CC BY
39
УДК 31:33 DOI 10.24411/2073-0454-2020-10116
ББК 65.050 © М.К. Васильев, Д.В. Дианов, 2020
Научная специальность 08.00.12 — бухгалтерский учет, статистика
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПРЕСТУПЛЕНИЙ ПРОТИВ ИНТЕРЕСОВ СЛУЖБЫ И ЗЛОУПОТРЕБЛЕНИЕ ПОЛНОМОЧИЯМИ
Марк Константинович Васильев, адъюнкт по кафедре экономической безопасности, финансов и экономического анализа
Московский университет МВД России имени В.Я. Кикотя (117437, Москва, ул. Академика Волгина, д. 12) E-mail: mrkvsv@gmail.com
Дмитрий Владимирович Дианов, профессор кафедры экономической безопасности, финансов и экономического анализа, доктор экономических наук, профессор
Московский университет МВД России имени В.Я. Кикотя (117437, Москва, ул. Академика Волгина, д. 12) E-mail: skad71@mail.ru
Аннотация. Представлен анализ преступлений против интересов службы в коммерческих и иных организациях. Применяя метод корреляционно-регрессионного анализа, оценена теснота и выявлено направление связи, а также определено аналитическое выражение связи между основными социально-экономическими показателями и числом преступлений против интересов службы в коммерческих и иных организациях. Рассчитаны прогнозные значения социально-экономических показателей-факторов, определяющих уровень преступности против интересов службы в коммерческих и иных организациях на ближайшие два годы.
Ключевые слова: статистика экономической безопасности, преступления против интересов службы, злоупотребление полномочиями, коммерческий подкуп, факторный анализ.
STATISTICAL INVESTIGATION OF CRIMES AGAINST THE INTERESTS OF THE SERVICE AND ABUSE OF AUTHORITY
Mark K. Vasiliev, Adjunct of the Department of Economic Security, Finance and Economic Analysis Moscow University of the Ministry of Internal affairs of Russia named after V.Ya. Kikot' (117437, Moscow, ul. Akademika Volgina, d. 12) E-mail: mrkvsv@gmail.com
Dmitry V. Dianov, Professor of the Department of Economic Security, Fnance and Economic Analysis, Doctor of Economic Sciences, Professor
Moscow University of the Ministry of Internal affairs of Russia named after V.Ya. Kikot' (117437, Moscow, ul. Akademika Volgina, d. 12) E-mail: skad71@mail.ru
Abstract. In the framework of this article, an analysis of crimes against the interests of service in commercial and other organizations is carried out. Using the method of correlation and regression analysis, the tightness was assessed and the direction of communication was identified, and the analytical expression of the relationship between the main socioeconomic indicators and the number of crimes against the interests of the service in commercial and other organizations was determined. Predicted values of socio-economic indicators-factors determining the number crimes against the interests of service in commercial and other organizations for the next two years.
Keywords: economic security statistics, crimes against the interests of the service, abuse of power, commercial bribery, factor analysis.
Citation-индекс в электронной библиотеке НИИОН
Для цитирования: Васильев М.К., Дианов Д.В. Статистическое исследование преступлений против интересов службы и злоупотребление полномочиями. Вестник Московского университета МВД России. 2020(2):301-10.
Введение
В целях борьбы с преступлениями против интересов службы и злоупотребления полномочиями, а также предупреждение и пресечение данной категории преступлений возникла объективная необходимость в анализе структуры и динамики преступлений против интересов службы в коммерческих и иных организациях.
Кризис, длящийся в экономике России уже несколько лет, разбалансированность хозяйственного сектора экономики создали условия для проявления разнообразных форм злоупотребления служебным положением, которые требуют от следственных органов четких и скоординированных действий, направленных на их выявление, раскрытие и предупреждение.
