Экономика преступления - теоретическое и эмпирическое исследование факторов преступности
Понятие экономики преступлений, ее сущность как науки, особенности, значение и обзор научных работ. Основная теоретическая модель: преступник и жертва, ее описание и свойства. Эмпирические оценки влияния сдерживания и распределения дохода на преступность.
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
В общем случае можно считать, что уровень преступности является функционалом от вероятности гладкой функции распределения доходов.
Для вывода основного результата нам понадобится предположение об ограниченности плотности в нуле.
Примеры такой функции распределения - логнормальное распределение, а самый простой - равномерное распределение на отрезке с началом в нуле, в обоих случаях.
Экзогенными в модели полагаются распределение доходов и расходы на правоохранительную деятельность. Вероятность поимки и размер наказания являются эндогенными переменными, определяемыми оптимальным образом в зависимости от расходов и уровня преступности. Последний, в свою очередь, также зависит от вероятности и размера наказания, а значит и от расходов. В результате именно расходы на борьбу с преступностью и определяют оптимальные уровень преступности, вероятность и размер наказания.
Известна функция затрат государства на обеспечение правопорядка, равная сумме фиксированных затрат на функционирование системы правопорядка, и затрат на поимку и наказание преступников.
Все пойманные полицией преступники попадают на f периодов в тюрьму или, что то же самое, выплачивают штраф в размере дохода за f периодов. Ограниченность размера наказания - существенное предположение, иначе под угрозой бесконечно большого наказания даже при низкой вероятности поимки любой рациональный преступник будет удерживаться от преступления. Полагаем, что функция расходов на поимку есть произведение «технологии» поимки на уровень преступности. «Технология» - неограниченная выпуклая растущая функция от раскрываемости, не зависящая от уровня преступности.
Таким образом, делаются три предположения. При постоянной раскрываемости рост преступности ведет к пропорциональному росту расходов. Поимка дополнительного преступника стоит все дороже и дороже при фиксированном уровне преступности. Поимка всех преступников может требовать бесконечных затрат.
Аналогично, считаем, что функция расходов на наказание пропорциональна наказанию и числу заключенных.
Задача государства - при заданных затратах найти оптимальные p и f (иными словами, оптимальное распределение ресурсов между поимкой и наказанием преступников), так, чтобы уровень преступности был минимален.
Решение назовем эффективным, если полученный уровень преступности не может быть решением задачи с меньшими расходами.
Вместо задачи минимизации преступности можно рассмотреть эквивалентную задачу.
Задача минимизации расходов:
При заданном уровне преступности найти оптимальные p и f, так, чтобы затраты были минимальными.
Линия постоянной преступности является выпуклой функцией. Необычность же последней задачи состоит в том, что линия постоянных расходов не является выпуклой функцией, в рассматриваемом ниже случае она будет иметь точку перегиба.
Смоделируем преступность следующим простым образом. Подобно сделанной выше модели, преступная деятельность будет определяться ее экономической привлекательностью. Считаем, что при определенных обстоятельствах любой агент может стать как преступником, так и жертвой. Таким образом, подмножество потенциальных преступников в модели совпадает с множеством жертв. Будем считать, что есть континуум.
Незащищенных агентов с доходами, распределенными на некотором отрезке (луче).
Функция преступности обладает следующими очевидными свойствами:
Для нас важной будет оценка убывания уровня преступности на бесконечности (т.е. агента со средним доходом) между ожидаемыми издержками от наказания и преступными доходами.
Величину s можно назвать силой правопорядка: с ее ростом преступность падает, а максимальной/минимальной силе правопорядка? соответствует минимальный/максимальный уровень преступности.? При достаточно высокой силе правопорядка ?s = 1?
Графически эта функция выглядит следующим образом: это гипербола справа от 1 и прямая слева.
Перед тем, как перейти к решению задачи минимизации расходов, сделаем одно замечание.
Замечание. Уже отмечалось, что при фиксированной положительной вероятности р минимум преступности ?CR будет достигаться при бесконечном размере наказания f . При этом расходы будут ограничены в силу условия, наложенного на функцию распределения расходов. Однако бесконечность наказания нереалистична, например, ввиду бесконечности ожидаемых расходов на наказание потенциального правонарушителя. Для избежания столь тривиального «граничного» решения, предположим ограниченность размера наказания, обычно рассматриваемую в теоретических моделях.
перегиба, т.е. смену выпуклости - при малых р она выпукла, а при больших -вогнута. Нетрудно продемонстрировать, что линия уровня преступности и линия уровня затрат имеют не более одной точки пересечения. Координаты точки пересечения удовлетворяют условию
Последнее уравнение при фиксированных константах имеет максимум одно решение в силу выпуклости и возрастании функции.
Кроме этого, эти условия на поведение функции g(p) гарантируют существование касательной (т.е. констант c1 и c2) при любом р.
Внутренняя точка на плоскости (p,f) будет решением задачи минимизации расходов, если обе линии постоянных затрат и преступности будут касаться в данной точке. Т.о. внутреннее решение удовлетворяет условию
На графике ниже показаны точки касания, т.е. оптимальные решения для технологии.
Решая уравнение, находим множество оптимальных наказаний в зависимости от вероятности. Пара (p*, f*) будет единственным решением задачи минимизации расходов. Не будем забывать про ограниченность размера наказания. Очевидно, при тех достаточно малых или достаточно больших p*, для которых формула дает значения больше максимального, оптимальным размером наказания будет его максимум.
Отсюда получается зависимость силы правопорядка от вероятности наказания в оптимуме. С ростом вероятности наказания сила правопорядка растет. Тем самым решение задачи минимизации расходов закончено.
Возвращаясь к задаче государства, минимизирующего уровень преступности, отметим, как следствие последней формулы, что CR* 0?p*, где p*=CR*CR(s*). Таким образом, между уровнем преступности и вероятностью p* есть взаимнооднозначное соответствие. Такого соответствия между преступностью и размером наказания может не существовать. Каждому уровню расходов е будет соответствовать некоторое подмножество оптимальных точек p*(e), являющихся решением уравнения.
E (p*) * E(p*,f)
*(p*), CR(p*,f)
*(p*)? * e, если решения вообще существуют.
