Эконометрический анализ преступности в г. Перми


Глава 3. Определение факторов, влияющих на уровень преступности в г. Пермь



Скачать 495.31 Kb.
страница6/9
Дата23.04.2016
Размер495.31 Kb.
1   2   3   4   5   6   7   8   9

Глава 3. Определение факторов, влияющих на уровень преступности в г. Пермь



  1. Корреляционный анализ данных

В начале, проведем корреляционный анализ, который покажет связь каждого из факторов с переменной «количество совершенных тяжких и особо тяжких преступлений». После построения корреляционной матрицы (Табл.13), мы проводим анализ, в ходе которого нами были определены те факторы, которые совершенно не коррелируют с рассматриваемой переменной. Убираем из рассмотрения переменные, у которых линейная взаимосвязь с числом совершенных тяжких и особо тяжких преступлений близка к нулю. Это переменные, отражающая изменение численности населения г. Пермь за рассматриваемый период (коэффициент корреляции r = 0.01) и показатель раскрываемости преступлений (коэффициент корреляции r = 0.06). Данные факторы исключаются из дальнейшего исследования. Итак, мы оставили 11 значимых объясняющих переменных:



  1. Средняя величина заработной платы в г. Пермь

  2. Денежные доходы населения, всего (млн.руб)

  3. Денежные расходы населения, всего (млн.руб)

  4. Прожиточный минимум в среднем на душу населения (руб.)

  5. Средняя стоимость потребительской корзины (руб.)

  6. Сумма выплаченных за год субсидий (тыс.руб.)

  7. Сумма выплаченных за год пособий ( тыс.руб.)

  8. Сумма выплаченных за год пенсий (тыс.руб.)

  9. Количество официально зарегистрированных безработных (чел.)

  10. Количество зарегистрированных в течение года на территории г. Перми преступлений (ед.)

  11. Уровень наркомании в г. Пермь

Теперь проанализируем тесноту линейной взаимосвязи между этими переменными и при необходимости исключим мультиколлинеарность (Табл.14). В ходе данного анализа, нами были исключены переменные, отражающие прожиточный минимум в среднем на душу населения и величину доходов населения города, так как степь тесноты взаимосвязи данных показателей с показателем «средняя величина заработной платы» равна 99% и 92% соответственно. Также, из дальнейшего анализа исключены переменные «сумма выплаченных за год субсидий», «сумма выплаченных за год пенсий», «сумма выплаченных за год пособий». У всех этих переменных высокая степень тесноты взаимосвязи, что может привести к неверным выводам по итогам исследования.

Таким образом, в дальнейшем, для построения модели преступности г. Пермь и для выведения уравнения регрессии, нами будет использоваться набор из следующих 6 факторов:



  1. Средняя величина заработной платы в г. Пермь

  2. Денежные расходы населения, всего (млн.руб)

  3. Средняя величина потребительской корзины (руб.)

  4. Количество официально зарегистрированных безработных (чел.)

  5. Количество зарегистрированных в течение квартала на территории г. Перми преступлений (ед.)

  6. Уровень наркомании в г. Пермь



  1. Построение и верификация модели

После того, как мы исключили все переменные, которые не подходят для дальнейшего анализа, перейдем непосредственно к построению регрессионной модели. Построенная нами регрессионная модель описывается следующим уравнением:



yi = α + xi β (2)

где yi — зависимая переменная, xi — набор объясняющих (независимых) переменных; α — константа.

Зависимой переменной будет являться количество совершенных за квартал тяжких и особо тяжких преступлений. В качестве факторов, оказывающих влияние на зависимую переменную, в нашей модели будут выступать: уровень раскрываемости преступлений, средняя величина заработной платы, уровень наркомании в г. Пермь, денежные расходы населения, количество официально зарегистрированных безработных и количество зарегистрированных в течение квартала на территории г. Перми преступлений. Период, который мы рассматриваем в данном исследовании – 12 лет (2001-2012 гг.). Данные, которые были собраны нами для анализа преступности в г. Перми являются квартальными. Таким образом, в нашей регрессионной модели будет 48 наблюдений.

Первый вариант модели для выявления наиболее значимых факторов, влияющих на количество совершенных тяжких и особо тяжких преступлений (модель I) включает в себя все факторы, выбранные нами после корреляционного анализа и проверки на мультиколлинеарность.


