CC BY
0
DOI 10.24412/2227-7315-2024-2-285-294 УДК 343.92
А. А. Киселев
ИНДЕКС СЕЗОННОСТИ ПРИ КРИМИНОЛОГИЧЕСКОЙ ХАРАКТЕРИСТИКЕ РЕГИОНА В УСЛОВИЯХ ЦИФРОВИЗАЦИИ
Введение: в статье дается оценка потенциала использования такого показателя преступности, как индекс сезонности. Отмечаются недостатки применяемых методов сбора и анализа данных о состоянии преступности региона на основе статистического учета, а также использования их в соответствии с процессом цифровизации системы правоохранительных органов. Полагаем, что есть потребность и возможности для успешного математического моделирования криминальной активности населения на основании сезонного фактора. Цель — выявить основные подходы к определению сезонности отдельных видов преступности и оценить их перспективность, опираясь на официально опубликованные статистические данные о числе зарегистрированных краж на территории Саратова в 2021-2023 гг. Методологическая основа: системный и структурный подходы, социологический, статистические и формально-логический методы, сравнение двух подходов в определении сезонности преступности. Результаты: согласно научно обоснованной оценке основных подходов к определению сезонности отдельных видов преступности в условиях массовой цифровизации необходимо использовать качественные показатели преступности, в частности индекса сезонности. Выводы: индекс сезонности представляет собой эффективный инструмент, необходимый для прогнозирования динамики преступности определенного вида, который удобно использовать как в анализе информации по принципу Mass Data, или Big Data, так и в математическом моделировании.
Ключевые слова: показатели преступности, изучение преступности, индекс сезонности, моделирование преступности.
А. А. Kiselyov
SEASONALITY INDEX IN THE CRIMINOLOGICAL CHARACTERIZATION OF THE REGION UNDER CONDITIONS OF DIGITALIZATION
Background: the article assesses the potential of using such a crime indicator as the seasonality index. The shortcomings of the methods used to collect and analyze data on the state of crime in the region on the basis of statistical accounting, as well as their use, taking into account the process of digitalization of the law enforcement system, are noted. We believe that there is a need and opportunities for successful mathematical modeling of criminal activity of the population, taking into account the seasonal factor. Objective — to Identify the main approaches to determining the seasonality of certain types of crime and assess their prospects, based on officially published statistical data on the number of registered thefts on the territory of Saratov
© Киселев Андрей Александрович, 2024
Аспирант кафедры прокурорского надзора и криминологии (Саратовская государственная юридическая академия), заместитель начальника отдела уголовного розыска Управления МВД России по городу Саратову; е-mail: ander.kiselev@yandex.ru
© Kiselyov Andrey Alexandrovich, 2024
Postgraduate student of the Department of Prosecutorial Supervision and Criminology (Saratov State Law Academy), Deputy Head of Department Criminal Investigation Department of the Ministry of Internal Affairs of Russia for the city of Saratov 285
in 2021-2023. Methodology: systematic and structural approaches; sociological, statistical and formal-logical methods, comparison of two approaches in determining the seasonality of crime. Results: according to the scientifically based assessment of the main approaches to determining the seasonality of certain types of crime in conditions of mass digitalization, it is necessary to use qualitative indicators of crime, in particular seasonality indexes. Conclusions: the seasonality index is an effective tool needed to predict the dynamics of crime of a certain type, which is convenient to use both in the analysis of information on the principle of Mass Data, or Big Data, and in mathematical modelling.
Keywords: crime indicators, crime study, seasonality index, crime modeling.
Календарная цикличность социальных явлений, включая преступность, относится к закономерностям, которыми можно управлять при корректном подходе. С позиции предупредительной функции криминологии полноценное изучение сезонных колебаний показателей преступности требуется для выявления цикличности воздействия криминогенных детерминант. Во-первых, полученные знания позволят более четко и обоснованно оценить значение того или иного фактора в качестве причины или условия преступности определенного вида. Во-вторых, информация о динамике усиления или ослабления криминогенных детерминант позволит уточнить имеющиеся прогностического характера сведения о преступности. В-третьих, в предупреждении и планировании мероприятий по предупреждению преступности указанные научно обоснованные данные позволят оптимально распределить ресурсы социума в деле противодействия преступности, что однозначно повысит его (противодействия) эффективность. й Цифровизация, в том числе исследовательских процессов, открывает широ-й чайшие возможности в анализе и прогнозировании преступности, но требует ™ корректировки традиционных подходов к обороту цифровых данных, что мож-| но увидеть на примере оценки сезонности преступности как малоизученного | в криминологии показателя.
