CC BY
0Образование. Наука. Научные кадры. 2024. № 3. С. 146—156. Education. Science. Scientific personnel. 2024;(3):146—156.
РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА
Научная статья УДК 31:33
https://doi.org/10.24412/2073-3305-2024-3-146-156 NIION: 2007-0062-3/24-140
EDN: https://elibrary.ru/KYCVXX MOSURED: 77/27-004-2024-03-340
Эконометрический инструментарий статистического моделирования материального ущерба по тяжким и особо тяжким преступлениям экономической направленности
Дмитрий Владимирович Дианов1, Людмила Валерьевна Шманева2
1 2 Московский университет МВД России имени В.Я. Кикотя, Москва, Россия
1 skad71@mail.ru
2 shmaneva_luda@mail.ru
Аннотация. Научная статья посвящена развитию информационной базы оценки важнейшего показателя последствий экономической преступности, а именно размера возмещенного материального ущерба по тяжким и особо тяжким преступлениям экономической направленности. Методологическое приращение такой оценки основано на прикладном применении эконометрического инструментария, наиболее популярного, безотказного и эффективного в статистической методологии — регрессионного анализа и динамического моделирования.
Ключевые слова: эконометрический инструментарий, статистическое моделирование, экономическая безопасность, материальный ущерб
Для цитирования: Дианов Д.В., Шманева Л.В. Эконометрический инструментарий статистического моделирования материального ущерба по тяжким и особо тяжким преступлениям экономической направленности // Образование. Наука. Научные кадры. 2024. № 3. С. 146—156. https://doi.org/10.24412/2073-3305-2024-3-146-156. EDN: https://elibrary.ru/KYCVXX.
REGIONAL AND SECTOR ECONOMY
Original article
Econometric tools for statistical modeling of material damage for serious and especially serious
economic crimes
Dmitry V. Dianov1, Lyudmila V. Shmaneva2
1 2 Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot, Moscow, Russia
1 skad71@mail.ru
2 shmaneva_luda@mail.ru
Abstract. The scientific article is devoted to the development of an information base for assessing the most important indicator of the consequences of economic crime, namely the amount of compensated material damage for serious and especially serious economic crimes. The methodological increment of such an assessment is based on the application of econometric tools, the most popular, reliable and effective in statistical methodology — regression analysis and dynamic modeling.
Keywords: econometric tools, statistical modeling, economic security, material damage
For citation: Dianov D.V., Shmaneva L.V. Econometric tools for statistical modeling of material damage for serious and especially serious economic crimes // Obrazovaniye. Nauka. Nauchnyye kadry = Education. Science. Scientific personnel. 2024; (3): 1 46 — 1 5 6. (In Russ.). https://doi.org/10.24412/2073-3305-2024-3-146-156. EDN: https://elibrary.ru/KYCVXX.
© Дианов Д.В., Шманева Л.В., 2024
Введение. Противодействие экономической преступности в современном информаци онно-материальном обществе как никогда невозможно выстроить только на силовых механизмах обеспечения правопорядка и законности. Реальный эффект такого противодействия можно достигнуть только в синергетическом формате, запустив все экономические механизмы, генерирующие соответствующую мотивацию к правовой дисциплине, воплотив весь комплекс необходимых мер социальной защиты общества, что, по сути, формирует систему экономической безопасности. Таким образом, рассматривая проблему количественных оценок эффективности мер противодействия экономической преступности, необходимо учитывать методологические сложности таких оценок и описания положительного влияния этих мер на социальные процессы в современных условиях.
Весьма убедительны перспективы прикладного применения эконометрического раздела статистической науки для моделирования и прогнозирования показателя материального ущерба от совершенных экономических преступлений, в частности тяжких и особо тяжких.
1. Спецификация объекта исследования и экономического инструментария в изучении экономической преступности. Помимо этого, данные деяния нарушают баланс стабильного функционирования экономики и наносят ущерб финансовым интересам участников хозяйственной деятельности. Уровень преступности, формируемый, в частности, и выявленными экономическими преступлениями, является важным показателем социальной напряженности. Данный показатель отражает характер социального поведения населения и используется для оценки общей социальной обстановки.
Экономическую преступность часто изучают с помощью различных статистических показателей, которые можно разделить на две основных подсистемы: первая представлена количественными показателями, которые отражают объем и интенсивность экономических преступлений, основана на количественных данных о совершенных преступлениях и базируется на понятиях, разработанных в рамках правовой науки. В свою очередь вторая — это показатели содержания экономической преступности, которые несут информацию о характере и качестве совершенных экономических преступлений.
