UNITED NATIONS ECONOMIC COMMISSION FOR EUROPE 2 December 2022 CONFERENCE OF EUROPEAN STATISTICIANS Group of Experts on Measuring Poverty and Inequality 8-9 December 2022

TIMETABLE The meeting will take place in Geneva in the Palais des Nations, E-Building, Room XXII.

Group of Experts on Measuring Poverty and Inequality

Thursday, 8 December 2022 9:30 - 9:50 Opening remarks, adoption of the agenda, election of Chair

9:50 - 11:15 A. Social policies and data

The Impact of the 2021 Expanded Child Tax Credit on Child Poverty in the U.S., Liana Fox, United States Census Bureau

Providing new statistics for populations often missing from the statistical system in Canada, Andrew Heisz, Canada

Quarterly data collection on living conditions in EU, Agata Kaczmarek-Firth and Estefania Alaminos Aguilera, Eurostat

Discussant's reflections Elena Danilova-Cross, UNDP Istanbul Regional Hub

11:15 - 11:30 Break

11:30 - 12:30 B. Assets-based poverty and inequality

Methodological approaches on how to measure risk of poverty with income and wealth, Jörg Neugschwender, Luxembourg Income Study

Assets of the surveyed poor poverty measurement in Kazakhstan, Guljan Daurenbekova, Kazakhstan

Q&A

12:30 - 14:30 Lunch break

14:30 - 15:30 C. Subjective poverty

Subjective and objective poverty comparison within EU-SILC, Agata Kaczmarek-Firth and Estefania Alaminos Aguilera, Eurostat

Comparison of different measures of poverty in Poland (based on the results of the EU-SILC survey), Anna Szukiełojć-Bieńkuńska, Poland

Approaches in measuring subjective poverty in Bosnia and Herzegovina, Edin Sabanovic, Bosnia and Herzegovina (paper available at the meeting webpage)

15:30 - 15:45 Break

15:45 – 17:00 Subjective poverty measurement in Kazakhstan, Natalya Belonossova, Kazakhstan

Subjective poverty measurement in Belarus, Inna Konoshonok, Belarus

Discussant's reflections Fanni Kovesdi, OPHI

17:00 – 17:30 Progress report of the UNECE Task Force on subjective poverty measures, Thesia Garner, U.S. Bureau of Labor Statistics

Q&A

2

Group of Experts on Measuring Poverty and Inequality

Friday, 9 December 2022

9:30 - 10:50 D. Complementing survey methods, and use of alternative data sources

The use of alternative data sources to estimate the threshold of absolute poverty in Italy, Federico Polidoro, Italy (paper available at the meeting webpage)

A new definition and measurement of extreme poverty, Michaël Sicsic, France (paper available at the meeting webpage)

Use of administrative source of income, Natalya Belonossova, Kazakhstan

Discussant's reflections Andrew Heisz, Canada

10:50 - 11:05 Break

11:05 - 12:30 E. Impact of global shocks on poverty and inequality

Children in Monetary Poor Households: Baseline and COVID‑19 Impact for 2020 and 2021, Gwyther Rees, UNICEF (paper available at the meeting webpage)

National Survey of Household Income and Expenditure, Edgar Vielma, Mexico (paper available at the meeting webpage)

Impact of 2022 high inflation on the poorest Italian households, Federico Polidoro, Italy (paper available at the meeting webpage)

Discussant's reflections Martina Guggisberg, Suisse Federal Statistical Office

12:30 - 14:30 Lunch break

14:30 – 16:00 Panel discussion

Introduction, Agata Kaczmarek-Firth and Estefania Alaminos Aguilera, Eurostat

Panellists: Jarl Quitzau, Statistics Denmark Tim Vizard, Office for National Statistics João Pedro Gouveia, EU Energy Poverty Advisory Hub and NOVA University of Lisbon Liana Fox, United States Census Bureau Gerard Reilly, Central Statistics Office, Ireland

16:00 - 16:15 Break

16:15 - 16:40 F. Communicating statistics on poverty and inequality

‘Ireland's UN SDGs – Goals 1 and 10’ in the SDG publication series, Gerard Reilly, Ireland

Q&A

16:40 - 17:00 G. Work under the Conference of European Statisticians

Work on poverty measurement under the Conference of European Statisticians, Vania Etropolska, UNECE

Open discussion

17:00 – 17:20 Adoption of the report

17:25 Closing

* * * * *

ЕВРОПЕЙСКАЯ ЭКОНОМИЧЕСКАЯ КОМИССИЯ ОРГАНИЗАЦИИ ОБЪЕДИНЕННЫХ НАЦИЙ 2 декабря 2022 года КОНФЕРЕНЦИЯ ЕВРОПЕЙСКИХ СТАТИСТИКОВ Группа экспертов по измерению бедности и неравенства 8-9 декабря 2022 года

РАСПОРЯДОК РАБОТЫ Встреча состоится в Женеве, во Дворце Наций, Здание Е, Зал XXII.

Группа экспертов по измерению бедности и неравенства

Четверг, 8 декабря 2022 года

9:30 - 9:50 Приветственные обращения, утверждение повестки дня, выборы Председателя

9:50 - 11:15 А. Социальная политика и данные

Влияние расширенного налогового вычета на детей 2021 года на детскую бедность в США, Лиана Фокс, Бюро переписи США

Предоставление новой статистики для групп населения, зачастую не представленных в статистической системе Канады, Эндрю Хейш, Канада

Ежеквартальный сбор данных об условиях жизни в ЕС, Агата Качмарек-Фирт, Эстефания Аламинос Агилера, Евростат

Размышления участника дискуссии Елена Данилова-Кросс, Региональный офис ПРООН в Стамбуле

11:15 - 11:30 Перерыв

11:30 - 12:30 B. Бедность и неравенство по активам

Методологические подходы к методам измерения риска бедности на основе дохода и благосостояния Йорг Нойгшвендер, Люксембургское исследование доходов

Измерение активов обследованного бедного населения в Казахстане, Гульжан Дауренбекова, Казахстан

Сессия в формате «Вопрос-ответ»

12:30 - 14:30 Перерыв на обед

14:30 - 15:30 С. Субъективная бедность

Сравнение субъективной и объективной бедности в рамках обследования «Статистика ЕС по доходам и условиям жизни», Агата Качмарек-Фирт, Эстефания Аламинос Агилера, Евростат

Сравнение разных показателей бедности в Польше (по результатам обследования «Статистика доходов и условий жизни Европейского союза» (СДУЖ-ЕС)), Анна Шукелойч- Бенькуньская, Польша

Подходы к измерению субъективной бедности в Боснии и Герцеговине, Эдин Сабанович, Босния и Герцеговина (документ доступен на сайте совещания)

15:30 - 15:45 Перерыв

2

15:45 – 17:00 Измерение субъективной бедности в Казахстане, Наталья Белоносова, Казахстан

Измерение субъективной бедности в Беларуси, Инна Коношонок, Беларусь

Размышления участника дискуссии Фанни Ковесди, Оксфордская инициатива по борьбе с бедностью и человеческому развитию

17:00 – 17:30 Отчет о ходе работ Целевой группы ЕЭК ООН по показателям субъективной бедности, Тесия Гарнер, Бюро статистики труда США

Сессия в формате «Вопрос-ответ»

Группа экспертов по измерению бедности и неравенства

Пятница, 9 декабря 2022 года

9:30 - 10:50 D. Дополнение методов обследования и использование альтернативных источников данных

Использование альтернативных источников данных для оценки порога абсолютной бедности в Италии, Федерико Полидоро, Италия (документ доступен на сайте совещания)

Новое определение и измерение крайней бедности, Михаэль Сиксик, Франция (документ доступен на сайте совещания)

Использование административных данных о доходах, Наталья Белоносова, Казахстан

Размышления участника дискуссии Эндрю Хейш, Канада

10:50 - 11:05 Перерыв

11:05 - 12:30 E. Влияние глобальных потрясений на бедность и неравенство

Дети в монетарно бедных домохозяйствах: исходный уровень и влияние COVID-19 в 2020 и 2021 годах, Гвитер Рис, ЮНИСЕФ (документ доступен на сайте совещания)

Национальное обследование доходов и расходов домохозяйств, Эдгар Виелма, Мексика (документ доступен на сайте совещания)

Влияние высокой инфляции 2022 года на беднейшие итальянские домохозяйства, Федерико Полидоро, Италия (документ доступен на сайте совещания)

Размышления участников дискуссии Мартина Гугисберг, Швейцарское федеральное статистическое управление

12:30 - 14:30 Перерыв на обед

14:30 – 16:00 Обсуждение в группах

Введение, Агата Качмарек-Фирт и Эстефания Аламинос Агилера, Евростат

Участники группового обсуждения: Ярль Квитсау, Статистическая служба, Дания Тим Визард, Национальная статистическая служба Жоао Педро Гувейя, Консультативный центр ЕС по энергетической бедности и

Лиссабонский университет NOVA Лиана Фокс, Бюро переписи США Джерард Рейли, Центральное статистическое управление, Ирландия

16:00 - 16:15 Перерыв

16:15 - 16:40 F. Распространение статистических данных о бедности и неравенстве

3

«ЦУР ООН в Ирландии - Цели 1 и 10» в серии публикаций по вопросам ЦУР, Джерард Рейли, Ирландия

Сессия в формате «Вопрос-ответ»

16:40 - 17:00 G. Работа в рамках Конференции европейских статистиков

Работа по измерению бедности в рамках Конференции европейских статистиков, Ваня Етропольска, ЕЭК ООН

Открытое обсуждение

17:00 – 17:20 Утверждение доклада

17:25 Закрытие

* * * * *

UNITED NATIONS ECONOMIC COMMISSION FOR EUROPE 26 November 2022 CONFERENCE OF EUROPEAN STATISTICIANS Workshop on Harmonization of Poverty Statistics to Measure SDG 1 and 10 7 December 2022

TIMETABLE The meeting will take place in Geneva in the Palais des Nations, E-Building, Room XXVII.

It is organized with financial support from the United Nations Development Account (14th tranche) project “Resilient and agile national statistical systems”.

Workshop on Harmonization of Poverty Statistics to Measure SDG 1 and 10

Wednesday, 7 December 2022 9:30 - 9:45 Introduction

9:45 - 10:30 A. 2030 Agenda for Sustainable Development: Data availability on poverty

Data availability on SDG poverty indicators in Eastern Europe, Caucasus and Central Asia, Patrick Hernusi, UNECE

Poverty Indicators in the CIS Region: SDG Monitoring and Data Dissemination Experience, Aleksandr Kirianov, CIS-STAT

Q&A

10:30 - 11:30 B. Poverty as a multidimensional, multi-layered concept

Measuring multidimensional poverty: a global assessment of data availability and data gaps, Fanni Kovesdi, OPHI

Nowcasting impact of COVID-19 on multidimensional child poverty, Gwyther Rees, UNICEF

Q&A

11:30 - 11:45 Break

11:45 - 12:30 B. Poverty as a multidimensional, multi-layered concept (continued)

Multidimensional Poverty Index in the Republic of Moldova, Ina Emelianova, Republic of Moldova

Pilot calculation of the national multidimensional poverty index in Kazakhstan, Natalya Belonossova, Kazakhstan

Q&A

12:30 - 14:30 Lunch break

14:30 - 15:30 B. Poverty as a multidimensional, multi-layered concept (continued)

Refinement of indicators of the pilot national multidimensional poverty index of the Republic of Kazakhstan, Rafkat Hasanov, UNECE Consultant (full report available at the meeting webpage)

Provision of Technical Training on Multidimensional Poverty Measurement in the Republic of Kazakhstan, Juliana Yael Milovich, UNECE Consultant (full report available at the meeting webpage)

Q&A

15:30 - 15:45 Break

2

15:45 - 17:15 C. Assessing and improving survey methods

Improving survey methods in Kazakhstan, Guljan Daurenbekova, Kazakhstan

Further improvement of the Kazakhstan HBS questionnaire for better measurement of poverty, Rafkat Hasanov, UNECE Consultant (full report available at the meeting webpage)

Improving survey methods in Kazakhstan, Gianni Betti, UNECE Consultant (full report available at the meeting webpage)

Q&A

17:15–17:30 Summary and conclusions

* * * * *

ЕВРОПЕЙСКАЯ ЭКОНОМИЧЕСКАЯ КОМИССИЯ ОРГАНИЗАЦИИ ОБЪЕДИНЕННЫХ НАЦИЙ 26 ноября 2022 года КОНФЕРЕНЦИЯ ЕВРОПЕЙСКИХ СТАТИСТИКОВ Семинар по гармонизации статистики бедности для измерения прогресса в достижении ЦУР 1 и 10 7 декабря 2022 года

РАСПОРЯДОК РАБОТЫ Семинар состоится в Женеве, во Дворце Наций, Здание Е, Зал XXVII.

Организован при финансовой поддержке проекта Счета развития Организации Объединенных Наций (14-й транш) «Устойчивые и гибкие национальные статистические системы».

Семинар по гармонизации статистики бедности для измерения прогресса в достижении ЦУР 1 и 10

Среда, 7 декабря 2022 года

9:30 - 9:45 Введение

9:45 - 10:30 A. Повестка ООН в области устойчивого развития: Наличие данных о бедности

Наличие данных по индикаторам бедности ЦУР в Восточной Европе, на Кавказе и в Центральной Азии, Патрик Гернуси, ЕЭК ООН

Индикаторы бедности с регионе СНГ: Мониторинг достижения ЦУР и опыт распространения данных, Александр Кирьянов, Статкомитет СНГ

Сессия в формате «Вопрос-ответ»

10:30 - 11:30 B. Бедность как многомерное, многоуровневое понятие

Измерение многомерной бедности: глобальная оценка доступности данных и пробелов в данных, Фанни Ковесди, Оксфордская инициатива по борьбе с бедностью и человеческому развитию

Определение текущего влияния COVID-19 на многомерную детскую бедность, Гвитер Рис, ЮНИСЕФ

Сессия в формате «Вопрос-ответ»

11:30 - 11:45 Перерыв

11:45 - 12:30 B. Бедность как многомерное, многоуровневое понятие (продолжение)

Индекс многомерной бедности в Молдове, Ина Емельянова, Республика Молдова

Пилотный расчет национального индекса многомерной бедности в Казахстане, Наталья Белоносова, Казахстан

Сессия в формате «Вопрос-ответ»

12:30 - 14:30 Перерыв на обед

14:30 - 15:30 B. Бедность как многомерное, многоуровневое понятие (продолжение)

Совершенствование показателей пилотного расчета национального индекса многомерной бедности в Республике Казахстан, Рафкат Хасанов, Консультант ЕЭК ООН (полный текст доклада размещен на интернет- странице встречи)

2

Обеспечение профессиональной подготовки в сфере измерения многомерной бедности в Республике Казахстан, Джулиана Яэль Милович, консультант ЕЭК ООН (полный текст доклада размещен на интернет-странице встречи)

Сессия в формате «Вопрос-ответ»

15:30 - 15:45 Перерыв

15:45 - 17:15 C. Оценка и совершенствование методов обследования

Совершенствование методов обследования в Казахстане, Гульжан Дауренбекова, Казахстан

Дальнейшее совершенствование вопросника ОБДХ Казахстана для лучшего измерения бедности на основе требований ЦУР, Рафкат Хасанов, консультант ЕЭК ООН (полный текст доклада размещен на интернет-странице встречи)

Совершенствование методов обследования в Казахстане, Джанни Бетти, консультант ЕЭК ООН (полный текст доклада размещен на интернет-странице встречи)

Сессия в формате «Вопрос-ответ»

17:15-17:30 Подведение итогов и выводы

* * * * *

Linking administarative data for better migration statistics: two examples from Switzerland Session: Improvements in use of administrative data for migration statistics UNECE – Group of Experts on Migration Statistics Geneva, Switzerland, 26-28 October 2022 Johanna Probst, Swiss Federal Statsitical Office, unit Demography and Migration

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 1

Introduction

Switzerland: complete and high quality statistics on migration Are there any gaps? - Duration of stay - Circular migration / mobility - Reasons motivating immigration

OASI number since 2011 Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 2

Overview

1. Linking survey and register data to explore immigration reasons 1.1 Aims & methods 1.2 Results

2. Linking various register sources for longitudinal data on migration and stay 2.1 Aims & methods 2.2 Results Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 3

1. Linking survey and register data to explore migration reasons

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 4

1.1 Aims & methods

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 5

Context and state of the art

Common distinction: forced / voluntary Common categories:

Labour/education Asylum Family

Migration reasons may be multiple

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 6

Official statistics: existing data sources

Register: ZEMIS run by migration authorities (SEM)  Reason = legal ground for right to stay delivered by SEM  Universe = all foreign nationals immigrating to Switzerland

Survey: SLFS carried out by FSO (comparability EUROSTAT)  Reason = answer to «main reason for last immigration to CH?»  Universe = foreign born (filter) participants of SLFS Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 8

Official statistics: differences in results

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 9

Source: Zemis (SEM), SLFS (FSO), 2021

0 5 10 15 20 25 30 35 40 45 50

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

Zemis

SLFS

W or

k Fa

m ily

Ed uc

at io

n As

yl um

Aims and questions

1. Making best use of administrative and survey data  Which data sources are adequate for what purpose? 2. Improving the interpretation of the available data on immigration reasons  How do immigration reasons differ along the used data source? Which independent variables may explain the observed discrepancies?

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 10

Methods: linking data

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 11

SLFS participants 2014, 2017, 2021 with immigration reason = 41,079

STATPOPmove (derived from ZEMIS) 2011-2021 with immigration reason = 2,584,861

Matches = 9,220 = 22% of all SLFS participants

1.2 Results

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 14

Overall correspondance / divergence

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 16

68%

32% Correspondance rate Divergence rate

Correspondence and divergence of reasons according to source, absolute numbers

STATPOPmove

Total Work Family Education Asylum Other

SLFS

Total 9220 4772 3256 452 61 679 Work 4034 3320 473 53 3 185

Family 3700 834 2475 56 13 322 Education 562 155 56 329 0 22

Asylum 61 2 13 0 40 6 Other 863 461 239 14 5 144

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 17

Source: matched dataset

Relative correspondence of reasons according to source, in % of the total number of cases mentioning the reason

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 18

26

17

18

26

38

61

55

48

49

10

13

27

34

26

51

0 10 20 30 40 50 60 70 80 90 100

Work

Family

Education

Asylum

Other

STATPOPmove Both sources SLFS Source: matched dataset

Correspondence rates according to sociodemographic profile, in %

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 19

0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00

Total Men

Woman 15-24 25-44 45-64 65-84

Married Single

Divorced Asia+Oceania

Africa Other Europe

North America South+central America

EU-EFTA

Se xe

Ag e

M ar

ita l

st at

us N

at io

na lit

y

Source: matched dataset

Logistic regression

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 20

Source: matched dataset

Conclusions

Register and survey indicate different reasons in 1/3 of the cases (in the matched dataset, no representativity!) When reasons are multiple, indication is likely to diverge Register and survey seem to measure different concepts: - Register: “reasons for legal admission” - Survey: “(subjective) immigration reason” Practical conclusion: discussion on adequate labels? Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 21

2. Linking various register sources for longitudinal data on migration and stay

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 22

2.1 Aims & methods

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 23

Point of departure

Since systematic introduction of OASI (2010), linkages to build biographies are technically possible Longitudinal demograpic statistics (DVS) based on STATPOP (stocks and flows)  5 registers are linked in DVS

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 24

Aim

Offer a time-harmonized longitudinal population dataset for cohort analysis save ressources by preventing demands Assure quality by unique and transparent production rules Enrich official demographic statistics (new longitudinal indicators, especially on return migration, circular migration, duration of stay)

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 25

Main characteristics

Cummulative: ca. 11,000,000 records since 31.12.2010 Modular architecture: births/deaths, immigration/emigration Time-coherence: complete revision each year to assure correct order of events (ex: no event befor birth, no successive immigrations) Completeness: taking into account of the permanent and non- permanent resident population

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 26

Production

Basis: STATPOP stocks & flows, quaterly and annual data  data processing (updating communes and OASI numbers)  imputation of missing movements (flag)  iterative elimination of time-inconsistencies (ordering data) Result: consolidated longitudinal dataset

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 27

Variables and movements available

Variables: - Date of birth - Sexe - Place of birth - Nationality - Residence permit

Movements: - Presence on 31.12.2010 - Birth / death - Immigration / emigration - Naturalization - Change residence permit

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 28

Johanna Probst, BFS, Sektion Demografie und Migration – Demografische Analysen 29

referenceDate statDate STATYEAR pseudoVN dateOfBirth age sex stateOfBirth municipalityCHcomesFrCHarrivalDate nationalitySresidentPermit

31.12.2021 31.12.2014 2014 gIbrzjudPrT86af 28.05.1984 30 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2015 2015 gIbrzjudPrT86af 28.05.1984 31 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2016 2016 gIbrzjudPrT86af 28.05.1984 32 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2017 2017 gIbrzjudPrT86afG 28.05.1984 33 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2018 2018 gIbrzjudPrT86af 28.05.1984 34 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2019 2019 gIbrzjudPrT86af 28.05.1984 35 2 8207 -3 8212 01.05.2014 8207 2 31.12.2021 31.12.2020 2020 gIbrzjudPrT86af 28.05.1984 36 2 8207 -3 8212 01.05.2014 8207 3 31.12.2021 31.12.2021 2021 gIbrzjudPrT86af 28.05.1984 37 2 8207 -3 8212 01.05.2014 8207 3

31.12.2021 31.12.2016 2016 JUH3p0XsfX5W 17.07.2016 0 2 8100 6458 -8 31.12.9997 8212 2 31.12.2021 31.12.2017 2017 JUH3p0XsfX5W 17.07.2016 1 2 8100 6458 -8 31.12.9997 8212 2 31.12.2021 31.12.2018 2018 JUH3p0XsfX5W 17.07.2016 2 2 8100 6458 -8 31.12.9997 8212 3 31.12.2021 31.12.2019 2019 JUH3p0XsfX5W 17.07.2016 3 2 8100 6458 -8 31.12.9997 8212 3 31.12.2021 31.12.2020 2020 JUH3p0XsfX5W 17.07.2016 4 2 8100 6458 -8 31.12.9997 8212 3 31.12.2021 31.12.2021 2021 JUH3p0XsfX5W 17.07.2016 5 2 8100 6458 -8 31.12.9997 8212 3

31.12.2021 31.12.2014 2014 BIT+1npd/UXi7Q 14.10.2013 1 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2015 2015 BIT+1npd/UXi7Q 14.10.2013 2 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2016 2016 BIT+1npd/UXi7Q 14.10.2013 3 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2017 2017 BIT+1npd/UXi7Q 14.10.2013 4 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2018 2018 BIT+1npd/UXi7Q 14.10.2013 5 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2019 2019 BIT+1npd/UXi7Q 14.10.2013 6 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2020 2020 BIT+1npd/UXi7Q 14.10.2013 7 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2021 2021 BIT+1npd/UXi7Q 14.10.2013 8 1 8212 -3 8212 02.05.2014 8212 3

31.12.2021 31.12.2014 2014 o2tJgDKQkWG+ 14.10.2013 1 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2015 2015 o2tJgDKQkWG+ 14.10.2013 2 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2016 2016 o2tJgDKQkWG+ 14.10.2013 3 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2017 2017 o2tJgDKQkWG+ 14.10.2013 4 1 8212 -3 8212 02.05.2014 8212 2 31.12.2021 31.12.2018 2018 o2tJgDKQkWG+ 14.10.2013 5 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2019 2019 o2tJgDKQkWG+ 14.10.2013 6 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2020 2020 o2tJgDKQkWG+ 14.10.2013 7 1 8212 -3 8212 02.05.2014 8212 3 31.12.2021 31.12.2021 2021 o2tJgDKQkWG+ 14.10.2013 8 1 8212 -3 8212 02.05.2014 8212 3

• Linking administarative data for better migration statistics: two examples from Switzerland
• Introduction
• Overview
• 1. Linking survey and register data to explore migration reasons�
• 1.1 Aims & methods
• Context and state of the art
• Official statistics: existing data sources
• Official statistics: differences in results
• Aims and questions
• Methods: linking data
• 1.2 Results
• Overall correspondance / divergence
• Correspondence and divergence of reasons according to source, absolute numbers
• Relative correspondence of reasons according to source, in % of the total number of cases mentioning the reason
• Correspondence rates according to sociodemographic profile, in %
• Logistic regression
• Conclusions
• 2. Linking various register sources for longitudinal data on migration and stay
• 2.1 Aims & methods
• Point of departure
• Aim
• Main characteristics
• Production
• Variables and movements available
• Slide Number 29
• 2.2 Results
• Frequency of migration
• Leaving CH after immigration
• Returning to CH after emigration
• Changes in situation
• Conclusions: new insights with same data
• Thank you very much for your attention!

POPULATION STATISTICS AND SURVEYS ON REFUGEES FROM UKRAINE:

LESSONS LEARNT FROM UNHCR’s WORK AND OPPORTUNITIES FOR STATISTICAL COLLABORATION

Ivan Cardona

Statistics Officer - Data, Identity Management and Analysis Unit (DIMA)

UNHCR Regional Bureau for Europe

Meeting of the UNECE Group of Experts on Migration Statistics - Geneva, 27 October 2022

CONTENT

1. Who we are

2. Context

3. Population statistics for Ukraine Refugee Situation

• Measuring flows and stocks of refugees from Ukraine

• Challenges and lessons learnt

4. Household surveys with refugees from Ukraine

• Measuring and monitoring refugees’ intentions

• Challenges and lessons learnt

5. Opportunities for improved collaboration on displacement statistics in Europe

• In 2019, UNHCR launched a Data Transformation Strategy 2020 – 2025, elevating data as a corporate priority and strategic asset​.

• In addition to creating UNHCR’s Global Data Service (GDS), the strategy established the Data, Identity Management and Analysis Unit (DIMA) as Regional Data Hub at Bureau level, centralizing in one team data functions of UNHCR.

• DIMAs operates at regional level, providing information / identity management and statistical support to all Bureau units as well as to all country operations in Europe, while oversighting and ensuring respect of global UNHCR data standards and norms.

1) WHO WE ARE

“Our vision is that by 2025, UNHCR is a trusted leader on data and information related to refugees and other affected populations, thereby enabling actions that protect, include and empower”*

* UNHCR Data Transformation Strategy 2020-2025 (click here)

DIMA Coordinator

Registration & Identity

Management

Information & Operational Data

Management Statistics & Data

Analysis

Regional Bureau for Europe – DIMA Unit Structure

• The international armed conflict in Ukraine has created one of largest and fastest growing forced displacements crisis in the world.

• So far, more than 14 million people have been displaced from their home (nearly one-third of the estimated total population), seeking protection within Ukraine or in neighboring countries.

• As of early October, over 6.2 million people remain displaced by the war within Ukraine and over 7.7 million refugees from Ukraine are recorded across Europe, including 4.3 million registered for temporary protection or similar national protection schemes.

• From the onset, UNHCR has been working together with national authorities to provide timely and reliable information on the magnitude, profile, needs and intentions of refugees. This information has been crucial to inform the inter- agency humanitarian response in support of host Governments.

• Given the magnitude and continuous flow of population movements, data collection and analysis around the magnitude and situation of refugees has faced important challenges, leading to the need to adapt approaches, explore new sources and use innovative methodologies as the situation evolves.

2) CONTEXT

Measuring refugees’ flows

• What: number of cross-border movements of Ukrainian and third-country nationals registered from / to Ukraine to / from all neighboring counties

• Source: data provided by national authorities (border police, migration and asylum authorities, line ministries, etc.) and compiled by UNHCR country offices & Regional Bureau for Europe

• When: from the onset of the emergency (24-Feb) and updated on a daily basis (as per availability)

3) POPULATION STATISTICS

Measuring refugees’ stock

• What: estimated number of individual refugees who have fled Ukraine since 24-Feb and are currently present in European countries. If official estimate is not available, total registrations for Temporary Protection or similar national protection schemes is used.

• Source: data provided by national authorities and compiled by UNHCR country offices & Regional Bureau for Europe

• When: since flows started to stabilized (5-Jun) and updated on a weekly basis (as per availability)

Dissemination of data in a timely manner

Challenges & areas to improve

Gaps in terms of disaggregated statistics (e.g. gender, age) due to different or incomplete reporting criteria

Flow data based on cross-border movements, which doesn’t equal individuals, with potential for double-counting

Difficulty to track flows of secondary movements within Schengen area

Ongoing displacement coupled with pendular movements creates a challenge to assess magnitude and sustainability of returns

Different sources and methods for stock estimation among countries (e.g. estimation based on net balance between arrivals / departures vs. estimation based on registration for different legal status)

Refugees from Ukraine applied to different legal status, for which data are not consistently provided in order to allow estimation of stock

Good practices & lessons learnt

 Collective efforts between Governments and UNHCR to capture and share data on border crossings from the very onset of the emergency

 Timely consolidation and dissemination so data could turn into actions and inform response plans and urgent interventions

 Adaptation capacity to re-focus from flows to stock when the context and information needs changed

 Harmonized approach in the EU region (Temporary Protection directive) facilitated stock estimation

 Detailed documentation to explain scope and limitations of the different estimates

 Set-up of statistical quality assurance processes from the beginning, including triangulation of information and sources (e.g. social media data)

Measuring and monitoring refugees’ intentions

• Purpose: provide timely and accurate information on perceptions and intentions of refugees from Ukraine across Europe, and the main enabling factors in the countries of asylum and country of origin influencing their decisions.

• Methods:

 CATI: representative sample based on UNHCR’s enrolment database for cash assistance in countries neighboring Ukraine

 CAWI: using IPSOS SA’s online panels of Ukrainians that left the country since 24-Feb and are currently residing across Europe

 CAPI: for specific host countries, through random selection of respondents in different locations (collective sites, assistance points, etc.)

 FGDs: to complement quantitative results and ensure the centrality of refugees’ voices in discussions about their future

• Thematic focus: demographics, situation in place of origin, socio- economic situation in host country, intentions

• Frequency: regular rounds; first done in mid-May to mid-Jun and second done in mid-Aug to mid-Sep

4) HOUSEHOLD SURVEYS

Some of the main results from the second round of intentions surveys

87% of household members are women and children. 70% of respondents have completed university or higher studies, and 63% were employed or self-employed in Ukraine.

+4,800 household surveyed. 89% of respondents were females, and 74% left Ukraine in the first 2 months of the crisis.

79% of respondents have registered for temporary protection or refugee status. 41% were staying in hosted accommodation.

While 81% refugees surveyed hope to return to Ukraine one day, for the time being, the majority plan to continue to stay in their current host country.

Only 28% of respondents were currently employed / self-employed. 47% reported social protection benefits / cash assistance as one of the main income sources.

Challenges & areas to improve

Lack of complete sampling frame for all target population limits the coverage / representativeness of any survey

Trade-off between length of survey needed to provide in-depth analyses and feasible length when conducting phone or online surveys

Socio-economic modules needs to be adapted to changes in context and needs as displacement prolongs over time; options to align to statistical standards within the region (i.e. EU-SILC, EU-LFS)

Similar information needs of international organizations and national governments, with opportunities to look for synergies and collaboration, and avoid survey fatigue among refugee population

Good practices & lessons learnt

 Mixed modes of data collection allowed to expand coverage and improved representativeness. Overall distribution by age and gender of surveyed individuals matches the one reflected in administrative data available for some countries.

 High degree of digital connectivity and response rates among refugees facilitates remote data collection methods

 Qualitative data has been key to support interpretation of results and identify specific challenges and solutions raised by refugees themselves

 Alignment of questionnaires to those used in similar exercises in other refugee situations (i.e. Syria situation) considerably improved quality (tested questions) and comparability

 Non-response rate adjustments and population-based weights are essential to avoid biasing aggregate results given large differences in refugees’ distribution among Europe

5) OPPORTUNITIES FOR STATISTICAL COLLABORATION • The forced displacement crisis in and from Ukraine has drawn global and regional attention and response, largely

supported by a considerable availability of data generated from the very onset and initial months of the crisis.

• UNHCR’s regional and country offices have expanded their data capacities and activities and strengthened collaboration with national Governments for joint data collection an analysis, such as:

 Collaboration with national authorities in Spain and Estonia for intention surveys

 Joint analysis of data from local authorities in Romania

 Joint site assessments exercise with Slovakia’s government

 Exchanges of data with Slovakia’s NSO and ongoing discussions for joint activities

• There is a great opportunity to build upon this growing interest around refugee statistics to expand collaboration opportunities, including all different groups of refugees, internally displaced and stateless persons in the region

 Joint profiling exercise of refugees in Abruzzo region along with Italy’s national authorities

 Technical collaboration with ISTAT for a planned socio- economic survey in Italy

 Joint work with UNDP, WB and government for a planned socio-economic assessment in Moldova

 DIMA participation in EGRISS’ sub-group on promotion and dissemination of international recommendations and commitment to co-led different activities in Europe

Collaboration approach among UNHCR’s DIMA, regional and national statistical / data stakeholders

Objective: work together with regional and national statistical counterparts to produce trusted, reliable and useful statistics and information on refugees and asylum-seekers (and other forcibly displaced populations)

Joint data collection and analysis, and ensure data is shared openly and on a

timely manner

Promote responsible approaches on data collection, sharing and use,

including data protection

Inclusion in national statistical systems following international

recommendations and standards

• Joint socio-economic surveys / assessments (efficiency in resources and expertise)

• Joint data analysis integrating different sources (admin data with humanitarian surveys)

• Seek synergies with the Joint Data Centre on Forced Displacement (JDC)

• Principles of official statistics and “do no harm” for the collection, production and dissemination of official statistics on refugees and other forcibly displaced populations

• Promote and build capacity to monitor compliance with regional and country-specific data protection policies and standards

• Promote open sharing of microdata

• Support exchange of good practices around refugee inclusion in data systems

• Regional cooperation to harmonize definitions and reporting needs for administrative data

• Advocacy for inclusion of refugees in national census (20230 round recommendations?)

THANK YOU FOR YOUR ATTENTION!

Relevant links

• Operational Data Portal for Ukraine Situation: https://data.unhcr.org/en/situations/ukraine

• Operational Data Portal for South Eastern Europe: https://data.unhcr.org/en/situations/southeasterneurope

• Operational Data Portal for Mediterranean Situation: https://data.unhcr.org/en/situations/mediterranean

• Regional Intentions Report #1: https://data.unhcr.org/en/documents/details/94176

• Regional Intentions Report#2: https://data.unhcr.org/en/documents/details/95767

Get in contact

• Giorgia Tornieri ([email protected]) – DIMA Senior Coordinator

• Ivan Cardona ([email protected]) – Statistics and Data Analysis Officer

СТАТИСТИКА НАСЕЛЕНИЯ И ОПРОС БЕЖЕНЦЕВ ИЗ УКРАИНЫ:

УРОКИ, ИЗВЛЕЧЕННЫЕ ИЗ РАБОТЫ УВКБ ООН, И ВОЗМОЖНОСТИ ДЛЯ СОТРУДНИЧЕСТВА В ОБЛАСТИ СТАТИСТИКИ

Иван Кардона

Сотрудник по статистике – Подразделение по данным, управлению идентификацией и анализу (DIMA)

Региональное бюро УВКБ ООН в Европе

Группы экспертов ЕЭК ООН по вопросам миграционной статистики - Женева,

27 октября 2022 года

СОДЕРЖАНИЕ

1. Кто мы

2. Контекст

3. Статистика населения по ситуации с беженцами из Украины

• Измерение потоков и численности беженцев из Украины

• Вызовы и извлеченные уроки

4. Обследования домохозяйств с беженцами из Украины

• Измерение и мониторинг намерений беженцев

• Вызовы и извлеченные уроки

5. Возможности для улучшения сотрудничества в области статистики по перемещениям в Европе

• В 2019 году УВКБ ООН запустило Стратегию преобразования данных на 2020–2025 годы, повысив статус данных как корпоративного приоритета и стратегического актива.

• В дополнение к созданию Глобальной службы данных (GDS) УВКБ ООН, в рамках стратегии было создано Подразделение по данным, управлению идентификацией и анализу (DIMA) в качестве Регионального центра данных на уровне Бюро, централизуя в одной команде функции данных УВКБ ООН.

• DIMA работает на региональном уровне, предоставляя информацию / управление идентификационными данными и статистическую поддержку всем подразделениям Бюро, а также операционным службам всех стран в Европе, одновременно осуществляя надзор и обеспечивая соблюдение глобальных стандартов и норм данных УВКБ ООН.

1) КТО МЫ

«Наше видение заключается в том, что к 2025 году УВКБ ООН станет надежным лидером в области данных и информации, касающихся беженцев и других затронутых групп населения, что позволит принимать меры по защите, охвату и расширению прав и возможностей»*

• Стратегия преобразования данных УВКБ ООН на 2020-2025 гг. (нажать здесь)

Координатор DIMA

Регистрация и управление

идентификацией

Управление информацией и оперативными

данными

Статистика и анализ данных

Региональное бюро в Европе – Структура подразделения DIMA

• Международный вооруженный конфликт в Украине привел к одному из крупнейших и быстрорастущих кризисов вынужденных перемещений в мире.

• На сегодняшний день более 14 миллионов человек были вынуждены покинуть свои дома (почти треть всего населения страны) в поисках защиты на территории Украины или в соседних странах.

• По состоянию на начало октября, более 6,2 миллиона человек остаются перемещенными лицами в результате военных действий на территории Украины, и более 7,7 миллиона беженцев из Украины зарегистрированы по всей Европе, включая 4,3 миллиона человек, зарегистрированных для получения временной защиты или в аналогичных национальных схемах защиты.

• С самого начала УВКБ ООН сотрудничало с национальными органами власти для предоставления своевременной и достоверной информации о масштабах, профиле, потребностях и намерениях беженцев. Эта информация имеет решающее значение для обоснования межведомственного гуманитарного реагирования в поддержку правительств принимающих стран.

• Учитывая масштабы и непрерывный поток перемещений населения, сбор и анализ данных о численности и положении беженцев сталкивается с серьезными проблемами, что приводит к необходимости адаптировать подходы, изучать новые источники и использовать инновационные методологии по мере развития ситуации.

2) КОНТЕКСТ

Измерение потоков беженцев • Что: количество трансграничных перемещений граждан Украины и

третьих стран, зарегистрированных из / в Украину в / из всех соседних стран

• Источник: данные, предоставленные национальными органами (пограничной полицией, органами по миграции и предоставлению убежищ, отраслевыми министерствами и т. д.) и собранные страновыми офисами УВКБ ООН и Региональным Бюро в Европе

• Когда: с момента возникновения чрезвычайной ситуации (24-февраля) и обновляется ежедневно (по мере доступности данных)

3) СТАТИСТИКА НАСЕЛЕНИЯ

Измерение численности беженцев

• Что: оценочное количество индивидуальных беженцев, покинувших Украину с 24 февраля и находящихся в настоящее время в европейских странах. Если официальная оценка отсутствует, используется общее число зарегистрированных лиц, получивших временную защиту или аналогичную национальную схему защиты.

• Источник: данные, предоставленные национальными органами власти и составленные страновыми офисами УВКБ ООН и Региональным Бюро в Европе

• Когда: с начала стабилизации потоков (5 июня) и обновляется на еженедельной основе (по мере доступности данных)

Своевременное распространение данных

Вызовы и области требующие улучшения

Пробелы с точки зрения дезагрегированных статистических данных (например, пол, возраст) из-за различных или неполных критериев отчетности

Данные о потоках на основе трансграничных перемещений, которые не равны отдельным лицам, как потенциальный двойной учет

Сложность отслеживания потоков вторичных перемещений в пределах Шенгенской зоны

Продолжающееся перемещение в сочетании с маятниковыми движениями создает проблему для оценки величины и устойчивости возвращения

Различные источники и методы оценки численности в разных странах (например, оценка на основе чистого баланса между прибытиями/отбытиями по сравнению с оценкой на основе регистрации с разным правовым статусом)

Беженцы из Украины обращались за другим правовым статусом, данные по которым не представлены последовательно, чтобы можно было оценить численность

Передовая практика и извлеченные уроки

 Коллективные усилия правительств и УВКБ ООН по сбору и обмену данными о пересечении границы с самого начала чрезвычайной ситуации

 Своевременная консолидация и распространение, чтобы данные могли превратиться в действия и послужить основой для планов реагирования и срочных вмешательств

 Способность к адаптации для переориентации с потоков на численность при изменении контекста и потребностей в информации

 Согласованный подход в регионе ЕС (директива о предоставлении временной защиты) облегчил оценку численности

 Подробная документация для объяснения масштабов и ограничений различных оценок

 Настройка процессов обеспечения качества статистики с самого начала, включая триангуляцию информации и источников (например, данные из социальных сетей)

Измерение и мониторинг намерений беженцев

• Цель: предоставлять своевременную и точную информацию о восприятии и намерениях беженцев из Украины по всей Европе, а также об основных благоприятных факторах в странах, предоставляющих убежища, и стране происхождения, влияющих на их решения.

• Методы:

 CATI: репрезентативная выборка на основе базы данных УВКБ ООН по зачислению денежной помощи в странах, соседствующих с Украиной

 CAWI: используя онлайн-панели IPSOS SA украинцев, которые покинули страну с 24 февраля и в настоящее время проживают в Европе

 CAPI: для конкретных принимающих стран путем случайного отбора респондентов в разных местах (места сбора, пункты помощи и т. д.)

 FGDs: дополнить количественные результаты и обеспечить центральное место голосам беженцев в дискуссиях об их будущем

• Тематическая направленность: демография, ситуация в месте происхождения, социально-экономическая ситуация в принимающей стране, намерения

• Частота: с регулярной периодичностью; первый опрос проводится с середины мая до середины июня, а второй - с середины августа до середины сентября

4) ОБСЛЕДОВАНИЯ ДОМОХОЗЯЙСТВ

Некоторые из основных результатов второго раунда обследования о намерениях

87% членов домохозяйства составляют женщины и дети. 70% респондентов закончили университет или имеют высшее образование, 63% работали или были самозанятыми в Украине.

Опрошено +4,800 домохозяйств. 89% респондентов были женщинами, а 74% покинули Украину в первые 2 месяца кризиса.

79% респондентов зарегистрировались для получения временной защиты или статуса беженца. 41% остановились в домах с владельцами.

В то время как 81% опрошенных беженцев надеются когда-нибудь вернуться в Украину, на данный момент большинство планируют продолжать оставаться в стране своего нынешнего пребывания.

Только 28% респондентов в настоящее время работают/ самозаняты. 47% сообщили о пособиях по социальной защите/денежной помощи как об одном из основных источников дохода.

Вызовы и области требующие улучшения

Отсутствие полной основы выборки для всего изучаемого населения ограничивает охват /репрезентативность любого опроса

Компромисс между продолжительностью опроса, необходимой для проведения углубленного анализа, и приемлемой продолжительностью при проведении телефонных или онлайн-опросов

Социально-экономические модули необходимо адаптировать к изменениям контекста и потребностей, поскольку перемещение со временем затягивается; варианты согласования со статистическими стандартами в регионе (например, EU-SILC, EU-LFS)

Аналогичные информационные потребности международных организаций и национальных правительств с возможностью поиска синергии и сотрудничества и предотвращения усталости от опросов среди беженцев

Передовая практика и извлеченные уроки

 Смешанные методы сбора данных позволили расширить охват и повысить репрезентативность. Общее распределение опрошенных по возрасту и полу соответствует тому, что отражено в административных данных, доступных для некоторых стран

 Высокая степень цифровой связи и доля ответивших среди беженцев облегчают дистанционные методы сбора данных

 Качественные данные сыграли ключевую роль в интерпретации результатов и выявлении конкретных проблем и решений, поднятых самими беженцами

 Приведение опросников в соответствие с теми, которые использовались в аналогичных задачах в других ситуациях с беженцами (например, в ситуации в Сирии), значительно улучшило качество (проверенные вопросы) и сопоставимость

 Корректировка доли неполучения ответов и весовые коэффициенты на основе численности населения необходимы для того, чтобы избежать смещения сводных результатов, учитывая большие различия в распределении беженцев в Европе

5) ВОЗМОЖНОСТИ СОТРУДНИЧЕСТВА В ОБЛАСТИ СТАТИСТИКИ • Кризис вынужденного переселения в Украине и за ее пределами привлек внимание и реакцию глобального и

регионального масштаба, в значительной степени подкрепленный значительным объемом данных, полученных с самого начала и в первые месяцы кризиса.

• Региональные отделения и отделения в странах УВКБ ООН расширили свои возможности и деятельность по сбору данных и укрепили сотрудничество с национальными правительствами для совместного сбора и анализа данных, таких как:

 Сотрудничество с национальными властями Испании и Эстонии в проведении опросов о намерениях

 Совместный анализ данных местных органов власти в Румынии

 Совместные учения по оценке объектов с правительством Словакии

 Обмен данными с НОС Словакии и продолжающиеся обсуждения совместных действий

• Существует прекрасная возможность использовать этот растущий интерес к статистике беженцев для расширения возможностей сотрудничества, включая все различные группы беженцев, внутренне перемещенных лиц и лиц без гражданства в регионе.

 Совместные учения по профилированию беженцев в регионе Абруццо совместно с национальными властями Италии

 Техническое сотрудничество с ISTAT для запланированного социально-экономического исследования в Италии

 Совместная работа с ПРООН, Всемирным банком и правительством по плановой социально-экономической оценке в Молдове

 Участие DIMA в подгруппе EGRISS по продвижению и распространению международных рекомендаций и приверженности совместному руководству различными мероприятиями в Европе

Подход к сотрудничеству между DIMA УВКБ ООН, региональными и национальными заинтересованными сторонами в области статистики/данных

Задача: работать вместе с региональными и национальными статистическими органами для получения достоверных, надежных и полезных статистических данных и информации о беженцах и лицах, ищущих убежища (и других насильственно перемещенных лицах)

Совместный сбор и анализ данных, а также обеспечение открытого и своевременного обмена данными

Продвигать ответственные подходы к сбору, совместному использованию

и использованию данных, включая защиту данных

Включение в национальные статистические системы в

соответствии с международными рекомендациями и стандартами

• Совместные социально-экономические исследования/оценки (эффективность ресурсов и опыта)

• Совместный анализ данных, объединяющий различные источники (административные данные с гуманитарными опросами)

• Стремление к синергии с Объединенным центром данных о вынужденном перемещении (JDC)

• Принципы официальной статистики и «не навреди» для сбора, производства и распространения официальной статистики о беженцах и других вынужденно перемещенных лицах

• Продвижение и наращивание потенциала для контроля за соблюдением региональных и национальных политик и стандартов защиты данных

• Продвижение открытого обмена микро данными

• Поддержка обмена передовым опытом по включению беженцев в системы данных

• Региональное сотрудничество для согласования определений и потребностей в отчетности для административных данных

• Адвокация включения беженцев в национальную перепись (рекомендации цикла 20230?)

БЛАГОДАРИМ ВАС ЗА ВНИМАНИЕ!

Актуальные ссылки

• Портал оперативных данных по ситуации на Украине: https://data.unhcr.org/en/situations/ukraine

• Портал оперативных данных для Юго-Восточной Европы: https://data.unhcr.org/en/situations/southeasterneurope

• Портал оперативных данных по ситуации на Средиземноморье: https://data.unhcr.org/en/situations/mediterranean

• Отчет о региональных намерениях #1: https://data.unhcr.org/en/documents/details/94176

• Отчет о региональных намерениях #2: https://data.unhcr.org/en/documents/details/95767

Свяжитесь с нами

• Джорджия Торньери ([email protected]) – Старший координатор DIMA

• Иван Кардона ([email protected]) – Сотрудник по статистике и анализу данных

Working paper 15 UNITED NATIONS ECONOMIC COMMISSION FOR EUROPE CONFERENCE OF EUROPEAN STATISTICIANS Group of Experts on Migration Statistics Geneva, Switzerland, 26−28 October 2022 Item C of the provisional agenda Use of new data sources for measuring migration statistics

USE OF NEW DATA SOURCES FOR MEASURING INTERNATIONAL MIGRATION

Prepared by the Task force on the use of new data sources for measuring international migration and cross-border mobility

This report presents the results of the work of the Task force on the use of new data sources for measuring international migration and cross-border mobility, that the Conference of European Statisticians (CES) Bureau set up in January 2020.

The report presents national experiences with big data and new data sources collected through two surveys among countries participating in CES. The report concludes that national statistical offices have limited experiences in the use of new data sources for migration statistics. However, the potential of new data sources to address emerging migration issues and urgent data needs is promising. Sharing and updating of relevant information and tools will facilitate the use of big data and new data sources for measuring migration and cross-border mobility.

The CES Bureau reviewed the draft report in February 2022 and asked the Secretariat to send it for electronic consultation to all CES members and other stakeholders. The Secretariat carried out an electronic consultation in March – April 2022. The results of the consultation were presented at the plenary session of the CES in June 2022. On that occasion the CES endorsed the report. This document is the final version of the report, which includes the amendments resulting from the consultation.

Use of new data sources for measuring international migration

Acknowledgements The report is prepared by the Conference of European Statisticians Task force on the use of new data sources for measuring international migration and cross-border mobility, which consists of the following members:

Cinzia Conti, Italy (Co-Chair of the Task force) Enrico Tucci, Italy (Co-Chair of the Task force) Tristan Cayn, Canada Julien Berard-Chagnon, Canada Shorena Tsiklauri, Georgia Edgar Vielma, Mexico Omar Muro, Mexico Kim Dunstan, New Zealand Pubudu Senanayake, New Zealand Neriman Can Ergan, Türkiye Şerife Dilek Yilmaz, Türkiye Alper Acar, Türkiye Rebecca Briggs, United Kingdom Megan Bowers, United Kingdom Jason Schachter, United States Angelica Menchaca, United States Giampaolo Lanzieri, Eurostat Jean-Christophe Dumont, OECD Cécile Thoreau, OECD Paolo Valente, UNECE Andres Vikat, UNECE Maria Isabel Cobos Hernandez, UNSD

The chapters of the report have been discussed and agreed by the entire Task force. Some members took primary responsibility for drafting certain sections, as follows:

Introduction, by Paolo Valente National experiences about big data and new data sources, by Cinzia Conti and Enrico Tucci Focus on the United States experience, by Jason Schachter and Angelica Menchaca Reasons for not using new data sources, by Paolo Valente Significant innovations on measuring international migration, by Pubudu Senanayake and Kim Dunstan A literature reference tool: DIMiS, by Giampaolo Lanzieri Conclusions, by Cinzia Conti and Enrico Tucci

UNECE is grateful to Kim Dunstan for editing the report.

Use of new data sources for measuring international migration

3

Contents Acknowledgements........................................................................................................... 2

1. Introduction ................................................................................................................. 5

1.1. Background .................................................................................................................... 5

1.2. Methodology and content of the report........................................................................ 6

2. National experiences with big data and new data sources ............................................. 8

2.1. Summary of experiences: first survey ............................................................................ 8

2.2. Summary of experiences: second survey ....................................................................... 9

2.3. Example: United States experience ............................................................................. 10

3. Reasons for not using new data sources ...................................................................... 17

3.1. Use of new data sources for producing statistics in other statistical fields ................. 17

3.2. Reasons for not using new data sources...................................................................... 18

4. Significant innovations on measuring international migration ..................................... 19

4.1. Data-related innovations in measuring international migration ................................. 19

4.2. Methodology-related innovations in measuring international migration ................... 22

5. A literature reference tool: DIMiS ............................................................................... 23

6. Conclusions and next steps ......................................................................................... 27

6.1. Limited use so far ......................................................................................................... 27

6.2. Potential benefits ......................................................................................................... 28

6.3. Next steps – maintaining the Database of Innovation in Migration Statistics ............. 28

Use of new data sources for measuring international migration

4

List of tables and figures

List of tables 1. Reasons for not using new data sources for international migration statistics . Error! Bookmark not defined. 2. Summary of use and exploration of administrative data for estimating international migration across respondent countries.................................................................... Error! Bookmark not defined. 3. Summary of use and exploration of survey data across respondent countries, by estimated stage of maturity in development and use of administrative data, based on the responses received ... Error! Bookmark not defined. 4. Articles in DIMiS by topic ..................................................................... Error! Bookmark not defined. 5. Articles in DIMiS by geography ............................................................ Error! Bookmark not defined. 6. Articles in DIMiS by data source .......................................................... Error! Bookmark not defined.