Ц Сезонность преступности, которую мы обозначили как «показатель пре-
ступности, обусловленный динамическими циклами (колебаниями), состоящий | из совокупности актуальных преступлений, совершенных в отдельно взятом I регионе, имеющий максимум абсолютных показателей числа совершенных >§ преступлений по частоте их повторений в течение календарного года» [1, с. 143], | призвана обнаружить всплески и спады криминальной активности на опреде-| ленной территории в течение календарного года.
| Стандартный подход выявления критерия сезонности преступности на базе
>§ определения ее динамики по абсолютным числовым показателям относится « к элементарным способам обобщения эмпирических данных и основывается § на абсолютных числовых величинах.
ц Как известно, использование «буквальных» показателей не позволяет учи-
§ тывать некоторые погрешности сбора данных, а также не исключает влияния на исходные сведения фоновых и незакономерных факторов. Снять сомнения относительно статистической достоверности полученных при исследовании результатов по поводу значения показателя сезонности в определенном виде преступности, создать информационно обоснованную базу для прогнозирования уровня сезонности поможет индекс. Конечно, использование метода 286 экстраполяции в прогнозировании никто не умаляет, но исходные данные для
его эксплуатации значительно влияют на степень вероятности выносимого в итоге решения. Индексирование первичных сведений увеличивает шансы на точность прогноза.
Индекс сезонности — распространенная статистическая категория [2], максимально востребованная в экономике [3] и менеджменте [4], используется и в криминологии [5, с. 270]. Стандартные приемы вычисления указанного показателя сводятся к следующим вариантам: метод абсолютных разностей, метод относительных разностей, индексный метод [6, с. 35].
Метод абсолютных разностей заключается в расчете показателей преступности и последующем их сравнении по формуле:
Дсез = yt - yc,
где yt — постоянный среднемесячный показатель числа совершенных преступлений,
yc — относительное среднемесячное значение этого показателя за все годы в интересующем исследователя периоде.
Сбор и анализ любых видов информации по принципу Mass Data, или Big Data [7], в контексте исследований социума рекомендовано начинать с минимального временного промежутка в три года. Следовательно, формула постоянного среднемесячного уровня показателя преступности будет иметь следующий вид в расчете на тридцать шесть месяцев:
Zyi
yc
36
где у1 — значение уровня динамического ряда. Н
Метод относительных разностей является продолжением метода абсолютных С
разностей. В качестве показателя, характеризующего сезонную неравномерность, т
используется показатель относительного отклонения: К
yt - ус г
Дотн = —---, с
ус а
с
По величине и росту значений относительных отклонений можно судить »
о величине и силе влияния сезонного фактора. I
Индекс сезонности рассчитывается по стандартной формуле: и
1сез =———, с
Ус I
а
где yt — средний уровень показателя за три и более года, |
ус — средний уровень значения показателя за все годы. I
Рассчитанные значения индекса сезонности сравниваются со значением №
100 % как условного усредненного показателя типичного уровня данного вида 1
преступности. Если индекс сезонности превышает 100 % — это свидетельствует -З
о влиянии сезонного фактора в сторону увеличения уровней динамического ряда. 4 Полученные результаты по анализу динамических рядов можно проиллюстрировать, построив диаграмму соотношения числовых отклонений от средней (для данного вида преступности) величины. Инфографика динамики преступности существует не столько для визуализации выявленных тенденций, сколько для постоянного мониторинга ситуации при перманентном внесении актуальных