Эшелонирование этих показателей по соответствующим подсистемам, методика их расчета, изучение и интерпретация позволят создать информационную базу для всестороннего стати-
стического многофакторного анализа экономической преступности, как статико-пространствен-ного, так и динамико-временного. Чаще всего анализ начинают с количественных показателей, характеризующих как объем и структуру, так и интенсивность и динамику экономической преступности.
Важно анализировать статистические данные по различным видам правонарушений экономической направленности, таких как взяточничество, коррупция, незаконное присвоение активов, мошенничество и т.д. Необходимо обеспечить достоверность и полноту информации, чтобы отразить реальную картину уровня экономической преступности, основанную на адекватных статистических моделях и группировках.
В современном обществе экономическая преступность занимает куда более значительное место в информационном социуме и ее влияние на экономику и общество усиливается нарастающими темпами. Особое внимание привлекает масштаб материального ущерба от таких преступлений. Таковое обстоятельство подчеркивает актуальность задачи реальной оценки экономических преступлений. Решение этой проблемы требует всестороннего подхода и теоретико-методологической проработки, что позволит оценить масштабы экономической преступности в России и разработать эффективные меры борьбы с ней.
Сегодня экономическая преступность набирает обороты, а материальный ущерб от нее растет с каждым годом, причем достаточно быстрыми темпами, и главное, этот рост совсем не «инфляционный», какой присущ другим экономическим показателям стоимостных объемов, а обусловленный информационно-методологическим «совершенством» преступности, основанной на «интеллекте» и даже называемой «бело-во-ротничковой». В связи с этим важно осуществить реальную оценку масштабов экономических преступлений, в частности объемов возмещаемого ущерба преступлений данной направленности. Понимание полной картины ситуации позволяет правильно оценить происходящее и разработать эффективные меры по предотвращению угрозы криминализации экономики. Существует множество методов оценки теневой экономики, однако не все из них могут быть применены для оценки масштабов экономической преступности.
Одним из эффективных и наукоемких способов проведения полноценного исследования является применение методов эконометрики. В данной статье рассмотрим возможность их применения на фактических данных в моделировании возмещения материального ущерба, арестован-
ного и изъятого имущества в связи с уголовными делами по тяжким и особо тяжким преступлениям экономической направленности с использованием имеющегося инструментария эконометрики в отношении исследуемого объекта.
Целесообразно изучить возможности национального счетоводства в вопросе формирования ключевых показателей, влияющих на уровень экономической преступности; разработать критерии и систему статистических показателей экономической преступности, обосновав отбор каждого из названных; проанализировать современные тенденции и структуру экономической преступности; провести статистический анализ возмещения материального ущерба и конфискации имущества в рамках уголовных дел по тяжким и особо тяжким преступлениям экономической направленности. Объект исследования — тяжкие и особо тяжкие преступления экономической направленности, которые рассматриваются как результат факторного воздействия социально-экономических процессов, происходящих в регионах Российской Федерации с учетом их отраслевой, климатической, территориальной специфики.
Переход от командно-административной экономической системы к рыночной повлиял на многие сферы жизни населения, в том числе и на криминальную составляющую экономической деятельности. За относительно небольшой временной промежуток произошло изменение организационно-экономических связей, отношений между субъектами экономики, правовой системы регулирования финансово-хозяйственной деятельности, на что государственные органы управления в данной сфере не успели оперативно и грамотно отреагировать, что привело к росту преступности на потребительском рынке, который обоснованно является важной стратегической составляющей эффективного функционирования государства. Он также относится к крупному источнику дохода страны и является бюджетообразующим, влияя на уровень ВВП, сумму поступающих налогов и сборов, формируя финансовую устойчивость России.
Под видом «новых» рыночных отношений стали маскироваться незаконное предпринимательство, монополистические кластеры, криминальные структуры, коррупция, мошенничество, необоснованное повышение цен, нарушение правил торговли, что сделало потребительский рынок одной из самых криминализированных сфер экономической деятельности, представляя собой большую опасность для здоровья населения, устойчивого и поступательного развития общества и государства.