List of figures 1. Puerto Rico monthly net flight passenger movements with the United States, 2015 to 2018 .. Error! Bookmark not defined. 2. Puerto Rico net migration with the United States, 2010 to 2017 ....... Error! Bookmark not defined. 3. Adjusted Puerto Rico net migration with the United States, 2010 to 2017 ....... Error! Bookmark not defined. 4. Puerto Rico monthly net flight passenger movements with the United States, 2016, 2019 and 2020 ......................................................................................................... Error! Bookmark not defined.

Use of new data sources for measuring international migration

5

1. Introduction

1.1. Background 1. Migration and other forms of cross-border mobility are issues of high policy importance.

Demands for statistics in these areas have further increased in light of the 2030 Agenda for Sustainable Development and the Global Compact for Safe, Orderly and Regular Migration (2018). The statistical community continues to be challenged to capture international migration and cross-border mobility in a way that would meet the growing needs of users.

2. Measurement of migration and cross-border mobility relies on a variety of sources, such as population and housing censuses, household surveys and administrative records, with each of them having their own strengths and limitations. Integration of data from different sources is a way to enhance the richness of data and reduce coverage or accuracy problems. However, even this will often not capture all dimensions of migration and cross-border mobility.

3. New non-conventional data sources, such as data gathered from the use of mobile telephones, credit cards and social networks — generally known as big and social media data — could be useful for producing migration statistics when used in combination with conventional sources. The UNECE Guidance on data integration for measuring migration proposes further work on utilising the potential of big data, “to share the emerging practices internationally, to support countries’ first steps towards harnessing the potential of such data for producing migration statistics”.

4. Notwithstanding the challenges of accessibility, accuracy and privacy of these new sources, examples have emerged in recent years that highlight their potential. The 2018 UNECE-Eurostat Work Session on Migration Statistics illustrated the use of Facebook data for obtaining age profiles of ‘expats’ by origin and the use of geo-tagged tweets for estimating mobility. The 2019 UNECE-Eurostat Work Session on Migration Statistics featured an example from official statistics, from the United States Census Bureau, on the use of air passenger data for improving migration estimates. As more examples emerge, they need to be collected and analysed, to support national statistical offices (NSOs) in embarking on the use of new data sources, building on the results of the UNECE Big Data Projects for Official Statistics, and other initiatives that look at the relationship of official data providers with big data owners.

5. In October 2019, the Conference of European Statisticians (CES) Bureau reviewed in-depth the statistics on international migration and cross-border mobility, based on a paper by Mexico1 and a note by UNECE. The Bureau brought up the importance of gathering examples where NSOs are using the new data sources for producing official statistics in this area and pointed at the 2019 UNECE-Eurostat Work Session on Migration Statistics as a pertinent forum to discuss this further. It requested the Secretariat and the Steering Group on migration statistics to present to the next Bureau meeting a proposal for further work on the use of new data sources for measuring migration and cross-border mobility.

6. Participants of the 2019 UNECE-Eurostat Work Session on Migration Statistics recognised the need to work towards using new types of data sources, such as mobile devices, social media networks, satellite images and Internet platforms, and to review existing examples of use of new data sources for the benefit of producing official migration statistics. To meet this need and the

1 http://www.unece.org/fileadmin/DAM/stats/documents/ece/ces/bur/2019/October/02_In- depth_review_on_international_migration_Rev.1.pdf

Use of new data sources for measuring international migration

6

Bureau’s request, the CES Bureau in January 2019 established the Task force on the use of new data sources for measuring international migration and cross-border mobility to review existing experience and plans in NSOs for using new data sources for measuring migration and cross- border mobility, identify relevant examples from outside official statistics, compile the examples into a reference tool and develop a mechanism for updating it with new examples, and analyse the collected material to guide NSOs in the use of the new sources.

1.2. Methodology and content of the report 7. The Task force started its work identifying relevant scientific literature and the information

available among its members. To collect information on relevant experiences (in NSOs or outside) on the use of new data sources for measuring migration and cross-border mobility, the Task force carried out between November 2020 and February 2021 an online survey among NSOs in the UNECE region. For the purpose of the survey, new data sources were intended to include:

a. Big data, which include data sources such as Social Networks(Facebook, Twitter, Tumblr etc.), Blogs and comments, Personal documents, Pictures: Instagram, Flickr, Picasa etc., Videos: Youtube etc., Internet searches, Mobile data content: text messages, User- generated maps, E-Mail, Medical records, Commercial transactions, Banking/stock records, E-commerce, Credit cards, Home automation, Weather/pollution sensors, Scientific sensors, Security/surveillance videos/images, Mobile phone location, Cars, Satellite images, Logs, Web logs)

b. Other data sources such as air passenger information, which are different from conventional sources (sample surveys, censuses, administrative data)

8. Out of the 34 UNECE countries that participated in the survey, only 5 (15 percent) reported that they were aware of a process or a project (whether or not involving the NSO) that uses new data sources, such as big and social media data, for measuring migration and cross-border mobility.

9. The Task force analysed the results of the survey and decided to carry out a follow-up survey to collect from NSOs additional information on:

a. whether NSOs make use of new data sources for producing statistics in other statistical fields

b. the main reasons why NSOs do not make use of new data sources for migration statistics

c. whether NSOs are working on any significant innovations on measuring international migration, including new approaches using current sources, or exploring new data sources

10. The follow-up survey was carried out in March 2021, and 27 countries responded.

11. The results of the two surveys are presented respectively in the sections National experiences about big data and new data sources, Reasons for not using new data sources, and Significant innovations on measuring international migration.

12. In addition to the information provided by NSOs in the surveys, the Task force also collected a large amount of information on different types of research, discussion papers or scientific journals related directly or indirectly to the use of new data sources for measuring international migration and cross-border mobility. The Task force developed a concept for an online reference tool to present this material, with the possibility to update the tool with new examples that

Use of new data sources for measuring international migration

7

would become available in future, as it was requested by the CES Bureau. The synopsis developed by the Task force for the reference tool is presented in “A literature reference tool: DIMiS”.

Use of new data sources for measuring international migration

8

2. National experiences with big data and new data sources

13. Based on the two surveys conducted by the Task force, it is evident that NSOs rarely use big data currently to measure international migration. However, some agencies are using new data sources, and others are exploring the use of new data sources.

2.1. Summary of experiences: first survey 14. The one reported project using big data is in Georgia. The project aims to measure human

mobility, as part of the deliverables of the United Nations Committee of Experts on Big Data and Data Science for Official Statistics (UN-CEBD)2. The task is to estimate population mobility patterns such as internal migrants, international migrants and tourists. The NSO in Georgia (Geostat), the Georgian mobile phone regulator (GNCC) and other members of the task team (ITU, UNSD, Eurostat, Positium, and others) are working together to develop and test methods and methodology to estimate migration and tourism statistics in Georgia with use of mobile phone data. However, the project is yet to produce any official statistics and is currently on hold for technical reasons.

15. One example of using new data sources, rather than big data, is reported by the United States Census Bureau. This project is based on using passenger flight data to adjust net international migration between Puerto Rico and the United States, to include the impact of Hurricane Maria in 2017. The United States Census Bureau has made a concerted effort in recent years to integrate new data sources to improve its method to estimate net migration between the United States and Puerto Rico. These efforts have been motivated by a need to improve the timeliness of migration estimates which have typically relied on large household survey data collected by the Census Bureau. A survey-based methodology works well when migration patterns are consistent over time, but tends to perform less well when migration patterns quickly change, such as due to natural disasters (e.g., hurricanes, global pandemics). To provide more up-to-date and accurate estimates of migration, the Census Bureau has worked to integrate administrative data produced by other agencies with data collected from its surveys, while moving towards a solely administrative data-based method to measure net migration between Puerto Rico and the rest of the world.

16. The impetus for these initial efforts to combine survey and administrative data was a result of the impact Hurricane Maria had in 2017, which caused mass out-migration from Puerto Rico. These macro-data integration methods combined flight data published by the Bureau of Transportation Statistics (BTS) and survey-based estimates from the American Community Survey (ACS) and Puerto Rico Community Survey (PRCS) to better measure the effect of this natural disaster for 2018 estimates. Macro-data integration was again used to account for return migration to Puerto Rico after Hurricane Maria (2019 estimates), as well as adjust for new migration patterns resulting from the COVID-19 pandemic (2020 estimates). Starting in 2021, the Census Bureau is adopting a method which produces total net migration for Puerto Rico using flight data, but still relies on the ACS and PRCS to develop inflows and outflows by demographic characteristics. This new method is advantageous since it will improve the timeliness of data availability, reduce the need for adjustments, align better with the reference period (year ended

2 https://unstats.un.org/bigdata/blog/2019/mpd-task-team.cshtml

Use of new data sources for measuring international migration

9

30 June), and will expand the migration data to include international moves to and from Puerto Rico (for details see Focus on the United States experience).

17. Other projects were indicated as examples of the use of big data, but related to internal migration (e.g. Netherlands) or the results are not yet available (e.g. Latvia).

2.2. Summary of experiences: second survey 18. In the follow-up survey, four countries reported that they are exploring the possibility of using

new data sources for measuring international migration.

19. Just one project is based on what might properly be called ‘big data’. The United Kingdom Office of National Statistics is currently exploring aggregated and anonymised mobile phone data (or crowd movement data) from O2 Motion. These data look at mobile device connections to O2 masts to gain a picture of crowd movement trends around the UK. The data include geographic location (where mobile phones are connected to cell phone towers) at national and local authority granularities and have the potential to help understand patterns of international migration. The plan is to assess what the data say about mobility in and out of the United Kingdom, including aspects such as duration of stay, as part of the work looking for timelier indicators of migration. This project is at a very early stage and there is a wider program of work for international mobility within the United Kingdom's data science campus that is exploring more than this3. Air passenger information is also used as one of several sources for modelling migration.

20. Other countries are exploring new data sources but not necessarily big data.

21. New Zealand’s Stats NZ reported that administrative data (passport information from border- crossings) is used for official measures of international migration. Other data sources − such as mobile phone data − are being explored for studying geographic population distributions within New Zealand, including that of international visitors and residents (including recent migrants).

22. The Statistical Office of the Slovak Republic does not use big data for measuring migration statistics but are focusing on the innovative use of administrative data. The systematic use of administrative data sources for official migration statistics is described as the main challenge.

23. In the Republic of Moldova, starting in 2018, the National Bureau of Statistics processes large volumes of data on the crossing of the state border by individuals, collected from administrative sources held by the General Inspectorate of Border Police, to estimate international migration by applying the international definition of usual residence. When making the estimate, administrative data are used for 3 consecutive years, i.e. to calculate the status of emigrant or immigrant for a reference year (for example, for the year 2020 data are used for the previous year 2019 and the following year 2021). Final estimates of international migration for the years 2014 - 2019 are currently available. These results are used to estimate the usual resident population in the Republic of Moldova.

24. Statistics Lithuania reported that the application of mathematical methods to new data sources (and big data) could help overcome challenges related to international migration statistics. A concurrent development in Lithuania is the State Data Governance Information System, providing for a common data management platform across agencies and enabling data

3 Data insights from O2 Motion never allow identification or mapping of individuals and operate within strict privacy guidelines. Using Mobile Phone Data for Enhancing International Passenger Survey Traveller Statistics

Use of new data sources for measuring international migration

10

accessibility for state needs, efficient exchange between institutions, and data sharing with the business and science community. This system will increase the potential for using government information systems, registers, and other sources for international migration statistics.

25. The Italian National Institute of Statistics is also working on the integration of new data sources for migration statistics. In Italy the international migration statistics are based on the migrants’ notification to the population register of their arrival or departure. A specific research project aims to make use of the registrations and de-registrations ex-officio to estimate the missing part of these notifications, especially for emigration statistics, as it is well known that emigrants might not communicate their departure. In some cases the de-registration ex-officio is followed after a few months by a registration for reappearance of the same individual. The Italian longitudinal system (ANVIS), based on a micro-demographic accounting, allows identification of these offsetting administrative movements and removes them from the demographic balance. In contrast, it is likely that those who don’t reappear have left the country. In some cases (i.e., the time between the deregistration ex-officio and the registration for reappearance is more than one year) there is uncertainty whether the person has left the country and then returned or has always resided in the country during all of the period. To this aim the presence of these individuals is checked against another Integrated Archive of Usual Resident Population that includes and integrates many administrative sources (Labour and Education registers, Tax Returns register, Earnings, Retired, and Non-Pension Benefits registers, Permits to Stay archive). This archive, already used for the assessment of coverage of the census resident population, could be used also to indicate presence in Italy by using individual’s “signs of life”. That is, checking the hypothesis that the person has left the country by looking at his or her signs of life in the period.

2.3. Example: United States experience 26. This section focuses on the United States Census Bureau’s work to incorporate new data sources

to measure migration, particularly for estimates of Puerto Rico migration. These new data sources and methodologies have helped to overcome limitations with previous methods dependent on more traditional data sources. By integrating new and old data sources, timelier and more accurate estimates of migration have been produced. 2.3.1 Traditional survey sources

27. The United States Census Bureau produces annual estimates of the population as of 1 July each year. The American Community Survey and Puerto Rican Community Survey (ACS/PRCS) are annual household surveys of the United States population that ask detailed information. The ACS currently surveys about 3.5 million households per year, while the PRCS has a sample of 36,000 Puerto Rican addresses.

28. Estimates of migration flows from Puerto Rico to the United States were based on responses to the ACS residence one-year ago (ROYA) question, which asks where respondents lived one-year before the survey. Conversely, migration flows from the United States to Puerto Rico were derived from the PRCS ROYA question. ACS/PRCS data are collected on a continuous basis throughout the calendar year, though movement could have occurred at any time over a 2-year period, depending on when the respondent was included in the sample and when they actually moved.

2.3.2 Air passenger traffic data as an alternative source 29. In the United States, flight data are compiled from monthly reports filed by over 200 commercial

United States and foreign air carriers with the BTS, including both domestic and international

Use of new data sources for measuring international migration

11

flights. Data are reported for all flights (thus no sampling is involved) following federal reporting guidelines which went into effect in October 2002.

30. For Puerto Rico, air passenger traffic (APT) domestic data give monthly information on the number of passengers flying on planes between Puerto Rico and the mainland United States. It should be noted that APT data include information on all travellers without differentiation of passenger type, and thus include tourists and visitors who make up most passengers. Non- migrants are counted on both their in-bound and out-bound flights, while migrants are only counted in one direction – unless leaving temporarily, in which case they would be counted again upon their return.

31. A limitation of this method is that it can only provide a number for “net” migration, with no information on total inflows or outflows, as migrants cannot be distinguished from the total number of passengers entering or leaving Puerto Rico. Another limitation is that no demographic characteristics of migrants are included in the data. Additionally, this method is only applicable to a country or territory without any land borders, such as an island like Puerto Rico, as flights are the main method of arriving or leaving.

32. Monthly tallies of net airline passenger flow movement reflect seasonal variations related to tourism, with greater movement into and out of Puerto Rico in the summer and winter vacation months. Depending on the measurement period (e.g., a calendar year), this could lead to year- to-year fluctuations related to annual tourism trends. For example, a high number of tourists could be counted in December, while the return of these same tourists might happen in January of the following year. Over time, these fluctuations are thought to balance out.

2.3.3 Hurricane Maria 33. In September 2017, Category 5 Hurricane Maria made landfall on Puerto Rico, resulting in

extensive damage, loss of human life, and out-migration to the mainland United States. Natural disasters can impact population, namely through the movement of persons from affected areas, as well as through deaths resulting from cataclysmic events. As natural disasters increase in frequency and magnitude, so do the needs for population estimation to accurately measure their impact, often requiring different data sources or implementation of new methods.

2.3.4 Combining airline traffic data with household surveys 34. The United States Census Bureau initially used APT data, combined with the ACS and PRCS, to

measure the impact of Hurricane Maria on migration to/from Puerto Rico. Household sample surveys like the ACS are not designed to pick up sudden mass movements of people, since retrospective survey-based migration data tend to “lag” actual migration events. Surveys do not measure a migration event in real time, but rather measure the event when the migrant is included in the sample. This works well when migration patterns are stable, but when there are large fluctuations in the magnitude of movement, these will not be fully picked up until later (usually in the following survey year). The late timing of Hurricane Maria (late September) in the 2017 ACS survey data collection cycle and the corresponding short period of time to be included in the sample created potential response complications. As a result, it was necessary to look for an alternative data source to measure the impact of Hurricane Maria on migration out of Puerto Rico.

Use of new data sources for measuring international migration

12

2.3.5 Results 35. APT data showed a large net passenger outflow from Puerto Rico in the latter months of 2017

(September to December), followed by return flows in the early months of 2018 (Figure 1). This return movement to Puerto Rico from the United States dropped over the first quarter of 2018, returning to net outflow by April 2018. Before Hurricane Maria (20 September 2017), net movement between the United States and Puerto Rico followed relatively stable monthly patterns, with more passengers leaving than entering Puerto Rico, except for some summer or winter months (June and December, in particular). This corresponds with seasonal flight patterns, with more tourists coming during summer and winter months, as well as return visits by Puerto Ricans living in the United States during vacation periods.

Figure 1. Puerto Rico monthly net flight passenger movements with the United States, 2015 to 2018

Source: US Bureau of Transportation Statistics Form 41, T100 (International) Segment All Carriers. 36. The “blended” methodology used for the 2018 estimates assumed that APT data were a better

reflection of the true impact of Hurricane Maria on migration patterns than the ACS/PRCS, and that ACS and APT data followed similar historical patterns; thus, this relationship could be used to create a better estimate for the period. ACS and APT data tended to follow similar patterns before 2017, with APT data consistently showing more net out-movement from Puerto Rico than ACS net out-migration (Figure 2).

-100,000 -80,000 -60,000 -40,000 -20,000

0 20,000 40,000 60,000 80,000

2015 2016 2017 2018

Use of new data sources for measuring international migration

13

Figure 2. Puerto Rico net migration with the United States, 2010 to 2017

Sources: US Census Bureau, American Community Survey and Puerto Rico Community Survey; US Bureau of Transportation Statistics Form 41, T100 (International) Segment All Carriers.

37. Since previous estimates l had been based on the ACS/PRCS, efforts were made to make the two data sources as comparable as possible, compiling monthly flight data for the 2017 calendar year to coincide with the ACS/PRCS estimation period. Flight information was limited to domestic flights between the United States and Puerto Rico, excluding international flights. The method applied a simple ratio, using the ratio of ACS/PRCS-to-APT net migration results over the two years 2015 and 2016. The calculated ratio was applied to the APT Puerto Rico-United States net migration figure measured for calendar year 2017, to remain methodologically consistent with previous ACS/PRCS-based estimates.

Use of new data sources for measuring international migration

14

38. Since the Census Bureau’s 2018 population estimates represent the population on 1 July 2018, return migration to Puerto Rico in early 2018 was also considered. To account for January return migration, the 12-month APT period from February 2017 to January 2018 was used, before applying an adjustment ratio to make the period as ACS-equivalent as possible, while still considering post-Hurricane Maria return migration to Puerto Rico. Shifting the period one month helped account for return migration, yet also kept most months (11 of 12) within the ACS/PRCS- equivalent 2017 calendar year. This modification resulted in an APT-Puerto Rico-United States net migration figure of -215,166, which when adjusted by the APT-ACS ratio yielded a final figure of -123,399 net migration between Puerto Rico and the United States (Figure 3).

Figure 3. Adjusted Puerto Rico net migration with the United States, 2010 to 2017

Sources: US Census Bureau, American Community Survey and Puerto Rico Community Survey; US Bureau of Transportation Statistics Form 41, T100 (International) Segment All Carriers.

2.3.6 COVID-19 adjustment 39. The COVID-19 pandemic greatly impacted movement to and from the United States starting in

March 2020. While this had a dramatic impact on international migration flows, it also impacted movement to and from Puerto Rico, particularly towards the beginning of the pandemic. It was anticipated that the 2019 ACS/PRCS (which did not cover the pandemic period) would not be an adequate measure of 2020 Puerto Rico net migration patterns, so APT data were again used to make an adjustment. However, since the start of the pandemic only covered the last third of the estimates year (March-June 2020), the same blended method could not be used as it is based on a full calendar year of APT and ACS/PRCS data. As such, monthly flight data to/from Puerto Rico and the United States were used to make an adjustment to Puerto Rico net migration for the March-June 2020 period.

Use of new data sources for measuring international migration

15

40. Flight patterns to and from Puerto Rico typically follow consistent patterns (Figure 44). Typically, March through May are net passenger outflow months, while June, the start of the tourist season, is a passenger inflow month. The March 2020 APT data showed a large increase in net passengers to the mainland United States (out of Puerto Rico); April and May showed small positive net gains to Puerto Rico as the number of flights were drastically reduced; and June showed a large positive net gain to Puerto Rico as flights to and from the island increased.

Figure 4. Puerto Rico monthly net flight passenger movements with the United States, 2016, 2019 and 2020

Source: US Bureau of Transportation Statistics Form 41, T100 (International) Segment All Carriers.

41. To calculate the 2020 COVID adjustment factor, using APT data, the net passenger total was calculated for the months of March to June 2020. Next, a ratio was calculated using the historical average net passenger movement for March to June 2010-2019, excluding 2018 (Hurricane Maria), and the March to June 2020 net passenger total. The ACS/PRCS seasonal total was then reduced by multiplying one-third of the 2019 ACS/PRCS annual total by the net passenger movement ratio. For the final estimate, two-thirds of the 2019 ACS/PRCS estimates were applied to the ACS/PRCS reduced seasonal total. The overall impact of the COVID-19 adjustment was reduced net out-migration from Puerto Rico.

2.3.7 2021 APT-based method 42. Starting in 2021, the United States Census Bureau used APT data to directly measure net

migration to and from Puerto Rico and the rest of the world, although the ACS/PRCS will still be required to estimate inflows, outflows and the demographic characteristics of movers. Moving to a flight-based method to compute net migration will improve the accuracy and recency of net migration estimates for Puerto Rico and reduce the number of future adjustments needed to account for major events impacting migration.

43. There are several inherent limitations with the former methodology that are resolved with a flight-based methodology:

4 2017 and 2018 are excluded due to monthly anomalies created by Hurricane Maria.

Use of new data sources for measuring international migration

16

a. Given that survey data are not produced instantaneously, the timeframe from when the data are collected, processed, and produced is different from the timeframe that is being estimated. Thus, changes in the population are not apparent until the following estimate year.

b. The methodology only included movement from Puerto Rico to/from the United States with an inaccurate assumption of net zero migration to/from United States Island Areas and foreign countries. The PRCS can measure in-migrants to Puerto Rico from outside the United States but cannot measure out-migrants to abroad.

c. The period covered by the ACS/PRCS (January-December calendar year) does not align with the estimates year (July-June).

d. Since 2018, data overrides and projections have been necessary to maintain data accuracy and reliability, which will be less likely in the future.

44. Annual net migration totals will be calculated using in/out passenger flow data for the estimate year (June-July) using APT data: in-bound total passengers to Puerto Rico are subtracted from out-bound total passengers from Puerto Rico to obtain the net migration estimate. This includes international passengers, unlike the “blended method” previously described.

45. Since flight data only give a net flow estimate, and do not include any specific in- or out- migration flows or demographic characteristics, this information will continue to be obtained from the ACS/PRCS. Sex will be tabulated using the one-year PRCS (ROYA) data for migration inflows, and then distributed to single years of age using within-sex proportions from PRCS (ROYA) five-year estimates. This process will be repeated for migration outflows using the ACS (ROYA) one-year estimates for sex and the ACS (ROYA) five-year estimates for age proportions within sex.

46. As previously noted, seasonal variations related to tourism, particularly during the summer and winter months, may lead to trends that require annual fluctuation adjustments. The fluctuation adjustments will be dependent on the measurement period to balance the seasonal inflow and outflow trends.

Use of new data sources for measuring international migration

17

3. Reasons for not using new data sources 47. Based on the results of the survey, only a small number of countries in the UNECE region

currently use or are considering using new data sources, such as big and social media data, for measuring migration and cross-border mobility. Out of 36 countries that responded to the survey, only 5 countries reported on current activities/projects that use new data sources, and 4 more countries are exploring this possibility. So, in total about one quarter of the countries use – or is considering the possible use of - new data sources for measuring migration and cross- border mobility.

48. Why are most countries not using new data sources for measuring migration and mobility? Do they use new data sources in other statistical fields? What factors can influence – positively or negatively – the use of new data sources for measuring migration and mobility?

3.1. Use of new data sources for producing statistics in other statistical fields

49. The countries that currently are not using new data sources for measuring migration and cross- border mobility were asked in the survey whether new data sources are used by the NSO for producing statistics in other statistical fields. Out of the 24 countries responding to this question, 8 countries (one third) reported using – or testing the use of – new data sources in other statistical fields, while the others replied “no” (9 countries) or “don’t know” (7 countries). Germany reported that new data sources are used for producing experimental statistics in other statistical fields (https://www.destatis.de/EN/Service/EXDAT/_node.html).

50. France and New Zealand reported the use of new data sources to produce statistics on internal migration. In New Zealand, mobile phone data are combined with administrative data on border-crossings to estimate the geographic distribution of international visitors within New Zealand. In addition, integrated administrative data from across a variety of government agencies is used to estimate internal migration. Integrated administrative data are also used to supplement and validate census information, validate official estimates of resident population, and estimate international migration by ethnicity.

51. Four countries reported the use of new data sources to produce statistics on internal mobility and commuting. In Portugal, Facebook's "Data for Good" Initiative is used to produce population mobility indicators at regional level. In Spain, experimental statistics were produced on commuting through mobile phone data. Switzerland reported a pilot project for collecting data on daily mobility via smartphones: in the framework of a survey, a sample of the participants install an app on their smartphone that collects data on their daily mobility – instead of reporting their moves in a questionnaire. In the United Kingdom, the Data science campus5 uses various new data sources, including exploring the use of Facebook data for movements within the country.

52. Six countries reported experiences on the use of new data sources in different areas of economic statistics. In the area of price statistics, Portugal uses web-based data, Lithuania data from supermarkets, and Slovakia both web-scraping and scanner data of retail chains. On tourism statistics, Slovakia uses data from websites of accommodation booking systems, and Spain did some research on the use of credit cards for the estimation of tourism expenditures. On international trade, Portugal reported studies on using internet searches from specific sites

5 https://datasciencecampus.ons.gov.uk/

Use of new data sources for measuring international migration

18

to validate statistics on international trade, including on volumes and prices of international trade in electric energy. Portugal also uses the E-invoice system (E-factura) from Tax and Customs Authority for statistics on regional economic activity, and internet searches for online job vacancies and enterprises sites, to produce labour market statistics. Finally, France uses new data sources for statistics on consumption, and the United Kingdom for timelier indicators of the economy.

3.2. Reasons for not using new data sources 53. The 24 countries that do not use new data sources for measuring migration and cross-border

mobility were asked in the survey what were the main reasons for that. The survey offered several possible reasons, in addition to allowing a write-in response, and respondents could select up to three reasons (Table 1).

Table 1. Reasons for not using new data sources for international migration statistics Reasons Countries

(out of 24) Individual privacy concerns, legal constraints and rules that limit the use of big data and new sources for statistical purposes

12

Already produce high quality statistics about migration through traditional data sources 11 Lack of specialised staff in managing big data 8 Big data are not suitable for official statistical use 6 Lack of agreement among agencies (e.g. NSO and line ministry) and potential providers 3 Lack of funds to access big data 1 Comments and/or other reasons 3

54. The reason mentioned by most countries was individual privacy concerns, legal constraints and rules that limit the use of big data and new sources for statistical purposes (12 countries). It would be interesting to have more detailed information on these concerns and issues, and whether they relate to specific data sources. Privacy concerns and legal restrictions may encompass different things (ethical vs. legal reasons). However, unfortunately very limited information was provided by the countries on this. Poland specified that the main obstacle are legal issues, since the use of data from mobile operators would become possible only after the amendment of relevant regulations.

55. Eleven countries replied that they already produce high quality statistics about migration through traditional data sources. Several of those countries specified that they use administrative data, and that they consider that new data sources would not give much added value. New Zealand specified that since 2019 (with estimates backdated to 2001) it uses administrative data on travellers crossing the border to estimate international migration with high accuracy and timeliness. New Zealand added that obtaining commercial/non-governmental data sources in a robust and continuous way is generally challenging and does not offer much value above what can be available through an integrated administrative data system.

56. Several countries cited the lack of specialised staff in managing big data (8 countries) and the consideration that big data are not suitable for official statistical use (6 countries). Some countries provided additional information on the reasons why they consider big data as not suitable for official statistical use. In Slovakia, population and migration statistics are collected by way of exhaustive statistical surveys on population changes (vital events and migration), and administrative data sources are used as supplementing data sources; departments of the Ministry of Interior of the Slovak Republic are reporting units for migration statistics. These data

Use of new data sources for measuring international migration

19

sources are a guarantee of the required quality of statistical data. Similarly, in Switzerland, data on international migration flows or the migrant population come mainly from administrative data or survey data that are already available at low cost and of good quality. These data are used for public management and policy-making in the field of migration, and there is no need for more extensive data on population movements. Moreover, Swiss official statistics are mainly focused on the population that is legally and permanently residing in the country. It therefore does not consider populations that are not represented in official registers, such as undocumented migrants or short-term migrants, for whom the use of new data might be more relevant. In Spain, INE worked with mobile phone operators to produce data on commuting (and also, to a lesser extent, on tourism) but no valuable information was produced for migration statistics, and no other suitable big data source was identified. The United Kingdom noted that more assurance is needed on what the new data sources can give for migration statistics. Before using these data in the production of statistics, the data’s ability and accuracy to report on migration flows, distinctly from other movements of people, should be verified. In general, with big data it can be difficult to identify migrants or migration within the vast amount of data. For example, with mobile phone data, it is difficult to disentangle movements across borders that are not just visits or short trips.

57. The lack of agreement among agencies (e.g. NSO and line ministry) and potential providers was selected as a reason by three countries. In Czechia, migration data are collected from different administrative sources, including the Ministry of the Interior (Foreign Police Service) which is one of the main providers. It was suggested that any initiative to use big data should come from that Ministry, as it would require their modification of the Foreigners' Information System.

58. The lack of funds to access big data does not seem to be a major obstacle, as it was cited by only one country.

4. Significant innovations on measuring international migration

59. As detailed in the previous sections of this report, most NSOs that participated in the survey (on the use of alternative data sources in migration statistics) indicated that big data were not currently being used.

60. However, 12 NSOs indicated that they were “working on significant innovations on measuring international migration”, including “new approaches using current sources and/or exploring new data sources”. This section summarises the findings from these responses, split into two themes:

• Changes in data sources from what was being previously used by the NSO.

• New or innovative methodology that NSOs are using on this data, or on their existing data.

4.1. Data-related innovations in measuring international migration

61. Most countries that are exploring data-related innovations were starting to use, extending the use of, or enhancing current estimates using administrative data (also referred to as admin data). Of the respondents mentioned above, eight indicated that they were engaging with administrative data in some way, with different levels of maturity and progress along this path.

Use of new data sources for measuring international migration

20

62. Three countries indicated that they were using surveying to estimate migration, obtain demographic breakdowns of migration, or for population estimation. In some cases, these were supplementing administrative data driven measures.

4.1.1 Summary of administrative data use 63. Countries are at different levels of maturity in their use of administrative data (Table 2). This

section uses country examples based on detailed responses to the survey to highlight different stages of development and the types of approaches that are being explored in the administrative data space.

Table 2. Summary of use and exploration of administrative data for estimating international migration across respondent countries

Maturity of administrative data use Country Details of use Exploration/early development France A project is underway to use and merge

administrative data for estimating migration. Portugal Exploring administrative data for annual resident

population estimates and achieve coherence between migration flows and migrant stocks.

Mature development/pre- production

Armenia Use of population register with border management data is planned for use in 2022 Census. After census, these sources may be used for migration measurement.

Hungary Improving migration statistics based on multiple administrative sources (mainly population and address register, foreign citizens register, social security register).

Slovakia 2021 Census based on integration of administrative data with additional migration data from statistical surveys.

United Kingdom Shifting from survey-based migration statistics to new measures based on administrative data.

United States Use of use complete flight data to estimate net migration for the Commonwealth of Puerto Rico, supplemented by demographic attributes from survey data.

In production New Zealand Administrative data are used as the main source for migration estimates, with statistical models used to give early provisional estimates.

Switzerland Has very mature and embedded usage of administrative data in the production of statistics. Currently developing the production of longitudinal data on international migration flows based on their already mature register data.

4.1.2 Selected examples on innovations with administrative data

Portugal 64. Statistics Portugal is studying and exploring the use of administrative data in the production of

official population statistics, based on a variety of sources including:

• national population civil register

Use of new data sources for measuring international migration

21

• foreign population register

• education attainment register

• tax register

• social security register

• employment and unemployment registers.

65. These records are being used to construct a resident population database, to be updated annually. In transitioning to the use of administrative data, coherence between migration flows and migrant stocks is a key concern. Comparing the resident population between reference dates can be used to measure migrant stocks, but this does not give the gross migration flows between the reference dates. Statistics Portugal is currently studying methods to overcome the challenges and limitations of the administrative data sources to measure migration flows.

Armenia 66. Armenia is planning to use a Population Register in combination with data from their Border

Management Information System, for the 2022 Population Census. For the first time, these administrative data will be combined with a large sample survey (involving 25% of the addresses in the population register). This census approach has the potential to give new measures of migration and mobility. The systems for the combining of administrative data and the survey are in their final stage of development.

United Kingdom 67. The Office for National Statistics (ONS) is moving towards an administrative data-based measure

of migration, replacing the measures based on the International Passenger Survey (IPS), which had long-recognised limitations. This has been further accelerated by the emergence of the COVID-19 pandemic, which caused the IPS to be suspended by the ONS in 2020, although it has now resumed, focusing on international travellers. The ONS is using a variety of administrative sources, mainly integrated through their Registration and Population Interaction Database (RAPID)6 developed by the Department for Work and Pensions (DWP). This gives a single coherent view of interactions across the systems in DWP, HM Revenue and Customs (HMRC) and local authorities via Housing Benefits. These interactions include income support benefits, employment, self-employment, pensions and in-work benefit.

68. Adjustments are made to account for the variety of migrant types that have differing levels of representation across the administrative system. To overcome the lags associated with classifying migration based on this data, the ONS also undertakes modelling to estimate migration flows, discussed in the earlier section National experiences about big data and new data sources.

4.1.3 Summary of survey data use 69. Table 3 summarises how survey data are used or explored by the countries who responded.

6 RAPID contains a record of everyone who has a National Insurance number. For more detail, see International migration: developing our approach for producing admin-based migration estimates: Measuring international migration with administrative data.

Use of new data sources for measuring international migration

22

Table 3. Summary of use and exploration of survey data across respondent countries, by estimated stage of maturity in development and use of administrative data, based on the responses received

Maturity of survey data use Country Details of use Mature development/pre- production

Armenia A 25% sample survey will be used to supplement the administrative data based on 2022 Census. (See earlier section Armenia)

Czechia Migration data about from Labour Force Survey, including date of migration and place of birth of parents.

United States Survey provides age-sex attributes of migrant flows for the Commonwealth of Puerto Rico.

4.2. Methodology-related innovations in measuring international migration

70. Some countries also indicated details about methodological developments, independent of data driven innovations, that they were undertaking. Elaboration was given by New Zealand and the United Kingdom, and they will be used as brief examples of different methodological innovations that are taking place.

4.2.1 Selected examples of methodological innovation

New Zealand 71. New Zealand collects arrival and departure information, based on travellers’ passports and

flights for all passengers. Using these data, it has developed an outcomes-based measure of migration, which classifies immigrants and emigrants based on the amount of time a traveller spends in or out of the country7. In general this requires observations of a travellers’ border- crossings for up to 16 months, which necessarily introduces a delay in producing timely finalised estimates of migration. Therefore, Statistics New Zealand uses a predictive machine learning model to give provisional estimates of migration, based on predictively classifying border- crossings.

72. The model learns about the features of border crossings that make them more or less likely to be migrant crossings, by looking at millions of historical records. The model looks at “features” in the historical border-crossing data, such as the direction of crossing, and date of the crossing, the amount of time in/out of country, the amount of time that has passed since the border crossing. It also learns about attributes from the passport data, such as the age, sex, and citizenship of travellers, and the broad type of visa they hold. Each of the records also has information on whether a particular crossing was a migrant crossing or not (the outcome). This allows the model to establish links between different combinations of the features above, and the likelihood that a crossing is a migrant crossing. The model uses a technique called gradient boosting to do the learning. This is implemented using a well-established algorithm called “XGBoost”.

73. This process creates an ensemble of predictors that can be applied to border crossings where the outcome is unknown, based on the features in unknown border crossings. Using the established probabilities, the number of migrant crossings for a particular reference period,

7 Details of the specific classification rules are available at Migration Data Transformation: The 12/16-month rule.

Use of new data sources for measuring international migration

23

aggregated by different attributes, including age, sex, and country of previous residence are estimated.

United Kingdom 74. As briefly discussed above, the Office for National Statistics (ONS) is moving to administrative

data for its measurement of migration. Migration is estimated based on indicators of activity within the data. In general, arrivals with 12 months of activity are classified as migrants, although some exceptions and adjustments are required (details are available in footnote 6 above). In addition to the adjustments for coverage and other factors, the ONS is also developing modelling methodology to increase the timeliness of migration estimates, given that, by the current standard definition, a minimum of 12 months must pass for classifications to be available through observing activity in the administrative data for 12 months8. Although the ONS are exploring the use of a broader set of definitions to sit alongside the UN metric. These will aim to provide real-time measures of the population and address increasing user demand for these measures that has intensified during the pandemic.

75. The United Kingdom is exploring the use of state-space models to complement the administrative data driven approach, which may be able to give provisional predicted migration. These models have so far been used to estimate migration up to December 20209. The intention, as presented in literature published by the ONS, is to explore the use of such models to improve the timeliness of the administrative data driven migration estimates discussed previously10.

5. A literature reference tool: DIMiS 76. There are several papers on migration using innovative data sources, published in the scientific

journals or as working papers, of potential interest for official statisticians11. In order to bridge the gap between research and practice, the Task force selected some of those papers and, with the support of the UNECE Secretariat, developed a database containing references of published works in migration-related matters using innovative methods and/or new data sources. This Database on Innovations in Migration Statistics12 (DIMiS) is meant to raise the awareness about the scientific progress in this domain and to make it easier the access to relevant information for official statisticians and general practitioners interested to the subject. DIMiS aims to cover studies using ‘non-traditional’ data sources as well as innovative methods applied to ‘traditional’ data sources, relevant to producing statistics on migration (in its broader meaning).

77. For this initial version of the database, about one hundred papers have been identified, covering topics such as international migration, internal migration, human mobility, population displacement, and population distribution. Of those papers, only those applying to the migration stocks and flows (either international or internal) have been included in this first list. Depending

8 Details on the timeliness of the methods and latest developments are available at International migration statistical design progress report

9 Main findings from the latest modelling estimates are presented in Long-term international migration, provisional: year ending December 2020

10 Discussion of the implications and limitations of the modelling, and future use, is presented in Using statistical modelling to estimate UK international migration: Discussion.

11 A review of selected scientific works is done in the European Commission Joint Research Centre (JRC) Science for Policy Report on “Data Innovation in Demography, Migration and Human Mobility – Data gaps, opportunities, and challenges of non-traditional data” by Iacus, S.M., C. Bosco, S. Grubanov-Boskovic, U. Minora, F. Sermi and S. Spyratos (forthcoming).

12 https://statswiki.unece.org/display/DIMiS

Use of new data sources for measuring international migration

24

upon the interest of the users, the range of topics can be enlarged or further disaggregated (e.g. distinguishing between flows and stocks, or specific for asylum seekers and refugees, integration of migrants, etc) in future versions of DIMiS.

78. DIMiS is structured according to a set of key variables that can be used as filter(s):

1. Author(s): names of the author(s). The first author’s name is presented with the surname first, followed by the initial(s) of the first and middle names. For all the other authors, first the initial of the forename and then the full surname is listed. The list of authors is reported entirely and thus not abbreviated with “et al.” It is therefore possible either to search for a specific surname, or to sort the articles by first author’s name.

2. Year: year of publication. When the online publication year is different from the printed publication year, it is preferred the most recent year, as this may correspond to a version including corrigendum. For non-peer-reviewed articles, for instance such as those in SocArXiv (the open archive of the social sciences), it is taken the year of first uploading/dissemination, as the paper may undergo several revisions over time, also after its inclusion in DIMiS.

3. Title: title of the article. No uniform style as for the use of capital letters, which mimics the one adopted in the articles.

4. Journal: scientific journal/book/research project/website repository that contains the paper. No uniform style applied.

5. Abstract: the published summary of the purpose, method, and outcome of the article – when available.

6. Topic(s): the main migration-related aspect discussed in the article/paper. The following categories have been considered for this initial version of the database:

a) international migration;

b) internal migration13;

c) human mobility;

d) population displacement;

e) population mapping/distribution;

f) other.

Only the papers whose topic covers the first two categories above are included for now in DIMiS, even though they may cover other topics as well. Multiple topics covered in a single paper are listed sequentially in the field, in accordance with the list above. Therefore, it will not be possible to find papers that are exclusively in any category(-ies) other than a) or b), but it is possible to find papers covering also categories c) and/or further.

7. Geography: the country(-ies) covered by the study, with the pertinent sub-national geographic area(s) indicated between parentheses. In the case of purely methodological

13 For the sake of this report, migration between USA and Puerto Rico is classified as internal migration.

Use of new data sources for measuring international migration

25

papers or for review articles exploring the state of play of the scientific literature, this key does not apply and the field is filled with “not applicable”.

8. Data Sources: the source of the data used in the article. The following categories have been considered:

a) Mobile Network Operator(s) (MNO)

b) Social media (e.g. Twitter, Facebook, WhatsApp, LinkedIn)

c) Search engines (e.g. Google)

d) Web demographics (databases of personal microdata that are available on the World Wide Web)

e) Registers (administrative data)

f) Survey (e.g. census, household sample)

g) Others (such as emails, internet providers, traffic data, satellite images, specific databases).

In general, a data source has its own category when there are at least two articles using that. An article may exploit one or more data sources, which are all reported in this field. To the possible extent, the specific data source is reported between parenthesis (e.g. Facebook within the ‘Social media’ category). Users can then run a query searching for all papers using a category of data source (e.g. MNO), or a specific one (e.g. Twitter).

79. Of the 52 papers included in this initial version of DIMiS, 36 articles are on international migration (alone or covering also other topics), 23 on internal migration (alone or covering also other topics), and 7 papers cover both international and internal migration (see Table 4).

Table 4. Articles in DIMiS by topic

Topic Number of

articles internal migration 9 internal migration / human mobility 4 internal migration / population displacement 3 international migration 25 international migration / human mobility 1 international migration / internal migration 3 international migration / internal migration / human mobility 4 international migration / population displacement 3 Total 52

80. As for the geography, the United States of America14 is the prominent country in terms of applications (14 papers), but European countries, and particularly the EU Member States, are well represented. There are also 5 articles with African countries (Kenya, Namibia, Rwanda, and

14 For the sake of this report, Puerto Rico is considered part of the USA. See also footnote 12.

Use of new data sources for measuring international migration

26

Senegal) and 6 papers whose application is on all countries of the world (even if not all results are reported).

Table 5. Articles in DIMiS by geography

Geography Number of

articles Belgium, France, United States 1 Canada 1 China 2 Estonia 1 EU Member States 2 EU Member States, Iceland, Norway, Switzerland, United Kingdom 1 EU Member States, Iraq, Syria 1 EU Member States, Norway, Switzerland 1 EU Member States, Norway, Switzerland, United Kingdom 1 France 1 France, Germany, Ireland, Italy, Netherlands, Spain, United Kingdom 1 Kenya 1 Namibia 1 OECD Member States 2 Portugal 1 Romania, United Kingdom 1 Rwanda 2 Senegal, United States 1 Switzerland 1 Türkiye 1 United Kingdom 1 United States 4 United States (California, Texas) 1 United States (Puerto Rico) 3 United States (Texas) 2 Venezuela 2 World 6 not applicable 9 Total 52

81. Among the articles listed in DIMiS, the most used data sources are the social media (21 papers), particularly Facebook and Twitter with respectively 6 and 4 scientific papers (see Table 6). Data from Mobile Network Operators are also extensively used (14 articles) but – unlike social media – mostly for internal migration. It is interesting to note that there are also works that use jointly ‘non-traditional’ and ‘traditional’ (e.g. registers and surveys) data sources, or apply innovative methods on the former. The range of ‘non-traditional’ data sources goes well beyond the usual MNOs and social media, as shown also in the category ‘Others’.

82. DIMiS is released in a provisional format open to further improvements and it is accessible at https://statswiki.unece.org/display/DIMiS In particular, as new experiences emerge in future, a mechanism for updating it with additional papers will be needed. Feedback from DIMiS users

Use of new data sources for measuring international migration

27

will be crucial to develop this initial version in a reference tool useful for official statisticians and would-be big data practitioners in general.

Table 6. Articles in DIMiS by data source

Data source Number of

articles MNO 9 MNO / Social media 4 MNO / Survey (census) 1 Search engine(s) 3 Search engine(s) (Google) 2 Search engine(s) (Google) / Registers (irregular border crossing, asylum applications) / Others (Global Database of Events, Language, and Tone) 1 Social media 7 Social media (Facebook) 4 Social media (Facebook, LinkedIn) 1 Social media (Facebook, Twitter) 1 Social media (LinkedIn) 1 Social media (Twitter) 3 Web demographics 2 Registers (irregular border crossing, asylum applications) / Others (Global Database on Events, Language and Tone) 1 Registers / Survey (Labour Force Survey) 1 Survey (Consumer Credit Panel) 1 Others (big data in general) 5 Others (flight passenger data) 1 Others (Microsoft Academic Knowledge Graph) 1 Others (mobile money transfer service) 1 Others (Yahoo! emails) 1 Others (Yahoo! users) 1 Total 52

6. Conclusions and next steps 83. Experiences of NSOs are limited in the use of big data and the material collected for this report

might not be sufficient to provide specific recommendations. However, the potential of new data sources to address both persistent and emerging migration issues and urgent data needs is promising. Sharing and updating of relevant information and tools facilitates the use of big data and new data sources for measuring migration and cross-border mobility.

6.1. Limited use so far 84. Many countries face limitations on the use of big data; in particular, many countries reported

individual privacy concerns, legal constraints and rules as the reason for not using new data sources. To address this, it is important to consider ethical and privacy issues in the international debate. At the same time, it is important to use methodologies and techniques that maintain the confidentiality of information while enabling statisticians and researchers to utilise the potential

Use of new data sources for measuring international migration

28

of big data. However, using innovative data sources such as social media data and taking care of the individual privacy and the public confidence can be a challenging combination.

85. Many countries currently prefer focusing their efforts on the use of administrative data and the integration of data from different sources, which may be related to difficulties in accessing big data. Administrative data sources could be used further. For example, persons seeking asylum and illegal immigrants may not be counted in official migration statistics, sometimes due to the lack of identification numbers. Tackling these limitations in registration data would improve the quality of migration statistics. Considering administrative data, what is a new data source for one country is sometimes a traditional source for another country. Usability depends on many different aspects such as the specific history of the countries, the legal and institutional frameworks and the available resources.

86. Even in countries that reported several experiences on the use of big data in other statistical sectors (tourism, commuting, economics, etc), the exploitation of big data in the field of measuring migration is still limited. There are many reasons for this. Many countries have a long and shared history of migration statistics, and have often shared using international standards and definitions with international organisations. According to the survey, these countries tend to prefer to strengthen the quality of traditional data rather than explore new data sources which require overcoming multiple administrative and legal obstacles.

6.2. Potential benefits 87. The analysis carried out by the Task force confirms the potential of new data sources for

measuring migration, including emerging patterns of migration and cross-border mobility, and for addressing urgent data needs arising from unexpected natural events (pandemics, hurricanes, etc) and geo-political events (wars, persecutions, political crises, etc).

88. Big data and new data sources could help bridge the gap between the need for timely information and the time required by the official statistical collection process. They could therefore play an important role in improving the quality of currently produced statistics. Many countries are moving towards integrated statistical systems, and new data sources could be important resources to be integrated into these systems. It is therefore hoped that in new integrated statistical systems for measuring migration, big data and new data sources will find an appropriate place and can enhance the quality of migration statistics.

6.3. Next steps – maintaining the Database of Innovation in Migration Statistics

89. This report shows ongoing work on the use of big data and new data sources in NSOs, which are expected to be useful for countries interested to work in this area.

90. The Task force created the Database of Innovation in Migration Statistics (DIMiS) to expand the perspective by including research and studies about migration and big data conducted outside NSOs, such as articles and papers dealing with big data for migration statistics (including international migration, human mobility, internal migration, etc). The Database facilitates exchange of information about projects, data integration, modelling approaches and best practices to enable NSOs to consider research experiences around the world in different fields of migration studies.

Use of new data sources for measuring international migration

29

91. NSOs and researchers are encouraged to report any new experiences and publications to UNECE so that the Database can be regularly updated. DIMiS is not an exhaustive repository, but it is intended as a first step towards a living repository that should be constantly fed with new experiences to facilitate the sharing of projects based on new data sources.

92. The Database is intended to be flexible. The information included could vary and increase as the experiences become broader and more complex, allowing DIMiS to become a key reference supporting NSOs in the use of new data sources and related method.

ЕВРОПЕЙСКАЯ ЭКОНОМИЧЕСКАЯ КОМИССИЯ КОНФЕРЕНЦИЯ ЕВРОПЕЙСКИХ СТАТИСТИКОВ Группа экспертов по статистике миграции Женева, Швейцария, 26-28 октября 2022 года

Пункт C предварительной повестки дня

Использование новых источников данных для формирования статистики миграции

Использование новых источников данных для измерения международной миграции

Документ подготовлен Целевой группой по использованию новых источников данных для измерения международной миграции и трансграничной мобильности

В настоящем докладе представлены результаты работы Целевой группы по использо- ванию новых источников данных для измерения международной миграции и трансграничной мобильности, созданной Бюро Конференции европейских статистиков (КЕС) в январе 2020 года.

В докладе описываются примеры национальной практики использования больших дан- ных и новых источников данных, собранные в ходе двух обследований, охватывавших страны, участвующие в работе КЕС. В докладе делается вывод, что национальные стати- стические управления имеют ограниченный опыт использования новых источников данных в целях статистики миграции. Вместе с тем потенциал новых источников данных в плане ре- шения возникающих проблем миграции и удовлетворения неотложных потребностей в дан- ных весьма перспективен. Обмен соответствующей информацией и инструментами и их обновление облегчат использование больших данных и новых источников данных для измере- ния миграции и трансграничной мобильности.

