Самодетерминация преступности – процесс порождения преступностью новых общественно опасных деяний, запрещенных уголовным законодательством [1]. При этом процесс самодетерминации может быть выражен в следующих формах, условно разделенных на две группы: оказывающих прямое самодетерминирующее воздействие и оказывающих косвенное самодетерминирующее воздействие. К первой группе следует отнести совершение вспомогательных преступлений, организованную группу, рецидивную преступность, коррупцию, профессиональную преступность, пенитенциарную преступность. Ко второй группе следует отнести латентную преступность, нераскрытую преступность, теневую юстицию, особую психологию общества, криминальную антикультуру [2].
Несомненно, самодетерминация преступности является примером криминализации общества на современном этапе его развития.
Изучение показателей криминализации общества и их оценка позволяют выработать эффективные способы профилактики преступности для ее дальнейшей минимизации.
Криминализация общественных отношений характеризуется рядом показателей, в частности количественными, качественными показателями преступности, а также показателями статистической взаимосвязи. К количественным показателям следует отнести: состояние преступности, уровень преступности, динамику преступности, последствия преступности. Качественные показатели преступности выражаются в ее структуре и характере. Показатели статистической взаимосвязи представлены показателями детерминации, самодетерминации, коэффициентом уравнения множественной регрессии, критерием корреляции Пирсона, коэффициентом множественной корреляции, F-критерием Фишера.
Для изучения самодетерминации преступности был проведен факторный анализ преступности и ее самодетерминирующих явлений. При этом рассматривалось влияние различных социально-экономических показателей на уровень зарегистрированной преступности в стране.
Зарегистрированное преступление – выявленное и официально взятое на учет общественно опасное деяние, предусмотренное уголовным законодательством. В численность осужденных входят лица, в отношении которых судами вынесены обвинительные приговоры, вступившие в законную силу. К числу зарегистрированных преступлений относят: преступления против личности, преступления в сфере экономики, преступления против общественной безопасности и общественного порядка, преступления против государственной власти, преступления против военной службы, преступления против мира и безопасности человечества.
Более наглядно динамику преступности можно отобразить в виде диаграммы.
Динамика преступности в Российской Федерации за 2008–2017 гг. [3]
При расчете факторного анализа за основу были взяты показатели, представленные в табл. 1.
Таблица 1
Социально-экономические показатели в России за 2008–2017 гг. [4]
Год |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
X7 |
У |
2008 |
36601 |
150000 |
521552 |
386551 |
–31 |
1496417 |
286871 |
3209862 |
2009 |
31643 |
174000 |
531798 |
362467 |
–29 |
1343869 |
287728 |
2994820 |
2010 |
22251 |
36773 |
530742 |
329040 |
–26 |
1197822 |
277619 |
2628799 |
2011 |
17691 |
40407 |
533487 |
299676 |
–24 |
1092961 |
263116 |
2404807 |
2012 |
18016 |
49513 |
583247 |
242530 |
–21 |
1049389 |
259115 |
2302168 |
2013 |
17266 |
42506 |
613779 |
223553 |
–18 |
967998 |
250488 |
2206249 |
2014 |
13771 |
32204 |
635551 |
220605 |
–15 |
1005550 |
241131 |
2190578 |
2015 |
13735 |
32455 |
688817 |
187992 |
–13 |
1133770 |
234663 |
2388476 |
2016 |
12581 |
32924 |
674935 |
100277 |
–12 |
970293 |
218454 |
2160063 |
2017 |
13232 |
29634 |
650565 |
189935 |
– 10 |
940675 |
231754 |
2058476 |
где х1 – число расследованных преступлений, совершенных организованной группой или преступным сообществом (преступления);
х2 – число расследованных преступлений коррупционной направленности (преступления);
х3 – число рецидивных преступлений (преступления);
х4 – количество лиц, получивших условное осуждение (лица);
х5 – индекс доверия населения правоохранительным органам;
х6 – количество нераскрытых преступлений (преступления);
х7 – количество ранее судимых лиц (уголовный рецидив) (лица);
у – число зарегистрированных преступлений (преступления).
Тесноту корреляционной связи между представленными показателями можно определить с помощью критерия корреляции Пирсона, представив расчеты в табл. 2, 3.