В научной, в частности, юридической литературе до сих пор не существует общего подхода к понятию преступности на потребительском рынке и ее структуры. Одной из проблем оценки противодействия преступлениям на потребительском рынке является низкая степень интеграции информационной базы органов исполнительной власти. Так, на федеральном уровне к таким ведомствам относятся:
■ Министерство экономического развития РФ, разрабатывающее государственную политику и нормативно-правовое регулирование предпринимательской деятельности, внешней торговли и таможенного дела;
■ Министерство промышленности и торговли РФ, проводящее государственную политику в сфере промышленного и оборонно-промышленного комплекса;
■ Министерство сельского хозяйства РФ, регулирующее агропромышленный комплекс страны;
■ Федеральная налоговая служба РФ, осуществляющая контроль и надзор за исполнением налогового законодательства различными субъектами экономики;
■ Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека, защищающая права и интересы покупателей на потребительском рынке;
■ Федеральная антимонопольная служба, производящая контроль и надзор за соблюдение законности в сфере конкуренции и ее защиты на рынке.
На региональном же уровне данные функции выполняют либо подконтрольные подразделения перечисленных ведомств, либо различные департаменты, комитеты и центры, например, центр лицензионно-разрешительной работы.
Важное и ведущее значение в выявлении и расследовании преступлений на потребительском рынке принадлежит Министерству внутренних дел, специальные подразделения которого направлены исключительно на раскрытие правонарушений в данной сфере. Сложность вызывает раскрытие преступлений, совершенных дистанционным способом, например, через интернет-магазин, учитывая тот факт, что количество совершенных подобным способом правонарушений увеличивается с каждым годом. Другой проблемой являются низкая финансовая и правовая грамотность и осведомленность граждан о своих прав и возможностях обращения в различные контролирующие органы для решения возникающих проблем при сделках купли-продажи, что мешает установить наиболее достоверно при-
чиненный ущерб, возникший в результате реализации недоброкачественного товара.
Другой важной задачей является оценка возмещения понесенного ущерба либо в отношении потерпевшего, либо в сторону государства, что затруднено перечисленными выше проблемами, а также тем, что имущество или денежные средства, подлежащие возмещению, к моменту раскрытия преступления могут находить за границей, переведены в ценные бумаги или просто спрятаны, что требует от полиции дополнительных затрат времени и ресурсов.
Понять сущность преступности на потребительском рынке, определить факторы, влияющие на возмещение материального ущерба, арестованного и изъятого имущества по данным уголовным делам можно благодаря методам эконо-метрического моделирования.
Так, метод группировки позволяет изучить взаимосвязи показателей, влияющих на размер наложенного ареста на имущество; добровольно погашенного; изъятого имущества, денег, ценностей на сумму по оконченным и приостановленным уголовным делам, связанных с потребительским рынком. На рассматриваемый показатель влияют, помимо прочих, такие социально-экономические показатели развития, как оборот розничной торговли и общественного питания, объем платных услуг населению, стоимость условного (минимального) набора продуктов питания, среднегодовая численность занятых, сальдированный финансовый результат (прибыль минус убыток) деятельности организаций и др. Метод группировки, например, по федеральным округам позволяет определить спецификацию развития, а также резервы эффективного роста каждого из округов государства, в каждом из которых располагаются субъекты, которые, несмотря на определенную специфику осуществления деятельности во всех сферах жизни общества, обладают общими закономерностями формирования основных направлений деятельности в связи со схожим местоположением, географическими и климатическими условиями. Для наглядного отражения взаимозависимости объясняющих показателей и последующего определения степени их влияния на результативный возможно построение диаграмм, определяющих общее состояние рассматриваемых показателей в федеральных округах Российской Федерации.
Для того чтобы получить наиболее общее представление о взаимосвязи социально-экономических показателей регионов Российской Федерации, установить характер связи между ними, определить влияние объясняющих показателей
на изменение размера наложенного ареста на имущество; добровольно погашенного; изъятого имущества, денег, ценностей на сумму по оконченным и приостановленным уголовным делам, связанным с потребительским рынком, и впоследствии выявить закономерности этого изменения, в эконометрике применяют метод корреляции и регрессии.
Определив общие и уровневые характеристики ряда динамики, можно увидеть то, как изменяется результативный показатель как по отношению к каждому предыдущему году, так и по отношению к базисному году.
Для того чтобы выявить закономерности и оценить тенденции влияния объясняющих показателей на размер возмещения материального ущерба, арестованного и изъятого имущества по уголовным делам о преступлениях, связанных с потребительским рынком в динамике проводится регрессионный анализ динамики показателей, оказывающих влияние на размер материального ущерба от преступлений на потребительском рынке с переменным исключением объясняющих показателей.