Данное исследование направлено на решение следующих задач:
• выявить оценки силы взаимосвязей показателей преступлений против интересов службы и злоупотребление полномочиями и социально-экономического развития на основе метода корреляции и регрессии;
• провести кластерный анализ с целью получения однородных групп, состоящих из субъектов Федерации, одновременно по всем характеризующим их показателям; выявить связь социально-экономических показателей в разрезе полученных кластеров;
• определить тенденций изменения социально-экономических показателей во времени и построение краткосрочного прогноза на основе метода аналитического выравнивания.
Кластерный анализ по показателям преступлений против интересов службы и злоупотреблений полномочиями
Перед проведением анализа выдвинем гипотезу: предположим, что показатели преступлений против интересов службы испытывают на себе влияние перечисленных ниже признаков-факторов. Так как численность безработного населения оказывает негативное влияние на криминогенную обстановку в стране, они по каким-либо причинам не являются занятыми, поэтому для добычи средств на существование прибегают к незаконным действиям, в том числе и преступлениям против интересов службы. Также важное значение имеют денежные ресурсы организаций, особенно с точки зрения коммерческих преступлений: предприятия, стремясь увеличить свои денежные ресурсы, зача-
стую прибегают и незаконным действиям.
Статистический анализ преступлений против интересов службы необходим для выявления социально-экономических факторов, влияющих на изменения данного показателя. Для этого построим аналитическую многомерную группировку и оценим её качество на основе критерия детерминации [2].
Сформируем таблицу исходных данных. В качестве результативного показателя возьмем «Размер причиненного материального ущерба по статьям, предусмотренным гл. 23 УК РФ», а в качестве объясняющих показателей:
XI — среднедушевые денежные доходы населения, руб.;
Х2 — сальдированный финансовый результат (прибыль минус убыток) деятельности организаций, млн. руб.;
Х3 — численность безработных, тыс. чел.;
Х4 — объем инвестиций в основной капитал, млн. руб.;
Х5 — стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения, руб.
Проведем многомерную группировку методом кластерного анализа [3].
Очевидно, что такая кластерная идентификация является приемлемой и закономерности явно прослеживаются. По данным таблицы 1, представляющей собой аналитическое оформление результатов кластерного анализа, наблюдается возрастание всех показателей параллельно от группы к группе. Стоит обратить внимание на резкий скачок всех показателей, сгруппированных в 3 кластере, которые относятся к Центральному и Северо-Западному федеральному округу. Регионы третьего кластера обладают более крупными числовыми значениями по среднедушевым денежным доходам населения, сальдированному финансовому результату (прибыль минус убыток) деятельности организаций, численности безработных, объему инвестиций в основной капитал, стоимости фиксированного набора потребительских товаров и услуг (для межрегиональных сопоставлений покупательной способности населения). Об этом свидетельствует рассчитанные средние значения показателей по кластерам. При этом показатели 1 кластера отличаются наименьшими значениями, в виду концентрации в нём регионов Дальневосточного и Сибирского федеральных округов.
Данная группировка считается качественной, так как д2=64%, что больше 45% [4]. Множествен-
ный коэффициент корреляции между результативным показателем и всеми объясняющими показателями равен 0,8. Следует отметить, что при сравнении аналогичных показателей, полученных в одномерной группировке, сильных расхождений не наблюдается: д2 уменьшилось на 1%, а множественный коэффициент корреляции сократился на 0,002, что говорит о незначительной неточности расчетов в одномерной группировке и существенном влиянии объясняющих социально-экономических показателей на результативный.
Анализ взаимосвязи показателей на основе метода корреляции
Для того чтобы смоделировать взаимосвязи социально-экономических показателей регионов в 2018 г. количественно описать связи между ними, обосновать характер влияния объясняющих показателей на размер причиненного материального неизбежно применение математико-статистических методов, в первую очередь, корреляции и регрессии.
В качестве исходных данных для проведения статистического корреляционно-регрессионного анализа используем тот же массив, что и при проведении кластерного анализа. Корреляционный и регрессионный анализ мы проводим по каждому кластеру отдельно.
Коэффициенты корреляции для первого кластера представлены в табл. 2.