Бюро КЕС рассмотрело доклад в феврале 2022 года и обратилось в Секретариат с просьбой направить его для электронных консультаций всем членам КЕС и другим заинте- ресованным участникам. Секретариат организовал электронные консультации в марте ‒‒ апреле 2022 года. Результаты консультаций были представлены в ходе пленарного заседа- ния КЕС в июне 2022 года. Тогда КЕС утвердила доклад. Данный документ представляет собой итоговую версию доклада, которая включает изменения и дополнения по итогам кон- сультаций

Рабочий документ 15

Рабочий документ 15

2

Благодарности Доклад подготовлен Целевой группой Конференции европейских статистиков по использованию но- вых источников данных для измерения международной миграции и трансграничной мобильности, в состав которой входят следующие члены:

Чинция Конти, Италия (сопредседатель Целевой группы) Энрико Туччи, Италия (сопредседатель Целевой группы) Тристан Кейн, Канада Жюльен Берар-Шаньон, Канада Шорена Циклаури, Грузия Эдгар Вьельма, Мексика Омар Муро, Мексика Ким Данстан, Новая Зеландия Пубуду Сенанаяке, Новая Зеландия Нериман Джан Эрган, Турция Шерифе Дилек Йылмаз, Турция Альпер Акар, Турция Ребекка Бриггс, Великобритания Меган Бауэрс, Великобритания Джейсон Шахтер, США Анжелика Менчака, США Джампаоло Ланциери, Евростат Жан-Кристоф Дюмон, ОЭСР Сесиль Торо, ОЭСР Паоло Валенте, ЕЭК ООН Андрес Викат, ЕЭК ООН Мария Изабель Кобос Эрнандес, Статистический отдел ООН

Главы отчета были обсуждены и согласованы всей Целевой группой. Некоторые члены группы взяли на себя основную ответственность за составление некоторых разделов доклада, в частности:

Введение, Паоло Валенте Национальный опыт работы с большими данными и новыми источниками данных, Чинция Конти и Энрико Туччи В центре внимания опыт Соединенных Штатов, Джейсон Шахтер и Анжелика Менчака Причины отказа от использования новых источников данных, Паоло Валенте Важные инновации в измерении международной миграции, Пубуду Сенанаяке и Ким Дунстан Справочник по литературе: DIMiS, Джампаоло Ланциери Выводы, Чинция Конти и Энрико Туччи

ЕЭК ООН благодарна Ким Данстан за редактирование отчета.

Рабочий документ 15

3

Оглавление Благодарности ................................................................................................................................................................... 2 1. Введение .................................................................................................................................................................... 5

1.1. Справочная информация ............................................................................................................................... 5 1.2. Методология и содержание доклада .......................................................................................................... 6

2. Национальный опыт использования больших данных и новых источников данных ......................................... 8 2.1. Резюме опыта: первый опрос ....................................................................................................................... 8 2.2. Резюме опыта: второй опрос ........................................................................................................................ 9 2.3. Пример: опыт Соединенных Штатов .......................................................................................................... 10

2.3.1 Традиционные источники обследований ............................................................................................... 11 2.3.2 Данные о воздушных пассажирских перевозках как альтернативный источник ................................ 11 2.3.3 Ураган «Мария» ........................................................................................................................................ 12 2.3.4 Сочетание данных об авиаперевозках с обследованиями домашних хозяйств ................................. 12 2.3.5 Результаты ................................................................................................................................................. 12 2.3.6 Корректировка с учетом COVID-19 .......................................................................................................... 15 2.3.7 Принятый в 2021 году метод на основе данных о воздушных пассажирских перевозках ................. 16

3. Причины неиспользования новых источников данных ....................................................................................... 18 3.1. Использование новых источников данных для подготовки статистических данных в других областях статистики ................................................................................................................................................... 18 3.2. Причины неиспользования новых источников данных........................................................................... 19

4. Масштабные нововведения в области измерения международной миграции ............................................... 21 4.1. Нововведения в измерении международной миграции, связанные с данными ................................ 21

4.1.1 Краткая информация об использовании административных данных.................................................. 21 4.1.2 Отдельные примеры нововведений с использованием административных данных ........................ 23 4.1.3 Краткая информация об использовании данных обследований .......................................................... 24

4.2. Нововведения в измерении международной миграции, связанные с методологией ....................... 24 4.2.1 Отдельные примеры методологических нововведений ....................................................................... 24

5. Справочная система по специальной литературе: база данных по нововведениям в статистике миграции (DIMiS) .............................................................................................................................................................................. 26 6. Выводы и последующие шаги ............................................................................................................................... 30

6.1. Пока ограниченные масштабы использования ........................................................................................ 30 6.2. Потенциальные преимущества .................................................................................................................. 31 6.3. Следующие шаги ‒‒ ведение Базы данных по нововведениям в статистике миграции .................... 31

Рабочий документ 15

4

Рабочий документ 15

5

1. Введение

1.1. Справочная информация 1. Миграция и другие формы трансграничной мобильности являются вопросами большой

политической важности. Спрос на статистических данные в этих областях дополнительно возрос в свете Повестки дня в области устойчивого развития на период до 2030 года и Глобального договора о безопасной, упорядоченной и легальной миграции (2018 год). Перед статистическим сообществом по-прежнему стоит задача отражения международной миграции и трансграничной мобильности методами, позволяющими удовлетворять растущие потребности пользователей.

2. Для измерения миграции и трансграничной мобильности используются различные источники, такие как переписи населения и жилищного фонда, обследования домашних хозяйств и данные административного учета, и каждому из них присущи свои достоинства и недостатки. Интеграция данных из различных источников ‒‒ это способ повысить информативность данных и уменьшить проблемы охвата или точности. Однако даже это зачастую не позволяет охватить все аспекты миграции и трансграничной мобильности.

3. Новые нетрадиционные источники данных, например данные использования мобильных телефонов, кредитных карт и социальных сетей, ‒‒ обычно называемые большими данными и данными социальных сетей, ‒‒ могут быть полезны для ведения статистики миграции при применении в сочетании с традиционными источниками. В Руководстве ЕЭК ООН по интеграции данных для измерения миграции предлагается продолжить работу по использованию потенциала больших данных «для распространения новых методов на международном уровне, чтобы поддержать первые шаги стран по реализации потенциала таких данных для подготовки статистических материалов о миграции».

4. Несмотря на проблемы доступности, точности и конфиденциальности этих новых источников, в последние годы появились примеры, наглядно демонстрирующие их потенциал. В ходе рабочей сессии ЕЭК ООН-Евростата по статистике миграции 2018 года приводились примеры использования данных Facebook для получения возрастной структуры «экспатов» в разбивке по происхождению и данных твитов с географическими метками для оценки мобильности. На рабочей сессии ЕЭК ООН-Евростата по статистике миграции в 2019 году был приведен пример из сферы официальной статистики, демонстрирующий использование в Бюро переписей Соединенных Штатов данных о пассажирских авиаперевозках для более точных оценок миграции. По мере появления новых примеров их необходимо собирать и анализировать, чтобы помочь национальным статистическим управлениям (НСУ) в использовании новых источников данных, опираясь на результаты проектов ЕЭК ООН по вопросам больших данных в официальной статистике и других инициатив, в рамках которых изучаются взаимоотношения поставщиков официальных данных с владельцами больших данных.

5. В октябре 2019 года Бюро Конференции европейских статистиков (КЕС) на основе документа Мексики1 и записки ЕЭК ООН провело углубленный обзор статистики международной миграции и трансграничной мобильности. Бюро подчеркнуло важность накопления примеров использования национальными статистическими управлениями новых источников данных для подготовки официальной статистики в этой области и упомянуло рабочую сессию ЕЭК ООН-Евростата по статистике миграции 2019 года в

1 http://www.unece.org/fileadmin/DAM/stats/documents/ece/ces/bur/2019/October/02_In-

depth_review_on_international_migration_Rev.1.pdf.

Рабочий документ 15

6

качестве оптимального форума для дальнейшего обсуждения этого вопроса. Оно просило секретариат и Руководящую группу по статистике миграции представить на следующем совещании Бюро предложение по дальнейшей работе в области использования новых источников данных для измерения миграции и трансграничной мобильности.

6. Участники рабочей сессии ЕЭК ООН-Евростата по статистике миграции 2019 года признали необходимость проработки вопросов использования новых типов источников данных, таких как мобильные устройства, социальные сети, спутниковые изображения и интернет-платформы, а также рассмотрения существующих примеров использования новых источников данных в интересах подготовки официальной статистики миграции. Для этого и с учетом высказанной Бюро просьбы Бюро КЕС в январе 2019 года создало Целевую группу по использованию новых источников данных для измерения международной миграции и трансграничной мобильности для анализа существующего опыта и планов НСУ в области использования новых источников данных для измерения миграции и трансграничной мобильности, выявления соответствующих примеров вне сферы официальной статистики, накопления примеров в справочной системе и разработки механизма ее обновления новыми примерами, а также анализа собранного материала для подготовки рекомендаций НСУ по использованию новых источников.

1.2. Методология и содержание доклада 7. Целевая группа начала свою работу с выявления соответствующей научной литературы и

информации, имеющейся у ее членов. Для сбора информации о соответствующем опыте (в НСУ и вне их рамок) по вопросам использования новых источников данных для измерения миграции и трансграничной мобильности Целевая группа провела в период с ноября 2020 года по февраль 2021 года онлайн-опрос среди НСУ в регионе ЕЭК ООН.

a. Большие данные, которые включают такие источники данных, как социальные сети (Facebook, Twitter, Tumblr и т. д.), блоги и комментарии, личные документы, изобра- жения: Instagram, Flickr, Picasa и т. д., видео: Youtube и т. д., поиск в Интернете, дан- ные мобильных устройств: текстовые сообщения, карты, созданные пользователем, электронная почта, медицинские записи, коммерческие транзакции, выписки по бан- ковским счетам / книга регистрации владельцев акций, электронная коммерция, кредитные карты, домашняя автоматизация, датчики погоды/загрязнения, научные датчики, видео/изображения систем безопасности/наблюдения, местоположение мобильного телефона, автомобили, спутниковые изображения, журналы, веб-жур- налы)

b. Другие источники данных, такие как информация о пассажирах авиаперевозок, кото- рые отличаются от традиционных источников (выборочные обследования, переписи, административные данные)

8. Из 34 стран ЕЭК ООН, принявших участие в опросе, только 5 (15 %) сообщили, что им известно о процессе или проекте (с участием или без участия НСУ), где для измерения миграции и трансграничной мобильности используются новые источники данных, такие как большие данные и данные социальных сетей.

9. Целевая группа проанализировала результаты опроса и решила провести повторный опрос, чтобы получить от НСУ дополнительную информацию:

a. о том, используют ли НСУ новые источники данных для подготовки статистических данных в других областях статистики;

b. об основных причинах, в силу которых НСУ не используют новые источники данных для статистики миграции;

Рабочий документ 15

7

c. о том, прорабатываются ли в НСУ какие-либо значительные нововведения в области измерения международной миграции, включая новые подходы с использованием существующих источников, и изучаются ли новые источники данных.

10. Повторный опрос проводился в марте 2021 года, ответы были получены от 27 стран. 11. Результаты этих двух опросов представлены соответственно в разделах «Национальный

опыт использования больших данных и новых источников данных», «Причины неиспользования новых источников данных» и «Серьезные нововведения в области измерения международной миграции».

12. Помимо информации, которую представили НСУ в ходе опросов, Целевая группа также собрала большой объем информации о различных видах исследований, дискуссионных докладах или научных журналах, прямо или косвенно связанных с использованием новых источников данных для измерения международной миграции и трансграничной мобильности. Для представления этого материала Целевая группа в соответствии с просьбой Бюро КЕС разработала концепцию онлайновой справочной системы с возможностью ее обновления новыми примерами, которые появятся в будущем. Подготовленный Целевой группой краткий обзор справочной системы представлен в разделе «Справочная система по специальной литературе: DIMiS».

Рабочий документ 15

8

2. Национальный опыт использования больших данных и новых источников данных

13. Судя по результатам двух опросов, проведенных Целевой группой, очевидно, что в настоящее время НСУ редко используют большие данные для измерения международной миграции. Вместе с тем некоторые учреждения используют новые источники данных, другие же изучают вопрос использования новых источников данных.

2.1. Резюме опыта: первый опрос 14. Единственный проект с использованием больших данных, о котором было сообщено,

реализуется в Грузии. Целью проекта является измерение мобильности населения в рамках работы Комитета экспертов Организации Объединенных Наций по использованию больших данных и инструментария науки о данных для целей официальной статистики (КЭБА ООН)2. Задача заключается в оценке тенденций мобильности групп населения, таких как внутренние мигранты, международные мигранты и туристы. НСУ Грузии (Геостат), грузинский регулятор мобильной связи (Национальная комиссия по коммуникациям Грузии) и другие члены целевой группы (Международный союз электросвязи (МСЭ), СОООН, Евростат, компания «Позитиум» и др.) совместными усилиями разрабатывают и тестируют методы и методологию оценки статистики миграции и туризма в Грузии с использованием данных мобильной телефонной связи. Однако официальная статистика в рамках проекта пока не выпускалась, и в настоящее время проект приостановлен по техническим причинам.

15. Один из примеров использования новых источников данных, а не больших данных, приводит Бюро переписей США. Этот проект основан на использовании данных о пассажирских авиаперевозках для корректировки чистой международной миграции между Пуэрто-Рико и Соединенными Штатами для учета последствий урагана «Мария» в 2017 году. В последние годы Бюро переписей США прилагает целенаправленные усилия по интеграции новых источников данных для совершенствования применяемого метода оценки чистой миграции между Соединенными Штатами и Пуэрто-Рико. Эти усилия вызывались необходимостью повышения своевременности оценок миграции, которые обычно производятся на основе крупных массивов данных обследования домашних хозяйств, собранных Бюро переписей. Методология, основанная на обследовании, работает успешно, когда динамика миграционных тенденций стабильна во времени, но, как правило, ее эффективность падает в случае их быстрых изменений, например из-за стихийных бедствий (скажем, ураганов, глобальных пандемий). Для подготовки более актуальных и точных оценок миграции Бюро переписей прорабатывает возможность интеграции административных данных других агентств с данными, собранными в ходе проводимых им обследований, с переходом при этом к методу измерения чистой миграции между Пуэрто-Рико и остальными странами мира исключительно на основе административных данных.

16. Стимулом к этим первым усилиям по объединению данных обследований и административных данных послужили последствия урагана «Мария» в 2017 году, который вызвал массовый отток мигрантов из Пуэрто-Рико. С помощью этих методов интеграции макроданных данные об авиаперевозках, публикуемые Бюро статистики транспорта (БСТ), объединялись с оценками на основе опросов, полученными в ходе Обследования американского общества (ОАО) и Обследования общества Пуэрто-Рико (ООПР), чтобы лучше оценить влияние этого стихийного бедствия на оценки 2018 года. Интеграция макроданных использовалась и для учета возвратной миграции в Пуэрто-Рико после урагана «Мария» (оценки на 2019 год), а также для корректировки

2 https://unstats.un.org/bigdata/blog/2019/mpd-task-team.cshtml.

Рабочий документ 15

9

данных с учетом новых тенденций миграции, возникших в результате пандемии COVID- 19 (оценки 2020 года). Начиная с 2021 года Бюро переписей переходит на метод, при котором общая чистая миграция в Пуэрто-Рико определяется на основе данных об авиарейсах, но при этом приток и отток населения в разбивке по демографическим характеристикам по-прежнему определяется с помощью данных ОАО и ОПР. Этот новый метод удобен, поскольку он позволит повысить своевременность наличия данных, снизить необходимость корректировок, улучшить согласованность с базисным периодом (год, закончившийся 30 июня) и расширить объем данных о миграции с включением международные перемещений в Пуэрто-Рико и из него (подробнее см. раздел «В фокусе внимания – опыт Соединенных Штатов Америки»).

17. В порядке примеров использования больших данных указывались другие проекты, но они связаны с внутренней миграцией (например, в Нидерландах), или их результаты еще не получены (например, в Латвии).

2.2. Резюме опыта: второй опрос 18. В ходе повторного опроса четыре страны сообщили, что они изучают возможность

использования новых источников данных для измерения международной миграции. 19. На действительно «больших данных» основывается только один проект.

В настоящее время в Управлении национальной статистики Соединенного Королевства изучаются агрегированные и анонимизированные данные мобильной телефонной связи (или данные о перемещении больших масс людей) от компании O2 Motion. В этих данных анализируется подключение мобильных устройств к вышкам «O2» для получения представления о тенденциях перемещения больших масс людей по всему Соединенному Королевству. Эти данные включают географическое местоположение мест (где мобильные телефоны подключаются к вышкам сотовой связи) на национальном уровне и уровне местных административных единиц и, в принципе, помогают понять закономерности международной миграции. Планируется проанализировать эти данные на предмет мобильности мигрантов, приезжающих в Соединенное Королевство и уезжающих из него, включая такие аспекты, как продолжительность пребывания при поиске работы, для получения более своевременных показателей миграции. Этот проект находится на очень ранней стадии, существует также более широкая программа работы по вопросам международной мобильности в научно-исследовательском центре интеллектуальной обработки данных, где изучаются и другие вопросы3. В качестве одного из нескольких источников при моделировании миграции используется также информация об пассажирских авиаперевозках.

20. В других странах изучаются новые источники данных, но не обязательно с охватом больших данных.

21. По сообщению Статистического управления Новой Зеландии, для расчета официальных показателей международной миграции используются административные данные (паспортные данные, полученные при пересечении границы). Для целей анализа географического распределения населения в Новой Зеландии изучаются и другие источники данных, например данные мобильной телефонной связи, включая людей, приехавших из-за границы, и население страны (включая недавних мигрантов).

22. Статистическое управление Словацкой Республики не использует большие данные для измерения статистики миграции, уделяя главное внимание инновационным формам использования административных данных. Главной задачей называется

3 Полученные от «O2 Motion» аналитические данные никоим образом не позволяют идентифицировать или

локализовать отдельных людей и предоставляются в строгом соответствии с принципами конфиденциальности. Using Mobile Phone Data for Enhancing International Passenger Survey Traveller Statistics.

Рабочий документ 15

10

систематическое использование источников административных данных для целей официальной статистики миграции.

23. В Республике Молдова начиная с 2018 года Национальное бюро статистики обрабатывает большие объемы данных о пересечении государственной границы физическими лицами. Это данные из административных источников, находящихся в ведении Генеральной инспекции пограничной полиции, которые используются для оценки международной миграции на основе международного определения обычного места жительства. При расчете используются административные данные за 3 года подряд, то есть для определения статуса эмигранта или иммигранта за учетный год (например, для 2020 года используются данные за предыдущий 2019 год и последующий 2021 год). В настоящее время доступны окончательные оценки международной миграции за 2014–2019 годы. Эти результаты используются для оценки численности населения Республики Молдова, обычно проживающего в стране.

24. Статистическое управление Литвы сообщило, что применение математических методов к новым источникам данных (и большим данным) может служить подспорьем при решении проблем, связанных со статистикой международной миграции. Параллельно в Литве существует государственная информационная система управления данными, обеспечивающая общую платформу управления данными для всех учреждений, доступ к данным для государственных нужд, эффективный обмен между учреждениями и обмен данными с деловыми и научными кругами. Эта система расширит возможности использования государственных информационных систем, реестров и других источников для статистики международной миграции.

25. Национальный институт статистики Италии также прорабатывает вопросы интеграции новых источников данных для статистики миграции. В Италии статистика международной миграции ведется на основе уведомлений о прибытии или отъезде, направляемых мигрантами в регистр населения. Осуществляется специальный исследовательский проект по теме использования данных регистрации и снятия с учета ex-officio для оценки недостающей части этих уведомлений, особенно для целей статистики эмиграции, поскольку хорошо известно, что эмигранты могут не сообщать о своем отъезде. В некоторых случаях после снятия с учета ex-officio через несколько месяцев производится регистрация ввиду повторного появления того же лица. Итальянская система продольных данных (ANVIS), которая основана на микро- демографическом учете, позволяет выявлять эти взаимокомпенсирующие административные перемещения и исключать их из демографического баланса. Напротив, те, кто не появляются вновь, вероятно, покинули страну. В некоторых случаях (продолжительность периода с момента снятия с учета ex-officio до регистрации ввиду повторного появления составляет более одного года) не ясно, покинул ли человек страну, а потом вернулся или же он постоянно проживал в стране в течение всего этого периода. Для этого факт пребывания таких лиц проверяется по Интегрированному архиву постоянного населения, который включает и объединяет множество административных источников (регистры рабочей силы и образования, регистр налоговых деклараций, регистры трудовых доходов, пенсий и непенсионных пособий и архив видов на жительство). Этот архив, который уже используется для оценки охвата переписи постоянного населения, можно использовать и для подтверждения пребывания отдельных лиц в Италии по методологии «признаков жизни». Имеется в виду проверка предположения о том, что человек покинул страну, путем анализа его «признаков жизни» в данный период.

2.3. Пример: опыт Соединенных Штатов 26. Этот раздел посвящен работе Бюро переписей США по включению новых источников

данных для измерения миграции, в частности для оценки миграции в Пуэрто-Рико. Эти новые источники данных и методологии помогают преодолеть ограничения

Рабочий документ 15

11

предыдущих методов, зависящих от более традиционных источников данных. Интеграция новых и прежних источников данных позволяет получить более своевременные и точные оценки миграции.

2.3.1 Традиционные источники обследований 27. Бюро переписей США составляет ежегодные оценки численности населения по

состоянию на 1 июля каждого года. Обследование американского общества и обследование общества Пуэрто-Рико (ОАО/ООПР) ‒‒ это ежегодные обследования домашних хозяйств населения Соединенных Штатов, в ходе которых запрашивается подробная информация. В настоящее время в рамках ОАО обследуется около 3,5 млн домашних хозяйств в год, а в ООПР выборка включает 36 000 адресов в Пуэрто-Рико.

28. За основу в оценках миграционных потоков из Пуэрто-Рико в Соединенные Штаты брались ответы на задававшийся при проведении ОАО вопрос о месте жительства год назад (МЖГН), когда уточнялось, где респонденты жили за год до обследования. В противоположность этому миграционные потоки из Соединенных Штатов в Пуэрто-Рико рассчитывались на основе ответов на вопрос о МЖГН, полученных в ходе ООПР. Данные ОАО/ООПР собираются на непрерывной основе в течение календарного года, хотя переезд мог произойти в любое время в течение двухлетнего периода, в зависимости от того, когда респондент был включен в выборку и когда он фактически переехал.

2.3.2 Данные о воздушных пассажирских перевозках как альтерна- тивный источник

29. В Соединенных Штатах данные об авиаперевозках собираются из ежемесячных отчетов, которые свыше 200 коммерческих американских и иностранных авиаперевозчиков представляют в БСТ как по внутренним, так и по международным рейсам. Данные представляются по всем авиаперевозкам (таким образом, выборка не производится) в соответствии с федеральными правилами отчетности, которые вступили в силу в октябре 2002 года.

30. В случае Пуэрто-Рико внутренние данные по воздушным пассажирским перевозкам (ВПП) позволяют получить ежемесячную информацию о количестве авиапассажиров на рейсах между Пуэрто-Рико и континентальной частью Соединенных Штатов. Следует отметить, что данные о ВПП включают информацию обо всех пассажирах без дифференциации по их типу и, соответственно, включают туристов и временно приезжающих лиц, составляющих большинство пассажиров. Немигранты учитываются на авиарейсах в обоих направлениях, мигранты же учитываются только в одном направлении ‒‒ если только они не уезжают временно, в этом случае они будут учтены снова по возвращении.

31. Одно из ограничений этого метода заключается в том, что он позволяет получить цифру только «чистой» миграции, без информации о совокупном притоке или оттоке, поскольку мигрантов нельзя отличить от общего числа пассажиров, въезжающих в Пуэрто-Рико или покидающих его. Еще одним ограничением является то, что данные не включают демографические характеристики мигрантов. Кроме того, этот метод применим только к стране или территории, не имеющей сухопутных границ, например к острову Пуэрто- Рико, поскольку основным способом прибытия или отъезда является авиатранспорт.

32. Ежемесячные данные о чистой динамике пассажиропотока авиакомпаний отражают сезонные колебания, связанные с туризмом, с более интенсивным движением в Пуэрто- Рико и из него в летние и зимние месяцы отпусков. В зависимости от периода измерения (например, календарный год), это может вызывать колебания от года к году, связанные с годовой динамикой туризма. Например, большое количество туристов может быть

Рабочий документ 15

12

зарегистрировано в декабре, в то время как возвращаться они же могут в январе следующего года. Считается, что со временем эти колебания взаимоуравниваются.

2.3.3 Ураган «Мария» 33. В сентябре 2017 года на Пуэрто-Рико обрушился ураган пятой категории «Мария»,

повлекший масштабные разрушения, человеческие жертвы и отток населения на континентальную часть Соединенных Штатов. Стихийные бедствия могут влечь демографические последствия ‒‒ через перемещение людей из пострадавших районов, а также смертность в результате катаклизмов. По мере увеличения частоты и масштабов стихийных бедствий возрастают и потребности в оценке численности населения для точного измерения последствий таких бедствий, что нередко требует использования различных источников данных или применения новых методов.

2.3.4 Сочетание данных об авиаперевозках с обследованиями домашних хозяйств

34. Первоначально для оценки влияния урагана «Мария» на миграцию в Пуэрто-Рико и из него Бюро переписей США использовало данные ВПП в сочетании с данными ОАО и ООПР. Выборочные обследования домашних хозяйств, такие как ОАО, не предназначены для отражения внезапных массовых перемещений людей, поскольку ретроспективные данные о миграции, полученные по результатам обследований, как правило, «запаздывают» по сравнению с фактическими миграционными событиями. В рамках обследований измеряется не событие миграции в реальном времени, а событие, когда мигрант включен в выборку. Этот метод нормально работает при стабильной динамике миграции, но в случае значительных колебаний масштабов перемещений они будут полностью отражены только позже (обычно в следующем году обследования). Учет, в принципе, усложнялся тем, что ураган «Мария» пришелся на поздний этап (конец сентября) цикла сбора данных ОАО в 2017 году, и соответственно в выборку включался короткий период времени. В результате нужно было искать альтернативный источник данных для измерения влияния урагана «Мария» на миграцию из Пуэрто-Рико.

2.3.5 Результаты 35. Данные о ВПП показали большой чистый отток пассажиров из Пуэрто-Рико в последние

месяцы 2017 года (с сентября по декабрь), за которым последовал обратный поток в первые месяцы 2018 года (диаграмма 1). Возврат в Пуэрто-Рико из Соединенных Штатов уменьшился в течение первого квартала 2018 года и опять сменился чистым оттоком к апрелю 2018 года. До урагана «Мария» (20 сентября 2017 года) динамика чистого пассажирооборота между Соединенными Штатами и Пуэрто-Рико следовала относительно стабильным ежемесячным тенденциям, когда больше пассажиров покидали Пуэрто-Рико, чем въезжали в него, за исключением некоторых летних или зимних месяцев (в частности, июня и декабря). Это соответствует сезонной структуре авиарейсов, когда больше туристов прибывает в летние и зимние месяцы и пуэрториканцы, живущие в Соединенных Штатов, приезжают на родину в периоды отпусков.

Рабочий документ 15

13

Рисунок 1. Ежемесячный чистый пассажирооборот на авиарейсах между Пуэрто-Рико и Соединенными Штатами, 2015–2018 годы

Источник: бланк 41 Бюро статистики транспорта США, сегмент T100 (международный), все

перевозчики.

36. Согласно «смешанной» методологии, использованной для оценок 2018 года, делалось допущение, что данные о ВПП лучше отражают истинное влияние урагана «Мария» на миграционные процессы, чем данные ОАО/ООПР, и что историческая динамика данных ОАО и ВПП примерно совпадает; таким образом, эту взаимосвязь можно было использовать для получения более точной оценки за этот период. До 2017 года тенденции в динамике данных ОАО и ВПП, как правило, были схожими, при этом по данным о ВПП величина чистой эмиграции из Пуэрто-Рико была устойчиво выше, чем по данным ОАО (диаграмма 2).

-100,000 -80,000 -60,000 -40,000 -20,000

0 20,000 40,000 60,000 80,000

2015 2016 2017 2018

Рабочий документ 15

14

Рисунок 2. Динамика чистой миграции между Пуэрто-Рико и Соединенными Штатами, 2010–2017 годы

Источники: Бюро переписей США, Обследование американского сообщества и Обзор

общества Пуэрто-Рико; бланк 41 Бюро статистики транспорта США, сегмент T100 (международный), все перевозчики.

37. Поскольку предыдущие оценки основывались на ОАО/ООПР, были предприняты усилия для обеспечения максимальной сопоставимости этих двух источников данных и брались ежемесячные данные об авиарейсах за 2017 календарный год, чтобы добиться совпадения с периодом оценки ОАО/ООПР. Информация об авиарейсах ограничивалась внутренними рейсами между Соединенными Штатами и Пуэрто-Рико, международные авиарейсы исключались. В данном методе применялся простой коэффициент с использованием соотношения чистой миграции по данным ОАО/ООПР и о ВПП за два года ‒‒ 2015 и 2016. Для сохранения методологического соответствия с предыдущими оценками на основе ОАО/ООПР рассчитанный коэффициент применялся к показателю чистой миграции между Пуэрто-Рико и США, измеренному по данным о ВПП за 2017 календарный год.

38. Поскольку оценки численности населения Бюро переписей за 2018 год отражают численность населения на 1 июля 2018 года, учитывалась также возвратная миграция в Пуэрто-Рико в начале 2018 года. Для учета январской возвратной миграции брался 12- месячный период ВПП с февраля 2017 года по январь 2018 года, затем применялся коэффициент корректировки, чтобы добиться максимального совпадения периода с ОАО, но при этом учесть возвратную миграцию в Пуэрто-Рико после урагана «Мария». Смещение периода на один месяц помогло учесть возвратную миграцию, при этом большинство месяцев (11 из 12) остались в пределах календарного года, эквивалентного 2017 году в случае ОАО/ООПР. В результате этой модификации чистая миграция из Пуэрто-Рико в Соединенные Штаты по данным о ВПП составила 215 166 человек, и с поправкой на коэффициент ВПП-ОАО была получена окончательная цифра ‒‒ 123 399 человек (Рисунок 3).

Рабочий документ 15

15

Рисунок 3. Скорректированная динамика чистой миграции между Пуэрто-Рико и Соединенными Штатами, 2010–2017 годы

Источники: Бюро переписей США, Обследование американского сообщества и Обзор

общества Пуэрто-Рико; бланк 41 Бюро статистики транспорта США, сегмент T100 (международный), все перевозчики.

2.3.6 Корректировка с учетом COVID-19 39. Пандемия COVID-19 значительно повлияла на динамику числа лиц, прибывающих в

Соединенные Штаты и уезжающих из страны начиная с марта 2020 года. Серьезно повлияв на международные миграционные потоки, это сказалось и на динамике числа прибывающих в Пуэрто-Рико и уезжающих из него, особенно в начале пандемии. Предполагалось, что данные ОАО/ООПР за 2019 год (которые не охватывают период пандемии) не будут адекватно отражать динамику чистой миграции в Пуэрто-Рико за 2020 год, поэтому и в этом случае для корректировки использовались данные о ВПП. Однако, поскольку начало пандемии пришлось только на последнюю треть года, оценки (март ‒‒ июнь 2020 года), применить тот же смешанный метод было невозможно, поскольку он основан на данных ВПП и ОАО/ООПР за полный календарный год. Поэтому для корректировки чистой миграции Пуэрто-Рико за март ‒‒ июнь 2020 года использовались данные о ежемесячных авиарейсах в Пуэрто-Рико и США и из них.

40. В динамике авиарейсов в Пуэрто-Рико и из Пуэрто-Рико обычно прослеживаются устойчивые тенденции (Рисунок 44). Как правило, в марте ‒‒ мае наблюдается чистый отток пассажиров, в то время как июнь ‒‒ начало туристического сезона ‒‒ является месяцем притока пассажиров. Данные ВПП за март 2020 года продемонстрировали значительное увеличение чистого числа пассажиров, убывающих на континентальную часть Соединенных Штатов (из Пуэрто-Рико); в апреле и мае наблюдался небольшой

4 2017 и 2018 годы исключены из-за месячных аномалий, вызванных ураганом «Мария».

Рабочий документ 15

16

положительный чистый прирост для Пуэрто-Рико, поскольку количество рейсов было резко сокращено; и в июне был отмечен крупный положительный чистый прирост для Пуэрто-Рико с увеличением количества авиарейсов на остров и с острова.

Рисунок 4. Ежемесячный чистый пассажирооборот на авиарейсах между Пуэрто-Рико и Соединенными Штатами, 2016, 2019 и 2020 годы

Источник: бланк 41 Бюро статистики транспорта США, сегмент T100 (международный),

все перевозчики.

41. Для расчета поправочного коэффициента с учетом пандемии COVID на 2020 год с использованием данных о ВПП была рассчитана совокупная чистая численность пассажиров за месяцы с марта по июнь 2020 года. Затем рассчитывался необходимый коэффициент с использованием данных прошлых периодов о среднем чистом пассажиропотоке за март ‒‒ июнь 2010–2019 годов, исключая 2018 год (ураган «Мария»), и чистом пассажиропотоке за март ‒‒ июнь 2020 года. Затем совокупный сезонный показатель по данным ОАО/ООПР был уменьшен путем умножения одной трети годового показателя по данным ОАО/ООПР 2019 года на коэффициент чистого пассажиропотока. Для получения окончательной оценки две трети оценочных показателей по данным ОАО/ООПР 2019 года были применены к сокращенному совокупному сезонному показателю по данным ОАО/ООПР. В результате корректировки с учетом общего влияния пандемии COVID-19 были получены данные о сокращении чистой эмиграции из Пуэрто-Рико.

2.3.7 Принятый в 2021 году метод на основе данных о воздушных пассажирских перевозках

42. Начиная с 2021 года Бюро переписей США использует данные о ВПП для прямого измерения чистой миграции в Пуэрто-Рико и остальные страны мира и из них, хотя ОАО/ООПР будут по-прежнему необходимы для оценки притока, оттока и демографических характеристик мигрантов. Переход к методу расчета чистой миграции на основе данных об авиарейсах позволит повысить точность и регулярность оценок чистой миграции в Пуэрто-Рико и сократить объем будущих корректировок, необходимых для учета основных событий, влияющих на миграцию.

Рабочий документ 15

17

43. Методология на базе данных об авиарейсах позволяет устранить ряд ограничений, присущих прежней методологии: a. Поскольку данные обследования публикуются не сразу, период сбора, обработки и

публикации данных не совпадает с оцениваемым периодом. Ввиду этого изменения в динамике численности населения становятся заметны только в следующем году оценки;

b. Методология учитывала только миграцию из Пуэрто-Рико в и из США, при этом делалось неверное допущение о нулевой чистой миграции в островные территории Соединенных Штатов и зарубежные страны и из них. ООПР позволяет измерить количество иммигрантов, прибывших в Пуэрто-Рико не из Соединненных Штатов, но не эмигрантов, выехавших за границу.

c. Период, охватываемый ОАО/ООПР (январь ‒‒ декабрь календарного года), не совпадает с годом оценок (июль ‒‒ июнь).

d. С 2018 года для сохранения точности и надежности данных приходится производить коррекцию данных и использовать прогнозы, что в будущем становится менее вероятным.

44. Ежегодные общие показатели чистой миграции будут рассчитываться на основе данных о входящем/исходящем пассажиропотоке за год оценки (июнь ‒‒ июль) с использованием данных о ВПП: для получения оценочного показателя чистой миграции общее количество прилетающих в Пуэрто-Рико пассажиров вычитается из общего количества пассажиров, вылетающих из него. В отличие от «смешанного метода», описанного выше, сюда включаются пассажиры международных рейсов.

45. Поскольку данные об авиаперевозках позволяют оценить только чистый пассажиропоток, не охватывая никаких конкретных потоков прибывающих или убывающих мигрантов или демографических характеристик, эта информация будет по- прежнему браться из ОАО/ООПР. Таблицы данных в разбивке по полу будут составляться с использованием данных ООПР (МЖГН) о притоке мигрантов за один год с последующим распределением по годам возраста с помощью данных о половозрастном распределении из пятилетних оценок ООПР (МЖГН). Эта процедура будет повторно применяться для оттока мигрантов с использованием оценок ОАО (МЖГН) за один год в разбивке по полу и оценок ОАО (МЖГН) за пятилетний период для получения данных о половозрастном распределении.

46. Как уже отмечалось, сезонные колебания, связанные с туризмом, особенно в летние и зимние месяцы, могут вызывать тенденции, требующие корректировки с учетом годовых колебаний. Корректировки колебаний будут зависеть от периода измерения, чтобы сбалансировать сезонные тенденции в динамике притока и оттока мигрантов.

Рабочий документ 15

18

3. Причины неиспользования новых источников данных

47. Судя по результатам опроса, в настоящее время лишь небольшое число стран региона ЕЭК ООН используют для измерения миграции и трансграничной мобильности новые источники данных, таких как большие данные и данные социальных сетей, или рассматривают возможность их использования. Из 36 стран, представивших ответы в ходе опроса, только 5 стран сообщили об осуществляемых на данном этапе мероприятиях/проектах, в которых используются новые источники данных, и еще 4 страны изучают такую возможность. Таким образом, в целом новые источники данных для измерения миграции и трансграничной мобильности используют ‒‒ или рассматривают возможность такого использования ‒‒ около четверти стран.

48. Почему большинство стран не используют новые источники данных для измерения миграции и мобильности? Используют ли они новые источники данных в других областях статистики? Какие факторы могут повлиять ‒‒ положительно или отрицательно ‒‒ на использование новых источников данных для измерения миграции и мобильности?

3.1. Использование новых источников данных для подго- товки статистических данных в других областях стати- стики

49. Странам, которые в настоящее время не используют новые источники данных для измерения миграции и трансграничной мобильности, в ходе опроса задавался вопрос, используют ли НСУ новые источники данных для формирования данных в других областях статистики. Из 24 стран, ответивших на этот вопрос, 8 стран (одна треть) сообщили об использовании ‒‒ или апробировании использования ‒‒ новых источников данных в других областях статистики, остальные ответили «нет» (9 стран) или «не знаю» (7 стран). Германия сообщила, что новые источники данных используются для получения экспериментальной статистики в других областях статистики (https://www.destatis.de/EN/Service/EXDAT/_node.html).

50. Франция и Новая Зеландия сообщили об использовании новых источников данных для ведения статистики внутренней миграции. В Новой Зеландии данные мобильной телефонной связи объединяются с административными данными о пересечении границ для оценки географического распределения лиц, прибывших из-за границы, в стране. Кроме того, для оценки внутренней миграции используются интегрированные административные данные различных государственных учреждений. Интегрированные административные данные используются также для дополнения и проверки информации переписи, проверки официальных оценок численности постоянного населения и оценки международной миграции в разбивке по этнической принадлежности.

51. Об использовании новых источников данных для получения статистических данных о внутренней миграции и ежедневных поездках на работу и обратно сообщили четыре страны. В Португалии для расчета показателей мобильности населения на региональном уровне используется программа «Фейсбук» «Data for Good». В Испании с использованием данных мобильной телефонной связи получены экспериментальные статистические данные о ежедневных поездках на работу и обратно. Швейцария сообщила о пилотном проекте по сбору данных о повседневной мобильности с помощью смартфонов: в рамках опроса выборочная совокупность участников устанавливает на свои смартфоны приложение, собирающее данные об их повседневной мобильности ‒‒

Рабочий документ 15

19

вместо сообщения о своих перемещениях с заполнением опросной анкеты. В Соединенном Королевстве научно-исследовательский центр интеллектуальной обработки данных5 использует различные новые источники данных, в том числе изучает вопрос использования данных «Фейсбук» о перемещениях по стране.

52. Шесть стран сообщили об опыте использования новых источников данных в различных областях экономической статистики. В области статистики цен Португалия использует веб-данные, Литва ‒‒ данные супермаркетов, а Словакия ‒‒ как веб-скрейпинг, так и данные сканеров розничных сетей. В сфере статистики туризма Словакия использует данные с веб-сайтов систем бронирования жилья, а в Испании для оценки расходов на туризм проведено исследование по использованию кредитных карт. Относительно международной торговли Португалия сообщила об исследованиях по вопросам использования интернет-поиска на конкретных сайтах для подтверждения статистических данных о международной торговле, в том числе об объемах и ценах международной торговли электроэнергией. Португалия также использует систему электронных счетов-фактур (E-factura) Налогового и таможенного управления для получения статистических данных о региональной экономической деятельности, а также возможности поиска вакансий и сайтов предприятий в Интернете для ведения статистики рынка труда. Наконец, во Франции новые источники данных используются для целей статистики потребления, а в Соединенном Королевстве ‒‒ для получения более оперативных показателей состояния экономики.

3.2. Причины неиспользования новых источников дан- ных 53. 24 странам, где для измерения миграции и трансграничной мобильности новые

источники данных не используются, в ходе опроса задавался вопрос об основных причинах этого. В вопроснике предлагалось на выбор несколько возможных причин, также можно было вписать свой ответ, при этом респонденты могли указывать до трех причин (таблица 1).

Таблица 1. Причины неиспользования новых источников данных для статистики международной миграции

Причины Страны (из числа 24 стран)

Соображения конфиденциальности индивидуальных данных, юридические ограничения и правила, ограничивающие использование больших данных и новых источников в статистических целях 12 Высококачественная статистика миграции уже выпускается с помощью тра- диционных источников данных 11 Отсутствие специалистов по работе с большими данными 8 Большие данные не подходят для использования в официальной статистике 6 Отсутствие договоренности между ведомствами (например, НСУ и отрасле- вым министерством) и потенциальными поставщиками услуг 3 Нехватка средств для получения доступа к большим данным 1 Замечания и/или другие причины 3

54. Большинство стран упомянули в качестве причины соображения конфиденциальности индивидуальных данных, юридические ограничения и правила, ограничивающие использование больших данных и новых источников в статистических целях (12 стран). Любопытно было бы получить более подробную информацию об этих опасениях и проблемах, а также о том, относятся ли они к конкретным источникам данных. Вопросы

5 https://datasciencecampus.ons.gov.uk/.

Рабочий документ 15

20

конфиденциальности и юридические ограничения могут охватывать разные вещи (этические и юридические причины). Однако, к сожалению, страны представили очень ограниченную информацию по этому вопросу. Польша уточнила, что основным препятствием являются юридические проблемы, поскольку использование данных операторов мобильной связи станет возможным только после внесения поправок в соответствующие нормативные документы.

55. 11 стран ответили, что они уже выпускают высококачественную статистику миграции с помощью традиционных источников данных. Некоторые из них уточнили, что они используют административные данные и считают, что новые источники данных не будут гораздо полезнее. Новая Зеландия указала, что с 2019 года (с оценками вплоть до 2001 года) для оценки международной миграции с высокой точностью и своевременностью используются административные данные о туристах, пересекающих границу. Кроме того, Новая Зеландия отметила, что надежное и непрерывное использование коммерческих/неправительственных источников данных, как правило, сопряжено с немалыми трудностями и ненамного эффективнее по сравнению с получением данных через интегрированную систему административных данных.

56. Несколько стран сослались на отсутствие специалистов по работе с большими данными (8 стран) и на то, что большие данные не подходят для использования в официальной статистике (6 стран). Некоторые страны представили дополнительную информацию о причинах, в силу которых, по их мнению, большие данные не подходят для использования в официальной статистике. В Словакии демографическая статистика и статистика миграции формируется путем проведения сплошных статистических обследований демографических изменений (естественное движение населения и миграция), а источники административных данных используются в качестве дополнительных; отделы Министерства внутренних дел Словацкой Республики являются подотчетными подразделениями по статистике миграции. Эти источники данных являются гарантией требуемого качества статистических данных. Аналогичным образом в Швейцарии данные о международных миграционных потоках или численности мигрантов черпаются в основном из административных данных или данных обследований, которые уже доступны при низких затратах и хорошем качестве. Эти данные используются для целей государственного управления и выработки политики в области миграции, и в более обширных данных о движении населения нет необходимости. Кроме того, в официальной статистике Швейцарии главное внимание уделяется населению, постоянно проживающему в стране на законных основаниях. Поэтому в ней не рассматриваются группы населения, не представленные в официальных реестрах, например мигранты без документов или краткосрочные мигранты, в случае которых использование новых данных, возможно, более актуально. В Испании Национальный институт статистики наладил контакты с операторами мобильной связи для получения данных о ежедневных поездках на работу и обратно (а также, в меньшей степени, о туризме), но ценной информации для статистики миграции не получено, других же подходящих источников больших данных выявлено не было. Соединенное Королевство отметило, что пока нет полной уверенности в полезности новых источников данных для статистики миграции. Прежде чем использовать эти данные при ведении статистики, необходимо проверить, могут ли они ‒‒ и насколько точно ‒‒ отображать миграционные потоки отдельно от других форм перемещения людей. В целом, при использовании больших данных может оказаться нелегко выделять мигрантов или миграцию в огромном массиве данных. Например, с помощью данных мобильной телефонной связи трудно выделить перемещения через границу, которые не являются просто посещениями или короткими поездками.

57. Отсутствие договоренности между ведомствами (например, НСУ и отраслевым министерством) и потенциальными поставщиками было указано в качестве причины тремя странами. В Чехии данные о миграции собираются из различных

Рабочий документ 15

21

административных источников, включая Министерство внутренних дел (Служба иностранной полиции), которое является одним из основных поставщиков данных. Было высказано мнение, что любая инициатива по использованию больших данных должна исходить от этого министерства, поскольку это потребует внесения изменений в Систему информации об иностранных гражданах.

58. Нехватка средств для получения доступа к большим данным не представляется серьезным препятствием, поскольку эту причину назвала только одна страна.

4. Масштабные нововведения в области измерения международной миграции

59. Как подробно показано в предыдущих разделах настоящего доклада, большинство НСУ, принявших участие в опросе (об использовании альтернативных источников данных в статистике миграции), указали, что большие данные в настоящее время не используются.

60. Однако 12 НСУ указали, что они «работают над масштабными нововведениями в области измерения международной миграции», включая «новые подходы с использованием существующих источников и/или с изучением новых источников данных». В данном разделе обобщены выводы из этих ответов в разбивке по двум темам: • изменения в источниках данных по сравнению с ранее использовавшимися в НСУ; • новая или инновационная методология, которую НСУ используют в отношении этих

или существующих данных.

4.1. Нововведения в измерении международной мигра- ции, связанные с данными

61. Большинство стран, в которых изучаются потенциальные нововведения в области данных, начали использовать текущие оценки, расширять масштабы их использования или улучшать их с помощью административных данных (также называемых админданными). Из упомянутых выше респондентов восемь указали, что они в той или иной мере работают с административными данными, достигнув различных уровней зрелости и прогресса на этом пути.

62. Три страны сообщили, что для оценки миграции, определения ее демографической структуры или численности населения они используют метод обследований. В некоторых случаях дополнительно применяются показатели, рассчитанные на базе административных данных.

4.1.1 Краткая информация об использовании административных данных

63. Страны достигли разных уровней зрелости при использовании административных данных (таблица 2). В данном разделе для того, чтобы наглядно показать различные стадии развития и типы подходов, которые изучаются в сфере административных данных, использованы примеры стран, основанные на подробных ответах, полученных в ходе опроса.

Рабочий документ 15

22

Таблица 2. Резюме использования и изучения административных данных для оценки международной миграции в странах-респондентах

Степень зрелости использования административных данных Страна Подробная информация об использовании

Изучение/ранняя стадия разработки

Франция В настоящее время осуществляется проект по использованию и объединению административных данных для оценки миграции

Португалия Изучение административных данных для целей ежегодных оценок численности постоянного населения и достижение согласованности миграционных потоков с численностью мигрантов

Зрелая степень разработки/отработка процесса

Армения При проведении переписи 2022 года планируется использовать регистр населения и данные пограничного контроля. После переписи населения эти источники могут быть использованы для измерения миграции

Венгрия Улучшение статистики миграции на основе многочисленных источников административных данных (в основном регистр населения и адресов, регистр иностранных граждан, регистр социального обеспечения).

Словакия Перепись 2021 года проводилась на основе интеграции административных данных с дополнительными данными о миграции из статистических обследований

Соединенное Королевство

Переход от статистики миграции на основе обследований к новым показателям на базе административных данных

Соединенные Штаты

Использование полных данных об авиарейсах для оценки чистой миграции в Содружестве Пуэрто-Рико, дополняемых демографическими характеристиками из данных обследований

В работе Новая Зеландия

Административные данные используются в качестве основного источника для оценки миграции, статистические модели применяются для заблаговременного получения предварительных оценок

Швейцария Очень развитое и широко распространенное использование административных данных при ведении статистики. В настоящее время прорабатываются возможности выпуска продольных данных о международных миграционных потоках на основе уже подготовленных данных регистров

Рабочий документ 15

23

4.1.2 Отдельные примеры нововведений с использованием админи- стративных данных

Португалия 64. Статистическое управление Португалии изучает и исследует возможность использования

административных данных при составлении официальной статистики населения на основе различных источников, включая: • национальный регистр актов гражданского состояния населения; • регистр иностранного населения; • регистр достигнутого уровня образования; • налоговый регистр; • регистр социального обеспечения; • регистры занятых и безработных.

65. Эти данные учета используются для создания базы данных о постоянном населении, которая будет ежегодно обновляться. При переходе к использованию административных данных ключевой проблемой является согласованность данных о миграционных потоках и численности мигрантов. Для измерения численности мигрантов можно использовать метод сравнения численности постоянного населения между контрольными датами, но при этом невозможно получить валовой показатель миграционного потока между этими контрольными датами. В настоящее время Статистическое управление Португалии изучает методы, с помощью которых можно было бы справиться с проблемами и ограничениями административных источников данных для измерения миграционных потоков.

Армения 66. Для целей переписи населения в 2022 году Армения планирует использовать регистр

населения в сочетании с данными из информационной системы пограничного контроля. Впервые эти административные данные будут использоваться в сочетании с большим выборочным обследованием (с охватом 25 % адресов из регистра населения). Такой подход к переписи населения потенциально позволяет получить новые показатели миграции и мобильности. Разработка систем объединения административных данных и упомянутого обследования находится на завершающей стадии.

Соединенное Королевство 67. Управление национальной статистики (УНС) переходит к измерению миграции на основе

административных данных вместо показателей, опирающихся на обследование международных пассажиропотоков (ОМП) с присущими им давно признанными недостатками. Этот процесс дополнительно ускорился в связи с пандемией COVID-19, из- за которой в 2020 году УНС приостановила проведение ОМП, хотя сейчас эта работа возобновилась с уделением повышенного внимания международным пассажирам. УНС использует различные административные источники, в основном интегрированные в рамках базы данных регистрации и учета доходов и пособий населения (RAPID)6, разработанной Министерством труда и пенсий (МТП). Это позволяет получить единое согласованное представление о взаимодействии систем МТП, Королевской налогово- таможенной службы (КНТС) и местных органов через систему жилищных льгот. В рамках такого взаимодействия охватываются пособия для малоимущих, доходы занятого и самозанятого населения, пенсии и пособие для работающих лиц с низким доходом.

6 В базе RAPID содержатся записи о всех лицах, имеющих номер национального страхования.

Подробнее см. International migration: developing our approach for producing admin-based migration estimates: Measuring international migration with administrative data.

Рабочий документ 15

24

68. Коррективы вносятся для учета различных типов мигрантов, которые по-разному представлены в административной системе. Для решения проблемы лага, связанного с классификацией миграции на основе этих данных, УНС также прибегает к моделированию для оценки миграционных потоков, о чем говорится в разделе Национальный опыт использования больших данных и новых источников данных.

4.1.3 Краткая информация об использовании данных обследований 69. В таблице 3 приводится краткая информация о том, как данные обследований

используются или изучаются в странах, представивших ответы.

Таблица 3. Подготовленное на основе полученных ответов резюме применения и изучения данных обследований в странах-респондентах, с разбивкой по предполагаемому этапу зрелости проработки и использования административных данных

Степень зрелости использования данных опроса Страна

Подробная информация об использовании

Зрелая степень разработки/отработка процесса

Армения Для дополнения административных данных на основе переписи населения 2022 года будет использовано 25- процентное выборочное обследование (см. подраздел «Армения» в предыдущем разделе)

Чехия Данные о миграции из Обследования рабочей силы, включая дату миграции и место рождения родителей

Соединенные Штаты

Обследование позволяет получать половозрастные характеристики потоков мигрантов для Содружества Пуэрто-Рико

4.2. Нововведения в измерении международной мигра- ции, связанные с методологией

70. Некоторые страны также подробно рассказали о методологических разработках, проводимых независимо от нововведений в сфере данных. Подробная информация была представлена Новой Зеландией и Соединенным Королевством, и она будет использована в качестве кратких примеров различных тестируемых методологических нововведений.