Для отслеживания динамики исследуемого показателя и прогнозирования данных на будущее с целью определения уровня преступности можно применить метод аналитического выравнивания и прогнозирования, для чего необходимо построить линии тренда. Однако построение графиков и линий тренда по объясняющему показателю не отразит полноценной картины, так как она будет отражать прогноз лишь с учетом фактора времени, поэтому для прогноза результативного показателя необходимо провести динамический регрессионный анализ и использовать полученные прогнозные значения объясняющих показателей.
2. Прогноз показателей социально-экономического развития, выступающих факторами и определяющих среду экономической преступности. При проведении анализа, несомненно, стоит учитывать природно-климатические особенности регионов, которые могут влиять на социальные и экономические условия жизни. Например, регионы с более суровым климатом или с ограниченными природными ресурсами могут иметь более ограниченные возможности для развития экономики, что может отразиться на уровне преступности и размере возмещенного ущерба. В массиве исходных данных регионы характеризуются следующими показателями:
Х1 — количество зарегистрированных преступлений;
Х2 — инвестиции в основной капитал (млн руб.);
Х3 — жилые дома, находящиеся в незавершенном строительстве (общая площадь жилых помещений, тыс. м2);
Х4 — оборот розничной торговли (млн руб.);
Х5 — объем платных услуг населению (млн руб.);
Х6 — средства (вклады) юридических и физических лиц в рублях, привлеченные кредитными организациями (млн руб.);
У — размер возмещенного материального ущерба, арестованного и изъятого имущества в связи с уголовными делами по тяжким и особо тяжким преступлениям экономической направленности (тыс. руб.).
Проведем непосредственно статистическое моделирование и прогнозирование показателей, эконометрическим инструментарием которого выступит метод динамической регрессии.
Для проведения динамического многофакторного анализ необходимо построить трендовые модели факторных показателей, посредством которых будут рассчитаны их теоретические и прогнозные значения на 2024—2025 гг. Опираясь на основы статистической теории, в анализ также включается фактор времени £ (от 1 до 13). Учитывая коэффициент аппроксимации, указывающий степень соответствия теоретических значений фактическим, были отобраны более оптимальные модели, которые наиболее точно объясняют изменения в исследуемых показателях во времени. Все уравнения тренда показали очень
высокую детерминацию. Помимо этого, практически все экономические показатели, основанные на уравнениях тренда, демонстрируют тенденцию к увеличению.
Далее приведены рисунки, наглядно иллюстрирующие динамику фактических и прогнозных значений, а также прогнозный период 2024—2025 гг.
По данным рис. 1 видим общий тренд снижения количества зарегистрированных преступлений с 2010 по 2014 г. После 2014 г. наблюдается некоторое колебание, но в целом к 2025 г. количество преступлений остается на относительно стабильном уровне. Такое стабильное состояние может быть результатом различных обстоятельств, как меры Правительства РФ, направленные на улучшение социально-экономических условий, так и эффективность деятельности правоохранительных органов. Тем не менее, необходимо учитывать, что стабильное значение показателя количества преступлений и даже его снижение не всегда означают улучшение общей безопасности. Некоторые категории преступлений, такие как киберпреступления и экономические преступления, могут оставаться недооцененными или неучтенными в статистике, что затрудняет точную оценку обстановки. Для более полного понимания ситуации необходимо анализировать не только количество преступлений, но и их характер, динамику и последствия для общества.
2 700
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025
[ZZI Фактические IZ^I Прогнозные -^Теоретические
Рис. 1. Динамика количества зарегистрированных преступлений в России, тыс. ед.
Показатель инвестиций в основной капитал продолжает расти с каждым годом с 2010 по 2025 г. (рис. 2). Отмечается устойчивый и за-
метный рост этого показателя, что может свидетельствовать о развитии экономики и увеличении активности предпринимательства в стране.
Рост инвестиций в основной капитал обычно сопровождается модернизацией производственных мощностей, внедрением новых технологий и увеличением новой производственной мощности. Это способствует повышению эффективности производства и конкурентоспособности предприятий на мировом рынке. Кроме того, увеличение ин-
вестиций в основной капитал может также свидетельствовать о росте доверия бизнес-сообщества к экономическим перспективам страны и улучшении инвестиционного климата. В целом устойчивый рост этого показателя является положительным сигналом для экономического развития и роста благосостояния.
