonów / mortality rate, WPN – współczynnik przyrostu naturalnego / natural population growth rate, WN – współczynnik napływu / immigration rate, WO – współczynnik odpływu / emigration rate, WSM – współczynnik salda migracji / net migration rate Źródło: Opracowanie własne W 2002 r. największa zależność pomiędzy typem struktury wieku a ruchem ludności wystąpiła w przypadku współczynnika przyrostu naturalnego (tab. 30). Typy o ubytku naturalnym ludności to A, B, C i D, zawierające miasta i gminy położone w Polsce środkowo-wschodniej oraz na Opolszczyźnie i na Górnym Śląsku. Najwyższym poziomem zgonów cechował się typ A, a najwyższym poziomem urodzeń typ G. Mniejsze zależności zaobserwowano w przypadku składowych ruchu wędrówkowego ludności. Największy ubytek migracyjny ludności, a jednocześnie najwyższy poziom odpływu wystąpił w jednostkach należących do typu D, położonych w województwach śląskim i opolskim. Typ D charakteryzował się także najniższym poziomem urodzeń, ale ze względu na młodą strukturę wieku poziom zgonów był dość niski. Najwyższe wartości salda migracji i poziomu napływu zanotowano w obrębie jednostek typu E, położonych w większości wokół wielkich aglomeracji (warszawskiej, wrocławskiej, krakowskiej). 119 Tabela 30. Współczynniki ruchu ludności według wydzielonych typów starzenia się ludności w 2002 r. (w ‰) Population movement coefficients by ageing types in 2002 (per mille) Typ WU WZ WPN WN WO WSM A B 8,9 8,1 14,4 9,7 -5,5 -1,6 8,7 9,5 12,1 10,2 -3,4 -0,7 C 10,3 11,9 -1,6 9,5 11,2 -1,7 D 7,8 8,8 -1,0 10,8 14,4 -3,6 E 9,7 9,8 0,0 13,8 10,9 2,9 F 9,3 7,9 1,3 10,9 13,0 -2,1 G H 12,0 11,0 8,8 8,3 3,2 2,7 11,1 13,1 10,0 12,3 1,1 0,7 Źródło: Opracowanie własne Według prognozy dla roku 2030, stwierdzono bardzo wysoką zależność pomiędzy typem struktury wieku a składowymi ruchu naturalnego ludności (tab. 31). Typ A (najstarszy) cechował się najniższym poziomem urodzeń, najwyższym poziomem zgonów i największym ubytkiem naturalnym, natomiast typ H (relatywnie najmłodszy) miał najwyższy współczynnik urodzeń i przyrostu naturalnego oraz najniższy współczynnik zgonów. W przypadku migracji największą zależność zaobserwowano pomiędzy typem struktury wieku a współczynnikiem odpływu, gdzie największy jego poziom rejestrowany był w typie A, a najmniejszy w typie G i H. Z kolei najwyższy poziom napływu i jednocześnie salda migracji zaobserwowano w typie F, którego jednostki położone były głównie w strefie oddziaływania większych aglomeracji. Należy oczekiwać dalszego rozwoju stref podmiejskich i napływu do nich ludności z miast centralnych oraz z obszarów peryferyjnych. Dlatego obszary te będą charakteryzować się relatywnie młodszą strukturą wieku na tle innych typów. Tabela 31. Współczynniki ruchu ludności według wydzielonych typów starzenia się na podstawie prognoz w 2030 r. (w ‰) Population movement coefficients by projected ageing types in 2030 (per mille) Typ WU WZ WPN WN WO WSM A B 6,9 6,9 13,4 12,3 -6,4 -5,3 8,4 8,7 12,3 9,8 -3,9 -1,1 C 7,2 11,7 -4,5 11,5 10,4 1,1 D 8,6 10,7 -2,2 10,5 11,3 -0,8 E 9,9 11,7 -1,7 9,1 11,2 -2,1 F 8,8 9,1 -0,3 20,3 10,3 10,0 G H 10,1 12,3 9,5 8,4 0,6 3,9 11,3 11,0 9,6 9,7 1,8 1,3 Źródło: Opracowanie własne 120 Biorąc pod uwagę typologię dynamiczną, do analizy zależności przyjęto zmiany współczynników ruchu ludności obliczone jako różnice pomiędzy ich wartościami w latach 2002 i 1988 oraz 2030 i 2002 przedstawione w punktach promilowych. Do analizy przyjęto także wskaźnik dynamiki liczby ludności w badanych okresach, przyjmując okres poprzedni jako 100. W latach 1988–2002 nie stwierdzono istotnych zależności pomiędzy typami dynamicznymi starzenia się a dynamiką liczby czy ruchu ludności. Dla przykładu, najwyższy spadek przyrostu naturalnego zanotowano zarówno w typie A, C, jak i G, a więc w typach o różnej dynamice starzenia się (tab. 32). Największym przyrostem salda migracji ludności charakteryzowały się jednostki typu E, położone na terenie województw: wielkopolskiego i kujawsko-pomorskiego. Z kolei największy spadek współczynnika salda migracji wystąpił w obrębie typu B, obejmującego między innymi największe miasta oraz zurbanizowane obszary Górnego Śląska. Nie zanotowano również istotnej zależności pomiędzy analizowanymi typami zmian w strukturze wieku a dynamiką zmian liczby ludności. Największy spadek liczby ludności (o 6,3%) wystąpił w typie H, o najsłabszej dynamice starzenia się, obejmującym Polskę środkowo-wschodnią, natomiast największy wzrost wystąpił we wspomnianym typie E. Tabela 32. Zmiany współczynników ruchu ludności według wydzielonych typów starzenia się w latach 1988–2002 (w punktach promilowych) oraz wskaźnik dynamiki liczby ludności Changes of population movement coefficients by ageing types in the years 1988–2002 (per mille points) as well as population growth rate Typ WU WZ WPN WN WO WSM WDL A -7,2 0,0 -7,2 -9,3 -9,4 0,1 102,5 B -4,1 -0,3 -3,8 -4,3 0,1 -4,4 100,4 C -7,2 0,0 -7,2 -9,3 -9,4 0,1 102,5 D -7,5 -0,6 -6,9 -8,2 -12,1 3,9 101,0 E -6,5 -1,3 -5,2 -0,6 -10,9 10,2 103,1 F -7,7 -1,0 -6,7 -8,1 -10,0 1,9 100,6 G -7,2 0,0 -7,2 -9,3 -9,4 0,1 102,5 H -6,8 -0,8 -6,0 -2,8 -11,9 9,1 93,7 Źródło: Opracowanie własne Nieco większą zależnością charakteryzowały się wydzielone typy dynamiczne struktur wieku ludności od współczynników ruchu i dynamiki ludności na podstawie prognozy w latach 2002–2030. Największa zależność wystąpiła w przypadku zmian przyrostu naturalnego, gdzie w typach o silniejszej dynamice starzenia się (A, B, C, D) zaobserwowano większy jego spadek niż w typach o słabszej dynamice (E, F, G, H; tab. 33). Ponadto typy A, B, C charakteryzowały się najwyższym wzrostem współczynnika zgonów, a typ H największym spadkiem wartości tego współczynnika. W przypadku wskaźnika dynamiki liczby ludności wzrost odnotowały typy D, E i F, natomiast największy spadek dynamiki zaludnienia zaznaczył się w typie B (o 16%) oraz C (o 12%). 121 Tabela 33. Zmiany współczynników ruchu ludności według wydzielonych typów starzenia się na podstawie prognozy za lata 2002–2030 (w punktach promilowych) oraz prognozowany wskaźnik dynamiki liczby ludności Changes of population movement coefficients by ageing types in the years 2002–2030 (per mille points) as well as projected population growth rate Typ WU A -1,4 B -1,7 C WZ WPN WDL 2,5 -3,8 97,0 4,5 -6,2 84,2 -1,3 2,9 -4,2 88,4 D -1,5 0,5 -2,0 114,5 E -1,3 -0,2 -1,1 118,9 F -0,6 0,0 -0,6 109,3 G -0,4 0,2 -0,6 97,8 H 0,0 -1,5 1,6 95,4 Źródło: Opracowanie własne Analizując współczynniki korelacji pomiędzy wybranymi wskaźnikami struktury wieku a współczynnikami ruchu ludności w 1988 r., należy stwierdzić najwyższą zależność pomiędzy udziałem osób starszych a poziomem zgonów (tab. 34). W przypadku udziału dzieci największą korelację zanotowano z poziomem przyrostu naturalnego. Również biorąc pod uwagę indeks starości demograficznej ISD oraz indeks struktury wieku ISW wysoka korelacja o znaku ujemnym występowała z współczynnikiem przyrostu naturalnego. Zdecydowanie mniejsze zależności zaobserwowano pomiędzy poziomem starości a poziomem migracji. Średni poziom korelacji wystąpił jedynie pomiędzy poziomem napływu ludności a udziałem osób starszych oraz indeksami ISD i ISW. Tabela 34. Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku w 1988 r. Correlation coefficients between population movement rates and age structure measures in 1988 Wskaźnik 0-14 65+ ISD ISW WU 0,530 -0,094 -0,235 -0,309 WZ -0,584 0,798 0,785 0,770 WPN 0,758 -0,580 -0,674 -0,717 WN 0,339 -0,481 -0,450 -0,448 WO 0,188 -0,013 -0,052 -0,063 WSM 0,089 -0,348 -0,291 -0,279 Źródło: Opracowanie własne 122 W 2002 r. największą zależność w macierzy korelacji zaobserwowano pomiędzy indeksem struktury wieku (ISW) a współczynnikiem przyrostu naturalnego (tab. 35). W porównaniu z 1988 r. stwierdzono, z jednej strony, wzrost wpływu przyrostu naturalnego na poziom starości demograficznej, a z drugiej spadek wpływu migracji (na przykład współczynnik korelacji pomiędzy udziałem osób w wieku 65 lat i więcej a współczynnikiem napływu zmniejszył się o niemal połowę). Warto odnotować również wzrost ujemnej korelacji pomiędzy poziomem urodzeń a wskaźnikiem struktury wieku. Nie stwierdzono istotnej korelacji pomiędzy współczynnikami ruchu ludności w roku 2002 a dynamiką starzenia się za lata 1988–2002 obliczoną na podstawie wskaźników WSD oraz WSE. Tabela 35. Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku i starzenia się w 2002 r. Correlation coefficients between population movement rates and age structure measures in 2002. Wskaźnik 0–14 65+ ISD ISW WSD* WSE* WU 0,721 -0,223 -0,430 -0,551 -0,288 -0,302 WZ -0,309 0,813 0,742 0,740 -0,295 -0,382 WPN 0,634 -0,714 -0,781 -0,848 0,049 0,104 WN 0,004 -0,255 -0,184 -0,173 -0,061 0,106 WO -0,117 -0,099 -0,027 0,002 0,349 0,279 WSM 0,069 -0,184 -0,158 -0,164 -0,252 -0,057 * Wskaźnik starzenia się demograficznego (WSD) oraz wskaźnik starzenia się ekonomicznego (WSE) obliczone za okres 1988–2002 * Dynamic ageing index (WSD) and economic ageing index (WSE) calculated for the years 1988–2002. Źródło: Opracowanie własne Nie zaobserwowano również istotnej korelacji pomiędzy zmianami współczynników ruchu ludności i wskaźnika dynamiki liczby ludności za okres 1988–2002 a wybranymi wskaźnikami struktury wieku w 2002 r. oraz wskaźnikami dynamiki starzenia się za okres 1988–2002. Największy współczynnik korelacji wystąpił w tym zakresie pomiędzy odsetkiem dzieci w wieku 0–14 lat w 2002 r. a spadkiem współczynnika urodzeń za okres 1988–2002 (tab. 36). Korelacja ta miała charakter ujemny, co oznacza, że większy spadek współczynnika urodzeń nastąpił w jednostkach, które charakteryzowały się wysokim udziałem dzieci. Zupełnie nieistotne były korelacje pomiędzy dynamiką liczby ludności a poziomem i dynamiką starzenia się. W przypadku dynamiki zmian natężenia migracji zanotowano średnią korelację pomiędzy zmianami współczynnika migracji a wartością wskaźnika starzenia się ekonomicznego (WSE). 123 Tabela 36. Współczynniki korelacji pomiędzy dynamiką współczynników ruchu i zmian liczby ludności w okresie 1988–2002 a wskaźnikami struktury wieku i starzenia się w 2002 r. Correlation coefficients between dynamics of population movement coefficients and ageing measures in 2002 Wskaźnik ISD ISW WU 0–14 -0,463 65+ 0,090 0,249 0,319 WSD* WSE* 0,101 0,252 WZ -0,228 0,001 0,102 0,122 0,353 0,303 WPN -0,233 0,074 0,138 0,184 -0,162 0,002 WN 0,029 0,249 0,177 0,156 -0,357 -0,298 WO -0,383 -0,079 0,072 0,171 0,168 0,318 WSM 0,294 0,231 0,072 -0,014 -0,370 -0,436 WDL 0,038 -0,019 -0,026 -0,019 0,139 0,140 * Wskaźnik starzenia się demograficznego (WSD) oraz wskaźnik starzenia się ekonomicznego obliczone za lata 1988–2002 * Dynamic ageing index (WSD) and economic ageing index (WSE) calculated for the years 1988–2002 Źródło: Opracowanie własne Według założeń prognozy do 2030 r. nastąpi dalszy wzrost korelacji pomiędzy poziomem starości a składowymi ruchu naturalnego ludności (tab. 37). Jeśli chodzi o migracje, to nastąpi niewielki wzrost zależności pomiędzy typami starzenia się a głównymi składowymi ruchu wędrówkowego ludności (największy w przypadku współczynnika salda migracji). Wśród dynamicznych wskaźników starzenia się (WSD i WSE) obliczonych za lata 2002–2030, średni poziom korelacji wystąpi ze współczynnikiem urodzeń, natomiast należy stwierdzić dość wysoką zależność pomiędzy przewidywaną dynamiką zmian liczby ludności w latach 2002–2030 a prognozowanym udziałem osób w wieku 65 lat i więcej w 2030 r. Tabela 37.Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku i starzenia się według prognozy w 2030 r. Correlation coefficients between population movement rates and age structure measures in 2030 Wskaźnik 0–14 65+ ISD ISW WSD* WSE* WU 0,830 -0,610 -0,741 -0,773 -0,501 -0,487 WZ -0,494 0,717 0,650 0,655 -0,016 -0,082 WPN 0,880 -0,901 -0,936 -0,960 -0,148 -0,113 WN -0,002 -0,363 -0,203 -0,172 0,038 0,097 WO -0,193 0,371 0,297 0,273 0,126 0,070 WSM 0,091 -0,522 -0,335 -0,294 -0,032 0,023 WDL 0,318 -0,671 -0,517 -0,506 -0,005 0,030 * Wskaźnik starzenia się demograficznego (WSD) oraz wskaźnik starzenia się ekonomicznego obliczone za okres 2002–2030 * Dynamic ageing index (WSD) and economic ageing index (WSE) calculated for the years 1988–2002. Źródło: Opracowanie własne 124 W latach 2002–2030 według prognozy największe zależności wystąpią pomiędzy dynamiką starzenia się a zmianą współczynnika przyrostu naturalnego i zgonów (tab. 38). Ponadto zmiany w natężeniu zgonów i przyroście naturalnym ludności będą średnio skorelowane z poziomem starości demograficznej w 2030 r. Tabela 38. Współczynniki korelacji pomiędzy dynamiką współczynników ruchu i zmian liczby ludności w latach 2002–2030 a wskaźnikami struktury wieku i starzenia się według prognozy w 2030 r. Correlation coefficients between dynamics of population movement coefficients and ageing measures in 2030 Wskaźnik 0–14 65+ ISD ISW WSD* WSE* WU 0,213 -0,034 -0,137 -0,114 -0,325 -0,330 WZ -0,390 0,425 0,458 0,432 0,593 0,529 WPN 0,490 -0,413 -0,506 -0,468 -0,747 -0,691 * Wskaźnik starzenia się demograficznego (WSD) oraz wskaźnik starzenia się ekonomicznego obliczone za okres 2002–2030 * Dynamic ageing index (WSD) and economic ageing index (WSE) calculated for the years 1988–2002 Źródło: Opracowanie własne Podsumowując, należy stwierdzić większą zależność pomiędzy wydzielonymi typami struktur wieku ludności a składowymi ruchu naturalnego ludności niż migracjami. Najbardziej wyraźna zależność ta była w przypadku typów statycznych. W przypadku migracji, większą zależnością od wyróżnionych typów charakteryzowały się współczynniki napływu ludności. Typy dynamiczne struktury wieku wydzielone za okres 1988–2002 nie wykazywały istotnej zależności z omawianymi współczynnikami ruchu i dynamiki ludności w przeciwieństwie do prognozowanego okresu 2002–2030. Wynika to po części z założeń prognozy (stałość migracji i wzrost poziomu płodności), a także z intensywnych zmian, jakie dokonały się w pierwszych latach transformacji społeczno-gospodarczej (od- wrócenie głównych kierunków migracji i spadek ich natężenia oraz gwałtowne zmniejszenie poziomu urodzeń, zwłaszcza w miastach). Wydaje się, że na zróżnicowanie dynamiki zmian w strukturze wieku wpływają przede wszystkim uwarunkowania historyczne (falowanie wyżów i niżów demograficznych), a aktualnie dokonujące się przemiany demograficzne będą oddziaływać w dłuższej perspektywie, po ich utrwaleniu się i ustabilizowaniu. Analiza zależności pomiędzy typami starzenia się a poziomem ruchu naturalnego i wędrówkowego ludności została potwierdzona analizą współczynników korelacji. W badanym okresie stwierdzono wzrost wpływu przyrostu naturalnego i jego składowych na poziom starości demo- graficznej, natomiast zmniejszenie wpływu migracji. Wpływ migracji może być jednak dużo większy w przypadku dalszego wzrostu odpływu ludności młodej za granicę w celach zarobkowych. Brak wiarygodnych danych statystycznych dotyczących migracji zagranicznych uniemożliwia przeanalizowanie zależności w tym zakresie. 125 VII. TYPOLOGIA PRZESTRZENNA STARZENIA SIĘ LUDNOŚCI 1. Uwagi wstępne Klasyfikacja w geografii może być pojmowana jako procedura nieprzestrzenna lub przestrzenna (Parysek, 1982). Ta pierwsza polega na traktowaniu z natury przestrzennych obiektów geograficznych jako n-elementowego zbioru obiektów – nazw z pominięciem takich cech elementów zbioru, jak kształt, wielkość i położenie. W efekcie nie daje ona podziału obszaru (którego elementami składowymi są te obiekty) na części traktowane jako klasy przestrzenne. Klasyfikacja przestrzenna z kolei prowadzi do podziału klasyfikowanego obszaru na części z uwzględnieniem wielkości, kształtu czy położenia klasyfikowanych elementów. Podział przestrzeni geograficznej na części zwane klasami przestrzennymi (regionami) można otrzymać stosując dwa odmienne podejścia klasyfikacyjne wiązane z pojęciem regionalizacji. Pierwsze podejście nosi nazwę typologii przestrzennej (Chojnicki, 1970; Parysek, 1982), regionalizacji dwustopniowej (Domański, 1964) lub przestrzennej interpretacji klasyfikacji typologicznej (Parysek, Ratajczak, 1978). Drugie podejście nosi nazwę przestrzennej klasyfikacji właściwej, regionalizacji właściwej lub regionalizacji jednostopniowej (Domański, 1964; Chojnicki, 1970; Czyż, 1971; Chojnicki, Czyż, 1973) i przeprowadza się je z zachowaniem ciągłości przestrzennej jednostek. Problematyka regionu w geografii była wielokrotnie podejmowana przez badaczy. Istnieje wiele koncepcji badawczych, podziałów oraz kryteriów wydzielania regionów. Według Z. Chojnickiego (1996) mamy do czynienia z dwiema zasadniczymi koncepcjami regionu: analityczną i przedmiotową. Koncepcja analityczna ujmuje region jako jednorodny obszar występowania pewnej cechy lub zespołu cech istotnych z punktu widzenia założeń problemu badawczego. Autor wyróżnia także pojęcie regionalizacji analitycznej jako jednej z metod klasyfikacji przestrzennej, definiując ją jako czynność wyodrębniania regionów w formie zbiorów lub klas przestrzennych, przeprowadzaną głównie przy pomocy metod taksonomii numerycznej. Koncepcja przedmiotowa natomiast ma charakter realistyczny i zakłada, że region jest realnym obiektem społecznym w postaci pewnej całości wyodrębnionej przestrzennie. W obrębie tej koncepcji autor wyróżnia dwa ujęcia: społeczne oraz systemowe. Ujęcie społeczne polega na rozpatrywaniu regionu na gruncie nauk społecznych oraz ujmowaniu go jako wytworu działalności i rozwoju społeczeństwa. Ujęcie systemowe ujmuje region w postaci realnej jednostki przestrzennej lub terytorialnej złożonej z różnych elementów związanych ze sobą 126 (funkcjonalnych w tym podsystemów sektorowych: ekonomicznego, politycznego i kulturowego oraz osadniczego). Tradycyjnie wyróżnia się dwa rodzaje regionów: jednorodny, charakteryzujący się podobieństwem cech oraz węzłowy (funkcjonalny), oparty na systemie powiązań pomiędzy rdzeniem a obszarem marginalnym (Whittlesey, 1954). Podobnie Parysek (1982) wydzielił regiony jednorodne i węzłowe ze względu na własności skalarne i wektorowe. Według Dziewońskiego (1967) natomiast, możemy rozróżnić trzy kategorie regionów: region jako narzędzie badania (tzw. region statystyczny), region jako narzędzie działania (tzw. region planistyczny) oraz region jako narzędzie poznania (tzw. region obiektywny). W geografii społeczno-ekonomicznej kryteriami identyfikacji regionu są m.in. dominacja cechy lub zespołu cech determinujących typ funkcjonalny regionu i wyróżniający go na tle otoczenia, względna jednorodność polegająca na istotnym podobieństwie elementów wchodzących w skład regionu oraz ciągłość terytorialna, tzn. że żadna część regionu nie pozostaje odizolowana przestrzennie od pozostałych (Runge, 2006). Teorią rozwoju regionu w polskiej geografii społeczno-ekonomicznej zajmowali się m.in. Wróbel (1965), R. Domański (1972, 1987), Kuciński (1990), Rykiel (1991, 2001) oraz Czyż i Chojnicki (1993). W geografii ludności niewiele jest prac poświęconych zagadnieniom regionalizacji zjawisk demograficznych. Powszechnie podkreślana odrębność procesów demograficznych na terenach północnych i zachodnich w stosunku do pozostałych części kraju skłoniła badaczy do podjęcia prób delimitacji regionów demograficznych dopiero w latach 70., a wcześniejsze badania prowadziły głównie do typologii poszczególnych zjawisk demograficznych. Jedną z pierwszych prac z tego zakresu było opracowanie Jelonka (1971), w której autor dokonał wydzielenia regionów demograficznych w Polsce w układzie powiatów na podstawie różnych mierników i metod delimitacji. Końcowym efektem analizy było wyróżnienie czterech głównych regionów demograficznych (zachodniego, północnego, śląsko-krakowskiego oraz centralnego i wschodniego). W ich obrębie autor wydzielił podregiony, np. podregion sudecki, kaszubski czy bieszczadzki. Kontynuowaniem badań w zakresie regionalizacji demograficznej, głównie z zastosowaniem metod taksonomii numerycznej i analizy czynnikowej, zajmowali się Mantorska (1974), Muszyńska (1975), Borowski (1977), Stokowski (1977) oraz Dziewoński, Gawryszewski, Iwanicka-Lyrowa i in. (1977). Wydzielone regiony demograficzne autorzy nazywali mikroregionami, składającymi się najczęściej z kilku powiatów, oraz makroregionami wielkości ówczesnych województw. Muszyńska (1975), na przykład, wydzieliła na obszarze Polski 64 mikroregiony i 13 makroregionów. Autorka zdefiniowała region demograficzny jako zespół jednostek najbardziej do siebie podobnych i ciążących ku sobie w sposób naturalny pod względem podobieństwa badanych procesów, tworząc łącznie jednorodne obszary. Stokowski (1977) region demograficzny traktuje jako element szerszego pojęcia, a mianowicie regionu ekonomicznego. Jako podstawowe kryterium delimitacji w regionalizacji demograficznej wyróżnił on warunek jednorodności. Pod pojęciem regionu demograficznego rozumie on 127 obszar możliwie jednorodny z punktu widzenia zespołu zmiennych demograficznych i różniący się istotnie od terenów sąsiednich. Wprowadził także pojęcie rejonizacji demograficznej do podziałów obszaru pod względem szczegółowych cech (np. migracji czy ruchu naturalnego). Jagielski (1977) wskazywał na brak wyraźnej koncepcji regionu ludnościowego i zwracał uwagę na jego homogeniczność, która nie jest uznawana przez wszystkich geografów. Ponadto autor podkreślał brak stabilności regionów demograficznych w związku z dużą dynamiką zjawisk ludnościowych oraz wskazywał na odrębność miast, utrudniających wydzielanie większych jednostek terytorialnych pod kątem jednorodności demograficznej. Jagielski postulował, aby region ludnościowy (o szerszej treści znaczeniowej niż region demograficzny) posiadał cechy systemu przestrzennego i obejmował całokształt zjawisk ludnościowych. Zwraca także uwagę, iż regionalizacja ludnościowa nie musi zawsze dzielić kraju na skończoną liczbę regionów, tak jak w przypadku klasyfikacji. Z kolei Cegłowska i in. (1988), analizując zmiany podziałów regionalnych w okresie 1970–1978, stwierdzili, że nawet znaczna dynamika zjawisk demograficznych nie zawsze musi prowadzić do zmiany podziału regionalnego, w przypadku gdy kierunek i natężenie tych zmian będą jednakowe lub bardzo zbliżone. Regionalizację demograficzną na podstawie jednej cechy (ubytku liczby ludności) przeprowadził Eberhardt (1989), uzyskując regiony wyludniające się w Polsce. Autor wyróżnił 12 regionów depopulacyjnych o łącznej powierzchni obejmującej 1/3 obszaru kraju. Wyodrębnił on region północno-wschodni, składający się z 7 mniejszych jednostek, regiony Polski centralnej, obejmujące 3 mniejsze jednostki oraz region sudecki i region zachodniopomorski. Jako kryterium delimi- tacji autor przyjął spadek zaludnienia w czterech okresach międzyspisowych i założył, że warunkiem wydzielenia odrębnego regionu musi być zgrupowanie minimum 8 jednostek administracyjnych – miast lub gmin. Procedura delimitacyjna polegała tu na nakładaniu na siebie kolejnych map i określaniu wspólnych obszarów o cechach depopulacji. W okresie transformacji społeczno-ekonomicznej nastąpił spadek zainteresowania badaniem regionów ludnościowych, prawdopodobnie ze względu na szybko postępujące przemiany demograficzne, uniemożliwiające określenie trwałych granic zasięgu regionów. Niemniej jednak wydaje się, iż badania takie powinny być prowadzone z uwzględnieniem zarówno stanu, jak i dynamiki zjawisk ludnościowych, również w ujęciu prognostycznym. Holzer (2003) zwrócił uwagę na konieczność rozwijania metod umożliwiających prowadzenie analiz porównawczych w zakresie regionów demograficznych. Stwierdził on, że prowadzenie równoległej analizy w różnych układach przestrzennych zwiększa możliwości syntetycznej oceny istniejącego zróżnicowania procesów i struktur. Regionalizacja zjawiska starzenia się ludności jest zadaniem bardzo trudnym ze względu na odmienność struktur wieku ludności w miastach i na wsi. Ponadto ludność zamieszkująca obszary oddalone od siebie może charakteryzować się podobnymi typami struktur wieku. Wszystkie miasta i gminy charakteryzowały 128 się w latach międzyspisowych 1988–2002 zwiększeniem udziału ludności w wieku 65 lat i więcej, przy jednoczesnym zmniejszeniu odsetka dzieci w wieku 0–14 lat. Dlatego w niniejszym opracowaniu zdecydowano się najpierw przeprowadzić klasyfikację typologiczną starzenia się ludności, a następnie – w obrębie wydzielonych typów – wyróżniono obszary jednorodne starzenia się. Według Paryska (1982) procedura ta nosi nazwę typologii przestrzennej, która jest realizowana dwustopniowo. W pierwszej fazie ustala się liczbę klas typologicznych i ich skład obiektowy. Drugą fazę procedury stanowi wydzielenie klas przestrzennych na podstawie kryterium bezpośredniego sąsiedztwa. W efekcie typologia przestrzenna prowadzi do delimitacji obszarów zwartych przestrzennie, zwanych typami regionalnymi (Parysek 1982), regionami ogólnymi bądź typologicznymi (Chojnicki, Czyż 1973). Otrzymana klasyfikacja przestrzenna spełnia warunek przestrzennej adekwatności i rozłączności, natomiast nie spełnia warunku unikalności każdej z klas, bowiem w obrębie danej klasy typologicznej można wyróżnić np. kilka klas przestrzennych o takich samych własnościach. Niniejsza procedura nie jest zatem regionalizacją właściwą, gdyż jej struktura podobieństwa określona jest zarówno przez zbiór klas podobnych, jak i niepodobnych własności. Ponadto, według Runge (2006), regionalizacja to takie grupowanie jednostek przestrzennych, w którym jednostki należące do tej samej klasy sąsiadują ze sobą, a wydzielony region nie może składać się z kilku albo nawet kilkunastu izolowanych części. Wydzielone w niniejszym opracowaniu obszary starzenia się ludności nie charakteryzowały się pełną zwartością przestrzenną (w obrębie jednego typu wyróżniono z reguły po kilka takich obszarów podobnych, rozdzielonych jednostkami należącymi do innych typów oraz w obrębie takich regionów mogły występować „puste pola”, będące często miastami o odmiennej strukturze wieku od otaczających gmin) ani nie spełniały kryterium zupełności, gdyż nie obejmowały swym zasięgiem całej powierzchni kraju. Typologię przestrzenną starzenia się ludności przeprowadzono na podstawie metody k-średnich (ze względu na możliwość przyjęcia z góry ustalonej liczby typów klasyfikacyjnych). Do obliczeń przyjęto procentowe udziały 5-letnich grup wieku w 2002 r. oraz punktowe zmiany udziałów w analogicznych grupach wieku za okres 1988–2002. Podobną procedurę przeprowadzono dla wartości prognozowanych, aby określić przewidywaną ewolucję podziałów regionalnych. W tym przypadku przyjęto spodziewane procentowe udziały 5-letnich grup wieku w 2030 r. oraz punktowe zmiany udziałów w analogicznych grupach wieku za lata 2002–2030. Wydzielone 8 typów uszeregowano od najbardziej do najmniej zaawansowanego pod względem poziomu starości, wykorzystując dodatkowe obliczenia (biorąc za podstawę indeks starości demograficznej), a następnie wydzielono typy regionalne starzenia się ludności w obrębie wyróżnionych klas typologicznych, jako kryterium przyjmując przyległość przestrzenną oraz ustalając minimalną wielkość regionu na 10 badanych jednostek. Wydzielenie regionów w obrębie uszeregowanych klas typologicznych pozwala na określenie stopnia zagrożenia demograficznego w zakresie badanego zjawiska oraz wskazuje na skalę 129 problemu (najbardziej niekorzystne obszary, mające charakter obszarów problemowych i wymagające podjęcia niezwłocznych działań w zakresie polityki regionalnej i ludnościowej, zapobiegającej dalszej depresji demograficznej, zawierają się w typie A). Nazewnictwo wydzielonych obszarów o podobnych cechach przyjęto bądź od nazw krain geograficzno-historycznych (gdy pokrywały się z nimi w większym zakresie), bądź od nazw większych ośrodków, które te rejony obejmowały lub znajdowały się w ich pobliżu. W przypadku większych obszarowo regionów, ich nazwy przyjęto od ich położenia na tle kraju (północno-zachodni, centralny itp.). Szczegółową charakterystykę demograficzną typów regionalnych starzenia się zestawiono w postaci przeliczonych wskaźników w ujęciu tabelarycznym, obejmującym powierzchnię, stan i dynamikę liczby ludności, strukturę wieku oraz ruch naturalny i wędrówkowy. W przypadku obszarów wydzielonych za lata 1988–2002 do ich charakterystyki przyjęto stan i strukturę wieku ludności za lata 1988 i 2002 oraz dynamikę zaludnienia i starzenia się za lata 1988–2002. Wskaźniki ruchu ludności uśredniono za lata 1988–1990 i 2001–2003. Do analizy obszarów wydzielonych za okres 2002–2030 przyjęto wskaźniki stanu i struktury wieku ludności za lata 2002 i ich prognozę dla 2030 r., natomiast dla ruchu ludności przyjęto uśrednione wartości za lata 2001–2003 oraz prognozowane wskaźniki dla roku 2030 (z wyjątkiem migracji, które, według założeń, były w całym prognozowanym okresie stałe). Dla ułatwienia czytelności charakterystyki poszczególnych typów regionalnych posługiwano się zamiennie określeniem region, mając na myśli wydzielone w opisany wyżej sposób obszary starzenia się ludności. 