Таблица 2
Описательные статистики
|
Среднее значение |
Среднеквадратичные отклонения |
N |
Y |
2454429,80 |
379728,365 |
10 |
X1 |
19678,70 |
8238,311 |
10 |
X2 |
62041,60 |
53312,770 |
10 |
X3 |
596447,30 |
64717,304 |
10 |
X4 |
254262,60 |
89017,735 |
10 |
X5 |
–19,90 |
7,651 |
10 |
X6 |
1119874,40 |
180906,016 |
10 |
X7 |
255093,90 |
23998,851 |
10 |
Таблица 3
Корреляция Пирсона
|
Y |
X1 |
X2 |
X3 |
X4 |
|
Y |
Корреляция Пирсона |
1 |
,968** |
,887** |
–,737* |
,863** |
Знач. (двухсторонняя) |
|
,000 |
,001 |
,015 |
,001 |
|
Сумма квадратов и перекрестные произведения |
1297742683243, 600 |
27240846910, 400 |
161598541945, 200 |
–163080373762, 400 |
262651231869, 200 |
|
Ковариация |
144193631471,511 |
3026760767,822 |
17955393549,467 |
–18120041529,156 |
29183470207,689 |
|
X1 |
Корреляция Пирсона |
,968** |
1 |
,921** |
–,790** |
,883** |
Знач. (двухсторонняя) |
,000 |
|
,000 |
,007 |
,001 |
|
Сумма квадратов и перекрестные произведения |
27240846910,400 |
610827858,100 |
3641647365,800 |
–3790613403,100 |
5829272331,800 |
|
Ковариация |
3026760767,822 |
67869762,011 |
404627485,089 |
–421179267,011 |
647696925,756 |
|
X2 |
Корреляция Пирсона |
,887** |
,921** |
1 |
–,609 |
,730* |
Знач. (двухсторонняя) |
,001 |
,000 |
|
,062 |
,017 |
|
Сумма квадратов и перекрестные произведения |
161598541945, 200 |
3641647365, 800 |
25580263450, 400 |
–18915369127, 800 |
31158548036, 400 |
|
Ковариация |
17955393549,467 |
404627485,089 |
2842251494,489 |
–2101707680,867 |
3462060892,933 |
|
X3 |
Корреляция Пирсона |
–,737* |
–,790** |
–,609 |
1 |
–,927** |
Знач. (двухсторонняя) |
,015 |
,007 |
,062 |
|
,000 |
|
Сумма квадратов и перекрестные произведения |
–163080373762, 400 |
–3790613403, 100 |
–18915369127, 800 |
37694964858, 100 |
–48057776113, 800 |
|
Ковариация |
–18120041529,156 |
–421179267,011 |
–2101707680,867 |
4188329428,678 |
–5339752901,533 |
|
X4 |
Корреляция Пирсона |
,863** |
,883** |
,730* |
–,927** |
1 |
Знач. (двухсторонняя) |
,001 |
,001 |
,017 |
,000 |
|
|
Сумма квадратов и перекрестные произведения |
262651231869, 200 |
5829272331, 800 |
31158548036, 400 |
–48057776113, 800 |
71317414430, 400 |
|
Ковариация |
29183470207,689 |
647696925,756 |
3462060892,933 |
–5339752901,533 |
7924157158,933 |
|
X5 |
Корреляция Пирсона |
–,877** |
–,893** |
–,730* |
,955** |
–,954** |
Знач. (двухсторонняя) |
,001 |
,001 |
,016 |
,000 |
,000 |
|
Сумма квадратов и перекрестные произведения |
–22929233,800 |
–506532,700 |
–2680720,600 |
4255006,700 |
–5845122,600 |
|
Ковариация |
–2547692,644 |
–56281,411 |
–297857,844 |
472778,522 |
–649458,067 |
|
X6 |
Корреляция Пирсона |
,992** |
,939** |
,850** |
–,687* |
,839** |
Знач. (двухсторонняя) |
,000 |
,000 |
,002 |
,028 |
,002 |
|
Сумма квадратов и перекрестные произведения |
613083823200, 800 |
12599265729, 200 |
73823791559, 600 |
–72436441619, 200 |
121634813871, 600 |
|
Ковариация |
68120424800,089 |
1399918414,356 |
8202643506,622 |
–8048493513,244 |
13514979319,067 |
|
X7 |
Корреляция Пирсона |
,863** |
,893** |
,746* |
–,943** |
,980** |
Знач. (двухсторонняя) |
,001 |
,001 |
,013 |
,000 |
,000 |
|