4.2.1 Отдельные примеры методологических нововведений

Новая Зеландия

71. Новая Зеландия собирает информацию о прибывающих и отъезжающих на основе паспортного контроля и информации об авиаперевозках по всем пассажирам. С использованием этих данных разработан показатель миграции по факту, с помощью которого иммигранты и эмигранты классифицируются по продолжительности времени,

Рабочий документ 15

25

проведенного путешественником в стране или за ее пределами7. Как правило, это требует наблюдения за пересечением границ мигрантами в течение 16 месяцев, что неизбежно влечет за собой задержку в получении своевременных окончательных оценок миграции. Поэтому Статистическое управление Новой Зеландии использует модель прогнозного машинного обучения для получения предварительных оценок миграции на основе прогнозной классификации данных о пересечении границ.

72. В результате изучения миллионов записей за прошлые периоды модель позволяет выяснить характерные особенности пересечения границы, в силу которых можно с большей или меньшей вероятности считать, что речь идет о пересечении границы мигрантами. В данной модели анализируются «особенности» в данных о пересечении границы за прошлые периоды, такие как направление и дата пересечения, количество времени, проведенное в стране и за ее пределами, количество времени, прошедшего с момента пересечения границы. Она также позволяет узнать из паспортных данных такие параметры, как возраст, пол и гражданство лиц, совершающих поездку, и тип обычно имеющихся у них виз. Кроме того, в каждой из записей также содержится информация о том, совершалось ли конкретное пересечение границы мигрантом (результат). Благодаря этому модель позволяет установить связь между различными сочетаниями вышеуказанных характеристик и вероятностью того, что конкретном случае границу пересекает мигрант. Для обучения в модели используется метод градиентного бустинга. Для этого используется хорошо отработанный алгоритм «XGBoost».

73. В результате этой процедуры создается комплекс предикторов, которые могут быть применены к случаям пересечения границы, где результат неизвестен, на основе отмеченных при этом характерных особенностей. Используя установленные уровни вероятности, оценивается количество пересечений границ мигрантами за определенный базисный период, агрегированное по различным признакам, включая возраст, пол и страну предыдущего проживания.

Соединенное Королевство 74. Как кратко обсуждалось выше, Управление национальной статистики (УНС) переходит на

административные данные для измерения миграции. Миграция оценивается на основе показателей занятости в рамках имеющихся данных. В целом лица, прибывшие, имея 12 месяцев занятости, классифицируются как мигранты, хотя при этом требуются некоторые исключения и корректировки (подробности приведены в сноске 6 выше). Помимо поправок на охват и другие факторы, УНС также разрабатывает методологию моделирования для повышения своевременности оценок миграции, учитывая, что, согласно текущему стандартному определению, классификация доступна не ранее, чем через 12 месяцев вследствие того, что при сборе административных данных период наблюдение за сроками занятости составляет 12 месяцев8. В УНС, правда, изучается возможность использования более широкого набора определений с учетом стандарта ООН. Они призваны обеспечить показатели измерения численности населения в режиме реального времени с учетом их возросшей востребованности среди пользователей во время пандемии.

75. В Соединенном Королевстве изучается возможность использования в дополнение к подходу, основанному на административных данных, моделей пространства состояний, которые, возможно, позволят давать предварительный прогноз миграции. Эти модели до сих пор использовались для оценки миграции до декабря 2020 года9. Как указано в

7 Подробнее о конкретных правилах классификации см. Migration Data Transformation: The

12/16-month rule. 8 Подробнее о своевременности методов и последних разработках см. International migration

statistical design progress report. 9 Основные результаты последних модельных оценок представлены в документе Long-term

international migration, provisional: year ending December 2020.

Рабочий документ 15

26

публикациях УНС, имеется в виду изучить использование таких моделей для повышения своевременности оценок миграции на основе административных данных, о которых говорилось ранее10.

5. Справочная система по специальной литературе: база данных по нововведениям в статистике мигра- ции (DIMiS)

76. В научных журналах или в виде рабочих документов опубликован ряд работ по миграции с использованием инновационных источников данных; эти публикации представляют потенциальный интерес для специалистов по официальной статистике. Для преодоления разрыва между исследованиями и практикой Целевая группа отобрала некоторые из этих работ и при поддержке секретариата ЕЭК ООН создала базу данных11, в которой даются ссылки на опубликованные работы по вопросам миграции с использованием инновационных методов и/или новых источников данных. База данных по нововведениям в статистике миграции12 (DIMiS) призвана повысить осведомленность о научном прогрессе в этой области и облегчить доступ к соответствующей информации для специалистов по официальной статистике и практических работников, интересующихся данной темой. DIMiS должна охватить исследования, в которых используются «нетрадиционные» источники данных, а также инновационные методы, применяемые к «традиционным» источникам данных, которые актуальны при ведении статистики миграции (в широком смысле).

77. Для этой первоначальной версии базы данных было определено около ста работ по таким темам, как международная миграция, внутренняя миграция, мобильность населения, перемещение населения и распределение населения. Из этих документов в первый список были включены только те, которые касаются миграционных потоков (как международных, так и внутренних). В зависимости от интересов пользователей в будущих версиях DIMiS спектр тем может быть расширен или дополнительно детализирован (например, с разграничением данных о потоках и численности мигрантов, конкретно по лицам, ищущим убежища, и беженцам, с учетом интеграции мигрантов и т. д.).

78. Структурно DIMiS организована в соответствии с набором ключевых переменных, которые могут быть использованы в качестве фильтра (фильтров):

1. Автор (авторы): имя автора (имена авторов). В имени первого автора сначала ука- зывается фамилия, затем начальная буква (инициалы) второго и последующих имен. Для всех остальных авторов сначала указывается начальная буква имени, а затем полная фамилия. Перечень авторов приводится полностью и соответственно не со- кращается с помощью «et al.». Поэтому можно либо искать конкретную фамилию, либо сортировать статьи по фамилии первого автора.

2. Год: год публикации. Если год публикации в Интернете отличается от года выхода в свет печатной публикации, предпочтительно использовать самый последний год, поскольку он может соответствовать версии, включающей исправления. Для не ре-

10 Обсуждение последствий и ограничений моделирования, а также вопросов будущего

использования см. Using statistical modelling to estimate UK international migration: Discussion. 11 Обзор отдельных научных работ см. доклад Объединенного исследовательского центра

Европейской комиссии (ОИЦ) о науке для политики «Data Innovation in Demography, Migration and Human Mobility ‒‒ Data gaps, opportunities, and challenges of non-traditional data», Iacus, S.M., C. Bosco, S. Grubanov-Boskovic, U. Minora, F. Sermi and S. Spyratos (готовится к выпуску).

12 https://statswiki.unece.org/display/DIMiS

Рабочий документ 15

27

цензируемых коллегами статей, например для статей в SocArXiv (открытый архив об- щественных наук), берется год первой загрузки/ рассылки, так как с течением вре- мени статья может несколько раз подвергаться изменениям, в том числе и после включения в DIMiS.

3. Название: название статьи. Единого стиля в отношении использования заглавных букв, копирующего принятый в статьях, нет.

4. Журнал: научный журнал/книга/исследовательский проект/хранилище веб-сайта, в котором содержится документ. Единый стиль не применяется.

5. Аннотация: опубликованное краткое изложение цели, метода и результатов статьи ‒‒ при наличии.

6. Тема (темы): основной аспект, связанный с миграцией, обсуждаемый в статье/до- кладе. Для этой первоначальной версии базы данных были рассмотрены следую- щие категории: a) международная миграция; b) внутренняя миграция13; c) мобильность населения; d) перемещение населения; e) картирование/распределение населения; f) прочие.

В DIMiS пока включены только те документы, тема которых охватывает первые две категории, хотя в них могут затрагиваться и другие темы. Несколько тем, рассматриваемых в одной работе, перечисляются последовательно в нужной графе в соответствии с приведенным выше списком. Поэтому невозможно найти работы, относящиеся исключительно к какой-либо категории (категориям), кроме a) или b), но можно найти работы, охватывающие также категории c) и/или последующие.

7. География: страна или страны, охваченные исследованием, с указанием в скобках соответствующей географической области (областей) на субнациональном уровне. В случае чисто методологических документов или обзорных статей, в которых ана- лизируется состояние научной литературы, этот ключ не применяется, и в данной графе указывается «не применимо».

8. Источники данных: источник данных, использованных в статье. Предусмотрены сле- дующие категории: a) оператор(ы) мобильной связи (ОМС); b) социальные сети (например, Twitter, Facebook, WhatsApp, LinkedIn); c) поисковые системы (например, Google); d) веб-демография (базы персональных микроданных, доступные во

Всемирной паутине); e) регистры (административные данные); f) обследования (например, перепись населения, выборка домашних

хозяйств); g) прочие (например, электронная почта, интернет-провайдеры,

информация о трафике, спутниковые снимки, конкретные базы данных).

Как правило, источник данных имеет свою собственную категорию, если он используется как минимум в двух статьях. В статье может использоваться один или несколько источников данных, все они указываются в этой графе. По возможности конкретный источник данных указывается в скобках (например, Facebook в категории «Социальные сети»). Затем пользователи могут начать поиск по всем статьям с

13 Для целей настоящего доклада миграция между США и Пуэрто-Рико классифицируется как

внутренняя миграция.

Рабочий документ 15

28

использованием категории источника данных (например, ОМС) или конкретного источника (например, Twitter).

79. Из 52 статей, включенных в эту первоначальную версию DIMiS, 36 статей посвящены международной миграции (отдельно или охватывая также другие темы), 23 ‒‒ внутренней миграции (отдельно или охватывая также другие темы) и 7 статей охватывают как международную, так и внутреннюю миграцию (см. таблицу 4).

Таблица 4. Статьи в DIMiS в разбивке по темам

Тема Количество

статей Внутренняя миграция 9 Внутренняя миграция/мобильность населения 4 Внутренняя миграция/перемещение населения 3 Международная миграция 25 Международная миграция/мобильность населения 1 Международная миграция/внутренняя миграция 3 Международная миграция/внутренняя миграция/мобиль- ность населения 4 Международная миграция/перемещение населения 3

Итого 52

80. As for the geography, the United States of America14 is the prominent country in terms of applications (14 papers), but European countries, and particularly the EU Member States, are well represented. There are also 5 articles with African countries (Kenya, Namibia, Rwanda, and Senegal) and 6 papers whose application is on all countries of the world (even if not all results are reported).

Таблица 5. Статьи в DIMiS в разбивке по географии

География Количество

статей Бельгия, Франция, США 1 Канада 1 Китай 2 Эстония 1 Государства-члены ЕС 2 Государства-члены ЕС, Исландия, Норвегия, Швейцария, Великобритания 1 Государства-члены ЕС, Ирак, Сирия 1 Государства-члены ЕС, Норвегия, Швейцария 1 Государства-члены ЕС, Норвегия, Швейцария, Великобритания 1 Франция 1 Франция, Германия, Ирландия, Италия, Нидерланды, Испания, Великобритания 1 Кения 1 Намибия 1 Государства-члены ОЭСР 2

14 Для целей настоящего доклада Пуэрто-Рико считается частью США. Также см. сноску 12.

Рабочий документ 15

29

Португалия 1 Румыния, Великобритания 1 Руанда 2 Сенегал, США 1 Швейцария 1 Турция 1 Великобритания 1 США 4 США (Калифорния, Техас) 1 США (Пуэрто-Рико) 3 США (Техас) 2 Венесуэла 2 Все страны 6 Не применимо 9 Итого 52

81. Среди статей, перечисленных в DIMiS, наиболее часто используемыми источниками

данных являются социальные сети (21 статья), в частности Facebook и Twitter с 6 и 4 научными статьями, соответственно (см. Таблицу 6). Данные от операторов мобильной связи также широко используются (14 статей), но, в отличие от социальных сетей, в основном для внутренней миграции. Интересно отметить, что есть также работы, в которых совместно используются «нетрадиционные» и «традиционные» (например, регистры и обследования) источники данных или применяются инновационные методы для первых. Диапазон «нетрадиционных» источников данных выходит далеко за рамки обычных операторов мобильной связи и социальных сетей, что также показано в категории «Другие».

82. DIMiS публикуется в предварительном формате, открытом для дальнейших улучшений, и доступен по адресу https://statswiki.unece.org/display/DIMiS. В частности, по мере появления в будущем нового опыта потребуется механизм для добавления новых статей. Отзывы пользователей DIMiS будут иметь решающее значение для превращения этой первоначальной версии в справочный инструмент, который будет полезен для официальных статистиков и потенциальных специалистов по большим данным в целом.

Table 6. Статьи в DIMiS по источнику данных

Источник данных Количество статей

Оператор мобильной связи 9 Оператор мобильной связи / Социальные сети 4 Оператор мобильной связи / Обследование (перепись) 1 Поисковая(ые) система(ы) 3 Поисковая(ые) система(ы) (Google) 2 Поисковая(ые) система(ы) (Google) / Регистры (незаконное пересечение границы, прошения о предоставлении убежища) / Другое (Глобальная база данных событий, языка и настроения) 1 Социальные сети 7 Социальные сети (Facebook) 4 Социальные сети (Facebook, LinkedIn) 1 Социальные сети (Facebook, Twitter) 1

Рабочий документ 15

30

Социальные сети (LinkedIn) 1 Социальные сети (Twitter) 3 Веб-демография 2 Регистры (незаконное пересечение границы, прошения о предоставлении убежища) / Другое (Глобальная база данных событий, языка и настроения) 1 Регистры/Обследование (Обследование рабочей силы) 1 Обследование (набор данных о потребительских кредитах) 1 Другое (большие данные в целом) 5 Прочее (данные об авиапассажирах) 1 Другие (Microsoft Academic Knowledge Graph) 1 Прочее (услуга мобильных денежных переводов) 1 Другие (электронные письма Yahoo!) 1 Другие (пользователи Yahoo!) 1 Итого 52

6. Выводы и последующие шаги 83. Опыт НСУ в области использования больших данных ограничен, и собранного для

настоящего доклада материала недостаточно для предоставления конкретных рекомендаций. Вместе с тем потенциал использования новых источников данных в плане решения и существующих, и возникающих проблем миграции и удовлетворения неотложных потребностей в данных весьма перспективен. Обмен соответствующей информацией и инструментами и их обновление облегчают использование больших данных и новых источников данных для измерения миграции и трансграничной мобильности.

6.1. Пока ограниченные масштабы использования 84. Многие страны сталкиваются с ограничениями в использовании больших данных; в

частности, в качестве причины неиспользования новых источников данных многие страны упомянули соображения конфиденциальности индивидуальных данных, юридические ограничения и существующие правила. Для решения этой проблемы необходимо рассматривать в международных дискуссиях этические вопросы и вопросы конфиденциальности. В то же время важно применять методологии и методы, обеспечивающие сохранение конфиденциальности информации, позволяя специалистам в области статистики и исследовательским работникам использовать потенциал больших данных. Однако такое сочетание как использование инновационных источников данных, например данных социальных сетей, и сохранение тайны личной жизни и общественного доверия может вызвать сложности.

85. В настоящее время многие страны предпочитают направлять свои усилия на использование административных данных и интеграцию данных из различных источников, что, возможно, связано с трудностями, возникающими при доступе к большим данным. Источники административных данных могут использоваться более полно. Например, лица, ищущие убежища, и нелегальные иммигранты могут не учитываться в официальной миграционной статистике, иногда из-за отсутствия идентификационных номеров. Устранение этих ограничений в регистрационных данных повысит качество миграционной статистики. В случае же административных данных то, что является новым источником данных для одной страны, порой является традиционным источником для другой. Возможности использования зависят от

Рабочий документ 15

31

множества различных аспектов, таких как особенности исторического развития стран, правовые и институциональные рамки и имеющиеся ресурсы.

86. Даже в странах, которые сообщили о ряде случаев использования больших данных в других областях статистики (туризм, ежедневные поездки на работу и обратно, экономика и т. д.), в области измерения миграции большие данные пока используются в ограниченных масштабах. Это объясняется многими причинами. Многие страны имеют долгую общую историю ведения статистики миграции и часто делятся опытом использования международных стандартов и определений с международными организациями. По данным проведенного опроса, эти страны, как правило, предпочитают повышать качество традиционных данных, а не изучать новые источники данных, которые требуют преодоления множества административных и юридических препятствий.

6.2. Потенциальные преимущества 87. Анализ, проведенный Целевой группой, подтверждает потенциал новых источников

данных для измерения миграции, включая возникающие тенденции в динамике миграции и трансграничной мобильности, а также для удовлетворения срочных потребностей в данных, возникающих в результате неожиданных природных (пандемии, ураганы и т. д.) и геополитических (войны, преследования, политические кризисы и т. д.) событий.

88. Большие данные и новые источники данных могут помочь преодолеть разрыв между потребностью в своевременной информации и временем, которого требует процесс сбора официальной статистики. Поэтому они могут сыграть важную роль в повышении качества выпускаемых в настоящее время статистических данных. Многие страны переходят к интегрированным статистическим системам, и новые источники данных могут стать важными ресурсами для включения в эти системы. Поэтому можно надеяться, что в новых интегрированных статистических системах измерения миграции большие данные и новые источники данных найдут достойное место и смогут повысить качество статистики миграции.

6.3. Следующие шаги ‒‒ ведение Базы данных по нововве- дениям в статистике миграции

89. В настоящем докладе показана текущая работа по использованию больших данных и новых источников данных в НСУ, которые, как ожидается, будут полезны для стран, проявляющих интерес к деятельности в этой области.

90. Целевая группа создала Базу данных по нововведениям в статистике миграции (DIMiS) для расширения горизонтов работы путем включения исследований и изысканий в области миграции и больших данных, проводимых вне рамок НСУ, таких как статьи и документы, посвященные большим данным для статистики миграции (включая вопросы международной миграции, мобильности населения, внутренней миграции и т. д.). База данных облегчает обмен информацией о проектах, интеграции данных, подходах к моделированию и передовой практике, что позволит НСУ учитывать общемировой опыт исследований в различных областях изучения миграции.

91. НСУ и исследовательским работникам предлагается сообщать ЕЭК ООН о любом новом опыте и публикациях, чтобы можно было регулярно обновлять созданную базу данных. Не являясь исчерпывающей, база данных DIMiS задумана как первый шаг к созданию динамично развивающегося хранилища данных, которое должно постоянно пополняться новым опытом, чтобы облегчить обмен информацией о проектах, основанных на новых источниках данных.

Рабочий документ 15

32

92. Эта база данных должна быть гибкой. Включенная в нее информация может меняться и увеличиваться в объеме по мере расширения и усложнения накопленного опыта, что позволит DIMiS стать ключевым справочным инструментом, помогающим НСУ использовать новые источники данных и связанный с этим метод.

1 Prepared by UNECE consultants Anne Herm and Michel Poulain.

19 октября 2022

English

Economic Commission for Europe Conference of European Statisticians Group of Experts on Migration Statistics Geneva, Switzerland, 26−28 October 2022 Item A of the provisional agenda Improvements in use of administrative data for migration statistics

Improvement of population and migration statistics in Armenia - Current situation, future plans and ways to improve

Note by UNECE1

Abstract

In 2021, the Statistical Committee of the Republic of Armenia (Armstat) requested support from UNECE in order to assess the suitability of linking and harmonizing relevant data on migration from the Population Register of Armenia (PRA), the Border Management Information System (BMIS) and other relevant national databases. The objective was to develop a system aimed at producing data on migration in an efficient and sustainable manner, thanks to linkages with databases maintained by other agencies.

In response to the request form Armstat, UNECE hired two consultants who carried out a mission in Armenia to collect information and discuss with representatives of Armstat and other relevant institutions. This report presents the main findings about the current situation, future plans, and some suggestions to develop the production of data on international migration using administrative data.

TABLE OF CONTENTS

I. Current situation .................................................................................................................. 1

A. Statistics on total population and population composition ................................................ 1 1. Data sources used for production of population statistics .............................................. 1 2. Method for producing the number and composition of the population .......................... 1 3. Reliability of population statistics and limitations ......................................................... 1

B. Statistics on migration ........................................................................................................ 2 1. Data sources used for production of migration statistics ................................................ 2 2. Method for producing the number of international migrants ......................................... 3 3. Reliability of migration statistics and limitations ........................................................... 3

II. Future plans and suggestions .............................................................................................. 5

A. The 2020 Round Census Plans ........................................................................................... 5 1. Next census as the starting for new method for annual population estimates .................. 5 2. Using register data for defining census population .......................................................... 6 3. The BMIS extract ............................................................................................................. 7 4. The project for linkage PRA and BMIS records for 2022 census .................................... 7 5. The expected coverage by groups of the census population

as the result of matching the PRA and BMIS records ...................................................... 9 6. Other possible useful linkages for identification of census population .......................... 10 7. Checking the reliability of constructed census population ............................................. 10 8. Census data collection by a 25% address sample ........................................................... 10 9. Proposal for improvement of data collection on international migration

by 25% census survey .................................................................................................... 11

B. Migration statistics after the 2022 census ........................................................................ 12 1. Better catch international migration flow from ILCS .................................................. 12 2. Possibilities to improve migration statistics by implementing data from

the Border Management Information System ................................................................ 14

ANNEXES ................................................................................................................................... 16

Abbreviations

Armstat Statistical Committee of the Republic of Armenia BMIS Border Management Information System ILCS Integrated Living Conditions Survey IOM International Organization for Migration LFS Labour Force Survey NKR Republic of Artsakh (formerly Nagorno-Karabakh Republic) PRA Population Register of Armenia PSN Public Service Number RA Republic of Armenia UN United Nations

1

I. Current situation

A. Statistics on total population and population composition

1. Data sources used for production of population statistics 1. The Statistical Committee of the Republic of Armenia (Armstat) uses both statistical and administrative data for the production of population statistics. The basic data for estimating the annual number of total population and its age and sex composition is the RA Population Census 2011 results. The sources for estimating annual changes of the population are administrative data: the vital registration for births and deaths, and registration of the place of residence for in- and outmigration estimates. In addition, Household Integrated Living Conditions Survey (ILCS) data are used to estimate net migration.

2. Method for producing the number and composition of the population 2. The population is usually measured by censuses following two definitions: the de jure population is the population permanently resident, both present and absent, in the given territory, and the de facto population is the population of permanent and temporary residents who are present at the time of census. The population temporarily absent includes those who were registered as residents but were absent for less than 12 months from the place of their main (permanent) residence as of the census time. The temporarily present population are those individuals who were not residents and were present in the given territory for less than 12 months as of the census time. The total number of (permanent) population and its composition by main demographic characteristics is calculated every year from the last census results and annual population changes (The Demographic Handbook of Armenia, annual since 2005)2. For natural change of the population and for producing vital statistics, the Armstat uses electronic records from the Civil status registration system. This system provides information on births, deaths, marriages and divorces. Migration data are extracted from the Population Registry of Armenia (PRA) and are based on administrative registration of the place of residence. The data are initially collected by local offices of (the Passport and Visa Department of) the Police of the Republic of Armenia and transmitted to the PRA. Registration of the place of residence is considered to be incomplete, not covering all population movements from one place of residence to another. Particularly, the under coverage is concerning international migrations of Armenian citizens. Therefore, for more reliable annual population update estimations, net migration is re-estimated (statistically adjusted) by using results of the Household Integrated Living Conditions Survey (ILCS). This survey includes a number of questions about household members who have recent migration experience. Similar migration questions were included also in the Labor Force Survey (LFS).

3. Reliability of population statistics and limitations 3. The accuracy of the results of the 2011 population census is considered sufficient as the base for further updating the population figures. The natural change of population based on births and deaths registration is also close to complete. The most difficult problem is to ensure reliable

2 Extract from The Demographic Handbook of Armenia, 2019: ‘The data on population are derived based on Population Censuses. Population current registration data for 2002 - 2011 are represented by the re-estimated permanent population number based on RA Population Census 2011. Since 2011 the base for calculation of permanent population is the data of Population Census conducted from 12 to 21 October 2011 which is updated by adding the number of annual births and arrivals and removing the number of deaths departed persons from the given territory for each year. The data on migration (registration / deregistration) obtained from the RA Police since 2013 undergo a reassessment (statistically adjustment), given the fact that they do not completely cover the movement of the population (as people generally move without informing about it the Passport and Visa Department of RA Police) based on the migration estimation obtained by the results of Integrated Household Living Conditions Survey of the previous year’.

2

estimates for the migration component of the population change. Whereas registration (deregistration in case of emigrating) of the place of residence is incomplete, the net migration estimate based on sample survey data, even if it is a good solution in the current situation, has some limits. Particularly, spatial distribution of population within the country in detailed age and sex distribution cannot be reliably calculated, e.g. for higher age groups and smaller municipalities, possibly also for distribution by some other characteristics and relatively small groups of population.

B. Statistics on migration

1. Data sources used for production of migration statistics 4. The Armstat uses data from administrative sources and statistical sample surveys for compiling migration statistics. Traditionally, the registration of the place of residence at the local police offices has been the source for migration statistics, both internal and international. Both Armenian citizens and foreigners are registered. 5. The variables available from the PRA for statistical purposes are the following:

(a) Date of birth; (b) Place of birth (country, marz-province, community, settlement, address); (c) Sex; (d) Place of previous or next residence (country, marz, community, settlement, address); (e) Country of citizenship; (f) Place of registration or deregistration – new residence (country, marz, community,

settlement, address); (g) Nationality (ethnic affiliation); (h) Date of registration or deregistration; (i) Residence status (refugee or special residence status).

6. A set of questions for collecting data on migration is added to the household sample survey questionnaires. Household Integrated Living Conditions Survey (ILCS) data have been used to estimate net migration for updating total population since last census in 2011. Migration relevant questions in the ILCS 2019 questionnaire are presented in the Annex 1. 7. Questions related to migration have been asked also in the Labor Force Survey (LFS) that is an annual sample survey. Some of the data on migration was collected on all household members, some only on survey respondents. Questionnaires are available since 2014 on the website of the Armstat. The questions in LFS 2019 on migration topics are presented in Annex 2. 8. In addition, the Armstat receives and publishes regularly aggregated data on border entries and exits that does not directly provide data on migration flows but gives theoretically the possibility to estimate net migration for the total population. The data on external passenger transportation (arrivals and departures in/from the Republic of Armenia) is provided by the Ministry of Territorial Administration of the Republic of Armenia, and since 2010 the source of data is the electronic Border Management Information System (BMIS). The Demographic Handbook of Armenia 2020 includes the following information: “RA Boarder Management Information System of the Republic of Armenia, enables to obtain information about the administrative records on border crossings and the number of participants. This system does not allow to carry out the data processing in order to get migration data according to UN definitions and methodology”.

3

9. Among data related to migration issues, there are also data on residency status of foreigners, asylum seekers and refugees. These all are based on respective administrative databases. Figures are published semiannually in monthly-information Reports “Socio-economic situation of the Republic of Armenia” (January–June, January–December) and annually in the Demographic Handbook of Armenia.

2. Method for producing the number of international migrants 10. The Armstat publishes tables on the number of ‘administrative registrations’ and ‘administrative de-registrations’ of addresses in the PRA of persons. These does not reflect de facto international migration flows because serious under coverage of registration from and to abroad. Moreover, the time criteria (at least 12 months or most of 12 months period) recommended by the UN, is not applied. The commonly used time criteria in defining migrants is ‘for three or more months’. This is introduced in data collection by household surveys, in both ILCS and LFS. However, in the ILCS, the main source for net migration, various length of duration can be reported for absent household members (departures). The return household members are identified if person arrived from abroad to that place and was away for more than 3 months. These data concern only persons who are considered as household members at the time of survey. Net migration estimated from data on arrivals and departures collected by the ILCS is used for the annual population updates. The Demography department of the Armstat has produced a special publication “Migration snapshot of the Republic of Armenia – 2017” that makes use of data the ILCS. The ILCS has its limits due to sample size (less than 20.000) and the fact that it is not specifically designed for collecting international migration data. Number of cases in some groups of migrants, a few hundreds, may be too small to obtain a reliable estimation for the total population.

3. Reliability of migration statistics and limitations 11. As given above the completeness of migration flows statistics is not sufficient (as assessed by the Armstat, as well). The produced statistics on registration and deregistration do not fully respond to the requirements for international migration statistics, and these registration data could be not fully reliable for internal migration, too. The tools for profound improvement in the migration statistics are not statistical at this moment. Inducement measures are needed for the registration system. It has to be also marked that, even though the data published on registration and deregistration of the place of residence do not fully cover migration movements into and out of Armenia, these data are useful and their presentation can be considered as useful and clear. The Armstat has made efforts to improve the availability of data and more reliable data on migration by collecting data through sample surveys, in addition. Also, aggregate data on arrivals and departures on border points are available for statistics. This ensures that more information is available for monitoring general processes in the international migration. However, these different sources provide data that are not compatible and the estimated net international migrants is different from each source. For the data user it could be difficult to rely on them, e.g. for policy development. 12. The following tables 1 and 2 present the size of in- and outflows to and from Armenia according to various data sources while the figure hereunder displays the net international migration compared as computed from the three data sources.

4

Table 1 In- and out-migration flows

Immigration including return migration Emigration Net migration

Administrative registration in PR

ILCS estimation

Administrative deregistration in PR

ILCS estimation

Administrative registration in PR

ILCS estimation

2015 2,160 10,600 3,041 36,500 -881 -25,900 2016 2,427 8,200 2,520 33,000 -93 -24,800 2017 3,133 9,200 2,847 33,200 286 -24,000 2018 3,696 10,100 3,216 28,386 480 -18,286 2019 4,844 12,100 3,143 27,500 1,701 -15,400 2020 3,693 10,800 2,587 7,400 1,106 3,400

Table 2 Entries and exits at state border

Entries Exits Difference

2015 2,709,269 2,752,694 -43,425 2016 2,867,000 2,915,170 -48,170 2017 3,398,169 3,425,014 -26,845 2018 3,757,187 3,741,869 15,318 2019 4,319,619 4,309,112 10,507 2020 913,211 901,119 12,092

5

II. Future plans and suggestions

A. The 2020 Round Census Plans

13. The most important statistical data collection activity in the near future is the Population Census that is planned to be carried out in 2022. The recent and current activities in the field of population statistics are targeted to the preparation of this census. The exact census reference date is 13 October 2022 according to the RA Government decision. Whereas the intention is to base the main enumeration process on the available data in the state registers, mainly the Population Register (PRA), the identification of the resident population involves strongly the issues related to migration and data on migration.

1. Next census as the starting for new method for annual population estimates

14. General plans for the 2020 round census in Armenia have been done. It will be a register- based census combined with a sample survey. Main register to be used is the PRA. In addition to this, data from the border management information system (BMIS) will be used. Variables that cannot be taken from the register will be collected by a survey that covers 25% of addresses included in the PRA.

(a) Defining usual resident population in 2022 census in Armenia

15. In 2022, the census in Armenia is planned to be carried out as a register-based census combined with a sample survey. The census population will be defined as the de jure (registered) population of Armenia according to the PRA. For this, the ‘cleaning’ of the PRA extract is planned with help of the records on entries and exits from the BMIS. It involves matching active records of persons from the PRA with BMIS records of the latest entries and exits. 16. It has to be considered that places of residence are not well updated in the PRA. Need to correct the coverage of the PRA extract comes from the fact that data on place of residence is not well updated the PRA. Accordingly, it is not possible to reliably identify the total resident population at the time of census. More specifically, many Armenian citizens having a registered place of residence in Armenia actually left the country to work abroad, often to Russia but also to other countries, and live there already for many years. Opposite situations also exist, when an Armenian citizen or Armenian descendent who wish to acquire Armenian citizenship has declared a place of residence abroad but (already) lives in Armenia. Foreigners, who live permanently in Armenia are expected to register their place of residence in the PRA but there is no effective control over this. As a consequence, foreigner can live in Armenia but not having a registered address in the PR or if place of residence has been registered, it could be not updated after person left abroad. Issue of residence permit and end of its validity is not recorded in the PRA. The cases where Armenian citizen has no record in the PRA are rare but there are records of persons who has no registered place of residence in the PRA. 17. According to census plans the following characteristics will be extracted from the PRA (source: Armstat presentation 13.10.2021):

(a) Personal code; (b) Name, surname and patronymic, if certified documents are presented; (c) Status (residence status or refugee status); (d) Actual registration address; (e) Citizenship, ethnicity; (f) Birthday, month, year, and birthplace;

6

(g) Sex.

2. Using register data for defining census population 18. From the PRA only active records of registered persons will be selected for the census population. Classification of persons who have active record in the PRA is given in Annex 3. For these persons, the last border entry or exit records will be searched from the BMIS. 19. Concerning existing information on the place of residence in the PRA, people can be classified in three groups in the PRA (see Annex 1):

(a) Most persons recorded in the PRA have a registered address of residence in Armenia; (b) Some persons have address (place of residence) abroad in the PRA; among these, there

are Armenian citizens but also citizens of other countries, e.g.: Russian citizens, who have Armenian origin but never lived in Armenia, but wish to have Armenian citizenship;

(c) Some persons have the address fields empty in the PRA (reasons to be specified, for some persons the address field can be emptied by owner’s request3).

(a) Coverage of the PR and personal identifiers

20. Almost all Armenian citizens are included in the PRA but there is probably a contingent of people who live in Armenia but have no record in the PRA. The personal identification documents used as base for the registration in the PRA could be different – Armenian citizenship passports, ID cards or Social Cards (used for social services), foreign passports. 21. Among these documents only ID card and Social Card provides a unique identifier. Generally, every citizen of the Republic of Armenia has a PSN (Public Service Number). In case of having an ID card, the person's PSN is indicated on this card, and in case of not having it, it is available on the Social Card. Nevertheless, it is possible, that a person does not use any services provided by state authorities that would be available only when having identity documents and has not any such document. It is assumed that the number of people who do not use such services is very small. 22. Nevertheless, in the PRA record the person's PSN is created based on the information about the day, month, year of birth and sex of the person, auxiliary consecutive three-digit number and one-digit specifier (RA Law “On Public Service Number”) and if any person refuses to accept it, has the right to apply and receive a “Reference on not receiving PSN”. The PSN is not among the personal data in the passport of the Republic of Armenia and obviously it is not included in the passport of a foreigner. That may cause difficulties to match the PRA record with data from other datasets where the same identifiers need to be used. For matching the BMIS records and individual records of the PRA other identifiers, like names and passport number, are needed. It may cause the difficulty if person has changed his/her passport after the latest border crossing.

(b) Place of residence

23. According to the UNECE (and Conference of European Statisticians) recommendations (UNECE, 2016), the place of usual residence can be defined as the registered place of residence if administrative data are used for population and migration statistics. In general, it is assumed to be (for most of people) the same as the de facto place of residence. 24. In Armenia the registered address can be or not the same as de facto/actual place of residence (the range of difference is still to be identified, it is foreseen to ask questions in the 2022 census from 25% sample). As the place of residence is not regularly and completely updated, the PRA

3 According to the RA Government decision (14.07.2005 N1231-N) “On Introduction of State Population Register System in the Republic of Armenia”, a person may be deregistered based on the homeowner's application or court decision.

7

record does not show the person’s de facto place of residence at any time moment and it could not be possible to produce reliable data on the distribution of population neither on the number of usually resident population at the Census moment. Presence or absence of the person at the time of census cannot be reliably identified from the data on place of residence recorded in the PRA. Concretely, persons who live abroad but did not give the information about place of residence abroad, are still considered as residents in the country, and persons who arrived from abroad (even foreigners having residence permit) could be excluded if they ignored the requirement to register a place of residence in Armenia. In order to limit the errors in defining total census population, the PRA records are planned to be compared with the records of border entries and exits registered in the BMIS at the time of border crossing.

3. The BMIS extract 25. The planned linkage of the records from the BMIS with the PRA would enable better identification of the resident population in the country at the census moment. By matching the last entry or exit of the person over the state border to his/her record in the PRA the presence or absence of the person at the census time will be identified including the duration of period from last entry or exit to the census moment. 26. A detailed methodology description for how the matching of the records from two data sources will be executed, was not available at the time of preparing this report. 27. Currently, the data available for the Armstat from the BMIS includes the following data fields:

(a) Year of border crossing (dates of entry exit exist in the BMIS); (b) Country of issuance of the document/passport (mostly identifying country of

citizenship); (c) Year of birth; (d) Sex.

28. These data can be aggregated by the Armstat directly from the BMIS database through the special user’s access environment. However, the Armstat does not have access to individual records of entries and exits in the BMIS and the record matching for census purposes is also planned to be done by the PRA and BMIS, and not by Armstat.

4. The project for linkage PRA and BMIS records for 2022 census 29. The project was initiated for the purpose of the 2022 census, but it is foreseen to serve various government users as well. For the linkage with the BMIS records, only active records of registered persons will be selected for the census population from the PRA. All alive Armenian citizens or ID card holders should have an active record in the PRA, but they may have registered address in Armenia or abroad. Also, a foreign citizen living in Armenia should have registered place of residence in Armenia. At the time of ongoing process of acquiring Armenian citizenship a foreigner may have record in the PRA with a registered address abroad. 30. For these persons, last border entry and exit records will be searched from the BMIS. Linkage of these records would identify who is physically in the country and who is out of the country at the census moment. The BMIS extract would include only the last border movement of each person registered in the PR since 2013 (partly since 2011 due to data availability). 31. This system allowing to distinguish among registered people in the PRA those who live in the country and those who live abroad, will be created for the census purposes. However, it would be useful to introduce the similar procedure after the census 2022 for the annual international migration statistics. In order to produce migration flows data based on registrations and

8

deregistrations in the PRA, new border crossings after census should be matched with active records in the PRA annually. 32. As the details for the record matching were not yet available at the time of preparing this report, we propose the following method that can be used for this exercise. By considering the time period between last border movement and census date, temporary absent and temporary present persons can be identified, international migrants can be distinguished among persons who arrived from or left to another country. Thus, persons who did not leave country or who arrived longer time ago, can be considered as permanently (usually) living in country and belonging to usually resident population at the census moment. Considering persons who has active record in the PRA at the census moment, the status of the person will be

(a) ‘Living in the country’ and accordingly considered as usually resident in country and included in the census population, if the last border record was ‘ENTRY’ and that occurred at least 183 days before census moment;

(b) ‘Living abroad’ and accordingly not considered as usually resident in country and excluded in census population (despite of registered address in Armenia), if the last border record was ‘EXIT’ and it occurred at least 183 days before the census moment;

(c) As present at time of census and included in the census population, if the last border record was ‘ENTRY’ within the last 182 days and person has a registered address in Armenia;

(d) As temporary abroad but included in the census population, if the last border record was ‘EXIT’ within the last 182 days and person has a registered address in Armenia.

(a) Any situations that need special attention

33. Whereas the linkage of border records with PRA records is expected to help identify among the people registered in the PRA of Armenia those who are in the country and those who are out of the country at the census moment, it leaves the possibility for errors. Concretely errors may occur in case of following persons:

(a) Have registered place of residence in Armenia but de facto live abroad, visiting Armenia shortly before census;

(b) Have registered place of residence in Armenia and emigrated shortly before the census (both foreigners and Armenian citizens);

(c) Foreigners not having registered place of residence in Armenia (both recently arrived and living already longer period in Armenia). 34. For example, if an Armenian citizen who has registered address in Armenia but de facto lives abroad, arrived recently before census, he or she will be considered as person living in country at census time even if he/she arrived only for temporary visit. Both Armenian citizens and foreigners who have registered place of residence in Armenia, and left country just before census (within 0–182 days) for a long-term residence abroad, will be still considered as members of Armenian population in the census. Also, as only persons having active records in the PRA will be considered among census population, any foreigner de facto living in country, but not having address in the PRA, would be excluded even if his/her last entry at border was long time ago (there seems to be no direct link between issue of residence permit and registration in the PRA). 35. In order to apply the criteria and to identify international migrants-returnees living in Armenia at census time and international emigrants who used to live in Armenia but left before census, it would be needed to capture year and month of at least two last ENTRIES or EXITS recorded in the BMIS. In order to include new foreign immigrants, the linkage of the BIMS with visa or residence permits records would be needed (see lower paragraph ‘Other possibilities…’)

9

36. Another thing that may create the problem or limit the possibility to link the PRA records with the BMIS records is missing unique identifier in BMIS records. Whereas the Public Service Number is indicated on the personal identification card (or in case of not having it on Social Card), this identifier is not shown in the Armenian passport. Therefore, it is necessary that the PRA record includes the serial number of a valid passport for every Armenian citizen as well as the serial numbers of previous passports that were used at last exit and entry over state border. The same should be also for foreigner who is official resident in country.

5. The expected coverage by groups of the census population as the result of matching the PRA and BMIS records

37. As the result of linkage, the extract from the PRA would consist of the following parts: 38. People identified as present in country – last border record is arrival (ENTRY) (Group A)

Group A1 – Records of Armenian citizens registered in PRA with address in Armenia linked with entry records in BMIS Group A2 – Records of Armenian citizens registered in PRA with address abroad linked with entry records in BMIS Group A3 – Records of foreign country citizens registered in PRA with address in Armenia linked with entry records in BMIS Group A4 – Records of foreign country citizens registered in PRA with address abroad linked with entry records in BMIS (if such group exist) Group A5 – Records of Armenian citizens registered in PRA with address in Armenia not linked with any records in BMIS Group A6 – Records of foreign country citizens registered in PRA with address in Armenia not linked with entry records in BMIS

39. People identified as absent from country – last border record is departure (EXIT) (Group B) Group B1 – Records of Armenian citizens registered in PRA with address in Armenia linked with exit records in BMIS Group B2 – Records of Armenian citizens registered in PRA with address abroad linked with exit records in BMIS Group B3 – Records of foreign country citizens registered in PRA with address in Armenia linked with exit records in BMIS Group B4 – Records of foreign country citizens registered in PRA with address abroad linked with exit records in BMIS (if such group exist) Group B5 – Records of Armenian citizens registered in PRA with address abroad not linked with any records in BMIS Group B6 – Records of foreign country citizens registered in PRA with address abroad not linked with entry records in BMIS (if such group exist)

40. People, both identified as present and absent, can be further classified as permanently or temporary present or absent when considering the duration of time between census moment and, respectively, last entry or exit. 41. Some coverage errors that can still remain

(a) The census population would exclude recent (foreign) immigrants who has no registered place in the PRA. The ENTRY records from the BMIS of these persons will not be counted for the census enumeration;

10

(b) When using only last border movement, it is not possible to identify if person had de facto usual/permanent place of residence in or out of Armenia before census. At least two consequent border movements would be needed including the duration of stay in or out of country between these border crossings. Ideally, the BMIS extract must include all border crossings of person up to the date of census.

6. Other possible useful linkages for identification of census population 42. As shown above, immigrant foreigners who have no registered place of residence in the PRA will be excluded from the census population, even if according to the duration of stay in Armenia they should be enumerated as usual residents in country. One way to include them is to link the BMIS records with residence permit database and visa database (only for long visas that allow multiple entries). Obviously, most demographic and socio-economic characteristics of these foreigners are not available from the BMIS. However, if such linkage is possible, some variables can be taken from residence permit application. Their place of residence in Armenia would be most probably unknown, except if some information is collected by permit application. If linkage with residence permit database is not possible, the persons who have last border movement record ‘ENTRY’ at least 182 days before census should be considered in the total number of census population but with unknown values for variables that are not included in the BMIS records. According to information about available data for the Armstat from BMIS, shown above, in addition to entry and exit dates, sex, year of birth (or date of birth) and country of citizenship (country of issuance of the document/passport) are included in the border record.

7. Checking the reliability of constructed census population 43. The database resulting from the linkage of the PRA and BMIS records should be compared against any other existing dataset that includes similar data. All possibilities to compare should be considered. Ideally, record-by-record comparing should be done but this could be not possible or is too time consuming. Alternatively, comparing as many as possible lowlevel distributions of variables in total and/or specified categories of population could be done. 44. The datasets to consider would be:

(1) the 2011 census. Whereas record-by-record comparison would be difficult due to inexistence of a common unique identifiers, this comparison can still be effectively done by comparing aggregated data (cross tabulations with low level aggregation, e.g. settlements, single-year ages) and relative frequencies.

45. The same could be done with: (2) The survey data – Household Integrated Living Conditions Survey (ILCS) or/and Labor force survey (LFS).

46. It could also be checked how close the constructed census population is to the (3) Estimated population at census time based on 2011 census results plus/minus vital events and registered international migration.

47. Some other checks could include comparing the constructed age composition with the number of students in different level of education from school statistics, and the number of persons (above retirement age) receiving pension according social service records (in case if a large majority of people at certain age receive it).

8. Census data collection by a 25% address sample 48. The data on the other variables defined by the census program but not included in the PRA will be obtained by a sample survey that will involve 25% of the addresses in the state population register. The enumerator would visit these addresses and collect data through interviews (by CAPI).

11

49. Among other, questions are planned also on migration issues. Preliminary list of questions has been prepared. These include place of birth and country of citizenship. Data is planned to be collected also on previous place of residence that can be a place abroad. Thus, some minimum data on migration issues will be collected and this could satisfy basic needs for data on internal migration. However, only part of recent international migrants will be identified. In order to collect data on international migration it would be needed to revise the planned questionnaire. The list of planned questions is given in Annex 4 together with suggested corrections. 50. The census survey should include a limited number of questions that are clear and easy to answer and at the same time allow to collect all needed data for population composition and migration flows analysis. Planned migration-related questions data to be collected on composition of population at the time of census are the following:

(a) Citizenship; (b) Country or locality of birth in Armenia; (c) Type of presence: permanently present, temporary present, absent; (d) Short-term migrant status; Asking temporary presence or absence, short-term migrants can be distinguished according to duration of stay/absence. (e) Continuity/duration of living at the place of enumeration; (f) Previous place of residence (in Armenia or country abroad).

51. As the data is collected from a sample and not from the total population to be covered by census, the two last questions should be asked not only from the permanent residents but also from absent and temporary present persons.

9. Proposal for improvement of data collection on international migration by 25% census survey

52. Planned questions allow to estimate internal migration flows of the permanent population when considering persons who had previous place of residence elsewhere in country and the duration of living in the place 12 months or less (arrived during 12 last months). 53. However, the planned questions exclude possibility to collect data on composition of population by international migrant status. For both international migrants and returnees who, after arrival from abroad, changed once or more times their place of residence within Armenia, information about their living abroad will be not collected, even in case of the last international migration occurred within last 12 months before census. Accordingly, international immigration flows that could be estimated based on in-migrations during last 12 months will underestimate international migration. Moreover, data on duration of residence in country after arrival from abroad will be no available. Currently the planned questionnaire would not give the possibility to collect any data on migration pattern of returnees. These data would be very useful considering that Armenia has experienced huge outflows of it nationals and increasing return migration could take already place that there are some signs (e.g. according border movements). 54. Considering the planned list of questions, the most suitable solution would be to improve the collection of data by adding specific questions for international migration. Considering that international emigration and return migration are involving big number of Armenian population (migrants and their families) it is very important to gather these data by census sample. With 25 % of coverage of the population it can give remarkably more reliable information than the two other sample surveys (ILCS or LFS). By introducing minimum changes in wording and three or four additional linked questions the data on international migrations of enumerated persons in the sample could be captured.

12

55. A summary table in Annex 4 presents planned questions (in black) by Armstat together with our proposed revisions (in blue) in wording of question and new additional questions (in red) that would help to collect needed data.

B. Migration statistics after the 2022 census

56. The Armstat has currently several migration data sources that are used for producing statistical data on international migration. However, none of these are satisfactory and the produced data are not comparable. Resulting figures from these datasets are rather different. More problematically, the estimated net migration can be positive according to one data source and negative according to another (e.g. border movements versus ILCS for 2018 and 2019). The reasons are diverse: (i) under-coverage of administrative registrations and deregistrations (ii) limited sample size of statistical sample surveys and (iii) access to the individual records from the BMIS that does not allow to apply definition of migrant. Some improvement for the reliability of data produced from these sources could still be possible. These would involve some changes in survey questions and processing of individual border records by matching them with the records from the PRA for identification of in-and out-migrations of persons having place of residence registered in Armenia. Whereas the 2022 census will be combined from various data sources that are at the same time sources used for migration data, it is reasonable to seek for improvement of migration data collection from these sources as well in a short-term perspective. In this respect, we suggest to consider data improvement that would include mainly a clarification of the definition, and accordingly a rewording of the regular ILCS survey questionnaire. The way to use the survey’s answers to identify international migrants for a given calendar year would also be reconsidered. Another suggestion concerns the development of a new methodology that matches individual data from border movements with the PRA records. This suggestion is not a fully new idea, as for the 2022 census such linkage is already foreseen.

1. Better catch international migration flow from ILCS 57. Suggestions for improving data collection by the ILCS mainly concern defining international migrants through rewording questions. First of all, a minimum duration of stay inside or outside the country should be fixed for counting person as a migrant. The 1998 UN recommendations on statistics of international migration define long term migrants as those who move to another country for at least 12 months, whereas the UN census recommendations suggest for defining usual place of residence either at least 12 months or most of the time during 12 months’ period that means more than 6 months in a 12-months’ period. The UN is working to revise the recommendations on international migration statistics, and in this context in March 2021 the UN Statistical Commission endorsed a new conceptual framework with revised concepts and definitions (UN, 2021) according to which the definition of “international migrant” does not refer to any specific threshold, but more generally to the fact of having changed the country of residence. Based on our experience on using border data in other countries, we recommend considering the criteria of a cumulative duration of at least six months during a 12 months period to identify international migrants. This allows to exclude short-term departures and arrivals when defining migration event.

(a) Absent members in the household

58. According to the ILCS 2019 data, the total reported number of absent persons is 995 (considering neither the place nor the duration of absence) of which 685 were reported as currently living abroad. To count the annual number of international emigrants we need to consider only those who left during a 12 months period. When using a time criterion of at least 3 months (as used for returnees, see above) we found 474 absent persons since more than 3 months and less than 15 months, that are living abroad. Nevertheless, following the recommended definition

13

mentioned above, the person should be counted as international emigrant if the duration of stay abroad was more than 6 months4.

(b) Persons present in the household who reported that they stayed abroad during the last five years at least for 3 months

59. The questions on reported in-migrants (both returnees and newly arrived) in households includes the duration of stay abroad for at least 3 months since 2014. In the 2019 ILCS, 951 persons reported having lived elsewhere at least 3 months, and among these 679 persons reported a stay abroad. The frequency distribution of the answers about returning from abroad by the year of last return is presented in table 3. It shows the obvious underreporting of returnees as the time between survey and return becomes longer. The more reliable data for a 12 months’ period could be of 2018 (as 2019 is only partly covered as the survey took place alongside this year). Accordingly, we should consider the 273 arrivals after living abroad at least for a 3 months’ in 2018. Moreover, the number of international returnees might be slightly under-estimated due to those who lived abroad but did thereafter an internal migration to the current place the recent. These could be hidden because their last return was from inside the country. Differently, it is important to include international immigrants who are not return migrants who never lived in the place of residence where they are currently living at census time. For the persons present who reported that they stayed abroad, ILCS answers do not give the possibility to apply the 6 months rule as criterion. Accordingly, in the recommendations, for consistency reasons and to better align with international recommendations, we suggest to replace at least 3 months of absence from household with at least 6 months.

