WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     || 2 |
-- [ Страница 1 ] --

Центр экономических и финансовых исследований и разработок

На правах рукописи

Андриенко Юрий Валерьевич Экономика преступления: теоретическое и эмпирическое исследование определяющих факторов

преступности.

Специальность 08.00.13 Математические и инструментальные методы экономики Диссертация на соискание ученой степени кандидата экономических наук

Научный консультант: академик В.Л. Макаров Москва - 2003 2 Посвящается миллионам невинных жертв политических и уголовных преступлений ХХ века в России. Оглавление. Введение....................................................................................................................... 4 Глава 1. Обзор научных работ по экономике преступления................................ 15 1.1. Теоретические работы.................................................................................... 16 1.1.1. Модель рационального правонарушителя.............................................. 16 1.1.2. Модификации модели............................................................................... 17 1.1.3. Модели оптимального правопорядка...................................................... 19 1.2. Эмпирические исследования.......................................................................... 20 1.2.1. Анализ временных рядов.......................................................................... 21 1.2.2. Анализ пространственных рядов............................................................. 22 1.2.3. Анализ индивидуальных данных............................................................. 23 1.2.4. Анализ панельных данных....................................................................... 25 2.1. Микро модель: преступник и жертва............................................................ 28 2.2. Макро модель: преступники и жертвы......................................................... 30 2.3. Модель оптимального правопорядка............................................................ 34 2.3.1. Частные случаи модели............................................................................ 48 Глава 3. Эмпирические оценки влияния сдерживания и распределения дохода на преступность (эконометрические модели)........................................................ 55 3.1. Эмпирическая модель преступности............................................................. 57 3.2. Анализ временных рядов преступности в СССР (1961-1989 гг.) и РСФСР (1965-1990).............................................................................................................. 58 3.3. Регрессионный анализ панельных данных преступности в 77 регионах России (1992-2000 гг.)............................................................................................ 65 3.3.1. Данные и эмпирическая модель............................................................... 69 3.3.2. Эмпирический анализ............................................................................... 73 3.3.3. Выводы к части 3.3.................................................................................... Глава 4. Эмпирические оценки модели преступности на международных данных........................................................................................................................ 81 4.1. Анализ международных обследований жертв............................................. 81 4.1.1. Описание данных....................................................................................... 81 4.1.2. Оценки индивидуальных данных............................................................ 86 4.1.3. Выводы к части 4.1.................................................................................... 91 4.2. Регрессионный анализ панельных данных по странам............................... 92 Заключение................................................................................................................ 96 Литература................................................................................................................. 99 Приложение 1.......................................................................................................... 106 Приложение 2.......................................................................................................... 113 Приложение 3.......................................................................................................... 116 Приложение 4.......................................................................................................... 121 Приложение 5.......................................................................................................... Введение. Актуальность темы исследования. Масштабы преступности долгое время замалчивались в российском обществе. Вплоть до середины 80-х гг. статистические данные о преступности в СССР были засекречены. Политика советского государства была направлена на непримиримую борьбу с этим общественным злом. Ни о какой экономической целесообразности и эффективности такой борьбы политическое руководство не задумывалось. Даже за незначительное правонарушение порой следовало неадекватно суровое и дорогостоящее наказание. В результате довольно значительная часть населения (по некоторым данным, каждый четвертый мужчина старшего возраста) задерживалась правоохранительными органами и осуждалась за совершение того или иного правонарушения. С началом рыночных преобразований в России произошли значительные изменения в разных сферах общественных отношений, включая и преступность. В то время как большая часть населения стремительно обеднела, небольшая часть получила доступ к необъятным ресурсам. В результате Россия оказалась среди стран с наиболее несправедливым распределением благосостояния среди населения. Россия стала считаться криминальной страной в глазах мирового сообщества. Официальная статистика преступности отчасти подтверждает эту характеристику. Хотя до сих пор Россия значительно уступает лидерам по общему зарегистрированному уровню преступности, она, тем не менее, входит в число стран с самым высоким уровнем насильственных преступлений и самым большим тюремным населением. Борьба с преступностью продолжает оставаться среди важнейших государственных проблем. Президент России постоянно говорит о необходимости сделать неотвратимым наказание за преступление. В обществе идут напряженные дебаты о восстановлении смертной казни как сильного сдерживающего фактора. В последнее время принимаются изменения в Уголовном кодексе РФ, снижающие санкции против молодежи. В связи с этим особенно актуальными являются исследования, позволяющие определить связь показателей прежде преступной всего, с активности с экономическими показателями, распределением благосостояния населения и теми показателями, которые отражают борьбу государства с преступностью. Объект и метод исследования. Объектом исследования диссертационной работы является противозаконная деятельность, за которую предполагается определенное законом наказание. В качестве метода исследования объекта используется экономический подход. Возможности осмыслению на успешного первый применения экономического подхода к взгляд неэкономических явлений были продемонстрированы в серии работ нобелевского лауреата 1997 г. Г. Беккера. Экономический анализ преступной или незаконной деятельности стал одним из ярких применений экономической теории в конце ХХ века. В ответ на критику узости и меркантильности экономической теории преступления со стороны представителей других социальных наук, Беккер в своей нобелевской лекции подчеркивает: «... экономический подход, на который я ссылаюсь, не предполагает материальными того, что индивидуумы или эгоизмом. мотивированы Это метод единственно а не выгодами анализа, предположение об особой мотивации... Хотя этот подход к поведению основан на расширенной теории индивидуального выбора, он большей частью касается не индивидуума. Он использует теорию на микро уровне как мощный инструмент для построения выводов на групповом или макро уровне». Краткая история развития объекта.