Рис. 2. Динамика инвестиций в основной капитал в России, млн руб.
В объемах незавершенного строительства также наблюдается устойчивый рост на протяжении всего исследуемого периода (рис. 3), однако темпы этого роста не так высоки, как, к примеру, у инвестиций в основной капитал. Необходимо отметить, что этот сегмент рынка имеет свои особенности и риски. Незавершенное строительство подвержено влиянию экономических факторов, изме-
нениям в законодательстве и прочим нестабильным событиям, что может оказать влияние на решение инвесторов. Тем не менее, спрос на жилье остается высоким, что поддерживает интерес к завершению этих объектов. Кроме того, в условиях дефицита жилья рынок незавершенного строительства представляет собой потенциально привлекательную инвестиционную возможность.
Рис. 3. Динамика общей площади жилых помещений домов, находящихся в незавершенном строительстве в России, тыс. м2
Общая динамика оборота розничной торговли также продемонстрировала рост с 2010 по 2022 г., а также в прогнозируемые 2023— 2025 гг. (рис. 4), но этот рост не такой выраженный, как у инвестиций в основной капитал. Это объясняется различными факторами, включая изменения в потребительском спросе, конкурентную среду и технологические инновации. Возросшая конкуренция
как среди традиционных розничных предприятий, так и среди онлайн-торговых платформ стимулировала разнообразие предложений и инновации в сфере розничной торговли. Одновременно с тем технологические изменения, такие как развитие электронной коммерции и цифровизация магазинов, привлекают новых потребителей и обеспечивают более удобный опыт покупок.
Рис. 4. Динамика оборота розничной торговли в России, млн руб.
Объем платных услуг населению также растет с каждым годом, и этот рост не менее стабилен и не менее выражен, чем у других показателей (рис. 5). Это может быть связано с различными факторами, включая экономическую стабильность и изменения в потребительских предпочтениях. Одним из наиболее заметных трен-
дов в этой сфере является увеличение спроса на услуги онлайн-образования и развлечений, что связано с ростом цифровизации общества. Население динамично переориентирует удовлетворение своих потребностей из традиционных форм услуг в дистанционные, включая медицинские услуги или услуги развлечений в реальном мире.
Рис. 5. Динамика объема платных услуг населению в России, млн руб.
Аналогичная динамика прослеживается и в организациями (рис. 6). Данный тренд свиде-объеме средств, привлеченных кредитными тельствует о существенном уровне доверия об-
щества к банковской системе и способности банков эффективно привлекать и управлять финансовыми ресурсами. Повышение объема средств, привлеченных банками, не только расширяет возможности выдачи кредитов, но и способству-
ет разнообразию финансовых инструментов и услуг, что в свою очередь способствует повышению уровня финансовой грамотности и доступности финансовых услуг для широкого круга клиентов.
Рис. 6. Динамика средств (вкладов) юридических и физических лиц в рублях, привлеченные кредитными организациями в России, млн руб.
Прогнозные трендовые значения приведены в табл. 1.
Таблица 1. Прогнозные значения объясняющих показателей, рассчитанные на основе трендовых моделей
Год X2 X3 X4 X5 X6
2023 1993,732 80 8751,4 96 165,54 88 051,32 2 723 364,60 49 082,29
2024 2004,02 937 983 98 283,875 95 214,00 2 855 595,75 53 453,28
2025 2021,71 1 078 759 100 322,44 102 832,32 2 988 609,60 58 018,51
Итак, в целом мы видим положительную динамику в развитии экономических показателей с 2010 по 2025 г. Важно отметить, что некоторые показатели, такие как инвестиции в основной капитал и средства, привлеченные кредитными организациями, демонстрируют более высокий и устойчивый рост по сравнению с другими.
3. Построение динамических регрессионных моделей для исследования закономерностей возмещения ущерба по тяжким и особо тяжким преступлениям экономической направленности.
Необходимо выявить закономерности и оценить тенденции влияния объясняющих показателей на размер возмещения материального ущерба,
арестованного и изъятого имущества в связи с уголовными делами по тяжким и особо тяжким преступлениям экономической направленности в динамике за анализируемый период. Для достижения обозначенных целей осуществим регрессионный анализ динамики показателей, оказывающих влияние на результативный показатель в 2010—2022 гг. с поочередным исключением объясняющих показателей.