В результате получаем оптимальный уровень преступности CR*(e)*CR(p*(e), f).
Равновесием будем считать набор ?e, p*, f*, s*, CR*?. При этом возможна множественность равновесий, т.е. когда данному уровню е соответствует более одного p*(e), а значит и более одного f*(p*(e)), s*(p*(e)) и CR(p*(e)).
Эффективным среди множества равновесий будет только крайнее правое pef*maxp*(e), которому соответствует максимальная сила правопорядка и, следовательно, минимальный уровень преступности. Получение эффективного равновесия требует предоставление максимальных усилий правоохранительными органами на поимку преступников. Пример множественности равновесий дан ниже.
Замечание. Обычно в экономике закона минимизируется ущерб от противоправной деятельности.
Осталось заметить, что при преступности H = const.
что дает совершенно такое же оптимальное множество вероятности поимки и размера наказания, что и в задаче минимизации расходов.
В общем случае, когда ущерб зависит от дохода жертвы и преступника (например, когда разность между доходами большая, то преступление может быть более жестоким и, значит, с большим ущербом).
Таким образом, независимо от функции ущерба от преступления (в том числе тождественно равной единице - рассмотренный случай минимизации расходов), социальный оптимум достигается на одном и том же оптимальном множестве вероятности-размера наказания.
Далее будет доказан основной результат об отсутствии преступности - эффективном равновесии при ограниченных расходах:
Теорема (основной результат). Для медленно растущих технологий поимки и минимальному уровню преступности ?CR*0? соответствует p*, а также минимальный или ограниченный уровень расходов иначе
Доказательство: Максимальная сила правопорядка ?s* соответствует максимальной вероятности (p*1) и отсутствию преступности ?CR*0?.
Принимать любые значения от нуля до бесконечности, в зависимости от вида технологии поимки преступников. Этот факт, в частности, показан в четырех примерах ниже. По утверждению теоремы, размер наказания в единице ограничен некоторой константой, большей или меньшей максимальной величины наказания.
Выше уже было показано поведение уровня преступности на бесконечности:
M*m (0) . Отсюда следует ограниченность расходов в окрестности.
А) в случае, когда наказание не превышает своего максимального значения, т.е. выпуклой функции g(p). Проще всего этот факт продемонстрировать графически. Эвристическое доказательство этого факта - длина катета, равная отношению значения функции к ее производной, неминуемо должна стремиться к нулю. На рисунке длина катета равна последовательно: 0.5, 0.25, 0.125.
Формальное доказательство использует условие медленного роста в единице. Доказательство завершено.
Ниже будет приведен пример, когда нулевой уровень преступности не достигается. Заметим, что из формулы (29) следует, что оптимальный размер наказания может расти, убывать, быть константой и быть немонотонным по вероятности поимки. Следующие четыре примера это демонстрируют. В данных примерах мы снимаем предположение об ограниченности наказания ради простоты изложения. Напомним, что в противном случае там, где наказание по формуле превышает максимально допустимое, оптимальным является максимальное значение F.
f(p) (1 p) ln(1 p)
Пример 3. Постоянный размер наказания:
2.3.1 Частные случаи модели
А) «Неограниченное» наказание.
Для простоты начнем со случая, когда максимальное значение наказания очень большое, но не бесконечность. Это предположение дает возможность не задумываться о решении возле концов отрезка 0,1, где значение оптимального наказания может стать достаточно большим (т.е. по своей формуле (29) превысить максимальное). Рассмотрим равномерную функцию распределения дохода на отрезке (0,W) и технологию поимки преступников g( p) (1? p)?2.
Зависимость уровня преступности от силы правопорядка уже была показана для равномерного распределения, а уровень расходов имеет следующий вид (для простоты полагаем отсутствие фиксированных издержек:
Эта функция растет до значения и затем убывает до нуля при s=0. На графике ниже показана зависимость уровня преступности и расходов с учетом минимального значения силы правопорядка.
10
Зависимости уровня преступности и расходов от вероятности поимки выглядят следующим образом.
Что может быть меньшим или большим нуля в зависимости от соотношения. Поэтому, для описания поведения функции расходов необходимо рассмотреть два случая.
Случай 1. Максимум уровня расходов не достигается, т.е. выполнено условие. В этом случае рост расходов сопровождается ростом уровня преступности. Здесь и ниже на графиках верхняя кривая соответствует расходам, а нижняя - уровню преступности. На графике показаны зависимости от вероятности поимки при p=1, что соответствует низким издержкам на заключенного. Заметим, что максимальный уровень преступности равен ? при p = 0.
Случай 2. Более интересный: достигается при некоторой положительной вероятности поимки. В этом случае падение уровня преступности сопровождается вначале ростом, затем падением расходов. На графике показана зависимость уровня преступности и уровня расходов от вероятности поимки при 10, что соответствует высоким издержкам на заключенного. Здесь получается множественность равновесий: при достаточно высоких расходах ему соответствует два значения вероятности поимки и уровня преступности. Эффективным будет лишь правое равновесие, в котором достигается минимальное значение преступности, а значение вероятности наказания будет максимальным.
Замечание. Для неравномерного распределения дохода на отрезке 0,W, например, когда распределение имеет «одногорбовый» вид.
Результаты принципиально не меняются и зависимости уровня преступности и расходов от вероятности p имеют схожие графики в обоих случаях.
Б) Ограниченное наказание.
Предполагаем, что размер наказания не может превосходить определенного уровня: 0<f<F. Тогда случаю 1 рассмотренному выше, будет соответствовать график с одним максимумом, как было в случае 2. На графике ниже показан случай. При малых значениях вероятности возникает множественность равновесий. По-прежнему, уровень расходов при нулевой преступности минимален, но уже не равен нулю, как в случае бесконечного наказания, а равен
Заметим, что ограничение размера наказания привело к увеличению максимального уровня преступности с ? до 1 при p =0.
Множественность равновесий сохранилась. Нулевой уровень преступности получается, как и выше при ненулевых расходах:
При этом возможна ситуация, когда для любого уровня расходов (от минимального до максимального), возможна множественность равновесий. Эта ситуация представлена на следующем графике, с параметрами.