Преступность как антиобщественное явление появилась на заре человечества. Как хорошо известно из одного из древнейших исторических документов об истории человечества - Ветхого Завета, третий человек на Земле – Каин - из-за чувства ревности убил четвертого человека - своего брата Авеля. С тех пор истребление человеком себе подобных по своим масштабам ничуть не уступало подобному распространенному явлению в животном мире, основанному на рациональном инстинкте, а не на разуме. Прошедший ХХ век стал не только веком стремительного научнотехнического прогресса, но и веком жесточайшего истребления людей в военных конфликтах, а также невиданного роста преступности. Обеспокоенность населения почти постоянно растущей преступностью во всем мире является сигналом для более интенсивного научного изучения этой проблемы. Масштабы этого явления до сих пор плохо изучены из-за его высокой латентности (т.е. скрытой, незарегистрированной части). Прямой и косвенный экономический ущерб от преступности в разных странах составляет несколько процентов ВВП. Экономическая наука относительно недавно подключилась к научному сообществу, проводящему исследования в этой области. Мнение о тесной связи между состоянием экономики и распространенностью преступности укоренилось в сознании общественности. Однако даже в развитых странах мы сегодня можем наблюдать весьма различную ситуацию с преступностью: высокий уровень зарегистрированной преступности в США и, особенно, в европейских странах и низкий - в Японии. Среди множества причин преступности ключевые до сих пор не найдены. Можно назвать ряд сфер общественных отношений, связанных с распространением преступности. Кроме уровня жизни и экономического развития – это уровень нравственного развития, поляризация в обществе, культура, традиции, семейные отношения, общественный контроль, государственное вмешательство (правосудие, системы охраны правопорядка и уголовно-пенитенциарная) и мн. др. О связи преступности с экономическим развитием до сих пор мало что известно. Наиболее точные и сопоставимые данные говорят, что в современном мире уровень насильственных и имущественных преступлений примерно одинаков в развитых и развивающихся странах. Однако официальные данные показывают высокий уровень преступности, прежде всего, имущественной, в развитых странах, из чего делается вывод о криминогенности экономического развития. Современное состояние исследований. Плодотворность и весомость вклада экономистов в изучение этого явления становятся все более наглядными по мере появления новых работ экономистов. Экономические работы свидетельствуют о жизнеспособности теории, несмотря на ее независимость от теорий других социальных наук. Основные возражения представителей других наук касаются предположения о рациональности правонарушителей, отсутствия трудно измеряемых понятий нравственных норм и желаний, рассмотрения каждого индивида в отрыве от его окружения, среды и накопленного опыта (капитала). Экономисты ограничиваются изучением того, как окружающая среда влияет на мотивацию человека совершить или не совершить противоправный поступок. При этом экономическая теория весьма успешно объясняет многие наблюдаемые явления, связанные с преступностью. Так, теория выгод-издержек говорит, что каждый агент сравнивает свои возможности заработать в легальном и нелегальном секторе, планируя на некоторый горизонт времени и учитывая все риски и издержки. Величина дохода, которую человек может заработать в легальном секторе, может зависеть от возраста, пола, расы, образования, профессиональной подготовки, региона, уровня безработицы, уровня интеллекта и т.п. В результате, люди с постоянно низким уровнем дохода имеют более низкие альтернативные издержки. Следует ожидать, что среди преступников будет больше молодежи, мужчин, плохо образованных, низкооплачиваемых работников, чем среди населения в целом. Это действительно подтверждается криминальной статистикой. Определение влияния правоохранительной деятельности государства на уровень преступности является непростой проблемой. Вероятность раскрытия некоторого среднего преступления в современном мире очень низка и составляет лишь несколько процентов. В то же время, если преступник действует экономически рационально, то он должен быть чувствителен к этому показателю. Экономическая теория преступления в своей сущности аналогична теории индивидуального выбора между разными видами экономической деятельности или между трудом и отдыхом, если в последнюю внести неопределенность дохода, связанную с правоохранительной деятельностью государства. Однако и в теории выбора между легальными видами деятельности возможно учесть риск, связанный с данной деятельностью. Например, профессия шахтера, пожарного или полицейского связана с высоким риском производственной травмы и даже смерти, который должен отражаться в более высоком уровне оплаты труда. В этом смысле большой разницы между профессиями полицейского и вора, если не брать в расчет моральные мотивы, нет – и та и другая имеет высокий риск, причем у полицейского риск может быть выше. Сам Г. Беккер использует подобное объяснение рецидивизма: после тюремного заключения преступник продолжает свой род деятельности, точно так же, как строитель после получения тяжелой производственной травмы. Идея о рациональности выбора преступного поведения была высказана задолго до современных представлений экономистов философами и гуманистами Ч. Беккария и И. Бентамом. Кроме основоположника теории рационального преступника - Г. Беккера - можно назвать работы двух классиков – Д. Хейнеке и И. Эрлича. В современных работах в теоретическом плане экономисты продолжают широко использовать неоклассический утилитарный подход. Последователями идей родоначальника сейчас выступают экономисты А. Полински и C. Шавел. В разное время работы по экономике преступления писали и другие известные экономисты, в том числе и нобелевские лауреаты Д. Стиглер, Д. Бьюкенен, М. Фридмен. В эмпирических исследованиях ученые все более полагаются на современные продвинутые методы эконометрического анализа. И. Эрлич стал одним из первых экономистов, кто начал проводить эмпирический анализ на статистических данных по преступности. До настоящего времени экономистами проведено уже не менее сотни эмпирических исследований. Из современников оригинальным подходом и глубиной анализа выделяется С. Левит. В России такие исследования только начинают появляться, несмотря на их давнюю необходимость и актуальность. Среди российских ученых, занимающимися исследованиями в близкой области можно отметить криминологов В.Н. Кудрявцева, Я.И. Гилинского, В.В. Лунеева. Недостатки исследований. Недостатки современного анализа преступности касаются, прежде всего, качества данных об исследуемом явлении. Недостаток международных данных - в разных странах наблюдаются несопоставимые методики регистрации правонарушений. При этом несопоставимость может быть характерна и для одной страны из-за постоянных изменений определений в законодательстве. Главный же недостаток – это недоучет фактического уровня преступности из-за нежелания жертвы обращаться в правоохранительные органы или из-за отказа в регистрации преступления, т.е. латентность явления. Как следствие, трудно найти другое социальное явление, настолько плохо поддающееся регистрации. Причем в России ситуация с регистрацией представляется просто катастрофической. В некоторых развитых странах, таких как США, Германия и др., уже научились использовать альтернативные, более качественные источники информации – индивидуальные виктимологические обследования, т.е. опросы населения о том, были ли они жертвами преступлений за прошедший период времени. Несмотря на эти изъяны, экономисты, как и представители ряда социальных наук в разных странах, продолжают интенсивно изучать такое многоплановое явление, как девиантное поведение человека, включающее преступность. Цель диссертационной работы. Целью данной научной работы является описание модели поведения экономически оптимальной рациональных борьбы преступников, с нахождение и экономически проведение государства преступностью эмпирического анализа преступности на статистическом материале. Формулировка научной проблемы. Исходя 1. из изложенного, научная проблема диссертационного исследования формулируется следующим образом. Построение модели индивидуального преступного поведения и преступной деятельности в целом, на основании которой будут сделаны выводы относительно связи преступности с параметрами распределения благосостояния государства. 2. Разработка модели задачи оптимального государства, правопорядка: решение оптимизационной выбирающего оптимальные и показателями правоохранительной деятельности санкции и вероятность наказания, исходя из ограниченности ресурсов на охрану правопорядка. 3. Эмпирическое исследование влияния на преступность распределения дохода и показателей масштаба и структуры борьбы с преступностью на доступных статистических данных.