сведений о числе фактов зафиксированных обращений граждан. 287
Таблица данных о преступлениях, предусмотренных ст. 158 УК РФ, совершенных на территории Саратова в 2021-2023 гг., с показателем постоянной средней1
Период 2021 2022 2023 Итого Средняя постоянная Средняя постоянная за год
Январь 375 324 328 1027 343,3
Февраль 434 335 351 1120 373,3
Март 470 444 366 1280 426,6
Апрель 537 472 365 1374 458,0
Май 219 277 329 852 275,0
Июнь 381 420 390 1191 397,0 390,9
Июль 418 424 502 1344 448,0
Август 381 371 488 1240 413,3
Сентябрь 447 388 490 1325 442,0
Октябрь 342 493 481 1316 438,6
Ноябрь 321 343 359 1023 341,0
Декабрь 342 289 374 1005 335,0
Таблица данных о преступлениях, предусмотренных ст. 158 УК РФ, совершенных на территории Саратова в 2021-2023 гг., с показателем переменной средней
1Л Период 2021 2022 2023 Итого Средняя %
Ol переменная, %
s Ф Январь 375 324 328 1027 -0,12 100
го го Февраль 434 335 351 1120 -0,04 100
5 S О о Март 470 444 366 1280 0,09 100
т S Апрель 537 472 365 1374 0,17 100
S а 2 Май 219 277 329 852 -0,29 100
5 S о Июнь 381 420 390 1191 0,01 100
Ф со Июль 418 424 502 1344 0,14 100
а го Август 381 371 488 1240 0,05 100
и О Сентябрь 447 388 490 1325 0,13 100
О о Октябрь 342 493 481 1316 0,12 100
О го Ноябрь 321 343 359 1023 0,13 100
го и Декабрь 342 289 374 1005 -0,14 100
1 См.: Прокуратура Саратовской области. Официальный сайт. URL: https://epp.genproc.gov.ru/web/ proc_64/activity/statistics/office/other?p_p_id=ru_voskhod_gpparf_portal_feeds_main_page_portlet_ FeedsSectionListViewPortlet_INSTANCE_WuyH0xAfn2J1&p_p_lifecycle=0&p_p_state=normal&p_p_ mode=view&_ru_voskhod_gpparf_portal_feeds_main_page_portlet_FeedsSectionListViewPortlet_ INSTANCE_WuyH0xAfn2J1_delta=15&_ru_voskhod_gpparf_portal_feeds_main_page_portlet_ FeedsSectionListViewPortlet_INSTANCE_WuyH0xAfn2J1_resetCur=false&_ru_voskhod_gpparf_portal_ feeds_main_page_portlet_FeedsSectionListViewPortlet_INSTANCE_WuyH0xAfn2J1_cur=1 (дата 288 обращения: 17.03.2024).
Таблица результатов наличия сезонных колебаний для динамического ряда методом постоянной средней на примере данных о преступлениях, предусмотренных ст. 158 УК РФ, совершенных на территории Саратова
в 2021-2023 гг.
Период 2021 2022 2023 Дсез Дотн, % 1сез, %
Январь 375 324 328 343,3 -47,6 -1,2 98,8
Февраль 434 335 351 373,3 -17,6 -0,4 99,6
Март 470 444 366 426,6 35,7 0,9 100,1
Апрель 537 472 365 458,0 67,1 1,7 101,7
Май 219 277 329 275,0 -115,9 -2,9 97,1
Июнь 381 420 390 397,0 6,1 0,1 99,9
Июль 418 424 502 448,0 57,1 1,4 101,4
Август 381 371 488 413,3 22,4 0,5 100,5
Сентябрь 447 388 490 442,0 51,1 1,3 101,3
Октябрь 342 493 481 438,6 47,7 1,2 101,2
Ноябрь 321 359 359 341,0 49,9 1,3 101,3
Декабрь 342 289 374 335,0 -55,9 1,4 101,4
Полученные результаты динамических показателей сезонности тех же самых преступлений, представленные абсолютными показателями числа совершенных деяний за отчетный период, также можно визуализировать и отметить сходные или отличающиеся тенденции.
Диаграмма наглядно демонстрирует среднемесячные отклонения от средней (типичной) для данного вида преступления годовой величины.
При сравнении двух графиков можно отметить сходство: тенденции увеличения и спада криминальной активности по месяцам (зимний спад и летний отпускной всплеск). Одновременно необходимо подчеркнуть и отличие в инфографике: диаграмма, отражающая индекс сезонности краж более четко обозначает начало и завершение тех временных промежутков, которые требуют усиления контроля со стороны правоохранительных органов.
103 102 101 100 99 98 97 96 95 94
Се
Диаграмма результатов наличия сезонных колебаний для динамического ряда методом постоянной средней на примере данных о преступлениях, предусмотренных ст. 158 УК РФ, совершенных на территории
Саратова в 2021-2023 гг.