По результатам проведённого корреляционного анализа в первом кластере в ходе анализа матрицы парных коэффициентов корреляции мы наблюдаем, что наибольшее влияние на результативный показатель оказывает численность безработных. Коэффициент корреляции равен 0,4, что говорит об умеренной связи [1]. Также умеренная связь наблюдается между результативным показателем и объясняющим показателем — среднедушевые денежные доходы населения. Коэффициент корреляции равен -0,37, зависимость обратная. Слабая связь прослеживается между результативным показателем и объясняющими — объем инвестиций в основной капитал; стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения. Коэффициенты корреляции в этом случае равны 0,207 и 0,211 соответственно.
Коэффициенты корреляции для второго кластера представлены в табл. 3.
Наиболее сильная взаимосвязь прослеживается между размером причиненного материального
ущерба и объемом инвестиций в основной капитал. Коэффициент корреляции -0,247, что говорит о слабой связи, зависимость обратная. Также слабая взаимосвязь прослеживается между таким объясняющим показателем как численность безработных. Коэффициент корреляции в данном случае равен 0,215. Наименьшее влияние на результативный показатель оказывают: среднедушевые денежные доходы населения, сальдированный финансовый результат (прибыль минус убыток) деятельности организаций, стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения. Коэффициенты корреляции равны -0,1, -0,187 и -0,11 соответственно.
Коэффициенты корреляции для третьего кластера представлены в табл. 4.
В результате корреляционного анализа для третьего кластера установлено, что все объясняющие показатели оказывают более сильное влияние на значение результативного, чем при анализе в первом и втором кластере. Заметная связь наблюдается между размером причиненного материального ущерба и среднедушевыми денежными доходами населения. Коэффициент корреляции равен -0,56. Также существенное влияние на результативный показатель оказывает стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения. Коэффициент корреляции -0,49. Незначительное влияние на результативный показатель оказывают сальдированный финансовый результат (прибыль минус убыток) деятельности организаций и объем инвестиций в основной капитал. Коэффициенты корреляции равны -0,28 и -0,23. Также слабая взаимосвязь прослеживается и между численностью безработных. Коэффициент корреляции -0,24.
Статистическое моделирование преступности против интересов службы на основе метода регрессии
Рассмотрим первый кластер и проанализируем влияние, оказываемое на значение результативного показателя — размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ. Коэффициент детерминации равен 0,5, что свидетельствует о том, что данную модель объясняет более 50 % вариации результативного показателя, и производить экономическую интерпретацию следует именно по ней.
Таблица 1
Многомерная группировка регионов России в 2018 году
Кластер Количество регионов В среднем по группам
Среднедушевые денежные доходы населения, руб. Размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ, тыс. руб. Сальдированный финансовый результат деятельности организаций, млн. руб. Численность безработных, тыс. чел. Объем инвестиций в основной капитал, млн. руб. Стоимость фиксированного набора потребительских товаров и услуг для населения, руб.