2. Typologia przestrzenna za okres 1988–2002 W okresie międzyspisowym 1988–2002 wyróżniono ogółem 27 typów regionalnych starzenia się ludności w obrębie wydzielonych wcześniej 8 klas typologicznych metodą k-średnich (tab. 39 i 40). Regiony te zajmują łącznie powierzchnię 213 732 km2, stanowiąc 68,4% obszaru Polski, a więc ponad 2/3. W 2002 r. zamieszkiwało je ogółem 14,7 mln osób, co stanowiło 38,4% ludności kraju, a średnia gęstość zaludnienia wynosiła w nich 69 osób na 1 km2. W skład wydzielonych typów regionalnych weszło 1688 badanych jednostek, czyli ponad połowę ogółu miast i gmin kraju (55,4%). Na liczbę tę złożyło się 126 miast (14,4% wszystkich miast w Polsce) oraz 1562 gminy (71,9% wszystkich badanych gmin). Niski odsetek miast tworzących niniejsze obszary wynikał, jak już zaznaczono wcześniej, z ich odmienności struktur wieku i położenia geograficznego, dlatego też jedynie ośrodki znajdujące się w obrębie większych aglomeracji bądź bardzo małe miasta, niewiele różniące się od wiejskich obszarów je otaczających, mogły zostać włączone do regionów ze względu na kryterium zwartości przestrzennej. W zakresie struktury wieku wyróżnione typy regionalne charakteryzowały się łącznie wyższym poziomem starości demograficznej w 1988 r. na tle Polski ogółem (wyższy 130 odsetek osób starszych, mniejszy udział dzieci, większa wartość indeksu starości demograficznej), natomiast w 2002 r. obszary włączone do regionów cechowała nieco wyższa proporcja dzieci przy wyższych pozostałych wskaźnikach struktury wieku. Łącznie charakteryzowała je także niższa dynamika starzenia się (wskaźnik WSD) na tle kraju, ale także niższa dynamika liczby ludności (niewielki spadek). W zakresie ruchu ludności w 1988 r. ludność obszarów wchodzących w skład regionów cechowała się na tle Polski zdecydowanie większym ubytkiem migracyjnym, ale w 2002 r. różnice były niewielkie, a wskaźniki ruchu naturalnego w obydwu przekrojach czasu nie różniły się zbytnio. Szczegółowy wykaz miast i gmin wchodzących w skład poszczególnych typów regionalnych zawiera załącznik 1. W pierwszej klasie typologicznej, o największym zagrożeniu demograficz- nym (typ A), wynikającym z wysokiego poziomu starości, wydzielono najwięcej, bo aż 6 typów regionalnych starzenia się ludności (ryc. 70). Największy z nich to region P o d l a s i a , w skład którego wchodzi 1 miasto (Kleszczele) i 89 gmin, położone na terenie dawnego województwa białostockiego i łomżyńskiego, o powierzchni 14 840 km2. Obejmuje on północną część Niziny Podlaskiej wraz z Kotliną Biebrzańską i Puszczą Białowieską i ograniczony jest doliną Bugu od południa i Biebrzy od północy. Z regionu wyłączone jest miasto Białystok i tereny przyległe. Region ten, charakteryzujący się najniższą gęstością zaludnienia spośród wszystkich wydzielonych obszarów (zaledwie 27 osób na 1 km2), liczył w 2002 r. 394,5 tys. mieszkańców. W okresie międzyspisowym zanotowano w nim spadek liczby ludności o ponad 11%. Procesy depopulacyjne na tym obszarze zostały zapoczątkowane już bezpośrednio po wojnie (Eberhardt, 1989), obejmując w największym stopniu gminy nadgraniczne. Region ten cechuje się wysokim stanem zaawansowania starości demograficznej. Udział ludności w wieku 65 lat i więcej w 2002 r. był najwyższy spośród wszystkich regionów (prawie 21%), a indeks starości demograficznej przekroczył wartość 100. Niemniej jednak dynamika starzenia się ludności mierzona wskaźnikiem WSD świadczy o spowolnieniu tego procesu. W zakresie ruchu ludności w całym okresie powojennym region ten charakteryzował się ujemnym saldem migracji (chociaż w okresie między- spisowym ubytek migracyjny ludności uległ nieznacznemu zmniejszeniu), a słabnący przyrost naturalny nie był w stanie zrekompensować odpływu ludności. Emigrowali głównie ludzie młodzi, wyjeżdżając na stałe do większych aglomeracji (np. Białegostoku czy Warszawy). Ponadto region ten wyróżniał wysoki współczynnik zgonów (co jest zrozumiałe ze względu na mocno zaawansowaną strukturę wieku) oraz w 2002 r. ubytek naturalny ludności. Pozostałe regiony starzenia się należące do najstarszego typu struktur wiekowych ludności (A) są położone w obrębie ściany wschodniej (Po l e s i e L u b e l s k i e , R o z t o c z e) oraz w Polsce środkowo-wschodniej (p u ł a w s k o - s a n d o m i e r s k i , s k i e r n i e w i c k o - r a d o m s k i i ś w i ę t o k r z y s k i). Tworzą je głównie obszary wiejskie; wszystkie te gminy w badanym okresie 1988–2002 charakteryzowały się intensywnymi procesami depopulacyjnymi, wysokimi odsetkami ludności starszej i dużymi wartościami indeksu starości demograficznej. Podobnie jak w przypadku regionu Podlasia 131 Tabela 39. Charakterystyka demograficzna typów regionalnych starzenia się ludności Demographic characteristics of population ageing regional types Typ ID Powierzchnia Gęstość zaludnienia km2 osób/km2 1988 2002 Typ regionalny Ludność ogółem A A1 PODLASIE 14 840 27 444516 394559 A A2 POLESIE LUBELSKIE 3 982 33 143642 132202 A A3 PUŁAWSKO-SANDOMIERSKI 2 582 50 140771 128075 A A4 ROZTOCZE 5 408 49 290914 262337 A A5 SKIERNIEWICKO-RADOMSKI 2 408 45 119301 107420 A A6 ŚWIĘTOKRZYSKI 5 400 52 304710 280081 B B1 GÓRNOŚLĄSKI 1 401 956 1459624 1339734 B B2 WARSZAWSKI 1 168 1646 1873857 1923100 C C1 CENTRALNY 18 380 62 1176181 1137252 C C2 CIECHANOWSKI 2 776 39 115143 107109 C C3 PÓŁNOCNOMAŁOPOLSKI 2 601 125 315222 325927 C C4 STRZELIŃSKO-PRUDNICKI 1 429 61 90531 86621 C C5 ŚRODKOWO-WSCHODNI 9 794 63 637706 618350 D D1 OPOLSKI 6 754 117 811853 788279 F F1 KONIŃSKO-KALISKI 4 573 59 269232 269000 F F2 KURPIOWSKO-MAZURSKI 11 896 29 351273 342418 F F3 MAŁOPOLSKO-PODKARPACKI 22 211 99 2075749 2208192 F F4 PŁOCKO-LUBAWSKI 5 658 45 260729 252915 F F5 SIEDLECKO-TERESPOLSKI 2 255 56 125944 127097 G G1 DOLNOŚLĄSKI 8 071 56 470682 450981 G G2 ELBLĄSKI 3 037 35 107868 105799 G G3 SŁUPSKI 2 199 34 72216 74893 G G4 ZACHODNIOPOMORSKI 15 438 28 421232 427748 H H1 KRAKOWSKI 887 194 153895 171809 H H2 PÓŁNOCNO-ZACHODNI 55 790 44 2356028 2451395 H H3 PSZCZYŃSKO-CIESZYŃSKI 603 167 90255 100625 H H4 ZIELONOGÓRSKI 2 191 32 64679 70395 Razem 213 732 68,7 14743753 14684313 Polska 312685 122,3 37849137 38232532 Objaśnienia: ID – identyfikator typu regionalnego / regional type identification 132 za lata 1988–2002 – stan i struktura wieku in the years 1988–2002 according to their age structure Dynamika 1988–2002 1988=100 Ludność w wieku (%) 1988 0–14 Wskaźniki 2002 65+ 0–14 65+ 1988 ISD 2002 WSD 1988–2002 88,8 23,0 17,0 19,3 20,8 74,1 108,0 7,5 92,0 25,0 15,8 20,2 19,2 63,0 94,7 8,2 91,0 23,0 17,2 19,2 19,3 75,0 100,8 5,9 90,2 22,6 16,8 18,8 19,8 74,4 105,5 6,8 90,0 24,3 15,0 19,7 18,6 61,6 94,0 8,1 91,9 23,0 17,8 18,6 19,2 77,0 103,2 5,9 91,8 22,5 9,5 15,5 12,6 42,1 81,1 10,1 102,6 19,6 11,8 12,9 16,0 60,1 124,4 11,0 96,7 24,0 13,8 19,3 15,3 57,7 79,5 6,2 93,0 25,6 13,3 21,2 15,5 52,1 73,3 6,6 103,8 24,3 13,4 19,1 14,9 55,1 78,2 6,8 95,7 25,8 10,9 19,4 14,0 42,4 72,1 9,4 97,0 25,4 13,9 20,4 15,5 54,9 76,3 6,6 97,1 24,4 8,5 17,6 12,3 34,9 69,9 10,6 99,9 25,9 12,7 22,1 13,3 49,1 60,4 4,4 97,5 27,2 11,9 23,2 14,4 43,7 62,1 6,5 106,4 27,6 11,1 23,0 12,8 40,1 55,6 6,3 97,0 26,4 11,9 22,7 13,8 45,0 60,6 5,6 100,9 27,0 13,0 23,7 14,8 48,3 62,5 5,1 95,8 26,6 9,8 19,2 13,2 37,0 68,6 10,7 98,1 30,4 7,8 21,9 11,5 25,7 52,7 12,2 103,7 31,0 7,0 22,3 9,7 22,7 43,5 11,4 101,5 29,7 8,1 21,6 11,0 27,2 50,9 11,0 111,6 27,8 10,4 22,2 11,7 37,3 52,6 6,9 104,0 29,0 9,7 22,7 10,5 33,3 46,1 7,1 111,5 27,4 8,9 21,0 10,7 32,5 51,0 8,2 108,8 28,4 9,1 22,6 10,8 31,9 47,7 7,6 99,6 25,2 11,5 19,6 13,8 45,6 70,3 7,9 101,0 25,4 9,8 18,2 12,7 38,8 69,9 10,1 133 134 ID A1 A2 A3 A4 A5 A6 B1 B2 C1 C2 C3 C4 C5 D1 F1 Typ A A A A A A B B C C C C C D F KONIŃSKO-KALISKI OPOLSKI ŚRODKOWO-WSCHODNI STRZELIŃSKO-PRUDNICKI PÓŁNOCNOMAŁOPOLSKI CIECHANOWSKI CENTRALNY WARSZAWSKI GÓRNOŚLĄSKI ŚWIĘTOKRZYSKI SKIERNIEWICKO-RADOMSKI ROZTOCZE PUŁAWSKO-SANDOMIERSKI POLESIE LUBELSKIE PODLASIE Typ regionalny 14,6 13,1 15,4 11,3 11,3 12,7 12,3 11,1 11,0 12,4 14,9 17,0 15,8 11,8 9,5 15,3 17,9 15,2 16,8 16,8 18,4 12,2 9,9 14,8 15,5 14,5 13,8 14,3 Wz 16,7 15,5 Wu 1988–1990 6,3 4,6 4,3 5,8 4,0 5,6 2,6 -1,8 0,5 0,5 3,9 0,4 0,8 2,9 1,2 Wpn 11,2 7,8 10,2 9,2 9,2 11,2 9,5 7,5 8,0 9,3 9,6 9,3 9,2 10,4 9,4 Wu 10,3 8,8 11,9 10,6 10,6 11,5 11,6 10,4 10,7 14,0 12,8 13,5 14,2 13,7 13,9 Wz 2001–2003 Ruch naturalny ludności 0,9 -1,0 -1,7 -1,3 -1,4 -0,4 -2,1 -2,8 -2,7 -4,8 -3,2 -4,2 -5,0 -3,3 -4,5 Wpn 12,7 19,1 11,7 14,2 11,3 12,0 12,6 6,6 16,4 10,2 9,6 10,4 10,9 13,5 11,9 Wn 22,1 21,2 21,4 26,0 14,7 25,0 21,7 4,4 14,8 21,7 22,8 20,9 22,0 23,0 23,8 Wo 1988–1990 -9,4 -2,1 -9,7 -11,9 -3,4 -12,9 -9,2 2,3 1,6 -11,5 -13,2 -10,5 -11,1 -9,5 -11,8 Wsm 10,8 9,7 11,6 10,3 12,1 9,1 12,4 13,1 8,5 8,9 8,1 8,2 9,4 8,0 8,8 Wn 10,9 13,8 10,9 11,1 7,6 13,0 10,9 8,4 11,9 10,8 10,7 11,7 11,2 12,5 13,4 Wo 2001–2003 Ruch wędrówkowy ludności 0,0 -4,1 0,7 -0,8 4,6 -3,8 1,4 4,7 -3,4 -1,9 -2,6 -3,5 -1,9 -4,5 -4,6 Wsm Demographic characteristics of population ageing regional types in the years 1988–2002 according to natural population movement and migrations Tabela 40. Charakterystyka demograficzna typów regionalnych starzenia się ludności za lata 1988–2002 – ruch naturalny i wędrówkowy 135 F3 F4 F5 G1 G2 G3 G4 H1 H2 H3 H4 F F F G G G G H H H H 11,2 10,0 14,9 Polska 9,1 18,8 16,1 9,2 10,0 10,2 8,9 7,6 8,9 9,7 11,2 11,3 10,4 11,6 17,4 19,4 19,0 19,2 19,7 19,1 16,4 19,9 18,9 19,7 19,9 Razem ZIELONOGÓRSKI PSZCZYŃSKO-CIESZYŃSKI PÓŁNOCNO-ZACHODNI KRAKOWSKI ZACHODNIOPOMORSKI SŁUPSKI ELBLĄSKI DOLNOŚLĄSKI SIEDLECKO-TERESPOLSKI PŁOCKO-LUBAWSKI MAŁOPOLSKO-PODKARPACKI KURPIOWSKO-MAZURSKI Objaśnienia: ID – identyfikator typu regionalnego / regional type identification Źródło: Opracowanie własne F2 F 4,9 4,9 9,6 8,3 9,4 8,8 10,3 12,1 10,2 6,7 8,7 7,5 9,3 8,3 9,4 10,0 11,1 11,0 11,8 11,2 10,9 12,1 10,0 9,2 11,4 11,7 11,6 12,3 9,5 10,1 8,7 7,9 8,6 8,8 8,7 8,1 8,7 10,1 9,4 10,7 8,8 10,1 -0,1 -0,1 2,4 3,1 3,2 2,3 2,3 4,1 1,2 -0,9 2,0 1,1 2,8 2,2 15,4 13,6 19,6 14,3 17,8 9,9 24,3 24,0 20,4 16,0 11,5 13,8 10,8 15,9 16,1 19,9 32,6 12,0 27,3 12,6 35,2 35,2 33,5 27,3 22,2 28,7 17,2 29,0 -0,7 -6,3 -13,0 2,3 -9,5 -2,6 -10,9 -11,2 -13,2 -11,4 -10,7 -14,8 -6,4 -13,1 10,7 11,3 16,8 14,5 13,9 12,1 13,7 14,9 8,8 12,6 8,9 10,7 9,5 10,6 11,1 10,9 13,4 9,0 11,9 6,7 14,7 15,7 10,6 11,6 11,1 13,0 8,5 13,5 -0,4 0,4 3,4 5,4 2,0 5,4 -1,0 -0,8 -1,8 1,0 -2,2 -2,3 1,0 -2,9 dynamika procesu starzenia się w tych regionach uległa zahamowaniu, niemniej jednak w zakresie ruchu ludności regiony te notują nadal ujemne saldo migracji, wysokie współczynniki odpływu ludności oraz ubytek naturalny ludności. W obrębie klasy typologicznej B wydzielone zostały dwa typy regionalne starzenia się ludności położone w obrębie wielkich aglomeracji. Region g ó r n o ś l ą s k i obejmuje, 17 miast i 7 gmin położonych na powierzchni 1401 km2 i za- mieszkałych przez 1340 tys. osób, co stawia go na drugim miejscu pod względem gęstości zaludnienia wśród wszystkich wydzielonych obszarów (956 osób na 1 km2). Zajmuje on środkową i wschodnią część konurbacji górnośląskiej (bez Zabrza i Gliwic), rozciągając się w kierunku północno-wschodnim na obszar Wyżyny Krakowsko-Częstochowskiej, od gminy Poraj po Klucze. W badanym okresie region ten charakteryzował się znacznym spadkiem liczby ludności (o 8%) oraz wysoką dynamiką starzenia się mierzoną wskaźnikiem WSD. Zanotowano w nim duży spadek udziału dzieci w wieku 0–14 lat (o 7 punktów procentowych w latach 1988–2002) i prawie dwukrotny wzrost indeksu starości demograficznej. W zakresie ruchu naturalnego region górnośląski charakteryzował się niekorzystnymi wskaźnikami na tle Polski zarówno w 1988 jak i 2002 r. (zwłaszcza w przypadku poziomu urodzeń). Jeśli chodzi o ruch wędrówkowy ludności to o ile w 1988 r. poziom napływu i salda migracji był wyższy od średniej dla Polski, o tyle w 2002 r. obszar ten miał charakter odpływowy o dużym ubytku migracyjnym. Na taką zmianę w natężeniu i kierunku migracji wpływ miała sytuacja gospodarcza regionu związana z restrukturyzacją przemysłu węglowego i hutnictwa. W latach 70. i 80. migrowało do pracy w GOP wielu młodych ludzi, lecz w okresie transformacji społeczno-gospodarczej, po zmniejszeniu zatrudnienia w przemyśle ciężkim i zamknięciu niektórych kopalń węgla kamiennego nasiliło się zjawisko bezrobocia, doprowadzając do wzrostu poziomu zubożenia społeczeństwa. W zakresie struktur społeczno-zawodowych poważnym problemem regionu jest duży odsetek osób z podstawowym wykształceniem i niedostosowanie kierunków kształcenia do potrzeb rynku pracy (Domański, 2003). Mimo poprawy w zakresie zanieczyszczenia środowiska, wskaźniki zachorowalności i śmiertelności niemowląt są nadal jedne z najwyższych w kraju. Region w a r s z a w s k i, o powierzchni 1161 km2, obejmuje stolicę kraju oraz miasta i gminy przyległe, głównie od strony południowo-zachodniej. Tworzy go 8 miast i 6 gmin, zamieszkałych łącznie przez 1923 tys. osób. Jest to najgęściej zaludniony region starzenia się ludności (1646 osób na 1 km2). Mimo iż obszar ten charakteryzował się wzrostem liczby ludności w okresie międzyspisowym, to jej struktura wiekowa uległa niekorzystnej deformacji. Zaobserwowano wysoką dynamikę procesu starzenia się ludności (wskaźnik WSD powyżej średniej) wskutek znacznego spadku udziału dzieci i wzrostu odsetka osób starszych. Udział dzieci w wieku 0–14 lat zarówno w 1988, jak i w 2002 r. był najniższy spośród wszystkich regionów, a indeks starości demograficznej wzrósł ponaddwukrotnie, osiągając w 2002 r. rekordową wartość (124 osoby w wieku 65 lat i więcej na 100 osób w wieku 0–14 lat). Intensywne przekształcenia w strukturze wieku powodują 136 zmiany w wielkości gospodarstw domowych i rodzin w regionie, polegające na wzroście liczby jednoosobowych gospodarstw domowych, małżeństw bezdzietnych oraz rodzin niepełnych, np. w Warszawie w okresie międzyspisowym udział 1-osobowych gospodarstw domowych w ogólnej liczbie gospodarstw wzrósł z 26% do 38% (Studium uwarunkowań…, 2006). W samej stolicy proces starze- nia ludności przebiega nierównomiernie: dzielnice centralne starzeją się i wyludniają (Śródmieście, Żoliborz, Ochota, Wola), natomiast wzrost liczby ludności przenosi się na obszary peryferyjne, otwarte dla budownictwa mieszkaniowego (Bemowo, Białołęka, Ursynów). Szybko postępujący proces starzenia się ludności jest tu uwarunkowany głównie poprzez gwałtowny spadek urodzeń i przejmowanie zachodnich wzorców niskiej płodności, zapoczątkowany w stolicy najwcześniej. Pod względem poziomu ruchu naturalnego już w 1988 r. region warszawski jako jedyny cechował się ubytkiem naturalnym, a współczynnik urodzeń kształtował się poniżej 10‰. Również w 2002 r. zanotowano tu najniższy poziom urodzeń, chociaż poziom ubytku naturalnego zwiększył się nieznacznie. Z kolei, w obu badanych przekrojach czasu poziom migracji netto rekompensował z nawiązką bilans przyrostu naturalnego, prowadząc do wzrostu liczby ludności. Migrują do Warszawy głównie ludzie młodzi w celach edukacyjnych oraz ze względu na dużą podaż ofert pracy i rozwój usług (w tym handlu, obsługi nieruchomości i firm, pośrednictwa finansowego czy administracji publicznej). Liczba uczniów szkół średnich oraz studentów znacznie przewyższa liczebność osób w przedziałach wieku 16–18 lat i 19–24 lata. Od lat 90., dzięki powiązaniu z warszawskim rynkiem pracy, rozwijają się także miasta i gminy położone wokół Warszawy, prowadząc do wzrostu salda migracji. Migracje te to efekt procesu suburbanizacji, polegający na przekształceniach funkcjonalno-przestrzennych terenów otaczających z dominującym kierunkiem rozwoju jednorodzinnej zabudowy mieszkaniowej, koncentracji zabudowy produkcyjno-usługowej i magazynowo-składowej. Trudności w szacowaniu ludności napływowej oraz wzrastające saldo migracji czasowych wpływają zapewne na zaniżanie ludności aglomeracji warszawskiej i prawidłowe prognozowanie jej rozwoju (Kupiszewski, Bijak, 2006). Wśród typów regionalnych w obrębie klasy typologicznej C największy powierzchniowo (18 380 km2) jest region c e n t r a l n y , obejmujący wschodnie krańce Niziny Wielkopolskiej i Pojezierza Wielkopolskiego oraz zachodnią część Niziny Mazowieckiej i północną część Wyżyny Małopolskiej, rozciągając się od Częstochowy po Toruń. Tworzy go 10 miast (małych ośrodków) i 176 gmin, wchodzących w skład województw: łódzkiego, mazowieckiego, kujawsko-pomorskiego, śląskiego, a także w wąskim zakresie województw: wielkopolskiego, opolskiego i małopolskiego. Liczy on 1 176 tys. mieszkańców, lecz charakteryzuje się dość niską gęstością zaludnienia (62 osoby na 1 km2). W 1988 r. region ten posiadał, na tle średniej krajowej, niekorzystną strukturę wieku ludności (niższy udział dzieci i wyższy odsetek osób starszych oraz dość wysoki indeks starości). W okresie 1988–2002 liczba ludności tego obszaru spadła nieznacznie (o 4%), a spadek osób w wieku 0–14 lat był niższy niż dla Polski ogółem (o 3,7 punktu procentowego, 137 przy średnim spadku 7,2). Spowodowało to relatywnie niewielki wzrost indeksu starości demograficznej i niską wartość wskaźnika WSD. W zakresie ruchu ludności region w 1988 r. cechował się niskim przyrostem naturalnym oraz ujemnym saldem migracji. W okresie międzyspisowym nastąpiło odwrócenie trendów i w 2002 r. w regionie zanotowano ubytek naturalny oraz dodatnie saldo migracji ludności. Z pozostałych regionów starzenia typu C największy jest region ś r o d k o w o - - w s c h o d n i , o powierzchni 9 794 km2, obejmujący 3 miasta i 89 gmin. Rozciąga się od Warszawy w kierunku Lublina, skręcając następnie łukiem na południowy zachód i ciągnie się aż po Mielec. Podobnie jak inne regiony tego typu ( c i e c h a n o w s k i , p ó ł n o c n o m a ł o p o l s k i i s t r z e l i ń s k o - p r u d n i c k i ) w okresie międzyspisowym charakteryzował się on spadkami wskaźników przyrostu naturalnego i obecnie ubytkiem naturalnym oraz wzrostem salda migracji. Najgęściej zaludnionym regionem tego typu jest region północnomałopolski, który jako jedyny w tej grupie zanotował wzrost liczby ludności. Wszystkie regiony tego typu (włącznie z centralnym) charakteryzowały się zbliżonym poziomem indeksu starości demograficznej (w granicach 70–80) oraz dynamiką procesu poniżej średniej dla Polski. W typie D wyróżniono jedynie region o p o l s k i , o powierzchni 6754 km2, zamieszkały przez 788,3 tys. osób. Obejmuje on większą część województwa opolskiego (bez jego zachodnich krańców) oraz zachodnią część śląskiego. Tworzy go 17 miast oraz 60 gmin, a jego gęstość zaludnienia kształtuje się niewiele poniżej średniej dla Polski (117 osób na 1 km2). W 1988 r. był on regionem młodym demograficznie, o udziale osób starszych poniżej średniej (8,5%) oraz niskim indeksie starości (34,9). W okresie międzyspisowym liczba ludności regionu spadła o 3% i nastąpiły gwałtowne zmiany w strukturze wieku populacji, powodując ponaddwukrotny wzrost indeksu starości demograficznej, a wartość dynamicznego wskaźnika WSD przekroczyła średnią dla Polski. W zakresie ruchu naturalnego ludności region ten już w 1988 r. cechował się niskim poziomem urodzeń, który w badanym okresie zanotował dwukrotny spadek, osiągając jeden z najniższych współczynników wśród wszystkich regionów starzenia (po regionie warszawskim). Region ten charakteryzuje się też dość niskim współczynnikiem zgonów, co powoduje niewielki w sumie ubytek naturalny. W obydwu badanych przekrojach czasu w regionie tym zaobserwowano ujemne saldo migracji, z tym że w roku 2002 poziom odpływu ludności był jednym z najwyższych spośród wydzielonych regionów. Ujemne saldo migracji zagranicznych wynika z tradycji migracyjnych regionu i istnienia trwałych sieci powiązań migracyjnych, a także z możliwości podejmowania legalnej pracy za granicą (Niemcy). Społeczeństwo regionu opolskiego charakteryzuje się wielokulturowością, silnym poczuciem tożsamości regionalnej oraz tradycjami gospodarności. Jednostki typu E nie tworzyły żadnego regionu, ponieważ w grupie tej dominowały miasta. W obrębie typu F wydzielono 6 regionów starzenia się, z których największy to region m a ł o p o l s k o - p o d k a r p a c k i o powierzchni 22 211 km2. 138 Położony on jest na obszarze województw małopolskiego (bez jego północnej części) i podkarpackiego (z wyjątkiem Bieszczad), a jego północną granicę stanowi dolina Wisły, będąca na tym odcinku barierą komunikacyjną, ze względu na małą ilość mostów. Jest to jeden z najbardziej zaludnionych wydzielonych obszarów (2,2 mln mieszkańców), o dość wysokiej gęstości zaludnienia (99 osób na 1 km2), współtworzony przez 7 miast i 224 gminy. W badanym okresie region ten charakteryzował się wysoką dynamiką wzrostu ludności (o 6%) i relatywnie niską dynamiką starzenia się mierzoną na podstawie wskaźnika WSD. W strukturze wieku zarówno odsetek dzieci, jak i odsetek osób starszych w obu przekrojach czasu był wyższy od średniej kraju, a indeks starości demograficznej wzrósł z 40,1 do 55,6. W zakresie ruchu ludności region ten w 1988 r. charakteryzował się najwyższym spośród wszystkich współczynnikiem urodzeń, wysokim przyrostem naturalnym, lecz wysokim poziomem odpływu i ujemnym bilansem migracji netto. W 2002 r. zarówno współczynnik przyrostu naturalnego, jak i salda migracji przyjęły wartości dodatnie. Kolejnym, relatywnie dużym zwartym obszarem starzenia się ludności w typie F jest region k u r p i o w s k o - m a z u r s k i , o powierzchni 11 896 km2, składający się z 57 gmin. Obejmuje północną część Niziny Mazowieckiej i wschodnią część Pojezierza Mazurskiego, ciągnąc się od Międzyrzecza Łomżyńskiego poprzez Równinę Kurpiowską, Wysoczyznę Kolneńską, Krainę Wielkich Jezior, Pojezierze Ełckie aż po Pojezierze Suwalskie. Liczy on 324,4 tys. mieszkańców i charakteryzuje się niską gęstością zaludnienia (28,8 osób na 1 km2). W obu badanych przekrojach czasu charakteryzował się on wyższymi od średniej krajowej odsetkami dzieci i osób starszych, co przekładało się na relatywnie niskie wartości indeksu starości demograficznej. Niemniej jednak w badanym okresie zanotowano wzrost wartości indeksu o blisko 50% i spadek liczby ludności o 2,5%. W 1988 r. ludność tego regionu cechował – z jednej strony – wysoki poziom urodzeń i przyrostu naturalnego, z drugiej – zanotowano tam jeden z najniższych współczynników salda migracji. W 2002 r. nadal występował tam dodatni przyrost naturalny, a ubytek migracyjny uległ zmniejszeniu. Kolejne regiony w tej grupie, o znacznie mniejszej powierzchni, to k o n i ń s k o - k a l i s k i , p ł o c k o - l u b a w s k i oraz s i e d l e c k o - t e r e s p o l s k i. Wszystkie one charakteryzują się wyższym od średniej udziałem ludności w wieku 65 lat i więcej, lecz ze względu na wyższy odsetek dzieci ich indeksy starości demograficznej kształtują się poniżej średniej. Pod względem dynamiki badanego procesu region konińsko-kaliski charakteryzował się najniższą sumą spadku odsetka dzieci i wzrostu udziału osób starszych na podstawie wskaźnika WSD. O ile w 1988 r. cechowały się one wysokim poziomem urodzeń i dużym ubytkiem migracyjnym, o tyle w badanym okresie zanotowały gwałtowny spadek poziomu urodzeń (o 7–8 punktów promilowych) i zmniejszenie ubytku migracyjnego. W typie G największym wydzielonym obszarem jest region z a c h o d n i o p o m o r s k i , o powierzchni 15 438 km2, składający się z 12 miast i 70 gmin. Położony w większości na terenie województwa zachodniopomorskiego oraz za139 chodniej części pomorskiego, obejmuje Pobrzeże Słowińskie, Nizinę Szczecińską i środkową część Pojezierza Pomorskiego (Pojezierze Drawskie). Zamieszkuje go 427,7 tys. mieszkańców i posiada on najniższą spośród wszystkich regionów gęstość zaludnienia (27,7 osób na 1 km2). W 1988 r. udział osób w wieku 65 lat i więcej był relatywnie niski, a odsetek dzieci wysoki. W okresie międzyspisowym jednak przemiany struktury wieku charakteryzowały się wysoką dynamiką w kierunku postarzania populacji, o czym świadczy wskaźnik WSD powyżej średniej dla Polski. Liczba ludności wzrosła nieznacznie, o 1,5%. W zakresie ruchu ludności w 1988 r. region charakteryzował się wysokim przyrostem naturalnym, ale jednocześnie najwyższym z wszystkich regionów (wespół z słupskim) poziomem odpływu (35,2‰) i dużym ubytkiem migracyjnym. Do roku 2002 zanotowano spadek wskaźnika urodzeń, przyrostu naturalnego (mimo iż pozostał dodatni) oraz zmniejszenie mobilności i zahamowanie ubytku migracyjnego. Likwidacja państwowych gospodarstw rolnych doprowadziła w regionie do spadku produkcji rolnej, drastycznego wzrostu bezrobocia oraz zubożenia społeczeństwa wsi, zwłaszcza w ośrodkach postpegeerowskich. Kolejny wydzielony obszar w tej grupie to region d o l n o ś l ą s k i , o powierzchni 8071 km2, liczący 451 tys. mieszkańców (56 osób na 1 km2). Położony w większości na terenie województwa dolnośląskiego, obejmuje obszar Sudetów, pas Przedgórza Sudeckiego i środkową część Niziny Śląskiej. Tworzy go 7 miast i 61 gmin. Region ten od lat 70. charakteryzuje się intensywnym wyludnianiem (Eberhardt, 1989), w okresie 1988–2002 liczba ludności spadła o 4,2%. W 1988 r. region ten należał do relatywnie młodych demograficznie, z udziałem dzieci powyżej średniej i niskim odsetkiem ludności starszej, poniżej 10%. Wysoka dynamika starzenia się (powyżej średniej dla kraju) spowodowała wzrost indeksu starości demograficznej z 37,0 w 1988 r. do 68,6 w 2002 r. W 1988 r. region charakteryzował się dodatnim przyrostem naturalnym, jednak jego wartość nie rekompensowała ubytku migracyjnego. W 2002 r. poziom urodzeń w regionie był nieco niższy od średniej, a współczynnik przyrostu naturalnego kształtował się na poziomie blisko -1‰. Bilans migracji netto był z kolei na niewielkim plusie. Pozostałe regiony typu G – s ł u p s k i i e l b l ą s k i , o wiele mniejsze powierzchniowo, wyróżniały się najwyższą dynamiką starzenia się wśród wyróżnionych obszarów. Poziom ubytku naturalnego uległ w nich zmniejszeniu w stosunku do 1988 r., w którym to regiony te zanotowały najwyższe współczynniki odpływu. W ostatnim typie H, o relatywnie najmniejszym stanie zaawansowania sta- rością demograficzną, znalazł się największy powierzchniowo i najbardziej za- ludniony region p ó ł n o c n o - z a c h o d n i . Rozciąga się on na powierzchni 55,8 tys. km2, stanowiąc ponad 1/6 powierzchni Polski. Zamieszkuje go 2451 tys. mieszkańców, a jego gęstość zaludnienia wynosi 44 osoby na 1 km2. Położony jest w większości na terenie czterech województw: warmińsko-mazurskiego, pomorskiego, kujawsko-pomorskiego oraz wielkopolskiego. Obejmuje swym zasięgiem wschodnią część Pojezierza Mazurskiego (Pojezierze Olsztyńskie), środkowowschodnią część Pojezierza Pomorskiego, środkową część Pojezierza Wielkopol140 skiego i Niziny Wielkopolskiej aż po Wał Trzebnicki. W badanym okresie region ten charakteryzował się wzrostem liczby ludności o 4% i dynamiką starzenia się poniżej średniej krajowej. W strukturze wieku największe zmiany zaszły w udziale osób w wieku 0–14 lat (spadek o ponad 6 punktów procentowych). Region tworzy 31 miast i 327 gmin. W 1988 r. ludność regionu cechował ubytek migracyjny, równoważony przez dodatni współczynnik przyrostu naturalnego. W latach 1988–2002 nastąpił spadek poziomu urodzeń o ponad 7 punktów procentowych, ale współczynnik przyrostu naturalnego utrzymał się na plusie. Spadek natężenia napływu i od- pływu doprowadził do dodatniego salda migracji. Do typu H zaliczono także 3 mniejsze regiony: krakowski, cieszyńsko-pszczyński oraz zielonogórski. Region k r a k o w s k i charakteryzował się wysoką gęstością zaludnienia (194 osoby na 1 km2), a pod względem powierzchni był jednym z najmniejszych wydzielonych obszarów (887 km2). Położony na południe od Krakowa, obejmuje 1 miasto (Sułkowice) oraz 13 gmin. W 1988 r. cechował go udział osób starszych powyżej średniej, ale w 2002 r. odsetek ten kształtował się na poziomie poniżej średniej, co świadczyło o niskiej dynamice starzenia się na tle Polski. W badanym okresie liczba ludności tego regionu zwiększyła się o 11,6%. O ile w 1988 r. region ten wyróżniał się ubytkiem migracyjnym, o tyle w 2002 r. saldo migracji ludności było na tym terenie dodatnie, w wyniku rozwoju procesów suburbanizacyjnych. Pomimo znacznego spadku natężenia urodzeń (o 8 punktów promilowych), wartość współczynnika przyrostu naturalnego pozostała dodatnia. Region z i e l o n o g ó r s k i obejmuje 10 gmin, położonych na południe od Zielonej Góry, w zachodniej części Niziny Śląskiej. Jego powierzchnia wynosi 2191 km2, a zamieszkały jest przez 70,4 tys. osób (32 osoby na 1 km2). Zarówno w 1988, jak i w 2002 r. struktura wieku ludności regionu była młodsza od średniej krajowej, a dynamika starzenia się była dość niska. Liczba ludności regionu wzrosła o 8,8%, przy dodatnim współczynniku przyrostu naturalnego i salda migracji w 2002 r. Region p s z c z y ń s k o - c i e s z y ń s k i był najmniejszym wydzielonym obszarem starzenia się (603 km2), o wysokiej gęstości zaludnienia (167 osób na 1 km2). Dynamika starzenia się ludności tego regionu, mierzona wskaźnikiem WSD, kształtowała się poniżej średniej, a struktura wieku ludności była w obu przekrojach czasu młodsza od Polski. Wartości współczynników przyrostu naturalnego i salda migracji kształtowały się powyżej zera, a liczba ludności w okresie 1988–2002 wzrosła o 11,1%. 