Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Факторный анализ преступности. Корреляционный и регрессионный методы. Монография
.pdf
Научно-исследовательский институт
Ак
адемии Генеральной прокуратуры
Российской Федерации
Факторный анализ
преступности
Корреляционный и регрессионный методы
Под редакцией
заслуженного юриста РФ, доктора юридических наук,
профессора С.М. Иншакова
Рекомендовано к изданию Учебно-методическим центром
«Профессиональный учебник» в качестве монографии.
Научные специальности «Уголовное право, криминология,
уголовно-исполнительное право», «Уголовный процесс,
криминалистика; оперативно-разыскная деятельность»
Рекомендовано к изданию Научно-исследовательским институтом
образования и науки в качестве монографии.
Научные специальности «Уголовное право, криминология,
уголовно-исполнительное право», «Уголовный процесс,
криминалистика; оперативно-разыскная деятельность»
Закон и право Москва
2023
ÓÄÊ [519.23:343.9.01](035.3)
ÁÁÊ 67.511â631
Ô18
Авторский коллектив:
С.М. Иншаков (руководитель авторского коллектива),
Л.Н Богданова, А.Д. Виноградова, П.Э. Жигоцкий,
Е.В. Красникова, А.Ж. Саркисян, И.С. Симонова
заслуженный деятель науки Российской Федерации,
доктор юридических наук, профессор Г.А. Аванесов
доктор физико-математических наук, профессор Г.О. Крылов
Главный редактор издательства Н.Д. Эриашвили,
кандидат юридических наук, доктор экономических наук,
лауреат премии Правительства РФ в области науки и техники
Рецензенты:
Факторный анализ преступности: корреляционный и
Ô18 регрессионный методы: монография / [С.М. Иншаков и
др.]; под ред. С.М. Иншакова. — М.: ЮНИТИ-ДАНА:
Закон и право,
2023.
— 127 с. — (Серия «Научные издания
для юристов»).
I. Иншаков, Сергей Михайлович.
ISBN 978-5-238-02282-6
Агентство CIP РГБ
Изложены математические методы факторного анализа. Представлены
основные факторы, определяющие состояние преступности, а также их
анализ методами корреляции и регрессии. Рассмотрен вопрос криминологического прогнозирования преступности на основе математических методов. Дана сравнительная характеристика зарегистрированных и
фактических преступлений.
Для работников правоохранительных органов, научных сотрудников, а
также широкого круга лиц, интересующихся вопросом факторного анализа
преступности методами математических вычислений.
ÁÁÊ 67.511â631
ISBN 978-5-238-02282-6
© ИЗДАТЕЛЬСТВО ЮНИТИ-ДАНА, 2012
Принадлежит исключительное право на использование и распространение изда-
ния (ФЗ ¹ 94-ФЗ от 21 июля 2005 г.). Воспроизведение всей книги или любой
ее части любыми средствами или в какой-либо форме, в том числе в интернетсети, запрещается без письменного разрешения издательства.
© Оформление «ЮНИТИ-ДАНА», 2012
Ɉɝɥɚɜɥɟɧɢɟ
Введение 4
Глава 1 Математические методы факторного анализа 5
Глава 2
Глава 3
Глава 4
Глава 5
Библиографический список 114
Факторы определяющие состояние преступности 35
Факторный анализ преступности методом
корреляции и регрессии
Криминологическое прогнозирование преступности на основе математических методов 81
Сравнительная характеристика зарегистрированных и фактических преступлений 97
54
3
ȼɜɟɞɟɧɢɟ
В процессе применения математических методов в криминологии происходит движение исследовательской мысли от юридических категорий и понятий к математическим методам и понятиям и
затем обратно. Важнейший этап — интерпретация фактов и научных результатов, полученных на основе применения математических методов. На этом этапе происходит синтез качественной и количественной сторон всего исследования, но уже на новом, значительно обогащенном уровне. Здесь же формируются теоретические
обобщения, которые либо подтверждают, либо опровергают ранее
выдвинутые гипотезы, происходит процесс «сочленения» количественных и качественных данных и методов исследования на основе
современных теоретических преставлений юридической науки. Ýòè
теоретические представления являются главными, ведущими.
Статистические закономерности преступности проявляются и в
объектах исследования криминологии. Одним из важных направлений социально-правовых исследований является изучение криминального феномена преступности через призму факторного анализа.
