A Bayesian Age-Period-Cohort approach for modeling fertility in Puerto Rico

Dit artikel presenteert een Bayesiaanse leeftijd-periode-cohortanalyse van de vruchtbaarheid in Puerto Rico tussen 1948 en 2022, waarbij wordt vastgesteld dat cohorteffecten, en niet periode-effecten, de belangrijkste drijvende kracht zijn achter de sterke daling van het geboortecijfer, met name voor geboortecohorten vanaf 1963-1967.

De kern

Het Verdwijnen van de Kinderen: Een Bayesische Reis door de Vruchtbaarheid van Puerto Rico

Stel je voor dat de bevolking van een land een groot, levend orkest is. De vruchtbaarheid (het aantal kinderen dat vrouwen krijgen) is de muziek die dit orkest speelt. In Puerto Rico is de muziek de afgelopen decennia echter steeds stiller geworden. Het orkest speelt nu een heel zacht, bijna fluisterend liedje, terwijl het vroeger een krachtige symfonie was.

De auteurs van dit onderzoek, een team van wiskundigen en demografen van de Universiteit van Puerto Rico, wilden weten: Waarom stopt het orkest met spelen? En wie is er verantwoordelijk voor dit stil worden?

Om dit te beantwoorden, gebruikten ze een slimme wiskundige methode die we een Bayesische Age-Period-Cohort (APC) analyse noemen. Laten we dit concept vertalen naar iets dat iedereen begrijpt, met behulp van een paar creatieve metaforen.

De Drie Daders van de Stilte

In de demografie kijken onderzoekers meestal naar drie dingen om te verklaren waarom mensen minder kinderen krijgen. Je kunt dit zien als drie verschillende soorten invloeden op een feestje:

1. Leeftijd (Age): Dit is de biologische klok. Net zoals je op je 20e misschien meer energie hebt dan op je 50e, zijn vrouwen op bepaalde leeftijden biologisch gezien meer geneigd om kinderen te krijgen. Dit is de "natuurlijke" piek in het liedje.
2. Periode (Period): Dit zijn de gebeurtenissen die iedereen tegelijkertijd raken, ongeacht hun leeftijd. Denk aan een oorlog, een economische crisis, een nieuwe technologie of een pandemie. Het is alsof er plotseling een donkere wolk over het hele feestje trekt; iedereen wordt beïnvloed, of je nu jong of oud bent.
3. Cohort (Cohort): Dit is de "geboortegolf". Het zijn mensen die in hetzelfde jaar (of dezelfde jaren) zijn geboren. Zij delen een unieke levenservaring. Stel je voor dat een groep mensen samen opgroeide in een tijd van grote armoede of een specifieke culturele verandering. Ze groeien op met dezelfde waarden en gedachten, en die blijven hen volgen door hun hele leven. Dit is de "persoonlijke stijl" van een bepaalde generatie.

Het Grote Raadsel: Wie is de Schuldige?

In veel landen (zoals Zuid-Korea of Italië) denken onderzoekers dat de Periode de schuldige is. Ze zeggen: "Mensen stellen het krijgen van kinderen uit omdat de economie slecht is of omdat ze eerst willen studeren." Dit noemen we uitstelgedrag. Als de economie weer goed is, krijgen ze later alsnog kinderen.

Maar Puerto Rico is anders. De onderzoekers ontdekten iets verrassends: Het is niet de periode, maar de generatie zelf.

Hier komt de creatieve analogie:
Stel je voor dat je kijkt naar een lange rij mensen die een trap aflopen.

• Als het Periode-effect zou zijn, zou iedereen tegelijkertijd struikelen omdat de vloer nat is gemaakt.
• Maar in Puerto Rico zagen ze dat specifieke groepen mensen (degenen die geboren zijn na 1967) gewoon niet meer de trap af wilden lopen. Het is alsof elke nieuwe generatie een andere "instelling" heeft gekregen. De mensen die geboren zijn in de jaren '70 en '80, hebben een heel andere kijk op het krijgen van kinderen dan hun grootouders. Ze willen het simpelweg niet, of ze kiezen er bewust voor om geen kinderen te krijgen.

De Wiskundige "Magie" (De Bayesische Aanpak)

Hoe weten ze dit zeker? Ze gebruikten een geavanceerde wiskundige methode genaamd Bayesiaanse inferentie.

• Het oude probleem: In de wiskunde is het lastig om te zeggen wat precies de oorzaak is, omdat Leeftijd, Periode en Cohort vaak door elkaar lopen (als je ouder wordt, gaat de tijd ook voorbij, en ben je dus in een andere generatie). Dit is als proberen te weten wie er in een dichte mist de auto heeft gestolen.
• De oplossing: De onderzoekers gebruikten een slimme "Bayesische" aanpak. Stel je voor dat ze een detective zijn die niet alleen kijkt naar de bewijzen (de data), maar ook naar wat ze al weten (hun ervaring). Ze bouwen een model dat duizenden mogelijke scenario's tegelijk uitprobeert.
• De "Schalen" (Priors): Ze gebruikten speciale wiskundige "schalen" (verdelingen genaamd Scaled Beta2) om hun modellen te wegen. Dit is alsof ze een heel gevoelige balans gebruiken om te zien welke theorie het beste past bij de werkelijkheid, zonder dat de balans door extreme waarden wordt verstoord.

