Главная | Обратная связь | Поможем написать вашу работу!
МегаЛекции

Вопрос 2. Виды криминологических прогнозов и методика их составления




 

Научно обоснованный криминологический прогноз - это результат прогнозирования, своеобразная модель будущей преступности, состояния науки, деятельности людей как в области развития криминологии, так и в области борьбы с преступностью[3]. Вместе с тем, такая модель не норматив, а предположение, поскольку совершенно точных прогнозов в криминологии быть не может. Степень вероятности прогноза будет зависеть от числа учитываемых факторов, а также от срока прогнозирования, качества исходной информации и некоторых других обстоятельств. Чем более отдалён срок наступления предполагаемого события, тем ниже степень вероятности прогноза, и наоборот. Но даже при самом кратком сроке прогнозирования нельзя достичь высокой степени вероятности, если отсутствует или плохо используется соответствующая исходная информация.

Целью научного прогноза является установление не только того, что может произойти и при каких условиях, но и определение различных возможностей, которые бы позволили развить или, наоборот, ограничить появление тех или иных явлений, процессов, событий и т.д.

Криминологические прогнозы могут классифицироваться по различным признакам (критериям).

Рассмотрим несколько примеров:

  Во-первых, общий криминологический прогноз распадается на прогноз науки криминологии и прогноз преступности;

Во-вторых, прогноз преступности, в свою очередь, делиться на прогноз первичной и прогноз рецидивной преступности. В каждой из них возможны прогнозы отдельно состояния преступности, её структуры, характера и динамики;

  В третьих, по времени при прогнозировании первичной и рецидивной преступности возможно получение краткосрочных, среднесрочных и долгосрочных прогнозов[4].

Самостоятельным видом можно считать прогнозы индивидуального поведения.

Индивидуальные прогнозы производятся в отношении лиц, в прошлом уже совершавшим преступление или допускавшим антиобщественное поведение. Отрицательный индивидуальный прогноз, который заключается в предположении о совершении тем или иным лицом нового преступления, не имеет ничего общего с признанием лица в качестве неизбежного преступника. Индивидуальный прогноз (как и любой другой) всегда носит вероятностный характер. На качество индивидуального прогноза влияет количество и качество факторов, учитываемых исследователем. В практике индивидуального прогнозирования наиболее целесообразен учёт 16-20 факторов, оказывающих влияние на прогнозируемого.

Классифицировать криминологические прогнозы можно и по ряду других признаков. Однако в результате из частных прогнозов должен складываться совокупный прогноз преступности.

В ходе криминологического прогнозирования могут применяться различные методы. Мы рассмотрим несколько из них.

Метод экстраполяции. Суть его состоит в изучении тенденций преступности в прошлом и настоящем и перенесении выявленных закономерностей развития преступности в будущее. Например, мы располагаем такими статистическими данными, характеризующими динамику преступности в каком либо районе: в одном из прошлых лет здесь было совершено 300 преступлений, в последующее время (за каждый год в отдельности до настоящего периода) - 250, 200, 180, 150, 120, 100, 50 преступлений. Как видно из этого статистического ряда, наблюдается устойчивая закономерность снижения преступности в районе. Продолжая, то есть экстраполируя, этот ряд, можно сделать вывод, что в следующем году и даже в последующие годы преступность будет снижаться. С помощью специальных методов математической статистики в принципе можно определить и число возможных преступлений в предстоящие годы.

Данный метод оказывается эффективным для прогнозирования стационарных, устойчивых процессов. Преступность же явление сложное, зависящее от множества меняющихся факторов. Поэтому для получения достаточно надёжного прогноза необходимо глубоко анализировать изменения этого отрицательного общественного явления за длительный период времени, вскрыть разнообразные тенденции.

Метод экстраполяции применяется при прогнозировании на короткий период времени и только по отношению к «наблюдаемой» (обозначенной количественно) исследователем части преступности.

Метод моделирования. Непосредственное изучение преступности будущего затрудняется в силу того, что эта преступность ещё не существует. Следовательно, необходимо создать модель прогнозируемой преступности и, изучая её, делать определённые выводы. На основе сведений о существующей преступности создаётся модель последней. При этом основные элементы существующей преступности выражаются в основном количественно. Количественная модель преступности отражает её зависимость от ряда факторов. Подставив в модель значение факторов преступности на планируемый период, определяют будущее состояние преступности. Сложность этого метода состоит в недостаточном знании факторов преступности и механизма их действия, степени связи этих факторов с преступностью. Однако построение таких моделей возможно. Например, возможен прогноз преступности на основе демографического прогноза изменений в численности и структуре населения. Данные о социально-демографическом составе правонарушителей накладываются на предполагаемую демографическую структуру. В результате и определяется вероятностный уровень преступности.

