Очевидно, чем большим будет горизонт прогнозирования, тем менее надежным будет прогноз, хотя это в большей мере зависит от степени устойчивости той социальной среды, в которой осуществляется прогнозирование. Если социально-экономические, социально-политические, демографические, религиозные и другие социум образующие факторы будут стабильны, то даже простая механическая экстраполяция по линейному тренду будет давать достаточно точный прогноз (эмпирические и прогнозные значения будут близки). В то же время период бурных реформ, революционный всплеск, быстрое изменение динамики вышеперечисленных факторов приведет к тому, что прогнозирование по трендовым моделям станет менее ненадежным, но не безнадежным делом, поскольку трендовые и им подобные математические модели, например, по методу Бокса-Дженкинса, экспоненциальное сглаживания (позволяет корректировать веса временных эффектов) можно корректировать с учетом поведения объясняющих преступность переменных, а, кроме того, можно использовать «барометрические методы – эффекты совпадения, опережения и запаздывания и т.д.»[52]. Дело в том, что преступность по-разному реагирует на изменение, управляющих ей факторов. На действие одних, она откликается сразу. Толчок от других проявит себя в кривой преступности с некоторым запаздыванием во времени, а знание определенных параметров социальной системы позволяет заранее еще до их включения предсказать, как в будущем на них отреагирует преступность.
Прогнозирование преступности и её структурных составляющих с учетом объясняющих факторов является наиболее точным. Так, установлено, что умышленные убийства, разбои и некоторые другие виды преступлений тесно и положительно коррелированны с коэффициентом Джини, показывающим степень неравенства в распределении доходов народонаселения[53]. Это дает возможность делать достаточно точные прогнозы соответствующих видов преступлений в зависимости от детерминирующих их факторов, но лишь в том случае, если их будущие значения нам известны. Однако будущие значения объясняющих переменных мы также вынуждены прогнозировать, и в таком случае точность прогноза одной переменной (управляемой) зависит от точности прогноза второй переменной (объясняющей). Более того, при прогнозировании преступности и её структурных составляющих с учетом объясняющих факторов следует помнить, что их действие не является постоянным и может претерпевать значительные изменения во времени и пространстве.
Весьма серьезной трудностью при использовании в прогнозировании, объясняющих преступность моделей, выступает то обстоятельство, что преступность не являет собой некое однородное явление по причинным составляющим. Существуют группы преступлений отрицательно коррелированные или несвязанные между собой, что с неизбежностью ухудшает качество прогноза общей преступности! Совершенно неслучайно умышленные убийства тесно коррелированны с коэффициентом Джини, но с общей преступностью корреляция коэффициента Джини умеренная. Это явно свидетельствует в пользу отрицательной корреляции между структурными составляющими преступности. То есть, когда одни группы преступлений растут, другие должны снижаться (отрицательная корреляция) или не откликаться (отсутствие корреляции) на действие конкретного фактора. Покажем это на конкретном примере, устанавливая корреляционную связь между числом изнасилований и разбоев в Ямало-ненецком АО за период с 1987 по 2006 годы.
Таблица №1. Временные ряды изнасилований и разбоев в Ямало-ненецком АО за период с 1987 по 2006 годы
|
Изнасилования, шт. |
Разбои, шт. |
|
46 |
12 |
|
39 |
17 |
|
39 |
26 |
|
30 |
27 |
|
40 |
36 |
|
37 |
57 |
|
54 |
66 |
|
67 |
62 |
|
49 |
82 |
|
39 |
48 |
|
29 |
50 |
|
28 |
102 |
|
18 |
68 |
|
28 |
65 |
|
32 |
56 |
|
25 |
70 |
|
33 |
67 |
|
24 |
113 |
|
36 |
122 |
|
32 |
105 |
Коэффициент корреляции (r=) между переменными равный 0,2372 говорит о слабой и отрицательной связи между ними, а также свидетельствует о разных причинных комплексах, формирующих данные группы преступлений. Но в общем уровне преступности отражаются все группы преступлений, в большей или меньшей мере коррелированных между собой, что затрудняет, если не делает бессмысленным, выявление общих детерминант преступного поведения без привязки к её конкретным структурным составляющим.