Уровень расходов при нулевой преступности и при максимальном уровне преступности минимален:
Б) Быстрорастущая технология поимки.
Для быстрорастущих технологий, результат, доказанный выше, не выполняется. Минимальный уровень преступности будет достигаться лишь при бесконечных расходах. Например, при параметрах расходы в равновесиях больше не будут ограничены. Соответствующий график ниже показывает, что расходы растут до бесконечности при вероятности поимки стремящейся к единице. В этом случае равновесие с нулевой преступностью не достигается. Заметим, что при достаточно высоких и достаточно низких расходах множественность равновесий пропадает.
Основной вывод из модели: вопреки популярному в экономике преступления результату о том, что в оптимуме вероятность поимки преступника должна быть низкой, а размер наказания - максимальным или ниже максимального, данная модель показывает, что при медленно растущих расходах на поимку преступников в одном из равновесий отсутствует преступность. При этом расходы на охрану правопорядка минимальны или ограничены, вероятность поимки преступника - максимальна, а размер наказания соответствует технологии поимки преступника и может варьироваться от нуля до максимального. Именно наличие медленно растущей «технологии» поимки гарантирует отсутствие преступлений. Однако при быстрорастущей «технологии» поимки невозможно достичь нулевой преступности. Кроме того, появляется необходимость общественного контроля над действиями правоохранительных органов. Без такого контроля возможна ситуация, что при данном уровне расходов правоохранительные органы выберут неэффективное равновесие, т.е. меньший уровень раскрываемости и высокий уровень преступности.
3. Эмпирические оценки влияния сдерживания и распределения дохода на преступность (эконометрические модели)
Цель эмпирической части работы - найти зависимость уровня преступности от распределения дохода и переменных наказания и сравнить теоретические и эмпирические результаты.
Современные методы эконометрического анализа интенсивно используются исследователями в экономике преступления. Имеющиеся данные дают возможность проводить разносторонний анализ, используя преимущества рядов данных, а также применяя приемы, позволяющие исправлять или учитывать недостатки. Условно находящиеся в распоряжении ученых данные по преступности можно разбить на следующие 4 категории:
1) временные ряды, как правило - это агрегированные данные по стране, региону, городу за достаточно большой промежуток времени, обычно годовые наблюдения.
2) пространственные ряды - данные по нескольким странам, регионам, городам за определенный период времени, обычно за год.
3) индивидуальные данные - данные однократных, реже ежегодных, опросов населения о вовлеченности в преступную деятельность или о том, были они жертвой преступления, обычно по региону, городу за один, реже несколько лет. Некоторые развитые страны делают постоянные обследования жертв среди населения (США и др.)
4) панельные ряды - данные по странам, регионам, городам за продолжительный период времени, т.е. за достаточно много лет.
В эмпирической литературе имеется достаточно много статей по социально-экономическим и другим факторам преступности. Нас будут интересовать, прежде всего, показатели экономического развития, дохода и неравенства в доходах, а также различные индикаторы наказания (раскрываемость, судимость, тюремное население). В первой главе диссертации были проведены обзор и классификация эмпирических результатов. Как отмечает Эйд в своем обзоре, гипотеза о том, что преступность положительно соотносится с доходами и с неравенством в доходах, строго подтверждается МНК оценками большого числа известных автору работ с пространственными рядами. Почти все оценки эластичностей положительны. В то же время, 2МНК оценки менее убедительны, так как для преступлений против собственности и общего уровня преступности они, по-прежнему, значимо положительны, тогда как для убийств они хоть и положительны, но незначимо [22, с. 125]. Что касается индикаторов наказания, а это довольно большой набор переменных у разных авторов, включающий как вероятность наказания (раскрываемость, задержание, арест, обвинение, осуждение и т.п.), так и строгость его (средний срок наказания по приговору, размер штрафа, наличие смертной казни, отсрочка исполнения приговора), то почти без исключения эластичности переменных наказания отрицательны и в большинстве случаев значимы [22, с. 155]. К аналогичным выводам приходят и исследователи временных рядов для разных стран [22, с. 156].
В современной работе [55] рассматривается большой перечень работ, использующих индекс Джини в качестве меры неравенства в доходах (список включает 11 пространственных рядов, 3 панельных и 2 временных ряда, 13 из которых - данные по США и только 3 - по разным странам), а также доход на душу населения и распространенности бедности (16 рядов - пространственные, 6 - панельные и только один временной ряд, причем американские данные и международные представлены в 15 и 8 случаях, соответственно) и приходит к немного отличным выводам по сравнению с предыдущими. Что касается исследований на данных по США, то получены свидетельства об отрицательном влиянии дохода и положительном эффекте уровня бедности и менее убедительно - о положительном влиянии неравенства. Однако противоположный вывод делается в международных исследованиях. Во многих работах заключается, что экономическое развитие и уровень преступности значимо положительно коррелированны. Однако в [55] показывается, что это ошибочное заключение, связанное с тем, что доля регистрируемых преступлений отрицательно связана с ВВП на душу населения. Ниже, в главе 4 мы демонстрируем на международных панельных данных, что уровень убийств отрицательно зависит от ВВП.
3.1 Эмпирическая модель преступности
Главная проблема при оценивании моделей преступности - это эндогенность переменных сдерживания преступности. В литературе отмечается, что численность полицейских имеет ложную положительную корреляцию с уровнем преступности, так как нормальная реакция государства на рост преступности - увеличить расходы на борьбу с ней и, как следствие, численность полицейских [34]. При этом естественно ожидать, что следствием роста числа полицейских должно стать сокращение преступности. В данной работе будут использованы другие сдерживающие переменные - тюремное население (численность заключенных в исправительных учреждениях) и раскрываемость преступлений (доля раскрытых преступлений). Аналогично численности полиции, тюремное население также эндогенно к уровню преступности, так как оно растет вследствие роста преступной активности. Следовательно, несмотря на положительную корреляцию, было бы ошибочно считать, что деятельность правоохранительной и пенитенциарной системы усугубляет криминальную обстановку (хотя в условиях тоталитарного государства, каким являлся Советский Союз, возможна и такая тенденция).
