Теоретическая часть занятия. Криминологический прогноз — это вероятностное суждение о будущем состоянии (уровне

Криминологический прогноз — это вероятностное суждение о будущем состоянии (уровне, структуре) преступности, ее детерминантах (внешних факторах) и о возможности профилактики через определенный промежуток времени, включающее качественные и количественные оценки предполагаемых изменений и указание их примерных сроков.

В настоящее время используются три вида криминологического прогнозирования:

прогнозирование преступности;

прогнозирование индивидуального преступного (негативного) поведения;

прогнозирование возможного развития некоторых видов, человеческого поведения в новые общественно опасные формы.

Криминологические прогнозы преступности применяются для определения стратегии и тактики борьбы с преступностью. На основе долгосрочных прогнозов формируется уголовная политика, вырабатываются основные направления борьбы с преступностью.

Среднесрочные прогнозы являются основой для разработки программ борьбы с преступностью, а также профилактических разделов планов работы правоохранительных органов.

Краткосрочные прогнозы помогают в организации повседневной профилактической деятельности в рамках административных участков, районов и городов.

В 1967 г. О. А. Гаврилов и Г. М. Собко на базе статистических данных о кражах за 1956- 1965 гг. составили прогноз на 2 года вперед с применением метода экстраполяции трендов. Погрешность прогноза составила 5%.

С начала 90-х годов силами сотрудников штабных подразделений и вычислительных центров МВД, УВД ведется разработка криминологических прогнозов в Москве, Краснодарском крае, Воронежской и Тульской областях.

Методика краткосрочного прогнозирования разработана в ВНИИ МВД РФ для выполнения постановления Правительства РФ. Эта методика применяется в МВД РФ для выполнения ежеквартальных краткосрочных прогнозов преступности с 1994 г.

Для выполнения краткосрочного прогноза чаще всего применяется метод экстраполяции.

Метод экстраполяции заключается в нахождении значений, лежащих за пределами данного статистического ряда: по известным значениям статистического ряда находятся другие значения, лежащие за пределами этого ряда.

При экстраполяции исследователь переносит выводы, которые он сделал при изучении тенденций развития явления в прошлом и настоящем, на будущее, т. е. в основе здесь лежит предположение об определенной стабильности факторных признаков, влияющих на развитие данного явления.

t₁ t₂ t₃Время

Рис. 1. Основные обозначения метода экстраполяции

При экстраполяции (см. рис. 1) используется следующая терминология:

t₁ — глубина ретроспекции;

t₂ — момент прогнозирования;

t₃ — прогнозный горизонт;

t₂ – t₁ — интервал наблюдения (промежуток времени, на базе которого исследуется история развития объекта прогнозирования);

t₃ – t₂ — интервал упреждения (промежуток времени, на который разрабатывается прогноз).

Чем более устойчивый характер носят прогнозируемые процессы и тенденции, тем дальше может быть отодвинут горизонт прогнозирования. Как показывает практика, интервал наблюдения должен быть в три и более раза длиннее интервала упреждения. Как правило, этот период — довольно короткий: до 1 года. Метод экстраполяции не работает при скачкообразных социальных процессах.

Метод экстраполяции легко реализуется на персональных компьютерах, но особенно оперативен в реализации при использовании табличного процессора MS Excel, который есть на всех современных компьютерах.

Однако следует заметить, что при этом необходимо быть внимательным при выборе вида нелинейной функции линии тренда. Чем больше значение коэффициента достоверности R², тем точнее сглаживающая кривая описывает эмпирические данные, но в меньшей степени тогда отражается долгосрочная тенденция. Поэтому надо также учитывать физический смысл при интерпретации полученной линии тренда, когда она неограниченно растет или резко уменьшается.

Для повышения точности криминологического прогноза учитывают тот факт, что уровень преступности Y зависит от ряда внешних социальных факторов X.

После определения наиболее существенных факторных признаков, влияющих на результативный показатель преступности, не менее важно установить их математическое описание (уравнение), дающее возможность численно оценивать результативный показатель через факторные признаки.

Уравнение, выражающее изменение средней величины результативного показателя в зависимости от значений факторных признаков, называется уравнением регрессии.

Регрессионный анализ — комплексное использование в определенной последовательности различных статистических методов обработки информации, позволяющее при некоторых условиях найти вид уравнения регрессии и вычислить значения результативного признака 7 по значениям факторных признаков X.

Обычно уравнение регрессии представляется в виде следующей зависимости:

Y=a + b´X₁ + c´X₂ + d´X₃ + e´X₄ + f´X₅.

Здесь а, b, с, d, e, f — неизвестные коэффициенты, которые определяются методами регрессионного анализа. Уравнение же называется уравнением множественной линейной регрессии.

Качество построения уравнения регрессии характеризует средняя ошибка аппроксимации или относительная ошибка прогноза:

где Y_э — эмпирическое значение прогнозируемого показателя; Y— расчетное значение прогнозируемого показателя.

Итак, проведение регрессионного анализа можно разделить на три этапа: выбор формы зависимости (вида уравнения) на основе статистических данных, вычисление коэффициентов выбранного уравнения оценка достоверности выбранного уравнения.

Использование табличного процессора позволяет легко выполнить все этапы регрессионного анализа.

В таблице представлены статистические данные о состоянии преступности в Пермской области, включая данные о факторных признаках (доли ранее судимых лиц, безработных, лиц, недовольных условиями жизни, наркоманов и иммигрантов).

Показатели	1983 г.	1984 г.	1985 г.	1986 г.	1987 г.	1988 г.	1989 г.	1990 г.	1991 г.
Кол-во преступлений (на 10 тыс. чел.)
Доля судимых (на 10 тыс. чел.)
Доля безработных (на 10 тыс. чел.)	НО
Доля недовольных, %			5,9	5,2	4,3	4,7	5,1	6,2	7,6
Доля наркоманов (на 100 тыс. чел.)		2,3	4,3		6,9	7,9	11,7	16,2	16,9
Доля иммигрантов (на 1 тыс. чел.)	16,2	16,4	15,1	16,6	19,1	21,1	22,3	33,3	37,4

Используя эти данные, необходимо провести расчет значения У количества преступлений в 1992 году и найти значение ошибки прогноза, поскольку эмпирическое значение У_э уже известно и равно 293.

Для решения этой учебной задачи необходимо сначала выполнить прогноз значений факторных признаков на 1992 год методом экстраполяции тренда, затем методом множественной регрессии произвести расчет значения искомого показателя преступности в 1992 году и оценить ошибку выполненного прогноза.