3. Typologia przestrzenna za okres 2002–2030 Według sporządzonej prognozy, liczba typów regionalnych starzenia się ludności wydzielonych za okres 2002–2030 w stosunku do okresu 1988–2002 zwiększyła się z 27 do 35 (tab. 41 i 42), ale ich powierzchnia ogółem wzrosła nieznacznie z 213,7 tys. do 216,0 tys. km2 (o 1,1%), co świadczy o większym ich rozdrobnieniu i rozproszeniu. Średnia wielkość regionu zmniejszyła się z 7916 do 6000 km2 141 Tabela 41. Charakterystyka demograficzna typów regionalnych starzenia się Demographic characteristics of population ageing regional types Typ ID Typ regionalny Powierzchnia Gęstość zaludnienia km2 osób/km2 Ludność ogółem 2002 2030 B B1 GÓRNOŚLĄSKI 2 231 967 D D1 KRAKOWSKO-OŚWIĘCIMSKI 1 369 193 263966 296881 D D2 OPOLSKO-CZĘSTOCHOWSKI 13 921 73 1019982 950320 D D3 SUDECKO-ŁUŻYCKI 5 073 36 180261 186917 D D4 SZCZECIŃSKI 2 659 28 75164 129202 D D5 WARSZAWSKI 2 300 124 284603 451328 D D6 WROCŁAWSKI ZACHODNI 2 463 55 136314 142239 E E1 CIECHANOWSKI 1 530 35 53614 47197 E E2 LUBELSKO-KIELECKI 24 003 52 E E3 ŁÓDZKI 3 679 46 168737 150211 E E4 PŁOŃSKI 2 430 44 107931 98364 E E5 PODLASIE 12 316 27 334378 268451 E E6 WIELUŃSKI 1 065 55 58964 55159 E E7 WŁODAWSKI 3 325 30 100638 87466 F F1 BIAŁOSTOCKI 2 334 30 70556 79032 F F2 BYDGOSKO-TORUŃSKI 2 068 53 110408 212186 F F3 KIELECKI 2 383 76 180552 205460 F F4 KONIŃSKI 2 810 59 166022 180395 F F5 KRAKOWSKO-WADOWICKI 1 128 181 203841 250235 F F6 LUBELSKI 1 302 80 104599 141692 F F7 LUBIŃSKO-GŁOGOWSKI 1 728 33 56205 72133 F F8 PODKARPACKI 15 842 91 F F9 POZNAŃSKI 3 410 66 224603 386576 F F10 SIERADZKO-BEŁCHATOWSKI 2 240 55 123579 147810 F F11 WROCŁAWSKO-KALISKI 4 938 59 290033 353935 F F12 WYSZKOWSKOGARWOLIŃSKI 1 753 62 108105 128812 G G1 KROTOSZYŃSKI 2 449 71 174445 180043 142 2157652 1790956 1238832 1129076 1438444 1573768 ludności za lata 2002–2030 – stan i struktura wieku in the years 2002–2030 according to their age structure Dynamika 2002–2030 2002=100 Ludność w wieku (%) 2002 2030 0–14 65+ 0–14 65+ Wskaźniki 2002 83,0 15,7 12,1 11,7 25,8 112,5 19,2 12,8 13,2 93,2 18,6 13,5 103,7 20,7 171,9 2030 Wsd 2002–2030 77,2 220,6 17,7 22,5 66,9 170,6 15,7 12,2 23,7 70,8 195,4 16,7 11,9 13,3 21,8 57,7 164,3 17,3 21,5 10,0 13,4 19,1 46,6 142,5 17,2 158,6 19,5 11,8 12,0 20,6 60,6 172,0 16,3 104,3 19,7 12,5 13,2 22,0 63,5 166,6 16,0 88,0 21,7 15,7 17,3 23,3 72,4 135,0 12,0 91,1 19,1 18,1 15,1 23,6 94,4 156,5 9,6 89,0 19,3 16,8 14,8 23,4 87,1 157,9 11,1 91,1 20,8 15,9 16,0 22,9 76,4 143,7 11,9 80,3 19,2 20,9 15,8 25,2 108,9 159,8 7,7 93,5 19,1 17,0 14,8 22,6 88,7 153,2 10,0 86,9 20,1 18,7 16,7 22,9 93,0 137,1 7,6 112,0 20,3 17,3 14,1 21,1 85,4 149,0 9,9 192,2 22,2 10,0 16,0 16,6 45,1 103,9 12,8 113,8 21,8 13,3 15,4 20,0 61,0 129,9 13,1 108,7 22,2 12,7 15,9 19,0 56,9 120,1 12,8 122,8 21,8 12,2 15,5 19,5 55,8 125,9 13,7 135,5 20,8 13,4 15,8 17,8 64,6 112,2 9,3 128,3 21,0 13,3 15,1 18,7 63,3 123,9 11,3 109,4 22,5 13,3 15,9 19,5 59,3 122,9 12,8 172,1 20,6 10,6 15,0 17,7 51,3 117,5 12,7 119,6 19,5 15,3 14,2 20,3 78,7 143,3 10,3 122,0 21,1 12,3 14,8 19,2 58,2 129,9 13,2 119,2 20,9 14,9 14,3 20,8 71,4 146,0 12,5 103,2 21,2 11,5 15,8 21,1 54,1 133,4 15,0 Isd 143 G G2 LUBUSKI 2 662 24 62855 63356 G G3 PŁOCKO-WŁOCŁAWSKI 1 903 50 95288 100389 G G4 PÓŁNOCNO-ZACHODNI 52 473 31 G G5 ZIELONOGÓRSKI 2 751 51 140001 158979 H H1 KASZUBSKI 5 203 50 257809 410093 H H2 MAZURSKI 16 938 30 510489 508615 H H3 NOWOSĄDECKI 5 492 102 560211 676156 H H4 POLESKI 5 862 54 318395 312069 Razem 216 013 60 12988554 13657111 Polska 312 685 122 38230080 37234898 Objaśnienia: ID – identyfikator typu regionalnego / ID – regional type identification Źródło: Opracowanie własne 144 1604147 1724150 100,8 21,7 12,1 15,4 21,3 55,7 138,2 15,5 105,4 21,4 12,8 15,8 21,5 59,7 136,5 14,4 107,5 22,6 10,7 16,5 20,1 47,1 121,9 15,6 113,6 22,3 10,5 16,9 19,2 47,2 113,9 14,1 159,1 25,9 9,1 20,6 15,7 35,3 76,1 11,8 99,6 23,4 14,0 18,1 19,4 59,7 107,4 10,8 120,7 24,9 11,7 19,4 17,2 46,7 88,8 11,1 98,0 22,8 15,7 18,1 19,7 68,7 108,6 8,7 105,1 20,4 13,3 15,1 21,1 65,1 139,6 13,1 97,4 18,2 12,7 13,7 23,2 69,9 169,0 14,9 145 146 ID B1 D1 D2 D3 D4 D5 D6 E1 E2 E3 E4 E5 E6 E7 F1 F2 Typ B D D D D D D E E E E E E E F F BYDGOSKO-TORUŃSKI BIAŁOSTOCKI WŁODAWSKI WIELUŃSKI PODLASIE PŁOŃSKI ŁÓDZKI 12,8 13,7 12,2 8,2 10,3 9,3 11,9 13,1 9,5 LUBELSKO-KIELECKI 9,5 11,9 11,8 CIECHANOWSKI 14,0 9,9 9,6 WROCŁAWSKI ZACHODNI 9,5 8,1 7,7 WARSZAWSKI 11,8 7,9 11,0 SZCZECIŃSKI 10,7 9,7 10,3 SUDECKO-ŁUŻYCKI 12,9 9,7 8,4 OPOLSKO-CZĘSTOCHOWSKI 9,5 8,9 KRAKOWSKO-OŚWIĘCIMSKI 9,2 Wz 9,9 Wu 8,0 GÓRNOŚLĄSKI Region 3,7 -2,9 -3,3 -3,3 -4,5 -1,1 -3,4 -3,6 -0,1 -0,3 -0,4 3,1 0,6 -1,3 0,2 -1,9 Wpn 10,0 8,7 10,7 9,2 9,9 10,0 9,0 9,3 10,8 8,0 6,9 8,3 8,1 7,1 7,9 6,9 Wu 7,9 10,3 12,2 12,1 13,4 11,4 12,3 12,0 11,1 10,5 9,2 8,8 10,3 11,5 10,3 13,2 Wz Ruch naturalny ludności 2001–2003 2025–2030 2,1 -1,6 -1,4 -2,9 -3,5 -1,4 -3,2 -2,7 -0,2 -2,5 -2,3 -0,5 -2,2 -4,3 -2,4 -6,4 Wpn 27,3 15,3 8,0 9,7 8,4 7,8 8,3 9,2 8,0 14,3 23,6 28,3 14,8 11,3 13,7 8,1 Wn 12,7 13,9 13,1 11,0 13,3 11,4 12,2 11,1 13,6 11,2 9,7 13,8 13,6 12,4 8,0 11,4 Wo 14,6 1,4 -5,1 -1,3 -4,9 -3,5 -3,9 -1,9 -5,6 3,1 13,9 14,5 1,2 -1,1 5,7 -3,4 Wsm Ruch wędrówkowy ludności* 2001–2003 abela 42. Charakterystyka demograficzna typów regionalnych starzenia się ludności za okres 2002–2030 – ruch naturalny i wędrówkowy Demographic characteristics of population ageing regional types in the years 1988–2002 according to natural population movement and migrations 147 F4 F5 F8 F9 F10 F11 F12 G1 G2 G3 G4 G5 H1 H2 H3 H4 F F F F F F F G G G G G H H H H 9,9 9,5 9,4 Polska 10,7 8,1 9,8 7,0 8,6 8,7 10,7 9,7 9,3 11,2 9,7 12,2 8,9 9,3 8,5 9,6 9,6 10,2 11,4 13,6 12,5 14,2 11,9 11,5 10,0 10,7 10,8 10,0 10,6 9,9 10,6 11,0 10,9 11,4 10,6 Razem POLESKI NOWOSĄDECKI MAZURSKI KASZUBSKI ZIELONOGÓRSKI PÓŁNOCNO-ZACHODNI PŁOCKO-WŁOCŁAWSKI LUBUSKI KROTOSZYŃSKI WYSZKOWSKO-GARWOLIŃSKI WROCŁAWSKO-KALISKI SIERADZKO-BEŁCHATOWSKI POZNAŃSKI PODKARPACKI KRAKOWSKO-WADOWICKI KONIŃSKI KIELECKI Źródło: Opracowanie własne * do prognoz przyjęto stałość migracji Objaśnienia: ID – identyfikator typu regionalnego / ID – regional type identification F3 F -0,1 0,3 0,7 5,5 2,7 7,2 3,2 2,8 -0,7 1,0 1,5 -1,2 0,9 -2,3 1,7 1,8 2,3 1,9 1,0 8,3 9,4 11,5 12,7 11,6 13,5 10,7 10,4 9,8 9,6 9,8 8,6 9,1 8,6 9,2 9,9 9,6 9,8 9,4 11,1 10,3 10,1 7,9 9,7 7,1 9,0 9,4 10,2 10,4 9,9 10,0 9,5 10,5 8,3 9,2 8,8 9,3 9,3 -2,8 -0,9 1,4 4,7 1,9 6,4 1,7 1,0 -0,4 -0,8 -0,1 -1,4 -0,4 -1,9 0,9 0,7 0,8 0,6 0,1 10,7 11,2 8,6 8,5 9,7 15,3 11,6 12,1 14,1 13,6 9,7 9,2 13,7 16,8 24,6 9,9 10,4 10,5 10,1 11,1 11,1 10,7 7,7 13,7 10,0 10,9 12,9 11,9 14,0 10,4 9,0 10,2 10,7 10,4 9,0 7,4 11,5 7,9 -0,4 0,1 -2,1 0,8 -4,0 5,3 0,7 -0,9 2,2 -0,4 -0,7 0,1 3,5 6,1 14,2 0,8 3,0 -1,1 2,2 (o 24,3%), a średnia liczba jednostek wchodzących w jego skład z 63 do 46. Zaludnienie regionów ogółem zmniejszyło się z 14,7 do 13,0 mln, zaś średnie zaludnienie jednego regionu zmalało z 543,9 tys. osób do 371,4 tys. (o 1/3). Tak więc regiony wydzielone na podstawie prognozy demograficznej stanowiły ogółem 69,1% powierzchni Polski i 34,0% zaludnienia kraju, a średnia gęstość zaludnienia wynosiła w nich 60 osób na 1 km2. W skład wydzielonych regionów weszły 1623 badane jednostki (o 3,9% mniej niż w poprzednim badanym okresie), stanowiąc ponad połowę ogółu miast i gmin kraju (53,3%). Na liczbę tę złożyło się 68 miast (8% wszystkich miast w Polsce) oraz 1554 gminy (72% wszystkich badanych gmin). W porównaniu z okresem 1988–2002 liczba miast wchodzących w skład regionów uległa zmniejszeniu o 46%, a liczba zamieszkujących je ludności zmalała z 3,9 do 2,3 mln, stanowiąc 18% ludności regionów starzenia się ogółem. W zakresie struktury wieku wyróżnione regiony łącznie charakteryzują się zbliżonym poziomem starości demograficznej na tle Polski ogółem, natomiast według prognozy w 2030 r. obszary włączone do regionów będzie charakteryzować nieco wyższy odsetek dzieci, przy niższym udziale osób starszych i mniejszej wartości indeksu starości demograficznej. W prognozowanym okresie ludność regionów będzie cechować się dodatnim przyrostem rzeczywistym w przeciwieństwie do Polski ogółem oraz niższą dynamiką starzenia się (wskaźnik WSD). W zakresie ruchu ludności wartości wskaźników obszaru tworzącego regiony na tle Polski zarówno obecnie, jak i w 2030 r. nie będą różnić się w sposób znaczący (z pogłębiającym się ubytkiem naturalnym), natomiast w przypadku ruchu wędrówkowego ludność badanych obszarów cechować będzie wyższe (dodatnie) saldo migracji niż w kraju (w badanym okresie wartości wskaźników migracji nie ulegną zmianie ze względu na założenia prognozy o stałości migracji). Szczegółowy wykaz miast i gmin wchodzących w skład poszczególnych regionów zawiera załącznik 2. W typie A (najstarszym) za okres 2002–2030 nie wydzielono żadnej klasy przestrzennej, ze względu na duży udział w nim miast, nie tworzących zwartych przestrzennie obszarów (ryc. 71). W typie B natomiast została wyznaczona tylko jedna klasa przestrzenna – typ regionalny g ó r n o ś l ą s k i . W 2002 r. liczył on 2,2 mln osób zamieszkujących obszar 2231 km2, co odpowiadało gęstości zaludnienia 967 osób na 1 km2. Region tworzą 32 miasta, obejmujące centralną część GOP (z wyjątkiem Dąbrowy Górniczej i Sosnowca). Udział osób w wieku 65 lat i więcej był niewiele mniejszy od średniej dla kraju, natomiast udział dzieci w wieku 0–14 lat był od niej zdecydowanie niższy. W prognozowanym okresie przewidywany jest spadek zaludnienia regionu do 1,8 mln, czyli o 17,0%, znacznie powyżej ubytku rzeczywistego ludności przewidywanej w skali kraju. Region ten będzie wyróżniał najwyższy spośród wszystkich poziom dynamiki starzenia się ludności o wartości wskaźnika WSD blisko 18 punktów. Spowoduje to gwałtowny spadek udziału dzieci i wzrost odsetka ludzi starszych do rekordowych wartości w skali poszczególnych regionów (odpowiednio najniższej i najwyższej). W efekcie tego indeks starości demograficznej przybierze wartości maksymalne i na 100 osób w wieku 0–14 lat będzie przypadać 221 osób w grupie 65 lat i więcej. Wskaźniki ruchu naturalnego 148 w 2030 r. będą najmniej korzystne spośród wszystkich regionów, z ponad trzykrotnie większym ubytkiem naturalnym na 1000 mieszkańców w stosunku do 2002 r. Na stan i strukturę wieku ludności tego regionu wpływ będzie miał także przewidywany dalszy ubytek migracyjny. Z punktu widzenia demograficznego duże znaczenie dla przekształceń struktury wieku będzie miało wejście w wiek poprodukcyjny licznej fali imigracyjnej z lat 70. i 80. W typie C również nie wydzielono żadnej klasy przestrzennej, natomiast w typie D wyznaczono 6 typów regionalnych. Region k r a k o w s k o - o ś w i ę c i m s k i o powierzchni 1369 km2, liczący 2,6 mln mieszkańców, obejmuje południową część Wyżyny Krakowsko-Częstochowskiej, Kotlinę Oświęcimską i południowe obrzeża Wyżyny Śląskiej. Charakteryzuje się wysoką gęstością zaludnienia (193 osoby na 1 km2), a w jego skład wchodzą 2 miasta i 20 gmin. W 2002 r. region ten wyróżniał większy od średniej krajowej udział dzieci i niższy poziom indeksu starości demograficznej. W okresie 2002–2030, pomimo wzrostu liczby ludności o 12%, dynamiczny wskaźnik starzenia się demograficznego WSD będzie się kształtował powyżej średniej dla Polski. W zakresie ruchu naturalnego ludności nastąpi znaczny spadek współczynnika przyrostu naturalnego, natomiast saldo migracji będzie dodatnie. Region o p o l s k o - c z ę s t o c h o w s k i to największy pod względem powierzchni (13 921 km2) i zaludnienia (1,0 mln osób) wydzielony obszar w obrębie klasy typologicznej D. Obejmuje 8 miast (największe Pszów – 14 tys. mieszkańców) oraz 132 gminy. Rozciąga się od północnej części Wyżyny Śląskiej poprzez wschodnią część Niziny Śląskiej aż po Kotlinę Kłodzką. Obszar ten charakteryzował się w 2002 r. odsetkiem dzieci na poziomie średniej krajowej, natomiast wyższym odsetkiem osób starszych. W prognozowanym okresie liczba ludności tego obszaru ulegnie zmniejszeniu (o 6,8%) i będzie go cechować znaczna dynamika procesu starzenia się (wzrost udziału osób starszych o 10 punktów procentowych), co w efekcie przyczyni się do wzrostu indeksu starości demograficznej do poziomu 195 punktów (3 wartość spośród wszystkich typów regionalnych). Spadek poziomu urodzeń i wzrost umieralności spowoduje znaczny ubytek naturalny. W badanym okresie region ten będzie się charakteryzował ubytkiem migracyjnym. Kolejnym typem regionalnym w klasie typologicznej D jest region s u d e c k o - - ł u ż y c k i , obejmujący fragment Sudetów Zachodnich, Pogórze Zachodniosudeckie oraz część Niziny Śląsko-Łużyckiej. W skład jego wchodzi 1 miasto i 30 gmin, a zamieszkuje go 180,3 tys. mieszkańców na powierzchni 5073 km2, o bardzo niskiej gęstości zaludnienia wynoszącej 36 osób na 1 km2. W 2002 r. był to obszar stosunkowo młody demograficznie. Do roku 2030 cechować go będzie wysoka dynamika starzenia się (druga najwyższa wartość wskaźnika WSD ze wszystkich wyróżnionych typów regionalnych), chociaż liczba ludności ulegnie zwiększeniu o 3,7%. W regionie nastąpi spadek współczynnika przyrostu naturalnego do wartości ujemnych. Typ regionalny s z c z e c i ń s k i o powierzchni 2659 km2, liczący 75,2 tys. mieszkańców, charakteryzuje się również bardzo niską gęstością zaludnienia (28 osób na 1 km2). Położony na Nizinie Szczecińskiej obejmuje 13 gmin 149 wokół miasta Szczecina. W 2002 r. ludność tego obszaru wyróżniała się niskim poziomem zaawansowania starości demograficznej w porównaniu ze średnią dla Polski, a odsetek osób w wieku 0–14 lat dwukrotnie przewyższał udział ludności w wieku 65 lat i więcej. W okresie 2002–2030 przewidywany jest znaczny wzrost liczby ludności w regionie (o 72%), co będzie wynikiem wysokiego napływu ludności do strefy podmiejskiej Szczecina. Niemniej jednak ludność tego obszaru będzie się starzeć w szybkim tempie (3 najwyższa wartość wskaźnika WSD oraz ponadtrzykrotny wzrost indeksu starości demograficznej). Kolejny region wydzielony w obrębie typu D – w a r s z a w s k i obejmuje 28 gmin położonych wokół aglomeracji stołecznej, o powierzchni 2300 km2. Pomimo iż tworzą go wyłącznie obszary wiejskie, to charakteryzuje się dość wysoką gęstością zaludnienia (124 osoby na 1 km2) i liczy 284,6 tys. mieszkańców. Na tle średniej dla Polski jest regionem dość młodym demograficznie, o wyższym udziale dzieci i niższym odsetku osób starszych. Jednak w badanym okresie charakteryzować się będzie dużą dynamiką procesu starzenia się i prawie trzykrotnym wzrostem indeksu starości demograficznej. Wyróżniać go będzie także wysoka dynamika przyrostu ludności (o 58,6%), co jest charakterystyczne dla obszarów metropolitalnych. W zakresie ruchu ludności w regionie tym zaznaczy się ubytek naturalny ludności, ale będzie on z nawiązką rekompensowany przez jeden z najwyższych spośród wszystkich wydzielonych obszarów dodatni współczynnik salda migracji. Region w r o c ł a w s k i z a c h o d n i obejmuje 1 miasto (Jaworzyna Śląska) oraz 18 gmin położonych na północny i południowy zachód od Wrocławia, o powierzchni 2463 km2. Zamieszkały jest przez 136,3 tys. osób i charakteryzuje się niską gęstością zaludnienia (55 osób na 1 km2). Ludność tego obszaru charakteryzowała się niższym od średniej poziomem starości, jednak w prognozowanym okresie nastąpi wzrost dynamiki starzenia. Liczba ludności wzrośnie nieznacznie (o 4,3%), w zakresie ruchu naturalnego na tym obszarze wystąpi ubytek naturalny ludności rekompensowany przez dodatnie saldo migracji. W klasie typologicznej E wydzielono 7 typów regionalnych. Typ regionalny E1 (c i e c h a n o w s k i ) koncentruje się na powierzchni 1530 km2 i jest najmniejszym regionem pod względem zaludnienia (53,6 tys. mieszkańców). Tworzy go 11 gmin położonych w północnej części Niziny Mazowieckiej. Charakteryzuje go wysoki udział dzieci, ale także znaczący odsetek osób starszych. W okresie 2002–2030 będzie się on cechował dynamiką starzenia się poniżej średniej krajowej, co spowoduje, że wartość indeksu starości demograficznej będzie o 34 punkty mniejsza od średniej dla Polski. W zakresie ruchu ludności obszar ten wyróżniać będzie niewielki ubytek naturalny, ale dość znaczny ubytek migracyjny. Typ regionalny l u b e l s k o - k i e l e c k i jest drugim co do wielkości wyróżnionym obszarem starzenia się za okres 2002–2030. Zajmując powierzchnię 24,0 tys. km2, liczy 1,2 mln osób. Tworzy go jedno miasto (Kazimierz Dolny) oraz 206 gmin. Rozciąga się od Wyżyny Lubelskiej w kierunku południowo-zachodnim po dolinę Wisły, a następnie, w obrębie Wyżyny Małopolskiej, skręca na północ, tworząc łukowato wygięty pas sięgający aż po południowe obrzeża Niziny Mazowieckiej. Mimo iż 150 w 2002 r. region ten charakteryzował się wysokim poziomem starości (zbliżonym do 100), to w badanym okresie poziom dynamiki starzenia się, mierzonej wartością wskaźnika WSD, będzie się kształtował poniżej 10 punktów. Nastąpi także niewielkie zmniejszenie ubytku naturalnego ludności, choć liczba ludności zmniejszy się prawie o 9%. Region ł ó d z k i, położony na północ od Łodzi na pograniczu Niziny Południowowielkopolskiej i Niziny Mazowieckiej, tworzą 33 gminy zamieszkałe przez 168,7 tys. osób na powierzchni 3 679 km2. W 2002 r. ludność tego obszaru cechował znaczny stopień zaawansowania starości demograficznej, lecz w wyniku zahamowania tempa starzenia się wartość indeksu ISD będzie się kształtować poniżej średniej dla kraju. Obszar regionu zmniejszy się o 11% w wyniku zarówno ubytku naturalnego, jak i wędrówkowego ludności. Region p ł o ń s k i , położony w północno-zachodniej części Niziny Mazowieckiej, zajmuje 2430 km2 i liczy 107,9 tys. mieszkańców. Charakteryzuje się niską gęstością zaludnienia (44 osoby na 1 km2) i obejmuje 1 miasto (Bieżuń) oraz 18 gmin. Ludność regionu charakteryzuje duży odsetek dzieci (powyżej średniej dla Polski), ale także dość wysoki udział ludności starszej. Według prognozy, liczba ludności tego regionu zmniejszy się do roku 2030 r. o 8,9%. Wartość wskaźnika WSD będzie się kształtować na poziomie niższym od średniej dla Polski, a ludność będzie cechował ubytek naturalny i migracyjny. Region P o d l a s i a w porównaniu z typologią przestrzenną za okres 1988–2002 został przesunięty z typu A do E i jednocześnie uległ zmniejszeniu (do 12,3 tys. km2), co świadczy o spowolnieniu procesu starzenia się ludności. Wyróżniony obszar ma niską gęstość zaludnienia (zaledwie 27 osób na km2) i liczy 334,4 tys. osób, obejmując 1 miasto i 71 gmin. W 2002 r. cechował się on najwyższym udziałem ludności w wieku 65 lat i więcej spośród wszystkich regionów (20,9%), a jednocześnie udział dzieci przewyższał nieco średnią dla kraju. Pomimo przewidywanego spadku ludności o niemal 20% do roku 2030 (największy stopień depopulacji), poziom dynamiki starzenia się będzie najniższy w porównaniu z innymi regionami starzenia się. Przyczyną tak dużego spadku liczby ludności będzie zarówno ubytek naturalny, jak i wędrówkowy ludności. Typ regionalny w i e l u ń s k i to najmniejszy z wydzielonych obszarów starzenia się (1065 km2), liczący 58,9 tys. mieszkańców. Obejmuje 11 gmin położonych na pograniczu Wy- żyny Woźnicko-Wieluńskiej i Niziny Południowowielkopolskiej. W 2002 r. charakteryzował się wyższym na tle Polski poziomem starości demograficznej mierzonym wskaźnikiem ISD, natomiast spowolnienie dynamiki starzenia się w perspektywie do 2030 r. spowoduje relatywny spadek indeksu starości demograficznej względem średniej krajowej. W badanym okresie ubytek naturalny ludności ulegnie nieznacznemu zmniejszeniu, przy ujemnym saldzie migracji. Doprowadzi to do umiarkowanego spadku liczby ludności o 6,4%. Ostatnim wydzielonym obszarem w typie E jest region w ł o d a w s k i, o powierzchni 3325 km2, utworzony przez 24 gminy położone na Polesiu Lubelskim. Zamieszkuje go 100,6 tys. ludności i charakteryzuje się on niską gęstością zaludnienia (30 osób na 1 km2). Na tle Polski region wyróżnia wysoki poziom starości demograficznej (o relatywnie wysokim odsetku dzieci, ale równocześnie wy151 sokim udziale osób starszych), lecz do 2030 r. przewiduje się spadek dynamiki starzenia się (wartość wskaźnika WSD najniższa spośród wszystkich wydzielonych obszarów). Pomimo tego, szacowany jest spadek liczby ludności w badanym okresie o 13,1%. Przewidywane jest także zmniejszenie ubytku naturalnego, przy dużym ubytku migracyjnym. Najwięcej typów regionalnych (12) wyznaczono w klasie typologicznej F. Region b i a ł o s t o c k i, liczący 70,6 tys. mieszkańców, obejmuje jedno miasto (Suraż) i 14 gmin położonych wokół Białegostoku. Zajmuje powierzchnię 2334 km2 i charakteryzuje się niską gęstością zaludnienia (30 osób na 1 km2). Wyróżnia go wysoki udział dzieci (20,3%) oraz duży odsetek osób starszych. W badanym okresie przewiduje się wzrost liczby ludności o 12%, natomiast dynamika starzenia się będzie się kształtować na poziomie poniżej średniej dla Polski. Obszar ten będzie cechować ubytek naturalny, ale w zakresie migracji napływ ludności będzie przeważał nad odpływem. Region b y d g o s k o - t o r u ń s k i obejmuje 13 gmin położonych wokół aglomeracji bydgosko-toruńskiej, zajmując powierzchnię 2068 km2 i licząc 110,4 tys. mieszkańców. W okresie 2002–2030 liczba ludności tego obszaru niemal ulegnie podwojeniu (wskaźnik dynamiki 192,2 – najwyższy wśród wszystkich wyróżnionych typów regionalnych). Region ten charakteryzował się w 2002 r. wysokim odsetkiem dzieci w wieku 0–14 lat (22,2%) oraz niskim na tle Polski odsetkiem osób starszych (10,0%). Wartość indeksu starości demograficznej była drugą najniższą ze wszystkich regionów. Jednak do roku 2030 wartość tego indeksu wzrośnie ponad dwukrotnie. Ludność tego obszaru w całym badanym okresie będzie się charakteryzować dodatnim przyrostem naturalnym oraz najwyższym saldem migracji. Region k i e l e c k i tworzyło 19 gmin położonych w otoczeniu Kielc na powierzchni 2383 km2. Liczba ludności tego obszaru wynosiła 180,5 tys. i do roku 2030 przewidywany jest jej wzrost o 13,8%, na co złoży się dodatni przyrost naturalny i przewaga napływu nad odpływem ludności. W zakresie poziomu starości demograficznej region ten charakteryzował się wysokim odsetkiem dzieci oraz udziałem osób starszych na poziomie zbliżonym do średniej dla Polski. Dynamika starzenia się ludności będzie się kształtować na poziomie poniżej średniej. Region k o n i ń s k i położony we wschodniej części Pojezierza Wielkopolskiego, na pograniczu Pojezierza Gnieźnieńskiego i Kotliny Śremskiej, zajmuje powierzchnię 2810 km2. W 2002 r. liczył on 166,0 tys. mieszkańców, a jego gęstość zaludnienia wynosiła 59 osób na 1 km2. Tworzy go 25 gmin. Region ten charakteryzuje się wysokim udziałem dzieci oraz odsetkiem osób starszych na poziomie średniej krajowej. Do roku 2030 poziom starości demograficznej wzrośnie ponad dwukrotnie (wzrost wartości wskaźnika ISD z 56,9 do 120,1). W zakresie ruchu ludności charakteryzuje go dodatni przyrost naturalny oraz ubytek migracyjny. Kolejnym jednorodnym obszarem starzenia się w typie F jest region k r a k o w s k o - w a d o w i c k i . Ten jeden z najmniejszych regionów (1128 km2) charakteryzuje się jednocześnie jedną z najwyższych gęstości zaludnienia (181 osób na 1 km2), obejmując gminy położone w strefie podmiejskiej Krakowa, jak i wsie 152 w obrębie Pogórza Śląskiego i Wielickiego. W jego skład wchodzi 20 gmin, zamieszkałych łącznie przez 203,8 tys. osób. Wyróżniony obszar charakteryzuje się relatywnie niskim poziomem starości na tle Polski (wyższy udział dzieci, a niższy odsetek osób starszych), niemniej jednak do roku 2030 przewidywany jest ponaddwukrotny wzrost indeksu starości demograficznej. Liczba ludności wzrośnie o 22,8% w wyniku utrzymującego się dodatniego przyrostu naturalnego i dodatniego salda migracji. Region l u b e l s k i obejmuje 13 gmin położonych w bezpośrednim sąsiedztwie miasta