С раскрываемостью похожая ситуация - она может быть эндогенной. Допустим, что между ней и преступностью нет статистически значимой связи. Происходит неожиданный рост преступности, вследствие чего доля раскрытых преступлений неминуемо сокращается, вызывая тем самым ошибочную отрицательную корреляцию между двумя переменными. Итак, все три переменные, связанные с правоохранительной деятельностью и системой уголовного наказания, эндогенны.
Проблема эндогенности приводит к необходимости рассматривать кроме первого уравнения, уравнения «предложения» преступлений, еще и второе уравнение, уравнение «производства» правоохранительной деятельности, в сумме дающие систему из двух уравнений
Для идентификации системы необходимо, чтобы по крайней мере одна из экзогенных переменных была исключена (только) из одного уравнения.
Поиск такой переменной Zt, которая явным образом входит только, например, в функцию производства правоохранительной деятельности Pt - ключ к решению проблемы эндогенности. Иногда к системе добавляется третье уравнение: ресурсы на правоохранительную деятельность
Для оценки одного первого уравнения, в котором вероятность поимки является эндогенной переменной, применяется двухэтапный метод наименьших квадратов (2МНК), который состоит из первого этапа - оценки второго уравнения, включающего инструментальную переменную, не входящую явным образом в первое уравнение, затем подстановки аппроксимирующих значений (fitted values) в первое уравнение и на втором этапе - оценки первого уравнения.
3.2 Анализ временных рядов преступности в СССР (1961-1989 гг.) и РСФСР (1965-1990)
Прежде, чем приступить непосредственно к анализу имеющихся данных, кратко остановимся на методологии оценок таких рядов. Обычная регрессия временных рядов, каждый из которых стационарный), т.е. быть нормально независимые, берутся в логарифмах). Делается это для того, чтобы избежать гетероскедастичности остатков. В случае, когда и зависимые и независимые переменные берутся в логарифмах, оценки параметров имеют простую интерпретацию эластичностей. Отметим, что существуют методологические трудности при оценивании моделей на временных рядах. Оценки параметров модели могут быть смещены из-за эндогенности независимых переменных и автокорреляции остатков, которая может появиться из-за пропущенных переменных.
Регрессии на рядах, представляющих собой «случайное блуждание» (т.е. содержащие детерминистический тренд), приводят не только к случайному R2, но и к ложной периодичности остатков [81]. Попытка оценить авторегрессионную модель первого порядка часто приводит к смещенным вниз МНК оценкам. Знаменитый результат Дикки и Фуллера показывает, что при отсутствии стационарности такие ряды имеют свойство постоянного влияния прошлых шоков на настоящее значение, т.е. долгую память [82]. Чтобы продемонстрировать это, запишем простую авторегрессионную модель без любого кратковременного шока t-i. Однако достаточно взять первую разность, чтобы процесс имел короткую память и более того, стал стационарным. Стационарные ряды представляют собой процессы с нормально распределенными случайными отклонениями от некоторого фиксированного значения. Естественно ожидать, что многие исследуемые процессы не будут стационарными. Так, представленные на графике 1 в приложении 2 уровни общей зарегистрированной преступности и убийств, показывают явные нестационарность процессов и наличие тренда у общей преступности.
Первая проверка рядов данных - это проверка на стационарность. Для тестирования нулевой гипотезы о единичном корне против гипотезы о стационарности, мы воспользуемся тестом Дикки-Фуллера (Dickey-Fuller). В общем виде авторегрессионное уравнение может иметь сдвиг и тренд.
В первых двух моделях проверяется гипотеза о наличие единичного корня. Это означает, что коэффициент при первом лаге переменной нулевой, а в третьей модели 0. Как мы можем убедиться из таблицы 1 в приложении 2, гипотеза о наличии единичного корня для всех рассматриваемых переменных не отвергается в любой спецификации модели. В то же время, эта гипотеза для первых разностей переменных отвергается с высокой степенью значимости, опять же в любой спецификации (за исключением демографической переменной: доля мужчин 15-34 лет в модели со сдвигом и трендом). Это означает интегрированность степени 1 всех рассматриваемых процессов, а также стационарность рядов в первых разностях.
В этом разделе на основе временных рядов для некоторых видов преступности в СССР будет выявлена связь уровня преступности с уровнем экономического развития, а также наказанием за преступление. Статистика преступности взята из книги [87], а экономические данные - из Госкомстата.
Кроме этих данных будет использован альтернативный источник - данные по смертности от убийств в РСФСР (1965-1990).
Вопреки распространявшемуся идеологическому мифу о скором искоренении преступности, уровень насильственной преступности в СССР был наряду с США наивысшим среди индустриально развитых стран [71]. Более того, уровень убийств постоянно рос с середины 60-х гг. почти до середины 80- х, до начала горбачевских реформ, когда он стремительно упал до минимального уровня за тридцатилетний период, а затем быстро вырос уже в политически свободной России, стабилизировавшись с середины 90-х годов на трехкратном уровне к советскому пику в начале 80-х. Этот скачок наглядно продемонстрирован на графике 2 в приложении 2. Примечательно, что динамика уровня преступности за последние четыре десятилетия весьма близко соответствует динамике изменения социально-экономических показателей, отражающих уровень жизни населения, прежде всего - продолжительности жизни населения [51].
Так как все изучаемые процессы имеют единичный корень, то мы будет оценивать авторегрессионную модель в первых разностях.
Зависимая переменная - первая разность уровня преступности качестве независимых переменных взяты лаг уровня преступности уровня судимости населения, уровня освобождения из тюрем (все переменные пересчитаны на 100 тысяч населения), доли мужчин 15-34 лет в населении. Кроме них, взята одна из переменных, характеризующих экономическое развитие - реальный национальный доход на душу населения, за начало отсчета выбран 1950 год. Заметим, что на результаты регрессионного анализа начало отсчета, как и единицы измерения не оказывают реального влияния, так как значимость оценок не зависит от масштаба представления переменных.
Временной ряд, представляющий меру имущественного расслоения в обществе никак не измерялся в Советском Союзе. Следовательно, в данном разделе мы сможем протестировать только гипотезу, касающуюся криминогенности экономического развития. Использованные данные содержатся в таблице 5 в приложении 2.
