Академия управления мвд россии

Вид материала

Учебник

Содержание Рис. 4.4.3. График динамики тяжких преступлений в N-ской области Таблица 4.4.4 Пример расчета коэффициентов 2. Разработка среднесрочного прогноза на основе многофак­торной модели преступности. 2. Формирование количественных показателей, характери­зующих интенсивность проявления соответствующих факторов внешней среды. 3. Отбор факторов внешней среды, оказывающих сущест­венное влияние на данный вид преступления. Перечень показателей, используемых для разработки прогноза Исходные данные для построения модели 5. Прогнозирование показателей, характеризующих изме­нение факторов внешней среды в предстоящий период времени.

Подобный материал:

• Темы контрольных работ Аппараты мвд, ГУ мвд, У мвд, ут мвд россии по Федеральным округам, 48.32kb.
• Положение о Штабе Главного управления мвд россии по Ростовской области общие положения, 212.4kb.
• Методические рекомендации по подготовке рефератов сотрудниками подразделений уголовного, 335.13kb.
• Нижегородская академия, 209.52kb.
• Функция прогнозирования миграционных процессов в системе управления мвд россии, 462.3kb.
• Нижегородская академия, 238.9kb.
• Нижегородская академия, 214.37kb.
• Ения, подразделениях Государственной противопожарной службы мвд россии, Первом управлении, 1898.24kb.
• Инструкция по организации учебного процесса в центре профессиональной подготовки территориального, 515.25kb.
• Рабочая программа дисциплины методы исследований в менеджменте направление подготовки, 262.36kb.

Рис. 4.4.3. График динамики тяжких преступлений в N-ской области

Изучение графика показывает, что общая тенденция и характер динамики тяжких преступлений в данном случае могут быть аппрок­симированы линейной функцией. Все расчеты целесообразно произ­водить в табл. 4.4.4.

Таблица 4.4.4 Пример расчета коэффициентов

Показатели		Годы							2: Сумма
		1990	1991	1992	1993	1994	1995	1996
Исходный ряд, Y; Условный год, t;		398 -3 -1194 9	650 -2 -1300 4	1034 -1 -1034 1	1134 0 0 0	1450 1 1450 1	1642 2 3284 4	1981 3 5943 9	8289 7149 28
Расчетные данные	Yixt;
	t.2

Используя формулы (4.4.3) и (4.4.4) и данные табл. 4.4.3, опре­делим значения коэффициентов а и Ь:

а = (398+650+1034+1134+1450+1649+1981) : 7 = 8289 : 7 = 1184;

b = (-1194-1300-1034+0+1450+3284+5943): (9+4+1+0+1+4+9) = =7149:28=255.

20*

611

Таким образом, уравнение прямой линии (4.4.2), аппроксими-руещей исходный динамический ряд (т.е. линейная модель динамиче­ского ряда), имеет следующий вид:

Y(t)=1184+255xt. (4.4.5) Отметим, что перенос начала отсчета времени в середину дина­мического ряда позволяет дать вполне понятную содержательную интерпретацию коэффициентам уравнения. В этой системе координат коэффициент а представляет собой среднее арифметическое значе­ние уровней ретроспективного динамического ряда (в рассмотренном примере он равен 1184), коэффициент Ь, равный 255, - среднегодовой абсолютный прирост уровней динамического ряда, описываемого уравнением (4.4.5).

Если аналитики предполагают, что существующие тенденции в динамике тяжких преступлений сохранятся в ближайшие несколько лет (например, 2-3 года), это уравнение можно использовать для про­гнозирования данной категории преступлений. При этом следует иметь в виду, что в новой системе отсчета, в которой ретроспектив­ные годы изменялись в пределах от -3 до +3, следующие за ними три прогнозных года будут иметь значения +4 ,+5 ,+6, что соответ­ствует 1997, 1998, 1999 гг. реального времени. Задача прогнозирова­ния в этом случае сводится к подстановке в уравнение (4.4.5) значе­ний условного времени и вычислении для них прогнозных значений количества преступлений. Например, если период упреждения про­гноза равен трем годам, то прогнозные значения количества преступ­лений для каждого из трех лет (4, 5 и 6) рассчитываются следующим образом³¹:

Y(t=4) = 1184+255х4=1184 + 1020 » 2200;

Y(t=5) = 1184+255х5=1184 + 1275 » 2460;

¥(1=6) =1184 +255х6=1184 +1530 « 2710.

Аналогичным образом на основе метода наименьших квадра­тов рассчитываются параметры уравнений и более сложного вида, однако вычисления в этих случаях более громоздки и могут быть осуществлены лишь с использованием современной компьютерной техники и соответствующих программных средств.

Приведенная выше методика может быть использована также и для разработки краткосрочных криминологических прогнозов.

Учитывая вероятностный характер прогнозных данных, результаты расчета в данном случае целесообразно округлять до десятков преступлений.

612

2. Разработка среднесрочного прогноза на основе многофак­торной модели преступности.

Рассмотрим методику криминологического прогнозирования, основанную на применении многофакторных моделей преступности. Простейший вид такой модели - уравнение множественной линейной регрессии (4.4.1), описывающее линейную зависимость показателей преступности от факторов внешней среды.

В соответствии с изложенной методикой разработка кримино­логического прогноза осуществляется поэтапно.