Lublina, a cechą wyróżniającą go jest spodziewana wysoka dynamika wzrostu liczby ludności do roku 2030 (o 35,5%) i jednocześnie niska dynamika starzenia (wartość wskaźnika WSD o blisko 4 punkty poniżej średniej dla kraju). Obszar liczy 104,6 tys. mieszkańców i zajmuje niewielką powierzchnię 1302 km2. W badanym okresie ludność tego regionu zanotuje niewielki wzrost przyrostu naturalnego, a poziom salda migracji będzie się utrzymywał na wysokim poziomie (9,4‰). Region l u b i ń s k o - g ł o g o w s k i tworzy 10 gmin położonych w obrębie Legnicko-Głogowskiego Okręgu Miedziowego. Zajmuje obszar 1728 km2 i zamieszkały jest przez 56,2 tys. osób. Charakteryzuje go wysoki udział osób w wieku 0–14 lat oraz średni na tle kraju udział osób starszych. Spodziewany jest wzrost liczby ludności o 28,8% do roku 2030, głównie w wyniku dodatniego salda migracji. Przemiany w zakresie struktury wieku ludności tego obszaru doprowadzą do dwukrotnego wzrostu wartości indeksu starości demograficznej. Region p o d k a r p a c k i z kolei, największy w typie F i jednocześnie czwarty co do wielkości spośród wszystkich wyróżnionych typów regionalnych (15 842 km2), zamieszkuje 1,4 mln osób, a jego gęstość zaludnienia wynosi 91 osób na 1 km2. Położony na terenie województwa podkarpackiego i częściowo małopolskiego obejmuje Kotlinę Sandomierską oraz pas Pogórzy Karpackich (po Pogórze Wielickie). W jego skład wchodzą 2 miasta (Niepołomice i Ciężkowice) oraz 153 gminy. Struktura wiekowa ludności regionu jest relatywnie młodsza od średniej dla Polski, ale przewidywana jest wysoka dynamika starzenia się społeczeństwa. Zaludnienie regionu zwiększy się o 9,2%, a ruch ludności będzie cechował niewielki przyrost naturalny i migracyjny. Region p o z n a ń s k i , obejmujący powierzchnię 3410 km2 i liczący 224,6 tys. mieszkańców współtworzy 5 miast oraz 22 gminy położone w otoczeniu aglomeracji poznańskiej. Obszar ten wyróżniał się w 2002 r. dwukrotną przewagą udziału dzieci nad osobami starszymi, lecz w 2030 r. proporcja ta ulegnie zmianie, chociaż poziom starości demograficznej będzie nadal niższy od średniej dla Polski. Region będzie charakteryzował drugi co do wielkości przyrost liczby ludności w badanym okresie (o 72%) spośród wszystkich wydzielonych obszarów starzenia, przy wysokim saldzie migracji (14,6‰) i niewielkim przyroście naturalnym. Region s i e r a d z k o - b e ł c h a t o w s k i , położony na skraju Niziny Południowowielkopolskiej i Wzniesień Południowomazowieckich, rozciąga się od Sieradza po Łódź, skręcając następnie na południe w kierunku Bełchatowa. Tworzy go 20 gmin o łącznej powierzchni 2240 km2 i zamieszkały jest przez 123,6 tys. osób. Na tle Polski charakteryzował się w 2002 r. wyższym odsetkiem zarówno dzieci, jak i osób starszych oraz wyższym poziomem starości 153 demograficznej mierzonej wskaźnikiem ISD. Spodziewana niższa dynamika starzenia spowoduje relatywny spadek poziomu starości do wartości poniżej średniej dla Polski. Liczba ludności tego obszaru do 2030 r. wzrośnie o 19,8% w wyniku dodatniego salda migracji przewyższającego ubytek naturalny. Kolejny typ regionalny w obrębie klasy typologicznej F, w r o c ł a w s k o - k a l i s k i , o powierzchni 4938 km2 obejmuje 42 gminy położone na pograniczu Niziny Śląskiej i Niziny Południowowielkopolskiej. Zamieszkuje go 290,0 tys. osób o strukturze wieku młodszej od średniej dla Polski. Do roku 2030 r. prognozowany jest dwukrotny wzrost wartości indeksu starości demograficznej (z 58,2 do 129,9), przy 22-procentowym wzroście liczby ludności ogółem. Region charakteryzował się będzie spadkiem współczynnika przyrostu naturalnego do wartości ujemnych oraz dodatnim saldem migracji. Ostatnim wyróżnionym obszarem w typie F jest region w y s z k o w s k o - g a r w o l i ń s k i , o powierzchni 1753 km2 i liczbie ludności wynoszącej 108,1 tys. Położony jest on na wschód od Warszawy, w środkowowschodniej części Niziny Mazowieckiej. Ludność tego obszaru cechuje dość wysoki udział osób w wieku 0–14 lat, ale także przekraczający średnią odsetek osób w wieku 65 lat i więcej. Przemiany struktury wieku do roku 2030 r. nie spowodują zwiększenia stopnia starości demograficznej wyższego od średniej dla Polski. Liczba ludności ulegnie zwiększeniu o 19,2%, pomimo ubytku naturalnego. W klasie typologicznej G wydzielono 5 typów regionalnych. Region k r o t o s z y ń s k i obejmuje powierzchnię 2449 km2 i liczy 174,4 tys. mieszkańców. Położony jest na Nizinie Południowowielkopolskiej w obrębie Wysoczyzny Kaliskiej, składa się z 5 miast i 18 gmin. W 2002 r. struktura wieku ludności tego obszaru była młodsza na tle Polski, jednak do roku 2030 postępujący proces starzenia doprowadzi do dwuipółkrotnego wzrostu indeksu starości demograficznej (z 54,1 do 133,4). Liczba ludności wzrośnie o 3,2%, przy spadku przyrostu naturalnego i ujemnym saldzie migracji. Region l u b u s k i , położony w zachodniej części Pojezierza Lubuskiego, tworzą 2 miasta i 13 gmin o łącznej powierzchni 2662 km2 i zamieszkały jest przez 62,9 tys. osób. Na tle Polski charakteryzował się on w 2002 r. niższym poziomem starości, chociaż wysoka dynamika procesu starzenia się (wartość wskaźnika WSD powyżej średniej krajowej) doprowadzi do dwuipółkrotnego wzrostu wartości indeksu starości demograficznej. Liczba ludności tego obszaru do 2030 r. wzrośnie minimalnie (o 0,8%), a współczynnik przyrostu naturalnego zanotuje spadek do wartości poniżej zera. Region p ł o c k o - w ł o c ł a w s k i , o powierzchni 1903 km2 i zaludnieniu 95,3 tys. osób, obejmuje 15 gmin położonych wzdłuż doliny Wisły, po obu jej stronach, pomiędzy Płockiem a Włocławkiem. Charakteryzuje się on niższym poziomem starości demograficznej na tle Polski zarówno w 2002 r., jak i w okresie prognozowanym. Liczba ludności wzrośnie tu o 5,4%, w wyniku dodatniego salda migracji. Region p ó ł n o c n o - - z a c h o d n i to największy wydzielony zwarty obszar pod względem starzenia się ludności i zajmuje powierzchnię 52 473 km2, co stanowi ponad 1/6 obszaru kraju. Region ten, wydzielony za poprzedni okres 1988–2002, zajmował niewiele większą powierzchnię i był klasyfikowany w typie H, co świadczy o pogłębieniu 154 się procesu starzenia się ludności na tle innych regionów. W 2002 r. liczył 1,6 mln mieszkańców, a jego gęstość zaludnienia wynosiła 31 osób na 1 km2. Położony jest na terenie 6 województw: warmińsko-mazurskiego, pomorskiego, kujawsko- -pomorskiego, zachodniopomorskiego, wielkopolskiego oraz fragmentarycznie lubuskiego, rozciągając się od Pojezierza Mazurskiego poprzez Pobrzeże Gdańskie, Pobrzeże Koszalińskie, Pojezierze Pomorskie po Pojezierze Wielkopolskie. Tworzą go 3 miasta i 267 gmin. Region ten charakteryzuje się niskim poziomem starości mierzonym indeksem starości demograficznej przy niemal dwukrotnie większym udziale dzieci niż ludności starszej. W okresie 2002–2030 proporcja ta ulegnie odwróceniu, a region będzie się charakteryzował bardzo wysoką wartością dynamiki procesu starzenia się ludności. Zaludnienie tego obszaru wzrośnie o 7,2%, przy dodatnich wartościach współczynników przyrostu naturalnego i ubytku migracyjnym. Region z i e l o n o g ó r s k i , ostatni w typie G, zajmuje powierzchnię 2751 km2, zamieszkuje go 140,0 tys. osób, a jego gęstość zaludnienia wynosi 51 osób na 1 km2. Położony w zachodniej części Niziny Wielkopolskiej, obejmuje 3 miasta i 17 gmin. Struktura wieku ludności regionu jest relatywnie młodsza od średniej dla Polski, z ponaddwukrotną przewagą dzieci nad osobami starszymi. W badanym okresie zaludnienie regionu wzrośnie o 13,6%, a ruch ludności będzie cechował dodatni przyrost naturalny i niewielki przyrost migracyjny. Dynamika starzenia się ludności mierzona wartością wskaźnika WSD będzie niewiele niższa od średniej dla Polski. W obrębie klasy typologicznej H wyróżniono 4 typy regionalne. Region k a s z u b s k i obejmuje powierzchnię 5203 km2 i liczy 257,8 tys. mieszkańców. Położony w obrębie Pobrzeża i Pojezierza Kaszubskiego, rozciąga się od Władysławowa po Starogard Gdański i Chojnice. W skład jego wchodzi 30 gmin, a gęstość zaludnienia wynosi 50 osób na 1 km2. Jest to region o relatywnie najniższym poziomie starości, z najwyższym odsetkiem dzieci (co czwarty mieszkaniec tego obszaru w 2002 r. nie miał ukończonych 14 lat), najniższym udziałem ludzi starszych i najniższym indeksem starości demograficznej. W okresie 2002–2030 liczba ludności tego regionu wzrośnie o 59%. Niemniej jednak, pomimo swej prężności demograficznej, struktura wieku ludności ulegnie zasadniczym przemianom: udział dzieci zmaleje o ponad 5 punktów procentowych, a udział osób starszych zwiększy się o blisko 7 punktów. Indeks starości demograficznej wzrośnie ponad dwukrotnie, chociaż wskaźnik dynamiki starzenia się WSD będzie się kształtował poniżej średniej krajowej. Region ten w 2030 r. będzie się charakteryzował najwyższym współczynnikiem przyrostu naturalnego spośród wszystkich typów oraz dość wysokim poziomem salda migracji. Region m a z u r s k i , największy w typie H, w skład którego wchodzą 92 gminy, położone w obrębie Pojezierza Mazurskiego, zajmuje powierzchnię 16 938 km2. Rozciąga się od okolic Suwałk i Białegostoku na wschodzie po Iławę na zachodzie. Region ten, charakteryzujący się niską gęstością zaludnienia (31 osób na 1 km2), liczył w 2002 r. 510,5 tys. mieszkańców. Region ten cechuje się wysokim udziałem dzieci i osób starszych (powyżej średniej dla Polski). W okresie 2002–2030 dynamika starzenia się ludności będzie się kształtować 155 również poniżej średniej dla Polski, a liczba ludności ulegnie niewielkiej zmianie. W zakresie ruchu ludności obszar ten charakteryzować będzie dodatni przyrost naturalny oraz ubytek migracyjny. Region n o w o s ą d e c k i , położony na terenie byłego województwa nowosądeckiego, zaliczał się do relatywnie najmłodszych w kraju i obejmował 61 gmin. W 2002 r. liczył on 560,2 tys. osób (102 osoby na km2). Charakteryzował go udział dzieci ponad dwukrotnie wyższy od udziału osób starszych. W okresie 2002–2030 dynamika starzenia się ludności będzie na poziomie niższym od średniej krajowej, natomiast liczba ludności wzrośnie o ponad 20%. Obszar będzie cechować tradycyjnie wysoki przyrost naturalny oraz niewielki przyrost migracyjny. Ostatnim wydzielonym obszarem jest region p o l e s k i , obejmujący 47 gmin na powierzchni 5862 km2 i zamieszkały przez 318,4 tys. osób. Położony w obrębie Polesia Lubelskiego i Wysoczyzny Siedleckiej charakteryzuje się niską gęstością zaludnienia (50 osób na 1 km2). W 2002 r. poziom starości badanego obszaru mierzony wartością wskaźnika ISD kształtował się na poziomie niewiele niższym od średniej. W badanym okresie liczba ludności tego regionu spadnie o 2%, chociaż będzie się wyróżniał niską dynamiką starzenia. W zakresie ruchu ludności niewielki dodatni przyrost naturalny nie będzie rekompensował ubytku migracyjnego ludności. Analiza zmian podziału regionalnego w dwóch okresach czasu: międzyspisowym i prognozowanym do 2030 r. potwierdziła, iż zmienia się tradycyjny obraz demograficzny Polski z młodszymi ziemiami północno-zachodnimi i starszymi środkowo-wschodnimi. Do obszarów o największym zagrożeniu demograficznym należeć będą tereny zurbanizowane, charakteryzujące się największym spadkiem wskaźników ruchu naturalnego oraz ubytkiem migracyjnym. Duży w nich udział stanowić będą zdegradowane tereny poprzemysłowe, w których proces starzenia się będzie zintensyfikowany poprzez wchodzenie w wiek poprodukcyjny licznych roczników napływowych z czasów ich ekonomicznej prosperity. Na obszarach wiejskich i peryferyjnych (ściana wschodnia) proces starzenia się ludności ulegnie spowolnieniu w porównaniu do innych regionów. Z kolei szybciej starzeć się będą tereny północno-zachodnie i południowo-zachodnie. Ponadto na mapie regionów starzenia się ludności pojawiły się zwarte obszary tworzące strefy podmiejskie wokół największych ośrodków. Pomimo iż charakteryzują się one obecnie relatywnie korzystnymi wskaźnikami struktury wieku na tle innych regionów, to jednak rozprzestrzenianie się miejskiego stylu życia i nowoczesnego modelu rodziny będzie sprzyjać wysokiej dynamice procesu starzenia się. Zwiększenie liczby regionów starzenia się ludności w okresie prognozowanym świadczy także o spadku stopnia koncentracji zmian w strukturze wieku ludności i zwiększeniu roli lokalnych czynników na kształtowanie się tego procesu, czynników związanych z rynkiem pracy, poziomem rozwoju rolnictwa, sytuacją mieszkaniową czy możliwościami edukacyjnymi. 156 VIII. WERYFIKACJA HIPOTEZ I WNIOSKI KOŃCOWE Hipoteza I Poziom starości demograficznej jest zróżnicowany przestrzennie (zarówno w układach miasto–wieś, jak i w układach regionalnych). Stwierdzono wysoki stopień koncentracji przestrzennej stanu starości demograficznej w miastach i gminach Polski w latach 1988 i 2002 z istniejącym ciągle podziałem na młodsze demograficznie ziemie północne i zachodnie oraz starsze obszary Polski środkowej i wschodniej (a w szczególności województwa: podlaskie, lubelskie, mazowieckie, łódzkie i świętokrzyskie). Relatywnie młodszą strukturą wieku ludności charakteryzują się tereny południowej Małopolski i Podkarpacia. Najbardziej zwartym przestrzennie obszarem o wysokim poziomie starości i jednocześnie najwyższym odsetku osób w wieku 65 lat i więcej oraz o najmniej korzystnej relacji pomiędzy ludnością starszą i młodszą jest wschodnia część województwa podlaskiego, a zwłaszcza gminy położone wzdłuż granicy z Białorusią. W 2002 r. obszar o zaawansowanej starości w porównaniu z 1988 r. uległ rozszerzeniu na region Sudetów, Opolszczyzny i Górnego Śląska (zwłaszcza na podstawie indeksu starości demograficznej), a sytuacja uległa poprawie w województwie mazowieckim (w szczególności w otoczeniu aglomeracji warszawskiej). W układzie miasto–wieś nadal wyższym poziomem starości charakteryzuje się ludność obszarów wiejskich, chociaż różnica pomiędzy wsią a miastem ulega zmniejszeniu. Wśród miast najwyższy stan zaawansowania starości demograficznej występuje w miastach dużych, natomiast relatywnie młodszą strukturą wieku wyróżniają się miasta o dominującej funkcji przemysłowej, zwłaszcza ośrodki przemysłu wydobywczego (Lubin, Głogów, Polkowice, Łęczna, Żory, JastrzębieZdrój, Bełchatów). Hipoteza II Miasta i gminy w Polsce charakteryzują się zróżnicowaną dynamiką starzenia się ludności, mierzoną zmianami udziałów poszczególnych grup wieku. Badania pokazały, iż w okresie międzyspisowym (1988–2002) największą dynamiką procesu starzenia się ludności, mierzoną na podstawie wskaźnika starzenia się demograficznego WSD, wskaźnika starzenia się ekonomicznego WSE oraz taksonomicznej metody k-średnich, cechowały się miasta duże, średnie oraz małe (5–20 tys.). Miasta bardzo małe, liczące poniżej 5 tys. mieszkańców, charaktery157 zowały się w badanym okresie średnią dynamiką procesu, natomiast najwolniej zjawisko to przebiegało na obszarach wiejskich, które już osiągnęły wysoki poziom starości demograficznej. Dynamika starzenia się ludności była także zróżnicowana w układzie przestrzennym, a największym postępem tego zjawiska wyróżniały się ziemie północno-zachodnie (zwłaszcza obszary województw: warmińsko-mazurskiego i zachodniopomorskiego), obszary Sudetów, Opolszczyzny i Górnego Śląska, a także peryferyjne obszary tzw. ściany wschodniej. Z kolei tereny Polski środkowo-wschodniej wykazały zahamowanie dynamiki starzenia się ludności. Hipoteza III W okresie transformacji społeczno-gospodarczej zmieniły się główne czynniki warunkujące proces starzenia się ludności. W 1988 r. największą zależnością od mierników starości demograficznej (udziału ludności w wieku 65 lat i więcej, indeksu starości demograficznej ISD czy syntetycznego indeksu struktury wieku ISW) charakteryzowały się rozkłady współczynników umieralności, przyrostu naturalnego i napływu ludności, natomiast w 2002 r. największą zależność korelacyjną zaobserwowano w przypadku współczynników przyrostu naturalnego, umieralności oraz urodzeń. Ponieważ rozkład umieralności może wynikać z istniejącej już struktury wieku ludności, to należy stwierdzić, że w okresie transformacji społeczno-gospodarczej nastąpił wzrost znaczenia rozkładu urodzeń jako czynnika warunkującego poziom starości demograficznej i spadek roli migracji w kształtowaniu tego zjawiska. Wywołane to było, z jednej strony, drastycznym spadkiem poziomu płodności, zwłaszcza w miastach, a z drugiej – spadkiem natężenia migracji ze wsi do miast. Hipoteza IV W badaniach starzenia się ludności można efektywnie wykorzystać metody analizy wielowymiarowej do przeprowadzenia typologii. W niniejszej pracy do określenia poziomu starości demograficznej, dynamiki starzenia się ludności oraz przeprowadzenia klasyfikacji typologicznej i typologii przestrzennej struktur wieku ludności wykorzystano taksonomiczną metodę k-średnich, bazującą na określaniu podobieństw obiektów wielocechowych. Do analizy przyjęto udziały 5-letnich przedziałów wieku ludności bądź ich różnice. Problemem metodologicznym w tym przypadku było uszeregowanie wydzielonych typów grupujących jednostki o podobnych parametrach struktury wieku ludności, pod względem stopnia starości bądź tempa starzenia się. W tym celu wykonano dodatkowe obliczenia syntetycznych wskaźników struktury wieku ISW, które pozwoliły na uporządkowanie wydzielonych typów od najstarszego do najmłodszego. Uzyskany w ten sposób obraz przestrzenny charakteryzował się większą zwartością przestrzenną i stopniem koncentracji badanego zjawiska niż w przypadku cząstkowych parametrów struktury wieku, co ułatwiło w znacznym stopniu analizę, np. dzięki zastosowaniu tej metody uwidoczniły się grupy podobieństw 158 badanych jednostek w zakresie struktury wieku na Opolszczyźnie, Górnym Śląsku czy Małopolsce i Podkarpaciu, co nie było jednoznacznie widoczne w przypadku innych mierników starzenia się ludności. Wydaje się, że przy obecnym dostępie do nowoczesnych technik obliczeniowych i wizualizacyjnych możliwe jest zastosowanie tej metody przy badaniu struktur wieku ludności, ze względu na wykorzystanie informacji o wszystkich grupach wieku ludności na podstawie przyjętego kryterium, a nie tylko bazowanie na wybranych przedziałach wiekowych – starszych i młodszych, bez uwzględniania udziałów ludności w grupach pośrednich. Hipoteza V Proces starzenia się ludności w przyszłości – ze względu na zróżnicowaną dynamikę – będzie zmierzać w kierunku wyrównania dysproporcji pomiędzy dotychczas młodszą demograficznie Polską północno-zachodnią a starszą środkowo-wschodnią oraz wyrównania różnic w układzie miasto–wieś. Sporządzona prognoza do 2030 r. pokazała zburzenie tradycyjnego układu przestrzennego starości demograficznej z podziałem na ziemie północno-zachodnie i środkowo-wschodnie. W 2030 r. układ rozmieszczenia starości demograficznej będzie się charakteryzował wielobiegunowością z największymi „wyspami starości” na obszarze Podlasia i Górnego Śląska oraz mniejszymi obszarami o wysokim stopniu zaawansowania tego zjawiska na Lubelszczyźnie, Śląsku Opolskim, Wyżynie Małopolskiej, ziemi łódzkiej, w Sudetach czy Pomorzu Zachodnim. W podziale na miasto–wieś można tu wyróżnić układ trójstrefowy. Lokalnymi biegunami wzrostu poziomu starości będą miasta w otoczeniu gmin o relatywnie młodszej strukturze wieku ludności, a na przeciwległym biegunie znajdować się będą obszary peryferyjne, pozbawione większych ośrodków miejskich, charakteryzujące się wysokim stanem starości demograficznej. Relatywne odmładzanie (a raczej wolniejsze starzenie) będzie postępować od obszarów położonych peryferyjnie do stref podmiejskich, z jednej strony, oraz od miast centralnych do stref podmiejskich – z drugiej. Doprowadzi to z biegiem czasu do wyrównania poziomu starości demograficznej w miastach i na wsi, a pomiędzy nimi będzie istniała strefa „buforowa” w postaci gmin otaczających większe ośrodki miejskie, charakteryzująca się młodszą strukturą wieku. Narastająca fala starzenia się mieszkańców w obrębie regionu miejskiego będzie postępować od miasta centralnego w kierunku jego obrzeży wraz z dalszym rozwojem procesów suburbanizacyjnych (Zborowski, 2005). W okresie sprzed transformacji społeczno-gospodarczej miasta charakteryzowały się niższym stopniem starości demograficznej niż obszary wiejskie, czego głównym powodem był napływ osób młodych do miast w wyniku procesu industrializacji. Po 1989 r., wskutek trudności na rynku pracy, natężenie migracji ze wsi do miast spadło, a w miastach gwałtownie obniżył się poziom rozrodczości. Wraz ze stabilizacją gospodarczą nastąpiło odwrócenie trendu migracji i miasta zanotowały ujemny bilans przemieszczeń w stosunku do obszarów wiejskich. Głównym rejonem napływu stały się obszary położone wokół miast, ze względu na rozwój jednorodzinnego budownictwa mieszkaniowego i większe korzyści wynikające 159 z zamieszkiwania poza centrum. W wyniku tego, proces starzenia się ludności stref podmiejskich będzie postępował wolniej od starzenia się miast i odległych obszarów wiejskich (ryc. 72). Z biegiem czasu, po zakończeniu procesów zasiedlania i napływu ludności do danej gminy w strefie podmiejskiej, gdy wyczerpią się tereny pod zabudowę, ludność będzie się dynamicznie starzeć in-situ, a proces zasiedla- nia przeniesie się do gmin położonych w dalszej odległości od centrum (według prognozy, sytuacja taka będzie mieć miejsce w aglomeracji stołecznej, gdzie jednostki bezpośrednio otaczające stolicę będą charakteryzować się zbliżonym poziomem starości co miasto centralne, a młodsza struktura wieku ludności będzie wyróżniać jednostki położone w nieco większym oddaleniu). Doprowadzi to ostatecznie do wyrównania się różnic w zakresie struktur wieku ludności pomiędzy miastami a obszarami peryferyjnymi. W W P M M Poziom staroœci demograficznej wysoki niski Ryc. 72. Model przekształceń struktury wieku w układzie miasto–wieś Model of changes in population age structure by rural–urban dimension Źródło: Opracowanie własne W niniejszej pracy przedstawiono zróżnicowanie przestrzenne starzenia się ludności Polski zarówno w układzie statycznym, dynamicznym, jak i perspektywicznym na poziomie miast i gmin, z wykorzystaniem różnorodnych mierników starzenia się ludności. Zrealizowano cel metodyczny pracy, proponując własne rozwiązania w zakresie pomiaru tego zjawiska oraz wykorzystując metodę taksonomiczną do klasyfikacji typologicznej badanego zjawiska. Opracowano dynamiczny wskaźnik starzenia się ekonomicznego WSE na podstawie zmian ekono160 micznych grup wieku ludności, ze szczególnym uwzględnieniem kategorii osób w wieku produkcyjnym (zarówno mobilnym, jak i niemobilnym). Do pomiaru poziomu starości demograficznej zaproponowano syntetyczny wskaźnik struktury wieku ISW, biorąc pod uwagę szczegółowy podział ludności na 5-letnie grupy wieku i stosując odpowiednio dobrane wagi do ich udziałów (zarówno w ciągu arytmetycznym, jak i geometrycznym). Wykorzystując taksonomiczną metodę grupowania k-średnich sporządzono typologię starzenia się ludności pod względem poziomu i dynamiki tego procesu. Przeprowadzono także procedurę klasyfikacji przestrzennej badanego zjawiska, wyznaczając w obrębie wydzielonych wcześniej klas typologicznych obszary zwarte terytorialnie, które nazwano typami regionalnymi. W okresie międzyspisowym 1988–2002 wyróżniono ogółem 27 typów regionalnych starzenia się ludności, stanowiących łącznie ponad 2/3 powierzchni kraju i zamieszkałych przez 14,7 mln osób. W obrębie typu A, o największym zagrożeniu demograficznym starością, wydzielono 6 typów regionalnych (Podlasie, Polesie Lubelskie, Roztocze oraz puławsko-sandomierski, świętokrzyski i skier- niewicko-radomski). W prognozowanym okresie 2002–2030 liczba typów regionalnych starzenia się ludności w stosunku do okresu 1988–2002 zwiększyła się z 27 do 35, jednakże zmalało ich zaludnienie ogółem, przy niewielkim wzroście ich powierzchni, co świadczy o ich większym rozdrobnieniu i rozproszeniu. W najstarszym typie A nie wyróżniono żadnego zwartego obszaru starzenia się ludności, natomiast w typie B wydzielono tylko jeden typ regionalny – górnośląski, liczący ponad 2 mln mieszkańców. Przedstawione w niniejszej pracy zróżnicowanie terytorialne zjawiska starzenia się ludności pozwala na wskazanie kilku najważniejszych przesłanek dla polityki ludnościowej i gospodarczej. Polityka ta winna być realizowana w wymiarze zarówno ogólnokrajowym, jak i regionalnym czy lokalnym. Z punktu widzenia finansów publicznych państwa najistotniejsze jest pogorszenie się relacji po- między liczbą ludności w wieku produkcyjnym i poprodukcyjnym, co może mieć negatywne konsekwencje dla równowagi systemu zabezpieczeń społecznych. W zakresie polityki ludnościowej możemy wyróżnić działania odpowiadające na zapotrzebowanie ludności w starszym wieku, określane z reguły jako polityka społeczna oraz działania zmierzające do kształtowania procesów ludnościowych zapobiegających starzeniu się społeczeństwa. Do najważniejszych zadań polityki społecznej wobec osób starszych powinny należeć: umożliwienie kontynuacji aktywności zawodowej po osiągnięciu wieku emerytalnego, zapewnienie im równego dostępu do opieki zdrowotnej niezależnie od miejsca zamieszkania, stworzenie odpowiedniej infrastruktury w celu zapewnienia im odpowiednich usług opiekuńczych bądź w miejscu zamieszkania, bądź w formie zinstytucjonalizowanej, zapewnienie osobom starszym szerokiego dostępu do podstawowych form uczestnictwa w kulturze i czynnym wypoczynku, umożliwienie rozwijania własnych zainteresowań oraz promowanie integracji międzypokoleniowej. W zakresie kształtowania procesów ludnościowych, zmierzających do zahamowania starzenia się populacji do najważniejszych zadań polityki powinno należeć oddziaływanie 161 na poziom dzietności oraz wpływanie na ruchy migracyjne ludności zarówno międzynarodowe, jak i krajowe. Polityka w zakresie kształtowania procesów ludnościowych jest integralnie związana z polityką gospodarczą państwa oraz z polityką regionalną. Wzrost poziomu dzietności będzie możliwy po stworzeniu warunków do godzenia kariery zawodowej przez kobiety z wychowaniem dziecka, a odpływ ludności za granicę może być zahamowany po zwiększeniu dochodów do poziomu zbliżonego do wysoko rozwiniętych krajów Unii Europejskiej. Na szczeblu regionalnym i lokalnym do najistotniejszych zadań należeć będzie stworzenie warunków do rozwoju regionów i obszarów peryferyjnych (np. Podlasie czy rejon Sudetów) najbardziej zagrożonych demograficznie poprzez alokację środków, przyciągnięcie inwestycji i napływ kapitału zagranicznego, aby zapobiec dalszemu odpływowi ludności do regionów bogatszych czy do miast. Ponadto działania polityki regionalnej winny być skierowane do regionów postindustrialnych (jak Górny Śląsk), celem zahamowania wysokiej dynamiki starzenia się społeczeństwa poprzez właściwy proces restrukturyzacji nieefektywnych gałęzi przemysłu, stworzenie nowych miejsc pracy oraz odpowiednie przekwalifikowanie i przeszkolenie istniejących zasobów siły roboczej. W regionach postindustrialnych dużą szansą na ich dalszy rozwój jest wykorzystanie istniejącej infrastruktury w celu przyciągnięcia inwestorów oraz stworzenie dla nich odpowiednich ulg w ramach istniejących stref ekonomicznych. Wszystkie te działania mogą – z jednej strony – zahamować odpływ ludności z tych regionów, a z drugiej – stworzyć odpowiednie warunki do zakładania rodzin, zamieszkania i poprawienia wskaźników rozrodczości, co doprowadziłoby do spowolnienia dynamiki starzenia się ludności. Proces starzenia się ludności jest nieuchronny i nieodwracalny, a w wymiarze przestrzennym mocno zróżnicowany. Populacja osób starszych jest zróżnicowana zarówno pod względem cech demograficznych (wiek, płeć, stan cywilny), społecznych (wykształcenie), jak i ekonomicznych (poziom dochodu). Posiada ona różne potrzeby w zakresie ochrony zdrowia, opieki czy konsumpcji. W starzejących się populacjach ważnym zadaniem jest kształtowanie odpowiednich postaw ludzi młodszych wobec starości, mających na celu integrację międzypokoleniową społeczeństwa, w którym osoby starsze znajdą swoje właściwe i aktywne miejsce. 