В таблице 2 в приложении 2 приводятся результаты МНК оценки авторегрессионного уравнения для 8 видов преступлений: общей зарегистрированной преступности, убийств, причинений тяжкого вреда здоровью, изнасилований, грабежей, разбоев, краж личного имущества и краж общественного имущества. Так как ни в одной из регрессий доля мужчин в возрасте от 15 до 34 лет не является статистически значимой, то эта переменная была исключена из числа независимых переменных.
Значимость коэффициента при уровне преступности, взятого с лагом, во всех случаях за исключением наиболее некачественного общего уровня преступности, подтверждает обоснованность применения авторегрессионной модели для преступности. Среднее значение коэффициента авторегрессии, 0.65, показывает суммарное долгосрочное влияние кратковременного шока, которая определяется значением мультипликатора.
Мы получили, что неожиданный рост преступности на некоторую величину дает долгосрочный эффект в регистрируемом уровне преступности в среднем почти в 3 раза выше. Наименьшее долгосрочное влияние шока получается для краж личного имущества и грабежей, около 2.5, а наибольшее - для убийств, изнасилований и разбоев, около 3.3. Экономическое развитие, представленное национальным доходом, как и было предсказано теоретической моделью для страны с низким значением силы правопорядка, показывает положительное влияние на рост всех видов преступлений, в 5 случаях незначимый, но для 3 насильственных преступлений (убийство, причинение вреда и изнасилования) значимость находится на высоком уровне.
Полученный результат на первый взгляд кажется странным, так как экономический рост скорее должен быть связан с ростом привлекательности имущественных, а не насильственных преступлений. Однако этот результат будет подтвержден для стран с низким и средним доходом в дальнейшем нашем исследовании (в части 4.4) на индивидуальных обследованиях жертв, проводившихся в разных странах.
Наиболее сильный результат - сдерживающее влияние судимости. Практически для всех видов преступлений найдено отрицательное влияние судимости на уровень преступности. Так дополнительно осужденные 100 человек в прошлом году приводят к падению количества зарегистрированных преступлений в этом году. При этом общее число преступлений сокращается на 65, убийства - на 0.6, причинения тяжкого вреда здоровью - на 2, изнасилования - на 0.8, грабежи - на 4, разбои - на 1, кражи личного имущества - на 25 и кражи общественного имущества - на 10. Заметим, что с использованием инструментов (лаг судимости) 2МНК оценки параметра для судимости получаются в 2 раза больше (для убийств, причинений вреда здоровью) и в 1.5 раза больше для изнасилований, что подтверждает существование проблемы смещенности вниз, т.е. эндогенности. Здесь необходимо сделать замечание о двойной природе влияния уголовного наказания. С одной стороны - это может быть следствием изоляции преступников от общества (соответствующий английский термин - incapacitation effect), а с другой - непосредственно эффект сдерживания от высокой вероятности понести наказание (deterrent effect). Какой из них является определяющим - не известно.
Следующий интересный результат - рост насильственных преступлений от выпуска заключенных на свободу. При дополнительном освобождении из пенитенциарных учреждений 100 человек, по нашим оценкам, через год происходит рост числа убийств на 0.4 и числа причинений тяжкого вреда здоровью - на 0.8. Однако есть и положительный эффект - сокращение числа изнасилований на 0.3. Отсюда можно заключить, что наказание за совершенное преступление ведет к росту насилия после того, как осужденный выходит на свободу. Так, американские данные называют уровень рецидивизма 80% [83]. Получается порочный круг преступление - наказание - более серьезное преступление и т.д. Отметим, что обе независимые переменные - судимость и освобождение - могут быть эндогенными, но инструменты для них пока не найдены.
Дальнейший шаг состоит в более тщательном эконометрическом анализе. Для каждой из семи зависимых переменных был произведен поиск спецификации модели, т.е. включены только значимые регрессоры и их лаги. Процедура нахождения правильной спецификации следующая: вначале в регрессию включается как можно большее число лагов независимых переменных, затем исключается наименее значимый регрессор и так до тех пор, пока не останутся лишь значимые регрессоры. Судимость, использованная при предыдущем анализе, была разбита на две переменные: осужденные к лишению свободы и осужденные к другим мерам наказания. Результаты этого анализа представлены в таблице 3 в приложении 2.
Сразу обращает на себя внимание тот факт, что преступность - это процесс с продолжительной памятью. Так (неожиданный) рост общей преступности и числа убийств в данном году сказывается на росте еще 2 года. Два других вида преступлений - причинение вреда здоровью и грабежи представляют волнообразную картину. После неожиданного роста преступности через год происходит дальнейший рост, а через два года - сокращение.
Судимость, как к лишению свободы, так и иная, по-прежнему во всех случаях снижает преступность. Наиболее продолжительное влияние оказывает судимость, не связанная с лишением свободы, на самое опасное преступное деяние - убийство. Так, осуждение дополнительных 1000 человек сохраняет в течение 4 лет жизни 19 людям. Полученные коэффициенты позволяют сравнивать эффективность различных политик уголовного наказания. Осуждение к лишению свободы дополнительно 1000 человек дает лишь кратковременный эффект, число убийств через год сократится на 9, однако как только осужденные выйдут на свободу (это происходит в среднем через три года), эти дополнительно выпущенные 1000 человек приведут к росту числа убийств на 5 в течение следующего года. В итоге получается, что за четыре года число сохраненных жизней составит 4, почти в 5 раз меньше, чем, если бы к этим 1000 осужденным не было применено столь строгое наказание. Примечательно, что судимость к альтернативным видам наказания по своему влиянию оказывается гораздо эффективнее лишения свободы и для других видов преступлений.
В таблице 4 в приложении 2 показаны результаты анализа авторегрессионной модели на альтернативных данных. В анализ включена дополнительная независимая переменная, являющаяся относительно хорошим приближением для уровня потребления алкоголя - смертность от отравления алкоголем в РСФСР на 100 тысяч населения. В первой регрессии даны результаты для зарегистрированного уровня убийств в СССР, в следующих - для смертности населения от убийств в РСФСР, регистрируемой медицинской статистикой, для мужчин и женщин в сумме и по отдельности, все показатели на 100 тысяч населения. Как и раньше, показана значимая отрицательная связь преступности с судимостью и положительная связь с национальным доходом и освобождаемостью из тюрем. Кроме этого, найдена статистически значимая положительная связь с потреблением алкоголя.