Криминология исследует преступность для того, чтобы понять в ее
формировании и генезисе роль криминогенных и антикриминогенных факторов, чтобы в конечном итоге увеличить потенциальные и
реальные возможности эффективности противодействия данному
социальному злу.
Необходимо заметить, если на преступность влияют достаточно
стабильные социальные и иные факторы, то трендовые зависимости могут длительное время сохранять статистические закономерности развития преступности в том или ином направление (т.е. либо
снижение, либо повышение, либо оставаясь без каких-нибудь изменений), проявляющиеся в устойчивости своих определенных параметров. Если же факторы изменчивы и могут оказывать активное
воздействие на преступность, то статистические закономерности не
устанавливаются на длительный срок, они становятся более изменчивыми, более подвижными и требуют более тщательного изучения.
На основе проведенного нами социологического исследования из
всей совокупности факторов (социально-экономических, демографических, организационно-правовых, психологических и др., безусловно влияющих на изучаемое общественно опасное явление)
были выделены существенные, которые достаточно точно характеризуют криминогенную обстановку в стране.
4
Ƚɥɚɜɚ 1
Ɇɚɬɟɦɚɬɢɱɟɫɤɢɟ ɦɟɬɨɞɵ
ɮɚɤɬɨɪɧɨɝɨ ɚɧɚɥɢɡɚ
Одна из характерных особенностей науки XXI в. — почти тотальная математизация. Главная причина этого — стремление повысить точность знания в связи с повышением социальной значимости научных решений. Важную роль играет также расширение
взаимодействия различных отраслей науки, для которых математика
является универсальным языком общения.
Интересный методологический подход к моделированию преступного поведения намечен был еще С.Е. Вициным в 1973 г.
В частности, автор предлагает использовать матричные модели, в
наглядной форме иллюстрирующие взаимосвязь криминологических и демографических данных. После получения объективных
оценок общественной опасности различных видов преступлений
обобщенный показатель может быть смоделирован на основе простого уравнения: сумма произведений чисел, обозначающих количество преступлений различных видов, на коэффициент, обозначающий меру их общественной опасности.
Сегодня же для нас представляет особый интерес метод, который некогда сам С.Е. Вицин и разрабатывал (он назвал его методом
статистических моделей).
Суть метода статистических моделей автор изложил так: «Адекватная оценка преступности возможна на основе построения матричных (табличных) статистических моделей преступности с использованием таких обобщающих показателей, как коэффициенты
преступной активности различных групп населения, представляющие соотношение определенной группы среди контингента преступников (например, мужчины-горожане в возрасте 20 — 24 лет) и
аналогичной доли среди всего взрослого населения. Речь, таким образом, идет о наложении структуры контингента преступников на
структуру взрослого населения соответствующего региона»
1
Вицин С.Е. Оценка латентной преступности на основе статистических моделей //
Латентная преступность: познание, политика, стратегия. М., 1993. С. 239.
1
. Более
5
детально сущность этого метода изложена в книге С.Е. Вицина
«Моделирование в криминологии»
1
.
Для построения матричных моделей преступности первоначально необходимо рассчитать коэффициенты распространенности различных групп преступлений среди различных групп населения, выделяемых в официальной статистической отчетности правоохранительных органов, получивших название «коэффициенты криминальной активности». Коэффициент криминальной активности показывает, насколько доля определенной группы лиц, совершивших
преступления, больше или меньше доли такой же группы среди
всего условно взрослого населения, и таким образом характеризует
уровень преступной активности этой группы. С.Е. Вицин предположил, что полученная структура выявленных лиц сохраняет свою
актуальность как при изучении зарегистрированной преступности, так
и при изучении ее фактического состояния.
Матричная модель преступности, построенная на основе указанных коэффициентов применительно к различным группам населения, представлена в табл. 1.1.
Таблица 1.1
Показа-
òåëü
Группа
преступлений 1
Группа
преступлений 2
…
преступлений n
Группа
Группа
населе-
íèÿ 1
Группа
населе-
íèÿ 1
… … … … …
Группа
населе-
íèÿ m
Примечание:
Ê
i
.
.
— коэффициент криминальной активности i-й группы населения старше
14 лет по всем видам преступлений;
.
11
21
D5
m
D5
D5
11
D5
11
D5
21
22
D5
11m
mm
D5
.