Table 3 Number of household members in ILCS who reported returning from abroad after stay abroad at least 3 months

Year of last return Household members returning from abroad 2014 14 2015 35 2016 55 2017 97 2018 273 2019 205 Total 679

60. As a result, the net international migration for the year 2018 may be estimated by (273 – 474) / 18,654 = -1.1% on the base of the 3 months criterion. 61. Therefore, the ILCS question “In what month and year did [NAME] come here after her/his most recent time away?” should be supplemented by the question: “In what month and year, and from which country did [NAME] returned or immigrated to Armenia”? 62. Nevertheless, such change of the criteria for the duration of stay in defining of migrants would result in only a small improvement in the estimation of migration flows because the sample size is too small for capturing international neither internal migration.

4 According to this definition, the annual number of emigrants identified by the survey would include persons who left but at least 6 months before survey (between 6 and 18 months before survey) and were still absent at the time of survey. In total, 401 members of households were absent at the time of ILCS 2019 according to this definition based of a minimum of 6 months of absence. Among them, 270 were international emigrants as they were living outside the country. As a result, the proportion of annual international emigrants would be 270/18,654 = 1.5%.

14

2. Possibilities to improve migration statistics by implementing data from the Border Management Information System

63. Migrants can be identified from the BMIS records by using the definition recommended by both UNECE (2015) and UN (1998) according to which the usual resident in the country is a person who usually resides in country. More precisely, a person who enters a country and stay there for 12 months or for the most of time during 12 months, has usual residence in this country and is therefore an immigrant. If person leave the country and stay abroad for more than 12 months (or most time during the 12 months’ period) he/she will be considered as emigrant. These time criteria can be applied to the data on border entries and exits. 64. Border registration of entries and exits has been (electronically) available since 2013 (partially from 2011). As most border crossings are of tourists, a selection of records could be reasonable. ENTRIES and EXITS are registered at the date when these occur and dates are recorded in the database. In addition to date of border crossing and direction (ENTRY or EXIT) few variables are kept in the database. Nevertheless, a border record should include country of citizenship and passport number whereas sex, date of birth and country of birth could exist or not. Most durations between an ENTRY and EXIT (or opposite) are relatively short (from ENTRY and EXIT during the same day till a few weeks). 65. Extract from the border database should include all entries and exits records organized at individual level in order to reconstruct the border crossing history on all persons who had at least one ENTRY or EXIT. To identify international immigrants or emigrants for a given calendar year, the trajectory should cover three successive years including one year before and after the given year in order to apply the criteria of ‘most of the time during the concerned year’ as suggested by the UN census recommendations. The detailed methodology for using border collection data is presented in the Annex 5.

15

Literature and web materials consulted

Armstat, Databases. https://armstat.am/en/?nid=13 Manke, M and Mortensen, T. for IOM, 2010. Enhancing Migration Data Collection, Processing and Sharing in the Republic of Armenia. Needs Assessment and Gap Analysis report. Migration Snapshot of the Republic of Armenia, 2018. https://armstat.am/en/?module=publications&mid=9&id=2294 The Demographic Handbook of Armenia, 2020. https://armstat.am/en/?nid=82&id=2347 Statistical Yearbook of Armenia, 2021. https://armstat.am/en/?nid=586 UN, 1998. Recommendations on Statistics of International Migration, Revision 1. https://unstats.un.org/unsd/publication/seriesm/seriesm_58rev1e.pdf UN, 2021. Revised overarching conceptual framework and concepts and definitions on international migration produced by the Expert Group on Migration Statistics https://unstats.un.org/unsd/statcom/52nd-session/documents/BG-3g-TF2- Conceptual_Framework-E.pdf UNECE, 2011. Statistics on International Migration. A practical Guide for Countries of Eastern Europe and Central Asia. https://unece.org/info/Statistics/pub/21838 UNECE, 2015. Conference of European Statisticians Recommendations for the 2020 Censuses of Population and Housing. https://unece.org/info/Statistics/pub/21844 UNECE, 2021. Guidelines for Assessing the Quality of Administrative sources for use in Censuses. https://unece.org/info/Statistics/pub/21849

16

ANNEXES

ANNEX 1. Integrated living conditions survey (ILCS) questionnaire, 2019 ANNEX 2. Labour Force Survey questionnaire, 2019 ANNEX 3. The use of the Population Register to count international migrants ANNEX 4. Questions on migration topic for 25% sample of 2022 census, planned and recommended additions ANNEX 5. Methodology for using a border crossing database for the estimation of international migration flows ANNEX 6. Census program (content of questionnaire) of the 2022 census of the Republic of Armenia

ANNEX 1

Integrated Living Conditions Survey (ILCS) questionnaire 2019

A Identification of the household 01.- Settlement NAME: CODE: 02.- Marz NAME: CODE: 03.- Urban/rural CODE: 04.- Primary sampling unit CODE: 05.- Dwelling serial number CODE: 06.- Address ADDRESS: 07.- Address result CODE: CODE: 08.- Type of building CODE: 1. Large owner occupied building 2 Small building 3. Apartment 4.Other CODE: 09.- Result of the interview 1. Household participates >> 9 CODE:

2. Household not present >>9 3. Household refuses

10.- Refusal reason 1. No time CODE 2. Not interested 3. Does not want to provide information 4. Other, specify

B Household Contact 11.- Name of the household head ID CODE: 12.- Name of the respondent ID CODE: 13.- Status of household head CODE: C Control information 14.- Name and ID Code of Enumerator CODE: 15.- Name and ID Code of Supervisor CODE: 16.- Number of visits necessary to administer the questionnaire NUMBER

17.- Collect - Visit 1 18.- Collect - Visit 2 19.- Collect - Visit 3 20.- Control

1. Urban 2. Rural

1. Permanent resident 2. Part-time resident 3. Non-resident (lives elsewhere)

1. Address found 2. Address not found 3. Building does not exist

Day Month Year Hour/minute at start Hour/minute at end

ANNEX 2

Labour Force Survey (LFS) questionnaire 2019 – Questions on migration

NOTE: The full version of the questionnaire (including some questions on working or going abroad in sections D and J) is available on the website of the Statistical Committee of the Republic of Armenia at https://armstat.am/file/doc/99522848.pdf

19

ANNEX 3

The use of the Population Register for updating population count and identifying international migrants

Classification of persons who have active record in the Population Register

Status of record

Population group

Status of person

Status of residency (place/address of residence)

Conditional selection (Last entry on the border more than 90

days ago, no exit after =yes) Inclusion in

Census population

Active record in register

Citizen Alive Address in country Yes Conditionally

Abroad Yes Conditionally

Unknown (missing) Yes; if no border crossings or if last border crossing is entry and no exit, the missing residence to be clarified

Conditionally

Foreigner Alive Address in country Yes Conditionally

Unknown Yes; if no border crossings or if last border crossing is entry and no exit, the missing residence to be clarified

Conditionally

Abroad is not meaningful – should be non-active record then

See non-active record for foreigner

Not determined (or in process of acquisition)

Alive Address in country Yes Conditionally

20

Persons do not have active record in the register but who should have or whose record is in preparation or who had it in past (now in archive)

Status of record

Population group Status of person Status of residency

(place/address of residence)

Conditional selection (Last

entry on the border more than 90 days ago, no exit after =yes)

Inclusion in Census population

Non-active record in preparation (waiting list) OR NOT YET IN REGISTER

New citizen Alive newborn in country to Armenian parents (within limited days before census)

No address or (parents’) address in country

Direct (all newborns before census date regardless of status of the record or registered address)

Alive newborn abroad to Armenian parents within limited days before census (or other e.g. new citizen?)

No address or address abroad

Entry on the border, no exit after; parents entry to be considered.

Yes, conditionally

New foreigner

Recent resident permit applier

No address or (preliminary) address in country

Yes Yes, conditionally

Recent resident permit holder

No address or (preliminary) address in country

Yes Yes, conditionally

Non-active records in archive

(Past) Citizen, resident or not

Dead Missing (or last) address

Unknown Missing address (or last address in archive)

Yes Yes, conditionally

(Past) Resident foreigner

Left country Missing (or last address in archive)

Yes Yes, conditionally

21

Persons who have no record in the Population Register but who should be enumerated in census

Identification based on border crossing (any other possibility e.g. life signs?)

Status of record in the PR

Population group

Status of person (evidence)

Status of residency (place/address of

residence) in the PR Conditional selection Inclusion in Census

population

No record in register

All Alive No, unknown Last entry on border more than 90 days ago, no exit after

Yes, conditionally

No record in register

All Alive No, unknown Clear and continuous life signs since more than 90 days ago

Yes, conditionally

In this case limited data can be collected on person, only main personal information from the passport – citizenship, maybe sex, date of birth and country of birth.

Criteria used to identify international migrants

The analysis of the records and the information included on the place/country of previous residence and country of current residence resulted in the following decisions for identifying international migrants:

(a) No place of previous residence and a current place of registration in Armenia: - Persons less than 5 years old are newborn abroad registered in Armenia but not considered as having entered the country; - Persons older than 5 years old are international entries in Armenia but without place of previous residence;

(b) No place of previous residence and registered with a place of residence abroad. These may be person who left the country and their international exit should counted or people already living abroad registering their address abroad for specific reasons including to avoid military obligations;

(c) A place of previous residence in Armenia and a new registered place in Armenia. These are internal changes of place of registration and accordingly internal migrations;

(d) A place of previous residence in Armenia and a new address of residence abroad. These people did an international exit outside the country; (e) A place of previous residence abroad and a new registration of address abroad. These do no enter or exit the country, just change their address

abroad.

22

Basic statistical figures computed on the base of individual records of registrations in the Population Register

The following table distributes entries, exits and internal changes of place of registration by gender and citizenship (Armenians, Foreigners and, for the third group, holders of the Armenian citizenship plus one of plus other citizenships). In total, for the years 2015–2020

ARMENIAN CITIZENS FOREIGN CITIZENS ARMENIAN AND FOREIGN Entry Exit Internal Entry Exit Internal Entry Exit Internal

M 12,152 15,914 78,454 1,414 10 246 5,541 16,474 1,681 F 12,403 18,577 124,149 642 8 163 6,458 20,209 1,917

In total, the net international migration 2015–2020 (6 years) is the following:

ARMENIAN = - 9,936 / FOREIGNERS = + 2,038 / DOUBLE CITIZENS = - 24,684

If double citizens are counted among Armenian citizens, the net international migration figures are the following:

ARMENIAN CITIZENS: - 34,620 / FOREIGN CITIZENS: + 2,038

The same data is available by year of occurrence and gender

23

International Migrations for the year 2015–2020 distinguishing Armenians and Foreigners

ARM FOR ARM/FOR ENTRY EXIT NET ENTRY EXIT NET ENTRY EXIT NET

16,114 34,491 -18,377 1,523 18 1,505 1,416 36,683 -35,267 M 8,858 15,914 -7,056 1,045 10 1,035 695 16,474 -15,779 2015 2,429 3,149 -720 1 -1 153 2,151 -1,998 2016 1,669 2,813 -1,144 204 204 94 2,327 -2,233 2017 1,538 2,514 -976 220 220 165 2,704 -2,539 2018 1,343 2,740 -1,397 278 278 102 3,010 -2,908 2019 1,329 2,713 -1,384 178 3 175 128 3,989 -3,861 2020 550 1,985 -1,435 165 6 159 53 2,293 -2,240 F 7,256 18,577 -11,321 478 8 470 721 20,209 -19,488 2015 1,618 3,873 -2,255 1 -1 151 2,811 -2,660 2016 1,234 3,348 -2,114 116 116 115 3,529 -3,414 2017 1,412 3,084 -1,672 112 112 156 2,922 -2,766 2018 1,265 3,137 -1,872 114 114 102 3,589 -3,487 2019 1,222 2,862 -1,640 72 1 71 131 4,586 -4,455 2020 505 2,273 -1,768 64 6 58 66 2,772 -2,706

24

The following table shows the net migration figures and their distribution by age group and gender

Net Migration Distribution

Males Females Males Females 0 -924 -1,144 4.2% 3.8% 5 244 261 -1.1% -0.9% 10 280 32 -1.3% -0.1% 15 -2,325 -4,266 10.7% 14.1% 20 -438 -2,870 2.0% 9.5% 25 -1,964 -3,134 9.0% 10.3% 30 -2,464 -2,856 11.3% 9.4% 35 -2,272 -2,556 10.4% 8.4% 40 -2,146 -2,293 9.8% 7.6% 45 -1,874 -2,237 8.6% 7.4% 50 -2,072 -2,389 9.5% 7.9% 55 -2,061 -2,482 9.5% 8.2% 60 -1,645 -1,870 7.5% 6.2% 65 -995 -1,102 4.6% 3.6% 70 -538 -626 2.5% 2.1% 75 -337 -429 1.5% 1.4% 80+ -269 -378 1.2% 1.2%

ANNEX 4

Questions on migration topic for 25% sample of 2022 census, planned and recommended additions Residence of a person other than those listed at the given address

Registration at the given address

Place of birth, the country, in case of Armenia- marz, community and settlement

Country of citizenship

At Census day the respondent was • Permanently present • Temporary present • Absent

For those who are absent from the settlement or temporary present at Census day: Duration of absence/temporary presence (months);

For those who are absent from the settlement or temporary present at Census day: The reason of absence/temporary presence;

For those who are absent from the settlement or temporary present at Census day: Absent person’s location at Census day -country, in case of Armenia – marz, community and settlement;

Temporary present person’s location at Census day -country, in case of Armenia – marz, community and settlement

Planned question: Living continuously in the given settlement since birth, if 'No', Block A The year since…etc – Suggested to replace with the following (alternative) wording: Alternative question: From which time the person lives most of the time in the given settlement? Answers: (a) ‘Never lived elsewhere (since birth)’ (b) If ‘Has lived elsewhere’, Answer Block A (the same as planned) and thereafter go to Block B Explanation: With new formulation of question, persons who were born in this settlement and lived sometimes far in past elsewhere, will be more surely captured (helping memory) if focus is on ‘living elsewhere’ rather than ‘living continuously in current place’. It should be asked from permanently present and absent persons; optionally also from temporary present as they will not be interviewed in their permanent place of residence.

26

Block A (we suggest to replace ‘continuously’ by ‘most of the time’) The year since a person most of the time lives in the current settlement The month since a person most of the time lives in the current settlement Previous residence - country, in case of Armenia – marz, community and settlement. Here additional question is needed about last arrival from abroad What kind of settlement a person has his/her previous place of residence (rural urban) Main reason for the last change of residence

Block B (additional questions to identify international migrants. new and returnees) Have you (he/she) ever lived abroad for at least 6? or 12? months? If 'no' ends in Block B

If 'yes' go to Block C Explanation: International immigrants and returnees can be captured even if they changed they place of residence from one settlement to another in country after arrival to Armenia. Number of months abroad – need to be decided either 6 or 12 (in relation to definition of migration) but seems 6 months would be very suitable considering that, when working abroad, person spends every year some time his/her holidays in home country)

Block C When (month and year) you (he/she) arrived to live in Armenia (last arrival if immigrated several times)? What was your (his/her) country of residence before immigration/returning from living abroad? Explanation: This question would allow to identify time (year) of returning your emigrants. It is useful for both characterizing the stock of population by its international migration experience and for estimating annual immigration/return migration flow (if considering only last 6 or 12 months). Optional: If born in Armenia, when left (year) abroad before last return? Explanation: This question would allow to identify time (year) of emigration of returnees as well as duration of living abroad before return. No need to ask these questions from foreign- born persons who could also have lived more than once in Armenia because they are so rare.

27

ANNEX 5

Methodology for using a border crossing database for the estimation of international migration flows

Michel POULAIN

(UCL-GéDAP, Belgium)

For ARMSTAT, December 2021

1. The following methodology has been initiated for countries managing successfully the control of their borders and having developed an exhaustive border crossing database based on the registration of individual data at border crossing (manual editing or optical reading recognition, the latter allowing to a reduction of necessary steps) or recorded from later using border cards filled in by international passengers. 2. The methodology aims at estimating the yearly international migration inflows and outflows as well as some groups as visitors, temporary absent, short-term migrants and circular migrants. For the reference year T, all individual border crossings observed and registered over a three-year period from year T-1 to year T+1 have to be considered. If the database covers N years of border crossing records, the statistics may be obtained for N-2 years excluding the first and the last years. 3. This solution strictly respects the UN and EU recommendations as far as the definition of international migration and the one of country of usual residence are concerned. The proposed methodology includes the following successive steps:

(a) The building of a border crossing database; (b) The validation and correction of that database; (c) The identification of international migrants and other types of travellers crossing the

national borders; and (d) Counting and producing statistics for each group and characterising the concerned

persons.

A. Building a border crossing database

• All travellers crossing the National border have to be recorded by date, identification characteristics of the persons concerned and distinction between entries (IN) and exits (OUT).

• All border crossings for the same person will be linked and associated with the basic characteristics of that person such as sex, date of birth, country of citizenship, number of passport and, if available, country of birth.

• The keys for linking these records for the same person are the passport number, the country of citizenship, sex, name and surname and the complete date of birth. In some countries direct linkage between a given entry and the following exit is done directly by the border guards when the person leaves the country. However, this linkage is not systematic for successive visits while for absences, exits followed by returns such linkage is often not done directly.

• A special attention will be devoted to the completeness and the reliability of reconstructed personal itineraries as far as border crossing is concerned, i.e. sequences of entries and exits referring to the same individual. A validation and subsequent correction of the database is essential as the same person may

28

be involved in two or more reconstructed personal itineraries and that situation may result in an overestimation of the number of international migrants.

B. Validation of the personal itineraries including all border crossings related to the same person

4. All reconstructed personal itineraries resulting from the linkage of all entries and exits related to the same person and recorded in the database during the considered time period will be classified in three groups:

• Personal itineraries including only one border crossing, either an entry or an exit. Following the proposed methodology these persons would be automatically considered as international migrants but there is in fact a high probability that these persons have done other border crossings, these being included in a distinct personal itinerary. Both personal itineraries have to be joined in order to describe the whole border crossing history of that person. Accordingly, the records and persons have to be checked carefully in the validation phase.

• The so-called “logical itineraries” where all border crossings (more than one) linked to the same person are found in a logical suite which means that an entry cannot be followed in time by another entry and similarly for exits.

• The so-called “illogical itineraries” where at least two successive entries or exits are recorded without any exit or entry in between. These illogical itineraries have to be validated by finding the missing border crossings and joining the corresponding personal itineraries in order to reconstruct the total personal itinerary of these persons.

5. The complete validation methodology is based on similarities between individual characteristics and plausibility of the sequence of border crossings. As a result of that validation phase there should remain only “logical personal itineraries” including some itineraries of single entries or single exits that were not involved in the validation phase and joined with other personal itineraries. 6. A last check in order to join two or more ‘logical itineraries’ related to the same person is finally necessary in order to reflect the whole border crossing itinerary for each person. 7. In the case additional entries or exits will need to be added the following rules are proposed:

• An entry will be added between two recorded exits either eight days after the first exit for those who have their usual residence in the country concerned or eight days before the second exit for those who are not usual resident of the country.

• An exit will be added between two recorded entries either eight days after the first entry for those who have not their usual residence in the country concerned or eight days before the second entry for those who are usual resident of the country

29

C. UN recommendations for the identification of international migrants

8. The following extracts from various UN recommendations are essential to understand the proposed methodology for identifying international migrants by using border crossing database: 9. From the Principles and Recommendations for Population and Housing Censuses (UN, 2007): 1.463. It is recommended that countries apply a threshold of 12 months when considering place of usual residence according to one of the following two criteria:

(a) The place at which the person has lived continuously for most of the last 12 months (i.e., for at least six months and one day), not including temporary absences for holidays or work assignments, or intends to live for at least six months

(b) The place at which the person has lived continuously for at least the last 12 months (not including temporary absences for holidays or work assignments), or intends to live for at least 12 months. 10. From the Recommendations on Statistics of International Migration, Revision 1 (UN, 1998): 32. An international migrant is defined as any person who changes his or her country of usual residence. A person’s country of usual residence is that in which the person lives, that is to say, the country he or she normally spends the daily period of rest: Box 1. A long-term migrant is a person who moves to a country other than that of his or her usual residence for a period of at least a year (12 months), so that the country of destination effectively becomes his or her new country of usual residence. Box 1. A short-term migrant is a person who moves to a country other than that of his or her usual residence for at least three months but for less than a year. Since these persons have their usual place of residence in another country, they should not be included in the count of the total population that usually resides in the country. 11. The differences between these two above mentioned criteria are underlined. For the first criterion, most of the last 12 months (i.e. at least six months and one day) have to be considered while the second request at least 12 months of residence. Both criteria exclude temporary absence for holidays or work assignments. 12. The recent EU Regulation on Community Statistics on Migration and International Protection proposes the following definitions:

(a) “Usual residence” shall refer to the place in which a person normally spends the daily period of rest. Temporary travel for purposes of recreation, holiday, visits to friends and relatives, business, medical treatment or religious pilgrimage shall not change a person’s place of usual residence;

(b) “International immigration” shall refer to the action by which a natural person establishes his or her usual residence in the territory of the Member State for a period that is, or is expected to be, of at least twelve months, having previously been usually resident in another Member State or third country;

(c) “International emigration” shall refer to the action by which a natural person, having previously been usually resident in the territory of the Member State, ceases to be usually resident in that Member State for a period that is, or is expected to be, of at least twelve months.

30

D. How to follow these recommendations when identifying international migrants by using a border crossing database?

13. First of all it is important to mention that the proposed methodology is only based on objective information that is the effective duration of presence or absence in the country. These durations are calculated very precisely ex post by considering all dates of entry or exit as recorded by the border guards. This methodology does consider neither the intention for the duration of presence or absence or the reason for entering or leaving the country. We are convinced that this is a strong aspect of this methodology as both intended duration of stay or absence and reason for moving are generally the weakest points in any data collection procedure on international migrations. Accordingly, all border crossing, entries or exits are considered on the same base and it will be impossible to exclude temporary absences for holidays or work assignments. As a consequence, the first criterion for identifying the place of usual residence is the most appropriate and more precisely the country of usual residence will be defined as the country where the person has lived for most of the last 12 months (i.e., for at least six months and one day or 183 days within 12 months). 14. Considering only the duration of presence or absence in the country an international immigrant will be identify as follows: 15. An international immigrant is a person recorded when crossing the National border

• Who entered the country and has cumulated a minimum of 183 days of residence in the country during the twelve following months;

• Who was not usual resident of the country when entering the country which means that he spent at least a cumulate duration of 183 days of residence outside the country during the twelve months before entering the country.

16. Similarly, an international emigrant is a person recorded when crossing the National border

• Who crossed the border and left the country and has cumulated a minimum of 183 days of residence outside the country during the twelve following months;

• Who was usual resident of the country when leaving the country which means that he spent at least a cumulate duration of 183 days of residence inside the country during the twelve months before leaving the country.

17. International immigrants or emigrants will be counted at the time of entry or exit but their identification is only possible after a period that will vary between six and twelve months after border crossing. Therefore, the total number of international migrants for the year T will only be fixed at the end of the year T+1. In addition, the first year of observation T-1 does not allow identifying international migrants but the data for the year T-1 is needed in order to define if the person concerned is or not a usual residence of the country recording the border crossing. Doing so, international migrants cannot be identified for the first and the last year covered by the database. 18. When a given entry or exit has been found to be an international migration all subsequent entries and exits occurring before to reach the accumulated threshold of 183 days of presence or absence (within the first year) will be ignored. Only the first exit after having accumulated 183 days of presence in the country will be the starting point for identifying a subsequent international emigration. Similarly, the first entry after having accumulated 183 days of absence outside the country will be the starting point for identifying a subsequent international immigration. 19. Concretely this methodology does not allow registering more than one immigration and one emigration during a calendar year.

31

20. When entries and exits have not been validated as immigrations or emigrations, the following border crossing moves, respectively an exit or an entry, will be submitted as well to the same identification process. 21. As explained, we have to wait until the end of the second year T+1 in order to identify all international migrations to be enumerated during the first calendar year T. Nevertheless, in order to provide figures for international migration as earlier as possible for the calendar year T, we suggest observing the situation on 1 July in T+1 and using the following rules for identification of international migrants:

• Those who entered or left the country during the year T and have already accumulated their 183 days of presence or absence on 1 July T+1 will be considered among the international migrants for the year T;

• Those who did not succeed to reach the threshold of 183 days of presence after entry will be considered as immigrant if they are present in the country on 1 July T+1, while those who are absent at that date will not be considered as immigrants;

• Those who did not succeed to reach the threshold of 183 days of absence after exit will be considered as emigrant if they are outside the country on 1 July T+1, while those who are present at that date will not be considered as emigrants.

22. An alternative solution would be to consider the immigrations and emigrations that will be validated later between the 1 July up to the end of the year T+1 as part of the international migrations in T+1 even if the initial entry or exit was done during the calendar year T. 23. In conclusion, the suggested methodology allows producing statistical figures for international migrations before the end of the year T+1 and even six months earlier is we introduce some assumptions. This methodology respects strictly the UN recommendations defining international migration as change of country of usual residence and the ones defining the country of usual residence as the country where the person spend most of the twelve months following the move. Following these recommendations an international migrant may be identified after only 183 days of continuous presence in the country or absence outside the country. That means that no more than one immigration and/or one emigration may be counted for a given person in a given calendar year. At maximum we may count one immigration followed by one emigration for a given year what cannot be possible if we use the definition of international migration and place of usual residence based on the criterion of at least twelve month of residence. Consequently, this methodology will count in average more international migrations that the other method. There is a possibility to increase the reference period and to consider for example 300 days and not 183 days. In this case only one migration may be counted per year but the migrant has the possibility for visits and holidays up to 65 days. Doing so the figure will be close to the one based on the 12 months residence rule but all students and workers would be included. The key advantage of this methodology is the fact that the weakest aspects in the definition of international migration are avoided, the problem of intention and the temporary presence or absence for holidays and work. 24. Even if the concept of circular migrant is currently used in the literature, there is no operational definition. In the framework of the use of border crossing database it is possible to identify circular migrant as short-term migrants who stay alternatively for period between three and twelve months in two countries. 25. Instructions for implementing this methodology are presented in Annex based on various concrete examples. When international migrants are identified and counted for a given year the basic demographic characteristics of these migrants may be identified only by using border crossing databases.

32

E. Implementation of the methodology

26. For a given person, consider the first border crossing of the year T (the border crossing for the first year T–1 will only be used in order to fix the country of usual residence). The methodology is based on the count of days spend in or outside the country backwards and forwards starting with the date of the border crossing concerned. We have to check which count reach first 183 days in or outside the country. This count should be done before and after the border crossing so that the person may be identified as international immigrant or international emigrant following the rules proposed hereunder. 27. The first consist in identifying international immigrant and international emigrants as presented in the following figure.

28. When an international immigration or emigration has been identified considering the criteria presented above, all subsequent border crossings until the threshold of 183 days is reached are ignored for identifying the following international migration. The next border crossing to be

INTERNATIONAL IMMIGRANT

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

INTERNATIONAL EMIGRANT

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

EN TR

Y EN

TR Y

EX IT

EX IT

EN TR

Y EN

TR Y

EX IT

EX IT

33

considered will be the first one after the 183 days criterion has been met. By definition it will be an opposed border crossing so that an emigration will follow immigration and vice versa. During twelve months observation period a maximum of one immigration and one emigration may be identified. 29. All border crossing not identified as international migration will be considered for identification of short term migrants as well as visitors and excursionists.

ENTRY

COUNTING DAYS Before entry: at least an accumulate count of 183 days in the country

Before entry: at least an accumulate count of 183 days outside the country

After entry: at least an accumulate count of 183 days in the country

If the duration of last stay outside the country was at least 90 days: return of a short-term emigrant. If the last stay was shorter than 90 days: return of an excursionist.

INTERNATIONAL IMMIGRANT

After entry: at least a cumulative count of 183 days outside the country

If the duration of last stay outside the country was at least 90 days: return of a short-term emigrant. If the last stay was shorter than 90 days: return of an excursionist.

If the duration of stay in the country after entry is at least 90 days: entry of short-term immigrant. If the duration of stay in the country is less than 90 days: entry of visitor

EXIT

COUNTING DAYS Before exit: at least an accumulate count of 183 days in the country

Before exit: at least an accumulate count of 183 days outside the country

After exit: at least an accumulate count of 183 days in the country

INTERNATIONAL EMIGRANT If the duration of last stay in the country was at least 90 days: return of a short-term immigrant. If the last stay was shorter than 90 days: return of a visitor.

After exit: at least an accumulate count of 183 days outside the country

If the duration of stay outside the country is at least 90 days: Exit of a short-term emigrant. If the duration of stay outside the country is less than 90 days: exit of an excursionist

30. In order to provide figures for international migration as earlier as possible for the calendar year T, we suggest observing the situation on 1 July in T+1. The following rules are proposed:

- Those entering or leaving during the year T and have already accumulated their 183 days of presence or absence on 1 July T+1 will be considered among the international migrants for the year T;

34

- Those entering during the year T and did not succeed to reach the threshold of 183 days of presence after entry will be considered as immigrant if they are present in the country on 1 July T+1, while those who are absent at that date will not be considered as immigrants;

- Those leaving the country during the year T and did not succeed to reach the threshold of 183 days of absence after exit will be considered as emigrant if they are outside the country on 1 July T+1, while those who are present at that date will not be considered as emigrants.

31. These estimations will be consolidated at the end of the year T+1.

35

ANNEX 6

Census programme (content of questionnaire) of the 2022 Census of the Republic of Armenia

I. ADDRESS

1. Household address: Marz, Community, Settlement 2. Enumeration area 3. Residential unit (avenue / street, alley, house / building, apartment number) 4. Telephone number

II. INDIVIDUAL QUESTIONS

1. Name 2. Residence of a person other than those listed at the given address 3. Public service number 4. Registration at the given address 5. Date of birth: day, month, year / age 6. Sex 7. Relationship to the reference person of the household

• Reference person of the household His/her • Wife/husband (spouse) • Daughter/son • Child under the tutorship • Mother/father • Sister/brother • Mother-in-law/father-in-law • Daughter-in-law/son-in-law • Grandmother/grandfather • Grandchild • Other relative • Nonrelative

8. Place of birth, the country in case of Armenia – marz, community and settlement 9. Country of citizenship

1. For dual citizenship, indicate also citizenship of second country 2. For the citizens of the Republic of Armenia indicate how the citizenship was acquired

• From birth • Naturalized • Other

3. For stateless persons, indicate: • Recognized as a refugee, deported from Azerbaijan • Recognized as a refugee, deported from another country • Asylum seeker • Undocumented stateless person • Unknown

36

10. Ethnicity If the person refuses to answer this question, state Refuses to answer

11. 1) Mother tongue 2) Other language mastering freely If the person refuses to answer this question or does not speak any other language, state Refuses to answer or Does not know

12. At Census day the respondent was:

• Permanently present • Temporary present • Absent

13. For those who are absent from the settlement or temporary present at Census day 14.1. Duration of absence/temporary presence (months) 14.2. The reason of absence/temporary presence

• Employment • Marriage / family reunification or family formation • Residence • Education/ Training • Humanitarian-political reasons • Other

14.3. Absent person’s location at Census day -country, in case of Armenia – marz, community and settlement 14.4. Temporary present person’s location at Census day -country, in case of Armenia – marz, community and settlement

14. Living continuously in the given settlement since birth

• Yes • No If “not”, then indicate

15.1. The year and the month since a person continuously lives in the current settlement 15.2. Previous residence-country, in case of Armenia– marz, community and settlement 15.3. What kind of settlement a person came from:

• Urban • Rural 15.4. Main reason of changing the residence:

• From other countries as a consequence of war actions • From other countries because of fear to be exposed to persecution for racial,

national, religious belong, membership to any social group or for political convictions

• Family • Residence • Learning • Job • Repatriation • Temporary protection • Climate change • Other

37

15. Main source of livelihood

• Wage employment • Self-employment (including peasant farm) • Income from ownership • Use of credits, savings and capital sale (including also property) • Pension • Benefit from state bodies • Benefit from non-state sources • Scholarship • Under the state security • Under the security of non-state charitable public organization

Monetary assistance  From state sources  From relatives, friends, acquaintances living in abroad  From relatives, friends, acquaintances living in Armenia  From a migrant family member living / working abroad

• Dependents • Other sources

16. Does a person consider himself (herself) follower of any religion, church or denomination?

• if “considers”, then:  Armenian apostolic  Yeshiva’s witness  Pagan  Catholic  Protestant  Moslem  Orthodox  Mormon  Judas  Nestorian  Molokai  Krishna consciousness or Hare Krishna  Evangelic  Shar-fadinian  TM (Transcendental meditation)  Other

• doesn’t consider • refuses to answer

QUESTIONS ARE FILLED IN FOR PERSONS BORN IN 2016 AND EARLIER

The next questions are not filled in for those who are temporarily present

17. Education level, scientific degree

• Without primary education • Primary education • Basic education • Secondary education • Preliminary professional (handicraft) • Secondary professional • Bachelor • Master • Graduated specialist • Post-graduate professional (postgraduate, doctoral, internship, residency) • Candidate of the science • Doctor of the science

38

18. For those without primary education, are they literate?

• Yes • No

19. Attendance to educational institution

• if “studies” then specify educational institution type  Primary school  Middle school  Secondary  High school  University: Bachelor's educational program  University: Master's educational program  University: Graduated specialist’s educational program  Postgraduate program for postgraduate, researcher and applicant  Postgraduate educational program for interns, interns

• doesn’t study

THE NEXT QUESTIONS ARE FILLED IN FOR PERSONS 15 YEARS AND OVER

20. Marital status:

• Never married • Married (registered) • Married (not registered) • Marriage carried out only with church canonical ritual • Widowed • Divorced • Separated (unregistered)

For female, indicate 21. How many children she has born alive? 22. How many of them are alive? 23. Does a person have a job or income-producing business for at least an hours during

census preceding (including those who are temporary absent from their job)?

• Yes • No If “yes”

24. Occupation at the main workplace 25. Branch of economic activity of main workplace- organization, establishment (or its

branch) 26. Status in employment

• Employee with contract • Employee without contract • Employer • Self-employed • Contributing family member • Member of producers’ co-operative • Other

39

27. The place of workplace

• In the given settlement (marz, city Yerevan) • City Yerevan • Other marz in RA • Other country (including Artsakh) • It is difficult to answer

28. The workplace is in

• Urban settlement • Rural settlement • No fixed place • It is difficult to answer

29. During the past month preceding the Census has a person been engaged in any business activity for at least one hour, resulting primarily meant for his family or household consumption?

• Yes • No For those who don’t have job or income-producing work 30. Did he (she) look for a job during 1 month preceding census day?

• Yes, looked for a paid job • Yes, tried to start own business • No

If “looked for a paid job” 31. Looking for a job for the first time?

• Yes • No 32. Are you currently available for work within subsequent 2 weeks if suitable job is

offered?

• Yes • No If “No”

33. Mark the reason why not?

• Applied for a work and waits for the answer • Already found a job and will get a job within the next 3 months • Householder • Has no hope to find a job • Doesn’t know where and how to look for a job • Payment of the offered job is not satisfactory • Lack of corresponding professional skills • No need /wish to work • Studies • Age • Health • Family member care (sick, disabled, old) • Is going to leave the country • Is going to move to another city in RA • Other reason • It is difficult to answer

40

The following questions are not filled in for long absences, as well as for temporary presents

34. Do you have difficulty with seeing, even if wearing glasses? 35. Do you have difficulty with hearing, even if using a hearing aid? 36. Do you have difficulty with walking or climbing steps? 37. Do you have difficulty with remembering or concentrating? 38. Do you have difficulty with washing or dressing? 39. Using your usual (customary) language, do you have difficulty communicating,

for example understanding or being understood?

Possible answers to questions 34–39: 1 - has no difficulty, 2 - has a little difficulty, 3 - has a lot of difficulty, 4 - is generally incapable.

III and IV sections are not completed for absent households

III. QUESTIONS ON HOUSING CONDITIONS OF THE HOUSEHOLD

B1. Who is the owner?

• Member(s) of the current household • State • Community • Juridical entity • Other person/s

B2. Type of dwelling unit

• Dwelling house (residence) • Part of dwelling house • Apartment • Part of apartment • Cottage/temporary shelter • Dwelling of joint residence (institutional) • Other dwelling unit

B3. Period of dwelling construction

• Before 1950 • 1951–1970 • 1971–1980 • 1981–1990 • 1991–2000 • 2001–2011 • 2012–2022

B4. Construction material of external walls

• Stone • Monolith • Mixed material • Panel • Wood • Other

B5. Number of rooms occupied by household B6. The floor space area of the dwelling in square meters

41

B7. Availability of fixed or mobile telephone

• Yes • No

B8. Availability of personal computer in the housing unit

• Yes • No B9. Internet availability

• Yes, permanently • Yes, but not permanently • No B10. Main source of heating

• Individual heating system running on natural gas or electricity • Individual wood heating system • Individual heating system working with other types of solid biofuels

(briquettes, pallets) • Central heating • Gas furnace • Electric heater • Furnace heated with wood • Furnace heated with other types of solid biofuels (briquettes, pallets) • Solar photovoltaic station • Other • Has no main heating

B11. Main source of water supply

• Central water supply in dwelling unit • Central water supply in building, not in dwelling unit • Carried/ bought water • Individual system for water collection • Rivers/springs • Groundwater • Other

B12. Sewerage system

• Connected to the central sewerage system • Has local system • Other

B13. Availability of bathing facilities

• Yes, in dwelling unit • Yes, in building, not in dwelling unit, only for current household use • Yes, in building, not in dwelling unit, shared with other households • Yes, out of building, only for current household use • Yes, out of building, shared with other households • No

B14. Availability of toilet facilities Flush

• In dwelling unit, only for current household’s use • In dwelling unit, for joint use with other households • Out of dwelling unit, only for current household’s use

42

• Out of dwelling unit, for joint use with other households No Flush

• Only for the current household use • Shared • Other

B15. Garbage removal

• Through building garbage pipe • Thrown in regularly removing garbage bin • Thrown in garbage sorting bin • Thrown in irregularly removing garbage bin • Other

IV. OTHER QUESTIONS FOR THE HOUSEHOLD

C During the last 12 months recorded in the household C1. Number of live birth/s

1.1. Registered in Civilian Registry Office (number) 1.2. Not registered in Civilian Registry Office (number)

C2. Number of case/s of death 2.1. Registered in Civilian Registry Office by sex and age 2.2. Not registered in Civilian Registry Office by sex and age

1 Подготовлено консультантами ЕЭК ООН Анне Херм и Мишелем Пуленом.

21 ноября 2022

Английский

Европейская экономическая комиссия Конференция европейских статистиков Группа экспертов по статистике миграции Женева, Швейцария, 26–28 октября 2022 года Пункт А предварительной повестки дня Усовершенствования в области использования административных данных по статистике миграции

Усовершенствование статистики населения и миграции в Армении - Текущая ситуация, планы на будущее и способы улучшения

Примечание от ЕЭК ООН1

Аннотация

В 2021 году Статистический комитет Республики Армения (Армстат) обратился за поддержкой к ЕЭК ООН с целью оценки целесообразности привязки и согласования соответствующих данных о миграции из Государственного регистра населения Армении (ГРН), Информационной системы управления границами (ИСУГ) и других соответствующих национальных баз данных. Цель заключалась в разработке системы, направленной на получение данных о миграции на эффективной и устойчивой основе, благодаря связям с базами данных, которые ведут другие учреждения.

В ответ на запрос Армстата ЕЭК ООН привлекла двух консультантов, которые провели в Армении миссию для сбора информации и обсуждений с представителями Армстата и других компетентных учреждений. В настоящем отчете представлены основные выводы о текущей ситуации, планах на будущее и некоторые предложения по развитию формирования данных о международной миграции с использованием административных данных.

СОДЕРЖАНИЕ

I. Текущая ситуация 1

A. Статистические данные об общей численности населения и его структуре. ..................................... 1 1. Источники данных, используемые для формирования демографической статистики ..................... 1 2. Метод определения численности и структуры населения ................................................................... 1 3. Достоверность демографической статистики и ограничения ............................................................. 2

B. Статистика миграции ................................................................................................................................ 2 1. Источники данных, используемые для формирования миграционной статистики .......................... 2 2. Метод определения численности международных мигрантов ........................................................... 3 3. Достоверность миграционной статистики и ограничения ................................................................... 3

II. Планы на будущее и предложения 6

A. Планы раунда переписи 2020 года .............................................................................................................. 6 1. Предстоящая перепись как отправная точка для нового метода ежегодных оценок численности населения ........................................................................................................................................................... 6 2. Использование данных регистра для определения численности населения, охваченного переписью .......................................................................................................................................................... 7 3. Выдержка из ИСУГ ................................................................................................................................. 8 4. Проект по увязке записей ГРН и ИСУГ для переписи 2022 года ....................................................... 9 5. Ожидаемый охват переписью по группам населения в результате сопоставления записей ГРН и ИСУГ ................................................................................................................................................................ 10 6. Другие возможные полезные увязки для идентификации населения при переписи ...................... 11 7. Проверка достоверности конструкции переписи населения ............................................................. 12 8. Сбор данных переписи по 25% адресной выборке ............................................................................. 12 9. Предложение по улучшению сбора данных о международной миграции путем проведения опроса 25%-ной выборки населения при переписи .................................................................................................. 13

B. Миграционная статистика после переписи 2022 года .......................................................................... 14 1. Улучшение сбора сведений о международных миграционных потоках из КОУЖ ........................ 14 2. Возможности улучшения статистики миграции путем внедрения данных из информационной системы управления границами .................................................................................................................... 16

ПРИЛОЖЕНИЯ ...................................................................................................................................................... 19

Сокращения

Армстат Статистический комитет Республики Армения ИСУГ Информационная система управления границами КОУЖ Комплексное обследование условий жизни МОМ Международная организация по миграции ОРС Обследование рабочей силы НКР Республика Арцах (бывшая Нагорно-Карабахская Республика) ГРН Государственный регистр населения Армении НЗОУ Номерной знак общественных услуг РА Республика Армения ООН Организация Объединенных Наций

1

I. Текущая ситуация

A. Статистические данные об общей численности населения и его структуре

1. Источники данных, используемые для формирования демографической статистики

1. Статистический комитет Республики Армения (Армстат) использует как статистические, так и административные данные для генерирования демографической статистики. Базовыми данными для оценки годовой численности всего населения и его половозрастного состава являются результаты переписи населения РА 2011 года. Источниками для оценки ежегодных изменений численности населения являются административные данные: регистрация актов гражданского состояния - рождения и смерти, и регистрация места жительства для оценки притока и оттока населения. Кроме того, для оценки сальдо миграции используются данные Комплексного обследования условий жизни домашних хозяйств (КОУЖ).

2. Метод определения численности и структуры населения 2. Население обычно измеряется переписями, следуя двум определениям: население де- юре — это население, постоянно проживающее, как присутствующее, так и отсутствующее, на данной территории, а население де-факто — это совокупность постоянных и временных жителей, которые присутствуют на момент переписи. Временно отсутствующее население включает тех, кто был зарегистрирован в качестве постоянного жителя, но отсутствовал менее 12 месяцев по месту своего основного (постоянного) проживания на момент переписи. Временно присутствующее население — это те лица, которые не были постоянными жителями и находились на данной территории менее 12 месяцев на момент переписи. Общая численность (постоянного) населения и его структура по основным демографическим характеристикам рассчитывается каждый год на основе результатов последней переписи и ежегодных изменений численности населения («Демографический сборник Армении», ежегодно с 2005 года)2. Для учета естественного изменения численности населения и составления статистики актов гражданского состояния Армстат использует электронные записи из системы регистрации актов гражданского состояния. Эта система предоставляет информацию о рождениях, смертях, браках и разводах. Миграционные данные извлекаются из государственного реестра населения Армении (ГРН) и основаны на административной регистрации места проживания. Первоначально данные собираются местными отделениями (Паспортно-визовое управление) Полиции Республики Армения и передаются в ГРН. Регистрация места жительства считается неполной, поскольку не охватывает все перемещения населения из одного места жительства в другое. В частности, недостаточно освещается международная миграция граждан Армении. Поэтому для более достоверной оценки ежегодного обновления

2 Выдержка из Демографического справочника Армении за 2019 год: «Данные о населении получены на основе переписей населения. Текущие регистрационные данные населения за 2002-2011 годы представлены скорректированной численностью постоянно проживающего населения, основанной на переписи населения РА 2011 года. С 2011 года базой для расчета постоянно проживающего населения являются данные переписи населения, проведенной с 12 по 21 октября 2011 года, которые обновляются путем добавления числа ежегодных рождений и прибытий и удаления числа умерших и покинувших данную территорию за каждый год. Данные о миграции (регистрации/снятии с учета), полученные от Полиции РА с 2013 года, подвергаются переоценке (статистической корректировке), учитывая тот факт, что они не полностью охватывают перемещение населения (поскольку люди обычно перемещаются, не информируя об этом Паспортно-визовое управление Полиции РА), на основе оценки миграции по результатам Комплексного обследования условий жизни домашних хозяйств за предыдущий год».

2

численности населения чистая миграция оценивается повторно (статистически корректируется) на основе результатов Комплексного обследования условий жизни домашних хозяйств (КОУЖ). Это обследование включает в себя ряд вопросов о членах домохозяйства, которые имеют недавной опыт миграции. Аналогичные вопросы о миграции были включены также в Обследование рабочей силы (ОРС).

3. Достоверность демографической статистики и ограничения 3. Точность результатов переписи населения 2011 года считается достаточной в качестве основы для дальнейшего обновления данных о населении. Статистика естественного движения населения на основе регистрации рождений и смертей также достаточно полная. Наиболее сложной проблемой является обеспечение достоверности оценок миграционной составляющей изменения численности населения. Принимая во внимание, что регистрация (снятие с учета в случае эмиграции) места жительства является неполной, оценка чистой миграции, основанная на данных выборочного обследования, даже будучи хорошим решением в текущей ситуации, имеет некоторые ограничения. В частности, нельзя достоверно рассчитать пространственное распределение населения внутри страны в детальной разбивке по возрасту и полу, например, для более старших возрастных групп и небольших муниципалитетов; возможно, это справедливо и в отношении некоторых других характеристик и относительно небольших групп населения.

B. Статистика миграции

1. Источники данных, используемые для формирования миграционной статистики

4. Армстат использует данные из административных источников и статистические выборочные обследования для составления статистики миграции. Традиционно источником миграционной статистики, как внутренней, так и международной, служила регистрация по месту жительства в местных отделениях полиции. Регистрируются как граждане Армении, так и иностранцы. 5. Для статистических целей доступны следующие переменные из ГРН:

(a) Дата рождения; (b) Место рождения (страна, марз - область, община, населенный пункт, адрес); (c) Пол; (d) Место предыдущего или следующего проживания (страна, область, община,

населенный пункт, адрес); (e) Страна гражданства; (f) Место регистрации или снятия с учета – новое место жительства (страна,

область, община, населенный пункт, адрес); (g) Национальность (этническая принадлежность); (h) Дата регистрации или снятия с учета; (i) Статус проживания (статус беженца или особый статус проживания).

6. В анкеты выборочного обследования домашних хозяйств добавлен набор вопросов для сбора данных о миграции. Данные комплексного обследования условий жизни домашних хозяйств (КОУЖ) использовались для оценки чистой миграции для обновления общей численности населения с момента последней переписи в 2011 году. Вопросы о миграции из анкеты КОУЖ 2019 года представлены в Приложении 1.

3

7. Вопросы о миграции также задавались в ходе обследования рабочей силы (ОРС), которое представляет собой ежегодное выборочное обследование. Часть данных о миграции была собрана по всем членам домохозяйства, часть - только по респондентам, участвовавшим в опросе. Анкеты доступны на веб-сайте Армстата с 2014 года. Вопросы в ОРС 2019 по темам миграции представлены в Приложении 2. 8. Кроме того, Армстат регулярно получает и публикует агрегированные данные о въезде и выезде при пересечении границы, которые напрямую не предоставляют собой данные о миграционных потоках, но теоретически дают возможность оценить чистую миграцию по всему населению. Данные о внешних пассажирских перевозках (прибытие и отправление в/из Республики Армения) предоставляются Министерством территориального управления Республики Армения, а с 2010 года источником данных является электронная информационная система управления границами (ИСУГ). Демографический сборник Армении 2020 содержит следующую информацию: «Информационная система управления границами РА позволяет получать информацию об административных записях о пересечении границы и количестве участников. Эта система не позволяет осуществлять обработку данных с целью получения миграционных данных в соответствии с определениями и методологией ООН». 9. Среди данных по вопросам миграции есть также данные о статусе проживания иностранцев, соискателей статуса беженца, и беженцев. Все они основаны на соответствующих административных базах данных. Цифры публикуются раз в полгода в ежемесячных информационных отчетах «Социально-экономическое положение Республики Армения» (январь — июнь, январь — декабрь) и ежегодно в Демографическом сборнике Армении.

2. Метод определения численности международных мигрантов 10. Армстат публикует таблицы о количестве «административных регистраций» и «административных снятий с учета» лиц по адресам в ГРН. Они не отражают фактические международные миграционные потоки, так как охват регистрацией потоков из-за рубежа и за рубеж серьезно ограничен. Кроме того, не применяются критерии продолжительности (не менее 12 месяцев или большая часть 12-месячного периода), рекомендованные ООН. Обычно для определения мигранта применяется такой критерий продолжительности – «в течение трех или более месяцев». Он вводится при сборе данных с помощью обследований домашних хозяйств, как КОУЖ, так и ОРС. Однако в КОУЖ, главном источнике данных чистой миграции, могут указываться разные периоды отсутствия (отъезды) отсутствующих членов домохозяйства. Возвращающиеся члены семьи выявляются, если человек прибыл из-за границы в эту местность и отсутствовал более 3 месяцев. Эти данные касаются только лиц, которые считаются членами домохозяйства на момент обследования. Чистая миграция, выведенная из данных о прибытиях и убытиях, собранных КОУЖ, используется для ежегодного обновления численности населения. Департамент демографии Армстата издал специальную публикацию «Миграционное изображение Республики Армения в 2020 году», в которой используются данные КОУЖ. КОУЖ имеет свои ограничения в силу размера выборки (менее 20 000) и того факта, что оно не предназначено специально для сбора данных о международной миграции. Число регистрируемых фактов в некоторых группах мигрантов, составляющее несколько сотен, может быть слишком малым, чтобы получить достоверную оценку для всего населения.

3. Достоверность миграционной статистики и ограничения 11. Как указывалось выше, статистика миграционных потоков недостаточно полна (по оценке Армстата). Подготовленные статистические данные о регистрации и снятии с учета не в полной мере отвечают требованиям, предъявляемым к статистике международной миграции, и эти регистрационные данные могут быть не в полной мере достоверными и в

4

случае внутренней миграции. Инструменты для фундаментального улучшения статистики миграции на данный момент должны быть не статистическими. Для системы регистрации необходимы стимулирующие меры. Следует также отметить, что несмотря на то, что опубликованные данные о регистрации и снятии с учета по месту жительства не полностью охватывают миграционные перемещения в Армению и из нее, эти данные полезны, и представлены в удобном и понятном виде. Армстат предпринял усилия по улучшению доступности данных и повышению достоверности данных о миграции, в том числе, путем сбора данных с помощью выборочных обследований. Кроме того, для статистики доступны сводные данные о прибытиях и убытиях на пограничных пунктах. Это гарантирует, что будет доступно больше информации для мониторинга общих процессов в международной миграции. Однако из этих различных источников поступают противоречивые данные, и оценка чистой численности международных мигрантов в разных источниках отличается. Пользователю данных может быть сложно полагаться на них, например, при разработке политики. 12. В нижеследующих таблицах 1 и 2 представлены размеры притока и оттока населения в Армению и из нее в соответствии с различными источниками данных, в то время как на приведенном ниже рисунке показано сравнение чистой международной миграции, рассчитанной на основе трех источников данных.