Так, наибольший коэффициент детерминации (Я2) достигается при учете в расчетах всех объясняющих показателей и составляет 0,9908 (табл. 2). Это означает, что вариация результативного показателя на 99,08% объясняется отобранными нами факторными показателями.
Таблица 2. Регрессионная статистика оценки влияния объясняющих показателей на результативный показатель в динамике
Множественный Я 0,9954 Нормированный Д-квадрат 0,9779 Наблюдения 13 Я-квадрат 0,9908 Стандартная ошибка 10 042 645,28
df ¥ Значимость ¥
Регрессия 7 76,6943 0,000087 Итого 12
Коэффициенты Стандартная ошибка г-статистика
У-пересечение -173 944 650,2 219 689 904,435 -0,792
Переменная Х1 88 135,01341 44 671,824 1,973
Переменная Х2 36,26919 819 166,777 2,217
Переменная Х3 -687,0243843 822,266 -3,836
Переменная Х4 1024,481561 3187,996 2,321
Переменная Х5 -99,81308466 142,074 -2,703
Переменная Х6 13 006,3849 4802,596 2,708
Фактор времени г -10 482 464,35 25 287 214,621 -4,415
Проанализируем воздействие каждого факторного показателя на результативный показатель (У) и интерпретируем полученные результаты. Увеличение количества зарегистрированных преступлений приводит к увеличению размера ущерба, что подтверждается значимым положительным коэффициентом, равным 88 135 ед., и соответствующей ^статистикой. Инвестиции в основной капитал, оборот розничной торговли и объем платных услуг населению не оказывают статистически значимого влияния на размер возмещенного ущерба, что подтверждается незначительными коэффициентами и незначимыми величинами ^статистики. Увеличение количества жилых домов в незавершенном строительстве связано с уменьшением размера возмещенного ущер-
ба, хотя статистическая значимость этого влияния не подтверждена. Увеличение средств, привлеченных кредитными организациями, связано с увеличением размера возмещенного ущерба, и это влияние является статистически значимым. Обобщая вышеизложенное, резюмируем, что количество зарегистрированных преступлений и средства, привлеченные кредитными организациями, могут оказаться наиболее значимыми факторами, влияющими на размер возмещенного ущерба по тяжким и особо тяжким преступлениям экономической направленности, однако другие факторы требуют дополнительного изучения. Таким образом, полученная регрессионная модель может быть представлена в следующем виде:
У = -173 944 650 + 88 135 ■ Х1 + 36 ■ Х2 - 687 ■ Х3 + 1024 ■ Х4 - 99,8 ■ Х5 +
+ 13 006 ■ Х6 - 10 482 464 ■ г.
6
Используя полученные нами выше данные, мера возмещенного материального ущерба, арес-
представим графически динамическую регресси- тованного и изъятого имущества в связи с уголов-
онную модель, содержащую фактические, теоре- ными делами по тяжким и особо тяжким преступ-
тические и прогнозные значения показателя раз- лениям экономической направленности (рис. 7).
Рис. 7. Размер возмещенного материального ущерба, арестованного и изъятого имущества в связи с уголовными делами по тяжким и особо тяжким преступлениям экономической
направленности
Анализируя динамику фактических и теоретических значений размера возмещенного материального ущерба, а также арестованного и изъятого имущества в уголовных делах, связанных с тяжкими и особо тяжкими преступлениями экономической направленности, можно заметить, что оба показателя постепенно увеличиваются со временем. Фактические значения ущерба и изъятого имущества демонстрируют стабильный тренд роста, отражающий увеличение масштабов преступлений и их обнаружения с течением времени.
Заключение. Рассмотренный пример прикладного применения эконометрического инструментария для анализа экономической преступности является лишь фрагментом масштабных возможностей статистической методологии для комплексного — с позиции методологии, всестороннего — с позиции многогранности объекта исследования, анализа и моделирования последствий экономической преступности в современном амбициозном и перспективном российском обществе. Данная статья лишь задает определенный импульс для дальнейшего развития и совершенствования статистической методологии как информационной базы для принятия реше-
ний органами исполнительной власти, в частности органами внутренних дел, по противодействию экономической преступности и повышению защищенности общества системой экономической безопасности.
Список источников
1. Азаренкова И.В. Статистическая оценка влияния преступности в сфере земельных отношений на деятельность аграрных организаций // Вестник Московского университета МВД России. 2020. № 4. С. 270—274.