X! Y Х2 Х3 Х4 Х5
1 32 24202,0 55828,5 24859,6 31,6 121547,9 14101,4
2 19 29868,6 123116,2 92880,9 68,4 262556,9 15396,5
3 8 42526,8 1369468,0 398156,1 75,0 673392,3 17848,7
Всего (в среднем) 59 28511,56 255618,0 97381,2085 49,3741 241783,9 15026,534
Таблица 2
Матрица парных коэффициентов корреляции для кластера № 1
Столбец 1 Столбец 2 Столбец 3 Столбец 4 Столбец 5 Столбец 6
Столбец 1 1
Столбец 2 0,4244853 1
Столбец 3 -0,128351 0,15830512 1
Столбец 4 0,4311281 0,45885803 0,406213 1
Столбец 5 0,2736445 0,08851829 -0,07395 0,192754 1
Столбец 6 -0,36663 -0,113768 0,424037 0,20745 0,2106283 1
Таблица 3
Матрица парных коэффициентов корреляции для кластера № 2
Столбец 1 Столбец 2 Столбец 3 Столбец 4 Столбец 5 Столбец 6
Столбец 1 1
Столбец 2 0,1097463 1
Столбец 3 -0,576859 -0,1294672 1
Столбец 4 -0,253225 0,0443433 -0,065550 1
Столбец 5 0,379607 -0,4511822 -0,598347 0,011139 1
Столбец 6 -0,0994540 -0,187394 0,2151677 -0,24662 -0,10693 1
Таблица 4
Матрица парных коэффициентов корреляции для кластера № 3
Столбец 1 Столбец 2 Столбец 3 Столбец 4 Столбец 5 Столбец 6
Столбец 1 1
Столбец 2 0,4476228 1
Столбец 3 -0,516202 0,19603 1
Столбец 4 0,6408013 0,868873 0,159877 1
Столбец 5 0,5814059 0,264465 -0,62762 0,269704 1
Столбец 6 -0,562192 -0,28302 0,241474 -0,23467 -0,49391 1
Проведя регрессионный анализ по первому кластеру, получена следующая регрессионная модель:
Г = -203491-16,3481 *Х1- 0,25127*Х2 + + 1994,995*Х3+ 0,31*Х4+39,74081*Х5
Проанализировав регрессионную модель, можно констатировать, что на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ, в 2018 году наибольшее влияние оказывает стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения.
Следовательно, при изменении показателя стоимости фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения на 1 % отмечается увеличение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,97% (коэффициенты эластичности представлены в таблице 5). То есть увеличение стоимости фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения на 1 руб. влечет рост размера причиненного материального ущерба на 39,74 тыс. руб.
Кроме того, стоит отметить существенное влияние показателя среднедушевых денежных доходов населения.
Изменение показателя среднедушевых денежных доходов населения на 1% влечет снижение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,45%. То есть, при увеличении признака-фактора на 1 руб., произойдет снижение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 16,35 тыс. руб.
Рассмотрим и проанализируем остальные коэффициенты эластичности объясняющих показателей.
Так, изменение численности безработных на 1% приводит к увеличению размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 1,13 %. То есть, при увеличении численность безработных на 1 тыс. чел. наблюдается увеличение причиненного материального ущерба на 203491 тыс. руб.
При увеличении сальдированного финансового результата (прибыль минус убыток) деятельности организаций на 1% наблюдается уменьшение размера причиненного материального ущерба по
статьям, предусмотренными гл. 23 УК РФ на 0,11 %. То есть, следствием роста сальдированного финансового результата (прибыль минус убыток) деятельности организаций на 1 млн. руб. является уменьшение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,25 тыс. руб.
При увеличении объема инвестиций в основной капитал на 1% наблюдается увеличение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,68%. То есть при росте объема инвестиций в основной капитал на 1 млн. руб. размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ увеличивается на 0,31 тыс. руб.
Проанализируем влияние, оказываемое на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ во втором кластере. Коэффициент детерминации равен 0,54. Значение коэффициента более 50%, что является допустимым значением для проведения анализа.
Регрессионная модель для второго кластера выглядит следующим образом:
Г = 562199,93 — 0,046*Х1- 0,674*Х2 + + 303,15*Х3 -0,29*Х4 — 20,71*Х5
Проанализировав регрессионную модель, можно сделать вывод о том, что на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ регионов второго кластера в 2018 г. наибольшее влияние оказывает социально-экономический показатель — стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения.
Коэффициент эластичности для переменной Х5 в третьем кластере равен -2,59 %, таким образом, изменение в большую сторону показателя стоимости фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения на 1% влечет изменение в меньшую сторону размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,59 %. То есть при увеличении стоимости фиксированного набора потребительских товаров и услуг на 1 руб., произойдет уменьшение размера причиненного материального ущерба на 20,71 тыс. руб.
Кроме того, стоит отметить существенное влияние показателя среднедушевых денежных доходов населения.
Изменение показателя среднедушевых денеж-
ных доходов населения на 1% влечет снижение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 1,13 %. То есть, при увеличении среднедушевых денежных доходов населения на 1 руб., произойдет снижение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,046 тыс. руб.