162 Bibliografia Alders P., Broer D.P., 2005, Ageing, fertility, and growth, „Journal of Public Economics”, 89, s. 1075–1095 Alvorado J., Creedy J., 1998, Population ageing, migration and social expenditure, Edward Elgar Publishing, Northampton, Massachusetts Andrews G.J., Phillips D.R., 2005, Ageing and Place. Perspectives, Policy, Practice, Routledge, London, New York Artysiewicz I., 1977, Ludzie starzy w województwie białostockim, „Wiad. Stat.”, 12, GUSPTS, Warszawa, s. 31–34 Avramov D., Maskova M., 2003, Active ageing in Europe, „Population Studies”, No 41, Vol. 1, Council of Europe Baldacci E., Lugaresi S., 1997, Social expenditure and demographic evolution: a dynamic approach, „Genus” 53, 1–2, s. 61–78 Bartiaux F., 1991, La composition des ménages des personnes âgées en Italie (1981), „European Journal of Population”, 7, 1, s. 59–98 Bakshi, G.S., Chen Z., 1994, Baby boom, population aging, and capital markets, „The Journal of Business”, 67, 2, s. 165–202 Betts K., 1998, Fertility, migration, and the ageing of the population – an analysis of the official projections, „People And Place”, 6, 4, s. 33–37 Beaujeu-Garnier J., 1966, Geography of population, Longmans, Green and Co, Ltd, s. 386 Bermingham, J.R., 2001, Immigration: Not a solution to problems of population decline and aging, „Population and Environment”, 22, 4, s. 355 Bettendorf L.J.H., Heijdra B.J., 2006, Population ageing and pension reform in a small open economy with non-traded goods, „Journal of Economic Dynamics & Control”, 30, 12, s. 2389–2424 Biderman E. (red.), 1988, Problemy geografii osadnictwa i ludności w Polsce, „Prace Naukowe UAM”, Seria: Geografia, nr 42, Wyd. UAM, Poznań–Zielona Góra Bielecka B., 1976, Zmiany w ruchu naturalnym i strukturze wieku ludności województwa kieleckiego, „Prace i Studia Inst. Geogr. UW”, 19, s. 5–45 Bijak J., Kicinger A., Kupiszewski M., współpraca: Śleszyński P., 2007, Studium metodologiczne oszacowania rzeczywistej liczby ludności Warszawy, CEFMR Working Paper nr 2, Środkowoeuropejskie Forum Badań Migracyjnych, Warszawa (http://www.cefmr. pan.pl/docs/cefmr_wp_2007-02.pdf) Bijak J., Koryś I., 2006, Statistics or reality? International migration in Poland, CEFMR Working Paper nr 32, Środkowoeuropejskie Forum Badań Migracyjnych, Warszawa (http://www.cefmr.pan.pl/docs/cefmr_wp_2006-03.pdf) 163 Błędowski P., 1998, Samodzielność osób starszych jako zadanie polityki społecznej, „Gerontologia Polska”, 6, 3–4 Błędowski P., 2002, Lokalna polityka społeczna wobec ludzi starych, SGH, Warszawa Błędowski P., 2003, Samorząd terytorialny wobec problemów osób starszych, [w:] Z. Strze- lecki (red.), Procesy demograficzne u progu XXI wieku. Polska a Europa, Rządowa Rada Ludnościowa, RCSS, Warszawa, s. 320–328 Bongaarts J., 2004, Population Ageing and the Rising Cost of Public Pensions, „Population and Development Review”, 30, 1, s. 1–24 Borowski S., 1977, Zastosowanie analizy czynnikowej do delimitacji regionów reprodukcji ludności w Polsce, „Studia Demograficzne”, 47 Bourdelais P., 1999, Demographic Aging: A Notion to Revisit, „The History Of The Family, An International Quarterly”, 4, 1, s. 31–50 Bourgeois-Pichat J., 1973, Main trends in demography, George Allen & Unwin Ltd, London, s. 79 Bouvier, L.F., 2001, Replacement migration: Is it a solution to declining and aging populations?, „Population and Environment”, 22, 4, s. 377 Börsch-Supan A., 1995, Age and cohort effects in saving and the German retirement system, „Ricerche Economiche”, 49, s. 207–233 Cain M.T., 1991, The Activities of the elderly in rural Bangladesh, „Population Studies”, 45, 2, s. 189–202 Campbell J., 2001, Map use and analysis, Fourth Edition, Wm C, Brown, Dubuque, Iowa Cameron L.A., Cobb-Clark D.A., 2002, Old-age labour supply in the developing world, „Applied Economics Letters”, 9, s. 649–652 Casselli G., 1990, Mortality and population ageing, „European Journal of Population”, 6, s. 1–25 Cegłowska J., Niekrasz J., Stokowski F., 1988, Ewolucja regionalnych podziałów demograficznych w Polsce, Monografie i Opracowania SGPiS nr 279, Instytut Statystyki i Demografii, , Warszawa Cheal D., 2000, Aging and demographic change, „Canadian Public Policy – Analyse de Politiques”, 26, 2, s. 109–122 Chesnais J.C., 1990, Population ageing, retirement policy and living conditions of the elderly in China, „Population – English selection”, 2, s. 3–27 Chojnicki Z., 1970, Podstawy teoretyczne zastosowania metod matematycznych w badaniach przestrzennych rolnictwa, „Biuletyn KPZK PAN”, 61 Chojnicki Z., 1980, Metody taksonomiczne w geografii, PWN, Warszawa–Poznań Chojnicki Z., 1985, Orientacje filozoficzno-metodologiczne geografii – ich koncepcje i modele, „Przegląd Geograficzny”, 50, 2, s. 205–221 Chojnicki Z., 1996, Region w ujęciu geograficzno-systemowym, [w:] T. Czyż (red.), Podstawy regionalizacji geograficznej, Wyd. Nauk. Bogucki, Poznań, s. 7–44 Chojnicki Z., 1999, Podstawy metodologiczne i teoretyczne geografii, Wyd. Nauk. Bogucki, Poznań 164 Chojnicki Z., 2001, Dualizm metodologiczny w geografii społeczno-ekonomicznej, [w:] H. Rogacki (red.), Koncepcje teoretyczne i metody badań geografii społeczno-ekonomicznej i gospodarki przestrzennej, Wyd. Nauk. Bogucki, Poznań, s. 17–35 Chojnicki Z., 2004, Podstawy filozoficzne geografii – jakiej filozofii potrzebuje geografia, [w:] Z. Chojnicki (red.), Geografia wobec problemów teraźniejszości i przyszłości, Wyd. Nauk. Bogucki, Poznań, s. 191–207 Chojnicki Z., 2005, Problematyka metodologiczna przedmiotu geografii, [w:] W. Maik, K. Rembowska, A. Suliborski (red.), Geografia jako nauka o przestrzeni, środowisku i krajobrazie. Podstawowe idee i koncepcje w geografii, t. 1, Zakład Geografii Społecznej i Turystyki UMK, Zakład Badań Społecznych i Regionalnych UŁ, Łódzkie Towarzystwo Naukowe, Łódź Chojnicki Z., Czyż T., 1973, Metody taksonomii numerycznej w regionalizacji geograficznej, PWN, Warszawa Cieślak M., 1992, Demografia. Metody analizy i prognozowania, PWN, Warszawa Cieślak M., 2004, Pomiar procesu starzenia się ludności, „Studia Demograficzne”, 2(146), s. 3–15 Clarke J.I., 1965, Population geography, Pergamon Press, Oxford, s. 164 Coale A.J., 1972, The growth and structure of human populations: A Mathematical Investigation, Princeton University Press, Princeton–New Jersey, s. 227 Coleman D.A., 2002, Populations of the Industrial World – A Convergent Demographic Community?, „International Journal of Population Geography”, 8, s. 319–344 Commission Of The European Communities, 1999, Towards a Europe for All Ages – Promoting Prosperity and Intergenerational Solidarity Brussels 21.05.1999 COM 221 final. (http://ec.europa.eu/employment_social/social_situation/docs/com221_en.pdf) Commission Of The European Communities, 2005, Green Paper, Confronting demographic change: a new solidarity between the generations, Brussels, 16.3.2005 COM 94 final. (http://ec.europa.eu/employment_social/news/2005/mar/comm2005-94_en.pdf) Coombes Y., 1995, Population ageing: the implications for Africa, „Africa Health”, 17, 6, s. 22–23 Cyrus Chu C.Y., 1997, Age-distribution dynamics and ageing indexes, „Demography” 34, 4, s. 551–564 Czarkowska W., 1968, Typy struktur wieku ludności regionu krakowskiego, „Prace Komisji Socjologicznej PAN”, 11, Ossolineum, Wrocław, s. 191 Czyż T., 1971, Zastosowanie metody analizy czynnikowej do badania ekonomicznej struktury regionalnej Polski, „Prace Geograficzne”, 92, IG PAN, Warszawa Czyż T., Chojnicki Z., 1993, Region i regionalizacja w geografii, [w:] K. Handke (red.), Region, regionalizm – pojęcia i rzeczywistość, Instytut Slawistyki PAN, Warszawa, s. 13–36 Dehnel G., 2003, Statystyka małych obszarów jako narzędzie oceny rozwoju ekonomicznego regionów, Wyd. Akademii Ekonomicznej w Poznaniu, Poznań, s. 132 Dharmalingam A., 1994, Old age support: expectations and experiences in a south Indian village, „Population Studies”, 48, 1, s. 5–19 165 Dickinson G.C., 1973, Statistical mapping and the presentation of statistics, E. Arnold Ltd., London Dixon S., 2003, Implications of population ageing for the labour market, „Labour Market Trends”, 111, 2, s. 67–76 Długosz Z., 1996, Zróżnicowanie struktury wieku na świecie a metody jej klasyfikacji, „Przegl. Geogr.”, 68, 1–2, s. 151–165 Długosz Z., 1997, Stan i dynamika starzenia się ludności Polski, „Czas. Geogr.”, 68, 2, s. 227–232 Długosz Z., 1998, Próba określenia zmian starości demograficznej Polski w ujęciu przestrzennym, „Wiad. Stat.”, 3, GUS-PTS, Warszawa, s. 15–25 Długosz Z., Kurek S., 1997, Aging of the populations of large Polish cities versus age patterns in other settlement units, [w:] Population changes in urban regions of the East-Central Europe in the conditions of their socio-economic transformations, „Studia i Materiały”, 4, Uniwersytet Łódzki, Łódź, s. 28–36 Długosz Z., Kurek S., 2006, Demographic ageing of European Union countries, [w:] T. Ko- mornicki, K. Czapiewski (red.), Regional Periphery in Central and Eastern Europe, Europa XXI, 15, Polish Academy of Sciences, Stanisław Leszczycki Institute of Geography and Spatial Organization Centre for European Studies, Polish Geographical Society, Warszawa, s. 185–198 Domański B., 2003, Economic trajectory, path dependency and strategic intervention in an old industrial region: the case of Upper Silesia, [w:] R. Domański (red.), Recent advances in urban and regional studies, Polish Academy of Sciences, Committee for Space Economy and Regional Planning, Warsaw, s. 133–153 Domański R., 1964, Procedura typologiczna w badaniach geograficznych, „Przegląd Geograficzny”, 36, 4, s. 627–660 Domański R., 1972, Kształtowanie otwartych regionów ekonomicznych, PWE, Warszawa Domański R., 1987, Przestrzenna organizacja rozwoju regionalnego, „Studia KPZK PAN”, 93, Warszawa Dooghe G., 1992, The ageing of the population in Europe: socio-economic characteristics of the elderly population, Garant Publishers, Brussels, Belgium, s. 238 Duda M., 1970, Proces starzenia się ludności w wybranych krajach Europy Wschodniej, „Wiad. Stat.”, 8, GUS-PTS, Warszawa, s. 36–38 Dyson T., 2001, A Partial Theory of World Development: The Neglected Role of the Demographic Transition in the Shaping of Modern Society, „International Journal of Population Geography”, 7, s. 67–90 Dzieciuchowicz J., 1995, Determinanty demograficzne i społeczno-ekonomiczne redystrybucji przestrzennej ludności aglomeracji miejskich (przykład aglomeracji łódzkiej), Wydawnictwo Uniwersytetu Łódzkiego, Łódź Dzienio K., 1974, Zasoby ludności w wieku ponad 60 lat w roku 2030, [w:] Problemy ludzi starych w Polsce, PWE, Warszawa, s. 51–56 Dziewoński K., 1957, Niektóre problemy badania regionów gospodarczych w Polsce, „Przegląd Geograficzny” 4, s. 722 Dziewoński K., 1967, Teoria regionu ekonomicznego, „Przegląd Geograficzny”, s. 33–50 166 Dziewoński K., Gawryszewski A., Iwanicka-Lyrowa E., Jelonek A., Jerczyński M., Węcła- wowicz G., 1977, Rozmieszczenie i migracje ludności a system osadniczy Polski Ludowej, IGiPZ PAN, Wrocław, Warszawa, Kraków, Gdańsk Eberhardt P., 1989, Regiony wyludniające się w Polsce, IGIPZ PAN, Wrocław, Warszawa, Kraków, Gdańsk, Łódź Eberhardt P., 2005, Rola i miejsce geografii osadnictwa i ludności w systemie nauk geograficznych, [w:] S. Liszewski, W. Maik (red.), Rola i miejsce geografii osadnictwa i ludności w systemie nauk geograficznych, Studia i Materiały Instytutu Geografii i Gospodarki Przestrzennej Wyższej Szkoły Gospodarki w Bydgoszczy, 1, Bydgoszcz, s. 21–25 European Commission, 2004, Grant J., Hoorens S., SivadasanS. , van het Loo M., Da Vanzo J., Hale L., Gibson S., Butz W., Low Fertility and Population Ageing. Causes, Consequences and Policy Options, RAND EUROPE (www.rand.org/pubs/monographs/2004/RAND_ MG206.pdf) Eurostat 2004, Ageing Population, [w:] Regions: Statistical Yearbook 2004, European Communities Evans I.S., 1977, The selection of class intervals, „Transactions. Institute of British Geographers”. New series, 2, 1, s. 98–124 Faruqee H., Mühleisen M., 2003, Population aging in Japan: demographic shock and fiscal sustainability, „Japan and World Economy”, 15, s. 185–210 Fougére, M., Mérette M., 1999, Population ageing and economic growth in seven OECD countries, „Economic Modelling”, 16, s. 411–427 Frąckiewicz L. (red.), 2002, Polska a Europa. Procesy demograficzne u progu XXI wieku. Proces starzenia się ludności i jego społeczne konsekwencje. I Kongres Demograficzny, Polskie Towarzystwo Polityki Społecznej, Katowice Frątczak E., 1984, Proces starzenia się ludności Polski a proces urbanizacji, Instytut Statystyki i Demografii SGPiS, Warszawa Frątczak E., 1991, Utility of demographic models in the study of population ageing, [w:] Usefulness of demographic modelling, Instytut Statystyki i Demografii SGH, Warszawa, s. 72–90 Frątczak E., 1992, Living arrangements of the elderly in Poland – evidence from survey life course (family, occupational and migratory biography), 1988, „Polish Population Review”, 2, Polish Demographic Society, Central Statistical Office, Warsaw, s. 106–126 Frątczak E., 2002, Proces starzenia się ludności Polski, „Studia Demograficzne” 2, 142, s. 3–28 Frątczak E., Guraj-Kaczmarek K., Zarzycka Z., Bartczak S., Czajkowski A., Suchecka J., 1987, Wybrane uwarunkowania i konsekwencje procesu starzenia się ludności Polski, 223, Instytut Statystyki i Demografii SGPiS, Warszawa Futagami K., Nakajima T., 2001, Population Ageing and Economic Growth, „Journal of Macroeconomics”, 23, 1, s. 31–44 van der Gaag N., de Jong A.H., 1997, Population scenarios for the European Union: regional scenarios, „Maandstatistiek Van De Bevolking”, 45, 12, s. 17–31 167 Gałaj D., Tryfan B., 1974, Ludzie starsi na wsi, [w:] Problemy ludzi starych w Polsce, PWE, Warszawa, s. 121–134 Gawryszewski A., 2005, Ludność Polski w XX wieku, PAN, Warszawa Gaymu J., 1993, Being over 60 years old in France in 1990, „Population”, 48, 6, s. 1871–1910 Gelbard A., Haub C., Kent M.M., 1999, World population beyond six million, 54, 1, Population Reference Bureau, Washington, s. 44 Glaser K., Grundy E., 1998, Migration and household change in the population aged 65 and over, 1971–1991, „International Journal of Population Geography”, 4, 4, s. 323–340 Golini A., 1997, Demographic trends and ageing in Europe. Prospects, problems and policies, „Genus”, 53, 3–4, s. 33–74 Golini A., 1999, Demographic imperative of ageing populations, [w:] WHO, Ageing and health. A global challenge for the twenty-first century, World Health Organization, Geneva, s. 46–73 Golini A., 2001, Demographic trends and population policies, „Futures” 33, s. 27–41 Golini A., 2006, The changing age structure of population and its consequences for development, [w:] United Nations, Challenges of world population in the 21st century: the changing age structure of population and its consequences for development. Panel Discussion, New York, 12 October 2006 (http://www.un.org/esa/population/publications/2006Changing_ Age/Golini.pdf) Gonnot J.P., Keilman N., Prinz C., 1995a, Social security, household, and family dynamics in ageing societies, „European Studies of Population”, 1, Dordrecht, Netherlands, Kluwer Academic Gonnot J.P., Prinz C., Keilman N., 1995b, Adjustments of public pension schemes in twelve industrialized countries: possible answers to population ageing, „European Journal of Population”, 11, s. 371–398 Gordecka B., 1980, Starzenie się i starość demograficzna ludności województwa opolskiego w latach 1950–1977, „Studia Śl.”, 37, s. 171–189 Górecka S., Puchała H., 1995, Problemy prognozowania małych populacji, [w:] A. Jagielski (red.), Zadania badawcze geografii społecznej i ekonomicznej w obliczu transformacji ustrojowej i restrukturyzacji gospodarczej, Wrocław–Szklarska Poręba, s. 75–82 Grabiński T., 1984, Wielowymiarowa analiza porównawcza w badaniach dynamiki zjawisk ekonomicznych, Wyd. Akademii Ekonomicznej w Krakowie, Kraków Grabiński T., 1992, Metody taksonometrii, Wyd. Akademii Ekonomicznej w Krakowie, Kraków Grabiński T., 2003, Analiza taksonometryczna krajów Europy w ujęciu regionów, Wyd. Akademii Ekonomicznej w Krakowie, Kraków Grabiński T., Wydymus S., Zeliaś A., 1989, Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, PWN, Warszawa Grant L., 2001, Replacement migration: The UN Population Division on European population decline, „Population and Environment”, 22, 4 168 Grochowski M., Kowalczyk A., 1999, Rozwój lokalny i jego współczesne uwarunkowania, [w:] B. Domański, W. Widacki (red.), Geografia w Uniwersytecie Jagiellońskim 1849– 1999, t. 4: Geografia polska u progu trzeciego tysiąclecia, Instytut Geografii Uniwersytetu Jagiellońskiego, Kraków, s. 183–202 van Groezen B., Meijdamy L.,Verbony H., 2005, Serving the old: ageing and economic growth, „Oxford Economic Papers” 57, s. 647–663 Grundy E., 1996, Population ageing in Europe, (w:) Europe’s population in the 1990s, D. Coleman (red.), Oxford University Press, New York, s. 267–296 Grundy E., 1997, Demography and gerontology: mortality trends among the oldest old, „Ageing And Society”, 17, 6, s. 713–725 GUS, 2003, Raport z wyników Narodowego Spisu Powszechnego Ludności i Mieszkań 2002, Główny Urząd Statystyczny, Warszawa, (http://www.stat.gov.pl/gus/45_754_PLK_ HTML.htm) GUS, 2004, Prognoza demograficzna na lata 2003–2030, Główny Urząd Statystyczny, Warszawa, (http://www.stat.gov.pl/gus/45_648_PLK_HTML.htm) GUS, 2007a, Podstawowe informacje o rozwoju demograficznym Polski do 2006 roku, Departament Statystyki Społecznej, Główny Urząd Statystyczny, Warszawa (http:// www.stat.gov.pl/cps/rde/xbcr/gus/PUBL_podst_inf_rozwoj_demograficzny_2006. pdf) GUS, 2007b, Informacja o rozmiarach i kierunkach emigracji z Polski w latach 2004–2006, Główny Urząd Statystyczny, Warszawa (http://www.stat.gov.pl/gus/45_3583_PLK_ HTML.htm) Heigl A., Mai R., 1998, Demographic aging within the regions of the European Union, „Zeitschrift Für Bevolkerungswissenschaft”, 23, 3, s. 293–317 Heisel M.A., 1984, Aging in the context of population policies in developing countries, „Population Bulletin of the UN”, 16, s. 49–63 Holzer J.Z., 1997, Proces starzenia się ludności Polski według prognoz z lat 1960 i 1990, „Stud. Demogr.”, 130, 4, s. 35–43 Holzer J.Z., 2003, Demografia, PWE, Warszawa Jackson S., 2000, Age concern? The Geography of Greying Europe, „Geography”, vol. 85, No 4, s. 366–369 Jackson W.A., 1998, The political economy of population ageing, Edward Elgar Publishing, Northampton, Massachusetts Jagielski A., 1977, Geografia ludności, PWN, Warszawa Jagielski A. (red.), 1995, Zadania badawcze geografii społecznej i ekonomicznej w obliczu transformacji ustrojowej i restrukturyzacji gospodarczej (materiały z konferencji), Zakład Geografii Społecznej i Ekonomicznej, Instytut Geograficzny Uniwersytetu Wrocławskiego, Wrocław–Szklarska Poręba Jelonek A., 1958, Zmiany w strukturze płci i wieku ludności w Polsce w latach 1946–50, „Przegl. Geogr.”, 30, 3, s. 439–458 Jelonek A., 1971, Regiony demograficzne Polski, „Zeszyty Nauk. UJ”, Prace Geogr., 30 169 Jelonek A., 1986, Obszary zagrożeń demograficznych, „Folia Geogr., ser. Oeconom.”, Kom. Nauk Geogr. PAN, Kraków, 19, s. 33–50 Jenks G.F., Casspall F.C., 1971, Error on choropleth maps: definition, measurement, reduction, „Annals Association of American Geography”, 61, 2, s. 217–244 Jędrzejczyk D., 2001, Podstawy geografii ludności, Wyd. Akademickie DIALOG, Warszawa Johnson N.E., Climo J.J., 2000, Aging and eldercare in more developed countries, „Journal of Family Issues”, 21, 5, s. 531–540 de Jong Gierveld J., Plomp R., 1997, Transfers between generations in an ageing Europe, Nederlands Interdisciplinair Demografisch Instituut (NIDI), Deven, The Hague, Netherlands van de Kaa, D.J., 1987, Europe’s Second Demographic Transition, „Population Bulletin”, Vol. 42, No.1, March, Population Reference Bureau, Washington, D.C van de Kaa, D.J., 2003, The idea of a second demographic transition in industrialized countries, „The Japanese Journal of Population”, No. 1, Vol. 1 Kabir M.H., 1994, Local level policy development to deal with the consequences of population ageing in Bangladesh, „Asian Population Studies”, Series No. 131-A, New York, United Nations Kaczmarek S., 2005, Geografia osadnictwa i ludności – razem czy osobno, [w:] S. Liszewski, W. Maik (red.), Rola i miejsce geografii osadnictwa i ludności w systemie nauk geograficznych, Studia i Materiały Instytutu Geografii i Gospodarki Przestrzennej Wyższej Szkoły Gospodarki w Bydgoszczy, 1, Bydgoszcz, s. 37–40 Kenc T., Sayan S., 2001, Demographic shock transmission from large to small countries. An overlapping generations CGE analysis, „Journal of Policy Modeling”, 23, s. 677–702 Kemper F.J., Kurek S., 2006, Population ageing in Germany and Poland. A comparison of regional developments in the 1990s, Arbeitsberichte, Heft 120, Geographisches Institut, Humboldt-Universität zu Berlin Keyfitz N., 1968, Changing Vital Rates and Age Distributions, „Population Studies”, 22, 2, s. 235–251 Keyfitz N., 1971, Facts and Methods on Demography, W.H. Freeman and Company, San Francisco Kim Y.J., Schoen R., 1997, Population momentum expresses population ageing, „Demography” 34, 3, s. 421–427 King R., Warnes A.M., Williams A, 1998, International retirement migration in Europe, „International Journal of Population Geography”, 4, 2, s. 91–111 Kinsella K., 2000, Demographic dimensions of global aging, „Journal of Family Issues”, 21, 5, s. 541–558 Kinsella K., Phillips D.R., 2005, Global Aging: The Challenge of Success, „Population Bulletin”, 60, 1 Kinsella K., Taeuber C.M., 1993, An aging world II, U.S. Bureau of the Census, International Population Reports P25, 92-3, U.S. Government Printing Office, Washington D.C Knodel J., 1999, The demography of Asian ageing: past accomplishments and future challenges, „Asia-Pacific Population Journal”, 14, 4, s. 39–56 170 Kondrat W., 1972, Zmiany w strukturze ludności według płci i wieku w latach 1950, 1960, 1970, „Studia i Prace Statystyczne”, 40, GUS, Warszawa Kosiński L., 1967, Geografia ludności, PWN, Warszawa Kot S., Kurkiewicz J., 2004, The new measures of the population ageing, „Studia Demo- graficzne”, 2 (146), s. 17–29 Kotowska I., 1990, Starzenie się zasobów pracy w Polsce, „Studia Demograficzne”, 3 (101), s. 41–61 Kotowska I., 1992, Demographic determinants of labour force in Poland in 1990–2000, „Polish Population Review”, Polish Demographic Society, Central Statistical Office, Warsaw, 2, s. 41–61 Kotowska I., 1999, Przemiany demograficzne w Polsce w latach 90. w świetle koncepcji drugiego przejścia demograficznego, Szkoła Główna Handlowa w Warszawie, Warszawa Kowaleski J.T., (red.), 2006, Ludzie starzy w polskim społeczeństwie w pierwszych dekadach XXI wieku, Wyd. Uniwersytetu Łódzkiego, Łódź Kowaleski J.T., Szukalski P. (red.), 2002, Proces starzenia się ludności. Potrzeby i wyzwania, I Kongres Demograficzny w Polsce, t. IIB, Zakład Demografii Uniwersytetu Łódzkiego, Łódź Kowaleski J.T., Szukalski P. (red.), 2004, Nasze starzejące się społeczeństwo. Nadzieje i zagrożenia, Wyd. Uniwersytetu Łódzkiego, Łódź Kowaleski J.T., Szukalski P. (red.), 2006, Starość i starzenie się jako doświadczenie jednostek i zbiorowości ludzkich, Wyd. Uniwersytetu Łódzkiego, Łódź Krupowicz J., 1992, The old people population in Poland and the USSR, [w:] Some demographic processes in Estonia, Poland and Russia, „Prace Naukowe AE we Wrocławiu”, 632, s. 43–47 Kuciarska-Ciesielska M., Marciniak G., 1999, Seniorzy w polskim społeczeństwie, Dep. Bad. Dem. GUS, Warszawa Kuciński K., 1990, Podstawy teorii regionu ekonomicznego, PWN, Warszawa Kupiszewski M., Bijak J., 2006, Ocena prognozy ludności GUS 2003 z perspektywy aglomeracji warszawskiej, CEFMR Working Paper no 1, Central European Forum For Migration Research (http://www.cefmr.pan.pl/docs/cefmr_wp_2006-01.pdf) Kupiszewski M., Bijak J., 2007, Zmiany i problemy demograficzne a rozwój przestrzenny, Ekspertyza dla Ministerstwa Rozwoju Regionalnego, Środkowoeuropejskie Forum Badań Migracyjnych, Warszawa (http://www.mrr.gov.pl/NR/rdonlyres/58E2DB25A05A-41E1-9354-22D63AB8120C/39928/2aKupiszewskidemografia.pdf) Kupiszewski M., Bijak J., Saczuk K., Serek R., 2003, Komentarz do założeń prognozy ludności na lata 2003–2030 przygotowywanej przez GUS, CEFMR Working Paper 3/2003, Środkowoeuropejskie Forum Badań Migracyjnych, Warszawa (http://www.cefmr.pan. pl/docs/cefmr_wp_2003-03.pdf) Kurek S., 1998, Zróżnicowanie przestrzenne procesu starzenia się ludności Europy w świetle wybranych mierników, „Czasopismo Geograficzne”, 49, 3–4, s. 261–274 Kurek S., 2001a, Obszary zagrożone starością demograficzną w Polsce południowo-wschodniej, „Czasopismo Geograficzne” LXXII, z. 1, s. 89–100 171 Kurek S., 2001b, Wybrane metody i kierunki badania starzenia się ludności w świetle literatury problemu, „Studia Demograficzne”, nr 1/139, s. 97–113 Kurek S., 2002a, Proces starzenia się ludności w województwie podkarpackim, „Biuletyn Geograficzny”, nr 1, s. 215–225 Kurek S., 2002b, Proces starzenia się ludności w powiatach miejskich na tle pozostałych jednostek osadniczych, [w:] J. Słodczyk (red.), Demograficzne i społeczne aspekty rozwoju miast, Uniwersytet Opolski, Opole, s. 103–116 Kurek S., 2003, The spatial distribution of population ageing in Poland in the years 1988– 2001, „Bulletin of Geography”, no 2, UMK, Toruń, p. 65–76 Kurek S., 2005, Regional Differentiation of Population Ageing in Poland, [in:] E. Kalla- bova, A. Vaishar, J. Zapletalova (eds.), Geography in Europe of Regions, Institute of Geonics, Academy of Sciences of the Czech Republic, s. 57–62 Kurek S., 2006a, Przestrzenne zróżnicowanie stanu zaawansowania i dynamiki procesu starzenia się ludności w Polsce, [w:] Idee i praktyczny uniwersalizm geografii. Geografia społeczno-ekonomiczna, IGiPZ PAN, Warszawa, s. 156–160 Kurek S., 2006b, Przestrzenne zróżnicowanie starzenia się ludności Polski w świetle prognoz GUS, [w:] J.T. Kowaleski, S. Szukalski (red.), Starość i starzenie się jako doświadczenie jednostek i zbiorowości ludzkich, Łódź, s. 394–400 Kurek S., 2006c, Migration of the elderly in Poland in 1991–2001, „Bulletin of Geography”, socio-economic series, Nicolaus Copernicus University, Toruń, s. 161–172 Kurek S., 2006d, Taksonomiczne zróżnicowanie struktur wieku ludności Polski w układzie miast i gmin na tle procesu starzenia się ludności, „Studia Demograficzne”, nr 2/150, s. 78–95 Kurek S., 2007a, Typologia procesu starzenia się ludności miast i gmin Polski na tle jego demograficznych uwarunkowań, „Przegląd Geograficzny”, 79, 1, s. 133–156 Kurek S., 2007b, Przestrzenne zróżnicowanie ludności Polski według ekonomicznych grup wieku w układzie miast i