Диаграмма абсолютных данных о преступлениях, предусмотренных статьей 158 УК РФ, совершенных на территории Саратова в 2021-2023 гг.
Индексирование данных о преступности представляет собой метод формирования, скорее, качественных, характерных показателей, нежели просто числовых данных. В дальнейшем на базе полученных величин можно проводить сравнительные исследования сезонности не только по хронологическим периодам, но и по регионам. Более того, в показателях уровневого типа сведения о цикличных явлениях предстают в более «чистом» виде, без учета ситуативных погрешностей (например, внесезонное увеличение числа карманных краж в ноябре, во время проведения в городе Универсиады или иного долгосрочного ° массового мероприятия).
£ К плюсам анализа преступности при помощи математических методов сто-
™ ит отнести естественную возможность оперативного мониторинга сезонных =т (и иных) показателей в условиях глобальной цифровизации. Например, уже | с конца 90-х гг. прошлого столетия успешно используется в рамках указанной Ц цели система картографирования преступности [8, с. 65]. Несомненные плюсы
0 указанного подхода заключаются в возможностях удобного сопоставления | и последующего сравнения регионов, близких по криминальным показателям,
| в поисках путей оптимального противодействия криминальной активности
£
населения. В свою очередь, можно использовать другой путь — найти сходные | по базовым социальным критериям локации и сравнить показатели преступно-
1С
1 сти в них, выделяя попутно криминогенные детерминанты. Геополитические ? условия предопределяют ритм жизни населения в обособленной местности >§ (город, провинция, федеральный округ и др.), который зависит от бюджетной | и экономической составляющих, градообразующих предприятий, эффективности Л местной и федеральной социальной политики, культурологических аспектов 1 и др. Таким образом, в число критериев сезонности преступности должен вклю-§ чаться анализ региональных особенностей социума.
со
Инфографика как метод обобщения и передачи эмпирических качественных данных возник закономерно в связи с анализом проблемы уличной преступности [9, с. 135]. Выделение городских территорий, где происходило совершение преступлений (изначально на основе сопоставления телефонных звонков от населения с сообщениями о посягательствах), позволило выявить наиболее криминальные 290 районы городов. А нанесение этой информации на карту города аккумулировало
детальное исследование вероятностных сценариев появления очагов криминальной активности с учетом потенциальных ситуационных и общесоциальных криминогенных детерминант.
Поэтому тема нашего исследования включает в себя не только характеристику преступности как отдельного показателя сезонности, но и предполагает анализ указанного негативного явления с позиции регионоведения.
Современный уровень развития компьютерных технологий позволяет не только трансформировать статистическую информацию о преступлении по показателям преступности в образы и иллюстрации для наглядности, но служит инструментом глубокого анализа полученных фактов, дает возможность получить обобщенные данные о территориях криминальной активности как в целом, так и по определенным видам преступлений. Стандартная практика системы обеспечения безопасности дорожного движения служит убедительным примером того, как фиксация регулярности совершения транспортных правонарушений в одной и той же «точке пространства» заставляет анализировать причины подобных закономерностей и с учетом времени года корректировать условия на местности, например устанавливать или менять знаки дорожного движения, светофоры, камеры видеонаблюдения или посты, для снижения уровня опасности.