Методы исследования. 1. Применяется экономический подход к изучению многопланового явления – преступного поведения человека. В теоретической части первая рассматриваемая модель – традиционная в экономике модель издержек-выгод – использует статистику и теорию вероятностей: уровень преступности определяется как математическое ожидание количества преступников или, что то же самое в модели, количества жертв. Во второй теоретической модели решается оптимизационная задача: минимизация уровня преступности при заданных расходах на охрану правопорядка. 2. Эмпирическая часть, анализирующая статистические данные, опирается на несколько разделов эконометрики: оценку линейных моделей на временных рядах, на панельных рядах и оценку нелинейных моделей на индивидуальных данных. Используются обыкновенный и обобщенный метод наименьших квадратов, обобщенный метод моментов для динамической модели, позволяющий учитывать эндогенность независимых переменных, а также нелинейная пуассоновская модель, оцениваемая методом максимального правдоподобия. 3. Получены схожие результаты на разных наборах данных из разных источников. Они в целом согласуются с результатами других исследователей в данной области. На защиту выносятся следующие положения. 1. Теоретическая модель неоднородной совокупности жертв и позволяющая определить связь рациональных преступников, индивидуального риска стать жертвой преступления и ожидаемого уровня преступности с параметрами сдерживания и распределения благосостояния. 2. Теоретическая модель оптимальной охраны правопорядка, устанавливающая связь между расходами на охрану правопорядка и уровнем преступности посредством оптимальной вероятности и оптимального размера наказания. 3. Эмпирические результаты, полученные с помощью эконометрического анализа на разнообразных данных о преступности. Научная новизна теоретических положений и результатов эмпирических исследований, полученных автором. 1. В первой теоретической модели совершения преступления на основании анализа издержек-выгод рассмотрена неоднородная совокупность преступников и жертв. Показан нетривиальный результат – нелинейная зависимость уровня преступности от среднего дохода и неравенства в распределении доходов. 2. Во второй теоретической модели решена оптимизационная задача в явном виде. В этой задаче показана возможность существования множественности равновесий. 3. Проведен анализ панельных данных по российским регионам за годы переходного периода и анализ временных рядов преступности в СССР и РСФСР. 4. Проанализированы международные обследования жертв и получена нелинейная 5. зависимость риска стать связь жертвой между преступления жизни от (для индивидуального благосостояния и средних доходов. Показана отрицательная качеством продолжительности жизни и реального ВВП) и уровнем насильственных преступлений на международных панельных данных по умышленным убийствам. Практическая и научная значимость результатов диссертационной работы.