5

Таблица 1 Приток и отток населения

Иммиграция, включая обратную миграцию Эмиграция Чистая миграция

Административ ная регистрация

в ГРН Оценка по

КОУЖ

Административное снятие с учета в

ГРН Оценка по

КОУЖ Административная регистрация в ГРН

Оценка по КОУЖ

2015 2 160 10 600 3 041 36 500 -881 -25 900 2016 2 427 8 200 2 520 33 000 -93 -24 800 2017 3 133 9 200 2 847 33 200 286 -24 000 2018 3 696 10 100 3 216 28 386 480 -18 286 2019 4 844 12 100 3 143 27 500 1 701 -15 400 2020 3 693 10 800 2 587 7 400 1 106 3 400

Таблица 2 Въезд и выезд на государственной границе

Въезд Выезд Разница

2015 2 709 269 2 752 694 -43 425 2016 2 867 000 2 915 170 -48 170 2017 3 398 169 3 425 014 -26 845 2018 3 757 187 3 741 869 15 318 2019 4 319 619 4 309 112 10 507 2020 913 211 901 119 12 092

6

II. Планы на будущее и предложения

A. Планы раунда переписи 2020 года

13. Наиболее важным мероприятием по сбору статистических данных в ближайшем будущем является Перепись населения, которую планируется провести в 2022 году. С недавнего времени ведутся мероприятия в области статистики народонаселения для подготовки этой переписи. Точная дата проведения переписи - 13 октября 2022 года в соответствии с решением Правительства РА. Цель состоит в заложении базы для основного процесса учета по имеющимся данным в государственных регистрах, главным образом Государственном регистре населения (ГРН), при этом определение постоянного населения в значительной степени связано с вопросами миграции и данными о миграции.

1. Предстоящая перепись как отправная точка для нового метода ежегодных оценок численности населения

14. Составлены генеральные планы проведения раунда переписи населения 2020 года в Армении. Это будет перепись будет основываться на комбинации данных регистров и выборочного обследования. В основном будет использоваться регистр ГРН. Кроме того, будут использоваться данные из информационной системы управления границами (ИСУГ). Переменные, которые не будет возможности получить из регистра, будут собраны посредством опроса, который охватывает 25% адресов, включенных в ГРН.

(а) Определение постоянного (обычного) населения в ходе переписи 2022 года в Армении

15. В 2022 году перепись населения в Армении планируется провести в виде переписи на основе регистра в сочетании с выборочным обследованием. Население, определенное по результатам переписи, будет считаться де-юре (зарегистрированным) населением Армении в соответствии с ГРН. Для этого планируется «очистка» выдержки данных из ГРН с помощью записей о въездах и выездах из ИСУГ. Сюда входит сопоставление активных записей лиц из ГРН с записями ИСУГ о последних въездах и выездах. 16. Следует учитывать, что обновление информации о местах жительства в ГРН идет неудовлетворительно. Необходимость скорректировать охват выдержки ГРН проистекает из того факта, что данные о месте жительства недостаточно хорошо обновляются в ГРН. Соответственно, невозможно достоверно определить общую численность постоянного населения на момент переписи. Если говорить конкретно, многие граждане Армении, имеющие зарегистрированное место жительства в Армении, фактически покинули страну, чтобы работать за границей, часто в России, но также и в других странах, и живут там уже много лет. Существуют и противоположные ситуации, когда гражданин Армении или потомок армян, желающий принять гражданство Армении, заявил место жительства за границей, но (уже) проживает в Армении. Ожидается, что иностранцы, постоянно проживающие в Армении, должны зарегистрировать свое место жительства в ГРН, но эффективного контроля за этим нет. Как следствие, иностранец может проживать в Армении, но не иметь зарегистрированного адреса в ГРН или, если место жительства было зарегистрировано, оно может не обновиться после того, как человек уехал за границу. Выдача вида на жительство и окончание его срока действия в ГРН не регистрируются. Случаи, когда гражданин Армении не зарегистрирован в ГРН, редки, но есть записи о лицах, которые не имеют зарегистрированного места жительства в ГРН. 17. В соответствии с планами переписи из ГРН будут извлечены следующие характеристики (источник: презентация Армстата от 13.10.2021):

(a) Личный код; (b) Имя, фамилия и отчество, если представлены заверенные документы;

7

(c) Статус (вид на жительство или статус беженца); (d) Фактический адрес регистрации; (e) Гражданство, этническая принадлежность; (f) День, месяц, год и место рождения; (g) Пол.

2. Использование данных регистра для определения численности населения, охваченного переписью

18. Из ГРН для переписи населения будут отобраны только активные записи зарегистрированных лиц. Классификация лиц, имеющих активную запись в ГРН, приведена в Приложении 3. Поиск последних записей о въезде или выезде через границу по данным лицам будет осуществляться в ИСУГ. 19. Что касается имеющейся информации о месте жительства в ГРН, то в ГРН население можно разделить на три группы (см. Приложение 1):

(a) Большинство лиц, о которых есть записи в ГРН, зарегистрированы по месту жительства в Армении;

(b) По некоторым лицам в ГРН указан адрес (место жительства) за границей; среди них есть граждане Армении, но также и граждане других стран, например, граждане России армянского происхождения, которые никогда не жили в Армении, но желают иметь армянское гражданство.;

(c) У некоторых лиц поля адреса в ГРН не заполнены (с обязательным указанием причины; для некоторых лиц поле адреса может быть очищено по запросу владельца3).

(а) Сфера охвата ГРН и индивидуальными идентификаторами

20. Почти все граждане Армении включены в ГРН, но, вероятно, есть контингент людей, которые живут в Армении, но не зарегистрированы в ГРН. Документы, удостоверяющие личность, и используемые в качестве основы для регистрации в ГРН, могут быть разными – паспорт гражданина Армении, удостоверение личности или социальная карта (используемая для социальных услуг), заграничный паспорт. 21. Среди этих документов только в удостоверении личности и социальной карте указан уникальный идентификатор. Как правило, каждый гражданин Республики Армения имеет НЗОУ (номерной знак общественных услуг). В случае наличия удостоверения личности на этой карте указывается НЗОУ человека, а в случае его отсутствия номер можно найти на Социальной карте. Тем не менее, человек может не пользоваться никакими услугами, предоставляемыми государственными органами, которые были бы доступны только при наличии документов, удостоверяющих личность, и не иметь такого документа. Предполагается, что число людей, которые не пользуются такими услугами, очень невелико. 22. Тем не менее, в записи ГРН НЗОУ человека генерируется на основе информации о дне, месяце, годе рождения и поле человека, вспомогательного последовательного трехзначного номера и однозначного спецификатора (Закон РА «О номерном знаке общественных услуг»), и если какое-либо лицо отказывается его принять, оно имеет право подать заявку и получить «Справку о неполучении НЗОУ». НЗОУ не входит в число персональных данных в паспорте Республики Армения и, очевидно, не включен в паспорт

3 Согласно постановлению Правительства РА (14.07.2005 №1231-Н) «О внедрении государственной системы регистрации населения в Республике Армения», лицо может быть снято с учета на основании заявления домовладельца или решения суда.

8

иностранца. Это может вызвать трудности при сопоставлении записи ГРН с данными из других наборов данных, где необходимо использовать одни и те же идентификаторы. Для сопоставления записей ИСУГ и индивидуальных записей ГРН необходимы другие идентификаторы, такие как имена и номер паспорта. Это может вызвать трудности, если человек сменил свой паспорт после последнего пересечения границы.

(b) Место жительства

23. Согласно рекомендациям ЕЭК ООН (и Конференции европейских статистиков) (ЕЭК ООН, 2016 год), место обычного проживания может быть определено как зарегистрированное место жительства при использовании административных данных для статистики населения и миграции. В общем, предполагается, что это (для большинства людей) то же самое, что и фактическое место проживания. 24. В Армении зарегистрированный адрес может совпадать или не совпадать с фактическим местом жительства (диапазон различий еще предстоит определить, предполагается задавать вопросы 25%-выборке в ходе переписи 2022 года). Поскольку место жительства не обновляется регулярно и полностью, запись ГРН не показывает фактическое место жительства человека в любой момент времени, и не представляется возможным получить надежные данные о распределении населения или о количестве обычно проживающего населения на момент переписи. Присутствие или отсутствие лица во время переписи не может быть надежно выявлено по данным о месте жительства, зарегистрированным в ГРН. Конкретно, лица, которые проживают за границей, но не предоставили информацию о месте жительства за границей, по-прежнему считаются резидентами страны, а лица, прибывшие из-за рубежа (даже иностранцы, имеющие вид на жительство), могут быть исключены, если они проигнорируют требование о регистрации места жительства в Армении. Чтобы ограничить ошибки при определении общей численности населения, подлежащего переписи, записи ГРН планируется сравнивать с записями о въезде и выезде через границу, зарегистрированными в ИСУГ во время пересечения границы.

3. Выдержка из ИСУГ 25. Запланированная увязка записей из ИСУГ с ГРН позволит лучше идентифицировать постоянное население в стране на момент переписи. Путем сопоставления последнего въезда или выезда лица через государственную границу с его/ее записью в ГРН будет определено присутствие или отсутствие лица во время переписи, включая продолжительность периода с момента последнего въезда или выезда до момента переписи. 26. Подробное описание методологии того, как будет выполняться сопоставление записей из двух источников данных, не было доступно на момент подготовки настоящего отчета. 27. В настоящее время данные, доступные для Армстат из ИСУГ, включают следующие поля данных:

(a) Год пересечения границы (даты въезда-выезда указаны в ИСУГ); (b) Страна выдачи документа/паспорта (в большинстве случаев, с указанием страны

гражданства); (c) Год рождения; (d) Пол.

28. Армстат может агрегировать эти данные непосредственно из базы данных ИСУГ через специальную среду доступа пользователя. Однако Армстат не имеет доступа к

9

индивидуальным записям въездов и выездов в ИСУГ, и сопоставление записей для целей переписи также планируется проводить силами ГРН и ИСУГ, а не Армстат.

4. Проект по увязке записей ГРН и ИСУГ для переписи 2022 года 29. Проект был инициирован с целью проведения переписи населения 2022 года, но предусматривается также, что он будет обслуживать различных государственных пользователей. Для увязки с записями ИСУГ при переписи населения из ГРН будут отобраны только активные записи зарегистрированных лиц. Все живые граждане или владельцы удостоверений личности Армении должны иметь активную запись в ГРН, но они могут иметь зарегистрированный адрес в Армении или за рубежом. Кроме того, иностранный гражданин, проживающий в Армении, должен иметь зарегистрированное место жительства в Армении. Находясь в процессе получения гражданства Армении иностранец может иметь запись в ГРН с зарегистрированным адресом за границей. 30. Данные о последнем въезде и выезде данных лиц через границу будут проверяться в ИСУГ. Увязка этих записей позволила бы определить, кто физически находится в стране, а кто находится за ее пределами на момент переписи. Выдержка из ИСУГ будет включать только последнее перемещение через границу каждого лица, зарегистрированного в ГРН с 2013 года (частично с 2011 года с учетом доступности данных). 31. Эта система, позволяющая различать среди зарегистрированных в ГРН людей тех, кто живет в стране, и тех, кто живет за границей, будет создана для целей переписи. Однако было бы полезно ввести аналогичную процедуру после переписи 2022 года для целей ежегодной статистики международной миграции. Для получения данных о миграционных потоках на основе регистраций и снятия с учета в ГРН новые факты пересечения границы после переписи должны ежегодно сопоставляться с активными записями в ГРН. 32. Поскольку на момент подготовки настоящего отчета подробная информация о сопоставлении записей еще не была доступна, мы предлагаем следующий метод, который можно использовать для этого мероприятия. Если учесть период между последним пересечением границы и датой переписи, можно идентифицировать временно отсутствующих и временно присутствующих лиц, а международных мигрантов можно отличить от лиц, которые прибыли из другой страны или уехали в другую страну. Таким образом, лица, которые не покидали страну или прибыли более длительное время назад, могут рассматриваться как постоянно (обычно) проживающие в стране и принадлежащие к обычному постоянному населению на момент переписи. Если учесть лиц, которые имеют активную запись в ГРН на момент переписи, статус лица будет

(a) «Проживающий в стране» и, соответственно, оно будет считаться обычно проживающим в стране и включенным в переписное население, если последней пограничной записью был «ВЪЕЗД» и это произошло по крайней мере за 183 дня до момента переписи;

(b) «Проживающий за границей» и, соответственно, не считающимся обычно проживающим в стране, с дальнейшим исключением из переписи населения (несмотря на зарегистрированный адрес в Армении), если последней пограничной записью был «ВЫЕЗД» и это произошло по крайней мере за 183 дня до момента переписи;

(c) Как присутствующий на момент переписи и включенный в переписываемое население, если последней пограничной записью был «ВЪЕЗД» в течение последних 182 дней и лицо зарегистрировано по месту жительства в Армении;

(d) Как временно проживающий за границей, но включенный в перепись населения, если последней пограничной записью был «ВЫЕЗД» в течение последних 182 дней и лицо зарегистрировано по месту жительства в Армении.

10

(а) Ситуации, требующие особого внимания

33. Хотя ожидается, что увязка пограничных записей с записями ГРН поможет идентифицировать среди людей, зарегистрированных в ГРН Армении, тех, кто находится в стране, и тех, кто находится за пределами страны на момент переписи, сохраняется вероятность ошибок. Конкретные ошибки могут возникнуть в случае следующих лиц:

(a) Зарегистрировали место жительства в Армении, но де-факто проживают за границей, посетив Армению незадолго до переписи;

(b) Зарегистрировали место жительства в Армении и эмигрировали незадолго до переписи (как иностранцы, так и граждане Армении);

(c) Иностранцы, не имеющие зарегистрированного места жительства в Армении (как недавно прибывшие, так и проживающие в Армении уже более длительный период). 34. Например, если гражданин Армении, имеющий зарегистрированный адрес в Армении, но де-факто проживающий за границей, прибыл незадолго до переписи, он или она будет считаться лицом, проживающим в стране на момент переписи, даже если он/она прибыл только с временным визитом. Как граждане Армении, так и иностранцы, зарегистрировавшие место жительства в Армении и покинувшие страну непосредственно перед переписью (в течение 0–182 дней) для долгосрочного проживания за границей, по- прежнему будут считаться членами армянского населения при переписи. Кроме того, поскольку среди населения переписи будут учитываться только лица, имеющие активные записи в ГРН, любой иностранец, фактически проживающий в стране, но не имеющий адреса в ГРН, будет исключен, даже если его/ее последний въезд через границу совершен очень давно (по-видимому, нет прямой связи между выдачей вида на жительство и регистрацией в ГРН). 35. Чтобы применить критерии и идентифицировать международных мигрантов- репатриантов, проживающих в Армении на момент переписи, и международных эмигрантов, которые раньше жили в Армении, но уехали до переписи, следует зафиксировать год и месяц по крайней мере двух последних въездов или выездов, зарегистрированных в ИСУГ. Для включения новых иностранных иммигрантов потребуется привязка ИСУГ к записям о визах или видах на жительство (см. пункт «Другие возможности...» ниже) 36. Еще один потенциально проблемный аспект, который может ограничить возможность увязки записей ГРН с записями ИСУГ, — это отсутствие уникального идентификатора в записях ИСУГ. Хотя номерной знак общественных услуг указан на удостоверении личности (или, в случае его отсутствия, на социальной карте), в армянском паспорте этот идентификатор не указан. Поэтому необходимо, чтобы запись ГРН включала серийный номер действительного паспорта для каждого гражданина Армении, а также серийные номера предыдущих паспортов, которые использовались при последнем выезде и въезде через государственную границу. То же самое должно быть применимо и к иностранцу, являющемуся официальным резидентом страны.

5. Ожидаемый охват переписью по группам населения в результате сопоставления записей ГРН и ИСУГ

37. В результате увязки выдержка из ГРН будет состоять из следующих частей: 38. Люди, идентифицированные как находящиеся в стране, последняя запись о пересечении границы – прибытие (ВЪЕЗД) (группа А)

Группа A1 – Записи граждан Армении, зарегистрированных в ГРН по адресу в Армении, увязанные с записями о въезде в ИСУГ

11

Группа A2 – Записи граждан Армении, зарегистрированных в ГРН по адресу за границей, увязанные с записями о въезде в ИСУГ Группа A3 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу в Армении, увязанные с записями о въезде в ИСУГ Группа A4 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу за границей, увязанные с записями о въезде в ИСУГ (если таковая группа существует) Группа A5 – Записи граждан Армении, зарегистрированных в ГРН по адресу в Армении, не увязанные с какими-либо записями в ИСУГ Группа A6 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу в Армении, не увязанные с записями о въезде в ИСУГ

39. Люди, идентифицированные как отсутствующие в стране, последняя запись на границе – выезд (ВЫЕЗД) (группа B)

Группа B1 – Записи граждан Армении, зарегистрированных в ГРН по адресу в Армении, увязанные с записями о выезде в ИСУГ Группа B2 – Записи граждан Армении, зарегистрированных в ГРН по адресу за границей, увязанные с записями о выезде в ИСУГ Группа B3 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу в Армении, увязанные с записями о выезде в ИСУГ Группа B4 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу за границей, увязанные с записями о выезде в ИСУГ (если таковая группа существует) Группа B5 – Записи граждан Армении, зарегистрированных в ГРН по адресу за границей, не увязанные с какими-либо записями в ИСУГ Группа B6 – Записи граждан иностранных государств, зарегистрированных в ГРН по адресу за границей, не увязанные с записями о въезде в ИСУГ (если таковая группа существует)

40. Лица, идентифицированные как присутствующие, так и отсутствующие, могут быть дополнительно классифицированы как постоянно или временно присутствующие или отсутствующие, если учитывать продолжительность времени между моментом переписи и, соответственно, последним въездом или выездом. 41. Некоторые ошибки в охвате переписи, которые все еще могут оставаться

(a) В перепись населения могут не войти недавние (иностранные) иммигранты, не зарегистрированные по месту жительства в ГРН. При проведении переписи не будут учитываться записи о ВЪЕЗДЕ этих лиц из ИСУГ;

(b) Если опираться только на последнее перемещение через границу, невозможно определить, имело ли лицо де-факто обычное/постоянное место жительства в Армении или за ее пределами до переписи. Потребуется по крайней мере два последовательных перехода границы, включая продолжительность пребывания в стране или за ее пределами между этими пересечениями границы. В идеале выписка из ИСУГ должна включать все пересечения границы человеком до даты переписи.

6. Другие возможные полезные увязки для идентификации населения при переписи

42. Как показано выше, иностранцы-иммигранты, не зарегистрированные по месту жительства в ГРН, будут исключены из переписи населения, даже если по

12

продолжительности пребывания в Армении они должны быть переписаны как постоянные жители страны. Один из способов включить их - увязать записи ИСУГ с базой данных видов на жительство и базой данных виз (только в случае долгосрочных виз, допускающих многократный въезд). Очевидно, что в ИСУГ нет большинства демографических и социально-экономических характеристик этих иностранцев. Однако при наличии такой привязки некоторые переменные можно взять из заявления на получение вида на жительство. Их место жительства в Армении, скорее всего, будет неизвестно, за исключением случаев, когда некоторая информация будет собрана при подаче заявления на получение вида на жительство. Если связь с базой данных видов на жительство невозможна, лица, чья последняя запись «ВЪЕЗД» о пересечении границы сделана как минимум за 182 дня до переписи, должны учитываться в общей численности населения при переписи, но с неизвестными значениями переменных, которые не включены в записи ИСУГ. Согласно информации о доступных Армстату данных из ИСУГ, приведенной выше, в дополнение к датам въезда и выезда в пограничную запись включены пол, год рождения (или дата рождения) и страна гражданства (страна выдачи документа/паспорта).

7. Проверка достоверности конструкции переписи населения 43. Базу данных, полученную в результате сопоставления записей ГРН и ИСУГ, следует сравнить с любым другим существующим набором данных, который включает аналогичные данные. Следует рассмотреть все возможности для сравнения. В идеале следует сравнивать запись за записью, но это может оказаться неисполнимым или слишком длительным процессом. В качестве альтернативы можно было бы сравнить как можно больше низкоуровневых распределений переменных в целом и/или определенных категориях населения. 44. Следует рассмотреть приводимые ниже наборы данных:

(1) перепись 2011 года. В то время как сравнение каждой записи по отдельности было бы осложнено отсутствием общих уникальных идентификаторов, это сравнение можно эффективно выполнить путем сопоставления агрегированных данных (перекрестные таблицы с агрегацией низкого уровня, например, населенные пункты, данные возраста за один год) и относительной частотности.

45. То же самое можно сделать с: (2) Данными обследования – Комплексное обследование условий жизни домашних хозяйств (КОУЖ) или/и обследование рабочей силы (ОРС).

46. Можно также проверить конструкцию переписи населения на соответствие (3) Оценке численности населения на момент переписи на основе результатов переписи 2011 года плюс/минус жизненные события и зарегистрированная международная миграция.

47. Среди других проверок могут быть сравнение полученной возрастной структуры с числом учащихся на разных уровнях образования из школьной статистики, а также с числом лиц (старше пенсионного возраста), получающих пенсию в соответствии с записями социальной службы (в случае, если ее получает преимущественное число людей в определенном возрасте).

8. Сбор данных переписи по 25% адресной выборке 48. Данные по другим переменным, определенным программой переписи, но не включенным в ГРН, будут получены путем выборочного обследования, в котором будет задействовано 25% адресов в государственном регистре населения. Счетчик может посещать эти адреса и собирать данные посредством опросов (с помощью CAPI - индивидуального компьютерного интервью).

13

49. Среди прочего, запланированы и вопросы по миграции. Был подготовлен предварительный список вопросов. К ним относятся место рождения и страна гражданства. Планируется также собирать данные о предыдущем месте жительства, которым может быть место за границей. Таким образом, будут собраны некоторые минимальные данные по вопросам миграции, и это может удовлетворить основные потребности в данных о внутренней миграции. Однако будет идентифицирована только часть недавних международных мигрантов. Для сбора данных о международной миграции потребуется пересмотреть планируемый вопросник. Список запланированных вопросов приведен в Приложении 4 вместе с предлагаемыми исправлениями. 50. Переписной опрос должен включать ограниченное количество четко поставленных вопросов, на которые легко ответить, и в то же время позволять собрать все необходимые данные для анализа состава населения и миграционных потоков. Планируется собрать данные о структуре населения на момент переписи с помощью вопросов о миграции:

(a) Гражданство; (b) Страна или населенный пункт рождения в Армении; (c) Тип присутствия: постоянно присутствует, временно присутствует, отсутствует; (d) Краткосрочный статус мигранта; Если задавать вопросы о временном присутствии или отсутствии, краткосрочных мигрантов можно отличить по продолжительности пребывания/отсутствия. (e) Непрерывность/продолжительность проживания в месте регистрации; (f) Предыдущее место жительства (в Армении или за рубежом).

51. Поскольку данные собираются на основе выборки, а не от всего населения, подлежащего охвату переписью, два последних вопроса следует задавать не только постоянным жителям, но и отсутствующим и временно присутствующим лицам.

9. Предложение по улучшению сбора данных о международной миграции путем проведения опроса 25%-ной выборки населения при переписи

52. Планируемые вопросы позволяют оценить внутренние миграционные потоки постоянного населения при учете лиц, которые имели предыдущее место жительства в другом месте страны и продолжительность проживания в этом месте составила 12 месяцев или менее (прибытие в течение 12 последних месяцев). 53. Однако запланированные вопросы исключают возможность сбора данных о структуре населения по статусу международного мигранта. В случае международных мигрантов и репатриантов, которые после прибытия из-за рубежа один или несколько раз меняли место жительства в пределах Армении, информация об их проживании за границей собираться не будет, даже если последняя международная миграция имела место в течение последних 12 месяцев перед переписью. Соответственно, международные иммиграционные потоки, которые можно было бы оценить на основе иммиграций за последние 12 месяцев, не будут полной оценкой международной миграции. Более того, будут недоступны данные о продолжительности пребывания в стране после прибытия из-за границы. В настоящее время планируемый вопросник не даст возможности собрать какие-либо данные о структуре миграции репатриантов. Эти данные были бы очень полезны, учитывая, что Армения пережила огромный отток своих граждан, и уже может иметь место увеличение обратной миграции, о чем свидетельствуют некоторые признаки (например, сведения о пересечении границы).

14

54. Учитывая запланированный перечень вопросов, наиболее подходящим решением было бы улучшить сбор данных путем добавления конкретных вопросов по международной миграции. Учитывая, что международная эмиграция и обратная миграция затрагивают большое количество армянского населения (мигрантов и их семей), очень важно собрать эти данные по выборке при переписи. При 25%-ном охвате населения опрос может дать значительно более надежную информацию, чем два других выборочных обследования (КОУЖ или ОРС). Путем внесения минимальных изменений в формулировки и трех или четырех дополнительных связанных между собой вопросов можно было бы получить данные о международной миграции включенных в выборку лиц. 55. В сводной таблице в Приложении 4 представлены запланированные вопросы (черным цветом) Армстата вместе с предлагаемыми нами изменениями (синим цветом) в формулировке вопроса и новыми дополнительными вопросами (красным цветом), которые помогут собрать необходимые данные.

B. Миграционная статистика после переписи 2022 года

56. В настоящее время Армстат располагает несколькими источниками миграционных данных, которые используются для подготовки статистических данных о международной миграции. Однако ни один из них не является удовлетворительным, и полученные данные не сопоставимы. Результирующие цифры из этих наборов данных довольно сильно отличаются. Что еще более проблематично, предполагаемая чистая миграция может быть положительной в соответствии с одним источником данных и отрицательной в соответствии с другим (например, сведения о пересечении границы согласно КОУЖ за 2018 и 2019 годы). Причины могут быть разными: (i) недостаточный охват административной регистрацией и снятием с учета, (ii) ограниченный размер выборки статистических выборочных обследований и (iii) доступ к индивидуальным записям из ИСУГ, что не позволяет применять определение мигранта. Тем не менее, можно несколько повысить достоверность данных, полученных из этих источников. Например, внесением некоторых изменений в вопросы обследования и обработку отдельных записей о пересечении границы путем сопоставления их с записями из ГРН для идентификации миграции в страну и из страны лиц, зарегистрированных по месту жительства в Армении. Принимая во внимание, что перепись 2022 года будет основана на комбинации различных источников данных, которые в то же время являются источниками, используемыми для сбора данных о миграции, целесообразно найти способ усовершенствовать сбор данных о миграции из этих источников также и в краткосрочной перспективе. Здесь мы предлагаем рассмотреть возможность улучшения данных, которое включало бы в себя, главным образом, уточнение определения и, соответственно, изменение формулировки стандартного вопросника для обследования КОУЖ. Также будет пересмотрен способ использования ответов опроса для выявления международных мигрантов за данный календарный год. Кроме того, предлагается разработать новую методологию для сопоставления индивидуальных данных о пересечении границы с записями ГРН. Эта идея не нова, поскольку для переписи 2022 года такая увязка уже предусмотрена.

1. Улучшение сбора сведений о международных миграционных потоках из КОУЖ

57. Предложения по улучшению сбора данных КОУЖ в основном касаются выявления международных мигрантов путем изменения формулировок вопросов. Прежде всего для того, чтобы человек считался мигрантом, должна быть установлена минимальная продолжительность пребывания внутри страны или за ее пределами. Рекомендации ООН по статистике международной миграции 1998 года определяют долгосрочных мигрантов как тех, кто переезжает в другую страну не менее чем на 12 месяцев, тогда как

15

рекомендации ООН по переписи населения предлагают определять обычное место жительства сроком либо не менее 12 месяцев, либо большая часть времени в течение 12- месячного периода, что означает более 6 месяцев в 12-месячный период. ООН работает над пересмотром рекомендаций по статистике международной миграции, и в этом контексте в марте 2021 года Статистическая комиссия ООН одобрила новую концептуальную основу с пересмотренными понятиями и определениями (ООН, 2021), согласно которой определение «международный мигрант» относится не к какому-либо конкретному порогу, а к факту смены страны проживания в более общем плане. Исходя из нашего опыта использования данных пограничных служб в других странах, для идентификации международных мигрантов мы рекомендуем учитывать критерии совокупной продолжительности не менее шести месяцев в течение 12-месячного периода. Это позволяет исключить краткосрочные убытия и прибытия при определении факта миграции.

(а) Отсутствующие члены домохозяйства

58. Согласно данным КОУЖ за 2019 год, общее зарегистрированное число отсутствующих составляет 995 человек (не учитывая ни места, ни продолжительности отсутствия), из которых 685, как сообщалось, в настоящее время проживают за границей. Чтобы подсчитать ежегодное число международных эмигрантов, нам нужно учитывать только тех, кто уехал в течение 12 месяцев. Применяя временной критерий не менее 3 месяцев (они используется для репатриантов, см. выше) мы обнаружили 474 отсутствующих более 3 месяцев и менее 15 месяцев, которые проживают за границей. Тем не менее, в соответствии с рекомендуемым определением, упомянутым выше, лицо должно считаться международным эмигрантом, если продолжительность пребывания за границей составляла более 6 месяцев4.

(b) Лица, присутствующие в домохозяйстве, которые сообщили, что они находились за границей в течение последних пяти лет по крайней мере в течение 3 месяцев

59. Вопросы о зарегистрированных внутренних мигрантах (как репатриантов, так и вновь прибывших) в домохозяйствах включают продолжительность пребывания за границей не менее 3 месяцев с 2014 года. В КОУЖ 2019 года 951 человек сообщили, что прожили в другом месте не менее 3 месяцев, и среди них 679 человек сообщили о пребывании за границей. Частотное распределение ответов о возвращении из-за границы по годам последнего возвращения представлено в таблице 3. Это показывает очевидное занижение числа репатриантов, поскольку период между опросом и возвращением становится дольше. Более надежными данными за 12-месячный период могут быть данные за 2018 год (поскольку 2019 год охвачен лишь частично, так как опрос проводился одновременно с этим годом). Соответственно, мы должны учесть 273 прибытия после проживания за границей по крайней мере в течение 3 месяцев в 2018 году. Кроме того, число международных репатриантов может быть несколько занижено из-за тех, кто жил за границей, но впоследствии совершил внутреннюю миграцию на нынешнее место проживания за последнее время. Они могли быть скрыты, потому что их последнее возвращение было изнутри страны. Иными словами, важно включить международных иммигрантов, которые не являются репатриантами, которые никогда не жили в том месте жительства, где они в настоящее время проживают на момент переписи. В случае присутствующих лиц, которые сообщили, что они находились за границей, ответы КОУЖ

4 Согласно этому определению, ежегодное число эмигрантов, выявленных в ходе опроса, будет включать лиц, которые уехали не менее чем за 6 месяцев до опроса (от 6 до 18 месяцев до опроса) и все еще отсутствовали на момент опроса. В соответствии с этим определением, основанным на отсутствии минимум 6 месяцев, в общей сложности 401 член домашних хозяйств отсутствовал во время КОУЖ 2019. Среди них 270 были международными эмигрантами, поскольку проживали за пределами страны. В результате доля ежегодных международных эмигрантов составляет 270/18 654 = 1,5%.

16

не дают возможности применить критерий 6 месяцев. Соответственно, в рекомендациях, из соображений согласованности и для более точного соответствия международным рекомендациям, мы предлагаем заменить срок не менее 3 месяцев отсутствия в домохозяйстве на срок не менее 6 месяцев.

Таблица 3 Число членов домохозяйства в КОУЖ, которые сообщили о возвращении из-за границы после пребывания за границей не менее 3 месяцев

Год последнего возвращения

Члены домохозяйства, вернувшиеся из-за границы

2014 14 2015 35 2016 55 2017 97 2018 273 2019 205 Итого 679

60. В результате чистую международную миграцию за 2018 год можно оценить следующим образом - (273–474) / 18 654 = -1,1% на основе критерия 3 месяцев. 61. Поэтому вопрос КОУЖ «В каком месяце и году [ИМЯ] приехал(а) сюда после своего последнего отсутствия?» следует дополнить вопросом: «В каком месяце и году и из какой страны [ИМЯ] вернулся(ась) или иммигрировал(а) в Армению»? 62. Тем не менее, такое изменение критериев продолжительности пребывания в выявлении мигрантов привело бы лишь к небольшому усовершенствованию оценки миграционных потоков, поскольку размер выборки слишком мал для учета международной или внутренней миграции.

2. Возможности улучшения статистики миграции путем внедрения данных из информационной системы управления границами

63. Мигрантов можно идентифицировать по записям ИСУГ, используя определение, рекомендованное как ЕЭК ООН (2015), так и ООН (1998), согласно которому обычным резидентом в стране является лицо, которое обычно проживает в стране. Точнее, человек, который въезжает в страну и остается там в течение 12 месяцев или большую часть 12 месяцев, имеет обычное место жительства в этой стране и, следовательно, является иммигрантом. Если человек покидает страну и остается за границей более 12 месяцев (или большую часть времени в течение 12-месячного периода), он/она будет считаться эмигрантом. Эти временные критерии могут быть применены к данным о въезде и выезде через границу. 64. Пограничная регистрация въездов и выездов доступна (в электронном виде) с 2013 года (частично с 2011 года). Поскольку большинство пограничных переходов совершают туристы, целесообразно провести отбор записей. ВЪЕЗД и ВЫЕЗД регистрируются на дату, когда они происходят, и даты заносятся в базу данных. В дополнение к дате пересечения границы и направлению (ВЪЕЗД или ВЫЕЗД) в базе данных хранится несколько переменных. Тем не менее, пограничная запись должна включать страну гражданства и номер паспорта, в то время как пол, дата рождения и страна рождения могут присутствовать или отсутствовать. Большинство периодов между ВЪЕЗДОМ и ВЫЕЗДОМ (или наоборот) относительно короткие (от ВЪЕЗДА и ВЫЕЗДА в течение одного и того же дня до нескольких недель).

17

65. Выписка из пограничной базы данных должна включать все записи о въезде и выезде, организованные на индивидуальном уровне, чтобы восстановить историю пересечения границы всеми лицами, которые имели по крайней мере один ВЪЕЗД или ВЫЕЗД. Для выявления международных иммигрантов или эмигрантов за данный календарный год траектория должна охватывать три последовательных года, включая один год до и после данного года, чтобы применить критерии «большую часть времени в течение отчетного года», как это предлагается в рекомендациях переписи ООН. Подробная методология использования данных, собираемых на границе, представлена в Приложении 5.

18

Изученная литература и материалы из интернета

Армстат, Базы данных. https://armstat.am/en/?nid=13 Манке, М. и Мортенсен, Т. для МОМ, 2010. Улучшение сбора, обработки и обмена миграционными данными в Республике Армения. Отчет об оценке потребностей и анализе пробелов. Миграционное изображение Республики Армения, 2018 год. https://armstat.am/en/?module=publications&mid=9&id=2294 Демографический сборник Армении, 2020 год. https://armstat.am/en/?nid=82&id=2347 Статистический ежегодник Армении, 2021 год. https://armstat.am/en/?nid=586 ООН, 1998. Рекомендации по статистике международной миграции, редакция 1. https://unstats.un.org/unsd/publication/seriesm/seriesm_58rev1e.pdf ООН, 2021 год. Пересмотренная всеобъемлющая концептуальная основа и понятия и определения международной миграции, подготовленные Группой экспертов по статистике миграции https://unstats.un.org/unsd/statcom/52nd-session/documents/BG-3g-TF2- Conceptual_Framework-E.pdf ЕЭК ООН, 2011 год. Статистика международной миграции. Практическое руководство для стран Восточной Европы и Центральной Азии. https://unece.org/info/Statistics/pub/21838 ЕЭК ООН, 2015 год. Рекомендации Конференции европейских статистиков по проведению переписей населения и жилищного фонда 2020 года. https://unece.org/info/Statistics/pub/21844 ЕЭК ООН, 2021 год. Руководящие принципы по оценке качества административных источников данных для их использования в переписях населения. https://unece.org/info/Statistics/pub/21849

19

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ 1. Анкета комплексного обследования условий жизни (КОУЖ), 2019 год ПРИЛОЖЕНИЕ 2. Анкета обследования рабочей силы, 2019 год ПРИЛОЖЕНИЕ 3. Использование Регистра населения для подсчета международных мигрантов ПРИЛОЖЕНИЕ 4. Вопросы по теме миграции для 25%-выборки в переписи 2022 года, планируемые и рекомендуемые дополнения ПРИЛОЖЕНИЕ 5. Методология использования базы данных о пересечении границ для оценки международных миграционных потоков ПРИЛОЖЕНИЕ 6. Программа переписи населения (содержание анкеты) Республики Армения 2022 года

ПРИЛОЖЕНИЕ 1

Анкета комплексного обследования условий жизни (КОУЖ), 2019 год

A Identification of the household 01.- Settlement NAME: CODE: 02.- Marz NAME: CODE: 03.- Urban/rural CODE: 04.- Primary sampling unit CODE: 05.- Dwelling serial number CODE: 06.- Address ADDRESS: 07.- Address result CODE: CODE: 08.- Type of building CODE: 1. Large owner occupied building 2 Small building 3. Apartment 4.Other CODE: 09.- Result of the interview 1. Household participates >> 9 CODE:

2. Household not present >>9 3. Household refuses

10.- Refusal reason 1. No time CODE 2. Not interested 3. Does not want to provide information 4. Other, specify

B Household Contact 11.- Name of the household head ID CODE: 12.- Name of the respondent ID CODE: 13.- Status of household head CODE: C Control information 14.- Name and ID Code of Enumerator CODE: 15.- Name and ID Code of Supervisor CODE: 16.- Number of visits necessary to administer the questionnaire NUMBER

17.- Collect - Visit 1 18.- Collect - Visit 2 19.- Collect - Visit 3 20.- Control

1. Urban 2. Rural

1. Permanent resident 2. Part-time resident 3. Non-resident (lives elsewhere)

1. Address found 2. Address not found 3. Building does not exist

Day Month Year Hour/minute at start Hour/minute at end

ПРИЛОЖЕНИЕ 2

Анкета обследования рабочей силы (ОРС) 2019 года – Вопросы по миграции

ПРИМЕЧАНИЕ: Полная версия вопросника (включая некоторые вопросы о работе или выезде за границу в разделах D и J) доступна на веб-сайте Статистического комитета Республики Армения по адресу: https://armstat.am/file/doc/99522848.pdf

22

ПРИЛОЖЕНИЕ 3

Использование регистра населения для обновления данных о численности населения и выявления международных мигрантов

Классификация лиц, имеющих активную запись в регистре населения

Статус записи

Группа населения

Статус лица

Статус резидента (место/адрес проживания)

Условный выбор (последний въезд через границу более 90

дней назад, без последующего выезда =да) Включение в

перепись населения

Активная запись в регистре

Гражданин Живой Адрес в стране Да Условно

За границей Да Условно

Неизвестно (пропал без вести) Да; если нет пересечений границы или последнее пересечение границы - въезд без выезда, необходимо уточнить недостающее место жительства.

Условно

Иностранец Живой Адрес в стране Да Условно

Неизвестно Да; если нет пересечений границы или последнее пересечение границы - въезд без выезда, необходимо уточнить недостающее место жительства.

Условно

«За границей» не несет смысла – запись должна быть неактивна

См. неактивную запись иностранца

Не определено (или в процессе получения)

Живой Адрес в стране Да Условно

23

Лица, которые не имеют активной записи в регистре, но должны иметь, или чья запись в стадии подготовки, или у которых она была в прошлом (сейчас в архиве)

Статус записи

Группа населения Статус лица

Статус резидента (место/адрес проживания)

Условный выбор (последний въезд

через границу более 90 дней

назад, без последующего выезда =да)

Включение в перепись населения

Неактивная запись в процессе подготовки (список ожидания) ИЛИ ЕЩЕ НЕ ВНЕСЕНА В РЕГИСТР

Новый гражданин

Живой новорожденный в стране у армянских родителей (в течение ограниченного количества дней до переписи)

Нет адреса или адреса (родителей) в стране

Прямое (все новорожденные до даты переписи, независимо от статуса записи или зарегистрированного адреса)

Живой новорожденный за границей у армянских родителей в течение ограниченного количества дней до переписи (или другой, например, новый гражданин?)

Нет адреса или адреса за границей

Въезд на границе, без последующего выезда; необходимо учесть запись о въезде родителей.

Да, условно

Новый иностранец

Недавно подал заявку на вид на жительство

Нет адреса или (предварительного) адреса в стране

Да Да, условно

Недавно получил вид на жительство

Нет адреса или (предварительного) адреса в стране

Да Да, условно

24

Статус записи

Группа населения Статус лица

Статус резидента (место/адрес проживания)

Условный выбор (последний въезд

через границу более 90 дней

назад, без последующего выезда =да)

Включение в перепись населения

Неактивные записи в архиве

(Бывший) гражданин, резидент или нет

Умерший Отсутствующий (или последний) адрес

Неизвестно Отсутствующий адрес (или последний адрес в архиве)

Да Да, условно

(Бывший) иностранец -резидент

Покинул страну Отсутствует (или последний адрес в архиве)

Да Да, условно

25

Лица, которые не зарегистрированы в регистре населения, но должны быть учтены в ходе переписи

Идентификация по факту пересечения границы (любая другая возможность, например, «признаки жизни»?)

Статус записи в ГРН

Группа населения

Статус лица (доказательство)

Статус резидента (место/адрес

проживания) в ГРН Условный выбор Включение в

перепись населения

Нет записи в регистре

Все Живой Нет, неизвестно Последний въезд на границу более 90 дней назад, без последующего выезда

Да, условно

Нет записи в регистре

Все Живой Нет, неизвестно Четкие и непрерывные «признаки жизни» более 90 дней назад

Да, условно

В этом случае можно собрать ограниченные данные о человеке, только основную личную информацию из паспорта – гражданство, возможно, пол, дата рождения и страна рождения.

Критерии, используемые для идентификации международных мигрантов

Анализ записей и содержащейся в них информации о месте/стране предыдущего проживания и стране текущего проживания привел к следующим решениям по выявлению международных мигрантов:

(a) Отсутствие предыдущего места жительства и текущего места регистрации в Армении: - Лица младше 5 лет являются новорожденными за границей, зарегистрированными в Армении, но не считаются

въехавшими в страну; - Лица старше 5 лет являются прибывшими в Армению из-за рубежа, но без предыдущего места жительства;

(b) Отсутствие предыдущего места жительства и наличие регистрации по месту жительства за границей. Это могут быть лица, которые покинули страну, и их международный выезд должен был быть учтен, или люди, уже проживающие за границей и зарегистрировавшие свой адрес за границей по определенным причинам, в том числе для избежания обязательной военной службы;

(c) Предыдущее место проживания в Армении и новое зарегистрированное место жительства в Армении. Это внутренние изменения места регистрации и соответственно внутренние миграции;

26

(d) Предыдущее место проживания в Армении и новый адрес проживания за границей. Эти люди совершили международный выезд за пределы страны;

(e) Предыдущее место проживания за границей и новая регистрация по адресу за границей. Они не въезжают в страну и не выезжают из нее, просто меняют свой адрес за границей.

Базовые статистические показатели, рассчитанные на основе индивидуальных регистрационных записей в Регистре населения

В нижеследующей таблице представлено распределение въездов, выездов и внутренних изменений места регистрации по полу и гражданству (армяне, иностранцы и, в третьей группе, обладатели гражданства Армении и одновременно иного гражданства). Итого, за 2015–2020 годы

ГРАЖДАНЕ АРМЕНИИ ИНОСТРАННЫЕ ГРАЖДАНЕ АРМЯНСКИЕ И ИНОСТРАННЫЕ Въезд Выезд Внутренний Въезд Выезд Внутренний Въезд Выезд Внутренний

Муж 12 152 15 914 78 454 1 414 10 246 5 541 16 474 1 681 Жен 12 403 18 577 124 149 642 8 163 6 458 20 209 1 917

Итого, состав чистой международной миграции на 2015–2020 годы (6 лет) следующий:

АРМЯНЕ = - 9 936 / ИНОСТРАНЦЫ = + 2 038 / ДВОЙНОЕ ГРАЖДАНСТВО = - 24 684

Если учесть двойное гражданство среди граждан Армении, то чистые показатели международной миграции будут следующими:

ГРАЖДАНЕ АРМЕНИИ: - 34 620 / ИНОСТРАННЫЕ ГРАЖДАНЕ: + 2 038

Те же данные имеются в разбивке по годам регистрации факта и полу

27

Международная миграция на 2015–2020 годы, с разбивкой по армянским и иностранным гражданам

АРМ ИНОСТ АРМ/ИНОСТ ВЪЕЗД ВЫЕЗД ЧИСТАЯ ВЪЕЗД ВЫЕЗД ЧИСТАЯ ВЪЕЗД ВЫЕЗД ЧИСТАЯ

16 114 34 491 -18 377 1 523 18 1 505 1 416 36 683 -35 267 Муж 8 858 15 914 -7 056 1 045 10 1 035 695 16 474 -15 779 2015 2 429 3 149 -720 1 -1 153 2 151 -1 998 2016 1 669 2 813 -1 144 204 204 94 2 327 -2 233 2017 1 538 2 514 -976 220 220 165 2 704 -2 539 2018 1 343 2 740 -1 397 278 278 102 3 010 -2 908 2019 1 329 2 713 -1 384 178 3 175 128 3 989 -3 861 2020 550 1 985 -1 435 165 6 159 53 2 293 -2 240 Жен 7 256 18 577 -11 321 478 8 470 721 20 209 -19 488 2015 1 618 3 873 -2 255 1 -1 151 2 811 -2 660 2016 1 234 3 348 -2 114 116 116 115 3 529 -3 414 2017 1 412 3 084 -1 672 112 112 156 2 922 -2 766 2018 1 265 3 137 -1 872 114 114 102 3 589 -3 487 2019 1 222 2 862 -1 640 72 1 71 131 4 586 -4 455 2020 505 2 273 -1 768 64 6 58 66 2 772 -2 706

28

В следующей таблице приведены чистые показатели миграции и их распределение по половозрастным группам

Чистая миграция Распределение

Мужчины Женщины Мужчины Женщины 0 -924 -1 144 4,2% 3,8% 5 244 261 -1,1% -0,9% 10 280 32 -1,3% -0,1% 15 -2 325 -4 266 10,7% 14,1% 20 -438 -2 870 2,0% 9,5% 25 -1 964 -3 134 9,0% 10,3% 30 -2 464 -2 856 11,3% 9,4% 35 -2 272 -2 556 10,4% 8,4% 40 -2 146 -2 293 9,8% 7,6% 45 -1 874 -2 237 8,6% 7,4% 50 -2 072 -2 389 9,5% 7,9% 55 -2 061 -2 482 9,5% 8,2% 60 -1 645 -1 870 7,5% 6,2% 65 -995 -1 102 4,6% 3,6% 70 -538 -626 2,5% 2,1% 75 -337 -429 1,5% 1,4% 80+ -269 -378 1,2% 1,2%

ПРИЛОЖЕНИЕ 4

Вопросы по теме миграции для 25%-выборки в переписи 2022 года, планируемые и рекомендуемые дополнения Место жительства лица помимо указанного по данному адресу

Регистрация по указанному адресу

Место рождения, страна; если Армения - область, община и населенный пункт

Страна гражданства

В день переписи респондент был • Постоянно присутствующий • Временно присутствующий • Отсутствующий

В случае тех, кто отсутствует в населенном пункте или временно присутствует в день переписи: Продолжительность отсутствия/временного присутствия (месяцы);

В случае тех, кто отсутствует в населенном пункте или временно присутствует в день переписи: Причина отсутствия/временного присутствия;

В случае тех, кто отсутствует в населенном пункте или временно присутствует в день переписи: Местонахождение отсутствующего лица в день переписи – страна; если это Армения – область, община и населенный пункт;

Местонахождение временно присутствующего лица в день переписи – страна; если это Армения – область, община и населенный пункт

Планируемый вопрос: Постоянно проживает в данном населенном пункте с момента рождения, если «Нет», Блок А С какого года... и т. д. – Предлагается заменить следующей (альтернативной) формулировкой: Альтернативный вопрос: С какого времени человек живет большую часть времени в данном населенном пункте? Ответы: (а) «Никогда не жил в другом месте (с рождения)» (b) Если «проживал в другом месте», Ответьте на Блок А (как и планировалось) и после этого перейдите к Блоку В Пояснение: При новой постановке вопроса более четко можно зафиксировать лиц, которые родились в этом населенном пункте и иногда жили в прошлом в другом месте (помогает вспомнить), если сделать акцент на «проживании в другом месте», а не на «постоянном проживании в текущем месте». Этот вопрос следует задавать постоянно присутствующим и отсутствующим лицам; как вариант, также временно присутствующим, поскольку они не будут проходить опрос по своему постоянному месту жительства.

30

Блок А (мы предлагаем заменить «постоянно» на «большую часть времени») Год, с которого лицо большую часть времени проживает в текущем населенном пункте Месяц, с которого лицо большую часть времени проживает в текущем населенном пункте Предыдущее место жительства - страна; если это Армения – область, община и населенный пункт. Здесь необходим дополнительный вопрос о последнем прибытии из-за границы В каком населенном пункте у лица было предыдущее место жительства (село город) Основная причина последней смены места жительства

Блок В (дополнительные вопросы для идентификации международных мигрантов. новых и репатриантов)

Проживали ли вы (он/она) когда-либо за границей не менее 6? или 12? месяцев? Если «нет», опрос заканчивается в Блоке B

Если «да», перейдите к Блоку C Пояснение: Международных иммигрантов и репатриантов можно зафиксировать, даже если они сменили место жительства в стране с одного населенного пункта на другой после прибытия в Армению. Количество месяцев за границей – необходимо решить, либо 6, либо 12 (в зависимости от определения миграции), но 6 месяцев выглядит более подходящим периодом, учитывая, что, работая за границей, человек каждый год проводит некоторое время в отпуске в родной стране)

Блок C Когда (месяц и год) вы (он/она) приехали жить в Армению (последний приезд, если иммигрировали несколько раз)? Какой была ваша (его/ ее) страна проживания до иммиграции /репатриации из-за границы? Пояснение: Этот вопрос позволил бы определить время (год) возвращения ваших эмигрантов. Это полезно как для характеристики численности населения по его опыту международной миграции, так и для оценки ежегодного потока иммиграции/обратной миграции (если рассматривать только последние 6 или 12 месяцев). Необязательный: Если родился в Армении, когда уехал (год) за границу до момента последнего возвращения? Пояснение: Этот вопрос позволил бы определить время (год) эмиграции репатриантов, а также продолжительность проживания за границей до возвращения. Нет необходимости задавать эти вопросы лицам иностранного происхождения, которые также могли несколько раз проживать в Армении, потому такие случаи очень редки.

31

ПРИЛОЖЕНИЕ 5

Методология использования базы данных о пересечении границ для оценки международных миграционных потоков

Мишель ПУЛЕН

(UCL-GéDAP, Бельгия)

Для АРМСТАТА, декабрь 2021 г.

1. Методология инициирована для стран, успешно осуществляющих контроль на своих границах и разработавших исчерпывающую базу данных о пересечении границ, основанную на регистрации индивидуальных данных при пересечении границы (ручное редактирование или оптическое распознавание, последнее позволяет сократить количество необходимых шагов) или записанных позже с использованием миграционных карточек, заполненных международными пассажирами. 2. Методология направлена на оценку ежегодных притоков и оттоков международной миграции, а также некоторых групп, таких как приезжие, временно отсутствующие, краткосрочные мигранты и циркулярные мигранты. Для базового года T необходимо учитывать все отдельные пересечения границы, наблюдаемые и зарегистрированные за трехлетний период с года T-1 по год T+1. Если база данных охватывает N лет записей о пересечении границы, статистические данные могут быть получены за N-2 года, исключая первый и последний годы. 3. Это решение строго соответствует рекомендациям ООН и ЕС в том, что касается определения международной миграции и определения страны обычного проживания. Предлагаемая методология включает в себя следующие последовательные этапы:

(a) Создание базы данных о пересечении границы; (b) Проверка и корректировка этой базы данных; (c) Выявление международных мигрантов и других категорий путешественников,

пересекающих национальные границы; и (d) Подсчет и формирование статистических данных по каждой группе и

характеристика соответствующих лиц.