12
D5
22
m
D5
D5
D5
D5
.
.
12
11
22
22
22m
mm
…
…
.
…
.
D5
.
1
n
D5
2
n
mn
D5
1
N
D5
11
2
N
D5
22
D5
mn
mm
1
Вицин С.Е. Моделирование в криминологии. М: Высшая школа МВД СССР,
1973.
6
x
x
x
x
x
Кij — коэффициент криминальной активности i-й группы населения старше
14 лет по определенному (j-му) виду преступлений;
à
— абсолютное число выявленных лиц, принадлежащих к i-й группе на-
i
селения старше 14 лет;
— абсолютное число выявленных лиц, совершивших преступления j-ãî
à
ij
вида и принадлежащих к i-й группе населения старше 14 лет;
À — общее число выявленных лиц;
Ð — общая численность населения старше 14 лет;
Ð
— численность населения в i-й группе.
i
Матричная модель преступности, построенная по коэффициен-
там криминальной активности различных групп населения. Представленная матричная модель может быть использована в качестве
условий выполнения целевой функции в задаче линейного программирования. Как известно, общей задачей линейного программирования называется задача, которая состоит в определении максимального (минимального) значения функции:
n
Fcx
при условиях
¦
j
n
n
D
¦
j
1
D
ij j i
1
¦
j
d
ij j i
bi k m
d
jj
1
,
1,
bi k
1,
,
01,,
jIInt d,
j
ãäå
D
,iij
Совокупность чисел
раничениям задачи, называется допустимым решением задачи.
Предлагаемый метод матричного моделирования основан на
решении задачи линейного программирования, где совокупность
чисел
представляет собой численность выявленных лиц, совершивших
преступления, относящихся к определенным главам УК РФ. Целевая
функция представлена показателями раскрываемости преступлений,
а в качестве ограничений принимаются доли лиц, принадлежащих
— заданные постоянные величины.
bc
,...,
&
,...,
&
xx
, удовлетворяющих матрице ограничений,
1, 2
n
xx
, удовлетворяющих ог-
1, 2
7
n
к отдельным группам населения, в структуре общей численности
граждан РФ в возрасте от 14 лет. Оптимальное моделирование матрицы коэффициентов криминальной активности населения за один
год в условиях минимума и максимума целевой функции позволяет
спрогнозировать фактическое число граждан, совершивших преступления, в будущем году в пределах заданного доверительного интервала. Если же построить матрицы криминальной активности
граждан за долгосрочный период (минимум пять лет), можно спрогнозировать фактическую численность виновных лиц на несколько
лет вперед.
Расчет уровня латентной преступности в России, проведенный
на основе разработанного С.Е. Вициным метода статистических
моделей, показал, что уровень латентной преступности в нашей
стране составляет 21,5±2,5 млн преступлений в год. На основании
экспертных оценок нами получена сходная цифра — 23 млн преступлений в год. Это сопоставление показывает, что обе методики
можно считать корректными.
Кроме того, необходимо отметить и других ученых, которые в
своих работах предлагали использовать математические методы в
исследовании воздействия причин и условий на преступность.
Так, например, О.А. Гавриловым совместно с В.А. Колемаевым
были построены математические модели динамики преступности на
1
статистических материалах Польши
.
В работе Ю.Н. Гаврильца предложена математическая модель
преступного рецидивного поведения. Эта модель основана на применении довольно сложного математического аппарата — системы
дифференциальных уравнений. В модели рецидивного преступного
поведения Ю.Н. Гаврильца предложены методология и математический аппарат прогнозирования данного антиобщественного явления. Вместе с тем указаны и способы получения необходимых статистических данных, характеризующих основные параметры мате-
2
матической модели
.
Ю.М. Антонян и Ю.Д. Блувштейн применили методы теории
распознавания образов для прогнозирования поведения преступников на основе данных о самом поведении. Применение методов
распознавания дало значительную долю совпадения прогноза и
фактического поведения
3
.
1
Гаврилов О.А. Математические методы и модели в социально-правовом иссле-
довании. М.: Наука, 1980. С. 167—172.
2
Гаврилец Ю.Н. Методы анализа систем в социально-экономических исследова-
ниях: Автореф. дис. ... д-ра экон. наук. М., 1972. С. 53.
3
Антонян Ю.М., Блувштейн Ю.Д. Методы моделирования в изучении преступ-
ника и преступного поведения.М.: Академия МВД СССР, 1974.