Сумма квадратов и перекрестные произведения |
70759757016,800 |
1589056456, 700 |
8589948480,600 |
–13179807579, 700 |
18845184004, 600 |
|
Ковариация |
7862195224,089 |
176561828,522 |
954438720,067 |
–1464423064,411 |
2093909333,844 |
Корреляция Пирсона (продолжение)
|
X5 |
X6 |
X7 |
|
Y |
Корреляция Пирсона |
–,877** |
,992** |
,863** |
Знач. (двухсторонняя) |
,001 |
,000 |
,001 |
|
Сумма квадратов и перекрестные произведения |
–22929233,800 |
613083823200,800 |
70759757016,800 |
|
Ковариация |
–2547692,644 |
68120424800,089 |
7862195224,089 |
|
X1 |
Корреляция Пирсона |
–,893** |
,939** |
,893** |
Знач. (двухсторонняя) |
,001 |
,000 |
,001 |
|
Сумма квадратов и перекрестные произведения |
–506532,700 |
12599265729,200 |
1589056456,700 |
|
Ковариация |
–56281,411 |
1399918414,356 |
176561828,522 |
|
X2 |
Корреляция Пирсона |
–,730* |
,850** |
,746* |
Знач. (двухсторонняя) |
,016 |
,002 |
,013 |
|
Сумма квадратов и перекрестные произведения |
–2680720,600 |
73823791559,600 |
8589948480,600 |
|
Ковариация |
–297857,844 |
8202643506,622 |
954438720,067 |
|
X3 |
Корреляция Пирсона |
,955** |
–,687* |
–,943** |
Знач. (двухсторонняя) |
,000 |
,028 |
,000 |
|
Сумма квадратов и перекрестные произведения |
4255006,700 |
–72436441619,200 |
–13179807579,700 |
|
Ковариация |
472778,522 |
–8048493513,244 |
–1464423064,411 |
|
X4 |
Корреляция Пирсона |
–,954** |
,839** |
,980** |
Знач. (двухсторонняя) |
,000 |
,002 |
,000 |
|
Сумма квадратов и перекрестные произведения |
–5845122,600 |
121634813871,600 |
18845184004,600 |
|
Ковариация |
–649458,067 |
13514979319,067 |
2093909333,844 |
|
X5 |
Корреляция Пирсона |
1 |
–,838** |
–,982** |
Знач. (двухсторонняя) |
|
,002 |
,000 |
|
Сумма квадратов и перекрестные произведения |
526,900 |
–10441746,400 |
–1622240,900 |
|
Ковариация |
58,544 |
–1160194,044 |
–180248,989 |
|
X6 |
Корреляция Пирсона |
–,838** |
1 |
,824** |
Знач. (двухсторонняя) |
,002 |
|
,003 |
|
Сумма квадратов и перекрестные произведения |
–10441746,400 |
294542878700,400 |
32206812362,400 |
|
Ковариация |
–1160194,044 |
32726986522,267 |
3578534706,933 |
|
X7 |
Корреляция Пирсона |
–,982** |
,824** |
1 |
Знач. (двухсторонняя) |
,000 |
,003 |
|
|
Сумма квадратов и перекрестные произведения |
–1622240,900 |
32206812362,400 |
5183503800,900 |
|
Ковариация |
–180248,989 |
3578534706,933 |
575944866,767 |
где ** – корреляция значима на уровне 0,01 (двухсторонняя);
* – Корреляция значима на уровне 0,05 (двухсторонняя).
Тесноту совместного влияния факторов на результат оценивает индекс множественной корреляции (R), который может принимать значения от 0 до 1.
Поэтому R не может быть использован для интерпретации направления связи. Чем плотнее фактические значения yi располагаются относительно линии регрессии, тем меньше остаточная дисперсия и, следовательно, больше величина Ry(x1,...,xm).
Таким образом, при значении R близком к 1 уравнение регрессии лучше описывает фактические данные и факторы сильнее влияют на результат. При значении R близком к 0 уравнение регрессии плохо описывает фактические данные и факторы оказывают слабое воздействие на результат.
