Статистика онлайн-запросов в наукастинге миграции

Автор: Цапенко Ирина Павловна, Юревич Максим Андреевич

Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc

Статья в выпуске: 1 т.15, 2022 года.

Бесплатный доступ

Рост значимости международных миграций в жизни современных государств повышает востребованность надежных и релевантных прогнозов этого процесса, особенно в нынешнем турбулентном мире. Однако устоявшиеся процедуры прогнозирования миграции имеют немало ограничений, на фоне которых открываются перспективы использования инновационных подходов, основанных на больших данных, в частности поисковых запросах потенциальных мигрантов в интернете. Объясняющие и предиктивные свойства подобного инструментария в силу его новизны пока еще мало раскрыты. Работа нацелена на изучение возможностей применения таких средств для предвидения потоков населения на постсоветском пространстве. Выдвинута гипотеза о наличии связи между онлайн-запросами по поводу миграции в Россию, поступающими от жителей Киргизии, Таджикистана и Узбекистана, и последующими людскими потоками из указанных стран в РФ. Проверка гипотезы выполнена на материале миграционной статистики Росстата, данных Google Trends об интенсивности запросов и сервиса Яндекс «Подбор слов», используемого для валидации поисковых образов. Статистические взаимосвязи обнаружены с помощью корреляционного и регрессионного анализа. В результате установлена умеренная зависимость динамики людских потоков от изменений количества предшествующих запросов, которая проявляется с наибольшей силой при лаге в 6-9 месяцев и при нулевом лаге. Получению более точных результатов в этом и подобных исследованиях препятствует изначальная ограниченная предсказуемость миграционного поведения в силу его контекстуальности, подчас ситуативности и иррациональности, а также «зашумленность» статистики по запросам, а нередко - и потокам. В качестве магистрального направления исследований в данной области видится поиск универсальных алгоритмов определения связей между запросами и миграционными потоками.

Еще

Миграция, прогнозирование, большие данные, онлайн-запросы, поисковые образы, моделирование, Россия, центральная азия