Таблица
Факторы, влияющие на количество совершенных тяжких и особо тяжких преступлений модели I


Переменная

Coefficient

Std. Error

t-Statistic

Prob.

Величина заработной платы

-0.086054

0.029870

-2.880909

0.0063

Количество официально зарегистрированных безработных

-0.013978

0.022603

-0.618424

0.5397

Показатель наркотизации общества

-0.027699

0.077397

-0.357885

0.7223

Размер потребительской корзины

0.056057

0.267366

0.209665

0.8350

Общее число преступлений

0.251692

0.016178

15.55782

0.0000

Расходы населения

0.017449

0.013317

1.310210

0.1974

Константа

-8.238445

455.8567

-0.018072

0.9857

R-squared

0.965063

Adj.R-squared

0.959950

Как мы видим, в построенной нами модели (Табл.4) всего 2 значимые переменные: средняя величина заработной платы (ZP) и количество зарегистрированных в течение квартала на территории г. Перми преступлений (Prestup). Показатель значимости данных факторов в модели соответственно равен 0,0063 (0,63%) и 0 (0%). Наибольшее значение показателя Probability наблюдается у переменной, описывающей величину потребительской корзины (POTRKORZ). Показатель Probability у данного фактора равен 0,835

Значимость фактора, отражающего количество зарегистрированных в течение квартала на территории г. Перми преступлений равна нулю, а показатели R-squared и Adj.R-squared близки к единице (0,965063 и 0,95995 соответственно). Данный факт говорит нам о возможном наличии в модели эндогенности переменных. Следующим нашим шагом будет исключение данной переменной из дальнейшего рассмотрения и построения второй модели. После того, как мы исключили из дальнейшего исследование переменную, отражающую общее количество совершенных преступлений, мы строим новую регрессионную модель.

Второй вариант модели для выявления наиболее значимых факторов, влияющих на количество совершенных тяжких и особо тяжких преступлений (модель II) будет содержать зависимую переменную, а также 5 факторов, которые могут оказывать влияние на количество совершенных тяжких и особо тяжких преступлений: средняя величина заработной платы в г. Пермь, денежные расходы населения, средняя величина потребительской корзины, количество официально зарегистрированных безработных, уровень наркомании в г. Пермь (Табл.5).

Первое на что мы смотрим в данной модели – это показатели R-squared и Adj.R-squared. При исключении переменной PRESTUP, которая отражает общее число совершенных на территории города преступлений, данные показатели значительно уменьшились (0, 75881 и 0, 730097 соответственно). Как мы можем заметить, количество значимых переменных в модели увеличилось. Теперь данных переменных две: средняя величина заработной платы в г. Пермь и денежные расходы населения. Значения показателя Probability соответственно равны 0,0615 (6,15%) и 0,0997 (9,97%). Фактором с самым высоким показателем Probability в данной модели является переменная, показывающая величину потребительской корзины в г. Пермь (POTRKORZ). Значимость данного фактора в построенной нами регрессии равна 81,83%. Исходя из этого, нами принимается решение исключить из дальнейшего исследования данную переменные.
Таблица

Факторы, влияющие на количество совершенных тяжких и особо тяжких преступлений модели II



Переменная

Coefficient

Std. Error

t-Statistic

Prob.

Величина заработной платы

-0.147650

0.076859

-1.921058

0.0615

Количество официально зарегистрированных безработных

-0.013904

0.058676

-0.236956

0.1356

Показатель наркотизации общества

-0.280042

0.196461

-1.425435

0.1614

Размер потребительской корзины

-3.020645

0.467106

-6.466727

0.8138

Расходы населения

0.180397

0.021352

8.448523

0.0997

Константа

5258.348

792.5712

6.634543

0.0000

R-squared

0. 75881

Adj.R-squared

0.730097

Третья регрессионная модель для выявления наиболее значимых факторов, влияющих на количество совершенных тяжких и особо тяжких преступлений (модель III), которую мы построим в ходе данного исследования, будет включать зависимую переменную (tyazh), а также 4 фактора: средняя величина заработной платы в г. Пермь, денежные расходы населения, уровень наркомании в городе и количество официально зарегистрированных безработных.