Рассмотрим и проанализируем остальные коэффициенты эластичности объясняющих показателей.
При увеличении сальдированного финансового результата (прибыль минус убыток) деятельности организаций на 1% наблюдается уменьшение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,51 %. То есть, рост оборота розничной торговли на 1 руб. приводит к снижению размера причиненного материального ущерба на 0,67 тыс. руб.
При увеличении численности безработных и услуг на 1%, наблюдается увеличение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,17%. То есть, следствием роста численности безработных на 1 тыс. руб. является рост размера причиненного материального ущерба на 303,15 тыс. руб.
Увеличение объема инвестиций в основной капитал на 1 % сопровождается увеличением размера причиненного материального ущерба на 0,62%. То есть следствием роста объема инвестиций в основной капитал на 1 млн. руб. является увеличение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,29 тыс. руб.
Проанализируем влияние, оказываемое на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ в третьем кластере. Коэффициент детерминации равен 0,67.
Регрессионная модель для третьего кластера выглядит следующим образом:
Г = 25853288 — 380,416*Х1- 4,34153*Х2 — 68005*Х3+ 9,15*Х4 -427,976*Х5
Проанализировав регрессионную модель, можно сделать вывод о том, что на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ регионов третьего кластера в 2018 г. наибольшее влияние оказывает социально-экономический показатель — среднедушевые денежные доходы населения.
Изменение показателя среднедушевых денежных доходов населения на 1% влечет снижение раз-
мера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,98%. То есть, при увеличении среднедушевых денежных доходов населения на 1 руб., произойдет снижение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 380,42 тыс. руб.
Кроме того, стоит отметить существенное влияние показателя стоимости фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности.
Так, изменение показателя стоимости фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения на 1% влечет изменение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,97 %. То есть при увеличении стоимости фиксированного набора потребительских товаров и услуг на 1 руб., произойдет уменьшение размера причиненного материального ущерба на 427,98 тыс. руб.
Рассмотрим и проанализируем остальные коэффициенты эластичности объясняющих показателей.
Изменение показателя сальдированный финансовый результат (прибыль минус убыток) деятельности организаций на 1% влечет изменение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 0,11%. То есть при увеличении среднегодовой численности, занятых на 1 руб., произойдет уменьшение размера причиненного материального ущерба на 4,34 тыс. руб.
При увеличении численности безработных на 1% наблюдается уменьшение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,4%. То есть, рост численности безработных на 1 тыс. руб. приводит к снижению размера причиненного материального ущерба на 68005 тыс. руб.
При увеличении объёма инвестиций в основной капитал на 1%, наблюдается увеличение размера причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ на 2,6%. То есть, следствием роста объёма инвестиций в основной капитал на 1 тыс. руб. является рост размера причиненного материального ущерба на 9,15 тыс. руб.
Исходя из коэффициентов корреляции по всем трем кластерам, мы приходим к выводу, что в большинстве кластеров самый высокий показатель тесноты связи между результативным показателем и объемом инвестиций в основной капитал.
Что касается регрессионного анализа, коэф-
фициент детерминации ^-квадрат) [10] приобретает наибольшее значение в третьем кластере. R-квадрат третьего кластера равен 0,82, что говорит о том, что в третьей группе регрессионная модель наиболее качественно описывает изменения результативного показателя. Показатели регрессионной статистики по кластерам представлены в табл. 5, из которой также следует, что наиболее высокие значения параметров достигаются в первом кластере.
Анализ влияния объясняющих показателей на результативный в разрезе кластеров отражен в табл. 5.