Короткий адрес: https://sciup.org/147236388

IDR: 147236388 | DOI: 10.15838/esc.2022.1.79.4

Список литературы Статистика онлайн-запросов в наукастинге миграции

Лифшиц М.Л. (2016). Прогнозирование мировой миграционной ситуации на основе анализа нетто-миграции в странах мира // Прикладная эконометрика. Т. 41. С. 96–122.
Малышева Д.Б. (2017). Миграционные процессы в странах Центральной Азии // Постсоветские государства: 25 лет независимого развития / отв. ред. А.Б. Крылов. Т. 1. М.: ИМЭМО РАН. С. 160–171.
Ткаченко А.А., Гиноян А.Б. (2018). Оценка миграционного потенциала стран СНГ на основе модели международной миграции // Вопросы статистики. № 25 (11). С. 46–56.
Чудиновских О.С., Степанова А.В. (2020). О качестве федерального статистического наблюдения за миграционными процессами // Демографическое обозрение. Т. 7. № 1. С. 54–82.
Юревич М.А., Екимова Н.А., Балацкий Е.В. (2020). Цифровая трансформация экономической науки // Информационное общество. № 2. C. 39–47.
Юревич М.А. (2021). Инфляционные ожидания и инфляция: наукастинг и прогнозирование // Journal of Economic Regulation. Т. 12. № 2. С. 22–35.
Acostamadiedo E. et al. (2020). Assessing Immigration Scenarios for the European Union in 2030 – Relevant, Realistic and Reliable? Geneva: IOM and e Hague: NIDI.
Albertinelli A. et al. (2020). Forecasting asylum-related migration to the European Union, and bridging the gap between evidence and policy. Migration Policy Practice, X(4), 35–41.
Beduschi A. (2018). The big data of international migration: Opportunities and challenges for states under international human rights law. Georgetown Journal of International Law, 49, 982–1017.
Bengtsson L. et al. (2011). Improved response to disasters and outbreaks by tracking population movements with mobile phone network data: A postearthquake geospatial study in Haiti. PLoS Med, 8(8), e1001083.
Bijak J. (2016). Migration forecasting: Beyond the limits of uncertainty. IOM’s GMDAC Data Briefing Series, 6, 7. Available at: gmdac.iom.int/gmdac-databriefing-migration-forecasting-beyondlimits-uncertainty
Bijak J., Czaika M. (2020). Assessing uncertain migration futures: A typology of the unknown. QuantMig Project Deliverable D1.1. University of Southampton and Danube University Krems. Available at https://www.quantmig.eu/res/files/QuantMig%20D1.1%20Uncertain%20Migration%20Futures%20V1.1%2030Jun2020.pdf
Bijak J., Czaika M. (2020). Black swans and grey rhinos: Migration policy under uncertainty. Migration Policy Practice, 2020, X(4), 14–18. Available at: https://publications.iom.int/books/migration-policy-practice-vol-x-number-4-september-december-2020
Blazquez D., Domenech J. (2018). Big data sources and methods for social and economic analyses. Technological Forecasting and Social Change, 130, 99–113.
Bohme M. et al. (2020). Searching for a better life: Predicting international migration with online search keywords. Journal of Development Economics, 142, 14. DOI:10.1016/j.jdeveco.2019.04.002
Carammia M., Dumont J. (2018) Can we anticipate future migration flows? OECD/EASO Migration Policy Debate, 16, 9.
Carling J. (2017). How does migration arise? In: M. McAuliffe and M. Klein Solomon (Conveners) Ideas to Inform International Cooperation on Safe, Orderly and Regular Migration. Geneva: IOM, 19–26.
Choi H., Varian H. (2012). Predicting the present with Google trends. Predicting. The Economic Record, 88 (June), 2–9. DOI: 10.1111/j.1475-4932.2012.00809.x
Connor P. (2017). The Digital Footprint of Europe’s Refugees. Pew Research Center. Available at: https://www.pewresearch.org/global/wp-content/uploads/sites/2/2017/06/Pew-Research-Center_Digital-Footprint-of-Europes-Refugees_Full-Report_06.08.2017.pdf
Hawelka B. et al. (2014). Geo-located Twitter was proxy for global mobility patterns. Cartography and Geographic Information Science, 41(3), 260–271.
Rango M. (2015). How big data can help migrants, World Economic Forum, 2 (October 5, 2015), Available at: https://www.weforum.org/agenda/2015/10/how-big-data-can-help-migrants/
Sîrbu A. et al. (2021). Human migration: The big data perspective. International Journal of Data Science and Analytics, 11, 341–360. DOI: 10.1007/s41060-020-00213-5
Sohst R., et al. (2020). The Future of Migration to Europe: A Systematic Review of the Literature on Migration Scenarios and Forecasts. Geneva: IOM and Hague: NIDI.
Sohst R., Tjaden J. (2020). Forecasting migration: A policy guide to common approaches and models. Migration Policy Practice, 4, 8–13.
Spyratos S. et al. (2019). Quantifying international human mobility patterns using Facebook Network data. PLoS One, 14(10), e0224134. https://doi.org/10.1371/journal.pone.0224134
Stewart I. et al. (2019). Rock, rap, or reggaeton? Assessing mexican immigrants’ cultural assimilation using Facebook data. In: WWW ‘19. NY: Association for Computing Machinery, 3258–3264. DOI: 10.1145/3308558.3313409
Struijs P. et al. (2014). Official statistics and big data. Big Data & Society, April–June, 1–6. DOI: 10.1177/2053951714538417
Szczepanikova A., Van Criekinge T. (2018). The Future of Migration in the European Union: Future Scenarios and Tools to Stimulate Forward-Looking Discussions. Luxembourg: Publications Office of the European Union. DOI: 10.2760/000622
Tjaden J. et al. (2021). Tale of high expectations, promising results and a long road ahead. Available at: https://medium.com/@UNmigration/using-big-data-to-forecast-migration-8c8e64703559
Tjaden J., Auer D., Laczko F. (2019). Linking Migration Intentions with flows: Evidence and potential use. International Migration, 57(1), 36–57. DOI: 10.1111/imig.12502
Wanner P. (2021). How well can we estimate immigration trends using Google data? Quality & Quantity, 55, 1181–1202. DOI: 10.1007/s11135-020-01047-w
Wilson T. (2017). Can international migration forecasting be improved? The case of Australia. Migration Letters, 14(2), 285–299. DOI: 10.33182/ml.v14i2.333
Wladyka D. (2017). Queries to google search as predictors of migration flows from Latin America to Spain. Journal of Population and Social Studies, 2017, 25(4), 312–327. DOI: 10.25133/JPSSv25n4.002
Zagheni E., Weber I., Gummadi K. (2017). Leveraging Facebook’s advertising platform to monitor stocks of migrants. Population and Development Review, 43, 721–734. https://doi.org/10.1111/padr.12102
Zagheni E., Weber I. (2012). You are where you e-mail: Using e-mail data to estimate international migration rates. In: WebSci ‘12: Proceedings of the 4th Annual ACM Web Science Conference. NY: Association for Computing Machinery, 348–351. DOI: 10.1145/2380718.2380764

Еще

Статья научная