В построенной модели (Табл.6) единственной незначимой переменной является показатель величины расходов граждан. Показатель Probability у данного фактора равен 0,6809, поэтому данная переменная будет исключена из дальнейшего анализа.
Таблица

Факторы, влияющие на количество совершенных тяжких и особо тяжких преступлений модели III



Переменная

Coefficient

Std. Error

t-Statistic

Prob.

Величина заработной платы

-0.428394

0.088549

-4.837912

0.0166

Количество официально зарегистрированных безработных

-0.215724

0.069372

-3.109669

0.0033

Показатель наркотизации общества

0.099365

0.261774

0.379585

0.1961

Расходы населения

0.091908

0.022885

4.016026

0.6809

Константа

2800.042

970.9678

2.883764

0.0061

R-squared

0.518663

Adj.R-squared

0.473887

Таким образом, в нашем распоряжении остаются 3 фактора: средняя величина заработной платы в г. Пермь, количество официально зарегистрированных безработных и уровень наркомании в г. Пермь. Как мы видим, в данной модели для выявления наиболее значимых факторов, влияющих на количество совершенных тяжких и особо тяжких преступлений (модель VI) все переменные являются значимыми. Значение показателя Probability ни у одной из переменных не превышает 5% (Табл.7).

Таблица

Факторы, влияющие на количество совершенных тяжких и особо тяжких преступлений модели IV



Переменная

Coefficient

Std. Error

t-Statistic

Prob.

Величина заработной платы

-0.084527

0.026168

-3.230165

0.0023

Количество официально зарегистрированных безработных

0.166048

0.079130

-2.098421

0.0416

Показатель наркотизации общества

0.556066

0.273328

2.034427

0.0480

Константа

1414.574

1052.140

1.344474

0.1857

R-squared

0,338122

Adj.R-squared

0,292994

Таким образом мы можем сделать вывод о том, что наибольшее влияние на число совершенных тяжких и особо тяжких преступлений согласно нашей регрессионной модели оказывают три фактора – это средняя величина заработной платы в г. Пермь, количество официально зарегистрированных безработных и уровень наркомании в г. Пермь.

После того, как мы построили регрессионную модель, необходимо проверить выполнение в данной модели основных предположений Гаусса-Маркова. Проверка выполнения основных предположений Гаусса-Маркова включает в себя графический анализ, а также проведение соответствующих тестов, в т.ч. тест White, Durbin-Watson и др.

Для начала проанализируем остатки данной модели. Остатки должны быть независимыми нормально распределенными случайными величинами с нулевым средним. Построив ковариационную матрицу (Табл.9), мы можем увидеть, что ковариация между остатками и нашими переменными близка к нулю, это говорит нам о выполнении второго условия Гаусса-Маркова. Математическое ожидание остатков также близко к нулю (Рис.13), что является выполнением первого условия Гаусса-Маркова


Рис. . График остатков регрессионной модели
Таблица

Ковариационная матрица модели






Остатки в модели

Величина заработной платы

Количество официально зарегистрированных безработных

Показатель наркотизации общества

Остатки в модели

480299.9

1.11E-08

1.49E-09

1.47E-09

Величина заработной платы

1.11E-08

64395244

4763972.

5369570.

Количество официально зарегистрированных безработных

1.49E-09

4763972.

2132760.

471542.4

Показатель наркотизации общества

1.47E-09

5369570.

471542.4

596954.2

Дисперсия случайной ошибки постоянна для всех наблюдений, то есть )=. Соблюдение этого условия называется гомоскедастичностью. В нашем случае дисперсия ошибок не является постоянной величиной. Докажем это, выполнив тест Уайта. В качестве основной гипотезы выдвигается гипотеза о гомоскедастичности модели , а в качестве альтернативной гипотезы выдвигается гипотеза о гетероскедастичности. В программе Eviews мы получаем значение вероятности (probability) принятия первой гипотезы (Табл.9)

Таблица


Тест Уайта

F-statistic

6.491871

Prob. F(9,38)

0.0000

Obs*R-squared

29.08410

Prob. Chi-Square(9)

0.0006

Scaled explained SS

12.42333

Prob. Chi-Square(9)