2. Кагарманова А.В. Экономическая преступность как угроза экономической безопасности региона // Тенденции развития науки и образования. 2023. № 102-2. С. 67—70.
3. Кузнецова Е.И. Угрозы экономической безопасности организации в сфере инновационной деятельности // Всероссийский криминологический журнал. 2022. № 1. С. 91.
4. Ляпин А.Е. Киберпреступность как новый объект статистического анализа // Статистика и Экономика. 2021. Т. 18. № 6. С. 4—16.
5. Мельник К.С., Пить В.В. Оценка жителями регионов России целесообразности использования лесных ресурсов: анализ основных про-
блем лесной отрасли / / Вестник Сургутского государственного педагогического университета.
2020. № 2 (65). С. 122—129.
6. Мушарацкий М.Л. Экономическая преступность и ее влияние на экономическую безопасность / / Вестник Прикамского социального института. 2022. № 2 (92). С. 25—28.
7. Навасардян АЛ., Навасардян Д.В. Нецелевое использование сельскохозяйственных земель // Экономика сельского хозяйства России.
2021. № 10. С. 45—47.
8. Тихонов Е.Е. Анализ состояния преступности экономической направленности как угрозы экономической безопасности Российской Федерации // Экономика и безопасность. 2024. № 2. С. 55—63.
9. Трифоненко А.И. Экономическая преступность как угроза экономической безопасности современной России // Студенческий вестник.
2022. № 21-7 (213). С. 26—29.
10. Черемисина Т.Н. К вопросу о сущности потребительского рынка товаров как социально-экономической подсистемы региона // Социально-экономические явления и процессы. 2019. № 2 (48).
References
1. Azarenkova I.V. Statistical assessment of the impact of crime in the field of land relations on the activities of agricultural organizations / / Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2020. No. 4. pp. 270—274.
2. Kagarmanova A.V. Economic crime as a threat to the economic security of the region / / Trends in the development of science and education. 2023. No. 102-2. pp. 67—70.
3. Kuznetsova E.I. Threats to the economic security of an organization in the field of innovative activity / / All-Russian Journal of Criminology. 2022. No. 1. p. 91.
4. Lyapin A.E. Cybercrime as a new object of statistical analysis // Statistics and Economics. 2021. Vol. 18. No. 6. pp. 4—16.
5. Melnik K.S., Pit V.V. Assessment by residents of the regions of Russia of the expediency of using forest resources: analysis of the main problems of the forest industry // Bulletin of the Surgut State Pedagogical University. 2020. No. 2 (65). pp. 122—129.
6. Musharatsky M.L. Economic crime and its impact on economic security / / Bulletin of the Kama Social Institute. 2022. No. 2 (92). pp. 25—28.
7. Navasardyan AA., Navasardyan D.V. Inappropriate use of agricultural land // The economics of agriculture in Russia. 2021. No. 10. pp. 45—47.
8. Tikhonov E.E. Analysis of the state of economic crime as a threat to the economic security of the Russian Federation / / Economics and security. 2024. No. 2. pp. 55—63.
9. Trifonenko AI. Economic crime as a threat to the economic security of modern Russia / / Studentskiy vestnik. 2022. No. 21-7 (213). pp. 26—29.
10. Cheremisina T.N. On the issue of the essence of the consumer goods market as a socio-economic subsystem of the region // Socio-economic phenomena and processes. 2019. № 2 (48).
Информация об авторах
Д.В. Дианов — профессор кафедры экономической безопасности, финансов и экономического анализа Московского университета МВД России имени В.Я. Кикотя, доктор экономических наук, профессор; Л.В. Шманева — заместитель начальника по заочному обучению Московского университета МВД России имени В.Я. Кикотя, кандидат философских наук, доктор экономических наук, доцент.
Information about the authors D.V. Dianov — Professor of the Department of Economic Security, Finance and Economic Analysis of the Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot, Doctor of Economics, Professor; L.V. Shmaneva — Deputy Head of Correspondence Studies of the Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot, Candidate of Philosophical Sciences, Doctor of Economics, Associate Professor.
Статья поступила в редакцию 15.07.2024; одобрена после рецензирования 15.08.2024; принята к публикации 13.09.2024.
The article was submitted to the editorial office 15.07.2024; approved after review 15.08.2024; accepted for publication 13.09.2024.