Прогнозирование преступности и её структурных составляющих по переменным, зависящим от сходных факторов, например, числа умышленных убийств по числу суицидов (самоубийств) или наоборот. Если мы сопоставим временные ряды умышленных убийств и суицидов (или проведем соответствующий кросс-секционный анализ), то обнаружим тесную положительную корреляционную связь между ними. При этом очевидно, что ни умышленные убийства, ни суициды не могут выступать детерминирующими друг друга факторами, хотя в некоторых случаях отдельные суициды могут породить умышленный убийства и наоборот. Однако на частоты умышленных убийств и суицидов такие единичные факторы не влияют. Наличие тесной положительной корреляционной связи между определенными социально-патологическими явлениями и знание соответствующего уравнения регрессии позволяют, зная величину одной такой переменной, сделать более или менее обоснованное суждение о величине другой, если та неизвестна. Основным недостатком данного способа прогнозирования является то, что обе переменные, как прогнозируемая, так и прогнозирующая являются следствием некоей «третьей силы», от которой они зависят и проявляются одновременно. Все эти детали нужно понимать, чтобы не попасть в ловушку корреляционно-регрессионного анализа.
Пример ловушки регрессионного и корреляционного анализа.
Представим математика, в распоряжении которого имеются два временных ряда, но он не знает, какое конкретное качество они выражают. Очевидно, что в данном случае цифры совершенно бессмысленны.
Теперь представим того же математика, только знающего, какие качественные данные выражены количественно в упомянутых временных рядах, но плохо представляющего себе предметную область, с которой он работает, например, девиантологию. Допустим, что в нашем распоряжении оказались временные ряды суицидов и умышленных убийств по Российской Федерации за период с 1985 по 1996 годы:
Таблица: временные ряды суицидов и умышленных убийств по Российской Федерации за период с 1985 по 1996 годы.
|
Годы |
Коэффициент умышленных убийств на 100 тыс. населения |
Коэффициент суицидов на 100 тыс. населения |
|
1985 |
8,5 |
31,1 |
|
1986 |
6,6 |
23,1 |
|
1987 |
6,3 |
23,3 |
|
1988 |
7,2 |
24,4 |
|
1989 |
9,2 |
25,8 |
|
1990 |
10,5 |
26,4 |
|
1991 |
10,9 |
26,5 |
|
1992 |
15,5 |
31 |
|
1993 |
19,6 |
38,1 |
|
1994 |
21,8 |
41,8 |
|
1995 |
21,4 |
41,4 |
|
1996 |
19,9 |
39,4 |
Математик решил, что между умышленными убийствами и суицидами должна существовать какая-то связь и проверил это, получив нижеследующие результаты: у=-11,93+0,8х, где у – коэффициент умышленных убийств на 100 тысяч населения, а х – коэффициент суицидов на 100 тысяч населения; R2=0,92; F=116; вероятность ошибки близка к нулю. То есть полученное регрессионное уравнение показывает, что 92% вариации умышленных убийств объясняется динамикой суицидов. Свободный член в уравнении девиантологического смысла не имеет (отрицателен), за исключением того, что показывает соотношение коэффициентов вариации по осям. Коэффициент регрессии устанавливает, если х изменяется на единицу измерения, то у изменяется на 0,8. Казалось бы, можно порадоваться, что выявлен один из существенных факторов, управляющих динамикой умышленных убийств, но на самом деле это не так, мы просто попали в «девиантологическую ловушку». Хотя полученный результат имеет значение для развития девиантологии и криминологии, прогнозирования умышленных убийств и суицидов. В конце концов, совсем не обязательно, чтобы одна переменная «управляла» другой. Важно, чтобы между их динамикой существовала определенная связь. В таком случае эти переменные, во–первых, можно использовать для прогнозирования, например, числа суицидов по известному числу убийств или наоборот. Во-вторых, искать реальную силу, вызывающую изменение, как умышленных убийств, так и суицидов. То есть мы приходим к весьма важному заключению о том, что умышленные убийства и суициды - всего лишь «ягодки», следствия, какой-то реальной силы, управляющей ими.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54