На основе таблицы 5 можно сделать следующий вывод: показатель Х4 (объем инвестиций в основной капитал) оказывает наибольшее положительное влияние на результативный показатель (размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ) в разрезе кластеров за 2018 год. Это подтверждает результаты корреляционного анализа, в соответствии с которым была выявлена прямая зависимость между данными социально-экономическими показателями. Следовательно, независимо от уровня экономического развития региона, его производственного и инвестиционной потенциала, именно объем инвестиций в основной капитал будет являться определяющим фактором, виляющим на размер причиненного материального ущерба. Что касается второго по значимости показателя, то в разрезе трех кластеров результаты различны. Во втором кластере объему инвестиций в основной капитал уступает показатель численность безработных. Следует отметить, что некоторые показатели характеризуются разным направлением связи относительно результативного. Например, это относится к численности безработных. В первом кластере зависимость между данным объясняющим показателем и размером причиненного материального ущерба прямая, во втором — обратная, а в третьем снова прямая.
Выявление тенденций показателей преступлений, предусмотренных статьями главы 23 УК РФ — реализация метода аналитического выравнивания и прогнозирования
Для того чтобы выявить тенденции социально-экономических показателей используем метод аналитического выравнивания [7] для расчета прогнозных значений на 2019-2020 гг. Суть данного метода состоит в построении уравнения тренда и осуществлении на его основе краткосрочного про-
гноза. Построение уравнений тренда связанно с подбором наиболее адекватной математической функции, которая наиболее полно даст описание развитию показателя. В данной работе выравнивание значений показателя осуществляется по наиболее адекватной модели, в которой коэффициент детерминации ближе к единице.
При прогнозировании результативного показателя будем использовать регрессионную модель, в которой будут учитываться все объясняющие показатели. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом, сохранится и в прогнозируемом будущем, т.е. прогноз основан на экстраполяции.
Фактор времени играет большую роль при проведении динамического анализа корреляции. Включение данного фактора в массив данных позволяет выявить не только влияние каждого объясняющего показателя на результативный, но и как он подвержен влиянию времени.
Рассматривая матрицу парных коэффициентов корреляции в динамике, можно отметить, что по сравнению с данными статического корреляционного анализа в разрезе кластеров, выявлена высокая степень тесноты связи между результативным показателем — размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ, и всеми объясняющими показателями.
На основе уравнения регрессии построим модель тренда результативного показателя — размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ. Уравнение тренда имеет вид:
Г= -3Е+06х2+6Е+1-х-9Е+13
С помощью подстановки соответствующих значений были полученные следующие прогнозные оценки социально-экономических показателей.
Таким образом, можно сделать вывод о возрастающей в перспективной динамике преступлений против интересов службы и злоупотребление полномочиями. Этому способствует рост социально-экономических показателей, оказывающих влияние на результативный. При этом наибольший средний темп прироста отмечается у показателя — объем инвестиций в основной капитал, который составил 9,6%, что в наибольшей степени повлияло на значение среднего темпа прироста результативного показателя, равного 13,2%. При этом наименьший средний темп прироста отмечается у объясняющего показателя — численность безработных, который составил 4,9%.
Таблица 5
Влияние объясняющих показателей на размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ
Кластеры Параметры **
1 Ь. -16,348 -0,2517 1994,99 0,31003 39,74
Э. -2,98 -0,11 1,13 0,68 2,97
2 Ь. -0,0457 -0,6737 303,15 -0,293 -20,715
Э. -1,13 -0,51 0,17 -0,62 -2,59
3 Ы -380,41 -4,34153 -68005 9,152838 -427,976
Э. -2,98 -0,26 -2,4 2,6 -2,97
Ы — коэффициенты регрессии; Эг — коэффициенты эластичности
Таблица 6
Прогнозные основных социально-экономических показателей регионов Российской Федерации на 2019 и 2020 гг.
Год Среднедушевые денежные доходы населения, руб. Сальдированный финансовый результат (прибыль минус убыток) деятельности организаций, млн. руб. Численность безработных, тыс. чел. Объем инвестиций в основной капитал, млн. руб. Стоимость фиксированного набора потребительских товаров и услуг для межрегиональных сопоставлений покупательной способности населения, руб. Размер причиненного материального ущерба по статьям, предусмотренными гл. 23 УК РФ, тыс. руб.