A. Создание базы данных о пересечении границ

• Все лица, пересекающие национальную границу, должны регистрироваться с указанием даты, идентификационных характеристик соответствующих лиц и различий между въездом (IN) и выездом (OUT).

• Все пересечения границы одним и тем же лицом будут увязаны с основными характеристиками этого лица, такими как пол, дата рождения, страна гражданства, номер паспорта и, при наличии, страна рождения.

• Ключами для увязывания этих записей для одного и того же лица являются номер паспорта, страна гражданства, пол, имя и фамилия и полная дата рождения. В некоторых странах прямая увязка между данным въездом и последующим выездом осуществляется непосредственно пограничниками, когда лицо покидает страну. Однако эта связь не является систематической для последовательных посещений, а для отсутствий, выездов с последующим возвращением такая увязка часто не осуществляется напрямую.

32

• Особое внимание будет уделено полноте и надежности реконструированных личных маршрутов в том, что касается пересечения границы, т. е. последовательности въездов и выездов, относящихся к одному и тому же лицу. Проверка и последующая корректировка базы данных имеет важное значение, поскольку одно и то же лицо может участвовать в двух или более реконструированных личных маршрутах, и такая ситуация может привести к завышению числа международных мигрантов.

B. Подтверждение личных маршрутов, включая все пересечения границы, связанные с одним и тем же лицом

4. Все реконструированные личные маршруты, полученные в результате сопоставления всех въездов и выездов, относящихся к одному и тому же лицу и зарегистрированных в базе данных в течение рассматриваемого периода времени, будут классифицированы по трем группам:

• Личные маршруты, включающие только одно пересечение границы, либо въезд, либо выезд. В соответствии с предложенной методологией эти лица будут автоматически рассматриваться как международные мигранты, но на самом деле существует высокая вероятность того, что эти лица совершали другие пересечения границы, которые были включены в отдельный личный маршрут. Оба личных маршрута должны быть объединены, чтобы описать всю историю пересечения границы этим человеком. Соответственно, записи и лица должны быть тщательно проверены на этапе валидации.

• Так называемые «логичные маршруты», в которых все пересечения границы (более одного), связанные с одним и тем же лицом, находятся в логической последовательности, что означает, что за въездом не может следовать во времени другой въезд и аналогично для выездов.

• Так называемые «нелогичные маршруты», в которых регистрируются по крайней мере два последовательных въезда или выезда без какого- либо промежуточного выезда или въезда. Эти нелогичные маршруты необходимо подтверждать путем нахождения недостающих пунктов пересечения границы и присоединения к соответствующим личным маршрутам, чтобы восстановить общий личный маршрут этих лиц.

5. Полная методология проверки основана на сходстве между индивидуальными характеристиками и достоверностью последовательности пересечений границы. В результате этого этапа проверки должны остаться только «логичные персональные маршруты», включая некоторые маршруты одиночных въездов или одиночных выездов, которые не были задействованы на этапе проверки и объединены с другими личными маршрутами. 6. Последняя проверка для объединения двух или более «логичных маршрутов», связанных с одним и тем же лицом, наконец, необходима для того, чтобы отразить весь маршрут пересечения границы для каждого человека. 7. Если потребуется добавить дополнительные въезды или выезды, предлагаются следующие правила:

33

• Запись будет добавлена между двумя зарегистрированными выездами либо через восемь дней после первого выезда для тех, кто обычно проживает в данной стране, либо за восемь дней до второго выезда для тех, кто обычно не проживает в стране.

• Выезд будет добавлен между двумя зарегистрированными въездами либо через восемь дней после первого въезда для тех, кто обычно не проживает в данной стране, либо за восемь дней до второго въезда для тех, кто обычно проживает в стране

34

C. Рекомендации ООН по идентификации международных мигрантов

8. Следующие выдержки из различных рекомендаций ООН необходимы для понимания предлагаемой методологии идентификации международных мигрантов с помощью базы данных о пересечении границ: 9. Из Принципов и рекомендаций по проведению переписей населения и жилищного фонда (ООН, 2007): 1.463. Странам рекомендуется применять пороговый показатель в 12 месяцев при рассмотрении вопроса о месте обычного проживания в соответствии с одним из следующих двух критериев:

(a) Место, в котором лицо проживало непрерывно в течение большей части последних 12 месяцев (т. е. не менее шести месяцев и одного дня), не включая временные отлучки в связи с отпусками или командировками, или намеревается проживать не менее шести месяцев

(b) Место, в котором лицо постоянно проживало в течение не менее 12 последних месяцев (не включая временные отлучки в связи с отпусками или командировками) или намеревается проживать в течение не менее 12 месяцев. 10. Из Рекомендаций по статистике международной миграции Редакция 1 (ООН, 1998 год): 32. Международный мигрант определяется как любое лицо, которое меняет страну своего обычного проживания. Страна обычного проживания человека — это та, в которой он живет, то есть страна, в которой он или она обычно проводит ежедневный период отдыха: Вставка 1. Долгосрочный мигрант — это лицо, которое переезжает в страну, отличную от страны его обычного проживания, на срок не менее года (12 месяцев), так что страна назначения фактически становится его новой страной обычного проживания. Вставка 1. Краткосрочный мигрант — это лицо, которое переезжает в страну, отличную от страны его обычного проживания, по крайней мере на три месяца, но менее чем на год. Поскольку эти лица обычно проживают в другой стране, их не следует включать в подсчет общей численности населения, которое обычно проживает в стране. 11. Подчеркиваются различия между этими двумя вышеупомянутыми критериями. Для первого критерия необходимо учитывать большую часть последних 12 месяцев (т. е. не менее шести месяцев и одного дня), в то время как для второго запроса требуется не менее 12 месяцев проживания. Оба критерия исключают временное отсутствие в связи с отпусками или командировками. 12. В недавнем Постановлении ЕС о статистике сообщества в области миграции и международной защиты предлагаются следующие определения:

(a) «Обычное место жительства» означает место, в котором лицо обычно проводит ежедневный период отдыха. Временная поездка с целью отдыха, отпуска, посещения друзей и родственников, бизнеса, лечения или религиозного паломничества не должна изменять место обычного проживания лица;

(b) «Международная иммиграция» относится к действию, посредством которого физическое лицо устанавливает свое обычное место жительства на территории государства-члена на период, который составляет или, как ожидается, составит не менее двенадцати месяцев, при этом ранее оно обычно проживало в другом государстве- члене или третьей стране;

35

(c) «Международная эмиграция» означает действие, в результате которого физическое лицо, ранее обычно проживавшее на территории государства-члена, перестает обычно проживать в этом государстве-члене на период, который составляет или, как ожидается, будет составлять не менее двенадцати месяцев.

36

D. Как следовать этим рекомендациям при идентификации международных мигрантов с помощью базы данных о пересечении границы?

13. Прежде всего, важно отметить, что предлагаемая методология основана только на объективной информации о фактической продолжительности присутствия или отсутствия в стране. Эти сроки рассчитываются очень точно по факту с учетом всех дат въезда или выезда, зафиксированных пограничниками. Эта методология не учитывает ни намерения на время пребывания или отсутствия, ни причины въезда в страну или выезда из нее. Мы убеждены, что это сильный аспект данной методологии, поскольку как планируемая продолжительность пребывания или отсутствия, так и причина переезда, как правило, являются самыми слабыми местами в любой процедуре сбора данных о международной миграции. Соответственно, все пересечения границы, въезды или выезды рассматриваются на одной и той же основе, и будет невозможно исключить временные отлучки в связи с отпусками или командировками. Как следствие, первый критерий для определения места обычного проживания является наиболее подходящим, и более точно страна обычного проживания будет определяться как страна, в которой лицо проживало большую часть последних 12 месяцев (т.е., по крайней мере, шесть месяцев и один день или 183 дня в течение 12 месяцев). 14. Принимая во внимание только продолжительность пребывания или отсутствия в стране, международный иммигрант будет идентифицирован следующим образом: 15. Международный иммигрант — это лицо, зарегистрированное при пересечении национальной границы

• Въехавшее в страну и прожившее в стране не менее 183 дней в течение двенадцати последующих месяцев;

• Не являвшееся обычным жителем страны при въезде в страну, что означает, что оно провело за пределами страны не менее 183 дней в течение двенадцати месяцев, предшествовавших въезду в страну.

16. Аналогичным образом, международный эмигрант — это лицо, зарегистрированное при пересечении национальной границы

• Пересекшее границу и покинувшее страну и в течение двенадцати последующих месяцев проживавшее за пределами страны не менее 183 дней;

• Являвшееся обычным жителем страны при выезде из страны, что означает, что оно провело в пределах страны не менее 183 дней в течение двенадцати месяцев, предшествовавших выезду из страны.

17. Международные иммигранты или эмигранты будут учитываться при въезде или выезде, но их идентификация возможна только по истечении периода, который будет варьироваться от шести до двенадцати месяцев после пересечения границы. Таким образом, общее число международных мигрантов за год T будет зафиксировано только в конце года T+1. Кроме того, первый год наблюдения T-1 не позволяет идентифицировать международных мигрантов, но данные за год T-1 необходимы для того, чтобы определить, является ли соответствующее лицо обычным резидентом страны, регистрирующей пересечение границы. При этом невозможно идентифицировать международных мигрантов за первый и последний год, охватываемые базой данных. 18. Когда будет установлено, что данный въезд или выезд является международной миграцией, все последующие въезды и выезды, имевшие место до достижения накопленного порога в 183 дня присутствия или отсутствия (в течение первого года), будут

37

игнорироваться. Только первый выезд после 183 дней пребывания в стране станет отправной точкой для определения последующей международной эмиграции. Аналогичным образом, первый въезд после 183 дней отсутствия за пределами страны станет отправной точкой для определения последующей международной иммиграции. 19. Конкретно эта методология не позволяет регистрировать более одной иммиграции и одной эмиграции в течение календарного года. 20. Если въезд и выезд не были подтверждены как иммиграция или эмиграция, следующие действия по пересечению границы, соответственно выезд или въезд, также будут включены в тот же процесс идентификации. 21. Как разъяснялось выше, мы должны подождать до конца второго года T+1, чтобы выявить все факты международной миграции, подлежащие учету в течение первого календарного года T. Тем не менее, чтобы предоставить данные о международной миграции за календарный год T как можно раньше, мы предлагаем наблюдать за ситуацией на 1 июля года T+1 и с применением следующих правил идентификации международных мигрантов:

• Те, кто въехал в страну или покинул ее в течение года T и уже накопил свои 183 дня пребывания или отсутствия на 1 июля T+1, будут считаться международными мигрантами в год T;

• Те, кто не достиг порога в 183 дня пребывания после въезда, будут считаться иммигрантами, если они присутствуют в стране 1 июля года T+1, в то время как те, кто отсутствует на эту дату, не будут считаться иммигрантами;

• Те, кто не достиг порога в 183 дня отсутствия после выезда, будут считаться эмигрантами, если они находятся за пределами страны 1 июля года T+1, в то время как те, кто присутствует на эту дату, не будут считаться эмигрантами.

22. Альтернативным решением было бы учесть иммиграцию и эмиграцию, которые будут подтверждены позже в период с 1 июля до конца года T+1, как часть международной миграции в T+1, даже если первоначальный въезд или выезд был осуществлен в течение календарного года T. 23. В заключение, предлагаемая методология позволяет получить статистические данные о фактах международной миграции до конца года T+1 и даже на шесть месяцев раньше, если мы введем некоторые допущения. Эта методология строго следует рекомендациям ООН, определяющим международную миграцию как смену страны обычного проживания, и тем, что определяют страну обычного проживания как страну, где человек проводит большую часть двенадцати месяцев после переезда. Следуя этим рекомендациям, международного мигранта можно идентифицировать только после 183 дней непрерывного пребывания в стране или отсутствия за ее пределами. Это означает, что за данный календарный год для данного лица может быть засчитано не более одной иммиграции и/или одной эмиграции. Мы можем учесть максимум одну иммиграцию, за которой следует одна эмиграция за данный год, что невозможно, если мы используем определение международной миграции и места обычного проживания, основанное на критерии проживания не менее двенадцати месяцев. Следовательно, эта методология будет учитывать в среднем больше международных миграций, чем другой метод. Существует возможность увеличить базовый период и рассмотреть, например, 300 дней, а не 183 дня. В этом случае может учитываться только одна миграция в год, но мигрант имеет возможность посещать страну и проводить отпуск до 65 дней. При этом цифра будет близка к той, которая основана на правиле проживания в течение 12 месяцев, но в нее будут включены все студенты и работники. Ключевым преимуществом этой методологии является тот факт,

38

что устраняются самые слабые аспекты в определении международной миграции, а именно проблема намерения и временного присутствия или отсутствия в отпуске и по работе. 24. В настоящее время в литературе используется понятие циркулярного мигранта, но его рабочего определения не существует. В рамках использования базы данных о пересечении границ можно идентифицировать циркулярных мигрантов как краткосрочных мигрантов, которые поочередно пребывают от трех до двенадцати месяцев в двух странах. 25. Инструкции по внедрению этой методологии представлены в Приложении на основе различных конкретных примеров. Когда международные мигранты идентифицируются и подсчитываются за определенный год, основные демографические характеристики этих мигрантов можно определить только с помощью баз данных о пересечении границ.

E. Внедрение методологии

26. Рассмотрим первое пересечение границы в году T для данного лица (пересечение границы за первый год T–1 будет использоваться только для того, чтобы установить страну обычного проживания). Методология основана на подсчете дней, проведенных в стране или за ее пределами, в обратном и прямом направлении, начиная с даты соответствующего пересечения границы. Мы должны проверить, какое подсчет первым даст первые 183 дня в стране или за ее пределами. Этот подсчет должен быть произведен до и после пересечения границы, чтобы лицо могло быть идентифицировано как международный иммигрант или международный эмигрант в соответствии с правилами, предлагаемыми ниже. 27. Во-первых, международные иммигранты и международных эмигранты выявляются как показано на следующем рисунке.

39

28. Когда международная иммиграция или эмиграция выявляется с учетом критериев, представленных выше, все последующие пересечения границы до достижения порогового значения в 183 дня игнорируются для выявления следующей международной миграции. Следующее пересечение границы, которое будет учтено, будет первым после того, как будет соблюден критерий в 183 дня. По определению, это будет обратное пересечение границы, так что эмиграция будет следовать за иммиграцией и наоборот. В течение двенадцатимесячного периода наблюдения может быть выявлена максимум одна иммиграция и одна эмиграция. 29. Все пересечения границы, не идентифицированные как международная миграция, будут учитываться для идентификации краткосрочных мигрантов, а также посетителей и экскурсантов.

INTERNATIONAL IMMIGRANT

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

INTERNATIONAL EMIGRANT

IN OUT IN OUT IN OUT IN OUT 183 DAYS 183 DAYS 183 DAYS 183 DAYS

BEFORE AFTER BEFORE AFTER

EN TR

Y EN

TR Y

EX IT

EX IT

EN TR

Y EN

TR Y

EX IT

EX IT

40

ВЪЕЗД

ПОДСЧЕТ ДНЕЙ До въезда: не менее 183 дней в стране.

До въезда: не менее 183 дней за пределами страны.

После въезда: не менее 183 дней в стране.

Если продолжительность последнего пребывания за пределами страны составляла не менее 90 дней: возвращение краткосрочного эмигранта. Если последнее пребывание было короче 90 дней: возвращение экскурсанта.

МЕЖДУНАРОДНЫЙ ИММИГРАНТ

После въезда: совокупный срок пребывания за пределами страны не менее 183 дней.

Если продолжительность последнего пребывания за пределами страны составляла не менее 90 дней: возвращение краткосрочного эмигранта. Если последнее пребывание было короче 90 дней: возвращение экскурсанта.

Если продолжительность пребывания в стране после въезда составляет не менее 90 дней: въезд краткосрочного иммигранта. Если продолжительность пребывания в стране составляет менее 90 дней: въезд посетителя

ВЫЕЗД

ПОДСЧЕТ ДНЕЙ До выезда: не менее 183 дней совокупного пребывания в стране.

До выезда: не менее 183 дней совокупного пребывания за пределами страны.

После выезда: не менее 183 дней совокупного пребывания в стране

МЕЖДУНАРОДНЫЙ ЭМИГРАНТ

Если продолжительность последнего пребывания в стране составляла не менее 90 дней: возвращение краткосрочного иммигранта. Если последнее пребывание было короче 90 дней: возвращение посетителя.

После выезда: не менее 183 дней совокупного пребывания за пределами страны

Если продолжительность пребывания за пределами страны составляет не менее 90 дней: Выезд краткосрочного эмигранта. Если продолжительность пребывания за пределами страны составляет менее 90 дней: выезд экскурсанта

30. Чтобы как можно раньше представить данные о международной миграции за календарный год T, мы предлагаем наблюдать за ситуацией на 1 июля в T+1. Предлагаются следующие правила:

41

- Те, кто въезжает или выезжает в течение года T и уже накопил свои 183 дня пребывания или отсутствия на 1 июля T+1, будут считаться международными мигрантами в год T;

- Те, кто въезжает в течение года Т и не достигает порога в 183 дня пребывания после въезда, будут считаться иммигрантами, если они присутствуют в стране 1 июля года T+1, в то время как те, кто отсутствует на эту дату, не будут считаться иммигрантами;

- Те, кто покидает страну в год Т и не достигает порога в 183 дня отсутствия после выезда, будут считаться эмигрантами, если они находятся за пределами страны 1 июля года T +1, в то время как те, кто присутствует на эту дату, не будут считаться эмигрантами.

31. Эти оценки будут консолидированы в конце года T+1.

42

ПРИЛОЖЕНИЕ 6

Программа переписи населения (содержание анкеты) Республики Армения 2022 года

I. АДРЕС

1. Адрес домохозяйства: Область, Община, Поселение 2. Область подсчета 3. Жилая единица (проспект / улица, переулок, дом / строение, номер квартиры) 4. Номер телефона

II. ИНДИВИДУАЛЬНЫЕ ВОПРОСЫ

1. Имя 2. Место жительства лица помимо указанного по данному адресу 3. Номерной знак общественных услуг 4. Регистрация по указанному адресу 5. Дата рождения: день, месяц, год / возраст 6. Пол 7. Отношение к референтному лицу в домашнем хозяйстве

• Референтное лицо домохозяйства Его/ее • Жена/муж (супруг) • Дочь/сын • Ребенок под опекой • Мать/отец • Сестра/брат • Свекровь (теща)/тесть (свекор) • Невестка/зять • Бабушка/дедушка • Внук/внучка • Другой родственник • Не родственник

8. Место рождения, страна; если Армения - область, община и населенный пункт 9. Страна гражданства

1. В случае двойного гражданства укажите также гражданство второй страны 2. В случае граждан Республики Армения укажите, как было приобретено

гражданство • При рождении • Натурализованный • Другое

3. В случае лиц без гражданства укажите: • Признан беженцем, депортирован из Азербайджана • Признан беженцем, депортирован из другой страны • Соискатель убежища • Лицо без гражданства без документов

43

• Неизвестно

10. Этническая принадлежность Если человек отказывается отвечать на этот вопрос, укажите Отказывается отвечать

11. 1) Родной язык 2) Свободное овладение другим языком Если человек отказывается отвечать на этот вопрос или не говорит на каком-либо

другом языке, укажите Отказывается отвечать или не знает

12. В день переписи респондент был:

• Постоянно присутствующим • Временно присутствующим • Отсутствующим

13. В случае тех, кто отсутствует в населенном пункте или временно присутствует в день переписи

14.1. Продолжительность отсутствия/временного присутствия (месяцы) 14.2. Причина отсутствия/временного присутствия

• Трудоустройство • Брак / воссоединение семьи или создание семьи • Проживание • Образование/ Профессиональная подготовка • Гуманитарно-политические причины • Другое

14.3. Местонахождение отсутствующего лица в день переписи – страна; если это Армения – область, община и населенный пункт 14.4. Местонахождение временно присутствующего лица в день переписи – страна; если это Армения – область, община и населенный пункт

14. Постоянно проживает в данном населенном пункте с рождения

• Да • Нет Если «нет», укажите

15.1. Год и месяц начала постоянного проживания человека в текущем населенном пункте 15.2. Предыдущее место жительства - страна; если это Армения – область, община и населенный пункт. 15.3. Из какого населенного пункта приехало лицо:

• Городской • Сельский 15.4. Основная причина смены места жительства:

• Из других стран в результате военных действий • Из других стран из опасения подвергнуться преследованиям за расовую,

национальную, религиозную принадлежность, принадлежность к какой- либо социальной группе или за политические убеждения

• Семья • Проживание • Обучение • Работа • Репатриация • Временная защита

44

• Изменение климата • Другое

15. Основной источник средств к существованию

• Наемный труд • Самозанятость (в том числе крестьянское хозяйство) • Доход от собственности • Использование кредитов, сбережений и продажа капитала (включая

также имущество) • Пенсия • Пособие от государственных органов • Пособие из негосударственных источников • Стипендия • На содержании государства • На содержании негосударственной благотворительной общественной

организации Денежная помощь  Из государственных источников  От родственников, друзей, знакомых, проживающих за рубежом  От родственников, друзей, знакомых, проживающих в Армении  От члена семьи мигранта, проживающего/ работающего за границей

• Иждивенцы • Другие источники

16. Считает ли человек себя последователем какой-либо религии, церкви или конфессии?

• если «считает», то:  Армянская

апостольская  Свидетель ешивы  Язычник

 Католик  Протестант  Мусульманин  Ортодокс  Мормон  Иудей  Несторианец  Молокаи  Сознание Кришны или Харе Кришна  Евангельский  Шар-фадинян  ТМ (трансцендентальная медитация)  Другое

• не считает • отказывается отвечать

ВОПРОСЫ ЗАПОЛНЯЮТСЯ ДЛЯ ЛИЦ, РОДИВШИХСЯ В 2016 ГОДУ И РАНЕЕ

Следующие вопросы не заполняются для временно присутствующих лиц

17. Уровень образования, научная степень

• Без начального образования • Начальное образование • Базовое образование • Среднее образование • Начальное профессиональное (ремесленное) • Среднее профессиональное

45

• Бакалавр • Магистр • Дипломированный специалист • Последипломное профессиональное (аспирантура, докторантура,

интернатура, ординатура) • Кандидат наук • Доктор наук

18. Для тех, у кого нет начального образования, грамотны ли они?

• Да • Нет 19. Посещение учебного заведения

• если «учеба», то укажите тип учебного заведения  Начальная школа  Средняя школа  Средняя  Старшая школа  Университет: Образовательная программа бакалавриата  Университет: Образовательная программа магистратуры  Университет: Образовательная программа дипломированного специалиста  Последипломная программа для аспирантов, исследователей и соискателей  Последипломная образовательная программа для интернов, стажеров

• не учится

СЛЕДУЮЩИЕ ВОПРОСЫ ЗАПОЛНЯЮТСЯ ДЛЯ ЛИЦ В ВОЗРАСТЕ 15 ЛЕТ И СТАРШЕ

20. Семейное положение:

• В браке не состоял • В браке (зарегистрирован) • В браке (не зарегистрирован) • Брак заключен только по каноническому церковному обряду • Вдовствует • Разведен • Разошелся (не зарегистрировано)

Для женщин укажите 21. Сколько живых детей родила? 22. Сколько из них живы? 23. Есть ли у человека работа или приносящее доход предприятие по крайней мере

в течение часа до переписи (включая тех, кто временно отсутствует на своей работе)?

• Да • Нет Если «да»

24. Занятие на основном рабочем месте

46

25. Отрасль экономической деятельности основного рабочего места - организация, учреждение (или его филиал)

26. Статус трудоустройства

• Сотрудник с договором • Работник без договора • Работодатель • Самозанятый • Член семьи, занимающийся неоплачиваемым трудом • Член производственного кооператива • Другое

27. Место работы

• В данном населенном пункте (область, город Ереван) • Город Ереван • Другие области РА • Другая страна (включая Арцах) • Затрудняется ответить

28. Рабочее место находится в

• Городском поселении • Сельском поселение • Без определенного места • Затрудняется ответить

29. В течение последнего месяца, предшествующего переписи, занимался ли человек какой-либо предпринимательской деятельностью в течение хотя бы одного часа, результаты которой в основном предназначалась для потребления его семьей или домохозяйством?

• Да • Нет Для тех, у кого нет трудоустройства или приносящей доход работы 30. Искал ли он (она) работу в течение 1 месяца, предшествующего дню переписи?

• Да, искал оплачиваемую работу • Да, пытался начать собственное дело • Нет

Если «искал оплачиваемую работу» 31. Искали работу в первый раз?

• Да • Нет 32. Готовы ли вы в настоящее время работать в течение последующих 2 недель,

если будет предложена подходящая работа?

• Да • Нет Если «Нет»

33. Отметьте причину, почему нет?

• Подал заявку на работу и ждет ответа • Уже нашел работу и получит ее в течение следующих 3 месяцев • Домовладелец • Не имеет надежды найти работу

47

• Не знает, где и как искать работу • Оплата предложенной работы не является удовлетворительной • Отсутствие соответствующих профессиональных навыков • Нет необходимости/желания работать • Образование • Возраст • Здоровье • Уход за членами семьи (больными, инвалидами, пожилыми людьми) • Собирается покинуть страну • Собирается переехать в другой город в РА • Другая причина • Затрудняется ответить

Следующие вопросы не заполняются при длительном отсутствии, а также при временном присутствии

34. Испытываете ли вы трудности со зрением, даже если носите очки? 35. Есть ли у вас проблемы со слухом, даже если вы пользуетесь слуховым

аппаратом? 36. Испытываете ли вы трудности при ходьбе или подъеме по лестнице? 37. Испытываете ли вы трудности с запоминанием или концентрацией внимания? 38. Испытываете ли вы трудности с мытьем или одеванием? 39. Используя свой обычный (привычный) язык, испытываете ли вы трудности в

общении, например, с пониманием или тем, чтобы быть понятым?

Возможные ответы на вопросы 34–39: 1 - не испытывает затруднений, 2 - испытывает небольшие трудности,

3 - испытывает большие трудности, 4 - вообще неспособен.

III и IV разделы не заполняются для отсутствующих домохозяйств

III. ВОПРОСЫ О ЖИЛИЩНЫХ УСЛОВИЯХ ДОМОХОЗЯЙСТВА

В1. Кто является владельцем?

• Член(ы) текущего домохозяйства • Государство • Сообщество • Юридическое лицо • Другое лицо/лица

В2. Тип жилого помещения

• Жилой дом (резиденция) • Часть жилого дома • Квартира • Часть квартиры • Коттедж/временное убежище • Жилище совместного проживания (институциональное) • Другая жилая единица

48

В3. Год постройки жилья

• До 1950 года • 1951–1970 • 1971–1980 • 1981–1990 • 1991–2000 • 2001–2011 • 2012–2022

В4. Строительный материал наружных стен

• Камень • Монолит • Смешанный материал • Панель • Дерево • Прочее

В5. Количество комнат, занимаемых домашним хозяйством В6. Жилая площадь жилого помещения в квадратных метрах В7. Наличие стационарного или мобильного телефона

• Да • Нет В8. Наличие персонального компьютера в жилом помещении

• Да • Нет В9. Доступ к интернету

• Да, постоянно • Да, но не постоянно • Нет В10. Основной источник отопления

• Индивидуальная система отопления, работающая на природном газе или электричестве

• Индивидуальная система отопления на дровах • Индивидуальная система отопления на других видах твердого

биотоплива (брикеты, пеллеты) • Центральное отопление • Газовая печь • Электрический нагреватель • Печь на дровах • Печь на других видах твердого биотоплива (брикеты, пеллеты) • Солнечная фотоэлектрическая станция • Другое • Не имеет основного отопления

В11. Основной источник водоснабжения

• Центральное водоснабжение в жилом помещении • Центральное водоснабжение в здании, а не в жилом помещении • Приносимая/приобретаемая вода • Индивидуальная система сбора воды • Реки/источники • Грунтовые воды • Другое

В12. Канализационная система

• Подключено к центральной канализационной системе

49

• Имеет локальную систему • Другое

В13. Наличие помывочных помещений

• Да, в жилом помещении • Да, в здании, а не в жилом помещении, только для использования

данным домохозяйством • Да, в здании, а не в жилом помещении, совместно используется с

другими домохозяйствами • Да, вне здания, только для использования данным домохозяйством • Да, вне здания, совместно используется с другими домохозяйствами • Нет

В14. Наличие туалетных помещений Смыв

• В жилом помещении, только для использования данным домохозяйством

• В жилом помещении, для совместного использования с другими домохозяйствами

• Вне жилого помещения, только для использования данным домохозяйством

• Вне жилого помещения, для совместного использования с другими домохозяйствами

Нет смыва • Только для использования данным домохозяйством • Общее • Другое

В15. Вывоз мусора

• Через мусоропровод в здании • Выбрасывается в регулярно убираемый мусорный бак • Выбрасывается в мусоросортировочный контейнер • Выбрасывается в нерегулярно убираемый мусорный бак • Другое

IV. ДРУГИЕ ВОПРОСЫ ДЛЯ ДОМОХОЗЯЙСТВА

C В течение последних 12 месяцев, зарегистрировано в домохозяйстве С1. Число рождений живых детей

1.1. Зарегистрировано в органах записи актов гражданского состояния (номер)

1.2. Не зарегистрировано в органах записи актов гражданского состояния (номер)

С2. Количество смертей 2.1. Зарегистрировано в органах записи актов гражданского состояния по полу

и возрасту 2.2. Не зарегистрировано в органах записи актов гражданского состояния по

полу и возрасту

Introduction to Gender Statistics

Workshop on communicating official statistics and measuring gender-in-trade

Astana, 19-21 October 2022

What are gender statistics?

What are gender statistics?

1. sex-disaggregated data 2. data that reflect gender issues 3. concepts and definitions accurately capture

information on women and men 4. no gender bias in data collection methods

Sex versus gender: what is the difference?

Sex • Male / female • Biology – how we are

born • Relatively fixed

Gender • Social norms • Expected roles of

women, men, girls and boys

• What it means to be ‘masculine’ and ‘feminine’

• Can change over time

Sex or gender?

• Women give birth to babies, men don’t

• Little girls are gentle, boys are tough

• Men are more capable leaders and decision-makers

• Men’s voices break at puberty, women’s do not

• Women tend to work as nurses and school teachers, men tend to work as doctors and university professors

(Sex)

(Gender)

(Gender)

(Sex)

(Gender)

Gender statistics is about identifying, producing, disseminating, and analyzing statistics to understand how gender issues affect individuals and society.

Gender Statistics is not about women only, but about the role of both women and men in society.

Economic statistics

• Business statistics • National

accounts • Tourism • Transport • Prices • Government

finance • Trade and

balance of payments

Social and demographic

statistics

• Population • Migration • Labour • Health • Education • Income and

poverty • Justice and crime

Environmental statistics

• Climate change • CO2 emissions • Pollution • Waste

management • Protected areas

Gender Statistics

The three main sources of official statistics Censuses

• Population and housing census • Agricultural census

Surveys • Based on a representative samples of the population or

businesses

Administrative data • Product of administrative processes • Hospital records • School enrolment records • Civil registration • Business register

Official statistics • Representative basis • Economic, demographic, social and environmental phenomena of a

country • Produced by national statistical offices and other agencies formally part

of a national statistical system • Fundamental principles of official statistics (10)

• Relevance impartiality and equal access • Professional standards and ethics • Accountability and transparency • Prevention of misuse • Sources • Confidentiality • Legislation • National coordination • Use of international standards • International cooperation

Statistics Office

Ministry of Education

Ministry of Health

Ministry of Environment

Ministry of Labour

Ministry of Justice

Public Service

Commission

Customs and

Revenue

Ministry of Internal Affairs

National Statistical System Enrolment rates

Population and housing census Agricultural census Household surveys Economic statistics

Diseases Causes of death

Migration Tourism arrivals Taxation records

Public service employment Senior government officials

Natural disasters People displaced Economic costs

United Nations Statistical Commission meets annually in New York

Committee for the Coordination of Statistical Activities (CCSA)

Asia-Pacific

Latin America and Caribbean

Africa Western Asia

Europe

United Nations Economic Commission for Europe

Conference of European Statisticians

Gender statistics • Core set of gender indicators • Guidelines, manuals and training materials • Technical assistance • Global and regional reviews

• Standards, methods, classifications • Financial support • Sharing experiences • Databases and gender analysis

Sustainable Development Goals

Summary • Sex and gender are different concepts

• Official statistics are those published by national statistical offices and other agencies formally part of a national statistical system

• Statistics provide impartial evidence

• Gender statistics cuts across all fields of traditional statistics to provide accurate information on women and men, boys and girls

• The entire statistical system is involved in producing gender statistics

• The international statistical system provides support and guidance

Введение в гендерную статистику

Семинар по коммуникации официальной статистики и измерению гендера в торговле Астана, Казахстан, 19–21 октября 2022 года

Что такое гендерная статистика ?

Что такое гендерная статистика?

1. данные с разбивкой по полу 2. данные, отражающие гендерные вопросы 3. концепции и определения чётко фиксируют

информацию о женщинах и мужчинах 4. никакой гендерной дискриминации в

методах сбора данных

Пол или гендер: в чём разница?

Пол • Мужской/ женский • Биология– как мы

рождаемся • Относительно

постоянный

Гендер • Социальные нормы • Ожидаемые роли

женщин, мужчин, девочек и мальчиков

• Что означает быть ‘мужественным/ной’ и ‘женственной/ным’

• Может изменяться со временем

Пол или гендер?

• Женщины рожают детей, а мужчины нет

• Маленькие девочки добрые, мальчики упрямые

• Мужчины более способные лидеры и руководители

• У мальчиков голос ломается при взрослении, у девочек – нет

• Женщины чаще работают медсёстрами и школьными учительницами, а мужчины – докторами и университетскими профессорами

(Пол)

(Гендер)

(Гендер)

(Пол)

(Гендер)

Гендерная статистика занимается определением, производством, распространением и анализом статданных, чтобы понять, как гендерные вопросы влияют на отдельных лиц и на всё общество.

Гендерная статистика говорит не только и женщинах, но о роли в обществе и женщин и мужчин.

Экономическая статистика

• Деловая статистика • Национальные

счета • Туризм • Транспорт • Цены • Государственные

финансы • Торговля и

платёжный баланс

Социальная и демографическая

статистика

• Население • Миграция • Трудовые ресурсы • Здравоохранение • Образование • Богатство и

бедность • Правосудие и

преступность

Природоохранна я статистика

• Изменения климата

• Выбросы CO2 • Загрязнения • Утилизация

отходов • Природоохранные

зоны

Гендерная статистика

Три источника официальной статистики

Переписи • Переписи населения и жилищного фонда • Сельскохозяйственная перепись

Обследования • Основаны на представительных выборках населения • Более экономичны

Административные записи • Побочный продукт административных процессов • Больничные отчёты о количестве пациентов,

заболеваниях и т.д. • Отчёты о количестве учащихся

Официальная статистика • Репрезентативность • Экономические, демографические, социальные и экологические явления в

стране • Производится национальными статистическими управлениями и другими

учреждениями, формально входящими в национальную статистическую систему.

• Основные принципы официальной статистики (10) • Беспристрастности и равного доступа • Профессиональные стандарты и этика • Подотчетность и прозрачность • Предотвращение неправильного использования • Источники • Конфиденциальность • Законодательство • Координация на национальном уровне • Использование международных стандартов • Международное сотрудничество

Статисти ческое Бюро

Министерство образования

Министерство здравоохране

ния

Министерство охраны

окружающей среды

Министерство труда

Министерство юстиции

Комиссия по

вопросам госслужбы

Налогово- таможенная

служба

Министерство внутренних дел

Национальная Система Статистики Количество учащихся

Коэффициенты выживаемости

Переписи населения и жилищного фонда

Сельскохозяйственные переписи

Обследования домохозяйств Экономическая статистика

Заболевания Причины смерти

Миграция Приезжающие туристы Налоговые декларации

Работа в госструктурах Высшие государственные

служащие

Природные катастрофы Перемещенные лица

Экономические затраты

Статистическая комиссия ООН ежегодно собирается в Нью Йорке

Комитет по координации статистической деятельности (ККСД)

The picture can't be displayed.

The picture can't be displayed.The picture can't be displayed.The picture can't be displayed.

The picture can't be displayed. The picture can't be displayed.

Азия-Тихий океан

Латинская Америка и Карибский бассейн Африка

Западная Азия Европа

Конференция европейских статистиков

Секретариат ЕЭК ООН

Гендерная статистика • Группа важнейших гендерных индикаторов • Инструкции, справочники и учебные

материалы • Техническая помощь • Глобальные и региональные обзоры

• Стандарты, методы, классификации • Финансовая поддержка • Обмен опытом • Базы данных и гендерный анализ

Цели устойчивого развития

Резюме • Пол и гендер – это различные концепции

• Официальная статистика – это то, что публикуют правительственные и международные агентства

• Статистика предоставляет объективные данные

• Гендерная статистика использует все области традиционной статистики и формирует точные сведения о женщинах и мужчинах, мальчиках и девочках

• Из всей статистической системы извлекаются данные для гендерной статистики

• Международная статистическая система обеспечивает поддержку и дает направление

Basic skills and essential concepts in statistics

Workshop on communicating official statistics

Astana, 19-21 October 2022

Session outline

1. Statistical literacy 2. Concepts, variables, classifications, indicators 3. Measurement: proportions and percentages,

ratios, rates, averages

Skills for understanding statistics – statistical literacy 1. Data awareness 2. Ability to understand statistical concepts 3. Ability to analyse, interpret and evaluate

statistical information 4. Ability to communicate statistical information

counting is complicated

2, 2.5, 3, 3.5, 4 Source: Blastland, M. and Dilnot, A. 2007. The Tiger That Isn’t: Seeing Through a World of Numbers. Profile Books.

Statistical measurement: proportions, percentages, rates, ratios, averages

Proportion or percentage

• Number of observations in a given category, relative to the total number…

• Most often, proportions are expressed in percentages

Economic activity status of the population aged 15 and older in Kazakhstan, 2019

Number of people

Women Men

Employed 4,245,500 4,535,400

Unemployed 236,300 204,300

Not economically active 2,480,200 1,500,700

Population 15+ 6,962,000 6,240,400

Distribution by economic activity, %

Women Men

61 73

3 3

36 24

100 100

Distribution by sex, %

Women Men

48 52

54 46

62 38

53 47

Source: UNECE statistical database

Ratios

• Relationship of one number to another by division • Expresses the relative size of two numbers • How many times one number contains the other • Common examples

• sex ratio: the number of males per 100 females • student to teacher ratio: number of students for every

teacher • maternal mortality ratio: number of maternal deaths per

100,000 live births

Rates

• To study the dynamics of change • Rates of incidence

Number of events in a given time interval divided by the number of members of the population who were exposed to the risk of the event during the same interval

• Adolescent birth rate live births to women of 15-19 years of age per 1000 women of that age group

• Death rate due to road traffic injuries number of road traffic accident deaths per million inhabitants

• Growth rates: gross domestic product; exports; imports; population

Averages

• Mean: sum of values divided by number of observations

• Mean age of women at first birth • Mean age at first marriage

• Median divides ranked observations into two groups of equal size

• Median age of the population • Median income

Indicators

• An indicator is a measure that signals the state or level of something. It represents statistical data for a specified time, place, and other characteristics

• Examples: • Total fertility rate • Growth rate of the gross domestic product • Remittance costs as a proportion of the amount

remitted • Gender pay gap • Proportion of women in managerial positions

Gender pay gap

100 × 𝑀𝑀𝑀𝑀𝑛𝑛′𝑠𝑠 𝑎𝑎𝑎𝑎𝑀𝑀𝑎𝑎𝑎𝑎𝑎𝑎𝑀𝑀 𝑚𝑚𝑚𝑚𝑛𝑛𝑚𝑚ℎ𝑙𝑙𝑙𝑙 𝑀𝑀𝑎𝑎𝑎𝑎𝑛𝑛𝑒𝑒𝑛𝑛𝑎𝑎𝑠𝑠 –𝑊𝑊𝑚𝑚𝑚𝑚𝑀𝑀𝑛𝑛′𝑠𝑠 𝑎𝑎𝑎𝑎𝑀𝑀𝑎𝑎𝑎𝑎𝑎𝑎𝑀𝑀 𝑚𝑚𝑚𝑚𝑛𝑛𝑚𝑚ℎ𝑙𝑙𝑙𝑙 𝑀𝑀𝑎𝑎𝑎𝑎𝑛𝑛𝑒𝑒𝑛𝑛𝑎𝑎𝑠𝑠

𝑀𝑀𝑀𝑀𝑛𝑛′𝑠𝑠 𝑎𝑎𝑎𝑎𝑀𝑀𝑎𝑎𝑎𝑎𝑎𝑎𝑀𝑀 𝑚𝑚𝑚𝑚𝑛𝑛𝑚𝑚ℎ𝑙𝑙𝑙𝑙 𝑀𝑀𝑎𝑎𝑎𝑎𝑛𝑛𝑒𝑒𝑛𝑛𝑎𝑎𝑠𝑠

Women Men Difference Average monthly earnings 220,160 ₸ 281,239 ₸ 61,079 ₸ Pay gap 21.7%

Kazakhstan 2021

Gender pay gap

0

5

10

15

20

25

30

35

40

45

20 00

20 02

20 04

20 06

20 08

20 10

20 12

20 14

20 16

20 18

20 20

% Kazakhstan, 2000-2021 Selected countries, 2019

2021

Source: Bureau of National Statistics Source: UNECE statistical database; Bureau of National Statistics

Indicator sets

• Sustainable Development Goals

• Global • Regional: UNECE • National: Kazakhstan

• Gender indicators • Global minimum set • Regional: UNECE indicators,

database • National: Kazakhstan

• …

To consider

• What does the indicator measure? • What is the context?

• How does this compare to previous measurements? • How does it compare to neighbouring countries or other

countries with not too distant context?

• What is important for interpretation? • What is the message?

Базовые навыки и основные понятия в

статистике

Семинар по коммуникации

официальной статистики Астана, Казахстан

19-21 октября 2022 года

План сессии

1. Статистическая грамотность 2. Понятия, переменные, классификации,

показатели 3. Измерение: пропорции и проценты,

соотношения, коэффициенты, средние

Навыки для понимания статистики

1. Восприятие данных 2. Способность понимать статистические

концепции 3. Способность анализировать,

интерпретировать и оценивать статистическую информацию

4. Способность передавать статистическую информацию

вычисление это сложно

2, 2.5, 3, 3.5, 4 Источник: Blastland, M. and Dilnot, A. 2007. The Tiger That Isn’t: Seeing Through a World of Numbers. Profile Books.

Статистические термины

Определение Примеры

Концепция Статистическая концепция – это характеристика временной последовательности или наблюдения. Чтобы их можно было измерять точно и последовательно, концепции должны иметь чёткие определения.

• Безработица • Миграция • Население • Домохозяйство • Экспорт, импорт

Переменная Переменная – это характеристика наблюдаемого явления, которая может принимать ряд значений, которым можно приписать численные значения или классификационную категорию.

• Доход • Возраст • Вес • Занятие • Отрасль • Причина смерти

Классификация Набор дискретных, исчерпывающих и взаимоисключающих наблюдений, чтобы гарантировать, что информация последовательно классифицируется независимо от сбора, источника, момента времени и т. д. Основание для сопоставимости.

• Международная стандартная классификация образования (МСКО)

• Международная стандартная классификация занятий (ISCO)

• Международная стандартная отраслевая классификация (ISIC)

• Международная классификация болезней (МКБ)

Показатель Статистический показатель является мерой, которая сигнализирует о состоянии или уровне какого-либо явления. Он представляет статистические данные для определённого времени или места и другие характеристики.

• Суммарный коэффициент рождаемости • Доля (%) госбюджета, выделяемая на

образование • Гендерное неравенство в оплате труда • Доля предприятий, возглавляемых

женщинами

Статистическое измерение:

Процентные доли, коэффициенты, соотношения, средние значения

Соотношения или доля в процентах

• Количество наблюдений в данной категории в отношении к полному числу …

• Наиболее часто соотношения выражаются в виде процентной доли

Состояние экономической активности населения в возрасте 15 лет и старше в Казахстане, 2019 год

Численность

Женщины Мужчины

Занятые 4,245,500 4,535,400

Безработные 236,300 204,300

Неактивное население 2,480,200 1,500,700

Всё население в возрасте 15 лет и старше

6,962,000 6,240,400

Распределение по видам

экономической деятельности, %

Женщины Мужчины

61 73

3 3

36 24

100 100

Распределение по полу, %

Женщины Мужчины

48 52

54 46

62 38

53 47

Источник: Статистическая база данных ЕЭК ООН

Соотношения

• Связь одного числа с другим получается делением

• Выражает относительные размеры двух чисел • Во сколько раз одно число превосходит другое • Типичные примеры

• соотношение полов: число мужчин на 100 женщин • число учащихся на одного преподавателя • коэффициент материнской смертности: количество

случаев материнской смертности на 100 000 живорождений

Коэффициенты

• Для изучения динамики изменений • Коэффициенты частоты

Число событий за определенный промежуток времени, деленное на число членов населения, которые подвергались риску этого события в течение того же промежутка времени

• Коэффициент рождаемости среди подростков число живорождений у женщин в возрасте 15-19 лет на 1000 женщин данной возрастной группы

• Коэффициент смертности в результате дорожно- транспортного травматизма

количество смертей в результате дорожно-транспортных происшествий на миллион жителей

• Темпы роста: валового внутреннего продукта; экспорта; импорта; населения

Средние значения

• Среднее значение: сумма значений, деленная на количество наблюдений

• Средний возраст женщин при рождении первого ребенка

• Средний возраст женщин при вступлении в первый брак

• Медиана делит ранжированные наблюдения на две группы равного размера

• Медианный возраст населения • Медианный доход

Показатели

• Показатель – это мера, которая показывает состояние или уровень чего-то. Он представляет статистические данные в определённом времени, месте, и другие характеристики.

• Примеры: • Суммарный коэффициент рождаемости • Темп роста валового внутреннего продукта • Расходы на денежные переводы как доля от суммы

денежных переводов • Гендерный разрыв в оплате труда • Доля женщин на руководящих должностях

Гендерный разрыв в оплате труда

Казахстан 2021

100 × Среднемесячный заработок мужчин – Среднемесячный заработок женщин

Среднемесячный заработок мужчин

Женщины Мужчины Разница Среднемесячный заработок 220,160 ₸ 281,239 ₸ 61,079 ₸ Разрыв 21,7%

Гендерный разрыв в оплате труда

0

5

10

15

20

25

30

35

40

45

20 00

20 02

20 04

20 06

20 08

20 10

20 12

20 14

20 16

20 18

20 20

% Казахстан, 2000-2021 Отдельные страны, 2019

2021

Источник: Статистическая база данных ЕЭК ООН; Бюро национальной статистики

Источник: Бюро национальной статистики

Наборы показателей

• Цели устойчивого развития • Глобальные • Региональные: ЕЭК ООН • Национальные: Казахстан

• Гендерные показатели • Глобальный минимальный

набор • Региональные: показатели,

база данных ЕЭК ООН • Национальные : Казахстан

• …

Рассмотреть

• Что это показатель измеряет? • Каков контекст?

• Как настоящее измерение соотносится с предыдущими измерениями?

• Как оно соотносится с соседними странами или другими странами с не слишком отдаленным контекстом?

• Что важно для толкования? • Какое сообщение следует от этого?

Labour force indicators from a gender perspective

Labour force

Workshop on Communicating Official Statistics Astana, Kazakhstan

19-21 October 2022

Session outline

1. Gender and economic activity 2. Definitions of work and employment 3. Indicators 4. Practical activity

Gender and economic activity

• Many kinds of work, both paid and unpaid • Differences and inequalities between the

activities undertaken by women and men • Typical gender gaps in economic activity:

• Women less likely to participate in labour force than men

• Employed women work less hours in employment • Women earn less income • Men more likely to work in mining and construction • Women more likely to work in the services sector

Definition of work “Work” = any activity performed by persons of any sex and age to produce goods or to provide services for use by others or for own use.

Non-productive activitiesProductive activities

Economic production

Non-economic production

For example: • Eating • Sleeping • Watching television • Studying

Producing goods for market e.g. manufacturing, agriculture, artists

Producing services for market e.g. government administration, banking, cleaners

Producing goods for own-use e.g. growing food for family

Producing services for own-use e.g. caring for own children, cooking, cleaning, gardening, repairs to house

Cannot be performed by a third person

Forms of work “Work” = any activity performed by persons of any sex and age to produce goods or to provide services for use by others or for own use.

1. Own-use production work production of goods and services for own final use

2. Employment work performed for others in exchange for pay or profit

3. Unpaid trainee work work performed for others without pay to acquire workplace experience or skills

4. Volunteer work non-compulsory work performed for others without pay

5. Other work activities (not defined elsewhere)

Employed Unemployed Outside the labour force

Labour force (employed + unemployed)

Everyone is either Priority rule: employment over unemployment and outside labour force

Employed (doing employment work) • above a certain age (usually

15 years old) • performed some work for a

wage, salary, profit or family gain, be it in cash or in kind

• also included are those temporarily absent from their job for some reason (e.g. holidays or short-term illness)

Unemployed (looking for work) • above a certain age • not employed • currently available and

actively seeking work

Not participating / not available for employment • children • students (not employed) • retirees • too ill or disabled to work • engaged in non-employment

work • Own-use production work • Volunteer work • Unpaid trainee work • Other work

Employment

Productive activities Non-productive activities

Economic production

Non-economic production

For example: • Eating • Sleeping • Watching

television • Studying

Producing goods for market e.g. manufacturing, agriculture, artists

Producing services for market government administration, banking, cleaners

Producing goods for own-use e.g. growing food for family

Producing services for own-use • e.g. caring for own

children, cooking, cleaning, gardening, repairs to house

Men aged 15+ 6,240,400

Employed 4,535,400

Unemployed 204,300

Women aged 15+ 6,962,000

Employed 4,245,500

Unemployed 236,300

Example: size of the population and the labour force, Kazakhstan, 2019

Data source: UNECE Statistical Database

Potential labour force

Male labour force 4,739,700

76% of male population aged 15+ ↑

economic activity rate

Female labour force 4,481,800

65% of female

population aged 15+ ↑

economic activity rate

Source: UNECE Statistical Database

Employment rate at age 25-49, by sex, 2019

0 10 20 30 40 50 60 70 80 90 100

Sweden

Azerbaijan

Kazakhstan

Estonia

Italy

Armenia

Kyrgyzstan

%

malefemale

𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑟𝑟𝑟𝑟𝐸𝐸𝐸𝐸 = 100 × 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑃𝑃𝐸𝐸𝐸𝐸𝑃𝑃𝐸𝐸𝑟𝑟𝐸𝐸𝑃𝑃𝐸𝐸𝐸𝐸

Source: UNECE Statistical Database

Unemployment rate by sex, Kazakhstan, 2001-2020, %

5.4

4.4

0

2

4

6

8

10

12

14

Female Male

𝑈𝑈𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑟𝑟𝑟𝑟𝐸𝐸𝐸𝐸 = 100 × 𝑈𝑈𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸

𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 + 𝑈𝑈𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸

Employed Unemployed Outside the labour force

Labour force (employed + unemployed)

Everyone is either

Employed (doing employment work) • above a certain age (usually

15 years old) • performed some work for a

wage, salary, profit or family gain, be it in cash or in kind

• also included are those temporarily absent from their job for some reason (e.g. holidays or short-term illness)

Unemployed (looking for employment work) • above a certain age • not employed • currently available and

actively seeking work

Not participating / not available for employment work • children • students (not employed) • retirees • too ill or disabled to work • engaged in non-

employment work • Own-use production work • Volunteer work • Unpaid trainee work • Other work

Priority rule: employment over unemployment and outside labour force

Exercise: Classifying work situations

Classify each of the following individual work situations into these categories:

OUTUNEMPLEMPL

Homemaker who works as a school teacher two days per week

EMPL Unpaid domestic helper who gets room and meals provided

EMPL

University student (full time) OUT Member of armed forces EMPL

Car driver for Uber EMPL Volunteer at local church OUT

High school student with part-time job in a shop

EMPL Engineer currently out of a job UNEMPL

Doctor EMPL Full-time father OUT

Civil servant EMPL Waitress who is actively looking for an office job

EMPL

Unable to work due to long-term illness

OUT School leaver looking for a job UNEMPL

Retired person receiving old-age pension

OUT Homemaker who manages family business

EMPL

Farmer EMPL Wealthy person who loves to travel OUT

Full-time mother OUT Business owner EMPL

Child below age 15 OUT

Status in employment ICSE-18 -- International Classification of Status in Employment 5 categories in ICSE-93; 10 categories in ICSE-18

Employees – workers who hold paid employment jobs Employers – workers who hold self-employment jobs and have engaged, on a continuous basis, one or more persons to work for them in their business as employees Own-account workers – workers who hold self- employment jobs and have not engaged, on a continuous basis, any employees to work for them during the reference period. Family workers – workers who hold self-employment jobs in a market-oriented establishment operated by a related person living in the same household, who cannot be regarded as partners because their involvement is not comparable to the head of the establishment

Status in employment by sex, Kazakhstan, 2020, per cent

Women Men Employees 78.1 75.5 Employers 0.9 1.7 Own-account workers 20.9 22.7 Family workers 0.1 0.1 Total 100.0 100.0

Status in employment ICSE-18 -- International Classification of Status in Employment 5 categories in ICSE-93; 10 categories in ICSE-18

11 Employers in corporations 12 Employers in household market enterprises

21 Owner-operators of corporations without employees 22 Own-account workers in household market enterprises without employees

30 Dependent contractors

41 Permanent employees 42 Fixed-term employees 43 Short-term and casual employees 44 Paid apprentices, trainees and interns

51 Contributing family workers

Status in employment ICSE-18 -- International Classification of Status in Employment 5 categories in ICSE-93; 10 categories in ICSE-18

New category: 30 - Dependent contractors

Contracted to provide goods or services for or through another economic unit.