1.

Обнаружены экономические факторы, определяющие уровень преступной деятельности населения. Выявлена связь между эффективностью работы правоохранительных органов, распределением доходов населения и регистрируемым уровнем преступности в России и мире. Результаты позволяют установить причинно-следственные связи, а также возможные направления воздействия на индикаторы с целью снижения преступной активности в обществе. 2. Показана связь риска стать жертвой с индивидуальными характеристиками человека. Полученная взаимосвязь позволяет определить группы риска и разработать специальные программы воздействия на эти группы с целью снижения их уязвимости. 3. Теоретические результаты могут стать полезными как для реформы уголовно-процессуальной системы, так и для оптимизации расходов бюджетной системы на правоохранительную деятельность. 4. Теоретические и эмпирические результаты могут быть использованы в разработках учебных курсов по экономике преступления и экономике закона. Апробация работы. Основные положения и результаты работы содержатся в четырех основных публикациях, две из которых написаны в соавторстве. Список опубликованных по теме диссертации работ содержится в заключительной части автореферата. Основные результаты также докладывались и обсуждались на российских и международных семинарах и конференциях, включая конференцию IASA в Лаксенбурге в 2003 г, конференцию по переходным экономикам CEPR/WDI в Будапеште в 2003 г и семинар, организованный Всемирным банком в Йельском университете в 2002 г. Структура работы.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и пяти приложений. Общий объем диссертации составляет 133 страницы машинописного текста и содержит 18 рисунков, 27 таблиц и список литературы из 87 наименований. В первой главе дается обзор основных теоретических моделей преступной деятельности. Рассматриваются модель родоначальника экономики преступления Г. Беккера и основные модификации модели его последователей. Значительное место уделено обзору основных эмпирических результатов в экономике преступления. Результаты классифицируются по виду данных, на которых они получены. Указываются методологические трудности, недостатки и преимущества работы с разными видами данных. Вторая глава содержит авторские теоретические модели преступного поведения, являющиеся доработкой известных моделей. Представляется обобщение модели рационального правонарушителя на случай неоднородной совокупности преступников и жертв. Делаются выводы о связи распределения дохода и показателей сдерживания с уровнем преступности. Решается задача оптимального правопорядка, изначально предложенная Беккером В третьей и четвертой главах представлен обширный эмпирический анализ факторов преступности на разнообразном статистическом материале. Применяются современные методы эконометрического анализа, реализованные в прикладных статистических пакетах и программах. В заключении приводится общая характеристика работы, описаны основные полученные результаты, указаны новизна диссертационной работы, практическая ценность и апробация работы.

Глава 1. Обзор научных работ по экономике преступления. Было бы несправедливым в данном научном труде не упомянуть тех представителей социальных наук, которые по своей специальности занимаются наукой, изучающей преступность и причины, ее порождающие криминологией. Итак, что же говорят криминологи о причинах преступности? Большинство современных зарубежных криминологов отказываются от бесконечного поиска “причин” преступности и их умножения, обосновывая тезис “корреляции против причинности” показывая, что “причиной” преступлений является... уголовный закон [62, 63]. Достаточно отменить уголовное законодательство, как преступность немедленно “ликвидируется” [64]. «Вместе с тем, во-первых, выявление факторов, влияющих на уровень, структуру, динамику преступности и ее видов действительно представляет собой важную задачу криминологии. Во-вторых, вся история криминологии есть поиск причин, факторов, обстоятельств, обусловливающих возникновение и изменение преступности и ее видов. В-третьих, именно в процессе такого поиска рождались криминологические концепции и теории, добывался огромный фактографический материал, подтверждающий или же опровергающий те или иные научные гипотезы. В-четвертых, без знания факторов, так или иначе влияющих на “преступность” и ее отдельные виды, невозможна адекватная социальная реакция общества на преступность, более или менее эффективный социальный контроль» [65]. Соглашаясь с последним пунктом и не вторгаясь по возможности в поле деятельности криминологов, в данной работе мы старались рассмотреть экономические причины преступлений. Сама идея о рациональности выбора преступного поведения была высказана задолго до современных представлений экономистов философами и гуманистами Ч. Беккария1 и И. Бентамом2. Так, И. Бентам писал в 1788 г Родоначальник классической школы в науке уголовного права - итальянец Чезаре Беккария (1738-1794 гг.) - автор знаменитого труда “О преступлениях и наказаниях”.

«выгода от преступления – это та сила, которая побуждает человека к правонарушению, боль наказания – сила, применяемая для удерживания от него. Если первая из этих сил больше, то преступление будет совершено...» [60]. 1.1. Теоретические работы. В этой части работы будут кратко освещены теории преступного поведения, развитые экономистами. Начнем с представления модели Г. Беккера, родоначальника эта часть экономической теории преступления. Затем продолжим модификациями теории, сделанными И. Эрличем и Д. Хейнеке. Закончится моделью оптимального правопорядка, подробно разработанной А. Полински и C. Шавелом.