gmin, [w:] P. Brezden, S. Grykień (red.), Przekształcenia regionalnych struktur funkcjonalno-przestrzennych, t. 9, Uniwersytet Wrocławski, Instytut Geografii i Rozwoju Regionalnego, Wrocław, s. 153–164 Kurkiewicz J., 1991, Analiza porównawcza zmian struktury ludności według wieku w wybranych krajach europejskich, „Stud. Demogr.”, 106, 4, s. 45–63 Kurkiewicz J., Pociecha J., Zając K., 1991, Metody wielowymiarowej analizy porównawczej w badaniach rozwoju demograficznego, SGH, Instytut Statystyki i Demografii, Warszawa Kwiecień W., 1975, Proces starzenia się ludności świata i jego prognoza, „Stud. Demogr.”, 42, s. 79–98 Kwiecień W., 1977/1978 (wyd. 1980), Proces starzenia się ludności w Polsce oraz jego prognozy, „Ann. UMCS, Sectio H. Oeconomia, Lublin”, 11–12, s. 171–196 Leers T., Meijdam L., Verbon H., 2003, Ageing, migration and endogenous public pensions, „Journal of Public Economics”, 88, s. 131–159 Legare J., 1993, Demographic aspects of the ageing process – past and future trends, (w:) (ed.) J. Legare, G.C. Myers and L. Tabah, Synthesis of national monographs on population ageing,Valletta, Malta, International Institute on Aging, s. 15–28 172 Lesthaeghe R., 1991, The second demographic transition in Western countries: an interpretation, IPD Working Papers, 1991–2, Brussels Lesthaeghe R., Meekers D., 1986, Value changes and the dimensions of familism in the European Community, „European Journal of Population”, 2 Lindh T., 1999, Age structure and economic policy: The case of saving and growth, „Population Research and Policy Review”, 18, s. 261–277 Liszewski S., Maik W. (red.), 2005, Rola i miejsce geografii osadnictwa i ludności w systemie nauk geograficznych, Studia i Materiały Instytutu Geografii i Gospodarki Przestrzennej Wyższej Szkoły Gospodarki w Bydgoszczy, 1, Bydgoszcz Maik W., 2005, Wprowadzenie, [w:] S. Liszewski, W. Maik (red.), Rola i miejsce geografii osadnictwa i ludności w systemie nauk geograficznych, Studia i Materiały Instytutu Geografii i Gospodarki Przestrzennej Wyższej Szkoły Gospodarki w Bydgoszczy, 1, Bydgoszcz, s. 9–17 Malina A., 2004, Wielowymiarowa analiza przestrzennego zróżnicowania struktury gospodarki Polski według województw, „Zeszyty Naukowe Akademii Ekonomicznej w Krakowie”, seria specjalna: Monografie Nr 162, Wyd. Akademii Ekonomicznej, Kraków Maksimowicz-Ajchel A., 1989, Struktura ludności według wieku w krajach Europy Wschodniej. Tendencje długookresowe, „Stud. Demogr.”, 98, s. 3–24 Mantorska T., 1974, Metody badań demograficznych w ujęciu regionalnym, [w:] Aktualne problemy demograficzne kraju, PTE i GUS, Warszawa Mengos W., Höring D., 1973, Struktura ludności według wieku oraz obciążenie ludności czynno-zawodowej w niektórych krajach europejskich, „Stud. Demogr.”, 32, s. 49–68 Messkoub M., 1997, Crisis of ageing in less developed countries. A crisis for whom? Some conceptual and policy issues, „Institute of Social Studies Working Paper”, 254, The Hague, Netherlands, Institute of Social Studies, 31 Mirkin B., Weinberger M.B., 2001, The Demography of Population Ageing in Population Ageing and Living Arrangements of Older Persons: Critical Issues and Policy Responses, „Population Bulletin of the United Nations”, Special Issue Nos. 42/43, p. 41 58 Młodak A., 2006, Analiza taksonomiczna w statystyce regionalnej, Difin, Warszawa Molinie A.F., 1993, Des secteurs et des âges, „Population”, 6, s. 1961–1983 Monmonier M.S., 1976, Modyfying objective functions and constraints for maximizing visual correspondence of choropleth maps, „The Canadian Cartographer”, 13, 1, s. 21–34 Murlewski J., 1974, Starzenie się ludności produkcyjnej w Polsce, „Prace Instytutu Ekonometrii i Statystyki UŁ”, 15, Łódź Murlewski J., 1978, Zastosowanie modeli ludności zastojowej i ustabilizowanej w badaniu procesu starzenia się ludności, „Zesz. Nauk. Uniw. Łódz.”, 3, 18, s. 169–195 Muszyńska A., 1975, Delimitacja regionów społeczno-demograficznych, „Wiadomości Statystyczne”, nr 1 Myers D., 1992, Analysis with Local Census Data. Portraits of Change, Academic Press Inc., Harcourt Brace Jovanovich, Publishers, Boston, San Diego, New York, London, Sydney, Tokyo, Toronto 173 Nam C.B., Gustavus S.O., 1976, Population. The dynamics of demographic change, Houghton Mifflin Company, Boston, Atlanta, Dallas, Geneva, Illinois, Hopewell, New Jersey, Palo Alto, London Niekrasz J.A., 1980, Proces starzenia się ludności na Pomorzu środkowym, „Koszal. Studia Mater.”, 3, 149, s. 160 Nowak E., 1984, Proces starzenia się ludności wiejskiej w województwie kieleckim w latach 1970–1981, „Studia Kieleckie”, 3, s. 99–110 Nowak E., 1990, Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych, PWE, Warszawa Nowakowska B., Obraniak W., Nowak-Sapota K., Zarzycka Z., 1991, Terytorialne zróżnicowanie procesu starzenia się ludności Polski, Instytut Statystyki i Demografii SGH, Warszawa, s. 182 Obraniak W., 1982, Aktywność zawodowa ludności nierolniczej w wieku poprodukcyjnym, „Acta Univ. Lodz., Folia Oeconomica”, 23, s. 21–38 Obraniak W., 1992, Struktura demograficzna ludności dużych i wielkich miast w Polsce, [w:] Problemy demografii i zatrudnienia w Polsce i na Litwie, „Prace Instytutu Ekonometrii i Statystyki UŁ”, 98, Łódź, s. 6–30 Okólski M. (red.), 1990, Teoria przejścia demograficznego, PWN, Warszawa Okólski M., 2005, Demografia. Podstawowe pojęcia, procesy i teorie w encyklopedycznym zarysie, Wyd. Naukowe Scholar, Warszawa Orzechowska E., 2002, Migracja zastępcza – sposób przeciwdziałania starzeniu się i ubytkowi zasobów pracy w Unii Europejskiej, „Stud. Demogr.”, 2, s. 73–92 Paradysz J., 1976, O niektórych związkach między spadkiem płodności, starzeniem się ludności a zakupami dóbr trwałego użytku, „Stud. Demogr.”, 45, s. 139–146 Paradysz J., 2005a, Prognozowanie demograficzne dla małych obszarów na przykładzie miasta Poznania w latach 2005–2030, referat na VI Konferencji Naukowej nt. „Statystyka regionalna. Wielowymiarowa analiza statystyczna. Metoda reprezentacyjna w badaniach ekonomiczno-społecznych”, Poznań–Kiekrz, 13–15 czerwca 2005 Paradysz J., 2005b, Prognozowanie demograficzne w przekrojach regionalnych z wykorzystaniem statystyki małych obszarów, referat na seminarium Sekcji Analiz Demo- graficznych Komitetu Nauk Demograficznych PAN pt. „Przemiany płodności i rodziny w okresie transformacji” Palczew k. Warszawy, 22–24 września 2005 Parant A., 1978, Les personnes agées en 1975 et le vieillissement demographique en France 1931–1975, „Population”, 2, s. 381–410 Parant A., 1992, Croissance démographique et vieillissement, „Population”, 6, s. 1657–1675 Parysek J.J., RatajczakW., 1978, Analiza główych składowych cech charakteryzujących właściwości społeczno-ekonomiczne i środowisko geograficzne Polski w 1970 r., [w:] Z. Chojnicki, T. Czyż, J.J. Parysek, W. Ratajczak, Badanie przestrzennej struktury społeczno-ekonomicznej Polski metodami czynnikowymi, PAN, Oddział w Poznaniu, Seria Geografia, 2 Parysek J.J., 1982, Modele klasyfikacji w geografii, uniwersytet im. A. Mickiewicza w Poznaniu, Seria geografia nr 31, Poznań 174 Parysek J.J., 1989, Zróżnicowanie struktury wieku mieszkańców Polski, „Przegląd Geograficzny”, 56, 3, s. 221–239 Parysek J.J., 1999, Gospodarka lokalna czyli nowa dziedzina realizacji praktycznych funkcji geografii, [w:] B. Domański, W. Widacki (red.), Geografia w Uniwersytecie Jagiellońskim 1849–1999, t. 4: Geografia polska u progu trzeciego tysiąclecia, Instytut Geografii Uniwersytetu Jagiellońskiego, Kraków, s. 203–214 Parysek J.J., 2004, Praktyczne funkcje polskiej geografii, [w:] Z. Chojnicki (red.), Geografia wobec problemów teraźniejszości i przyszłości, Wyd. Naukowe Bogucki, Poznań, s.119–132 Parysek J.J., Stryjakiewicz T., 2004, Globalny a lokalny wymiar wymiar badań geograficzno-ekonomicznych, [w:] Z. Chojnicki (red.), Geografia wobec problemów teraźniejszości i przyszłości, Wyd. Naukowe Bogucki, Poznań, s. 95–104 Pasławski J., 1980, Graficzno-statystyczne sposoby wyznaczania przedziałów klasowych kartogramu, „Polski Przegląd Kartograficzny”, 12, 4, s. 149–158 Pasławski J., 1987, Metody wyznaczania przedziałów klasowych kartogramu – próba klasyfikacji, „Polski Przegląd Kartograficzny”, 19, 3, s. 81–91 Pasławski J., 1998, Jak opracować kartogram?, Wydział Geografii i Studiów Regionalnych, Uniwersytet Warszawski, Warszawa Pędich W., 1998, Czy w Polsce istnieje polityka społeczna wobec ludzi starych? [w:] L. Frąckiewicz (red.), Przeobrażenia demograficzne kraju i ich konsekwencje dla polityki społecznej, Wyd. Akademii Ekonomicznej w Katowicach, Katowice, s. 73–80 Phillipson C. Bernard M., Phillips J., Ogg J., 1998, The family and community life of older people: household composition and social networks in three urban areas, „Ageing And Society”, 18, 3, s. 259–289 Pinelli A., Sabatello E., 1995, Determinants of the health and survival of the elderly: suggestions from two different experiences – Italy and Israel, „European Journal of Population”, 11, 2, s. 143–167 Plan zagospodarowania województwa śląskiego, Urząd Marszałkowski Województwa Śląskiego, Katowice 2004 Plane D.A., 2004, The Post-Trewartha Boom: The Rise of Demographics and Applied Population Geography, „Population, Space and Place”, 10, s. 285–288 Plane D.A., Rogerson P.A., 1994, The Geographical Analysis of Population, With Aplication to Planning and Business, John Wiley & Sons, Inc., New York, Chichester, Brisbane, Toronto, Singapore Pociecha J., Podolec B., Sokołowski A., Zając K., 1988, Metody taksonomiczne w badaniach społeczno-ekonomicznych, PWN, Warszawa Potrykowska A., 2003, Przestrzenne zróżnicowanie procesu starzenia się ludności i migracji osób w starszym wieku w Polsce, „Przegląd Geograficzny”, 75, 1, s. 41–59 Preston S.H., Himes C., Eggers M., 1989, Demographic Conditions Responsible for Population Ageing, „Demography”, 26, 4, s. 691–703 Prochownikowa A., 1972, Z badań nad procesem starzenia się ludności wsi Polski Południowej, „Folia Geographica, ser. Oeconomica”, 5, Kom. Nauk Geogr. PAN, Kraków, s. 75–98 175 Prochownikowa A., 1983, Problem starzenia się ludności wsi (na przykładzie województwa krakowskiego), „Folia Geographica, ser. Oeconomica”, 15, Kom. Nauk Geogr. PAN, Kraków, s. 115–134 Rabušic L., 1995, Ceská spolecnost starne, Masarykova Univerziteta v Brné, Georgetown, s. 192 Rajman J., 1980, Proces starzenia się ludności w Makroregionie Południowo-Wschodnim i jego społeczno-ekonomiczne konsekwencje (1980–1990), „Raporty i Opinie”, 8, PAN, Kraków Razzaque M.A., Islam M.S., 1997, Ageing in Bangladesh and public policy, „Journal Of Family Welfare”, 43, 1, s. 51–55 Reher D.S., 2004, The Demographic Transition Revisited as a Global Process, „Population, Space and Place”, 10, s. 19–41 Riley M.W., Hess B.B., Bond K., 1983, Aging in Society: Selected reviews and recent research, Lawrence Erlbaum Associates, Publishers, HillSDale, New Jersey, London Rios-Rull, J.V., 2001, Population Changes and Capital Accumulation: The Aging of the Baby Boom, „Advances in Macroeconomics”, 1,1, Article 7 Rocznik Demograficzny 2006, GUS, Warszawa Rosset E., 1959, Proces starzenia się ludności. Studium Demograficzne, PWN, Warszawa Rosset E., 1967, Ludzie starzy. Studium demograficzne, PWE, Warszawa Rosset E., 1979, Granice starzenia się społeczeństw, „Kultura i Społeczeństwo”, 23, 3, s. 3–25 Rowland D.T., 1996, Population momentum as a measure of aging, „European Journal of Population”, 12, s. 41–61 Rowland D.T., 2003, Demographic Methods and Concepts, Oxford University Press, New York Runge J., 2006, Metody badań w geografii społeczno-ekonomicznej – elementy metodologii, wybrane narzędzia badawcze, Wydawnictwo Uniwersytetu Śląskiego, Katowice Rykiel Z., 1991, Rozwój regionów stykowych w teorii i w badaniach empirycznych, Ossolineum, Wrocław Rykiel Z., 2001, Krytyka teorii regionu społeczno-ekonomicznego, Wyższa Szkoła Finansów i Zarządzania, Białystok Sauvain-Dugerdil C., Kalmykova N., Guang Gu H., Ritschard G., Olszak M., Hagmann H.-M., 1997, Vivre sa viellesse en Suisse. Les transformations des modes de résidence des personnes âgées, „European Journal of Population”, 13, 2, s. 169–212 Sauvy A., 1948, La population, ses lois, ses équilibres, Presses Universitaires de France, Paris Sauvy A., 1973, La population. Sa mesure, ses mouvements, ses lois, Presses Universitaires de France, Paris Senesi P., 2003, Population dynamics and life-cycle consumption, „Journal of Population Economics”, 16, 2, s. 389–395 Sobczyk M., 1983, Proces starzenia się ludności i jego konsekwencje w województwie lubelskim, [w:] Problemy demograficzne województwa lubelskiego, BWS, 33, GUS, Warszawa, s. 136–158 176 Sobotka T., 2004, Is Lowest-Low Fertility in Europe Explained by the Postponement of Childbearing?, „Population and Development Review”, 30 (2), s. 195–220 Stokowski F., 1968, Umieralność a proces starzenia się ludności, „Wiad. Stat.”, GUS-PTS, Warszawa, 12, s. 6–9 Stokowski F., 1977, Regionalizacja demograficzna Polski, PWN, Warszawa Strahl D. (red.), 1998, Taksonomia struktur w badaniach regionalnych, Wyd. Akademii Ekonomicznej we Wrocławiu, Wrocław Strzelecki Z., Witkowski J., 1991, Migration and population aging: a case of Poland, „Polish Population Review”, 1, Polish Demographic Society, Central Statistical Office, Warsaw, s. 59–72 Studium uwarunkowań i kierunków zagospodarowania przestrzennego m. st. Warszawy, 2006, Urząd m. st. Warszawy Sündbarg G., 1899, Sur la répartition par âge et sur les taux de la mortalité, „Bulletin de l’Institut International de Statistique”, 12 Suyono H., 1999, Implications of an ageing population in the Asian context, „Journal of Development Communication”, 10, 2, s. 41–48 Synak B. (red.), 2002, Polska starość, UG, Gdańsk Szaló P., 1997, Demograficzne i społeczne aspekty integracji europejskiej, [w:] A. Kukliński (red.), Problematyka przestrzeni europejskiej, Wyd. Rewasz, Warszawa, s. 76–83 Szatur-Jaworska B., 1998, Proces starzenia się ludności Polski, [w:] L. Frąckiewicz (red.), Przeobrażenia demograficzne kraju i ich konsekwencje dla polityki społecznej, Wyd. Akademii Ekonomicznej w Katowicach, Katowice, s. 81–88 Szatur-Jaworska B., 2000, Ludzie starzy i starość w polityce społecznej, IPS, ASPRA-JR, Warszawa Szukalski P., 2001a, Osoby najstarsze w Polsce, „Polityka Społeczna”, 9, s. 30–34 Szukalski P., 2001b, Stulatkowie w Polsce i na świecie, „Wiadomości Statystyczne”, 6, s. 90–98 Szukalski P., 2002a, Ludzie sędziwi w Polsce, „Wiadomości Statystyczne”, 3, s. 23–28 Szukalski P., 2002b, Stulatkowie – szkic demograficzny, „Gerontologia Polska”, 2, s. 62–68 Szukalski P., 2004, Osoby sędziwe w Polsce i w krajach Unii Europejskiej. Przeszłość, teraźniejszość, przyszłość, Prace Instytutu Ekonometrii i Statystyki Uniwersytetu Łódzkiego nr 142, seria A, s. 33 Tabata K., 2003, Population aging, the costs of health care for the elderly and growth, „Journal of Macroeconomics”, 27, s. 472–493 Tkocz J., 1977, Proces demograficznego starzenia się ludności rolniczej województwa opolskiego, „Kwartalnik Opolski”, 23, 1, s. 39–50 Toutain S., 1997, Vieillissement et réforme du systéme des retraites en Italie, „Population”, 2, s. 441–469 Treas J., 1995, Older Americans in the 1990s and beyond, „Population Bulletin”, 50, 2, Population Reference Bureau, Washington Tyner J., 1992, Introduction to Thematic Cartography, Prentice Hall, Englewood Cliffs, New Jersey 177 United Nations, 1956, The aging of populations and its economic and social implications, 1956, „Population Studies”, 26, New York United Nations, 2000, The UN Population Division on replacement migration, „Population And Development Review”, 26, 2, s. 413–417 United Nations, 2002, World Population Ageing 1950–2050, Population Division, Departament of Economic and Social Affairs, Population Division (http://www.un.org/ esa/population/publications/worldageing19502050) United Nations, 2005, The Diversity Of Changing Population Age Structures In The World, Population Division, Department of Economic and Social Affairs (http://www.un.org/ esa/population/meetings/EGMPopAge/1_UNPD_Trends.pdf) Urbaniak B., 1998, Społeczno-ekonomiczne skutki starzenia się społeczeństw, [w:] L. Frąc- kiewicz (red.), Przeobrażenia demograficzne kraju i ich konsekwencje dla polityki społecznej, Wyd. Akademii Ekonomicznej w Katowicach, Katowice, s. 89–100 Vallin J., 2002, The End of the Demographic Transition: Relief or Concern, „Population and Development Review”, 28, 1, s. 105–120 Velkoff V.A., Kinsella K., 1993, Aging in Eastern Europe and the Former Soviet Union, U.S. Bureau of the Census, International Population Reports P95, 93–1, U.S. Government Printing Office, Washington D.C. Venne R.A., 2002, Population Aging in Canada and Japan: Implications for Labour Force and Career Patterns, „Canadian Journal of Administrative Sciences”, 18, 1, s. 40–49 Veyret-Verner G., 1959, Population. Mouvements, structure, répartition, Arthaud, Paris Walford N., 2001, Reconstructing the Small Area Geography of Mid-Wales for Analysis of Population Change 1961–95, „International Journal of Population Geography”, 7, s. 311–338 Walford N., 2004, Searching for a Residential Resting Place: Population In-Migration and Circulation in Mid-Wales, Population, „Space and Place”, 10, 311–329 Walker A., 1998, Australia’s ageing population: what are the key issues and the available methods of analysis? „NATSEM Discussion Paper”, 27, University of Canberra, National Centre for Social and Economic Modelling Canberra, Australia Walker A., 1999, Ageing in Europe – challenges and consequences, „Zeitschrift fur Gerontologie und Geriatrie“, 32, s. 390–397 Walkosz A., 1989, Zróżnicowanie struktury wieku ludności Polski w układzie wojewódzkim, „Wiad. Stat.”, GUS-PTS, Warszawa, 2, s. 23–28 Warnes A. (red.), 1982, Geographical Perspectives on the Elderly, Chichester, Wiley Warnes A., 1990, Geographical questions in gerontology: needed directions for research, „Progress in Human Geography”, 14, s. 24–56 Warnes A., 1994, Cities and elderly people: recent population and distributional trends, „Urban Studies”, 31, s. 799–816 Warnes A., Ford R., 1992, The Changing Distribution of Elderly People: Great Britain, 1981– 91, Department of Geography and Age Concern Institute of Gerontology, Occasional Paper no. 37 178 Warnes A., Law C.M., 1984, The elderly population of Great Britain: locational trends and policy implications, „Transactions of the Institute of British Geographers”, NS 9, s. 37–59 Whittlesey D., 1954, The regional concept and the regional method, American Geography, Syracuse, s. 36–57 Wiener J.M., Tilly J., 2002, Population ageing in the United States of America; implications for public programmes, „Journal of Epidemiology”, 31, s. 776–781 Wieniecki I.G., 1981, Starzenie się ludności i metody statystyczne jego pomiaru, [w:] Metody statystyczne w demografii, PWN, Warszawa, s. 76–90 Withers G., 2002, Population ageing and the role of immigration, „The Australian Economic Review”, 35, 1, s. 104–112 von Weizsäcker R.K., 1996, Distributive implications of an aging society, „European Economic Review”, 40, s. 729–746 Wróbel A., 1965, Pojęcie regionu ekonomicznego a teoria geografii, „Prace Geograficzne” IG PAN, 48 Yadava K.N., Yadava S.S., Sharma C.L., 1996, Socioeconomic factors and behavioural problems of the elderly population: a study of rural areas of eastern Uttar Pradesh, „Ageing And Society”, 16, 5, s. 525–542 Yip P., Lee J., Chan B., Au J., 2001, A study of demographic changes under sustained belowreplacement fertility in Hong Kong SAR, „Social Science & Medicine”, 53, s. 1003–1009 Zarzycka Z., 1990, Z badań nad terytorialnym zróżnicowaniem procesu starzenia się ludności w Polsce i Czechosłowacji, Wydawnictwo Uniwersytetu Łódzkiego, Łódź Zborowski A., 2005, Przemiany struktury społeczno-przestrzennej regionu miejskiego w okresie realnego socjalizmu i transformacji ustrojowej (na przykładzie Krakowa), Instytut Geografii i Gospodarki Przestrzennej UJ, Kraków 179 THE TYPOLOGY OF POPULATION AGEING IN POLAND FROM A SPATIAL PERSPECTIVE SUMMARY The main aim of the study was to show the static and dynamic typology of population ageing in Poland according to selected parameters of population age structure and to make an attempt of regionalisation of this phenomenon on the basis of selected types. The investigations were conducted in two census years – 1988 and 2002 while the population projections were made up to 2030 based on the year 2005 as a starting point. The spatial range of study included 3046 towns and communes (gminas) according to the administrative division from 01/01/2002. The data from 1988 were recalculated into current administrative division by Central Statistical Office in Warsaw The main assumption of this work was proceeding decrease of birth rates and migration in the period of socio-economic transition which caused significant changes in population age structure. Therefore it was important to determine the character of these changes and their spatial diversity In this work spatial distribution of main demographic factors influencing the level and dynamics of population ageing was analysed, namely the level of births, mortality, natural increase, fertility rates as well as the level of population immigration and emigration and the net migration rates in 1988 and 2002. The distribution of population growth rates was also shown Next, detailed analysis of territorial distribution of population age structures in 1988 and 2002 was presented based on both biological and economic criteria of age groups and with the use of dependencies ratios of working population High level of spatial concentration of demographic ageing in Polish towns and communes in the years 1988 and 2002 was stated with still existing division for demographically younger land of northern and western Poland and older parts of central and eastern Poland (in particular the following voivodships: podlaskie, lubelskie, mazowieckie, łódzkie i świętokrzyskie). In addition, relatively younger population age structure was recorded in southern Małopolska and Podkarpacie in south-eastern Poland A synthetic index of age structure ISW was proposed which in a precise way presents the intensity of population in particular age groups and with the help of one measure allows to determine the level of demographic ageing enabling comparisons of different investigated populations. This synthetic index accurately weighs each age group according to the criterion that the older age group, the higher multiplier for the index calculation Presented dynamics of population ageing based on a dynamic ageing index WSD as well as proposed an economic ageing index WSE, showed large diversity of investigated phenomenon both in urban-rural dimension as in regional levels. It was shown that the population ageing process is not only visible by the percentage increase of the elderly and decrease of the youth but also it can be seen in the changes of working population and population shifts to working immobile age groups. The increase of population ageing in towns was stated and, in spatial terms, more dynamic ageing of population in north- 180 western Poland, Lower Silesia region as well as industrial centres. On the other hand, a deceleration of ageing was observed in north-eastern Poland, that is on the areas with high level of ageing, connected among others with reducing the percentage of immobile working population In order to show the tendencies in the perspectives of population ageing from spatial point of view, a demographic projection was made up to 2030 and based on population by 5-year age groups in 2005 as initial structures. The projections in the year 2030 presented different spatial picture of ageing with its high level on peripheral areas of Podlasie region in north-eastern Poland, on post-industrial areas of Upper Silesia, emigrated region of Opole voivodship as well as in depopulating Sudety mountains, western Pomorze region and Łódź voivodship. The acceleration of ageing was also shown in north-western Poland and in urban areas The typological classification of population age structure was based on taxonomic k-means method as well as deviations from average method. In the case of k-means method the percentages of 5-years age groups were taken as variables. Static typology was made for 1988, 2002 and projections in 2030. In dynamic typology the variables were the point changes between the percentages of particular age groups. Dynamic typology was made for the years 1988-2002 as well as for projected period 2002-2030. In all cases the division into 8 typological groups was taken and on this basis cartograms were made. Typology of deviations from the averages was based on three measures: an ageing index in the year t0, an ageing index in the year t1 and a dynamic ageing index (WSD) in the period t0-t1. The sign plus determined the values above the national average while the sign minus determined the values below the national average. In this way 8 types were derived which were ranked from the oldest to the youngest. The oldest type was the one which recorded all indexes above the national average while the youngest type was the one which recorded the indexes below the national average Higher correlation between distinguished types of population age structure and components of natural population growth than migrations was stated. The most distinct correlation was shown in the case of static types. Dynamic types of age structure in the years 1988-2002 showed no significant correlation with the coefficients of population growth unlike in the projected period 2002-2030 The attempt of spatial typology of population ageing was based on the k-means method (on account of the possibility to determine the number of classification types in advance). The 5-year population age groups in 2002 were taken into account as well as point differences in the percentages of particular age groups in the years 1988-2002. Similar procedure was taken for the projections in the years 2002-2030 to show the evolution of regional patterns in ageing. Selected types were ranked according to the ageing level (using an ageing index) and then regional types of population ageing were formed within distinguished main types using the criterion of spatial coherence and setting the minimal size of the region for 10 units under study In the intercensal period 1988-2002 totally 27 regional types of ageing were distinguished with the area of 213,7 thous. km2 and population of 14,7 million in 2002. According to the projections in the years 2002-2030, 35 regional types of ageing were distinguished but their total area increased insignificantly to 216,0 thous. km2 in comparison with the previous investigated period (by 1,1%), which showed their more fragmentation and dispersion 181 182 A Typ Bejsce, Bogoria, Bolesław, Charsznica, Czarnocin, Dąbrowa Zielona, Działoszyce, Gnojno, Gołcza, Gręboszów, Imielno, Irządze, Kazimierza Wielka, Kije, Koniecpol, Koszyce, Kozłów, Książ Wielki, Lelów, Łubnice, Michałów, Moskorzew, Nagłowice, Nowy Korczyn, Oksa, Oleśnica, Opatowiec, Pacanów, Pierzchnica, Pińczów, Przyrów, Racławice, Radków, Raków, Secemin, Sędziszów, Skalbmierz, Słaboszów, Słupia (Jędrzejowska), Solec-Zdrój, Staszów, Stopnica, Szczekociny, Szydłów, Tuczęp, Wietrzychowice, Wiślica, Włoszczowa, Wodzisław, Złota, Żytno Biała