Метод экспертных оценок. Он заключается в сборе мнений специалистов о возможном изменении тенденций и закономерностей преступности на планируемый период.

Наибольшей популярностью среди методов экспертизы пользуется дельфийский метод. По этому методу вопросы экспертам ставятся так, чтобы они имели какую-то количественную характеристику. Опросы проводятся в несколько туров, в ходе которых вопросы и ответы уточняются. При отклонении прогноза от мнения большинства эксперты обосновывают свою точку зрения. В ходе экспертизы возможно привлечение дополнительных экспертов. На основе прогнозов всех привлечённых экспертов составляется общий прогноз, в котором находят отражение наиболее распространённые точки зрения. Данный способ наиболее распространён в практике.

Чтобы успешно решать задачи, поставленные перед органами, осуществляющими борьбу с правонарушениями, нужно не только предвидеть изменения преступности, но и «управлять» ею, необходимо осуществлять планирование работы по предупреждению преступлений.

При рассмотрении данного лекционного вопроса, необходимо обратить внимание на прогноз состояния преступности[5].

ПРОГНОЗ СОСТОЯНИЯ ПРЕСТУПНОСТИ
В САНКТ-ПЕТЕРБУРГЕ НА 2015 ГОД И ПЕРИОД 2016-2019 ГОДОВ

Среднесрочное прогнозирование криминогенной ситуации является, безусловно, актуальной задачей, направленной на обеспечение исполнительных органов государственной власти Санкт-Петербурга прогнозными данными о состоянии преступности в регионе в ближайшие 3-5 лет. Результаты прогнозирования позволяют оценить динамику различных процессов, характеризующих преступность, и, возможно, предотвратить некоторые негативные последствия путем принятия эффективных мер, направленных на улучшение ситуации. Научно-обоснованные подходы к прогнозированию состояния преступности обеспечивают высокую точность и надежность сформированного прогноза, что позволяет ориентироваться на полученные прогнозные значения при принятии управленческих решений.   

Прогноз осуществлен на основе актуальных статистических данных правоохранительных органов и включает следующие направления:

- общие прогноз состояния преступности и её основных показателей, основные тенденции на среднесрочную перспективу;

- преступления против личности, в том числе насильственные, и иные правонарушения, посягающие на права граждан;

- преступления в сфере экономики, в том числе против собственности граждан и организаций;

- хищения и угоны транспортных средств;

- преступления против общественной безопасности, в том числе террористические проявления, незаконный оборот оружия, а также хулиганство;

- преступления, связанные с наркоманией и незаконным оборотом наркотических средств и психотропных веществ;

- преступления, совершаемые иностранными гражданами, и в отношении иностранных граждан;

- преступления и иные правонарушения в сфере дорожного движения;

- преступления против основ конституционного строя и безопасности государства, в том числе экстремизм;

- преступления против порядка управления, в том числе незаконная миграция;

- преступления, совершенные по мотивам национальной или религиозной ненависти;

- преступления несовершеннолетних и молодежи;

- преступления в отношении несовершеннолетних;

- преступления, совершенные лицами без определенного места жительства;

- преступления, совершенные повторно лицами, ранее совершавшими преступления, в том числе имеющими неснятую или непогашенную судимость;

- преступления, совершаемые на улицах и в общественных местах (в парках, скверах, местах массового отдыха, торгово-развлекательных комплексах и т. п.);

- преступления в жилом секторе Санкт-Петербурга, в том числе в коммунальном жилом фонде;

- преступления и правонарушения в крупных торговых (торгово-развлекательных) комплексах и на прилегающей к ним территории;

- правонарушения на транспорте, реках и каналах, а также на территориях, прилегающих к акватории Санкт-Петербурга;

- правонарушения в сфере незаконного оборота объектов интеллектуальной собственности, реализации контрафактной, фальсифицированной и некачественной продукции.

Прогнозное исследование включает в себя анализ статистических ретроспективных данных, формализацию основных предположений и проверку основных предпосылок методов моделирования, построение математических моделей и систем моделей, прогнозирование и интерпретацию полученных результатов.

