Projektionsmethoden
Wie die Bevölkerungsprojektion auf der Projektionen-Seite funktioniert – und warum die Methoden unterschiedliche Ergebnisse liefern.
Die Projektionen-Seite bietet fünf Methoden zur Bevölkerungsprojektion. Sie liefern teils sehr unterschiedliche Ergebnisse – das ist kein Fehler, sondern spiegelt grundlegend verschiedene Annahmen wider. Alle Methoden basieren auf historischen Daten von 2002–2025.
Lineare Trendfortschreibung
Konstanter jährlicher Zuwachs (oder Rückgang)
Prinzip
Der durchschnittliche jährliche Bevölkerungszuwachs (positiv oder negativ) wird konstant in die Zukunft fortgeschrieben.
Berechnung
- OLS-Regressionssteigung über alle Datenjahre (2002–2025)
- P(t) = P_base + Δ × Schritte
- Altersstruktur des Basisjahrs wird proportional skaliert
Stärken
- ✓ Einfach und transparent
- ✓ Stabil gegenüber Schwankungen
- ✓ Schnell verständlich
Schwächen
- ✗ Keine Altersstruktur-Dynamik
- ✗ Ignoriert Geburtenrückgang
- ✗ Kann neg. Werte ergeben
Exponentielle Fortschreibung
Konstante Wachstumsrate in % statt absolutem Zuwachs
Prinzip
Dieselbe OLS-Steigung wie bei der linearen Methode, aber als konstante Wachstumsrate (%) angewendet.
Berechnung
r = Δ / P_base
P(t) = P_base × (1 + r)^Schritte
Warum ≈ Linear?
Bei kleinen Wachstumsraten (|r| < 1 %/Jahr) gilt:
(1 + r)ⁿ ≈ 1 + r·n
Norsjö schrumpft ~0,7 %/Jahr → kaum Unterschied zu linear über 76 Jahre.
Stärken
- ✓ Realistischer bei Wachstum
- ✓ Kein neg. Ergebnis möglich
Schwächen
- ✗ Keine Altersstruktur-Dynamik
- ✗ Bei Schrumpfung ≈ linear
Kohorten-Shift
Detailliertes Altersmodell mit frei wählbaren Parametern
Prinzip
Jeder Einzeljahrgang (0–100) altert pro Simulationsschritt um genau 1 Jahr. TFR, Lebenserwartung und Migration sind frei einstellbar.
Algorithmus pro Jahr
- Kohorten-Shift: Jahrgang[i] → Jahrgang[i+1]
- Sterblichkeit: altersspezifische Sterberaten
- Geburten: Frauen(15–49) × TFR / 35
- Migration: Cluster auf Jahrgänge verteilt
Einstellbare Parameter
| TFR | Kinder/Frau; Bestandserhalt = 2,10 |
| Lebenserwartung | Konstant / Optimistisch / Zunehmend |
| Migration | Cluster: 0–19 / 20–39 / 40–59 / 60+ |
Komponentenmethode
Historische TFR und Migration – vollautomatisch aus den Daten
Prinzip
Wie der Kohorten-Shift, aber alle Parameter werden automatisch aus den historischen Daten (2002–2025) abgeleitet. Kein manueller Override.
TFR-Schätzung aus DB
TFR ≈ Ø_Geburten / (Ø_Pop × 0,15) × 35
Demografischer Kollaps-Effekt
Für Norsjö ergibt sich TFR ≈ 1,3. Das führt zu einem selbstverstärkenden Kreislauf:
wenige Frauen → wenige Kinder
→ in 25 J. noch weniger Mütter
→ noch weniger Kinder → …
Beispiel-Szenarien
| Methode | Bev. 2100 |
|---|---|
| Komponentenmethode | ~661 |
| Lineare Fortschreibung | ~1.765 |
| Exponentielle Fortschr. | ~2.278 |
Komponente + Migration ★ Neu
Historische TFR – frei einstellbare Migrations-Altersgruppen
Prinzip
TFR und Sterblichkeit werden wie bei der Komponentenmethode automatisch aus den Daten abgeleitet. Die Migrations-Cluster (Jugend, Arbeit, Familie, Senioren) sind aber frei einstellbar – ideal um kommunale Anwerbungs-Szenarien realistisch durchzuspielen.