Wat Vonden Ze?

1. De Generatie is de Sleutel: De daling in het aantal kinderen wordt vooral veroorzaakt door de Cohort-effecten. De vrouwen die geboren zijn na 1967, hebben een fundamenteel andere levensstijl en keuzevrijheid. Ze krijgen minder kinderen, en dit gedrag blijft bij hen.
2. Geen Uitstel: In tegenstelling tot andere landen, zien ze in Puerto Rico geen uitstelgedrag. Vrouwen stellen het niet uit om later alsnog kinderen te krijgen. Ze kiezen er gewoon voor om geen kinderen te krijgen. De muziek stopt niet even; hij eindigt gewoon.
3. De Periode was vroeger belangrijk: In het verleden (tot ongeveer 1997) speelden tijdsgebonden gebeurtenissen (zoals economische veranderingen) nog een grote rol. Maar na 1998 nam de invloed van de generatie zelf het over.

Waarom is dit belangrijk?

Als je denkt dat het probleem ligt in de "periode" (bijvoorbeeld: "Mensen hebben geen geld, dus ze krijgen geen kinderen"), dan zou je oplossing zijn: "Geef mensen meer geld."

Maar als het probleem ligt bij de "cohort" (de cultuur en waarden van een generatie), dan helpt geld alleen maar een beetje. De oplossing moet gaan over cultuur, waarden en maatschappelijke veranderingen. De onderzoekers zeggen: "We moeten kijken naar wat deze nieuwe generatie echt belangrijk vindt, niet alleen naar de economie."

Conclusie

Puerto Rico staat voor een unieke situatie: het heeft een van de laagste geboortecijfers ter wereld, een vergrijzende bevolking en weinig nieuwe mensen die er naartoe verhuizen.

De boodschap van dit papier is simpel maar krachtig: Kijk niet alleen naar wat er nu gebeurt (de periode), maar kijk naar wie er groeit (de generaties). De daling van het geboortecijfer is geen tijdelijke storm die voorbijtrekt; het is een blijvende verandering in de DNA van de Puerto Ricaanse samenleving. De nieuwe generatie heeft een ander liedje gekozen, en dat liedje is stil.

Technische samenvatting

Probleemstelling

Puerto Rico bevindt zich in een unieke demografische situatie met een van de laagste totale vruchtbaarheidscijfers (TFR) ter wereld (0,9 in 2023), een negatieve netto-migratie en een vergrijzende bevolking ("super-aged"). Hoewel eerdere studies in andere landen (zoals de VS, Zuid-Korea en Italië) vaak aangeven dat periode-effecten (bijv. economische crises, beleidswijzigingen) de drijvende kracht zijn achter vruchtbaarheidsdalingen, suggereert de situatie in Puerto Rico een ander patroon.

De kernvraag is of de daling van de vruchtbaarheid in Puerto Rico voornamelijk wordt veroorzaakt door periode-effecten of door cohort-effecten (deelgemeenschappen van mensen geboren in een specifieke periode met gedeelde culturele ervaringen). Een belangrijk onderscheidend kenmerk is dat Puerto Rico, in tegenstelling tot andere landen met "lowest-low fertility", geen tekenen vertoont van uitstel van geboorten (postponement), wat impliceert dat herstel van de vruchtbaarheid later in het leven onwaarschijnlijk is. Er is behoefte aan een robuust model dat deze specifieke dynamiek kan analyseren en de identificeerbaarheidsproblemen van Age-Period-Cohort (APC) modellen oplost.

Methodologie

De auteurs hanteren een Bayesiaanse APC-aanpak met de volgende technische specificaties:

1. Data: Gegevens uit het Demografisch Register van Puerto Rico en de US Census Bureau, bestaande uit geboortecijfers ($Y$) en vrouwelijke populatie in persoonjaren ($P$) voor 7 leeftijdsgroepen (15-49 jaar) over 15 periodes van 5 jaar (1948–2022). Dit resulteert in 21 cohorten.
2. Modelstructuur:
   • Likelihood: Poisson-verdeling voor het aantal geboorten $y_{a,t}$.
   • Lineair voorspeller: $\log(\lambda_{a,t}) = \lambda_0 + \theta_a + \phi_t + \alpha_c - \log(p_{a,t})$, waarbij $\theta$ leeftijdseffecten, $\phi$ periode-effecten en $\alpha$ cohort-effecten zijn.
   • Priors: De parameters voor leeftijd, periode en cohort volgen RW(2) autoregressieve priors (Random Walk van tweede orde), wat lineaire trends in de tijd toelaat.
   • Precisie-priors: In plaats van de gebruikelijke Inverse Gamma-priors, gebruiken de auteurs Scaled Beta2 (SB2) priors voor de precisieparameters ($\tau$). Dit biedt meer flexibiliteit en robuustheid tegen extreme waarden.
3. Identificeerbaarheidsprobleem: Vanwege de lineaire afhankelijkheid ($cohort = periode - leeftijd$) is het model niet uniek oplosbaar. De auteurs lossen dit op door specifieke beperkingen (constraints) op te leggen:
   • Ze construeren de eerste periode-effecten en specifieke cohort-effecten (cohort 10 en 11, die volledige vruchtbaarheidsgeschiedenissen hebben) niet op exact nul, maar met een zeer smalle normale verdeling (bijv. $\alpha_{10} \sim N(0, 0.0025)$). Dit introduceert onzekerheid in de beperkingen en voorkomt onredelijk smalle credible intervals.
4. Implementatie: Het model is geïmplementeerd in Stan via de R-interface RStan met MCMC (Markov Chain Monte Carlo) methoden.
5. Modelvergelijking: Verschillende modellen (APC, AP, AC, A) en prior-keuzes worden vergeleken met:
   • LOOIC (Leave-One-Out Information Criterion) en WAIC (Widely Applicable Information Criterion) voor voorspellende nauwkeurigheid.
   • Residu Som van Kwadraten (RSS) om de verklaarde variantie te meten.
   • Validatie door het voorspellen van de TFR voor de periode 2018-2022 op basis van data tot 2017.

Belangrijkste Resultaten

• Dominantie van Cohort-effecten: De analyse toont aan dat cohort-effecten de belangrijkste drijvende kracht zijn achter de vruchtbaarheidsdaling in Puerto Rico (verklaren 45,96% van de variantie in het APC-model), terwijl periode-effecten minder significant zijn (19,34%).
• Tijdlijn:
  • 1948–1997: Periode-effecten waren dominant.
  • Na 1998: Cohort-effecten krijgen meer gewicht. Vrouwen geboren na 1963-1967 vertonen opvallend lage vruchtbaarheidscijfers.
• Geen Uitstel (No Postponement): In tegenstelling tot landen zoals Italië of Zuid-Korea, waar vrouwen geboorten uitstellen naar latere leeftijden (wat vaak leidt tot herstel), zien de auteurs in Puerto Rico geen dergelijk patroon. De vruchtbaarheid daalt permanent binnen de cohorten.
• Modelprestaties:
  • Modellen met Scaled Beta2 priors presteren beter dan die met Gamma-priors (die te brede betrouwbaarheidsintervallen opleveren).
  • De door de auteurs voorgestelde "Original Constraints" (op specifieke cohorten) presteren beter in termen van LOOIC dan de traditionele "Sum-to-zero" constraints.
  • De voorspelde TFR voor 2018-2022 met de SB2-priors (mediaan ~1,07) komt veel dichter bij de werkelijke waarde (0,9) dan modellen met Gamma-priors.

Belangrijkste Bijdragen

1. Demografisch Inzicht: Het paper weerlegt de algemene aanname dat periode-effecten altijd dominant zijn bij vruchtbaarheidsdaling. Het benadrukt dat in Puerto Rico culturele en cohort-specifieke factoren (sociale waarden, gezinsplanning) de daling verklaren, wat impliceert dat beleidsmaatregelen gericht op periode-effecten (zoals economische stimulansen) mogelijk minder effectief zijn dan maatregelen die inwerken op cohort-waarden.
2. Methodologische Innovatie:
   • Introductie van Scaled Beta2 priors als superieur alternatief voor Gamma/Inverse Gamma priors in Bayesiaanse APC-modellen.
   • Een nieuwe aanpak voor het identificeerbaarheidsprobleem door beperkingen op te leggen aan volledige cohorten met onzekerheid, in plaats van vaste waarden of som-nul constraints.
   • Het gebruik van meerdere modelvergelijkingscriteria (LOOIC, WAIC, RSS, voorspellende validatie) voor een robuuste selectie.
3. Software en Reproductie: De auteurs maken hun code en data beschikbaar en plannen de ontwikkeling van een R-pakket om deze framework toegankelijk te maken voor andere onderzoekers.

Betekenis en Conclusie

De studie concludeert dat Puerto Rico een uniek demografisch geval is waarbij de vruchtbaarheidsdaling voornamelijk wordt gedreven door de samenstelling van de geboortecohorten en niet door tijdsgebonden gebeurtenissen. Omdat er geen uitstel van geboorten plaatsvindt, is herstel van de vruchtbaarheid onwaarschijnlijk.

Voor beleidsmakers betekent dit dat interventies om de vruchtbaarheid te stimuleren of de demografische crisis te mitigeren, zich moeten richten op de sociale en culturele waarden van specifieke generaties (cohorten) in plaats van alleen op algemene periode-maatregelen. Methodologisch biedt het paper een verbeterde, Bayesiaanse framework die beter geschikt is voor het analyseren van complexe demografische trends in regio's met extreme vruchtbaarheidsdalingen.