Информация о статье

Название статьи:

Агломеративный подход к оценке степени криминализации субъектов Российской Федерации: методика статистического анализа и криминологическая характеристика

Авторы:
Тепляшин П.В., профессор кафедры уголовного права и криминологии Сибирского юридического института МВД России, профессор кафедры деликтологии и криминологии Юридического института Сибирского федерального университета, доктор юридических наук, доцент, Сибирский юридический институт МВД России; Сибирский федеральный университет, г. Красноярск, Российская Федерация, pavlushat@mail.ru,

Молоков В.В., начальник кафедры информационно-правовых дисциплин и специальной техники, кандидат технических наук, доцент, Сибирский юридический институт МВД России, г. Красноярск, Российская Федерация, vvmolokov@mail.ru

В рубрике:
ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ И ИНЫЕ ПРОБЛЕМЫ СОВРЕМЕННОЙ КРИМИНОЛОГИИ

Год: 2021 Том: 15 Номер журнала: 5

Страницы: 509-521

Тип статьи: Научная статья

УДК: 343.9.018

DOI: 10.17150/2500-4255.2021.15(5).509-521

Аннотация:
Наряду с использованием в криминологии широкой гаммы методов аналитического исследования преступности научный интерес вызывает методика оценки степени криминализации субъектов Российской Федерации, предполагающая применение агломеративного подхода в пространстве признаков, характеризующих показатели региональной преступности. Данная методика включает три этапа: 1) формирование выборки и обработка эмпирических статистических показателей региональной преступности; 2) кластеризация регионов по группе криминологических характеристик; 3) криминологический анализ и обобщение полученных результатов. В статье для оценки криминализации субъектов и округов Российской Федерации в качестве показателей задействованы категории преступлений, которые позволяют наиболее информативно показать градацию криминальной пораженности населения. Вычисления базируются на зарегистрированных по категориям преступлениях на 100 тыс. населения соответствующего субъекта или округа. Для демонстрации результатов кластеризации предусмотрены три класса криминальной активности населения, что отражает минимальное число элементов, необходимых для дискретного покрытия всего множества проявлений криминальной социальной пораженности, и дает возможность охарактеризовать группы регионов с высоким, средним и низким уровнем такой пораженности. Результаты вычислений позволили интерпретировать классы как группы субъектов с низким (первый класс), средним (второй класс) и высоким (третий класс) уровнем криминализации населения. Проведена кластеризация субъектов и федеральных округов Российской Федерации по коэффициентам зарегистрированных преступлений соответствующих категорий. Кластеризация охватывает наблюдения в период с 2010 по 2020 г. Динамика распределения субъектов Российской Федерации по классам показала волнообразное перемещение удельного веса соответствующих классов и стабильный рост криминальной пораженности населения в 2019-2020 гг. Построенные диаграммы рассеивания позволяют с помощью линии тренда с линейными параметрами продемонстрировать положительную либо отрицательную корреляцию показателей преступности. С позиций кластеризации субъектов обосновывается, что среди федеральных округов удельный вес третьего класса в период с 2010 по 2020 г. преобладает в Сибирском федеральном округе. Предложенная методика может быть применима для создания вероятностной модели прогнозирования нахождения субъекта или округа в определенном классе.

Ключевые слова: аналитическая криминология, динамика преступности, картограмма Российской Федерации, кластерный анализ, метод моделирования, статистические данные, тяжкие и особо тяжкие преступления

Скачиваний - 551
География скачиваний

Скачать полный текст статьи

Список цитируемой литературы:

Corsaro N. The Effects of Police Contracting on Crime: An Examination of Compton, California / N. Corsaro, J.M. Wilson. - DOI 10.1007/s11292-017-9310-6 // Journal of Experimental Criminology. - 2018. - Vol. 14, iss. 1. - P. 59-81.
Ульянов А.Д. Совершенствование информационно-аналитической работы в территориальных органах МВД России / А.Д. Ульянов // Труды Академии управления МВД России. - 2020. - № 2 (54). - С. 30-40.
Методы анализа данных. Подход, основанный на методе динамических сгущений / коллектив авт. под рук. Э. Диде ; пер. с фр. С.А. Айвазяна [и др.]. - Москва : Финансы и статистика, 1985. - 357 с.
Молоков В.В. Многофакторная оценка и прогнозирование уровня наркоситуации / В.В. Молоков // Вестник Сибирского юридического института ФСКН России. - 2014. - № 3. - С. 122-126.
Молоков В.В. Статистическая методика оценки уровня распространения наркомании в Российской Федерации / В.В. Молоков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2016. - № 117. - С. 1001-1011.
Тепляшин П.В. Корреляционный анализ криминологических показателей преступности / П.В. Тепляшин, В.В. Молоков // Алтайский юридический вестник. - 2020. - № 3 (31). - С. 81-87.
Мартынова Ю.Ю. Анализ преступности по регионам Российской Федерации / Ю.Ю. Мартынова, С.В. Блинова // Приложение математики в экономических и технических исследованиях. - 2016. - № 1 (6). - С. 99-110.
Гонов Ш.Х. Анализ состояния преступности в сфере пассажирских перевозок на железнодорожном транспорте / Ш.Х. Гонов, Н.Н. Пестов, Б.А. Торопов // Вестник Воронежского института МВД России. - 2020. - № 4. - С. 84-93.
Chalfin A. Criminal Deterrence: A Review of the Literature / A. Chalfin, J. McCrary. - DOI 10.1257/jel.20141147 // Journal of Economic Literature. - 2017. - Vol. 55, iss. 1. - P. 5-48.
Kaplan J. More Cops, fewer Prisoners? / J. Kaplan, A. Chalfin. - DOI 10.1111/1745-9133.12424 // Criminology & Public Policy. - 2019. - Vol. 18, iss. 1. - P. 171-200.
Xu J.H. Legitimization Imperative: The Production of Crime Statistics in Guangzhou, China / J.H. Xu. - DOI 10.1093/bjc/azx007 // The British Journal of Criminology. - 2018. - Vol. 58, iss. 1. - P. 155-176.
Collating Longitudinal Data on Crime, Victimization and Social Attitudes in England and Wales: A New Resource for Exploring Long-term Trends in Crime / W. Jennings, E. Gray, C. Hay, S. Farrall. - DOI 10.1093/bjc/azv006 // The British Journal of Criminology. - 2015. - Vol. 55, iss. 5. - P. 1005-1015.
Романов С.Р. Структурно-динамический анализ экономических преступлений: статистический аспект / С.Р. Романов. - DOI 10.25198/2077-7175-2019-5-129 // Интеллект. Инновации. Инвестиции. - 2019. - № 5. - С. 129-135.
Exploratory Spatial Data Analysis Techniques for Examining Urban Crime: Implications for Evaluating Treatment / A.T. Murray, I. Mcguffog, J.S. Western, P. Mullins. - DOI 10.1093/bjc/41.2.309 // The British Journal of Criminology. - 2001. - Vol. 41, iss. 2. - P. 309-329.
Mirkin B. Mathematical Classification and Clustering / B. Mirkin. - Boston : Springer, 1996. - 448 p.
Romesburg H.C. Cluster Analysis for Researchers / H.C. Romesburg. - North Carolina : Lulu Press, 2004. - 334 p.
Classification, Clustering, and Data Analysis: Recent Advances and Application / ed. K. Jajuga, A. Sokolowski, H.H. Bock. - Berlin : Springer, 2002. - 459 p.
Дианов Д.В. Кластеризация регионов и моделирование взаимосвязей социально-экономических показателей преступности против интересов службы в коммерческих организациях / Д.В. Дианов, М.К. Васильев. - DOI 10.21499/2078-4023-2020-45-4-212-220 // Вопросы региональной экономики. - 2020. - № 4 (45). - С. 212-220.
Номоконов В.А. Криминология будущего - позитивная криминология? / В.А. Номоконов, Т.М. Судакова. - DOI 10.17803/1729-5920.2018.142.9.029-038 // Lex Russica. - 2018. - № 9 (142). - С. 29-38.
Репецкая А.Л. Современная специфика развития регионального состояния убийств по найму в России / А.Л. Репецкая, С.В. Габеев // Сибирский юридический вестник. - 2020. - № 3 (90). - С. 85-90.