0.1905

Далее проверим построенную нами модель на значимость коэффициентов.. Выдвинем гипотезу Н0: С(2)=0, С(3)=0, С(4)=0. Для начала составим уравнение нашей модели: TYAZH = 1414.574 – 0,084527 * ZP + 0.166048 * BEZRAB + 0.556066 * NARK

Таблица

Тест Вальда



Test Statistic

Probability

F-statistic

0.0000

Chi-square

0.0000

Рассмотрев значение показателя Probability (Табл.10) мы можем сделать вывод что все 3 параметра в нашей модели влияют на переменную, отражающую число совершенных тяжких и особо тяжких преступлений,

Тест Чоу позволяет проверить гипотезу о двух различных уравнениях регрессии для разных подвыборок (Таб.11). Нулевой гипотезой теста Чоу является утверждение об отсутствии структурной изменчивости коэффициентов регрессии. Другими словами, если разделить нашу выборку пополам, будут ли присутствовать сильные структурные сдвиги. Если значение показателя probability < 0,05 следовательно отвергаем нулевую гипотезу об отсутствии структурных сдвигов

Таблица


Тест Чоу

F-statistic

53.79134

Prob. F(4,40)

0.0000

Log likelihood ratio

88.94556

Prob. Chi-Square(4)

0.0000

Wald Statistic

215.1654

Prob. Chi-Square(4)

0.0000

После того, как мы построили регрессионную модель, а также произвели ее верификацию, составим уравнение регрессии, чтобы определить, как именно каждый из параметров влияет на количество совершаемых тяжких и особо тяжких преступлений. Уравнение регрессии будет иметь следующий вид:

TYAZH = 1414.574 – 0,084527 * ZP + 0.166048 * BEZRAB + 0.556066 * NARK

Данное уравнение можно интерпретировать следующим образом: переменная TYAZH имеет прямую зависимость с переменной NARK, показывающей число лиц, состоящих на диспансерном наркологическом учете в г. Перми и обратную зависимость с переменными ZP и BEZRAB, которые отражают величину среднемесячной начисленной заработной платы работников организаций г. Перми, не относящихся к субъектам малого предпринимательства и официально зарегистрированных безработных соответственно. При снижение средней величины заработной платы на 0,08 руб. количество совершенных тяжких и особо тяжких преступлений возрастет на единицу. При увеличении числа лиц состоящих на диспансерном наркологическом учете в г. Перми на 0,55606, число совершенных тяжких и особо тяжких преступлений также возрастет на единицу. Все эти изменения произойдут при условии, что остальные переменные не будут меняться.

Таким образом, по результатам нашего исследования мы можем сделать следующие выводы: наибольшее влияние на количество совершенных тяжких и особо тяжких преступлений оказывает влияние число лиц, которые состоят на учете в наркологических диспансерах. Это можно объяснить следующим образом: подавляющее большинство лиц, употребляющих наркотические и психотропные вещества, не имеют постоянных источников легального заработка. При этом, денежные средства данным лицам необходимы регулярны, вследствие чего происходят кражи чужого имущества, грабежи, разбойные нападения. Уровень наркотизации пермского общества в последние годы не снижается. Это является одной из основных причин высокого уровня преступности, как в регионе, так и в краевой столице.





  1. Каталог: data -> 2013
    2013 -> Связь характеристик индивидуального пути с
    2013 -> Бакалаврская работа
    2013 -> «Система госзакупок высокотехнологичного медицинского оборудования»
    2013 -> «Анализ административной практики защиты прав участников размещения заказов»
    2013 -> Проблемы социальной адаптации внутренних мигрантов в условиях мегаполиса
    2013 -> «Применение международных стандартов информационной безопасности при деятельности российских коммерческих организаций»
    2013 -> Диссертация «Воздействие бюджетного дефицита и государственного долга на экономический рост: анализ на примере развитых и развивающихся стран»
    2013 -> Программа дисциплины Саморегуляция. Аутотренинг. Медитация для направления 030300. 68 Психология для магистерских программ
    2013 -> «Эмоциональная атмосфера в высших эшелонах власти Великобритании и США в ХХ в.»
    2013 -> Особенности маркетинговой стратегии компании Тойота на рынках стран Европы


    Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8   9


База данных защищена авторским правом ©zodorov.ru 2017
обратиться к администрации

    Главная страница