Микроданные Всероссийских переписей населения в Интернете.
Заседание секции статистики Центрального Дома ученых

28 февраля 2013 года состоялось заседание Секции статистики Центрального дома ученых РАН. На нем был заслушал доклад начальника отдела методологии и анализа итогов переписи населения Управления статистики населения и здравоохранения Федеральной службы государственной статистики Владимира Михайловича Воронина на тему "О возможностях использования пользователями сети Интернет неперсонифицированной базы микроданных Всероссийских переписей населения 2002 и 2010 годов". Эта система открывает принципиально новую страницу российской демографической статистики. Используя предоставляемые ею возможности, любой пользователь - исследователь, губернатор, студент может сделать запрос к микроданным и всего за несколько минут сформировать любую, в том числе и не предусмотренную программой переписи, таблицу по признакам, полученным в ходе переписи населения, как для России, так и для любой территории или населенного пункта.

Более подробно информация об этом революционном подходе изложена в представляемых ниже тезисах доклада В.М.Воронина, любезно присланных организаторами Секции статистики ЦДУ РАН.

О возможностях использования представленной в сети Интернет неперсонифицированной базы микроданных Всероссийских переписей населения 2002 и 2010 годов
Тезисы доклада на заседании секции статистики ЦДУ РАН 28 февраля 2013 года

В настоящее время потребность в статистической информации о населении возрастает как у учреждений науки и образования, так и среди учреждений государственного управления и бизнеса. Несмотря на значительное увеличение объема статистических данных, размещаемых Росстатом в открытом доступе, зачастую этой информации бывает недостаточно для проведения прогнозов и анализа социально-демографического положения страны и отдельных ее регионов.

Для решения этой проблемы статистическими агентствами многих стран организуется доступ к базам микроданных статистической информации. Так как наиболее полная информация о жителях страны собирается при проведении переписей населения, в большинстве случаев доступ предоставляется к информационным массивам, содержащим именно эти сведения.

В 2012 году Росстат для пользователей сети Интернет предоставил полный и неограниченный доступ к базе микроданных Всероссийской переписи населения 2002 года, содержащей информацию о частных домохозяйствах. Для этих целей используется разработанный австралийской компанией Space-TimeResearch программный комплекс SuperSTAR. Выбор именно этого ПК обусловлен тем, что он разработан специально для целей обеспечения доступа к анонимизированным микроданным больших объемов с высокой скоростью. Этот продукт используется статслужбами многих стран мира при организации веб-доступа к данным переписей и обследований населения, и ежегодно совершенствуется разработчиком по предложениям пользователей. Таким образом, SuperSTAR позволяет пользователю:

• конструировать произвольный макет таблицы, используя любые показатели, предусмотренные программой Всероссийской переписи населения 2002 года, и территориальные разрезы всех уровней, вплоть до населенного пункта;

Рисунок 1. Окно конструктора построения произвольной таблицы

Рисунок 2. Иерархия территориальных единиц

• на основе созданных макетов формировать таблицы с агрегированными данными Всероссийской переписи населения 2002 года по показателям, характеризующих население, помещения и домохозяйства;
  
• формировать запросы с пересечением в них признаков различных объектов (например, домохозяйств и жилых помещений, или лиц и домохозяйств. При построении такого запроса как "домохозяйства, в которых проживают лица в возрасте 15 лет и старше по типу занимаемых жилых помещений" происходит пересечение признаков, относящихся к помещениям, лицам и домохозяйствам, что не поддерживается большинством средств управления базами данных);
  
• представлять полученные данные в виде таблиц и графиков;
  
• экспортировать сформированные таблицы в формат MSExcel, xml или csv, а диаграммы - в формат png или pdf.

Для создания произвольных таблиц с итогами Всероссийской переписи населения 2002 года пользователь должен знать ее Программу и методологию, с которыми можно ознакомиться на официальном сайте Росстата. Кроме того, при построении таблицы пользователю доступны метаданные, описывающие выбранный показатель. В противном случае велика вероятность получения некорректной информации. Например, данные об образовании, полученные для всего населения, а не для лиц в возрасте 10 лет и более, будут иметь неправильную структуру за счет лиц в возрасте до 10 лет, уровень образования которых не указывался.

Рисунок 3. Пример метаданных для показателя "Образование"

Благодаря специальному формату хранения данных, являющемуся разработкой компании Space-TimeResearch, формирование таблиц с итогами переписи происходит оперативно в течение нескольких минут.

При предоставлении он-лайн доступа к микроданным переписи Росстат обязан обеспечить конфиденциальность персональных данных. Несмотря на то, что информация в базе данных обезличена, имеется возможность идентификации конкретного респондента по уникальным признакам, характерным для обследуемой группы лиц. Таким признаком может быть дата рождения, не характерная для жителей населенного пункта национальность, и т.д. Прежде всего, риск раскрытия персональных данных высок для жителей населенных пунктов с небольшой численностью населения.

Для защиты персональных данных Росстатом используется алгоритм искажения (пертурбации) данных, который вносит незначительные искажения в значения таблицы, что делает невозможным раскрытие конфиденциальной информации. При этом обеспечивается представительность данных и пользователю не ограничивается доступ к итогам переписи путем агрегирования значений показателей или территориальных единиц. В таблицах, в которые внесены изменения для сокрытия конфиденциальных данных, выдается предупреждение о внесенных искажениях.

Таблица 1. Пример таблицы, сформированной без применения алгоритмов защиты персональных данных (данные условные)

Таблица 2. Пример таблицы, сформированной с применением алгоритмов защиты персональных данных (данные условные)

Получить доступ к базе микроданных Всероссийской переписи населения 2002 года может любой пользователь сети Интернет по адресу www.perepis-2010.ru. При этом регистрация не требуется.

В конце текущего года Росстатом планируется аналогичным образом предоставить доступ к базе микроданных Всероссийской переписи населения 2010 года, а также к базе микроданных Всероссийских переписей 2002 и 2010 года, содержащую переписную информацию по сопоставимым показателям.