3.3 Регрессионный анализ панельных данных преступности в 77 регионах России (1992-2000 гг.)
Панельные данные представляют собой объединение пространственных и временных рядов, т.е. наиболее «полную» картину об изучаемом явлении. В пространственном и временном разрезах данные по преступности уже достаточно хорошо изучены в некоторых странах. На современном этапе ученые работают с более информативными годовыми/месячными и, возможно, даже ежедневными данными по регионам и городам отдельно взятой страны, однако никто не пытается наложить каждое преступление на карту и время, не говоря уже о том, чтобы представить его как элемент многомерного пространства, хотя в этом и есть смысл и современная вычислительная техника позволяет это сделать (благодаря эконометрике). В современных условиях такая динамическая картина мира уже не выглядит такой фантастической и вполне реальна для достижения уже в нынешнем столетии.
Использование панельных данных еще достаточно редко в экономической науке, хотя в последнем десятилетии наметился очевидный прогресс. Отчасти это связано с прогрессом в теоретических результатах в эконометрике, отчасти с появлением мощных компьютеров и прикладных статистических программ. Соответствующим образом улучшились как количество, так и качество данных и эмпирических исследований, проведенных на этих данных.
Для исследователя панельные данные обладают определенными преимуществами над другими видами данных. Оценки параметров на панельных данных не просто объединяют две размерности (between и within - оценки на средних величинах и на отклонениях от средних, соответственно), но также позволяют учитывать ненаблюдаемые эффекты, тем самым, принося наиболее точные результаты в оценках регрессий. Однако и используемый математический аппарат заметно усложняется. Ненаблюдаемая переменная считается постоянной по времени для каждого региона, ui - случайный эффект (random effect), т.е. ненаблюдаемая переменная - нормально распределенная случайная величина. Соответственно, модели и получили название - модели с фиксированным и случайным эффектом. Выбор модели - это творческий процесс исследователя. Модель со случайным эффектом обычно появляется там, где объекты случайным образом выбраны из большой совокупности, например, репрезентативная выборка населения. Модель с фиксированным эффектом соответствует случаю, когда ненаблюдаемые переменные коррелируют с независимыми переменными. В случае панельных данных для регионов/городов ожидается именно фиксированный эффект. Существует специальный тест Хаусмана (Hausman), который проверяет нулевую гипотезу о случайном эффекте против гипотезы о фиксированном эффекте на основе корреляции между фиксированным эффектом и регрессорами. Однако часто выбор модели - дело вкуса самого исследователя.
Для асимптотической состоятельности получаемых оценок необходимо, чтобы было достаточное число временных периодов (T>4) и большое число объектов (N>T). Большое число степеней свободы дает возможность включать фиксированные эффекты, временные бинарные переменные (в сумме N-1+T-1), а также большой набор независимых переменных.
Для регрессий на панельных данных проблема эндогенности регрессоров не менее насущна. Подбор подходящих инструментальных переменных также творческий процесс. В данной работе использован обобщенный метод моментов, позволяющий учитывать совместную эндогенность независимых переменных. Для этого мы расширим применяемую модель, добавив в нее динамическую составляющую.
Две основные проблемы оценки этого уравнения - это возможная эндогенность независимых переменных (например, рост преступности в данном году может сопровождаться падением реальных доходов населения из-за краж, тревоги, стресса, травматизма при нападении и т.п.), а также серийная корреляция остатков, так как сit коррелирует не только с сit-1, но и по серийной корреляции пропадает при следующем линейном преобразовании модели.
Однако проблема эндогенности при этом сохраняется. Современная эконометрика позволяет оценивать такие динамические (авторегрессионные) модели на панельных данных обобщенным методом моментов (ОММ) либо для первых разностей, либо для системы из двух уравнений: уравнение в уровнях вместе с уравнением в первых разностях. Наборы инструментальных переменных для каждого из уравнений свои: для уравнения в уровнях - это (первые или выше) лаги первых разностей зависимой и эндогенных независимых переменных, а для уравнения в первых разностях - это второй лаг зависимой переменной и первые лаги эндогенных независимых. При этом экзогенные переменные инструментируются сами собой.
Панельные данные дают важные преимущества для исследователя, как было отмечено выше. Практически любая переменная имеет большую вариацию в разрезе российских регионов (см., например, карту с уровнем убийств в приложении 3), причем из-за слабости государства и ничтожного «уравновешивающего» влияния рыночных механизмов для ряда социально- экономических показателей, связанного с низкой мобильностью трудовых ресурсов, эта вариация может увеличиваться. Если принять в расчет те драматические изменения, произошедшие в жизни россиян за 90-е годы, то это десятилетие может быть сопоставимо с большим временным периодом для стабильного общества. Последний факт особенно ценен для исследователя.
Анализ панельных данных концентрируется на четырех гипотезах:
1. Преступность выше там, где уровень (качество) жизни ниже.
2. Экономическая рецессия и высокая дифференциация в доходах криминогенны.
3. Преступность сдерживается правоохранительными органами. Дополнительно изучается следующая гипотеза:
4. Преступность связана с конфликтами и этнической поляризацией.
3.3.1 Данные и эмпирическая модель
Начиная с первых лет после образования СССР криминальная, как собственно и любая моральная статистика была засекречена. Это продлилось вплоть до горбачевской оттепели и политики гласности. На настоящий момент криминальные и социально-экономические данные в большинстве своем доступны примерно за десятилетний период новой истории Российского государства.
В анализ кроме криминальных и социально-экономических данных также включены этнические переменные, ибо Россия одна из самых многонациональных стран в мире. Территория ее на настоящий момент поделена на 89 территориальных единиц - субъектов Федерации, границы между которыми были установлены произвольным образом с образованием СССР в 1922 г без основательного учета расселения определенных этнических групп. Из 89 регионов только 77 могут быть включены в анализ. Исключаются Чеченская и Ингушская Республики ввиду отсутствия для них данных, а также десять автономных округов, для которых статистика включена в охватывающие их области.
