Globale demografische Datenanalyse

Projektüberblick

Dieses Projekt führt eine deskriptive statistische Analyse globaler demografischer Daten durch. Ziel ist es, die Lebenserwartung bei Geburt und die Sterblichkeit unter fünf Jahren zwischen Ländern, Geschlechtern, Regionen und Subregionen zu vergleichen und zu untersuchen, wie sich diese Indikatoren zwischen 2002 und 2022 verändert haben.

Das Projekt wurde im Kurs Introductory Case Studies an der TU Dortmund durchgeführt. Der Fokus liegt auf explorativen und deskriptiven Methoden statt auf prädiktiver Modellierung. Dadurch eignet sich das Projekt gut als Grundlage für statistische Datenanalyse und Visualisierung.

Datensatz

Der Datensatz ist ein Auszug aus der International Data Base des U.S. Census Bureau. Er enthält demografische Indikatoren für 227 Länder in den Jahren 2002 und 2022. Die Länder sind in fünf Regionen und 21 Subregionen gruppiert.

Die zwei wichtigsten demografischen Indikatoren sind die Lebenserwartung bei Geburt und die Sterblichkeit unter fünf Jahren. Beide Indikatoren liegen sowohl für beide Geschlechter zusammen als auch getrennt für Männer und Frauen vor.

Analyseaufgaben

Das Projekt wurde um fünf zentrale deskriptive Analyseaufgaben herum aufgebaut. Für die ersten vier Aufgaben wurde das Jahr 2022 analysiert. Die letzte Aufgabe vergleicht 2002 und 2022, um Veränderungen über einen Zeitraum von 20 Jahren zu untersuchen.

1. Beschreibung der Häufigkeitsverteilungen von Lebenserwartung und Sterblichkeit unter fünf Jahren.
2. Vergleich von Unterschieden zwischen Geschlechtern und Regionen.
3. Analyse der Homogenität innerhalb von Subregionen und der Heterogenität zwischen Subregionen.
4. Untersuchung bivariater Korrelationen zwischen demografischen Indikatoren.
5. Vergleich der Veränderungen von Lebenserwartung und Sterblichkeit unter fünf Jahren von 2002 bis 2022.

Statistische Methoden

Das Projekt nutzte klassische deskriptive Statistiken und grafische Methoden. Diese Methoden wurden gewählt, weil das Ziel des Kurses darin bestand, explorative und deskriptive Analysen mit interpretierbaren statistischen Kennzahlen zu üben.

Analyse der Häufigkeitsverteilung

Die Verteilung im Jahr 2022 zeigte deutliche globale Unterschiede in der Lebenserwartung. Die durchschnittliche Lebenserwartung für beide Geschlechter lag bei etwa 74,8 Jahren. Monaco hatte die höchste Lebenserwartung, während Afghanistan den niedrigsten Wert im Datensatz aufwies.

Geschlechtsspezifische Unterschiede

Die Lebenserwartung von Frauen war im Allgemeinen höher als die von Männern. Monaco hatte die höchste weibliche Lebenserwartung, während Afghanistan die niedrigsten Werte für Männer und Frauen zeigte. Das Projekt nutzte Balkendiagramme, um männliche und weibliche Lebenserwartung über Regionen hinweg zu vergleichen.

Regionaler Vergleich

Der regionale Vergleich zeigte deutliche Unterschiede zwischen Kontinenten. Europa hatte die höchste durchschnittliche Lebenserwartung, während Afrika die niedrigste aufwies. Amerika lag im Allgemeinen an zweiter Stelle nach Europa, während Asien und Ozeanien ähnliche Durchschnittswerte zeigten.

Analyse der Sterblichkeit unter fünf Jahren

Die Sterblichkeit unter fünf Jahren war regional deutlich ungleicher verteilt als die Lebenserwartung. Afrika zeigte die höchste Sterblichkeitsrate, gefolgt von Asien. Europa und Amerika hatten die niedrigsten Sterblichkeitsraten. Die Analyse zeigte außerdem, dass die männliche Sterblichkeit unter fünf Jahren im Durchschnitt höher war als die weibliche.

Homogenität und Heterogenität von Subregionen

Ein Teil des Projekts konzentrierte sich auf Afrika und verglich dessen Subregionen. Boxplots wurden genutzt, um zu beurteilen, ob Werte innerhalb von Subregionen homogen und zwischen verschiedenen Subregionen heterogen sind.

Die Analyse zeigte sichtbare Heterogenität zwischen afrikanischen Subregionen. Nordafrika wies eine relativ hohe Variation in der Lebenserwartung auf, während Südafrika weniger heterogen erschien. Bei der Sterblichkeit unter fünf Jahren war die Variation ebenfalls groß, mit mehreren Ausreißern und unterschiedlichen Medianwerten zwischen afrikanischen Subregionen.