1.1.1. Модель рационального правонарушителя. Экономические модели преступления с максимизацией ожидаемой полезности стали интенсивно развиваться с момента появления фундаментальной работы Г. Беккера [17], в которой он предложил простой анализ затрат-выгод с денежными преступными доходами и издержками и с неопределенностью наказания за незаконную деятельность. Переменные, управляемые государством в его модели, включают как величину наказания за преступление, так и объемы бюджетных расходов на содержание полиции и судебной системы, от которых зависит вероятность выявления преступления, поимки и осуждения преступника. Государство выбирает оптимальные размер, форму и вероятность наказания преступника.

Оптимальной системой Иеремия Бентам (1748—1832 гг.) – английский философ, социолог, юрист, родоначальник теории утилитаризма [БСЭ]. В последней трети XVIII в. в Англии возобладало убеждение, что поступками индивида как частного собственника движут как спонтанные импульсы, так и преднамеренный трезвый расчет на извлечение из своих действий максимальной личной пользы.

правопорядка считается та, которая минимизирует потери общества от преступлений, включающие наносимый преступниками ущерб, издержки правоохранительной системы и системы наказания. Главный результат модели: вероятность и размер наказания оказывают сдерживающее влияние на преступника, т.е. если они растут, то ожидаемая полезность уменьшается. Более того, правонарушитель с убывающей абсолютной мерой отказа от риска при 1 % росте вероятности наказания сдерживается больше, чем при 1 % росте размера наказания. С ростом ущерба от преступления оптимальные размер и вероятность наказания растут.

1.1.2. Модификации модели. Другая теоретическая модель – это модель портфельного выбора преступлений (представлена, например, в работе Д. Хейнеке [29]), где агент решает, какую долю экзогенного дохода направить на незаконную деятельность с неопределенным исходом. Доказывается, что вероятность и размер наказания сдерживают от совершения преступления агента, имеющего отвращение к риску (далее несклонность к риску). Третий тип моделей в экономике преступления – это портфельная модель распределения времени между законной и незаконной деятельностью. Например, в работе И. Эрлича [21] рассмотрена модель с фиксированным временем на досуг. Выводы всех трех упомянутых моделей достаточно схожи. Так, при предположении об уменьшающейся мере абсолютной несклонности к риску, все модели приводят к одинаковым выводам об эффекте сдерживания в результате роста вероятности и размера наказания, а также о росте преступности при увеличении благосостояния и доходов от легальной или нелегальной деятельности.

Простой экономический подход без математически разработанной теоретической модели, но с объяснением ожидаемой связи индикаторов развития и преступностью был предложен в нескольких работах [23, 66]. В статье [61] модель Беккера помещена в рамки модели с распределениями. Согласно этой элементарной модели, уровень преступности зависит положительным образом от отношения преступного дохода к благосостоянию преступника и степенью бедности в обществе, измеряемой долей бедных. Более того, отрицательный эффект на преступность оказывают индикаторы сдерживания (вероятность поимки преступника и размер наказания в доле его благосостояния) и степень честности в обществе. К сожалению, эта простая модель объясняет только, почему бедные люди с низким уровнем честности становятся преступники, а богатые – жертвами. Она ничего не говорит о том, почему богатые совершают преступления против богатых и бедных. Также не описывается роль неравенства в благосостоянии и в человеческом развитии в таком совершенно поляризованном обществе. Теоретическая модель, которую мы строим в этом труде, отчасти напоминает подход, предложенный в статье [67]. В этой модели правонарушитель имеет выбор между работой и преступлением, при этом оба вида деятельности предполагаются рискованными. Если доходность от обоих видов деятельности – независимые случайные величины, то преступность является функцией от средних и дисперсий обеих величин, а также от их ковариации. При этом эмпирическая часть указанной статьи не подтверждает теоретические результаты. Используя индивидуальные данные по жертвам по городам США и производя оценку линейной модели, автор не получает стабильных результатов, за исключением отрицательного знака для дисперсии доходности от преступления.