Rawska, Borkowice, Chlewiska, Cielądz, Gielniów, Klwów, Kowiesy, Mogielnica, Nowe Miasto nad Pilicą, Nowy Kawęczyn, Odrzywół, Poświętne, Potworów, Przysucha, Rzeczyca, Sadkowice, Stąporków, Szydłowiec, Wieniawa, Wyśmierzyce świętokrzyski skierniewicko- -radomski Annopol, Baćkowice, Bałtów, Chotcza, Ciepielów, Ćmielów, Gniewoszów, Józefów, Karczmiska, Kazanów, Lipnik, Łaziska, Opatów, Ożarów, Policzna, Przyłęk, Rzeczniów, Sadowie, Sienno, Solec nad Wisłą, Tarłów, Wilków, Zawichost puławsko- -sandomierski Ćmielów Batorz, Bychawa, Chrzanów, Dzwola, Fajsławice, Frampol, Godziszów, Goraj, Gorzków, Grabowiec, Izbica, Jabłonna, Jarczów, Komarów-Osada, Kraśniczyn, Krynice, Krzczonów, Leśniowice, Łaszczów, Łopiennik Górny, Miączyn, Mircze, Modliborzyce, Nielisz, Piaski, Potok Wielki, Rachanie, Radecznica, Rejowiec Fabryczny, Rudnik, Rybczewice, Siennica Różana, Skierbieszów, Stary Zamość, Sułów, Szastarka, Szczebrzeszyn, Telatyn, Turobin, Tyszowce, Uchanie, Wojsławice, Wysokie, Zakrzew, Zakrzówek, Zwierzyniec, Żółkiewka Roztocze Andrzejewo, Białowieża, Bielany, Bielsk Podlaski, Boćki, Boguty-Pianki, Brańsk, Ceranów, Ciechanowiec, Czarna Białostocka, Czeremcha, Czyże, Dąbrowa Białostocka, Drohiczyn, Dubicze Cerkiewne, Dziadkowice, Goniądz, Grębków, Grodzisk, Gródek, Hajnówka, Huszlew, Jabłonna Lacka, Janów, Jasionówka, Jaświły, Jedwabne, Kałuszyn, Kleszczele, Klukowo, Knyszyn, Kobylin-Borzymy, Kołaki Kościelne, Korczew, Korytnica, Kosów Lacki, Krynki, Krypno, Kulesze Kościelne, Kuźnica, Lipsk, Łapy, Łosice, Michałowo, Miedzna, Mielnik, Milejczyce, Mońki, Mordy, Narew, Narewka, Nowe Piekuty, Nowy Dwór, Nur, Nurzec-Stacja, Olszanka, Orla, Paprotnia, Perlejewo, Platerów, Poświętne, Przesmyki, Radziłów, Repki, Sabnie, Sadowne, Sarnaki, Sidra, Siemiatycze, Sokołów Podlaski, Sokółka, Stara Kornica, Sterdyń, Stoczek, Strachówka, Suchowola, Suraż, Szepietowo, Szudziałowo, Szulborze Wielkie, Trzcianne, Tykocin, Wierzbno, Wizna, Wysokie Mazowieckie, Wyszki, Zaręby Kościelne, Zawady Gmina Abramów, Adamów, Baranów, Czemierniki, Dębowa Kłoda, Drelów, Firlej, Hanna, Jabłoń, Jeziorzany, Kock, Kodeń, Komarówka Podlaska, Łomazy, Michów, Milanów, Ostrów Lubelski, Ostrówek, Podedwórze, Rokitno, Rossosz, Serokomla, Siemień, Sławatycze, Sosnówka, Stary Brus, Tuczna, Ułęż, Uścimów, Wisznice, Wola Mysłowska, Wyryki Kleszczele Miasto Polesie Lubelskie Podlasie Typ regionalny Spatial typology of population ageing in the years 1988–2002 – distribution of units Załącznik 1. Typologia przestrzenna starzenia się ludności w latach 1988–2002 – wykaz jednostek 183 Baranów, Bądkowo, Belsk Duży, Bełchatów, Będków, Biała, Blachownia, Błędów, Błonie, Bodzanów, Bolesławiec, Bolimów, Brochów, Brójce, Brudzew, Brwinów, Brześć Kujawski, Brzeziny, Brzeźnio, Buczek, Budziszewice, Bulkowo, Burzenin, Bytoń, Choceń, Chodecz, Chodów, Chynów, Czarnocin, Czarnożyły, Czastary, Czerniewice, Czerwińsk nad Wisłą, Dalików, Daszyna, Dąbie, Dąbrowa Biskupia, Dłutów, Dmosin, Dobra, Dobre, Dobroń, Domaniewice, Drużbice, Gąbin, Gidle, Godzianów, Gomunice, Gorzkowice, Goszczyn, Grabica, Grabów, Grabów nad Pilicą, Grodzisk Mazowiecki, Iłów, Inowłódz, Izbica Kujawska, Jaktorów, Janów, Jasieniec, Jeziora Wielkie, Jeżów, Kamienica Polska, Kiernozia, Klembów, Kleszczów, Kłodawa, Kłomnice, Kobiele Wielkie, Kodrąb, Koluszki, Kołbiel, Koneck, Konopiska, Konopnica, Koziegłowy, Krośniewice, Kruszwica, Kruszyna, Krzepice, Krzyżanów, Kutno, Leoncin, Leszno, Lgota Wielka, Lipce Reymontowskie, Lipie, Lubanie, Lubień Kujawski, Lubraniec, Lutomiersk, Lututów, Ładzice, Łanięta, Łęczyca, Łyszkowice, Magnuszew, Mała Wieś, Młodzieszyn, Mokrsko, Moszczenica, Mstów, Mykanów, Naruszewo, Nieborów, Niegowa, Nowa Brzeźnica, Nowa Sucha, Nowe Ostrowy, Nowosolna, Olszówka, Olsztyn, Oporów, Osjaków, Ostrówek, Ozorków, Ożarowice, Pabianice, Pajęczno, Paradyż, Piątek, Pniewy, Poczesna, Poddębice, Popów, Praszka, Promna, Przedecz, Przystajń, Puszcza Mariańska, Raciążek, Radziejowice, Rawa Mazowiecka, Ręczno, Rogów, Rokiciny, Rozprza, Rudniki, Rybno, Sanniki, Sędziejowice, Siemkowice, Sieradz, Siewierz, Skierniewice, Skomlin, Skulsk, Sławno, Słubice, Słupia, Słupno, Sochaczew, Sokolniki, Starcza, Stryków, Strzelce, Strzelce Wielkie, Sulejów, Sulmierzyce, Tomaszów Mazowiecki, Topólka, Tuszyn, Warka, Wartkowice, Wieluń, Wiskitki, Witonia, Wola Krzysztoporska, Wolbórz, Wróblew, Zakrzewo, Załuski, Zapolice, Zgierz, Żabia Wola, Żarki Blachownia, Brwinów, Brześć Kujawski, Kamieńsk, Krośniewice, Milanówek, Przedecz, Radzymin, Tuszyn, Wyszogród ciechanowski Ciechanów, Czernice Borowe, Gołymin-Ośrodek, Grudusk, Gzy, Karniewo, Krasne, Krasnosielc, Krzynowłoga Mała, Nowe Miasto, Płoniawy-Bramura, Pokrzywnica, Pułtusk, Raciąż, Regimin, Sochocin, Strzegowo, Szelków, Szydłowo, Świercze, Winnica Grójec, Izabelin, Lesznowola, Michałowice, Raszyn, Tarczyn Konstancin-Jeziorna, Łomianki, Piaseczno, Piastów, Pruszków, Sulejówek, Warszawa, Zielonka warszawski Bobrowniki, Klucze, Mierzęcice, Ogrodzieniec, Poraj, Psary, Świerklaniec, Włodowice Będzin, Bytom, Chorzów, Katowice, Mikołów, Myszków, Piekary Śląskie, Poręba, Radzionków, Ruda Śląska, Siemianowice Śląskie, Siewierz, Świętochłowice, Tarnowskie Góry, Zawiercie, Żarki górnośląski Typ C centralny B 184 Typ D opolski Typ E Ziębice Bukowno, Skała - - Baborów, Biała, Dobrodzień, Głogówek, Gogolin, Kalety, Kolonowskie, Kuźnia Raciborska, Leśnica, Miasteczko Śląskie, Olesno, Pszów, Sośnicowice, Ujazd, Wodzisław Śląski, Zabrze, Zawadzkie środkowo-wschodni Baranów Sandomierski, Osiek, Zawichost strzelińsko- -prudnicki Typ C północno- małopolski - Baborów, Biała, Bierawa, Boronów, Chrząstowice, Ciasna, Cisek, Dąbrowa, Dobrodzień, Dobrzeń Wielki, Głogówek, Gogolin, Gorzów Śląski, Izbicko, Jemielnica, Kluczbork, Kochanowice, Kolonowskie, Komprachcice, Kornowac, Krapkowice, Krupski Młyn, Krzanowice, Krzyżanowice, Kuźnia Raciborska, Lasowice Wielkie, Leśnica, Lubomia, Łubniany, Mszana, Murów, Nędza, Olesno, Ozimek, Pawłowiczki, Pawonków, Pietrowice Wielkie, Pilchowice, Polska Cerekiew, Popielów, Prószków, Radłów, Reńska Wieś, Rudnik, Rudziniec, Sośnicowice, Strzelce Opolskie, Strzeleczki, Tarnów Opolski, Toszek, Turawa, Tworóg, Ujazd, Walce, Wielowieś, Woźniki, Zawadzkie, Zbrosławice, Zdzieszowice, Zębowice Bełżyce, Białopole, Cegłów, Chełm, Chodel, Dębe Wielkie, Dobre, Dorohusk, Dwikozy, Dzierzkowice, Garbatka-Letnisko, Garbów, Garwolin, Gawłuszowice, Głusk, Gościeradów, Górzno, Halinów, Hrubieszów, Iwaniska, Jakubów, Janowiec, Jastrzębia, Kamionka, Kazimierz Dolny, Klimontów, Konopnica, Końskowola, Koprzywnica, Kotuń, Krasnystaw, Kurów, Latowicz, Ludwin, Łęczna, Łoniów, Markuszów, Mełgiew, Miastków Kościelny, Milejów, Mrozy, Nałęczów, Niedrzwica Duża, Nowodwór, Obrazów, Opole Lubelskie, Osiek, Padew Narodowa, Parysów, Pionki, Połaniec, Poniatowa, Puchaczów, Puławy, Radomyśl nad Sanem, Rejowiec, RudaHuta, Ryki, Rytwiany, Samborzec, Sawin, Sieciechów, Siedliszcze, Siennica, Sobolew, Spiczyn, Stanisławów, Stężyca, Strzyżewice, Tczów, Trawniki, Trojanów, Trzeszczany, Trzydnik Duży, Urszulin, Urzędów, Wąwolnica, Werbkowice, Wilczyce, Wilkołaz, Włodawa, Wojciechowice, Wojciechów, Wola Uhruska, Zaklików, Zaleszany, Zwoleń, Żmudź, Żyrzyn Borów, Głuchołazy, Kamiennik, Nysa, Otmuchów, Prudnik, Przeworno, Strzelin, Wiązów, Ziębice Alwernia, Bolesław, Chrzanów, Drwinia, Igołomia-Wawrzeńczyce, Iłża, Iwanowice, Jerzmanowice-Przeginia, Kłaj, Kocmyrzów-Luborzyca, Koniusza, Krzeszowice, Michałowice, Miechów, Niepołomice, Nowe Brzesko, Olkusz, Pałecznica, Pilica, Proszowice, Przeciszów, Radziemice, Skała, Słomniki, Sułoszowa, Szczurowa, Trzebinia, Wielka Wieś, Wolbrom, Zabierzów, Zielonki, Żarnowiec 185 Adamówka, Aleksandrów, Andrychów, Babice, Baranów Sandomierski, Bestwina, Białobrzegi, Biały Dunajec, Biecz, Biłgoraj, Bircza, Błażowa, Bobowa, Boguchwała, Bojanów, Borowa, Borzęcin, Brzesko, Brzeźnica, Brzostek, Brzozów, Brzyska, Budzów, Bukowina Tatrzańska, Bukowsko, Bystra-Sidzina, Chełmiec, Chmielnik, Ciężkowice, Cmolas, Czarna, Czarna, Czarny Dunajec, Czchów, Czermin, Czernichów, Czudec, Dąbrowa Tarnowska, Dębica, Dębno, Dębowiec, Dobra, Domaradz, Dubiecko, Dukla, Dydnia, Dynów, Dzikowiec, Fredropol, Frysztak, Gilowice, Głogów Małopolski, Gnojnik, Gorlice, Grębów, Grodzisko Dolne, Gromnik, Gródek nad Dunajcem, Grybów, Harasiuki, Horyniec-Zdrój, Hyżne, Iwierzyce, Iwkowa, Jabłonka, Janów Lubelski, Jarocin, Jasienica Rosielna, Jasło, Jeleśnia, Jeżowe, Jodłowa, Jodłownik, Józefów, Kalwaria Zebrzydowska, Kamienica, Kamień, Kamionka Wielka, Kęty, Kolbuszowa, Kołaczyce, Korczyna, Korzenna, Krasne, Krasnobród, Krościenko nad Dunajcem, Krościenko Wyżne, Krzywcza, Księżpol, Kuryłówka, Laskowa, Laszki, Leżajsk, Libiąż, Limanowa, Lipnica Murowana, Lipnica Wielka, Lipowa, Lisia Góra, Lubaczów, Lubenia, Lubień, Łańcut, Łapanów, Łapsze Niżne, Łącko, Łękawica, Łodygowice, Łososina Dolna, Łukowa, Łukowica, Łużna,, Majdan Królewski, Maków Podhalański, Markowa, Mędrzechów, Miejsce Piastowe, Mielec, Milówka Moszczenica, Mszana Dolna, Mucharz, Nawojowa, Niebylec, Niedźwiedź, Nisko, Niwiska, Nowa Sarzyna, Nowy Targ, Nowy Wiśnicz, Nowy Żmigród, Nozdrzec, Ochotnica Dolna, Olesno, Osiek, Osiek Jasielski, Ostrów, Oświęcim, Pawłosiów, Pcim, Pilzno, Piwniczna-Zdrój, Pleśna, Podegrodzie, Polanka Wielka, Porąbka, Poronin, Pruchnik, Przecław, Przemyśl, Przeworsk, Pysznica, Raba Wyżna, Rabka-Zdrój, Radgoszcz, Radłów, Radomyśl Wielki, Radymno, RadziechowyWieprz, Rakszawa, Raniżów, Rokietnica, Ropa, Ropczyce, Roźwienica, Rudnik nad Sanem, Ryglice, Rzepiennik Strzyżewski, Rzezawa, Sanok, Sędziszów Małopolski, Sękowa, Sieniawa, Skołyszyn, Skrzyszów, Słopnice, Sokołów Małopolski, Spytkowice, Spytkowice, Stary Sącz, Stryszawa, Stryszów, Strzyżów Stubno, Szaflary, Szczucin, Szerzyny, Świlcza, Świnna, Tarnogród, Tarnowiec, Tarnów, Tereszpol, Tokarnia, Tomaszów Lubelski, Tryńcza, Trzciana, Trzebownisko, Tuchów, Tuszów Narodowy, Tyczyn, Tymbark, Tyrawa Wołoska, Ustrzyki Dolne, Wadowice, Wadowice Górne, Węgierska Górka, Wiązownica, Wielkie Oczy, Wielopole Skrzyńskie, Wieprz, Wierzchosławice, Wilamowice, Wiśniowa, Wojnicz, Zakliczyn, Zarszyn, Zarzecze, Zator, Zawoja, Zembrzyce, Żabno, Żurawica, Żyraków Grybów, Maków Podhalański, Mszana Dolna, Nowy Wiśnicz, Radomyśl Wielki, Szczawnica, Tuchów małopolsko- -podkarpacki Babiak, Błaszki, Brąszewice, Brzeziny, Chocz, Czajków, Galewice, Godziesze Wielkie, Golina, Goszczanów, Grabów nad Prosną, Grodziec, Grzegorzew, Kawęczyn, Kępno, Kleczew, Koło, Koźminek, Kramsk, Krzymów, Malanów, Mikstat, Mycielin, Osięciny, Ostrowite, Ostrzeszów, Piotrków Kujawski, Przykona, Radziejów, Rychwał, Rzgów, Słupca, Szczytniki, Ślesin, Turek, Wieruszów, Wierzbinek, Władysławów, Zagórów, Złoczew Augustów, Baranowo, Brańszczyk, Chorzele, Czarnia, Długosiodło, Ełk, Filipów, Giby, Gostynin, Goworowo, Grabowo, Grajewo, Jednorożec, Jeleniewo, Kadzidło, Kolno, Lelis, Łomża, Łyse, Mały Płock, Miastkowo, Mszczonów, Myszyniec, Nowinka, Olecko, Olszewo-Borki, Orzysz, Ostrów Mazowiecka, Piątnica, Pisz, Płaska, Przasnysz, Przerośl, Przytuły, Raczki, Rajgród, Rozogi, Rutka-Tartak, Ryn, Rząśnik, Somianka, Stare Juchy, Stawiski, Suwałki, Szczawin Kościelny, Szczuczyn, Sztabin, Szypliszki, Turośl, Wąsosz, Wieliczki, Wiżajny, Wyszków, Zambrów, Zatory, Zbójna Dolsk, Kleczew kurpiowsko- -mazurski Typ F konińsko-kaliski 186 Łeba słupski Typ H krakowski Sułkowice zachodniopomorski Borne Sulinowo, Cedynia, Dobiegniew, Dobra, Drawno, Golczewo, Moryń, Pełczyce, Polanów, Świdwin, Trzcińsko-Zdrój, Złocieniec Miłakowo, Miłomłyn, Tolkmicko elbląski Boguszów-Gorce, Głuszyca Mieroszów, Paczków, Piława Górna, Radków, Wojcieszów Kazimierz Dolny siedleckoterespolski Typ G dolnośląski Bieżuń płocko-lubawski Biskupice, Bochnia, Gdów, Lanckorona, Liszki, Mogilany, Myślenice, Siepraw, Skawina, Sułkowice, Świątniki Górne, Wieliczka, Wiśniowa Banie, Barwice, Będzino, Białogard, Biesiekierz, Bledzew, Borne Sulinowo, Brojce, Brzeżno, Cedynia, Chojna, Czarne, Dobiegniew, Dolice, Drawno, Dygowo, Dziwnów, Golczewo, Goleniów, Gryfice, Grzmiąca, Kamień Pomorski, Karnice, Kłodawa, Kobylanka, Koczała, Krzęcin, Lubiszyn, Malechowo, Manowo Miastko, Moryń, Myślibórz, Nowogródek Pomorski, Ostrowice, Pełczyce, Płoty, Polanów, Połczyn-Zdrój, Przechlewo, Przelewice, Przybiernów, Przytoczna, Pyrzyce, Rąbino, Rymań, Rzeczenica, Santok, Siemyśl, Skwierzyna, Sławoborze, Stara Dąbrowa, Stare Kurowo, Stargard Szczeciński, Stepnica, Szydłowo, Świdwin, Świerzno, Świeszyno, Tarnówka, Trzebiatów, Tuczno, Tychowo, Ustronie Morskie, Wałcz, Warnice, Widuchowa, Wierzchowo, Wolin, Złocieniec Choczewo, Damnica, Dębnica Kaszubska, Główczyce, Kobylnica, Potęgowo, Słupsk, Smołdzino, Ustka Cedry Wielkie, Elbląg, Godkowo, Gronowo Elbląskie, Małdyty, Milejewo, Miłakowo, Miłomłyn, Morąg, Nowy Dwór Gdański, Nowy Staw, Orneta, Ostaszewo, Rychliki, Stare Pole, Stary Dzierzgoń, Stegna, Sztutowo, Tolkmicko, Wilczęta Bolków, Brzeg Dolny, Bystrzyca Kłodzka, Ciepłowody, Czarny Bór, Dobromierz, Dzierżoniów, Gromadka, Janowice Wielkie, Jaworzyna Śląska, Jordanów Śląski, Kamieniec Ząbkowicki Kamienna Góra, Kąty Wrocławskie, Kłodzko, Kobierzyce, Kondratowice, Kostomłoty, Kunice, Lubawka, Lubin, Lubomierz, Lubsza, Lwówek Śląski, Łagiewniki, Marcinowice, Marciszów, Mieroszów, Mietków, Międzylesie, Miękinia, Mściwojów, Niemcza, Nowa Ruda, Oława, Paczków, Pielgrzymka, Prochowice, Prusice, Radków, Sobótka, Stare Bogaczowice, Stoszowice, Stronie Śląskie, Strzegom, Szczytna, Ścinawa, Świdnica, Świerzawa, Udanin, Walim, Warta Bolesławiecka, Wądroże Wielkie, Wleń, Wołów, Zagrodno, Ząbkowice Śląskie, Złotoryja, Złoty Stok, Żarów, Żórawina Biała Podlaska, Domanice, Kąkolewnica Wschodnia, Krzywda, Leśna Podlaska, Łuków, Międzyrzec Podlaski, Skórzec, Stanin, Terespol, Trzebieszów, Ulan-Majorat, Wiśniew, Zalesie, Zbuczyn Poduchowny Baboszewo, Bobrowniki, Brudzeń Duży, Ciechocin, Dębowa Łąka, Drobin, Glinojeck, Gozdowo, Górzno, Grążawy, Grodziczno, Iłowo-Osada, Janowiec Kościelny, Kowalewo Pomorskie, Lidzbark, Lipno, Lipowiec Kościelny, Lubowidz, Lutocin, Mochowo, Osiek, Płońsk, Płośnica, Radomin, Radzanowo, Radzanów, Rościszewo, Rypin, Sierpc, Skępe, Skrwilno, Stara Biała, Staroźreby, Stupsk, Szczutowo, Szreńsk, Świedziebnia, Wąpielsk, Wieczfnia Kościelna, Wielgie, Wiśniewo, Zawidz, Zbójno, Żuromin 187 pszczyńsko- -cieszyński zielonogórski Źródło: Opracowanie własne Strumień Typ H północno-zachodni Babimost, Borek Wielko- polski, Byczyna, Chełmża, Czersk, Grodzisk Wielko- polski, Hel, Jastarnia, Kcynia, Kisielice, Kobylin, Krajenka, Krobia, Margonin, Mrocza, Nieszawa, Nowe Miasto Lubawskie, Pniewy, Prabuty, Pyzdry, Radzyń Chełmiński, Rakoniewice, Skarszewy, Skórcz, Strzelno, Wielichowo, Władysławowo, Wołczyn, Zbąszyń, Żerków, Żukowo Bolesławiec, Brzeźnica, Kożuchów, Lubsko, Nowogrodziec, Nowogród Bobrzański, Osiecznica, Otyń, Szprotawa, Żagań Brenna, Chybie, Czechowice-Dziedzice, Dębowiec, Hażlach, Jasienica, Kobiór, Pszczyna, Strumień Aleksandrów Kujawski, Babimost, Baranów, Barcin, Bartoszyce, Białe Błota, Białośliwie, Bierutów, Biskupiec, Biskupiec, Bobowo, Bojanowo, Borek Wielkopolski, Borzytuchom, Bralin, Brodnica, Brodnica, Brzozie, Buk, Byczyna, Bytów, Cekcyn, Cewice, Chełmno, Chełmża, Chmielno, Chodzież, Chojnice, Cybinka, Czarna Dąbrówka, Czarnków, Czempiń, Czermin, Czernica, Czerniejewo, Czernikowo, Czersk, Człopa, Człuchów, Dąbrowa, Dąbrowa Chełmińska, Dąbrówno, Debrzno, Dobrcz, Dobre Miasto, Dobrzyca, Dolsk, Domaniów, Dopiewo, Drawsko, Drzycim, Duszniki, Działdowo, Dziemiany, Dzierzgoń, Dźwierzuty, Gardeja, Gąsawa, Gizałki, Gniew, Gniewino, Gniewkowo, Gniezno, Gołańcz, Gołuchów, Gostycyn, Gostyń, Górowo Iławeckie, Górzyca, Granowo, Grodzisk Wielkopolski, Grudziądz, Grunwald,Gruta, Iława, Inowrocław, Jabłonowo Pomorskie, Janikowo, Janowiec Wielkopolski, Jaraczewo, Jarocin, Jedwabno, Jeziorany, Jonkowo, Jutrosin, Kaczory, Kaliska, Kamieniec, Kamień Krajeński, Kargowa, Karsin, Kartuzy, Kaźmierz, Kcynia, Kępice, Kęsowo, Kętrzyn, Kijewo Królewskie, Kikół, Kisielice, Kiszkowo, Kiwity, Kleszczewo, Kłecko, Kobyla Góra, Kobylin, Kolbudy, Kołaczkowo, Kołczygłowy, Koronowo, Korsze, Kosakowo, Kostrzyn, Kościan, Kościerzyna, Kotlin, Kozłowo, Koźmin Wielkopolski, Kórnik, Krajenka, Krokowa, Krotoszyn, Krzemieniewo, Krzykosy, Krzywiń, Krzyż Wielkopolski, Książ Wielkopolski, Kurzętnik, Kuślin, Kwidzyn, Lichnowy, Lidzbark Warmiński, Liniewo, Lipno, Lisewo, Lniano, Lubasz, Lubawa, Lubichowo, Lubicz, Lubiewo, Lubomino, Lubrza, Luzino, Lwówek, Łabiszyn, Łasin, Łęczyce, Łęka Opatowska, Łobżenica, Łubianka, Łubowo, Łukta, Łysomice, Malbork, Margonin, Markusy, Miasteczko Krajeńskie, Miedzichowo, Miejska Górka, Mieleszyn, Mieścisko, Międzybórz, Międzychód, Międzyrzecz, Mikołajki, Mikołajki Pomorskie, Milicz, Miłoradz, Miłosław, Mogilno, Morzeszczyn, Mosina, Mrągowo, Mrocza, Murowana Goślina, Nekla, Nidzica, Niechanowo, Niechlów, Nowa Karczma, Nowa Wieś Lęborska, Nowa Wieś Wielka, Nowe, Nowe Miasto Lubawskie, Nowe Miasto nad Wartą, Nowe Skalmierzyce, Nowy Tomyśl, Oborniki, Obrowo, Obrzycko, Oleśnica, Olsztynek, Opalenica, Orchowo, Osie, Osieczna, Osielsko, Ostroróg, Ostróda, Pakosław, Pakość, Papowo Biskupie, Pelplin, Pępowo, Piaski, Pleszew, Pniewy, Pobiedziska, Poniec, Postomino, Prabuty, Pruszcz Gdański, Przemęt, Przygodzice, Przywidz, Puck, Rakoniewice, Raszków, Rawicz, Reszel, Rogowo, Rogoźno, Rogóźno, Rojewo, Rokietnica, Rybno, Rychtal, Ryczywół, Rydzyna, Rzepin, Sadki, Sadlinki, Sępólno Krajeńskie, Sicienko, Siedlec, Siedlisko, Sierakowice, Sieraków, Sieroszewice, Skarszewy, Skoki, Skórcz, Sława, Sławno, Sorkwity, Sośnie, Stara Kiszewa, Starogard Gdański, Stary Targ, Stęszew, Stężyca, Stolno, Strzałkowo, Strzelno, Studzienice, Subkowy, Suchy Dąb, Sulechów, Sulęcin, Sulęczyno, Susz, Swarzędz, Syców, Szamocin, Szamotuły, Szczytno, Szemud, Szlichtyngowa, Sztum, Szubin, Śliwice, Śmigiel, Śrem, Świątki, Świebodzin, Świecie, Świecie nad Osą, Święciechowa, Świętajno, Tarnowo Podgórne, Tczew, Torzym, Trąbki Wielkie, Trzcianka, Trzcinica, Trzebielino, Trzebnica, Tuchola, Tuchomie, Twardogóra, Ujście, Waganiec, Warlubie, Wąbrzeźno, Wągrowiec, Wejherowo, Wicko, Wielbark, Wieleń, Wielichowo, Więcbork, Wijewo, Wilczyn, Wilków, Witkowo, Włoszakowice, Wolsztyn, Wołczyn, Wronki, Września, Wschowa, Wyrzysk, Wysoka, Zakrzewo, Zalewo, Zaniemyśl, Zbąszynek, Zbąszyń, Zbiczno, Zblewo, Zławieś Wielka, Złotniki Kujawskie, Złotów, Żerków, Żnin, Żukowo 188 krakowsko- -oświęcimski C D opolski górnośląski Typ regionalny A B Typ Gmina Głogówek, Kalety, Kamieńsk, Leśnica, Piława Górna, Pszów, Ujazd, Wilamowice Baborów, Bardo, Biała, Blachownia, Boronów, Borów, Byczyna, Chrząstowice, Ciasna, Ciepłowody, Cisek, Dąbrowa, Dobrodzień, Dobrzeń Wielki, Domaszowice, Gaszowice, Gidle, Głogówek, Głuchołazy, Godów, Gogolin, Gomunice, Gorzów Śląski, Gorzyce, Izbicko, Janów, Jejkowice, Jemielnica, Kamieniec Ząbkowicki, Kamiennik, Kluczbork, Kłobuck, Kłomnice, Kochanowice, Kolonowskie, Komprachcice, Kondratowice, Konopiska, Korfantów, Kornowac, Koszęcin, Koziegłowy, Krapkowice, Kroczyce, Krupski Młyn, Kruszyna, Krzanowice, Krzepice, Krzyżanowice, Kuźnia Raciborska, Lasowice Wielkie, Leśnica, Lipie, Lubomia, Lubrza, Lubsza, Lyski, Ładzice, Łambinowice, Łubniany, Miedźno, Mierzęcice, Mstów, Mszana, Murów, Mykanów, Namysłów, Nędza, Niegowa, Niemcza, Niemodlin, Nysa, Olesno, Olsztyn, Otmuchów, Ozimek, Ożarowice, Paczków, Pakosławice, Panki, Pawłowiczki, Pawonków, Pietrowice Wielkie, Pilchowice, Pilica, Poczesna, Pokój, Polska Cerekiew, Popielów, Popów, Prószków, Prudnik, Przeworno, Przystajń, Radłów, Radomsko, Reńska Wieś, Rędziny, Rudnik, Rudziniec, Siewierz, Skarbimierz, Skoroszyce, Starcza, Strzelce Opolskie, Strzelce Wielkie, Strzeleczki, Strzelin, Sulmierzyce, Szczekociny, Świerczów, Świerklaniec, Tarnów Opolski, Toszek, Turawa, Tworóg, Ujazd, Walce, Wiązów, Wielowieś, Wilków, Wołczyn, Woźniki, Wręczyca Wielka, Zawadzkie, Ząbkowice Śląskie, Zbrosławice, Zdzieszowice, Zębowice, Ziębice, Żarki, Żarnowiec. Bobrowniki, Bolesław, Łazy, Kamienica Polska, Klucze, Ogrodzieniec, Poraj, Psary Będzin, Bytom, Chełmek, Chorzów, Czeladź, Gliwice, Imielin, Jaworzno, Katowice, Knurów, Łazy, Miasteczko Śląskie, Mikołów, Mysłowice, Myszków, Ogrodzieniec, Piekary Śląskie, Poręba, Pyskowice, Radzionków, Ruda Śląska, Siemianowice, Śląskie, Siewierz, Sławków, Sośnicowice, Świętochłowice, Tarnowskie Góry, Trzebinia, Tychy, Wojkowice, Woźniki, Zabrze Alwernia, Babice, Bojszowy, Chełm Śląski, Chełmek, Chrzanów, Goczałkowice-Zdrój, Kęty, Kobiór, Krzeszowice, Łaziska Górne, Orzesze Libiąż, Olkusz, Oświęcim, Przeciszów, Pszczyna, Suszec, Trzebinia, Wielka Wieś, Zabierzów, Zielonki Miasto Spatial typology of population ageing in the years 2002–2030 – distribution of units Załącznik 2. Typologia przestrzenna starzenia się ludności w latach 2002–2030 – wykaz jednostek 189 E D lubelsko-kielecki ciechanowski wrocławski zachodni Kazimierz Dolny Jaworzyna Śląska Aleksandrów, Annopol, Bałtów, Batorz, Belsk Duży, Będków, Biała Rawska, Białaczów, Błędów, Bodzechów, Bolimów, Borkowice, Brody, Charsznica, Chlewiska, Chotcza, Chrzanów, Cielądz, Ciepielów, Czarnocin, Czarnocin, Ćmielów, Dąbrowa Zielona, Dmosin, Dołhobyczów, Dorohusk, Drzewica, Dubienka, Dwikozy, Działoszyce, Dzierzkowice, Dzwola, Fajsławice, Fałków, Frampol, Garbatka-Letnisko, Gielniów, Głowaczów, Gniewoszów, Godziszów, Goraj, Gorzków, Gościeradów, Grabowiec, Grabów nad Pilicą, Gręboszów, Horodło, Hrubieszów, Iłża, Imielno, Inowłódz, Irządze, Izbica, Jarczów, Józefów, Karczmiska, Kazimierz Dolny, Kije, Klimontów, Kluczewsko, Klwów, Kodrąb, Komarów-Osada, Końskie, Końskowola, Koprzywnica, Kowiesy, Kozłów, Kraśniczyn, Krynice, Krzczonów, Książ Wielki, Kunów, Lelów, Leśniowice, Lipce Reymontowskie, Lipnik, Łaszczów, Łaziska, Łęki Szlacheckie, Łopiennik Górny, Łubnice, Maków, Masłowice, Mełgiew, Michałów, Miechów, Milejów, Mircze, Mirzec, Mniszków, Modliborzyce, Mogielnica, Moskorzew, Moszczenica, Nagłowice, Nieborów, Nielisz, Nowa Słupia, Nowe Miasto nad Pilicą, Nowy Kawęczyn, Nowy Korczyn, Obrazów, Odrzywół, Oksa, Opatów, Opole Lubelskie, Ożarów, Pacanów, Piaski, Pińczów, Policzna, Poniatowa, Poświętne, Promna, Przedbórz, Przyłęk, Przyrów, Przysucha, Puławy, Puszcza Mariańska, Rachanie, Racławice, Radecznica, Radków, Radziejowice, Radziemice, Raków, Rejowiec, Rejowiec Fabryczny, Ręczno, Rokiciny, Rozprza, Ruda Maleniecka, Ruda-Huta, Rudnik, Rusinów, Rybczewice, Rytwiany, Rzeczniów, Rzeczyca, Sadkowice, Sadowie, Samborzec, Sawin, Secemin, Sędziszów, Sieciechów, Siedliszcze, Siennica Różana, Sienno, Skierbieszów, Skierniewice, Słaboszów, Słupia, Słupia (Jędrzejowska), Słupia (Konecka), Sobienie-Jeziory, Solec nad Wisłą, Solec-Zdrój, Stary Zamość, Staszów, Stąporków, Stężyca, Stopnica, Sułów, Szastarka, Szczebrzeszyn, Szydłów, Tarłów, Telatyn, Trojanów, Trzeszczany, Trzydnik Duży, Tuczępy, Turobin, Tyszowce, Uchanie, Urzędów, Warka, Waśniów, Wąchock, Wąwolnica, Werbkowice, Wielgomłyny, Wieniawa, Wilczyce, Wilkołaz, Wilków, Wiskitki, Wiślica, Włoszczowa, Wodzisław, Wojciechowice, Wojsławice, Wolbórz, Wysokie, Zakrzew, Zakrzówek, Zawichost, Złota, Zwierzyniec, Zwoleń, Żarnów, Żółkiewka, Żytno Czernice Borowe, Dzierzgowo, Grudusk, Krasne, Krasnosielc, Krzynowłoga Mała, Opinogóra Górna, Płoniawy- -Bramura, Przasnysz, Sypniewo, Szydłowo Brzeg Dolny, Dobromierz, Jaworzyna Śląska, Kostomłoty, Kunice, Malczyce, Miękinia, Oborniki Śląskie, Paszowice, Prochowice, Prusice, Strzegom, Środa Śląska, Świdnica, Wińsko, Wisznia Mała, Wołów, Żarów Baranów, Błonie, Brwinów, Celestynów, Chynów, Czosnów, Góra Kalwaria, Grodzisk Mazowiecki, Izabelin, Jabłonna, Jaktorów, Karczew, Konstancin-Jeziorna, Leszno, Lesznowola, Łomianki, Nadarzyn, Nieporęt, Ożarów Mazowiecki, Piaseczno, Prażmów, Radzymin, Raszyn, Stare Babice, Teresin, Wieliszew, Wołomin, Żabia Wola warszawski Bolesławiec, Brody, Chojnów, Gromadka, Jasień, Jeżów Sudecki, Krotoszyce, Lipinki Łużyckie, Lubań, Lubomierz, Lubsko, Małomice, Mysłakowice, Osiecznica, Pielgrzymka, Pieńsk, Przewóz, Stara Kamienica, Sulików, Szpro- tawa, Świerzawa, Trzebiel, Tuplice, Warta Bolesławiecka, Węgliniec, Zagrodno, Zgorzelec, Złotoryja, Żagań, Żary Banie, Dobra (Szczecińska), Golczewo, Goleniów, Gryfino, Kobylanka, Kołbaskowo, Nowe Warpno, Police, Przybiernów, Stare Czarnowo, Stepnica, Widuchowa Łęknica szczeciński południowo- -zachodni 190 F E Baboszewo, Bieżuń, Bodzanów, Czerwińsk nad Wisłą, Dzierzążnia, Joniec, Kuczbork-Osada, Lubowidz, Mała Wieś, Naruszewo, Nowe Miasto, Raciąż, Siemiątkowo Koziebrodzkie, Skrwilno, Wyszogród, Załuski, Zawidz, Żuromin Bieżuń Kleszczele płoński podlaski Białe Błota, Chełmża, Dąbrowa Chełmińska, Dobrcz, Koronowo, Lubicz, Łysomice, Nowa Wieś Wielka, Obrowo, Papowo Biskupie, Sicienko, Solec Kujawski, Zławieś Wielka Baćkowice, Bieliny, Bodzentyn, Chęciny, Chmielnik, Daleszyce, Gnojno, Górno, Jędrzejów, Łagów, Łopuszno, Małogoszcz, Mniów, Morawica, Piekoszów, Smyków, Sobków, Strawczyn, Zagnańsk Blizanów, Chocz, Gizałki, Golina, Grodziec, Kleczew, Kołaczkowo, Koło, Kościelec, Kramsk, Krzymów, Lądek, Osiek Mały, Ostrowite, Pyzdry, Rychwał, Rzgów, Skulsk, Słupca, Sompolno, Ślesin, Wierzbinek, Wilczyn, Władysławów, Zagórów Andrychów, Brzeźnica, Czernichów, Kalwaria Zebrzydowska, Lanckorona, Liszki, Łękawica, Mogilany, Mucharz, Osiek, Polanka Wielka, Porąbka, Skawina, Spytkowice, Stryszów, Świątniki Górne, Tomice, Wadowice, Wieprz, Zator kielecki koniński krakowsko- -wadowicki Choroszcz, Czarna Białostocka, Dobrzyniewo Duże, Knyszyn, Krypno, Łapy, Mońki, Poświętne, Trzcianne, Turośń Kościelna, Tykocin, Wasilków, Zawady bydgoskotoruński Suraż Czemierniki, Dębowa Kłoda, Hanna, Jabłoń, Janów Podlaski, Kodeń, Komarówka Podlaska, Łomazy, Milanów, Ostrówek, Podedwórze, Rokitno, Rossosz, Siemień, Sławatycze, Sosnówka, Stary Brus, Terespol, Tuczna, Urszulin, Uścimów, Wisznice, Wohyń, Wyryki włodawski białostocki Burzenin, Czarnożyły, Kiełczygłów, Konopnica, Lututów, Mokrsko, Osjaków, Ostrówek, Skomlin, Widawa, Wieluń wieluński Andrzejewo, Bielany, Bielsk Podlaski, Boćki, Boguty-Pianki, Brańsk, Brańszczyk, Ceranów, Ciechanowiec, Czyże, Czyżew-Osada, Dąbrowa Białostocka, Drohiczyn, Dubicze Cerkiewne, Goniądz, Grębków, Grodzisk, Gródek, Hajnówka, Huszlew, Jabłonna Lacka, Janów, Jasionówka, Jaświły, Kleszczele, Klukowo, Korczew, Korycin, Korytnica, Kosów Lacki, Krynki, Kuźnica, Lipsk, Liw, Łosice, Michałowo, Miedzna, Mielnik, Milejczyce, Mordy, Narew, Nowy Dwór, Nur, Nurzec-Stacja, Olszanka, Orla, Perlejewo, Platerów, Przesmyki, Radziłów, Repki, Sabnie, Sadowne, Sarnaki, Sidra, Siemiatycze, Sokołów Podlaski, Sokółka, Stara Kornica, Sterdyń, Stoczek, Suchowola, Suchożebry, Suraż, Szepietowo, Sztabin, Szudziałowo, Szulborze Wielkie, Wierzbno, Wyszki, Zaręby Kościelne Bielawy, Boniewo, Bytoń, Chodecz, Chodów, Daszyna, Dąbie, Dąbrowice, Domaniewice, Góra Świętej Małgorzaty, Grabów, Kłodawa, Kowal, Lubień Kujawski, Lubraniec, Łęczyca, Olszówka, Osięciny, Pęczniew, Piątek, Piotrków Kujawski, Przedecz, Świnice Warckie, Uniejów, Warta, Wartkowice, Witonia, Wodzierady, Wróblew, Zadzim łódzki 191 F Bierutów, Błaszki, Bralin, Brzeziny, Czajków, Czernica, Długołęka, Domaniów, Dziadowa Kłoda, Godziesze Wielkie, Grabów nad Prosną, Jelcz-Laskowice, Jordanów Śląski, Kąty Wrocławskie, Kępno, Kobierzyce, Koźminek, Kraszewice, Lisków, Łęka Opatowska, Mietków, Międzybórz, Mikstat, Nowe Skalmierzyce, Oleśnica, Oława, Ostrów