• Boxgröße und Medianposition wurden zur Bewertung der Homogenität genutzt.
• Subregionen mit ähnlichen Boxgrößen und Medianlinien wurden als homogener interpretiert.
• Große Streuungen und Ausreißer deuteten auf Heterogenität hin.
• Afrika zeigte deutliche subregionale Unterschiede sowohl bei der Lebenserwartung als auch bei der Sterblichkeit unter fünf Jahren.

Bivariate Korrelationsanalyse

Das Projekt nutzte Korrelationsanalyse, um lineare Beziehungen zwischen Variablen der Lebenserwartung und Variablen der Sterblichkeit unter fünf Jahren zu untersuchen. Für die Daten aus 2022 wurden eine Korrelationsmatrix und eine Heatmap erstellt.

Wie erwartet waren die Variablen für männliche, weibliche und gemeinsame Lebenserwartung stark positiv miteinander korreliert. Auch die Variablen zur Sterblichkeit unter fünf Jahren waren stark positiv miteinander korreliert. Lebenserwartung und Sterblichkeit unter fünf Jahren zeigten einen negativen Zusammenhang: Länder mit höherer Lebenserwartung hatten tendenziell niedrigere Sterblichkeit unter fünf Jahren.

Veränderung von 2002 bis 2022

Der letzte Teil verglich demografische Indikatoren aus den Jahren 2002 und 2022. Das Projekt fand über den 20-jährigen Zeitraum eine allgemeine Verbesserung globaler demografischer Ergebnisse: Die Lebenserwartung stieg in vielen Ländern, während die Sterblichkeit unter fünf Jahren sank.

• Die meisten Länder und Subregionen zeigten einen Aufwärtstrend in der Lebenserwartung.
• Die Sterblichkeit unter fünf Jahren ging von 2002 bis 2022 im Allgemeinen zurück.
• Regionale Ungleichheit blieb sichtbar, besonders zwischen Afrika und Europa.
• Die Ergebnisse unterstützen das breitere Muster globaler Gesundheitsverbesserung bei weiterhin bestehenden regionalen Unterschieden.

Python-Implementierung

Die Analyse wurde in Python mit pandas für die Datenverarbeitung und matplotlib/seaborn für Visualisierungen umgesetzt. Das Notebook bzw. der Code umfasste Datenimport, Filterung nach Jahr, Gruppierung nach Region und Subregion, deskriptive Statistiken, Boxplots, Histogramme und Korrelations-Heatmaps.

Umgesetzte Schritte

• CSV-Datensatz mit pandas geladen.
• Datensatz für 2022 gefiltert und mit 2002 verglichen.
• Mittelwerte, Mediane, Standardabweichungen, Quantile und deskriptive Zusammenfassungen berechnet.
• Histogramme für Verteilungen der Lebenserwartung erstellt.
• Balkendiagramme für regionale Vergleiche erstellt.
• Boxplots für Sterblichkeit und subregionale Heterogenität erstellt.
• Korrelationsmatrizen berechnet und visualisiert.

Limitationen

Dieses Projekt ist eine einführende deskriptive Analyse. Es verwendet keine inferenziellen Modelle oder kausalen Methoden, daher sollten die Ergebnisse als deskriptive Muster und nicht als kausale Erklärungen interpretiert werden. Einige Teile des ursprünglichen Codes enthielten explorative Trial-and-Error-Zellen und kleinere Fehler bei Variablennamen, aber die finale Analyse zeigt dennoch den Kernworkflow einer deskriptiven Datenanalyse.

• Die Analyse ist deskriptiv und nicht kausal.
• Es wurden nur zwei Jahre, 2002 und 2022, verglichen.
• Demografische Indikatoren auf Länderebene können Ungleichheiten innerhalb von Ländern verdecken.
• Einige Ergebnisse hängen von den Definitionen regionaler Gruppierungen ab.
• Das Projekt eignet sich als Grundlagenprojekt für explorative Datenanalyse.

Ergebnis

Dieses Projekt hat meine Grundlagen in explorativer Datenanalyse, deskriptiver Statistik, Datenvisualisierung, regionalem Vergleich, Korrelationsanalyse und Python-basierten Datenworkflows gestärkt. Außerdem hat es statistische Methoden mit realen demografischen und Public-Health-Indikatoren verbunden.

Es ist ein geeignetes Portfolio-Projekt, um solide Grundlagen in pandas, matplotlib, statistischen Zusammenfassungen und visueller Interpretation globaler demografischer Daten zu zeigen.