1.1.3. Модели оптимального правопорядка. Одним из основных результатов Беккера является тот результат, что размер штрафа должен быть максимальным из возможных и соответственно, вероятность поимки и наказания должна быть достаточно низкой. Только при такой комбинации по Беккеру, достигается минимум расходов на охрану правопорядка. Этот вывод следует из вида постоянного сдерживающего эффекта правопорядка, определяемого произведением p f = const, где p – вероятность наказания, а f – размер наказания, при условии, что изменение величины штрафа происходит без издержек. В последствии в теоретических работах стал демонстрироваться результат, что размер штрафа может быть ниже максимального. Так, в статье А. Полински и C. Шавела [68] рассматриваются агенты с одинаковым отношением к риску (т.е. одно из трех: склонность, нейтральность, несклонность) по отношению к благосостоянию и тюремному наказанию. Производится выбор оптимального правопорядка, в котором происходит максимизация функции общественного благосостояния. Оптимальный размер штрафа является максимальным только в случае, когда агенты нейтральны к риску по отношению к благосостоянию, иными словами для линейной по благосостоянию функции полезности. Аналогично, оптимальное тюремное наказание максимально из всех возможных, если агенты нейтральны или несклонны к риску по отношению к тюремному наказанию, т.е. для функции полезности линейно или быстрее, чем линейно убывающей по сроку тюремного наказания. Наконец, оптимальные санкции будут ниже максимальных в случае несклонности агентов к риску по отношению к благосостоянию (т.е. функция полезности вогнута по благосостоянию) и склонности к риску по отношению к тюремному заключению (т.е. функция полезности убывает медленнее линейной функции по тюремному заключению). В настоящей диссертации в одном их разделов показывается, что в случае, когда наказание несет за собой общественные издержки, то санкции ниже максимальных могут быть оптимальными, в зависимости от технологии поимки преступников. Более того, для некоторых недорогих технологий оптимальными расходами будут минимальные или ограниченные расходы. При этом соответствующая оптимальный оптимальная наказания вероятность может наказания ниже равна единице, а размер быть максимального, преступность ликвидируется. 1.2. Эмпирические исследования. Как пишет Ю. Латов в своем обзоре [7], американские экономисты сохраняют интеллектуальное преобладание в экономико-криминологических исследованиях. Западноевропейские исследования играют лишь второстепенные роли. Скажем, Х. Энторф в [12] выражает сожаление по поводу отсутствия современных исследований по экономике преступления в Германии. Российским экономистам и другим ученым еще только предстоит внести свою лепту. Среди российских ученых, занимающимися исследованиями в близкой области можно отметить криминологов В.Н. Кудрявцева, Я.И. Гилинского, В.В. Лунеева. В целом, в экономической литературе используется набор различных социально-экономических, сожалению, взаимосвязи при этом часто и демографических, присутствует и лишь как правоохранительных слабое обоснование делаются индикаторов с целью изучить их влияние на преступную деятельность. К индикатора преступности результат, противоположные выводы, в чем, впрочем, могут быть виноваты как низкое качество данных, так и слабый используемый аппарат анализа. В определенном смысле экономисты близки к криминологам, которые постепенно переходят от поиска корреляционных связей к нахождению причинно-следственных связей. Однако, у криминологов, даже зарубежных, пока еще нет интенсивного использования современного статистического (эконометрического) аппарата, свойственного работам экономистов.

Эмпирическая литература в экономике преступления содержит большое разнообразие результатов, иной раз противоречащих друг другу. Анализ панельных данных для конкретной страны обычно показывает отрицательную связь между мерой дохода и преступностью. Так, исследование, основанное на данных по российским регионам, выявило, что насильственная преступность (убийства) сокращается с ростом доходов на душу населения, но растет с неравенством в распределении доходов [66]. Недавние работы на данных США (например, на панельных данных [69] и пространственных рядах [70]), так же как и предыдущие представляют значимое отрицательное влияние дохода на преступность и положительное влияние неравенства в доходах. Однако встречаются и другие выводы, так немецкие ученые [80], оценивая функции предложения преступлений для разных категорий на данных по регионам Германии, пришли к выводу, что высокий доход и неравенство в доходах связаны с высоким уровнем преступности.

1.2.1. Анализ временных рядов. Хороший обзор исследований, использующих временные ряды, дан в книге [22]. Автор рассматривает полученные результаты шести работ для города Хьюстона, Англии и Уэльса, Швеции, Австралии, Финляндии и международного исследования сравнения Англии, разные Японии страны, и США [75-79]. Хотя используют разной продолжительности временные периоды (от 17 до 74 лет), разные виды преступлений, разные спецификации модели, разные методы оценки модели, а также разный набор объясняющих переменных, результаты получаются отчасти схожими. Переменные, измеряющие вероятность ареста и наказания в каждом случае имеют значимо отрицательное влияние на преступность. В то же время, размер наказания, в общем, имеет неопределенное или незначимое влияние, за исключением двух работ [77, 79], в которых размер наказания - средний срок тюремного заключения - имеет статистически значимый отрицательных коэффициент.

Что касается других социально-экономических и демографических переменных, то результаты для них в сумме по всем пяти работам получились противоречивыми или незначимыми.

1.2.2. Анализ пространственных рядов. В эмпирических исследованиях авторы обычно оценивают либо функцию предложения преступления, либо в системе с производственной функцией принудительных мер, используя, соответственно, метод обыкновенных наименьших квадратов (МНК) и двух шаговый МНК (2МНК). Оба метода, как правило, дают схожие результаты. Как констатирует норвежский экономист Э. Эйд в своей книге по экономике преступления [22], «несмотря на возможную ложную отрицательную корреляцию между долей раскрытых преступлений и уровнем преступности, оценка влияния вероятности наказания на уровень преступности все равно отрицательна. При этом ее абсолютное значение при использовании МНК получается в два раза меньше, чем в случае использования 2МНК». В своей книге Э. Эйд [22] приводит подробный обзор большого числа эмпирических работ, в которых авторы оценивают пространственные регрессии для городов, районов или штатов и, в частности, заключает, что: (а) Вероятность и размер наказания (например, доля арестов в числе преступлений и средний срок тюремного заключения) имеют значимый отрицательный эффект на все виды преступлений [16, 21, 37, 38, 42], однако в нескольких работах утверждается, что размер наказания не оказывает значимого влияния. (б) Доход от легальной деятельности (медианный или средний) обычно оказывает значимое положительное влияние на преступность (например, в [29, 36, 38]), но некоторые исследования не опровергают значимый отрицательный эффект [37, 39, 43]. О влиянии легального дохода на преступность определенные выводы сделать не удается, возможно, потому, что он представляет не только издержки упущенных возможностей, но и выгоду от преступления. (в) Противоположны полученные выводы относительно влияния неравенства в доходах, которое в большинстве значимых случаях оказывает положительное воздействие [21, 30, 40, 42], но, например, в [38] сообщается, что влияние неравенства, измеряемого индексом Джини, имеет как положительный знак для убийств, так и отрицательный для разбоев и грабежей. (г) Безработица тоже имеет неопределенную связь с преступностью, например, значимо положительную в [41, 43]. (д) Среди остальных индикаторов, рассматриваемых в исследованиях, можно отметить некоторые демографические индикаторы: плотность населения [20, 26, 43];