8
Ю.Д. Блувштейн применил метод распознавания образов для
прогнозирования индивидуального противоправного поведения.
Эмпирическим материалом послужили данные о выборочной совокупности правонарушителей, совершивших повторные нарушения.
Прогнозируемым параметром явилось время, прошедшее от одного
правонарушения до другого. Среднее расхождение выданных моделью прогнозов с фактическими значениями параметра составило
1
± 3 ãîäà
.
В работе Ю.Д. Блувштейна показаны применение метода экст-
раполяции и метода корреляции по прогнозированию преступности, математические методы в оценке эффективности деятельности
органов внутренних дел по борьбе с преступностью, а также оценки
состояния латентной преступности.
Д.О. Хан-Магомедов применил факторный анализ при изучении
причин правонарушений. Вначале было использовано несколько
десятков социально-демографических и экономических признаков
(уровень городского населения, удельный вес городов с различным населением, прирост населения в городах и селах, средний
доход на душу населения в городах и селах и др.), получено четыре фактора
2
.
Г.А. Аванесов, В.М. Рутгайзер, Н.Н. Брушлинский изучили
влияние некоторых факторов на преступность с применением методов математической статистики: влияние сроков отбытого наказания на рецидивную преступность, эффективность наказания в виде
лишения свободы в отношении рецидивистов, эффективность отбытых сроков наказания в зависимости от состава преступления
3
.
Итоги их исследований доказали нам, что факторные показатели
позволяют судить о размерах преступных проявлений, численности
осужденных, количестве рассмотренных гражданских исков, возмещении причиненного ущерба и других событиях. Следует заметить,
что эти показатели ограничены в аналитических возможностях. По
абсолютным показателям трудно судить об уровне преступности в
разных городах или регионах и практически нельзя ответить на
1
Блувштейн Ю.Д. Методологические проблемы изучения преступности и лично-
сти преступника (логико-математический аспект): Автореф. дис. ... д-ра юрид.
íàóê. Ì., 1975. Ñ. 26.
2
Хан-Магомедов Д.О. Математические методы изучения преступности и практики
применения наказания при разработке проблем уголовной политики // Основные
направления борьбы с преступностью. М.: Юрид. лит., 1975. С. 151—152.
3
Аванесов Г.А., Рутгайзер В.М., Брушлинский Н.Н. Количественный анализ в исследованиях по исправительно-трудовому праву. М.: Высшая школа МВД
СССР, 1969. С. 43—76.
9
вопрос, где преступность выше, а где ниже, так как города или регионы могут существенно различаться по численности населения,
территории и другим важным параметрам.
Относительные величины в статистике представляют собой
важные обобщающие показатели, которые раскрывают числовую
меру соотношения двух сопоставляемых статистических величин.
В криминологии широко применяются следующие относительные величины:
x отношения, характеризующие структуру совокупности, или
отношения распределения;
x отношения части к целому, или отношения интенсивности;
x отношения, характеризующие динамику;
x отношения, характеризующие выполнение плана;
x отношения степени и сравнения.
В криминологических исследованиях самое широкое применение находит средняя арифметическая. Она используется при оценке
нагрузки оперативных работников, следователей, прокуроров, судей, адвокатов, других сотрудников юридических учреждений; расчета абсолютного прироста (снижения) преступности, уголовных и
гражданских дел и других единиц измерения; обосновании выборочного наблюдения и т.д.
Средняя геометрическая величина используется при вычислении среднегодовых темпов прироста (снижения) юридически значимых значений.
Использование абсолютных и относительных показателей позволяет осуществлять типологические, вариационные и аналитические группировки. В криминологических исследованиях преступности, в частности при изучении факторного анализа, используются
следующие коэффициенты, связанные непосредственно с математическими расчетами:
x коэффициент поражаемости преступностью;
x коэффициент интенсивности;
x темп снижения преступности;
x темп роста преступности;
x относительные величины степени и сравнения.
В целях изучения значимости криминологической информации
в прогнозировании преступности нами был произведен предварительный анализ развития и взаимосвязи некоторых видов преступлений с 2006 по 2011 г. Выводы об этом будут изложены чуть
позже.
К индивидуальным методам прогнозирования относятся те же
методы: экстраполяция, экспертные оценки и моделирования. Сов-
10
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]