Аналогичный механизм оценки криминальной активности можно и нужно задействовать в мегаполисе. Обнаружение территории городской среды, в пределах которой частота совершения преступлений определенного вида стабильно высокая либо имеет тенденцию к увеличению, сигнализирует о необходимости исследования на предмет выявления причин, вызвавших тенденции к появлению н криминогенных ситуаций. Например, изменение плотности населения благода- С ря вводу в эксплуатацию нового жилого массива или появление в микрорайоне т нового объекта инфраструктуры, массово «притягивающего» отдельные группы к населения (торговый центр, стадион, школа, крупная остановка общественного Г транспорта и т.п.), оказывает влияние на уклад жизни и вероятность возникно- д вения конфликтных ситуаций. Изменения схем транспортных развязок, графика т работы магазинов или предприятий, корректировка порядка патрулирования н территории сотрудниками органов внутренних дел, образование в пределах | местности неохраняемых объектов застройки — все это, а также оставленные д «за скобками» события, способно повлиять на уровень криминогенности город- с ской среды. I
а
Таким образом, геокриминогенный потенциал местности следует рассматри- д вать с позиции криминогенного комплекса. Важно подчеркнуть, что на данный I момент в науке предлагаются криминологические типологизации регионов № Российской Федерации в зависимости от коэффициента преступности и удель- 1 ного веса на территории, где криминальную ситуацию существенно определяет 5 организованная преступность [10, с. 174]. 4
Динамика показателей регистрируемых уголовно-наказуемых деяний и административных правонарушений, естественно, будет обнаруживать и сезонные изменения в преступности. Сочетание в одной только картографической модели элементарного уровня сведений о месте совершения преступления, его уголовно-правовых характеристиках (конкретные статьи УК РФ), о динамике такого вида посягательств — уже отличный индикатор, отражающий криминальную 291
ситуацию. В частности, прием «картирование плотности ядра»1 демонстрирует степень интенсивности криминальной активности в течение заданного временного периода. А возможность наложения таких карт друг на друга, сформированных на базе разных критериев (сочетание сезонов; статей УК РФ, запрещающих данный вид посягательства; число лиц, проживающих на данной территории; число лиц, находящихся под административным наблюдением, проживающих на данной территории; выявленные локальные криминогенные детерминанты; интенсивность мероприятий по предупреждению правонарушений или преступлений и др.), дает неограниченное мониторинговое и прогностическое преимущество при планировании мероприятий по предупреждению негативных социальных явлений в районе.
На данный момент система регистрации и учета выявленных преступлений и правонарушений в МВД выстроена по принципу фиксации абсолютных показателей в формах № 1-ЕГС, 2-ЕГС, 3-ЕГС, 4-ЕГС, которые подвергаются изучению для внутреннего пользования отделами аналитики правоохранительных органов в целях общего мониторинга и экстраполяции выявленных обобщенных тенденций. Инфографика, в том числе картографирование, используется для формирования отчетов по результатам деятельности правоохранительных органов и обнародования части этих отчетов в публичном пространстве (например, на информационно-аналитическом портале правовой статистики Генеральной прокуратуры Российской Федерации). Пожалуй, это весьма скромный результат при современных возможностях цифровизации. Тем более, если расширить круг источников сбора первичной информации за счет использования нейросетей и иных механизмов Big Date, синхронизации системы сбора первичной информации с городскими камерами видеонаблюдения.
Вариантов моделирования уровня криминогенности территории или календарной цикличности преступности используемые системы не задействуют. Между тем картографирование, как мы выяснили, удобный и информативный прием работы с числовыми данными. Применение пространственно-временных оценок криминогенности ситуации при помощи, в том числе, индекса сезонности отдельных видов преступности — перспективное направление в деле изучения особенностей региональной преступности, а также для ее моделирования как важнейшей предпосылки эффективной подготовки к предупреждению правонарушений разного уровня общественной опасности.
На основании сказанного, можно сделать следующие выводы.
1. Индекс сезонности преступности как математический показатель данного вида социально-негативного явления вместе со сведениями в рамках линейной динамики помогает выявить базовый тренд относительно циклических среднегодовых колебаний, но без учета ситуативных факторов.
2. Выявление индекса сезонности позволяет ответить на вопрос о том, есть ли внутригодовая закономерность роста в пределах определенного вида преступности и насколько она существенна с позиции организации дополнительных предупредительных мероприятий.
1 См.: Касл Ю.А., КовачДж. М. Выявление сезонных пространственных закономерностей преступности в небольшом северном городе. Криминология 10, 25 (2021). URL: https://doi.org/10.1186/ 292 s40163-021-00161-w (дата обращения: 12.12.2022).
3. Индекс сезонности представляет собой эффективный инструмент, необходимый для прогнозирования динамики преступности определенного вида, корректирующий погрешности экстраполяции, основанной на абсолютных числовых показателях, что позволяет успешно проводить сравнительные исследования разных регионов.
4. Указанный показатель может удобно использоваться как в анализе информации по принципу Mass Data, или Big Data, так и в математическом моделировании преступности, например картографии.
Библиографический список
1. КиселевА.А. Сезонность преступности как объект криминологического изучения // Правовая культура. 2020. № 2(41). С. 139-150.