They are not employees of that economic unit, but are dependent on that unit for organization and execution of the work, income, or for access to the market.

They are dependent on another entity that exercises control over their productive activities and directly benefits from the work performed by them.

Handbook on forms of employment (August 2022) available at the UNECE web site

Status in employment, 2019 ICSE-93

Azerbaijan

Armenia

Kyrgyzstan

Kazakhstan

Estonia

Sweden

Belarus

0 10 20 30 40 50 60 70 80 90 100 %

Employees Employers Own-account workers Family workers Unknown

Source: UNECE Statistical Database

How are data collected? Labour force survey

• Household sample survey • Gathers details to classify people as employed,

unemployed, or not • Did you do any work in the last week for pay or profit? • Did you have a job, farm, or business that you were temporarily

absent from? • Did you actively look for work? • Would you have accepted a job if one was offered to you?

• More details of those in employment • Occupation, industry, employer (e.g. formal or informal), hours

worked, leave conditions, wages • Also demographic characteristics, education level, etc.

How are data collected? Population and housing censuses

• Gather basic information on labour force participation • Questions are limited • Not as good a source as labour force surveys

• Business surveys / administrative registers • Valuable source for formal sector employment

Exercise: classification by status in employment

Classify all the employed people into the status category: Employee; Employer; Dependent contractor; Own-account worker; Family worker

Homemaker who works as a school teacher two days per week

Employee

Unpaid domestic helper who gets room and meals provided

Employee

Employee Member of armed forces Employee

High school student with part- time job in a shop

Employee Waitress who is actively looking for an office job

Employee

Doctor Homemaker who manages family business

Family worker

Civil servant Employee Business owner Employer

Farmer Own-account

Employee Own-account Employer

Uber driver Dep. contractor

Bus driver

Показатели рабочей силы с гендерной точки зрения

Семинар по коммуникации официальной статистики

Астана, Казахстан, 19-21 октября 2022 года

Рабочая сила

План сессии

1. Гендер и экономическая активность 2. Определения работы и занятости 3. Показатели 4. Упражнение

Гендер и экономическая активность

• Разные виды трудовой деятельности, оплачиваемой и неоплачиваемой

• Различия и неравенство в действиях, выполняемых женщинами и мужчинами

• Типичные гендерные неравенства в экономической деятельности:

• Женщины меньше, по сравнению с мужчинами, участвуют в рабочей силе

• Женщины, работающие по найму, имеют меньше рабочих часов • Женщины зарабатывают меньше • Мужчины чаще работают в горно-добывающей отрасли и

строительстве • Женщины чаще работают в сфере услуг

Определение трудовой деятельности “Трудовая деятельность” = любая деятельность, осуществляемая лицами любого пола и возраста в целях производства товаров или оказания услуг для использования другими лицами или для собственного использования

Непродуктивная деятельностьПродуктивная деятельность

Экономическое производство

Неэкономическое производство Например:

• Еда • Сон • Смотрение телепередач • Учеба

Производство товаров для рынка напр. работа на заводе, в сельском хозяйстве, художественные ремёсла

Производство услуг для рынка работа в органах управления, в банках, уборка

Производство товаров для себя напр. овощи для семьи

Производство услуг для собственного потребления • напр. уход за

своими детьми, готовка еды, уборка, работа в саду, ремонт по дому Не может быть

выполнена третьим лицом

Определение трудовой деятельности “Трудовая деятельность” = любая деятельность, осуществляемая лицами любого пола и возраста в целях производства товаров или оказания услуг для использования другими лицами или для собственного использования

Пять форм трудовой деятельности 1. Трудовая деятельность по производству товаров и услуг для

собственного использования производство товаров и услуг для собственного конечного использования

2. Занятость трудовая деятельность, выполняемая для других в обмен на оплату или прибыль

3. Неоплачиваемый труд стажеров трудовая деятельность, выполняемая безвозмездно в интересах других лиц в целях приобретения трудового опыта или профессиональных навыков

4. Трудовая деятельность добровольцев трудовая деятельность, выполняемая безвозмездно в интересах других лиц

5. Другие виды трудовой деятельности (не определенные выше)

Занятые Безработные Не входящие в состав рабочей

силыРабочая сила (занятые + безработные)

Каждый человек относится к одной из групп

Занятые (выполняющие работу по найму) • Старше определенного

возраста (обычно 15 лет) • Выполняющие работу за плату,

заработную плату, прибыль или семейную выгоду, в денежной или натуральной форме

• также включаются лица, временно отсутствующие на работе ввиду определенных причин (напр., праздники или краткосрочное заболевание)

Безработные (находящиеся в поиске занятости) • старше

определенного возраста

• незанятые • в настоящее время

активно ищущие работу и готовые приступить к ней

Не участвующие/не готовые к работе по найму • дети • учащиеся (незанятые) • пенсионеры • слишком больные или

инвалиды • участвующие в трудовой

деятельности не по найму • Производство товаров и услуг

для собственного использования

• Волонтерская деятельность • Неоплачиваемый труд стажеров • Другие виды трудовой

деятельности

Правило приоритета: работающие, потом безработные и не входящие в состав рабочей силы

Работа по найму

Продуктивная деятельность Непродуктивная деятельность

Экономическое производство

Неэкономическое производство

Например: • Приём пищи • Сон • Просмотр

телепередач • Учёба

Производство товаров для рынка напр. работа на заводе, в сельском хозяйстве, художественные ремёсла Производство услуг для рынка работа в органах управления, в банках, уборка Производство товаров для собственного использования, напр. овощи для семьи

Производство услуг для собственного использования • напр. уход за своими

детьми, готовка еды, уборка, работа в саду, ремонт по дому

Мужчины 15+ 6 240 400

Занятые 4 535 400

Безработные 204 300

Женщины 15+ 6 962 000

Занятые 4 245 500

Безработные 236 300

Пример: численность населения и рабочей силы, Казахстан, 2019

Источник данных: статистическая база данных ЕЭК ООН

Потенциальная рабочая сила

Мужская рабочая сила 4 739 700

76% мужского населения в возрасте 15 лет и старше

↑ уровень экономической активности

Женская рабочая

сила 4 481 800

65% женского

населения в возрасте 15 лет

и старше ↑ уровень

экономической активности

Источник: статистическая база данных ЕЭК ООН

Уровень занятости в возрасте 25-49 лет по полу, 2019 г.

0 10 20 30 40 50 60 70 80 90 100

Sweden

Azerbaijan

Kazakhstan

Estonia

Italy

Armenia

Kyrgyzstan

%

мужчиныженщины

Уровень занятости = 100 × Занятые Население

Source: UNECE Statistical Database

Уровень безработицы по полу, Казахстан, 2001- 2021 годы, %

5.4

4.4

0

2

4

6

8

10

12

14

Female Male

Уровень безработицы = 100 × Безработные

Безработные + Занятые

Занятые Безработные Не входящие в состав рабочей

силыРабочая сила (занятые + безработные)

Каждый в одной из групп

Занятые (работающие по найму) • старше определенного

возраста (обычно старше 15 лет)

• выполняющие работу за оплату, зарплату, доход, часть семейного дохода, в денежной или натуральной форме

• временно отсутствующие на работе (праздники или больничный)

Безработные (находящиеся в поиске занятости) • старше

определенного возраста

• незанятые • в настоящее время

активно ищущие работу и готовые приступить к ней

Не участвующие / не готовые к работе по найму • Дети • Студенты (незанятые) • Пенсионеры • Больные или инвалиды • Участвующие в трудовой

деятельности не по найму • Производство товаров и услуг

для собственного использования • Волонтёры • Неоплачиваемый труд стажеров • Другие виды трудовой

деятельности

Правило приоритета: работающие, потом неработающие и не входящие в состав рабочей силы

Упражнение: классификация

Задача 1: Классифицируйте следующих лицa по категориям в зависимости от их ситуации:

НЕ ВХОДЯЩИЕ В РАБОЧУЮ СИЛУБЕЗРАБОТНЫЕЗАНЯТЫЕ

Занятые Безработные Не входящие в состав рабочей

силыРабочая сила (занятые + безработные)

Домохозяйка, работающая учителем в школе два раза в неделю Занятый

Помощник по дому, не получающий оплату, но работающий за комнату и питание

Занятый

Студент университета (очный) Не в рабочей силе

Военнослужащий вооруженных сил Занятый

Занятый Волонтер в местной церкви Не в рабочей силе

Учащийся школы, подрабатывающий- в магазине

Занятый Инженер, в настоящее время не имеющий работы

Безработный

Врач Занятый Постоянно занятый отец- Не в рабочей силе

Государственный служащий Занятый Официантка, активно ищущая работу в офисе

Занятый

Не могущий работать в связи с - длительной болезнью

Не в рабочей силе

Выпускник школы, ищущий работу Безработный

Пенсионер, получающий пенсию- по возрасту

Не в рабочей силе

Домохозяйка, управляющая семейным бизнесом Занятый

Фермер Занятый Богатый человек, который любит путешествовать

Не в рабочей силе

Постоянно занятая мать Не в рабочей силе

Собственник бизнеса Занятый

Ребенок младше 15 лет Не в рабочей силе

Водитель для Uber

Статус в занятости ICSE-18 -- Международная классификация статуса в сфере занятости 5 категорий в ICSE-93; 10 категорий в ICSE-18

1. Наемные работники – работающие лица, имеющие оплачиваемую работу по найму

2. Работодатели – лица, работающие на собственном предприятии и нанимающие на постоянной основе одно или более лиц в качестве наемных работников своего предприятия

3. Самозанятые – лица, работающие на собственном предприятии, но не нанимающие на постоянной основе кого-либо в качестве наемных работников в течение отчетного периода

4. Работники семейных предприятий – самозанятые лица, работающие на предприятии рыночной направленности, которым управляет родственник, живущий в том же домохозяйстве; их нельзя считать партнерами, поскольку их участие несопоставимо в сравнении с руководителем предприятия

Статус в занятости по полу, Казахстан, 2020 г., %

Женщины Мужчины Наемные работники 78,1 75,5 Работодатели 0,9 1,7 Самозанятые 20,9 22,7 Работники семейных предприятий 0,1 0,1 Всего 100,0 100,0

Статус в занятости ICSE-18 -- Международная классификация статуса в сфере занятости 5 категорий в ICSE-93; 10 категорий в ICSE-18

11 - Работодатели в корпорациях 12 - Работодатели в некорпорированных предприятиях домашних хозяйств

21 - Владельцы-операторы корпораций без наемных работников 22 - Лица, работающие за собственный счет на некорпорированных предприятиях домашних хозяйств без наемных работников

30 - Зависимые подрядчики

41 - Постоянные наемные работники 42 - Наемные работники с фиксированной продолжительностью контракта 43 - Наемные работники с краткосрочным контрактом и случайные наемные работники 44 - Оплачиваемые ученики на производстве и стажеры

51 – Помогающие члены семьи

Статус в занятости ICSE-18 -- Международная классификация статуса в сфере занятости 5 категорий в ICSE-93; 10 категорий в ICSE-18

Новая категория: 30 - Зависимые подрядчики

Заключившие контракт на предоставление товаров или услуг для другой экономической единицы или через нее. Они не являются работниками этой экономической единицы, но зависят от нее в плане организации и выполнения работы, получения дохода или доступа на рынок. Они зависят от другого субъекта, который осуществляет контроль над их производственной деятельностью и получает прямую выгоду от выполняемой ими работы.

Справочник по формам занятости (август 2022 г.) доступен на веб- сайте ЕЭК ООН

Статус в занятости, 2019 г. ICSE-93

Azerbaijan

Armenia

Kyrgyzstan

Kazakhstan

Estonia

Sweden

Belarus

0 10 20 30 40 50 60 70 80 90 100 %

Employees Employers Own-account workers Family workers Unknown

Source: UNECE Statistical Database

Как собираются данные? Обследования рабочей силы

• Выборочное обследование домохозяйств • Позволяет собрать данные для классификации

людей как занятых, безработных, или иных категорий • Выполняли ли вы на прошлой неделе какую-либо работу за

оплату или прибыль? • Была ли у вас работа, ферма или бизнес, на котором вы

временно отсутствовали? • Искали ли вы активно работу? • Согласились бы вы на работу, если бы вам её предложили?

• Более детальная информация о занятых лицах • Вид работы, отрасль, работодатель (напр. официальный

или неофициальный), рабочие часы, отпуск, зарплата • Демографические характеристики, уровень образования,

пр.

Как собираются данные? Переписи населения и жилищного фонда

• Собирается основная информация об участии в рабочей силе

• Вопросы ограничены • Не такой хороший источник данных, как

обследования рабочей силы

• Обследования предприятий / административные регистры

• Ценный источник данных для занятости в формальном секторе

Упражнение: классификация по статусу в занятости Классификация всех занятых по статусу в занятости по следующим категориям:

Работник; Работодатель; Зависимый подрядчик; Самозанятый; Работник семейного предприятия

Домохозяйка, работающая учителем в школе 2 раза в неделю

Работник Водитель для Uber Зависимый подрядчик

Водитель автобуса (полная занятость)

- Работник Военнослужащий Работник

Учащийся школы, подрабатывающий в магазине

- Работник Официантка, активно ищущая работу в офисе

Работник

Врач Домохозяйка, управляющая семейным бизнесом

Работник семейного предприятия

Государственный служащий Работник Владелец бизнеса Работодатель

Фермер Самозанятый-

Работник Самозанятый Работодатель

Помощник по дому, не получающий оплату, но работающий за комнату и питание

Работник

Session 3a.1: Gender Aspects in Trade and How to Measure Them

Astana, Kazakhstan October 21, 2022

Outline Objectives for measuring gender aspects in trade

Conceptual description of gender-in-trade statistics

Main concepts used

Country case studies

Economic aspects of gender equality

• Need to develop gender-responsive trade policies • The interactions are often complex and country-specific

Trade and trade policy affect gender equality

• Beijing Platform for Action (1995) – gender & economic stats • The 2030 Agenda (2015) – a goal & a cross-sectional issue • The Addis Ababa Action Agenda (2015) – a trade & gender link

Women’s economic empowerment on the global agenda

• A call for gender-focused statistics related to trade

Buenos Aires Declaration on Trade and Women’s Economic Empowerment (2017)

Conceptual framework for measuring trade and gender Preconditions Outcomes Impact

Policy

Participation in trade  As a producer in the role of

• worker • business owner/

entrepreneur  As a consumer

Motivations and Aspirations

 Health  Socio-cultural and religious norms  Motivation

Resources and constraints

 Labour markets  Education & skills  Public life and decision making  Human rights and safety  Resources: income & time-use

Trade performance  Exports & imports  Traded products/sectors  Trade openness  Trade costs  Innovations and investment  Government tariff revenue

Labour  New jobs and career opportunities  Working conditions & rights  Paid, unpaid work  Formal, informal & vulnerable jobs

Wealth and empowerment

 Consumption and prices  Income and wage differentials  Social transfers & services  Trade & GDP growth  Competitiveness  Agency and financial autonomy  Economic and social status  Bargaining power in society  Wellbeing, norms and equality

Trade policy and other interventions  Trade policies, reforms, facilitation, tariffs, taxes, subsidies, agreements, non-tariffs, procedures, barriers and rules, aid for trade

Gender and trade statistics: structure Gender and Trade

Formal trade (incorporated businesses)

(90%+)

Trade in Goods

(80%)

Trade in services

(20%)

Informal (cross-border) trade (households/individuals)

Gender analysis of Goods Trade by Enterprise Characteristics (TEC)

Trade and gender statistics: measurement approaches Two general approaches in terms of data collection:

1. Use of available data:

- Macroeconomic estimates (“top-down” approach): Canada, New Zealand, Finland - Use of enterprise-level data, microlinking (“bottom-up” approach): e.g. Finland, New Zealand, Georgia

2. Data collection through specialized (ad hoc) surveys of enterprises (e.g., Uruguay, Chile) and individuals (e.g., West Africa cross-border study by WB/GIZ)

Question: What are the advantages and disadvantages of the two approaches to trade and gender analysis?

Goods trade statistics (enterprises) and gender  Trade in goods – globally 80% of trade value

 Trade performed mostly by incorporated businesses (there are exceptions)

 Customs agencies and statistical offices – main data producers

 Complete enumeration of trade transactions by enterprises and commodity groups

 Possibility for time-series analysis of enterprise-level data

Non-trade data sources Non-trade data sources Variables The Statistical Business Register (SBR)

Structural Business Statistics (SBS) surveys

Structure of Earnings surveys

Tax administration records

- Enterprise name and ID - Address - Legal form of business organization - Registration date(s) - Active/non-active status - Area of economic activity (ICIS) - Enterprise size - Turnover - Employment* - Earnings* - Skill levels of employees* - Attained education level of employees* - Investments - Ownership shares* - Foreign/domestic ownership

Gender-in-trade and enterprise statistics: dimensions and indicators

Dimensions Basic indicators Further Disaggregations

Employment Share of women in employment

- Company characteristics (size, age, geographical location, foreign/domestic ownership, male/female ownership, etc.)

- Employee skills (managers, high-, medium-, low-skill workers)

- Educational attainment of employees

- Other employee characteristics (age, length of service, types of jobs, etc.)

Earnings Gender pay gap

Ownership of resources Share of women owners

Gender and trade: basic indicators (labor) Women -to-men employment ratio:

𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑤𝑤𝑜𝑜𝑁𝑁𝑁𝑁𝑤𝑤 𝑁𝑁𝑁𝑁𝑒𝑒𝑒𝑒𝑜𝑜𝑒𝑒𝑁𝑁𝑁𝑁𝑒𝑒 𝑖𝑖𝑤𝑤 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑁𝑁 𝑒𝑒𝑁𝑁𝑠𝑠𝑡𝑡𝑜𝑜𝑁𝑁 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑁𝑁𝑡𝑡𝑒𝑒𝑁𝑁 𝑁𝑁𝑁𝑁𝑒𝑒𝑒𝑒𝑜𝑜𝑒𝑒𝑁𝑁𝑁𝑁𝑒𝑒 𝑖𝑖𝑤𝑤 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑁𝑁 𝑒𝑒𝑁𝑁𝑠𝑠𝑡𝑡𝑜𝑜𝑁𝑁

Gender pay gap: 𝑀𝑀𝑁𝑁𝑤𝑤′𝑒𝑒 𝑡𝑡𝑎𝑎𝑁𝑁𝑁𝑁𝑡𝑡𝑎𝑎𝑁𝑁 𝑤𝑤𝑡𝑡𝑎𝑎𝑁𝑁𝑒𝑒 −𝑊𝑊𝑜𝑜𝑁𝑁𝑁𝑁𝑤𝑤′𝑒𝑒 𝑡𝑡𝑎𝑎𝑁𝑁𝑁𝑁𝑡𝑡𝑎𝑎𝑁𝑁 𝑤𝑤𝑡𝑡𝑎𝑎𝑁𝑁𝑒𝑒

𝑀𝑀𝑁𝑁𝑤𝑤′𝑒𝑒 𝑡𝑡𝑎𝑎𝑁𝑁𝑁𝑁𝑡𝑡𝑎𝑎𝑁𝑁 𝑤𝑤𝑡𝑡𝑎𝑎𝑁𝑁𝑒𝑒 x 100%

Gender and trade: basic indicators

Enterprise ID No. of male employees

No. of female employees

Men’s average wages ($)

Women’s average wages

($)

1111 170 80 2000 1600

2222 30 40 1000 1000

3333 1200 500 1100 1000

Women’s share in employment?

Gender pay gap?

Gender and trade: basic indicators (answ.)

Enterprise ID No. of male employees

No. of female employees

Men’s average wages ($)

Women’s average wages

($)

1111 170 80 2000 1600 2222 30 40 1000 1000 3333 1200 500 1100 900

Women’s share in employment: (80+40+500)/(170+30+1200) = 620/1400 = 44.2%

Men’s average wages = (170*2000+30*1000+1200*1100)/1400 = $1207 Women’s average wages = (80*1600+40*1000+500*900)/620 = $ 997 Gender pay gap = (1207 – 997)/1207 = 17.4%

Gender and trade: ownership indicators (1)

Simple share of women-owners:

𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑤𝑤𝑜𝑜𝑁𝑁𝑁𝑁𝑤𝑤−𝑜𝑜𝑤𝑤𝑤𝑤𝑁𝑁𝑁𝑁𝑒𝑒 𝑜𝑜𝑜𝑜 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑡𝑡𝑜𝑜𝑡𝑡𝑡𝑡𝑒𝑒 𝑜𝑜𝑤𝑤𝑤𝑤𝑁𝑁𝑁𝑁𝑒𝑒 𝑜𝑜𝑜𝑜 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒

Question: while the number of women owners/entrepreneurs is important, what are the drawbacks of this indicator?

Gender and trade: ownership indicators (2)

Share of women-owned enterprises (enterprises in which more than 50% is owned by women):

𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑤𝑤𝑜𝑜𝑁𝑁𝑁𝑁𝑤𝑤−𝑜𝑜𝑤𝑤𝑤𝑤𝑁𝑁𝑁𝑁𝑒𝑒 𝑜𝑜𝑜𝑜 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑡𝑡𝑜𝑜𝑡𝑡𝑡𝑡𝑒𝑒 𝑜𝑜𝑤𝑤𝑤𝑤𝑁𝑁𝑁𝑁𝑒𝑒 𝑜𝑜𝑜𝑜 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒

Question: if in 1000 trading companies there are 500 women-owned enterprises, can we speak of gender equality in terms of ownership?

Gender and trade: ownership indicators (3) Share of women-owned enterprises, weighted by enterprise assets:

𝑉𝑉𝑡𝑡𝑒𝑒𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑡𝑡𝑒𝑒𝑒𝑒𝑁𝑁𝑡𝑡𝑒𝑒 𝑜𝑜𝑤𝑤𝑤𝑤𝑁𝑁𝑡𝑡 𝑁𝑁𝑒𝑒 𝑤𝑤𝑜𝑜𝑁𝑁𝑁𝑁𝑤𝑤 𝑖𝑖𝑤𝑤 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒 𝑇𝑇𝑜𝑜𝑡𝑡𝑡𝑡𝑒𝑒 𝑎𝑎𝑡𝑡𝑒𝑒𝑁𝑁𝑁𝑁 𝑜𝑜𝑜𝑜 𝑡𝑡𝑁𝑁𝑡𝑡𝑡𝑡𝑖𝑖𝑤𝑤𝑎𝑎 𝑠𝑠𝑜𝑜𝑁𝑁𝑒𝑒𝑡𝑡𝑤𝑤𝑖𝑖𝑁𝑁𝑒𝑒

Note: In case the data on assets is not available, alternative variables such as the enterprise’s output or trade turnover can be used to account for enterprise size.

Gender and trade: differentiated indicators Basic indicators can be analyzed by various disaggregations in order to:

- Gain additional insights about the gender aspects - Estimate the impact of various factors on the basic indicators, e.g., the impact on gender pay gap by skill levels or industry groups

 Hence, the disaggregations may include i) the breakdown by companies: by trading status, by industry and industry

groups, by origin of company ownership, etc. ii) the breakdown by employees and owners: by skill levels, by educational

attainment, by gender-specific ownership shares, etc.

Conclusions: gender and trade and enterprise-level data Merging of trade and non-trade data at the enterprise level (microlinking) allows for flexibility in gender analysis

Microlinking prevents additional burden on respondents and budgets

 Enterprise data from different sources/surveys enrich gender-in- trade statistical analysis

Gender in trade: Case Studies

New Zealand: Macro analysis and microlinking  Two complementing approaches used for export analysis:

- “top down” approach from national input-output tables and employment data

- “bottom up” approach using firm-level findings from administrative data:

1. The employment share of women slightly increased to 40%. Women still underrepresented in export sector – national average share equals 47%

New Zealand: Macro analysis and microlinking (2) 2. Smaller employment share in traditional exports (agriculture, mining, manufacturing). 3. Enterprises with strong domestic focus – healthcare, education – employ up to 70% of women 4. Higher employment of women in large enterprises (44% compared to 33% in SMEs) 4. Lower wages, smaller “export premium” for women compared to men 5. Only 15% of women-led firms, relatively higher share in SMEs

Finland: microanalysis and microlinking using high-quality registers  Use of enterprise-level data from different registers, such as statistical business register, employee register, etc.

 Companies broken down by - trading status (two-way traders/exporting firms/importing firms/non- traders) - firm size - group relation (combinations of employees, industry groups)

 4-step process similar to the New Zealand approach

Finland: bigger gender disparities for women employed in external trade Labour productivity and salaries much higher in the exporting sector Share of employed women: 36% in the non-trading companies and 27% in trading companies. Since 2012 the share of employed women in the trading companies kept falling Gender pay gap: 2 percentage points higher in exporter companies compared to domestic businesses Among non-traders and importers the shares of women and men among highly educated personnel was equal. In contrast, among exporters men account 60% of highly educated workforce  One-third of women entrepreneurs in the economy, one-fifth – in the export sector

Georgia pilot: gender-in-trade indicators (2021-2022)

Methodology, data requirements (cont.)  In a small open economy like Georgia, the trade-to-GDP ratio averaged over 100% in 2015-2021.

 The key focus of the study: merging trade data with enterprise-level data mostly from business statistics surveys.

Benefits: Individual enterprise-level data on trading companies provide flexibility of deriving gender-in-trade statistical indicators at different disaggregations.

General characteristics of the study (2021)

What was done: 1) Sectoral analysis of a number of exporting industries: gender-in-trade indicators were analyzed for 5 export products at the sectoral level

2) Microlinking of available sources to trade data

 Data used: trade data (annual, 2016-2020); structural business statistics (annual, 2016-2020); statistical business register; structure of earnings survey (2017).

 Critical factors: trade microdata is received by Geostat (monthly) from the customs agency. Single enterprise ID used by all government agencies

Sectoral Approach: gender disparities in sector-specific employment and earnings

0.20

0.40

0.26

0.64

0.87

0.55

0.70 0.70

0.60

0.69

-

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.80

0.90

1.00

Motor vehicles Grape wine Mineral waters Processing of fruits and vegetables Apparel

Share of female employment, % Women’s to men’s wages, 2015-2019 av.

Sectoral Approach: no universal patterns in explaining gender pay gap in terms of occupations

Sale of motor vehicles Manufacture of wine from grape Production of mineral waters and other bottled waters

Processing and preserving of fruit and vegetables Manufacture of wearing apparel

Gender pay gap Weighted Impact*, % Gender pay gap Weighted Impact*,

% Gender pay gap Weighted Impact*, % Gender pay gap Weighted

Impact*, % Gender pay gap Weighted Impact*, %

Managers 49.70% 35.00% 25.80% 14.60% 82.80% 11.80% 5.40% 1.70% 49.20% 6.90%

Professionals 26.20% 28.00% 41.20% 23.10% 36.20% 15.10% -21.70% -3.50% 30.20% 2.50%

Technicians and associate professionals 20.30% 13.90% 1.10% 0.30% -3.50% -0.10% 54.60% 23.40% 35.80% 7.00%

Clerks 33.10% 5.10% 15.60% 6.10% 65.60% 43.50% 28.20% 15.20% -4.30% -0.30%

Service and sales workers 23.30% 14.00% -11.00% -5.00% n/a n/a -20.00% -1.30% -78.60% -5.30%

Skilled agricultural, fishery, and forestry workers n/a n/a 30.60% 11.60% n/a n/a 28.90% 0.50% n/a n/a

Craft and related trades workers 44.50% 8.00% -11.50% -14.80% n/a n/a -2.30% -2.70% 34.40% 77.10%

Plant and machine operators and assemblers -16.30% -4.00% 6.00% 3.30% n/a n/a -14.00% -2.40% 69.30% 31.90%

Elementary occupations n/a 17.80% 60.80% 52.50% 29.70% 24.70% 69.20% -13.10% -19.70% n/a

Total, sector 44.80% 100% 23.10% 100% 22.60% 100% 36.40% 100% 44.60% 100%

Microlinking results: basic indicators

Women’s employment remained inferior to men’s, although it kept increasing

Employment ratio (women/men), 2016-2020 (%)

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

2016 2017 2018 2019 2020

two-way traders importers

Gender pay gap was higher for two- way traders

Gender pay gap,2016-2020 (%)

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

2016 2017 2018 2019 2020 two-way traders importers

Differentiation by occupations shows high-skill workers most resilient to gender inequality

2017 structure of earnings survey employment ratio gender pay gap

two-way traders

managers 0.4 0.41

high-skill workers 0.83 0.3

medium-skill workers 0.36 0.34

low-skill workers 0.62 0.45

importers

managers 0.45 0.38

high-skill workers 0.91 0.15

medium-skill workers 0.33 0.39

low-skill workers 0.55 0.43

Microlinking: ownership of trade companies Number of male owners was significantly higher than that of female owners for all types of trading companies

510 2469

103 272

8816

28806

1484 3063

1181

10835

731 863 0

5000

10000

15000

20000

25000

30000

35000

Woman owners Man owners Legal owners Unknown physical owners

Exporters Importers Two-way traders

Microlinking: ownership of trade companies, trade-weighted The trade-weighted ownership share of men (data shown in percentages) exceeded that of women approx. 9 times in two-way traders, 5 times in importers.

14.2

64.3

4

17.5

10.8

50.8

32.2

6.2 4.1

36.2

54.5

5.2

0

10

20

30

40

50

60

70

Woman owners Man owners Legal owners Unknown physical owners

Exporters Importers Two-way traders

Impact analysis: COVID

Use of 2021 trade and business statistics data to analyse the impact of COVID on gender aspects in trade.

Year 2019 – benchmark (no COVID)

Year 2020 – COVID crisis

Year 2021 – recovery from COVID

Key results of COVID impact analysis: 1. recovery in 2021

-15.9% -14.7% -15.1%

-23.0%

-8.2% -8.2%

25.2% 21.7% 23.0%

54.2%

25.8% 25.8%

-30.0%

-20.0%

-10.0%

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

Exporters Importers Two-way traders Total

2020 imports 2020 exports 2021 imports 2021 exports

Value of exports and imports fell in 2020 but strongly rebounded in 2021, exceeding pre- pandemic levels

Further analysis: COVID and gender-in-trade (cont.)

-21.3% -23.1%

8.4%

18.1%

-4.8% -6.2%

-2.9%

5.5%

-12.8% -14.4%

2.1%

11.0%

-30.0%

-25.0%

-20.0%

-15.0%

-10.0%

-5.0%

0.0%

5.0%

10.0%

15.0%

20.0%

25.0%

men women men women

2020 2021

importer two-way trader total

Despite the economic recovery, the employment did not catch up with economic performance

COVID and key gender-in-trade indicators

39.0% 38.8% 38.9%

38.5% 38.5% 38.5%

40.5% 40.4% 40.5%

37.0%

37.5%

38.0%

38.5%

39.0%

39.5%

40.0%

40.5%

41.0%

importer two-way trader total

Women's share in employment

2019 2020 2021

 Women’s share in employment slightly worsened in 2020 but improved in 2021, gender pay gap improved in both 2020 and 2021

33.5% 34.0% 33.8%

30.8% 31.2% 31.0%

28.4%

30.2% 29.5%

24.0%

26.0%

28.0%

30.0%

32.0%

34.0%

36.0%

importer two-way trader total

Gender pay gap

2019 2020 2021

Conclusions

 Significant potential for studying and promoting gender equality. Microlinking - a preferred method of analysis.  Impact analysis of significant macroeconomic policies/shocks can be performed.  The gender-in-trade statistics will continue to expand.  Linkage of more data allows for additional insights of factors affecting gender disparities

Сессия 3a.1: Гендерные аспекты в торговле и способы их измерения

Астана, Казахстан 21 октября 2022 г.

Содержание  Цели измерения гендерных аспектов в торговле

 Концептуальное описание статистики гендера в торговле

 Основные используемые понятия

 Конкретные примеры стран

Экономические аспекты гендерного равенства

• Необходимость разработки торговой политики с учетом гендерных аспектов • Взаимодействие часто бывает сложным и индивидуальным для страны.

Торговля и торговая политика влияют на гендерное равенство

• Пекинская платформа действий (1995 г.) - гендерная и экономическая статистика. • Повестка дня на период до 2030 г. (2015 г.) – цель и перекрестный вопрос • Аддис-Абебская программа действий (2015 г.) – связь между торговлей и

гендерными вопросами

Расширение экономических прав и возможностей женщин в глобальной повестке дня

• Призыв к гендерно-ориентированной статистике, связанной с торговлей

Буэнос-Айресская декларация о торговле и расширении экономических прав и возможностей женщин (2017 г.)

Концептуальная основа для измерения гендера в торговле Предпосылки Результаты Влияние

Политика

Участие в торговле  Как производитель в роли

• работника • собственника компании

/ предпринимателя  Как потребитель

Мотивы и стремления

 Здоровье  Социокультурные и

религиозные нормы  Мотивация

Ресурсы и ограничения

 Рынки труда  Образование и навыки  Общественная жизнь и

принятие решений  Права человека и безопасность  Ресурсы: доход и

использование времени

Результативность торговли  Экспорт и импорт  Товары/секторы торговли  Открытость торговли  Торговые издержки  Инновации и инвестиции  Государственные доходы от тарифов

Труд  Новые рабочие места и карьерные возможности  Условия труда и трудовые права  Оплачиваемая, неоплачиваемая работа  Формальные, неформальные и уязвимые рабочие

места

Богатство и расширение прав и возможностей

 Потребление и цены  Разница в доходах и зарплатах  Социальные выплаты и услуги  Торговля и рост ВВП  Конкурентоспособность  Дееспособность и финансовая автономия  Экономический и социальный статус  Сильная переговорная позиция в обществе  Благосостояние, нормы и равенство

Торговая политика и другие вмешательства  Торговая политика, реформы, упрощение формальностей, тарифы, налоги, субсидии, соглашения, нетарифные меры, процедуры,

барьеры и правила, помощь в торговле

Статистика гендера в торговле: структура Гендер и торговля

Официальная торговля (зарегистрированные предприятия)

(90%+)

Торговля товарами (80%)

Торговля услугами (20%)

Неофициальная (приграничная) торговля (домашние

хозяйства/физические лица)

Гендерный анализ торговли товарами по характеристикам предприятия (TEC)

Статистика гендера в торговле: подходы к измерению Два общих подхода к сбору данных:

1. Использование имеющихся данных:

- Макроэкономические оценки (подход «сверху вниз»): Канада, Новая Зеландия, Финляндия. - Использование данных на уровне предприятия, микросвязывание (подход «снизу вверх»): например, Финляндия, Новая Зеландия, Грузия.

2. Сбор данных посредством специализированных (разовых) обследований предприятий (например, Уругвай, Чили) и физических лиц (например, трансграничное исследование Западной Африки, проведенное Всемирным банком/GIZ).

Вопрос: Каковы преимущества и недостатки двух подходов к анализу гендера в статистике?

Статистика торговли товарами (предприятия) и гендер Торговля товарами – 80% стоимости торговли в мире

Торговля осуществляется в основном зарегистрированными предприятиями (есть исключения)

Таможенные органы и органы статистики – основные производители данных

Полный учет торговых операций по предприятиям и товарным группам

Возможность анализа временных рядов данных на уровне предприятия

Неторговые источники данных Неторговые источники данных Переменные Статистический реестр предприятий (СРП)

Обследования структурной деловой статистики (СДС)

Структура обследования доходов

Реестры налоговых органов

- Название предприятия и идентификатор - Адрес - Организационно-правовая форма предприятия - Дата регистрации - Активный/неактивный статус - Сфера экономической деятельности (ICIS) - Размер предприятия - Оборот - Трудоустройство* - Доход* - Уровень квалификации сотрудников* - Достигнутый уровень образования сотрудников* - Инвестиции - Доли собственности* - Иностранное/отечественное владение

Статистика гендера в торговле и предприятий: измерения и показатели

Измерения Основные показатели

Дальнейшая дезагрегация

Трудоустройство Доля женщин в найме

- Характеристики компании (размер, возраст, географическое положение, иностранное/отечественное владение, собственник мужчина/женщиа и т. д.)

- Квалификация сотрудников (руководители, высоко-, средне-, низкоквалифицированные рабочие)

- Образовательный уровень сотрудников

Другие характеристики работника

Доход Гендерный разрыв в оплате труда

Право собственности на ресурсы

Доля женщин- собственников

Гендер и торговля: основные показатели (труд) Соотношение занятости женщин и мужчин:

Количество женщин, занятых в секторе торговли количество мужчин, занятых в секторе торговли

Гендерный разрыв в оплате труда: Ср. зарплата мужчин − ср. зарплата женщин

ср. зарплата мужчин х 100%

Гендер и торговля: основные показатели

Идентификатор предприятия

Количество сотрудников

мужчин

Количество сотрудников

женщин

Средняя зарплата

мужчин ($)

Средняя зарплата

женщин ($)

1111 170 80 2000 г. 1600

2222 30 40 1000 1000

3333 1200 500 1100 1000

Доля женщин в найме?

Гендерный разрыв в оплате труда?

Гендер и торговля: основные показатели (ответы)

Идентификато р предприятия

Количество сотрудников

мужчин

Количество сотрудников

женщин

Средняя зарплата

мужчин ($)

Средняя зарплата

женщин ($)

1111 170 80 2000 г. 1600 2222 30 40 1000 1000 3333 1200 500 1100 900

Доля женщин в найме: (80+40+500)/(170+30+1200) = 620/1400 = 44,2%

Средняя зарплата мужчин = (170*2000+30*1000+1200*1100)/1400 = $ 1207 Средняя зарплата женщин = (80*1600+40*1000+500*900)/620 = $ 997 Гендерный разрыв в оплате труда = (1207 – 997)/1207 = 17,4%

Гендер и торговля: показатели владения (1)

Простая доля женщин-собственников:

Количество женщин−владельцев торговых компаний Количество всех владельцев торговых компаний

Вопрос: хотя количество женщин-собственников/предпринимателей важно, в чем заключаются погрешности этого показателя?

Гендер и торговля: показатели владения (2)

Доля предприятий, принадлежащих женщинам (предприятия, более 50% которых принадлежат женщинам):

Количество женщин−владельцев торговых компаний Количество всех владельцев торговых компаний

Вопрос: если на 1000 торговых компаний приходится 500 предприятий, принадлежащих женщинам, можно ли говорить о гендерном равенстве в отношении владения?

Гендер и торговля: показатели владения (3) Доля предприятий, принадлежащих женщинам, взвешенная по активам предприятия:

Стоимость активов, принадлежащих женщинам в торговых компаниях Общая стоимость торговых компаний

Прим.: В случае отсутствия данных об активах для учета размера предприятия можно использовать альтернативные переменные, такие как объем производства предприятия или торговый оборот.

Гендер и торговля: дифференцированные показатели Основные показатели можно анализировать с помощью различных дезагрегаций, чтобы:

- Получить дополнительную информацию о гендерных аспектах - Оценить влияние различных факторов на основные показатели, например, влияние на гендерный разрыв в оплате труда по уровням квалификации или отраслевым группам.

Следовательно, дезагрегации могут включать i) разбивку по компаниям: по торговому статусу, по отраслям и отраслевым

группам, по происхождению собственности компаний и т. д. ii) разбивку по работникам и владельцам: по уровням квалификации, по

уровню образования, по гендерно-обусловленной доле собственности и т. д.

Выводы: гендер в торговле и данные на уровне предприятий

Объединение торговых и неторговых данных на уровне предприятия (микросвязывание) обеспечивает гибкость гендерного анализа.

Микросвязывание предотвращает дополнительную нагрузку на респондентов и бюджеты

Данные предприятий из различных источников/обследований обогащают статистический анализ гендера в торговле

Гендер в торговле: Конкретные примеры

Новая Зеландия: макроанализ и микросвязывание  Два взаимодополняющих подхода, используемых для анализа экспорта:

- подход «сверху вниз» на основе национальных таблиц «затраты- выпуск» и данные о занятости

- Подход «снизу вверх» с использованием результатов административных данных на уровне компаний:

1. Доля занятых женщин немного увеличилась до 40%. Женщины по-прежнему недостаточно представлены в экспортном секторе – доля в среднем по стране составляет 47%

Новая Зеландия: макроанализ и микросвязывание (2) 2. Меньшая доля занятости в традиционном экспорте (сельское хозяйство, добыча полезных ископаемых, производство). 3. На предприятиях с сильной внутренней направленностью – здравоохранение, образование – занято до 70% женщин. 4. Более высокая занятость женщин на крупных предприятиях (44% по сравнению с 33% на МСП) 4. Более низкая заработная плата, меньшая «экспортная премия» для женщин по сравнению с мужчинами 5. Только 15% фирм, возглавляемых женщинами, относительно более высокая доля в МСП

Финляндия: микроанализ и микросвязывание с использованием высококачественных реестров Использование данных на уровне предприятия из различных реестров, таких как статистический реестр предприятий (СРП), реестр работников и т. д.

Компании в разбивке по - торговому статусу (двусторонняя торговля/фирмы-экспортеры/фирмы- импортеры/неторговые операции) - размер фирмы - групповые отношения (сочетания работников, отраслевые группы)

4-этапный процесс, аналогичный подходу Новой Зеландии

Финляндия: большее гендерное неравенство среди женщин, занятых во внешней торговле Производительность труда и заработная плата гораздо выше в экспортном секторе Доля занятых женщин: 36% в неторговых компаниях и 27% в торговых компаниях. С 2012 года доля работающих женщин в торговых компаниях продолжает снижаться. Гендерный разрыв в оплате труда: на 2 процентных пункта выше в компаниях-экспортерах по сравнению с отечественными предприятиями. Среди неторговых предприятий и компаний-импортеров доли женщин и мужчин среди высокообразованных кадров были равными. Напротив, среди компаний-экспортеров мужчины составляют 60% высокообразованной рабочей силы. Треть женщин-предпринимателей в экономике, пятая часть – в экспортном секторе

Пилотный проект в Грузии: показатели гендера в

торговле (2021-2022 гг.)

Методология, требования к данным (продолжение)  В небольшой открытой экономике, такой как Грузия, соотношение торговли к ВВП в среднем превышало 100% в 2015–2021 годах.

Основное направление исследования: объединение данных о т орговле с данными на уровне предприят ий, в основном из обследований деловой ст ат ист ики.

Выгоды: данные о торговых компаниях на уровне отдельных предприятий обеспечивают гибкость при получении статистических показателей гендера в торговле при различных дезагрегациях.

Общая характеристика исследования (2021 г.)

Что было сделано: 1) Отраслевой анализ ряда экспортирующих отраслей: показатели гендера в торговле были проанализированы для 5 экспортных товаров на отраслевом уровне.

2) Микросвязывание доступных источников с торговыми данными

Используемые данные: торговые данные (годовые, 2016-2020 гг.); структурная деловая статистика (ежегодно, 2016-2020 гг.); статистический реестр предприятий; структура обследования доходов (2017 г.).

Важные факторы: микроданные о торговле поступают в Госстат (ежемесячно) от таможенного органа. Единый идентификатор предприятия, используемый всеми государственными учреждениями

Секторальный подход: гендерные различия в занятости и доходах в конкретных секторах

0.20

0.40

0.26

0.64

0.87

0.55

0.70 0.70

0.60

0.69

-

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.80

0.90

1.00

Motor vehicles Grape wine Mineral waters Processing of fruits and vegetables Apparel

Share of female employment, % Women’s to men’s wages, 2015-2019 av.

Секторальный подход: нет универсальных закономерностей в объяснении гендерного разрыва в оплате труда с точки зрения занятий

Продажа автомобилей Производство вина из винограда Производство минеральных вод и других бутилированных вод

Переработка и консервирование фруктов и овощей

Производство одежды

Гендерный разрыв в оплате труда

Взвешенное влияние*, %

Гендерный разрыв в оплате труда

Взвешенное влияние*, %

Гендерный разрыв в оплате труда

Взвешенное влияние*, %

Гендерный разрыв в оплате труда

Взвешенное влияние*, %

Гендерный разрыв в оплате труда

Взвешенное влияние*, %

Руководители 49,70% 35,00% 25,80% 14,60% 82,80% 11,80% 5,40% 1,70% 49,20% 6,90%

Специалисты высшего уровня 26,20% 28,00% 41,20% 23,10% 36,20% 15,10% -21,70% -3,50% 30,20% 2,50%

Технические работники и специалисты среднего уровня 20,30% 13,90% 1,10% 0,30% -3,50% -0,10% 54,60% 23,40% 35,80% 7,00%

Канцелярские/офисные работники 33,10% 5,10% 15,60% 6,10% 65,60% 43,50% 28,20% 15,20% -4,30% -0,30%

Обслуживающие и торговые работники 23,30% 14,00% -11,00% -5,00% н/д н/д -20,00% -1,30% -78,60% -5,30%

Квалифицированные аграрные, лесные рыбопромышленные работники н/д н/д 30,60% 11,60% н/д н/д 28,90% 0,50% н/д н/д

Работники ручного/ремеслового труда и подобных занятий 44,50% 8,00% -11,50% -14,80% н/д н/д -2,30% -2,70% 34,40% 77,10%

Операторы установок и механизмов/машин, сборщики -16,30% -4,00% 6,00% 3,30% н/д н/д -14,00% -2,40% 69,30% 31,90%

Неквалифицированные рабочие н/д 17,80% 60,80% 52,50% 29,70% 24,70% 69,20% -13,10% -19,70% н/д

Всего, сектор 44,80% 100% 23,10% 100% 22,60% 100% 36,40% 100% 44,60% 100%

Результаты микросвязывания: основные показатели

Занятость женщин оставалась ниже, чем у мужчин, хотя и продолжала расти.

Соотношение занятости (женщины/мужчины), 2016-2020 гг. (%)

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

2016 2017 2018 2019 2020

two-way traders importers

Гендерный разрыв в оплате труда был выше у двусторонних торговых компаний

Гендерный разрыв в оплате труда, 2016- 2020 гг. (%)

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

2016 2017 2018 2019 2020 two-way traders importers

Дифференциация по профессиям показывает, что высококвалифицированные работники наиболее устойчивы к гендерному неравенству.

Исследование структуры доходов за 2017 год коэффициент занятости

гендерный разрыв в оплате труда

двусторонние торговые компании

Руководители 0,4 0,41

Работники с высоким уровнем навыков 0,83 0,3 Работники со средним уровнем навыков 0,36 0,34

Работники с низким уровнем навыков 0,62 0,45

импортеры

Руководители 0,45 0,38

Работники с высоким уровнем навыков 0,91 0,15 Работники со средним уровнем навыков 0,33 0,39

Работники с низким уровнем навыков 0,55 0,43

Микросвязывание: владение торговыми компаниями Количество собственников-мужчин было значительно больше, чем собственников- женщин по всем типам торговых компаний.

510 2469

103 272

8816

28806

1484 3063

1181

10835

731 863 0

5000

10000

15000

20000

25000

30000

35000

Woman owners Man owners Legal owners Unknown physical owners

Exporters Importers Two-way traders

Микросвязывание: владение торговыми компаниями, взвешенные на торговлю Доля собственников-мужчин, взвешенная на торговлю ( данные представлены в процентах) превышала долю собственников-женщин приблизительно в 9 раз для двусторонних торговых компаний, в 5 раз для импортеров.

14.2

64.3

4

17.5

10.8

50.8

32.2

6.2 4.1

36.2

54.5

5.2

0

10

20

30

40

50

60

70

Woman owners Man owners Legal owners Unknown physical owners

Exporters Importers Two-way traders

Анализ воздействия: COVID

Использование данных торговой и деловой статистики за 2021 год для анализа влияния COVID на гендерные аспекты в торговле.

2019 год — бенчмарк (без COVID)

2020 год – кризис COVID

2021 год – пост-пандемическое восстановление

Основные результаты анализа воздействия COVID: 1. восстановление в 2021 г.

-15.9% -14.7% -15.1%

-23.0%

-8.2% -8.2%

25.2% 21.7% 23.0%

54.2%

25.8% 25.8%

-30.0%

-20.0%

-10.0%

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

Exporters Importers Two-way traders Total

2020 imports 2020 exports 2021 imports 2021 exports

Стоимость экспорта и импорта упала в 2020 году, но резко восстановилась в 2021 году, превысив допандемический уровень.

Дальнейший анализ: COVID и гендер в торговле (продолжение)

-21.3% -23.1%

8.4%

18.1%

-4.8% -6.2%

-2.9%

5.5%

-12.8% -14.4%

2.1%

11.0%

-30.0%

-25.0%

-20.0%

-15.0%

-10.0%

-5.0%

0.0%

5.0%

10.0%

15.0%

20.0%

25.0%

men women men women

2020 2021

importer two-way trader total

Несмотря на восстановление экономики, занятость не поспевает за экономическими показателями.

COVID и основные показатели гендера в торговле

39.0% 38.8% 38.9%

38.5% 38.5% 38.5%

40.5% 40.4% 40.5%

37.0%

37.5%

38.0%

38.5%

39.0%

39.5%

40.0%

40.5%

41.0%

importer two-way trader total

Доля женщин в занятости

2019 2020 2021

 Доля женщин в занятости несколько ухудшилась в 2020 г., но улучшилась в 2021 г., гендерный разрыв в оплате труда уменьшился как в 2020, так и в 2021 г.

33.5% 34.0% 33.8%

30.8% 31.2% 31.0%

28.4%

30.2% 29.5%

24.0%

26.0%

28.0%

30.0%

32.0%

34.0%

36.0%

importer two-way trader total

Гендерный разрыв в оплате труда

2019 2020 2021

Выводы

 Значительный потенциал для изучения и продвижения гендерного равенства. Микросвязывание - предпочтительный метод анализа. Можно провести анализ влияния значительных макроэкономических политик/шоков.  Статистика гендера в торговле будет продолжать расширяться. Связывание большего количества данных позволяет получить дополнительное представление о факторах, влияющих на гендерное неравенство.