1. Отбор факторов внешней среды, оказывающих опреде­ленное влияние на данный вид преступления. На этом этапе экс­перты формируют перечень факторов, которые, по их мнению, ока­зывают влияние на динамику исследуемого вида преступления. На­пример, изучение особенностей преступности в N-ской области за по­следние годы позволило экспертам прийти к выводу, что изменения в преступности по линии уголовного розыска в регионе были связаны прежде всего с такими процессами, как урбанизация региона, мигра­ция населения, рост числа безработных, ранее судимых, проживаю­щих в области, и наркоманов, а также с увеличением потребления ал­коголя.

2. Формирование количественных показателей, характери­зующих интенсивность проявления соответствующих факторов внешней среды. Для того чтобы отобранные экспертами факторы можно было использовать в математической модели, они должны иметь количественное выражение, например фиксироваться в соот­ветствующих видах статистических отчетов. Кроме того, эти данные должны быть представлены за ряд лет (не менее чем за 8-10-летний период), что необходимо для установления закономерностей в разви­тии указанных факторов и их влияния на преступность. И наконец, для выявления названных закономерностей, а также в целях обеспе­чения устойчивости математической модели как преступность, так и факторы внешней среды должны быть выражены в относительных показателях. Обычно для этой цели используются либо структурные показатели, либо показатели интенсивности. Применительно к рас­сматриваемому примеру исходные данные для построения математи­ческой модели могут быть представлены в следующем виде (см. табл. 4.4.5).

Количественные значения перечисленных показателей за девять

613

лет приведены в табл. 4.4.6.

3. Отбор факторов внешней среды, оказывающих сущест­венное влияние на данный вид преступления. Для построения ма­тематической модели (уравнения множественной регрессии) предва­рительно следует убедиться в наличии статистической взаимосвязи между уровнем преступности Y, с одной стороны, и показателями X;, характеризующими факторы внешней среды, - с другой. Наличие та­кой взаимосвязи устанавливается с помощью коэффициента парной корреляции, их значения приведены в табл. 4.4.7.

Таблица 4.4.5

Перечень показателей, используемых для разработки прогноза

Обозна­чение	Наименование показателя	Единица измерения
Y	Преступность по линии УР	Уровень преступности по линии УР на 10 тыс. чел.
X, Х2	Урбанизация ре­гиона Миграция насе­	Доля городского населения среди всего населе­ния области (%) Количество иммигрантов на 1 тыс. населения
	ления
Хз	Уровень безрабо­	Количество безработных на 100 тыс. населения
	тицы
Х4 Х5	Ранее судимые Наркоманы	Количествово ранее судимых, проживающих в регионе, на 10 тыс. населения Количество наркоманов на 100 тыс. населения
Хб	Потребление ал­коголя	Потребление алкоголя на душу населения (в литрах на 1 чел.)

Таблица 4.4.6

Исходные данные для построения модели

Пока­затель	Годы
	1	2	3	4	5	6	7	8	9
Y	78,0	75,2	72,7	63,7	46,0	50,9	60,8	102,4	128,1
X,	80	81	84	85	86	78	72	74	75
X;	16,2	16,4	15,1	16,6	19,1	21,1	22,3	23,3	22,0
Хз	35,9	41,3	44,2	55,8	56,7	76,3	110,9	129,8	142,5
Х4	154,7	•151,3	149,0	144,9	137,9	132,2	145,3	164,2	170,9
Х5	2,0	2,3	2,3	4,0	5,9	2,9	13,7	11,2	13,9
х<	6,0	6,0	5,9	5,2	4,6	4,7	5,1	6,2	6,6

614

Таблица 4.4.7

	Xi	Xz	Хз	Х4	Х5	Х5
Y	-0,48	0,32	0,63	0,97	0,52	0,91

Коэффициент корреляции в данном случае считается значимым с 95% ной вероятностью, если его значение не ниже 0,58. Исходя из приведенных в таблице данных, можно утверждать, что статистиче­ски значимая связь Y существует только с Хз (коэффициент корреля­ции равен 0,63), Xi (0,97) и Х (0,91). Следовательно, именно эти фак­торы должны быть включены в математическую модель (уравнение множественной регрессии)³².

4. Построение линейного уравнения множественной регрес­сии, описывающего зависимость уровня преступности от факто­ров внешней среды. Математической моделью, описывающей зави­симость уровня преступности от трех выбранных факторов внешней среды, является уравнение вида (4.4.1), в котором соответствующие коэффициенты а, должны быть определены с учетом структуры ис­ходных данных. Для их вычисления используются методы регресси­онного анализа. Соответствующие функции содержатся в библиоте­ках большинства статистических пакетов, поэтому расчеты произво­дятся автоматически. Так, используя функции «=ИНДЕКСО» и «=ЛИНЕЙНО» из «Мастера функций» русифицированного пакета Microsoft Excel, достаточно просто вычислить искомые коэффициен­ты уравнения множественной регрессии. После их вычисления и под­становки в (4.4.1) получим следующее уравнение множественной рег­рессии:

(4.4.6)

Коэффициент детерминации, характеризующий степень совпа­дения фактических и расчетных значений Y, равен в данном случае 0,91, что означает почти полное их совпадение. Следовательно, мате­матическая модель (4.4.6) достаточно точно описывает зависимость уровня преступности от трех выбранных факторов.

5. Прогнозирование показателей, характеризующих изме­нение факторов внешней среды в предстоящий период времени.

³² Отсутствие статистической взаимосвязи с остальными факторами не означает, что они не влияют ийлуровень преступности. Одна из причин такого результата может состоять в недостоверности соответствующих статистических данных.