Wielkopolski, Ostrzeszów, Perzów, Przygodzice, Raszków, Odolanów, Sieroszewice, Sobótka, Sośnie, Syców, Szczytniki, Trzcinica, Trzebnica, Twardogóra, Żmigród, Żórawina Dąbrówka, Dobre, Garwolin, Jadów, Jakubów, Kałuszyn, Klembów, Kołbiel, Latowicz, Mrozy, Osieck, Poświętne, Siennica, Stanisławów, Strachówka, Tłuszcz, Wilga, Zabrodzie wyszkowsko- -garwoliński Buk, Dopiewo, Duszniki, Kleszczewo, Komorniki, Kostrzyn, Kórnik, Lubasz, Mosina, Murowana Goślina, Obrzycko, Ostroróg, Pniewy, Pobiedziska, Połajewo, Rokietnica, Stęszew, Swarzędz, Szamotuły, Tarnowo Podgórne, Trzcianka, Wieleń Buk, Kostrzyn, Kórnik, Luboń, Pobiedziska poznański wrocławski wschodni Aleksandrów, Baranów Sandomierski, Besko, Białobrzegi, Biłgoraj, Bircza, Biskupice, Biszcza, Bochnia, Boguchwała, Bojanów, Bolesław, Borowa, Borzęcin, Brzesko, Brzostek, Brzozów, Brzyska, Bukowsko, Chłopice, Chmielnik, Chorkówka, Ciężkowice, Cmolas, Czarna, Czarna, Czchów, Czermin, Czudec, Dąbrowa Tarnowska, Dębica, Dębno, Dębowiec, Dubiecko, Dukla, Dynów, Dzikowiec, Fredropol, Frysztak, Gdów, Głogów Małopolski, Gnojnik, Grębów, Grodzisko Dolne, Gromnik, Harasiuki, Hyżne, Igołomia-Wawrzeńczyce, Iwierzyce, Iwonicz-Zdrój, Jarocin, Jarosław, Jasło, Jedlicze, Jeżowe, Jodłowa, Józefów, Kamień, Kłaj, Kolbuszowa, Kołaczyce, Korczyna, Krasiczyn, Krasne, Krościenko Wyżne, Krzeszów, Krzywcza, Księżpol, Kuryłówka, Laszki, Leżajsk, Lisia Góra, Lubaczów, Lubenia, Łańcut, Łoniów, Majdan Królewski, Medyka, Mędrzechów, Miejsce Piastowe, Mielec, Niebylec, Niepołomice, Nisko, Niwiska, Nowa Sarzyna, Nowy Żmigród, Olesno, Oleszyce, Orły, Osiek, Osiek Jasielski, Ostrów, Padew Narodowa, Pilzno, Pleśna, Połaniec, Pruchnik, Przecław, Przemyśl, Przeworsk, Radgoszcz, Radłów, Radomyśl nad Sanem, Radomyśl Wielki, Radymno, Rakszawa, Raniżów, Rokietnica, Ropczyce, Roźwienica, Rudnik nad Sanem, Ryglice, Rymanów, Rzepiennik Strzyżewski, Rzezawa, Sanok, Skołyszyn, Skrzyszów, Sokołów Małopolski, Strzyżów, Stubno, Szczucin, Szczurowa, Szerzyny, Świlcza, Tarnogród, Tarnowiec, Tereszpol, Tryńcza, Trzebownisko, Tuchów, Tuszów Narodowy, Tyczyn, Tyrawa Wołoska, Ulanów, Ustrzyki Dolne, Wadowice Górne, Wiązownica, Wielkie Oczy, Wierzchosławice, Wiśniowa, Wojaszówka, Wojnicz, Zagórz, Zakliczyn, Zaleszany, Zarzecze, Żabno, Żegocina, Żołynia, Żurawica, Żyraków Niepołomice, Ciężkowice podkarpacki Bełchatów, Brójce, Brzeźnio, Buczek, Dłutów, Dobroń, Drużbice, Gorzkowice, Kamieńsk, Kleszczów, Lgota Wielka, Lutomiersk, Łask, Pabianice, Sędziejowice, Sieradz, Szadek, Tuszyn, Zapolice, Zduńska Wola Chocianów, Gaworzyce, Grębocice, Kotla, Lubin, Niegosławice, Pęcław, Polkowice, Przemków, Rudna, Ścinawa, Żukowice lubińskogłogowski sieradzko- -bełchatowski Cyców, Garbów, Głusk, Jastków, Konopnica, Ludwin, Łęczna, Niedrzwica Duża, Niemce, Puchaczów, Spiczyn, Strzyżewice, Wólka lubelski 192 G Cybinka, Ośno Lubuskie lubuski Aleksandrów Kujawski, Barciany, Barcin, Barczewo, Barlinek, Bartoszyce, Barwice, Białogard, Białośliwie, Biały Bór, Bielice, Bierzwnik, Biskupiec, Biskupiec, Bisztynek, Bobowo, Bobrowo, Borne Sulinowo, Braniewo, Brodnica, Brojce, Brzeżno, Brzozie, Budry, Budzyń, Bukowiec, Bytów, Cedry Wielkie, Cekcyn, Cewice, Choczewo, Chodzież, Choszczno, Chrzypsko Wielkie, Czaplinek, Czarna Dąbrówka, Czarne, Czarnków, Człuchów, Damasławek, Damnica, Darłowo, Dąbrowa, Dąbrówno, Dębnica Kaszubska, Dobiegniew, Dobra, Dobrzany, Dolice, Drawsko, Drawsko Pomorskie, Drzycim, Dygowo, Dywity, Dzierzgoń, Dźwierzuty, Elbląg, Ełk, Frombork, Gąsawa, Gietrzwałd, Główczyce, Gniew, Gniewkowo, Gniezno, Golub-Dobrzyń, Gostycyn, Górowo Iławeckie, Gronowo Elbląskie, Grudziądz, Grunwald, Gruta, Gryfice, Grzmiąca, Inowrocław, Janowiec Wielkopolski, Jastrowie, Jedwabno, Jeziora Wielkie, Jeżewo, Jonkowo, Kaczory, Kalinowo, Kalisz Pomorski, Kamień Krajeński, Karlino, Karnice, Kcynia, Kępice, Kęsowo, Kętrzyn, Kijewo Królewskie, Kiszkowo, Kiwity, Kłecko, Kołczygłowy, Korsze, Kościerzyna, Kowale Oleckie, Kowalewo Pomorskie, Kozielice, Krajenka, Kruklanki, Krzyż Wielkopolski, Książki, Kurzętnik, Kwidzyn, Kwilcz, Lelkowo, Lichnowy, Lidzbark Warmiński, Liniewo, Lipiany, Lipka, Lipnica, Lisewo, Lniano, Lubiewo, Lubomino, Łabiszyn, Łasin, Łobez, Łubowo, Łukta, Malbork, Malechowo, Małdyty, Marianowo, Markusy, Miastko, Miedzichowo, Mieleszyn, Mieścisko, Międzychód, Mikołajki, Mikołajki Pomorskie, Milejewo, Miłakowo, Miłki, Miłomłyn, Miłoradz, Mogilno, Morąg, Morzeszczyn, Mrągowo, Mrocza, Myślibórz, Nakło nad Notecią, Nidzica, Nowa Wieś Lęborska, Nowe, Nowe Miasto Lubawskie, Nowy Staw, Oborniki, Okonek, Orchowo, Orneta, Osie, Ostrowice, Ostróda, Pasłęk, Pelplin, Pełczyce, Piecki, Pieniężno, Płoty, Płużnica, Polanów, Połczyn-Zdrój, Postomino, Potęgowo, Powidz, Pozezdrze, Prostki, Pruszcz, Pruszcz Gdański, Przechlewo, Przelewice, Pszczółki, Purda, Pyrzyce, Raciążek, Radowo Małe, Rąbino, Recz, Resko, Reszel, Rogowo, Rogóźno, Rojewo, Rychliki, Ryczywół, Ryjewo, Ryn, Rzeczenica, Sadki, Sadlinki, Sępopol, Sępólno Krajeńskie, Sianów, Sieraków, Sławno, Sławoborze, Słupsk, Smętowo Graniczne, Smołdzino, Sorkwity, Sośno, Srokowo, Stara Dąbrowa, Stara Kiszewa, Stare Kurowo, Stare Pole, Stargard Szczeciński, Starogard Gdański, Stary Dzierzgoń, Stary Targ, Stolno, Strzałkowo, Strzelce Krajeńskie, Strzelno, Studzienice, Szczecinek, Szczytno, Sztum, Szubin, Szydłowo, Śliwice, Świdwin, Świecie, Świecie nad Osą, Świekatowo, Świętajno, Świętajno, Tarnówka, Tczew, Tolkmicko, Trzebiatów, Trzebielino, Trzemeszno, Tuchomie, Tychowo, Ujście, Unisław, Ustka, Wałcz, Wapno, Warlubie, Warnice, Wąbrzeźno, Wągrowiec, Węgorzewo, Wicko, Wielka Nieszawka, Więcbork, Wilczęta, Witkowo, Wronki, Wydminy, Wyrzysk, Zakrzewo, Zbiczno, Zblewo, Złotniki Kujawskie, Złotów, Zwierzyn, Żnin północnozachodni Górzno, Miłomłyn, Mrocza Bądkowo, Bobrowniki, Brześć Kujawski, Choceń, Dobrzyń nad Wisłą, Fabianki, Gostynin, Gozdowo, Lubanie, Łąck, Nowy Duninów, Stara Biała, Szczawin Kościelny, Wielgie, Włocławek płockowłocławski Bytnica, Cybinka, Górzyca, Krzeszyce, Lubrza, Ośno Lubuskie, Skąpe, Słońsk, Słubice, Sulęcin, Szczaniec, Świebodzin, Torzym Borek Wielkopolski, Kobylin, Borek Wielkopolski, Cieszków, Czermin, Dobroszyce, Dobrzyca, Gołuchów, Jaraczewo, Jarocin, Kobylin, Kotlin, Krotoszyn, Sulmierzyce, Zduny Krośnice, Milicz, Pępowo, Piaski, Pleszew, Zduny krotoszyński 193 Augustów, Bakałarzewo, Baranowo, Bargłów Kościelny, Biała Piska, Brok, Chorzele, Chrostkowo, Ciechocin, Czarnia, Długosiodło, Działdowo, Filipów, Gardeja, Gołdap, Goworowo, Górzno, Grabowo, Grajewo, Grodziczno, Iława, Iłowo-Osada, Janowiec Kościelny, Janowo, Jednorożec, Jedwabne, Jeleniewo, Kadzidło, Kisielice, Kobylin- -Borzymy, Kolno, Kołaki Kościelne, Kozłowo, Kulesze Kościelne, Lelis, Lidzbark, Lipno, Lubawa, Łomża, Łyse, Mały Płock, Miastkowo, Myszyniec, Nowe Piekuty, Nowogród, Olecko, Orzysz, Osiek, Ostrów Mazowiecka, Piątnica, Pisz, Płośnica, Prabuty, Przerośl, Przytuły, Raczki, Radomin, Rajgród, Rozogi, Ruciane-Nida, Rutka- -Tartak, Rutki, Rybno, Rypin, Rząśnik, Skępe, Somianka, Stare Juchy, Stary Lubotyń, Stawiski, Susz, Suwałki, Szczuczyn, Szumowo, Szypliszki, Śniadowo, Świedziebnia, Tłuchowo, Troszyn, Turośl, Wąpielsk, Wąsosz, Wieczfnia Kościelna, Wielbark, Wieliczki, Wizna, Wysokie Mazowieckie, Zalewo, Zambrów, Zatory, Zbójna, Zbójno Biecz, Bobowa, Budzów, Bystra-Sidzina, Chełmiec, Czorsztyn, Dobra, Gorlice, Gródek nad Dunajcem, Grybów, Iwkowa, Jabłonka, Jodłownik, Jordanów, Kamienica, Kamionka Wielka, Korzenna, Krościenko nad Dunajcem, Krynica-Zdrój, Laskowa, Limanowa, Lipinki, Lipnica Murowana, Lipnica Wielka, Lubień, Łabowa, Łapanów, Łącko, Łososina Dolna, Łukowica, Łużna, Maków Podhalański, Moszczenica, Mszana Dolna, Muszyna, Myślenice, Nawojowa, Niedźwiedź, Nowy Targ, Nowy Wiśnicz, Ochotnica Dolna, Pcim, Piwniczna-Zdrój, Podegrodzie, Rabka-Zdrój, Raciechowice, Ropa, Rytro, Sękowa, Siepraw, Słopnice, Spytkowice, Stary Sącz, Stryszawa, Tokarnia, Trzciana, Tymbark, Uście Gorlickie, Wiśniowa, Zawoja, Zembrzyce Abramów, Adamów, Biała Podlaska, Borki, Borowie, Domanice, Drelów, Firlej, Górzno, Kamionka, Kąkolewnica Wschodnia, Kłoczew, Kock, Konstantynów, Kotuń, Krzywda, Leśna Podlaska, Lubartów, Łaskarzew, Łuków, Maciejowice, Miastków Kościelny, Międzyrzec Podlaski, Mokobody, Niedźwiada, Nowodwór, Ostrów Lubelski, Parysów, Piszczac, Radzyń Podlaski, Ryki, Serniki, Serokomla, Skórzec, Sobolew, Stanin, Stoczek Łukowski, Trzebieszów, Ulan-Majorat, Wiśniew, Wodynie, Wojcieszków, Wola Mysłowska, Zalesie, Zbuczyn Poduchowny, Żelechów, Żyrzyn mazurski nowosądecki poleski Źródło: Opracowanie własne Brusy, Chmielno, Chojnice, Czersk, Dziemiany, Gniewino, Kaliska, Karsin, Kartuzy, Konarzyny, Krokowa, Linia, Lipusz, Lubichowo, Luzino, Łęczyce, Nowa Karczma, Osieczna, Parchowo, Przodkowo, Puck, Sierakowice, Skarszewy, Skórcz, Somonino, Stężyca, Sulęczyno, Szemud, Wejherowo, Żukowo kaszubski Brzeźnica, Głogów, Grodzisk Wielkopolski, Kamieniec, Kolsko, Kożuchów, Nowa Sól, Nowe Miasteczko, Otyń, Przemęt, Rakoniewice, Siedlec, Siedlisko, Sława, Szlichtyngowa, Wielichowo, Wolsztyn, Wschowa H Grodzisk Wielkopolski, Rakoniewice, Wielichowo zielonogórski G Spis tabel i rycin Tabele 1. Przejście demograficzne, epidemiologiczne i gerontologiczne 2. Charakterystyka populacji w czasie przejścia demograficznego 3. Klasyfikacja struktur wieku ludności według G. Sundbärga 4. Skala starości demograficznej według A. Sauvy 5. Skala starości demograficznej według demografów ONZ 6. Klasyfikacja społeczeństw według stopnia zaawansowania procesu starzenia się ludności według Rosseta 7. Skala starości demograficznej według J. Beaujeu-Garnier 8. Skala starości demograficznej według A. Prochownikowej 9. Współczynniki obciążenia ekonomicznego ludności produkcyjnej w Polsce w latach 1988 i 2002 10. Konstrukcja alternatywnych indeksów starości Is dla Polski w 2002 r. 11. Porównanie struktury wieku subpopulacji osób starszych i wskaźnika starości Cyrrusa Chu w 2002 r. (arytmetycznego IS(I) oraz geometrycznego IS(II)) 12. Syntetyczny wskaźnik struktury wieku ISW dla Polski w 2002 r. obliczony dla 5-letnich przedziałów wieku 13. Dynamika przyrostu ludności starszej na tle dynamiki rozwoju ludności ogółem (1988=100) 14. Prognoza liczby ludności Polski według wieku do roku 2030 15. Prognoza udziałów ludności Polski według wieku do roku 2030 (w %) 16. Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się w 1988 r. metodą k-średnich 17. Rozkład jednostek według poszczególnych typów starości w 1988 r. w zależności od rodzaju i wielkości ośrodka 18. Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się w 2002 r. metodą k-średnich 19. Rozkład jednostek według poszczególnych typów starości w 2002 r. w zależności od rodzaju i wielkości ośrodka 20. Charakterystyka struktury wieku ludności (w %) oraz poziomu starości demograficznej na podstawie wyróżnionych typów starzenia się według prognozy dla 2030 r. metodą k-średnich 21. Rozkład jednostek według prognozowanych typów starości w 2030 r. w zależności od rodzaju i wielkości ośrodka 22. Typologia starzenia się metodą tablicy znaków – teoretyczny rozkład typów 23. Rozkład jednostek według poszczególnych typów starzenia się w latach 1988–2002 metodą tablicy znaków 24. Rozkład jednostek według poszczególnych typów starzenia się w okresie 2002–2030 metodą tablicy znaków 194 25 Charakterystyka zmian w strukturze wieku ludności (w punktach procentowych) oraz dynamiki starzenia się ludności na podstawie wyróżnionych typów starzenia się za okres 1988–2002 metodą k-średnich 26. Rozkład jednostek według typów starzenia się w latach 1988–2002 w zależności od rodzaju i wielkości ośrodka metodą k-średnich 27. Charakterystyka zmian w strukturze wieku ludności (w punktach procentowych) oraz dynamiki starzenia się ludności na podstawie wyróżnionych typów starzenia się za okres 2002–2030 według prognozy metodą k-średnich 28. Rozkład jednostek według typów starzenia się w latach 2002–2030 w zależności od rodzaju i wielkości ośrodka metodą k-średnich 29. Współczynniki ruchu ludności według wydzielonych typów starzenia się ludności w 1988 r. (w ‰) 30. Współczynniki ruchu ludności według wydzielonych typów starzenia się ludności w 2002 r. (w ‰) 31. Współczynniki ruchu ludności według wydzielonych typów starzenia się na podstawie prognoz w 2030 r. (w ‰) 32. Zmiany współczynników ruchu ludności według wydzielonych typów starzenia się w latach 1988–2002 (w punktach promilowych) oraz wskaźnik dynamiki liczby ludności 33. Zmiany współczynników ruchu ludności według wydzielonych typów starzenia się na podstawie prognoz za lata 2002–2030 (w punktach promilowych) oraz prognozowany wskaźnik dynamiki liczby ludności 34. Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku w 1988 r. 35. Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku i starzenia się w 2002 r. 36. Współczynniki korelacji pomiędzy dynamiką współczynników ruchu i zmian liczby ludności w okresie 1988–2002 a wskaźnikami struktury wieku i starzenia się w 2002 r. 37. Współczynniki korelacji pomiędzy współczynnikami ruchu ludności a wskaźnikami struktury wieku i starzenia się według prognoz w 2030 r. 38. Współczynniki korelacji pomiędzy dynamiką współczynników ruchu i zmian liczby ludności w latach 2002–2030 a wskaźnikami struktury wieku i starzenia się według prognoz w 2030 r. 39. Charakterystyka demograficzna typów regionalnych starzenia się ludności za lata 1988–2002 – stan i struktura wieku 40. Charakterystyka demograficzna typów regionalnych starzenia się ludności za lata 1988–2002 – ruch naturalny i wędrówkowy 41. Charakterystyka demograficzna typów regionalnych starzenia się ludności za lata 2002–2030 – stan i struktura wieku 42. Charakterystyka demograficzna typów regionalnych starzenia się ludności za okres 2002–2030 – ruch naturalny i wędrówkowy Załącznik 1 Typologia przestrzenna starzenia się ludności w latach 1988–2002 – wykaz jednostek Załącznik 2 Typologia przestrzenna starzenia się ludności w latach 2002–2030 – wykaz jednostek Ryciny 1. Konceptualizacja badań procesu starzenia się ludności wg A. Goliniego 2. Problematyka badawcza procesu starzenia się ludności w ujęciu geograficznym 195 3. Zmiany w poziomie urodzeń w Polsce (na 1000 ludności) 4. Urodzenia na 1000 ludności w 1988 r 5. Urodzenia na 1000 ludności w 2002 r 6. Zmiany współczynnika dzietności ogólnej w Polsce 7. Współczynniki dzietności ogólnej w powiatach Polski (miasto) w 2005 r 8. Współczynniki dzietności ogólnej w powiatach Polski (wieś) w 2005 r 9. Zmiany w poziomie umieralności w Polsce (na 1000 ludności) 10. Zgony na 1000 ludności w 1988 r 11. Zgony na 1000 ludności w 2002 r 12. Zmiany w poziomie współczynników przyrostu naturalnego w Polsce (na 1000 ludności) 13. Przyrost naturalny na 1000 ludności w 1988 r 14. Przyrost naturalny na 1000 ludności w 2002 r 15. Zmiany w poziomie napływu ludności w Polsce (na 1000 ludności) 16. Napływ na 1000 ludności w 1988 r 17. Napływ na 1000 ludności w 2002 r 18. Zmiany w poziomie odpływu ludności w Polsce (na 1000 ludności) 19. Odpływ na 1000 ludności w 1988 r 20. Odpływ na 1000 ludności w 2002 r 21. Zmiany w poziomie salda migracji w Polsce (na 1000 ludności) 22. Saldo migracji na 1000 ludności w 1988 r 23. Saldo migracji na 1000 ludności w 2002 r 24. Dynamika zmian w liczbie ludności w Polsce (1988=100) 25. Wskaźnik dynamiki liczby ludności w latach 1988–2002 (1988=100) 26. Zmiany w udziale ludności w wieku 0–14 i 65 lat i więcej w Polsce (w %) 27. Ludność według biologicznych grup wieku w Polsce w 1988 i 2002 r. (w %) 28. Ludność w wieku 0–14 lat w 1988 r. (w %) 29. Ludność w wieku 0–14 lat w 2002 r. (w %) 30. Ludność w wieku 65 lat i więcej w 1988 r. (w %) 31. Ludność w wieku 65 lat i więcej w 2002 r. (w %) 32. Indeks starości demograficznej w 1988 r 33. Indeks starości demograficznej w 2002 r 34. Ludność według ekonomicznych grup wieku w latach 1988 i 2002 (w %) 35. Ludność w wieku produkcyjnym w 1988 r. (w %) 36. Ludność w wieku produkcyjnym w 2002 r. (w %) 37. Ludność w wieku produkcyjnym mobilnym w 1988 r. (w %) 38. Ludność w wieku produkcyjnym mobilnym w 2002 r. (w %) 39. Ludność w wieku produkcyjnym niemobilnym w 1988 r. (w %) 40. Ludność w wieku produkcyjnym niemobilnym w 2002 r. (w %) 41. Współczynnik obciążenia ludnością w wieku nieprodukcyjnym w 1988 r 42. Współczynnik obciążenia ludnością w wieku nieprodukcyjnym w 2002 r 43. Współczynnik obciążenia ludnością w wieku przedprodukcyjnym w 1988 r 44. Współczynnik obciążenia ludnością w wieku przedprodukcyjnym w 2002 r 45. Współczynnik obciążenia ludnością w wieku poprodukcyjnym w 1988 r 46. Współczynnik obciążenia ludnością w wieku poprodukcyjnym w 2002 r 47. Ludność w wieku 85 lat i więcej w 2002 r. (w %) 196 48. Współczynnik wsparcia międzypokoleniowego w 2002 r 49. Syntetyczny wskaźnik struktury wieku ISW (arytmetyczny) w 2002 r 50. Syntetyczny wskaźnik struktury wieku ISW (geometryczny) w 2002 r 51. Roczna dynamika przyrostu ludności w wieku 65 lat i więcej (w %) 52. Roczne zmiany wskaźnika starzenia się demograficznego WSD 53. Wskaźnik starzenia się demograficznego WSD w latach 1988-2002 54. Wskaźnik starzenia się ekonomicznego WSE w latach 1988-2002 55. Prognoza zmian w liczbie ludności Polski w latach 2005-2030 (w mln) 56. Prognoza zmian udziałów ludności w wieku 0-14 oraz 65 lat i więcej w Polsce na wsi i w mieście w latach 2005-2030 (w %) 57. Prognoza zmian indeksu starości demograficznej w Polsce na wsi i w mieście w latach 20052030 58. Prognoza udziałów ludności w wieku 65 lat i więcej w 2030 r. (w %) 59. Prognoza indeksu starości demograficznej w 2030 r 60. Prognoza udziałów ludności w wieku 85 lat i więcej w 2030 r. (w %) 61. Prognoza wskaźnika wsparcia międzypokoleniowego WWM w 2030 r 62. Prognoza wskaźnika starzenia się demograficznego WSD w latach 2002-2030 r 63. Typologia statyczna starzenia się ludności metodą k-średnich (1988 r.) 64. Typologia statyczna starzenia się ludności metodą k-średnich (2002 r.) 65. Typologia statyczna starzenia się ludności metodą k-średnich (2030 r.) 66. Typologia dynamiczna starzenia się ludności metodą tabeli znaków za lata 1988-2002 67. Typologia dynamiczna starzenia się ludności metodą tabeli znaków za lata 2002-2030 68. Typologia dynamiczna starzenia się ludności metodą k-średnich za lata 1988-2002 69. Typologia dynamiczna starzenia się ludności metodą k-średnich za lata 2002-2030 70. Typologia przestrzenna starzenia się ludności za lata 1988-2002 71. Typologia przestrzenna starzenia się ludności za lata 2002-2030 72. Model przekształceń struktury wieku w układzie miasto-wieś 197 List of tables and figures Tables 1. Demographic, epidemiological and ageing transition 2. Population characterisitcs during demographic transition 3. Classification of population age structures by G. Sundbärg 4. The scale of demographic ageing by A. Sauvy 5. The scale of demographic ageing by UN demographers 6. Classification of population according to the level of ageing by Rosset 7. The scale of demographic ageing by J. Beaujeu-Garnier 8. The scale of demographic ageing by A. Prochownikowa 9. Dependencies ratios in Poland in the years 1988 and 2002 10. The construction of alternative ageing indexes Is 11. Comparison of the elderly population age structure and ageing index by Cyrrus Chu (arithemtic IS(I) and geometric IS(II)) 12. Synthetic ageing index ISW for Poland in 2002 calculated by 5-years age intervals 13. Elderly population dynamics against total population growth (1988=100) 14. The projection of population number in Poland by age to the year 2030 15. The projection of the share of population in Poland by age to the year 2030 (in %) 16. Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types in 1988 by k-means method 17. Distribution of units according to ageing types in 1988 by its sort (urban/rural) and size 18. Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types in 2002 by k-means method 19. Distribution of units according to ageing types in 2002 by its sort (urban/rural) and size 20. Characteristics of population age structure (in %) and the level of ageing on the basis of distinguished ageing types according to projection in 2030 by k-means method 21. Distribution of units according to ageing types in 2030 by its sort (urban/rural) and size 22. Typology of ageing by deviation from the average – theoretical types distribution 23. Distribution of units according to ageing types in the years 1988–2002 by deviations from the average 24. Distribution of units according to ageing types in the years 2002–2030 by deviations from the average 25. The characteristics of changes in population age structure (in percentage points) and the dynamics of ageing on the basis of distinguished ageing types according to the projection for the years 1988–2002 by k-means method 26. Distribution of units according to ageing types in the years 1988–2002 by its sort (urban/rural) and size calculated with k-means method 27. The characteristics of changes in population age structure (in percentage points) and the dynamics of ageing on the basis of distinguished ageing types according to the projection for the years 2002–2030 by k-means method 198 28. Distribution of units according to ageing types in the years 2002–2030 by its sort (urban/rural) and size calculated with k-means method 29. Population movement coefficients by ageing types in 1988 (per mille) 30. Population movement coefficients by ageing types in 2002 (per mille) 31. Population movement coefficients by projected ageing types in 2030 (per mille) 32. Changes of population movement coefficients by ageing types in the years 1988–2002 (per mille points) as well as population growth rate 33. Changes of population movement coefficients by ageing types in the years 2002–2030 (per mille points) as well as projected population growth rate 34. Correlation coefficients between population movement rates and age structure measures in 1988 35. Correlation coefficients between population movement rates and age structure measures in 2002 36. Correlation coefficients between dynamics of population movement coefficients and ageing measures in 2002 37. Correlation coefficients between population movement rates and age structure measures in 2030 38. Correlation coefficients between dynamics of population movement coefficients and ageing measures in 2030 39. Demographic characteristics of population ageing regional types in the years 1988–2002 according to their age structure 40. Demographic characteristics of population ageing regional types in the years 1988–2002 according to natural population movement and migrations 41. Demographic characteristics of population ageing regional types in the years 2002–2030 according to their age structure 42. Demographic characteristics of population ageing regional types in the years 1988–2002 according to natural population movement and migrations Attachement 1. Spatial typology of population ageing in the years 1988–2002 – distribution of units Attachement 2. Spatial typology of population ageing in the years 2002–2030 – distribution of units Figures 1. 2. 3. 4. 5. 6. 7. A conceptual framework of the ageing process by A. Golini The research of population ageing process from a geographical perspective The changes in the level of births in Poland (per mille) Birth rates in 1988 (per mille) Birth rates in 2002 (per mille) The changes in the total fertility rate Total fertility rates in Polish districts (urban areas) in 2005.Explanations: Districts: przemyski, skierniewicki and suwalski comprise only rural areas (without filling) 8. Total fertility rates in Polish districts (rural areas) in 2005.Explanations: Urban districts without filling 9. The changes in the level of mortality in Poland (per mille) 10. Death rates in 1988 (per mille) 11. Death rates in 2002 (per mille) 199 12. The changes in the level of natural population growth in Poland (per mille) 13. Natural population growth rates in 1988 (per mille) 14. Natural population growth rates in 2002 (per mille) 15. The changes in the level of population arrivals in Poland (per mille) 16. Population arrivals in 1988 (per mille) 17. Population arrivals in 2002 (per mille) 18. The changes in the level of population departures in Poland (per mille) 19. Population departures in 1988 (per mille) 20. Population departures in 2002 (per mille) 21. The changes in the level of net migration rate in Poland (per mille) 22. Net migration rates in 1988 (per mille) 23. Net migration rates in 2002 (per mille) 24. The dynamics of changes in population number in Poland (1988=100) 25. Population growth rates in Poland in the years 1988–2002 (1988=100) 26. The changes in the percentages of population aged under 15 and 65 and over in Poland 27. The percentages of population by biological age groups in 1988 and 2002 28. The percentages of population aged under 15 in 1988 29. The percentages of population aged under 15 in 2002 30. The percentages of population aged 65 and over in 1988 31. The percentages of population aged 65 and over in 2002 32. An ageing index in 1988 33. An ageing index in 2002 34. The percentages of population by economic age groups in 1988 and 2002 35. The percentages of population at working age in 1988 36. The percentages of population at working age in 2002 37. The percentages of population at mobile working age in 1988 38. The percentages of population at mobile working age in 2002 39. The percentages of population at immobile working age in 1988 40. The percentages of population at immobile working age in 2002 41. Total dependency ratio in 1988 42. Total dependency ratio in 2002 43. Youth dependency ratio in 1988 44. Youth dependency ratio in 2002 45. Elderly dependency ratio in 1988 46. Elderly dependency ratio in 2002 47. The percentages of population aged 85 and over in 2002 48. Parent support ratio in 2002 49. Synthetic ageing index ISW (arithmetical) in 2002 50. Synthetic ageing index ISW (geometrical) in 2002 51. Annual dynamics of population aged 65 and over 52. Annual changes of dynamic ageing index WSD 53. Dynamic ageing index WSD in the years 1988-2002 54. Economic ageing index in the years 1988-2002 55. Projected changes in the population number of Poland in the years 2005-2030 (in million) 200 56. Projected changes in the percentages of population aged under 15 and 65 and over in rural and urban Poland in the years 2005-2030 57. Projected changes in ageing index in rural and urban Poland in the years 2005-2030 58. Projected percentages of population aged 65 and over in 2030 59. Projected ageing index in 2030 60. Projected percentages of population aged 85 and over 62. Projected dynamic ageing index WSD in the years 2002-2030 63. Static typology of ageing by k-means method in 1988 64. Static typology of ageing by k-means method in 2002 65. Static typology of ageing by k-means method in 2030 66. Dynamic typology of ageing by deviations from the average in the years 1988-2002 67. Dynamic typology of ageing by deviations from the average in the years 2002-2030 68. Dynamic typology of ageing by k-means method in the years 1988-2002 69. Dynamic typology of ageing by k-means method in the years 2002-2030 70. Spatial typology of population ageing in the years 1988-2002 71. Spatial typology of population ageing in the years 2002-2030 72. Model of changes in population age structure by rural-urban dimension 201