Расчёт коэффициента корреляции следует выполнить, используя известные значения линейных коэффициентов парной корреляции и β-коэффициентов [5].
= =
= =
= = 0,998
Коэффициент детерминации модели зависимости случайной величины y от факторов x определяется по формуле:
R2 = 0,997.
Оценка значимости уравнения множественной регрессии осуществляется путем проверки гипотезы о равенстве нулю коэффициента детерминации, рассчитанного по данным генеральной совокупности: R2 или b1 = b2 =... = bm = 0 (гипотеза о незначимости уравнения регрессии, рассчитанного по данным генеральной совокупности).
Для ее проверки используют F-критерий Фишера.
При этом вычисляют фактическое (наблюдаемое) значение F-критерия через коэффициент детерминации R2, рассчитанный по данным конкретного наблюдения.
По таблицам распределения Фишера – Снедоккора находят критическое значение F-критерия (Fкр). Для этого задаются уровнем значимости α (обычно его берут равным 0,05) и двумя числами степеней свободы k1 = m и k2 = n – m – 1.
F-статистика. Критерий Фишера.
Далее следует проверить гипотезу об общей значимости – гипотезу об одновременном равенстве нулю всех коэффициентов регрессии при объясняющих переменных:
H0: R2 = 0; β1 = β2 = ... = βm = 0.
H1: R2 ≠ 0.
Проверка этой гипотезы осуществляется с помощью F-статистики распределения Фишера (правосторонняя проверка).
Если F < Fkp = Fα ; n-m-1, то нет оснований для отклонения гипотезы H0.
Табличное значение при степенях свободы k1 = 7 и k2 = n – m – 1 = 10 – 7 – 1 = 2, Fkp(7;2) = 99,36.
Поскольку фактическое значение F < Fkp, то коэффициент детерминации статистически не значим и уравнение регрессии статистически ненадежно (совместная незначимость коэффициентов при факторах xi подтверждается).
Также в результате расчетов было получено уравнение множественной регрессии:
Y = 421200,3634 – 798,3803X1 + 350,0494X2 – 1809,2019X3 – 2731,6327X4 + 24017,9654X5 + 1279,6672X6 + 14186,1326X7.
Возможна экономическая интерпретация параметров модели:
- увеличение X1 на 1 ед. изм. приводит к уменьшению Y в среднем на 798,38 ед. изм.;
- увеличение X2 на 1 ед. изм. приводит к увеличению Y в среднем на 350. ед. изм.;
- увеличение X3 на 1 ед. изм. приводит к уменьшению Y в среднем на 1809,202 ед. изм.;
- увеличение X4 на 1 ед. изм. приводит к уменьшению Y в среднем на 2731,633 ед. изм.;
- увеличение X5 на 1 ед. изм. приводит к увеличению Y в среднем на 24017,965 ед. изм.;
- увеличение X6 на 1 ед. изм. приводит к увеличению Y в среднем на 1279,667 ед. изм.;
- увеличение X7 на 1 ед. изм. приводит к увеличению Y в среднем на 14186,133 ед. изм.
По максимальному коэффициенту β6 = 0,715 следует сделать вывод, что наибольшее влияние на результат у оказывает фактор X6.
Представляется необходимым рассмотреть коэффициенты детерминации каждого фактора в отдельности. Чаще всего, давая интерпретацию коэффициента детерминации, его выражают в процентах.
= 0,9361,
т. е. в 93,61% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
= 0,7866,
т. е. в 78,66% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
= 0,5437,
т. е. в 54,37% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии средняя).
= 0,7454,
т. е. в 74,54% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
= 0,7122,
т. е. в 71,22% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
= 0,9833,
т. е. в 98,33% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
= 0,7443,
т. е. в 74,43% случаев изменения х приводят к изменению y (точность подбора уравнения регрессии высокая).
Таким образом, на уровень преступности в большей степени влияют число расследованных преступлений, совершенных организованной группой или преступным сообществом, число расследованных преступлений коррупционной направленности, количество лиц, получивших условное осуждение, индекс доверия населения правоохранительным органам, количество нераскрытых преступлений, количество ранее судимых лиц, число зарегистрированных преступлений; в средней мере влияет число рецидивных преступлений (преступления).