2017 41731 8561,1 26,3 11258415 695145,1 198
2018 42893 10113,9 24,9 13220867 734011,6 209
2019 45813 10908 24,35 11036650 493469 211
2020 47740,56 12010,34 23,679 12258845 642062 218
Заключение
В ходе работы было проведено статистическое исследование социально-экономических показателей преступлений против интересов службы и злоупотребление полномочиями. Широкий массив данных предопределил потребность в использовании метода группировок. Также в результате вычислений был сделан вывод о том, что показатели, полученные при многомерной группировке, привели к значительно более качественному формированию кластеров чем, например, при типологизации посредством одномерной группировки. Данный факт объясняется тем, что кластерный анализ по-
зволяет учесть сразу несколько социально-экономических показателей и сформировать соответствующие группы.
В ходе анализа факторов, влияющих на размер причиненного материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях определились факторы, которые оказывают существенное влияние на результативный признак. Самым влиятельным показателем в данном случае оказался объем инвестиций в основной капитал.
Использование метода регрессии позволило определить, как абсолютное, так и относительное влияние изменения каждого социально-экономиче-
ского показателя на размер причиненного материального ущерба по статьям, предусмотренным гл. 23 УК РФ.
Из всей проделанной работы следует сделать вывод о том, что с каждым годом наблюдается незначительный рост преступлений против интересов службы и злоупотребление полномочиями. Практика формирования в России новых экономических и социальных отношений обнажила необходимость новых подходов к проблемам ответственности за преступления по службе, которые и были реализованы в Уголовном кодексе Российской Федерации.
Ограниченнее объема публикуемой статьи не позволяет нам рассмотреть многочисленные варианты интерпретации воздействия объясняющих показателей, например, о, что именно крупные суммы инвестиционных потов притягивают потенциальных и уже бывалых преступников в сфере экономики для осуществления противоправных действий. Мы ограничились рассмотрением применения методики математико-статистических методов для моделирования конкретного социально-экономического явления — важного аспекта экономической безопасности государства. Вопросы интерпретации, надеемся найдут должное освещение в научных работах курсантов, адъюнктов, практических работников и специалистов в сфере экономической безопасности.
Литература
1. Андрюшечкина И. Н., Ковалев Е. А., Савюк Л. К., Бикбулатов Ю.А. Правовая статистика: учебник и практикум для среднего профессионального образования / под общей редакцией Л.К. Савюка. М.: Издательство Юрайт, 2019. 410 с.
2. Долгова В.Н. Статистика: учебник и практикум для среднего профессионального образования / В.Н. Долгова, Т.Ю. Медведева. М.: Издательство Юрайт, 2019. 245 с.
3. Дудин М.Н. Статистика: учебник и практикум для академического бакалавриата / М.Н. Дудин, Н.В. Лясников, М.Л. Лезина. М.: Издательство Юрайт, 2019. 374 с.
4. Елисеева И.И. Статистика: учебник для прикладного бакалавриата / 3-е изд., пере-раб. и доп. М.: Издательство Юрайт, 2019. 361 с.
5. Кулагина Н.А. Анализ и диагностика финансово-хозяйственной деятельности предприятия. Практикум: учебное пособие для среднего профессионального образования /
Н.А. Кулагина. 2-е изд., перераб. и доп. М.: Издательство Юрайт, 2019. 135 с.
6. Мхитарян В.С., Агапова Т.Н., Ильенкова С.Д., Суринов А.Е. Статистика. В 2 ч. Часть 2: учебник и практикум для академического бакалавриата / под редакцией В.С. Мхи-таряна. 2-е изд., перераб. и доп. М.: Издательство Юрайт, 2019. 270 с.
7. Наумов А.В., Кибальник А.Г. Уголовное право в 2 т. Том 2. Особенная часть: учебник для академического бакалавриата / А.В. Наумов [и др.] 5-е изд., перераб. и доп. М.: Издательство Юрайт, 2019. 499 с.