Beispiel-Szenarien
- → +50 junge Familien/Jahr (20–39 J.): 0–4-Kohorte wächst, aber TFR bleibt historisch niedrig (≈ 1,3)
- → +100 Senioren/Jahr: 60+-Gruppen stärker, kein Effekt auf Geburten
- → Gemischtes Profil: realistischste Abbildung einer aktiven Anwerbepolitik
Parameter im Vergleich
| Parameter | Komponent. | Komp.+Mig. |
|---|---|---|
| TFR | DB-Ø | DB-Ø |
| Sterblichkeit | DB-Ø | DB-Ø |
| Lebenserwartung | wählbar | wählbar |
| Migration | DB-Ø | frei |
PDE-Szenario (IIASA) ★ Neu
TFR, Lebenserwartung & SRB mit Interpolation + detaillierte Netto-Migration nach Altersgruppen
Prinzip
Eine Erweiterung des PDE-Modells (Population-Development-Environment, IIASA): TFR, Lebenserwartung und Geschlechterverhältnis werden linear vom Basiswert zum Zielwert interpoliert. Die Netto-Migration wird über dasselbe Altersgruppen-Cluster-Modul gesteuert wie bei der Kohorten-Shift-Methode – mit vier frei konfigurierbaren Clustern (0–19, 20–39, 40–59, 60+).
Algorithmus pro Jahr
- Altersverteilung in Einzeljahre auflösen (Basis-Jahr)
- TFR und e₀ vom Basiswert zum Zielwert linear interpolieren
- Pro Simulationsschritt: Geburten (über TFR), Sterbefälle (über e₀), Netto-Migration nach Altersgruppen-Clustern anwenden
- Ergebnis in 5-Jahres-Gruppen reaggregieren
Lineare Szenario-Interpolation
TFR und Lebenserwartung werden vom historischen Basiswert zum benutzerdefinierten Zielwert linear interpoliert. Die Netto-Migration wird über vier Altersgruppen-Cluster konstant angewandt (gleiches Modul wie Kohorten-Shift).
r(t) = r(t₀) + (t−t₀)/(t₁−t₀) × [r(t₁) − r(t₀)]
Einstellbare Parameter
| TFR | Zusammengefasste Geburtenziffer (0,5 – 5,0) |
| e₀ | Lebenserwartung bei Geburt (60 – 95 Jahre) |
| Netto-Migration p.a. | Vier Altersgruppen-Cluster (0–19, 20–39, 40–59, 60+) – gleiches Modul wie Kohorten-Shift |
| SRB | Geschlechterverhältnis bei Geburt (1,00 – 1,10) |
Stärken
- Volle Kontrolle über Fertilität, Mortalität und SRB
- Gleitende Interpolation statt Sprünge
- Detaillierte Migrationssteuerung nach Altersgruppen
- Wissenschaftlich fundiert (IIASA-Methodik)
Schwächen
- Erfordert demografisches Fachwissen
- Unrealistische Eingaben möglich
Wann welche Methode?
| Zweck | Empfohlene Methode |
|---|---|
| Grobe Kurzfrist-Schätzung (≤ 10 Jahre) | Linear oder Exponentiell |
| Mittelfrist mit Altersstruktur (10–25 Jahre) | Komponentenmethode |
| Langfrist (> 25 Jahre) | Komponentenmethode |
| „Was-wäre-wenn"-Szenarien (TFR, Migration) | Kohorten-Shift |
| Kommunale Anwerbungs-Szenarien | Komponente + Migration ★ |
| Eigene Szenario-Annahmen (TFR, e₀, Migration) | PDE-Szenario (IIASA) ★ |
Hinweis: Die Komponentenmethode und „Komponente + Migration" ignorieren den TFR-Slider im UI – sie verwenden immer die historisch berechnete TFR aus den DB-Daten (2002–2025). Der TFR-Slider wirkt nur bei der Kohorten-Methode.