2. Афанасьев В. Н., Юзбашев М. М. Анализ временных рядов и прогнозирование: учебник для студентов вузов, обучающихся по направлению и специальности «Статистика». М.: Финансы и статистика, 2001. 226 с.
3. Соловьев И. В. Инвестиционные циклы и их регулирование: автореф. дис. ... канд. экон. наук: СПб., 2012. 17 с.
4. Силкин А. В., Лупанов А. П. К вопросу о значимости стратегического планирования на предприятиях с сезонным характером производства // Известия Тульского государственного университета. Науки о Земле. 2017. № 1. С. 192-202.
5. Красикова Е. М. Статистическое изучение уровня преступности в Российской Федерации // Молодой ученый. 2017. № 16(150). С. 269-272.
6. Фомин C.А. Применение математико-статистических методов в изучении сезонных (внутригодовых) колебаний отдельных видов преступлений // Вестник Уфимского юридического института МВД России. 2014. № 2(64). С. 34-39. Т
7. КомлевЮ.Ю. Интеграция криминологических знаний, расширенная методологи- К ческая триангуляция и «big data» в социологическом изучении преступности // Вестник Р экономики, права и социологии. 2019. № 3. С. 97-104. В
8. Сикач К. Ю. Картографирование преступности как один из инструментов борьбы § с ней: мировой и российский опыт // Геополитика и экогеодинамика регионов. 2016. 3 Т. 2(12), № 2. С. 63-72. р
9. ОлейникА. С., БолтачевЭ. Ф. Анализ использования программных средств визуа- в лизации на основе геоинформационных систем в правоохранительных органах // Гу- н манитарные, социально-экономические и общественные науки. Краснодар, 2014. Вып. ю 1. С. 134-147. д
10. Криминология — XX век / В.Н. Бурлаков, В.В. Вандышев, Б. В. Волженкин, Я.И. Ги- з линский и др.; под ред. В. Н. Бурлакова, В. П. Сальникова. СПб.: Юрид. центр Пресс, 2000. о 554 c. |
д
Reference *
у
1. Kiselev A. A. Seasonality of Crime as an Object of Criminological Study // Legal Culture. ( 2020. No. 2(41). Р. 139-150. )
2. Afanasyev V. N., Yuzbashev M. M. Time Series Analysis and Forecasting: textbook for 0 university students studying in the field and specialty "Statistics". M.: Finance and Statistics, 4 2001. 226 p.
3. Solovyov I. V. Investment Cycles and Their Regulation: extended abstract diss. ...cand. of Economic Sciences: SPb., 2012. 17 p.
4. Silkin A. V., Lupanov A. P. On the Importance of Strategic Planning in Enterprises with a Seasonal Nature of Production // Proceedings of Tula State University. Earth Sciences. 2017.
No. 1. Р. 192-202. 293
5. Krasikova E. M. Statistical Study of the Crime Rate in the Russian Federation // Young Scientist. 2017. No. 16(150). P. 269-272.
6. Fomin C. A. Application of Mathematical and Statistical Methods in the Study of Seasonal (intra-annual) Fluctuations of Certain Types of Crimes // Bulletin of the Ufa Law Institute of the Ministry of Internal Affairs of Russia. 2014. No. 2(64). P. 34-39.
7. Komlev Yu. Yu. Integration of Criminological Knowledge, Extended Methodological Triangulation and "Big Data" in the Sociological Study of Crime // Bulletin of Economics, Law and Sociology. 2019. No. 3. P. 97-104.
8. Sikach K. Yu. Mapping Crime as One of the Tools to Combat It: World and Russian Experience // Geopolitics and ecogeodynamics of Regions. 2016. Vol. 2(12), No. 2. P. 63-72.
9. OleinikA.S., Boltachev E. F. Analysis of the Use of Visualization Software Based on Geo-information Systems in Law Enforcement Agencies // Humanities, Socio-Economic and Social Sciences. Krasnodar, 2014. Issue 1. P. 134-147.
10. Criminology — the XX Century / Burlakov V. N., Vandyshev V. V., Volzhenkin B. V., Gilinsky Ya.I. et al.; ed. by: V. N. Burlakova, V. P. Salnikova. SPb.: Legal Center Press. 2000. 554 p.