По результатам прогнозного исследования подготовлены выводы о наметившихся тенденциях развития криминогенной ситуации в Санкт-Петербурге в 2015–2019 гг.

1.1. Инструментальные средства
и методология прогнозирования

 

Прогноз состояния преступности на 2015–2019 гг. формировался с использованием модуля SAS Enterprise Guide, входящего в состав Интегрированной системы информационно-аналитического обеспечения деятельности исполнительных органов государственной власти (ИС ИАО). Данный инструментарий позволяет моделировать как отдельные социально-экономические процессы, так и проводить обобщенный анализ различных сфер жизнедеятельности Санкт-Петербурга.

Проведен анализ квартальных и годовых данных за 2000–2014 гг., представленных ГУ МВД России по Санкт-Петербургу и Ленинградской области.

Среди методов, использованных при прогнозировании, можно выделить два основных класса:

1) методы, учитывающие существующие детерминированные взаимосвязи между отдельными показателями, или метод балансовых соотношений;

2) методы, согласно которым каждый показатель прогнозируется отдельно, исходя из его индивидуального стохастического поведения. 

При прогнозировании большинства показателей использованы модели временных рядов. Преимущество данного класса моделей заключается в возможности учета при прогнозировании сложившихся тенденций развития показателей.

Выбор вида моделей осуществлялся из следующих классов моделей:

2. модели авторегрессии и проинтегрированного скользящего среднего (АРПСС, или ARIMA);

3. модели пошаговой авторегрессии;

4. модели экспоненциального сглаживания;

5. мультипликативная и аддитивная модели Винтерса;

6. линейные и нелинейные динамические модели;

7. регрессионные модели.  

Для регрессионных моделей оценка качества проверялась с помощью критерия Фишера (F-тест). Проверка значимости полученных оценок для параметров моделей осуществлялась по критерию Стьюдента (t-тест). Коэффициент детерминации использовался как дополняющая характеристика к информационным критериям. При отборе факторов для построения регрессионных моделей применялся корреляционный анализ данных.

На основе информационных критериев Шварца-Байеса и Акайки производился выбор моделей, обладающих наилучшими прогностическими качествами (имеющих наименьшую ошибку прогноза). Для ряда моделей вычислен доверительный интервал прогноза – интервал, который с заданной вероятностью (90–95%) накроет истинное прогнозное значение показателя. Это означает, что при построении прогноза допускалась лишь 5–10% ошибка. 

Результаты прогнозирования представлены в графическом и табличном виде.

На диаграммах прослеживается динамика показателей и изображены прогнозные значения, полученные по модели:

- исходные статистические данные – пунктирная линия;

- прогнозные модельные значения – сплошная линия;

- нижняя и верхняя границы доверительного интервала – розовая линия.

В таблицах представлены прогнозные значения показателей на 2015–2019 гг.

1.2. Сравнение отчетных значений за 2015 год
по ключевым показателям преступности с прогнозными значениями

 

В рамках прогнозирования состояния преступности в Санкт-Петербурге проведена верификация прогноза за 2015 г. Верификация прогноза подразумевает сравнение фактических значений за 2015 г. с прогнозными значениями по основным видам регистрируемых преступлений. Подобная апостериорная оценка качества прогноза позволяет проверить адекватность прогнозных моделей и в случае необходимости скорректировать параметры моделей. В качестве критерия оценки использовалась ошибка прогноза – отклонение фактических значений от прогнозных, выраженное в процентах.

Сравнение отчетных значений за 2014 г. с прогнозными проводилось для тех видов преступлений, удельный вес которых превышает 5% в общем количестве зарегистрированных преступлений.

Рис. 1. Диаграмма сравнения фактических значений
за 2014 г. с прогнозными

Согласно проведенной оценке, результаты прогнозирования в целом свидетельствуют об адекватности применяемых методик и моделей. Среднее отклонение прогнозных значений от фактических составляет 17,9%. Для большинства показателей ошибка прогноза не превышает 10%. В то же время по некоторым видам преступлений, таким как преступления экономической направленности и мошенничество, ошибка прогноза превышает допустимые значения, что является следствием неустойчивости моделей. Прогностические качества моделей существенно снижаются в силу нескольких причин: значительные колебания показателей на ретроспективный период, отсутствие какой-либо выраженной зависимости в динамике показателей, наличие структурных сдвигов в данных.

Поделиться:





Воспользуйтесь поиском по сайту:



©2015 - 2024 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...