возрастную структуру, представленную долей молодежи, [16];

расу, измеряемую долей цветного населения в городах и штатах США, [20, 21, 42]. Все три индикатора почти всегда оказывают значимое положительное влияние на уровень преступности. О связи потребления алкоголя и насильственных преступлений написано лишь несколько эмпирических работ. Например, в работе [32] показано, что существует статистическая корреляция между уровнем насильственных преступлений и потреблением алкоголя на душу населения в нескольких скандинавских странах в 1960-1973 гг. В своем недавнем исследовании Марковиц [35] на данных международных обследований жертв, проведенных в 16 странах, обнаружила, что высокие цены на алкогольные напитки снижают уровень насильственных преступлений.

1.2.3. Анализ индивидуальных данных. Микроданные до сих пор редко используются в исследованиях преступности. Теоретическая модель, описывающая индивидуальное преступное поведение, редко тестируется из-за отсутствия индивидуальных данных о таком поведении. Имеется некоторое небольшое количество работ, основанных на обследованиях налогоплательщиков или вышедших на свободу заключенных [например, 44, 45]. Гораздо проще получить данные по жертвам преступлений, такие обследования получили английское название victimization surveys. Исследования на таких данных только начинают проводиться. Так, индивидуальная вероятность стать жертвой преступления, как было показано, имеет положительную связь с децилем индивидуального дохода (см. [61] для краж и разбоев в Бразилии в 1988 г.). В США эта связь более сложная. Если жертвы в общем больше сконцентрированы среди бедных, то риск пострадать от насилия не зависит от дохода жертв [74]. Работы, основанные на обследованиях жертв, концентрируют внимание исследователей на нескольких характеристиках. Наиболее интересные работы ведут поиск индивидуальных, семейных и общественных индикаторов, определяющих риск стать жертвой преступления. В большой работе [49] авторы делают обзор шести отдельных работ по городам Латинской Америки, в которых вероятность стать жертвой зависит от индивидуальных показателей (пол, возраст, число лет образования, занятость, потребление алкоголя, наличие оружия), социальных и экономических характеристик домохозяйств (число членов домохозяйств, неполнота семьи, доход семьи) и агрегированных показателей (уровень безработицы, численность полиции, средний доход на душу населения, средний уровень образования, наличие центров распространения наркотиков и алкоголя). Эти три категории объясняющих переменных последовательно вводятся в логит или пробит модели. Общий вывод этих работ, что быть молодым мужчиной, иметь работу и употреблять алкоголь значимо увеличивает индивидуальный риск стать жертвой. Среди характеристик домохозяйств и общества, ведущих к росту вероятности стать жертвой - неполнота семьи (один родитель) и низкий средний уровень образования населения соответственно. Другие гипотезы остались неподтвержденными и неопревергнутыми, в частности, в отношении роли экономического развития и неравенства. Этот подход представляется весьма продуктивным, и мы планируем реализовать его в данном труде. В недавней работе [47] авторы проанализировали индивидуальные факторы риска в 17 индустриально развитых странах, используя данные международных обследований за 2000 г. Было найдено, в частности, что размер города, доход, молодой возраст, рискованный стиль жизни и слабая опека – факторы риска, а пол и уровень образования - нет.

1.2.4. Анализ панельных данных. Случаи использования панельных данных в исследованиях по экономике преступления до сих пор редки по сравнению с упомянутыми выше исследованиями, основанными на пространственных и временных данных. Хотя панельные данные и имеют свои особенные проблемы с получением хороших оценок параметров, они, тем не менее, обеспечивают лучшую спецификацию моделей и объединяют пространственную и временную размерности в одну оценку. Одно из основных преимуществ использования панельных данных – возможность учесть влияние ненаблюдаемых факторов для каждой единицы наблюдения, т.е. фиксированные эффекты, а также макроэкономические шоки, т.е. временные эффекты. Другим преимуществом является возможность более тщательного учета причинно-следственной связи, иными словами, эндогенности переменных с помощью инструментальных переменных.

1.2.4.1. Анализ региональных панельных данных. В своем исследовании один из крупнейших современных исследователей в экономике преступления, С. Левит [34], используя панельные данные по большим городам США за 1970-1992 гг. и применяя оригинальные инструментальные переменные, впервые продемонстрировал, что численность полицейских уменьшает преступность.