Для тестирования гипотез мы используем разнообразные панельные данные, состоящие из коротких временных рядов для большого числа регионов. Используемая криминальная статистика включает официально зарегистрированный Министерством внутренних дел РФ уровень преступности по наиболее распространенным видам преступлений против личности и имущества: убийствам, причинению тяжкого вреда здоровью, изнасилованиям, грабежам, разбоям, кражам, хулиганству. В качестве альтернативного источника криминальной статистики были использованы данные по смертности от убийств и причинений тяжкого вреда здоровью, отдельно для мужчин и женщин, собираемые Министерством здравоохранения РФ.
Социальные и демографические данные были взяты из публикаций Госкомстата. Они относятся к нескольким категориям. Первая категория - показатели качества жизни, включающие ожидаемую продолжительность жизни при рождении и средний уровень образования населения, входящие в Индекс человеческого развития. Первые две компоненты его уже упомянуты, а третья - это средний уровень дохода. Во вторую категорию включены социально-экономические данные: кроме среднего реального дохода населения (с поправкой на уровень цен в регионах), уровень общей безработицы и неравенство в доходах населения. Третья категория - демографическая, состоящая из степени урбанизации (доля городского населения), географической мобильности населения и этнического разнообразия: индекса мозаичности населения и этнической поляризации. Оба последних показателя рассчитаны из данных переписи населения 1989 г. Последняя, четвертая категория показателей - факторы сдерживания: сила правоохранительных органов, измеряемая долей раскрываемых преступлений, и вместимость пенитенциарных учреждений.
Одной из целей эмпирического исследования стало нахождение связи между насилием и конфликтами. Для этого в московском Центре по изучению и урегулированию конфликтов в Институте этнологии и антропологии был построен индекс социально-политического конфликта в Российских регионах.
Индекс был построен за каждый год 1992-2000 с использованием оценок экспертов, участвующих в ежегодном мониторинге, об изменении и степени влияния 46 индикаторов конфликта, разделенные на семь широких категорий:
1. среда и ресурсы, 2. демография и миграции, 3. власть, государство и политика, 4. экономика и социальная сфера, 5. культура, образование, информация, 6. контакты и стереотипы, 7. внешние условия. Максимальное значение индекса конфликта наблюдается по убыванию в Чечне, Ингушетии, Карачаево-Черкесии, Дагестане, Краснодарском крае, Туве, Северной Осетии. За исключением одного региона, все остальные находятся на северном Кавказе в непосредственной близости к чеченскому конфликту. Данный индикатор имеет достаточно высокую корреляцию с некоторыми социально- экономическими показателями, в порядке убывания: с уровнем безработицы, этнической мозаичностью, употреблением наркотиков, долей сельского населения, этнической поляризацией, но в то же время небольшую значимую корреляцию с уровнем убийств и смертностью от убийств (см. таблицу 6 в приложении 3).
Нужно отметить, что в регистрируемом уровне преступности в России есть серьезные недочеты. Латентность некоторых видов преступлений может достигать 99 и более процентов (кражи, коррупция). Известно, что в США около 38% жертв преступлений обращаются в полицию [33]. Практически такая же величина (40%) была получена обследованием Госкомстата, проведенным в 22 российских регионах в 1991 году. При этом эффективность обращения была очень низкой: в большинстве случаев милиция не зарегистрировала преступление и лишь 12% пострадавших знают, что было возбуждено уголовное дело [9]. В целом оценка доли зарегистрированных преступлений в России, сделанная ведущим криминологом 20-25%. Судя по результатам международных обследований жертв (МОЖ), проведенных в разных городах и странах, в том числе и Москве, а также по подобным российским исследованиям в Санкт-Петербурге и других городах, эта оценка представляется сильно завышенной. Так, по данным МОЖ за 2000 г 25% жертв серьезных преступлений против личности и собственности в Москве обратились за помощью в милицию [47]. Практически такую же величину (25%) показало исследование 2000 г. в Санкт-Петербурге и порядка 40% в Волгограде [48]. Доля зарегистрированных преступлений среди серьезных преступлений, таких как преступления против личности, по всей видимости, выше, потому как они представляют наибольшую общественную опасность и у милиции меньше возможностей для сокрытия таких преступлений. Мои оценки латентной преступности в России, основанные на данных обследований жертв, еще более высокие - регистрируется не более 1 или 2% всех преступлений против личности и частной собственности.
Для проверки отсутствия влияния латентности на результаты анализа были использованы альтернативные источники данных, в частности для убийств. Так, статистика смертности от убийств, собираемая Министерством здравоохранения РФ, представляется более качественной по сравнению с милицейской статистикой (просто потому, что регистрируют больше убийств), но не в кавказских республиках.
Способ учесть проблему латентности для панельных данных был предложен в работе [24], в которой авторы предположили, что настоящий уровень преступности есть сумма регистрируемого уровня и константы для каждой страны. Следовательно, частично проблема с не полностью отражаемым статистикой явлением может быть преодолена, если число (или доля) ненаблюдаемых явлений в данном регионе постоянно по времени.
Основная модель нашего эконометрического анализа - это динамическая модель на панельных данных. В ней уровень преступности - зависимая переменная, а взятый с лагом уровень преступности - независимая. Для оценки динамических панельных регрессий в [27, 49] рекомендуется применять оценку регрессии в уровнях, либо систему уравнений в уровнях и первых разностях. В обоих случаях используется обобщенный метод моментов (ОММ) с соответствующими условиями на моменты.
Для оценки данной модели был применен ОММ, позволяющий контролировать эндогенность и предопределенность некоторых независимых переменных. Предопределенность (/эндогенность) означает, что переменные могут находиться под влиянием прошлых (/и настоящих) значений зависимой переменной, но не будущих значений. Использование системы в ОММ не только увеличивает точность оценок, но и уменьшает их смещенность, возникающую из-за конечности размера выборки [50].
