|
Фурье; построение графиков, таблиц, уравнений; измерение эластичности преступности по конкретным, детерминирующим ее факторам, а также применение синергетических технологий. Учитывая тот факт, что преступность в целом, и почти все ее структурные компоненты представляют собой субмаргиналы (случайное блуждание с положительным сдвигом): Yt = YM + а + Е, где а положительное число (а > 0), при анализе таких временных рядов удобно применять модели ARIMA (АРПСС авторегрессии и проинтегрированного скользящего среднего) модели БоксаДженкинса, в которых используются две основные математические идеи: 1) моделируемая величина (в нашем случае уровни преступности) задается линейной функцией от ее прошлых значений (авторегрессионый процесс): Y, = ао + a,YH+a2Y,.2+...+ cXnY,.n. 2). Моделируемая величина задается линейной функцией от прошлых ошибок (Е) (модель скользящей средней): К = Д + B^c,.J + В,£,_2 +...+В„с,.„, где e,=Y,-Y,. Обычно модели ARIMA с , ц тают в себе различные комбинации авторегрессионых моделей и моделей скользящей средней. Учитывая тот факт, что для прогноза мы берем данные по Республике Казахстан с 1997 по 2004 годы, а «поведение» временного ряда преступлений в сфере экономической деятельности является крайне неустойчивым, для прогнозирования используем метод экспоненциального сглаживания с высоким коэффициентом альфа (0,9). Величина коэффициента альфа нами определялась с целью учета современных тенденций в выявлении и регистрации преступлении в сфере экономической деятельности в Республике Казахстан. 128 |
185 требует приблизительного определения уровней преступности. Тоже самое относится к критериям решения Сэйвиджа и Лапласа. Эффективность деятельности органов внутренних дел в профилактике и борьбе с преступностью напрямую связана с пониманием руководством ОВД процессов, непосредственно влияющих на преступность, ее уровень, структуру, динамику. Понимание действия таких факторов и чувствительности к ним динамики преступности поможет руководителям ОВД принять оптимальные решения. Несмотря на то, что преступность носит вероятностный, статистический характер, прогноз является вполне надежным, поскольку основывается на следующих достаточно строгих методах научного исследования: моделирование одномерных временных рядов и изучение взаимосвязей по временным рядам; использование парного и множественного регрессионного и корреляционного анализа как линейного, так и нелинейного типа, включая введение фиктивных переменных; использование линейных моделей регрессии и аналитического выравнивания временного ряда; построение моделей с распределенным лагом; дисперсионный анализ; авторегрессионый анализ; методы исключения тенденции (например, включение в модель фактора времени); построение индивидуальных и агрегированных индексов преступности; расчет сезонной компоненты ^ по мультипликативной модели и с использованием рядов Фурье; построение графиков, таблиц, уравнений; измерение эластичности преступности по конкретным, детерминирующим ее факторам, а также применение синергетических технологий. Кроме того, в ряде случаев (например, при прогнозировании хулиганств и изнасилований) мы использовали метод Брауна, Барометрические, фрактальные методы и построение диффузных индексов в данном случае применялись весьма ограниченно в связи с недостаточной разработанностью соответствующей •%• криминологической методики. Несмотря на то, что мы не считаем, что фоновые явления оказывают важное значение при прогнозе, но их влияние на временном отрезке с 1981 по 2001 |