8. Подройкина И.А. Уголовное право. Особенная часть. Практикум: учебное пособие для среднего профессионального образования / под редакцией И.А. Подройкиной, С.И. Улезько. 2-е изд., испр. и доп. М.: Издательство Юрайт, 2019. 422 с.
9. Хоминич И.П. Финансы организаций: управление финансовыми рисками: учебник и практикум для среднего профессионального образования. М.: Издательство Юрайт, 2019. 345 с.
10. Шубат О.М., Караева А.П. Кластерный анализ в исследовании социально-экономических процессов: опыт критического анализа. В сборнике: Проблемы моделирования социальных процессов: Россия и страны АТР Материалы II Всероссийской научно-практической конференции с международным участием. 2016. С. 325-328.
References
1. Andryushechkina I.N., Kovalev E.A., Savyuk L.K., Bikbulatov Yu.A. Legal statistics: textbook and workshop for secondary professional education / under the General editorship of L.K. Savyuk. M.: Yurayt Publishing House, 2019. 410 p.
2. Dolgova V.N. Statistics: textbook and workshop for secondary vocational education / V.N. Dolgova, T.Yu. Medvedeva. M.: Yurayt Publishing House, 2019. 245 p.;
3. Dudin M.N. Statistics: textbook and workshop for academic baccalaureate / M.N. Dudin, N.V. Lyasnikov, M.L. lezina. M.: Yurayt Publishing House, 2019. 374 p.
4. Eliseeva I.I. Statistics: textbook for applied baccalaureate / 3rd ed., rev. and add. M.: Publishing house of Yurayt, 2019. 361 p.
5. Kulagina N.A. Analysis and diagnostics
ЭКОНОМИЧЕСКИЕ НАУКИ
of financial and economic activity of the enterprise. Workshop: textbook for secondary vocational education / N.A. Kulagina. 2nd ed., rev. and add. M.: Publishing house of Yurayt, 2019. 135 p.
6. Mkhitaryan V.S., Agapova T.N., Ilyenkova S.D., Surinov A.E. Statistics. Part 2: textbook and workshop for academic baccalaureate / edited by V.S. Mkhitaryan. 2nd ed., rev. and add. M.: Publishing house of Yurayt, 2019. 270 p.
7. Naumov A.V., Kibalnik A.G. Criminal law in 2 vols. Volume 2. Special part: textbook for academic baccalaureate / A.V. Naumov [et al.] 5th ed., rev. and add. Moscow: Publishing house of Yurayt, 2019. 499 p.
8. Podroykina I.A. Criminal law. Special part.
Workshop: a textbook for secondary vocational education / edited by I.A. Kuzmina Podroikina, S.I. Oleshko. 2nd ed., corr. and additional. M.: Yurayt Publishing house, 2019. 422 p.
9. Khominich I.P. Finance of organizations: financial risk management: textbook and workshop for secondary professional education. M.: Yurayt Publishing house, 2019. 345 p.
10. Shubat O.M., Karaeva A.P. Cluster analysis in the study of socio-economic processes: the experience of critical analysis. In the collection: Problems of modeling social processes: Russia and the Asia-Pacific countries Materials of the II all-Russian scientific and practical conference with international participation. 2016. Pp. 325-328.
Московский университет МВД России имени В.Я. Кикотя
Психология
служебной деятельности
Психология служебной деятельности. 2-е изд., перераб. и доп. Учебник. Цветков В.Л. и др. 351 с. Гриф МУМЦ «Профессиональный учебник». Гриф НИИ образования и науки.
Учебник разработан в соответствии с требованиями Федерального государственного образовательного стандарта высшего профессионального образования третьего поколения по специальности 3705.02 «Психология служебной деятельности». Рассмотрены основы психологической работы в органах внутренних дел. Основное внимание уделяется таким вопросам, как психологическая подготовка сотрудников ОВД, технологии психологической помощи и психологической реабилитации сотрудников ОВД, организация психологической работы в ОВД.
Для курсантов, студентов вузов, психологов, а также всех интересующихся проблемами практической психологии.