3.3.2 Эмпирический анализ
Таблица 1 в приложении 3 содержит определение, описательную статистику и источники всех переменных. Несбалансированные панельные данные включают 691 наблюдение по 77 регионам России, за переходный период 1992-2000 гг. Большинство переменных имеют наблюдения за девятилетний период, но мера неравенства в распределении доходов - индекс Джини - была построена для семилетнего периода с 1994 г, тогда как уровень образования, этническая поляризация, индикатор реформ (малая приватизация), вместимость тюрем имеются лишь за один год и, следовательно, в анализе предполагаются постоянными во времени. При этом нужно иметь в виду, что оценки параметров таких постоянных переменных могут быть смещены, например, из-за эндогенности.
Система уравнений была оценена методом ОММ для одиннадцати видов преступлений. Результаты основной регрессии показаны в таблице 2 в приложении 3. В четырех случаях для общего уровня преступности, краж, разбоев, хулиганства, тест на наличие серийной корреляции остатков отвергается, что является признаком неправильной спецификации модели. Ввиду этого, оценки модели для данных видов преступлений не приводятся в таблице. В то же время у автора остаются некоторые сомнения в качестве и адекватности таких легко манипулируемых данных по преступности, а не в спецификации модели. В таблице 3 в приложении 3 сообщаются результаты основной регрессии с индексом Джини, сделанные на сокращенной выборке данных. Результаты для остальных переменных не меняются по сравнению с предыдущей таблицей.
Обращают на себя внимание схожие результаты для разных по своей природе насильственных и имущественных преступлений. Результаты свидетельствуют, что инерционность криминальной ситуации на данной территории (т.е. постоянство явления во времени), сила правоохранительных органов и качество жизни населения - наиболее мощные детерминанты преступности. Чем лучше работает милиция и лучше живет население, тем меньше преступность. В дополнение к ним, социально-политические конфликты и этническая поляризация имеют (статистически) значимое положительное влияние на насильственные преступления, тогда как неравенство в распределении доходов (индекс Джини) увеличивает все регистрируемые милицией преступления, в основном значимо, за исключением изнасилований.
В расширенном анализе преступности было использовано более широкое множество независимых переменных. С целью учесть неоднородность в культуре, традициях и поведении были включены в анализ климатические условия, в частности, средняя температура января и июля. Простой корреляционный анализ обнаруживает высокую отрицательную корреляцию между зимней температурой и количеством убийств и причинений тяжкого вреда, равную -0.6. Насилие может быть выше там, где люди проводят больше времени внутри помещения из-за неблагоприятных климатических условий, следовательно, имея больше шансов для конфликтов.
Кроме процента раскрываемости, была использована вместимость тюрем и лагерей, как мера сдерживающего эффекта наказания (точнее здесь должен присутствовать incapacitation effect - эффект лишения преступника возможности совершать преступления посредством заключения его под стражу). Количество тюремного населения не было задействовано в анализе, по причине того, что этот показатель является эндогенным к уровню преступности и из-за отсутствия панельных наблюдений. Трудно представить эндогенность вместимости тюрем и лагерей, так как большинство их было построено в царское и сталинское время. Более того, количество преступников в регионе не оказывает влияние на вместимость тюрем данного региона. Рост преступности ведет скорее к уплотнению и перегруженности имеющихся тюрем. В результате, следует ожидать рост преступности вследствие роста тюремного населения из-за низкой адаптации к законопослушному образу жизни у освобождаемых заключенных. Данные подтверждают эту гипотезу, показывая положительную корреляцию между вместимостью тюрем и преступностью, около 0.3 для разных анализируемых видов преступлений.
Подобные документы
Сущность и особенности преступлений в сфере экономики. Преступления, посягающие на основы государственного регулирования в определенных видах деятельности. Виды преступлений в сфере банкротства. Отличия преднамеренного банкротства от смежных преступлений.
курсовая работа [37,5 K], добавлен 05.01.2013
Понятие и особенности экономической преступности, оценка ее состояния и криминологическая характеристика. Особенности теневой экономики в России, ее механизмы, анализ и статистические измерения. Суть уголовно-правовой легализации денежных средств.
курсовая работа [46,7 K], добавлен 10.04.2010
Ловушка среднего дохода: определяющие факторы и причины возникновения. Эмпирическое доказательство существования ловушки среднего дохода в Российской Федерации, возможности ее преодоления. Исследование факторов, оказывающих влияние на экономический рост.
дипломная работа [1,4 M], добавлен 22.08.2017
Виды моделей национальной экономики. Макроэкономическая модель и смешанная экономика. Социальная устойчивость как главный критерий социально ориентированной рыночной экономики. Формирование и методика оценки белорусской модели национальной экономики.
курсовая работа [751,6 K], добавлен 28.08.2011
Формирование научных основ экономики труда. Активный процесс изменения общетеоретического базиса экономической науки. А. Файоль и его принципы управления персоналом: вознаграждение, справедливость, постоянность. Методика С. Струмилина по уровню доходов.
реферат [28,9 K], добавлен 12.02.2011
Определение основных особенностей национальных экономических моделей и теоретическое исследование классификации экономических систем. Характеристика субъектов экономической системы. Анализ моделей рыночной экономики на примере США, Швеции и Германии.
курсовая работа [27,0 K], добавлен 03.02.2011
Основные виды структур национальной экономики. Инфраструктура экономики, ее виды и значение для национальной экономики. Экономические ресурсы: их виды и свойства. Национальное богатство - часть совокупного экономического потенциала национальной экономики.
реферат [58,2 K], добавлен 13.04.2015
Понятие и структура семейного бюджета, особенности его формирования, как способа повышения благосостояния семьи. Сущность и свойства бюджетной линии и бюджетных ограничений. Исследование влияния изменения дохода семьи и цен на товары на их положение.
реферат [1,6 M], добавлен 18.11.2014
Систематизация и теоретическое исследование основных факторов эффективного экономического роста. Анализ состояния промышленности, сельского хозяйства и научного потенциала России. Основные приоритеты и оценка факторов эффективного развития экономики РФ.
дипломная работа [170,5 K], добавлен 30.09.2011
Понятие и сущность экономики как науки. Основные этапы становления и развития экономической науки. Классификация экономических объемных показателей. Причины возникновения экономического романтизма. Отраслевая структура экономики, схема воспроизводства.
курсовая работа [646,2 K], добавлен 19.08.2011