До него исследователи демонстрировали обратный результат: рост числа полицейских ведет к росту преступности, что вполне может быть, например, если растет регистрация преступлений, а не реальная преступность. В другой своей работе на той же панели он показал, что присутствие ошибок измерения, т.е. нерегистрируемая или, так называемая, латентная преступность, не изменяет наблюдаемую отрицательную связь между раскрываемостью и уровнем преступности [33]. В работе [80] сделана оценка уравнения предложения преступления для различных категорий преступлений на панельных данных по регионам Германии. Результаты подтверждают гипотезу сдерживания преступлений против собственности и в слабой степени - преступлений против личности. Авторы также использовали меры для легальных и нелегальных возможностей получения дохода и выяснили, что высокие доходы и неравенство в доходах связаны с высоким уровнем преступности.

1.2.4.2. Анализ международных панельных данных. Анализируя данные по 34 странам за 1970-1994 гг., авторы в [23] пришли к следующим выводам: 1) неравенство в доходах стимулирует преступность, 2) преступность обратно циклична, т.е. падает в период экономического роста, 3) устойчива во времени (инерционна) и 4) сдерживается более высокими уровнями обвинений и количеством полицейских. Те же авторы на расширенной панели для 45 стран за 1965-1995 гг. заключают, что неравенство в доходах, измеряемое индексом Джини, имеет значимое положительное воздействие на убийства и этот факт не может быть объяснен бедностью, неравенством в образовании, несправедливым распределением защиты со стороны полиции и правосудия [24]. Некоторые авторы предупреждают об осторожности при международных сопоставлениях уровней преступности, о необходимости твердого понимании различий между сравниваемыми странами [72], так как проблема заниженности статистики и разных используемых индикаторов преступности (количество регистрируемых полицией преступлений, количество арестов, уголовных дел в судах, осужденных) вызывают наибольшее беспокойство с точки зрения методологии [73]. Тем временем, некоторые эмпирические исследователи используют в своих работах наименее занижаемые категории преступлений, тогда как многие другие работы вообще игнорируют эту проблему [55]. Обычные выводы из международных исследований – высокий доход (значимо или незначимо) и неравенство в доходах ведут к высокому уровню преступности (например, [49] работа об убийствах и разбоях), но эти выводы основаны на официальных данных. Как недавно было показано в исследовании [55], если учесть заниженность статистики, то доход на душу населения не имеет значимого влияния на некоторые виды преступлений. Нужно заметить, что это общий вывод для убийств, данные по которым наиболее качественные, так как убийства представляют собой самые опасные для общества преступления против личности и обычно легко находимые доказательства совершенного преступления. Убийства по данным исследований сокращаются (значимо или нет) с ростом дохода [49, 66, 69]. Такие же выводы можно ожидать и для других преступлений, но это противоречило бы гипотезе о криминогенности экономического развития, о которой было сказано во введении. Есть свидетельство того, что уровень сообщаемости, измеряемый отношением между официальным уровнем преступности и количеством реальных жертв преступлений, т.е. самих преступлений, положительно коррелирован со средним доходом [55]. Однако странным выглядит вывод автора, что в пространственной регрессии по разным странам нет статистически значимой связи между уровнем сообщаемости и уровнем образования, неравенства в доходах, урбанизацией и численностью полиции.

Глава 2. Основная теоретическая модель: преступники и жертвы. В этой главе представлена модель жертвы и неоднородной совокупности рациональных правонарушителей. Схожие модели уже встречались в литературе [см., например, 23, 61]. В данной работе производится обобщение микро модели поведения преступника на случай континуума неоднородной совокупности преступников и жертв. Для упрощения ее представления вначале разберем самый простой случай. 2.1. Микро модель: преступник и жертва. Первый агент - правонарушитель, а второй - жертва, обладающая некоторым привлекательным для правонарушителя активом. Третий агент в модели – государство, которое может ловить и наказывать преступника. Первый агент встречает второго и рассматривает возможность совершить преступление. Для простоты выведения формул будем считать, что правонарушитель – рациональный, нейтральный к риску агент, т.е. полезность агента – линейная функция. Его начальная полезность равна u, с ней он остается, если отказывается от совершения преступления. Правонарушитель получает дополнительную полезность b от преступления и теряет ее и часть начальной полезности u в случае наказания. Считаем, что первый агент знает экзогенно заданные вероятность поимки p, 0 p 1 и размер наказания f, 0 f 1 - доля начальной полезности, забираемая государством после поимки преступника. Рациональность правонарушителя означает, что преступление происходит только в том случае, если ожидаемая полезность преступника от его совершения превышает начальную полезность, т.е. выполняется (1) неравенство (1 p ) (b + u ) + p (1 f ) u > u (1 p ) b > p f u Приводя слагаемые в более компактную форму, условие приобретает вид (2) Ожидаемая добыча должна превышать ожидаемое наказание. В этом простом случае второй агент становится жертвой, только если он достаточно богат, либо первый агент достаточно беден. Заметим, что при сильном правопорядке, т.е. при достаточно высоком отношении p f 1 p даже богатый агент может быть защищен от бедного. В случае же слабого правопорядка даже бедный агент может стать жертвой богатого. Простое обобщение модели показывает роль дополнительного параметра, такого, как, например, уровень нравственности преступника или защищенности жертвы. Предположим, что жертва обладает некоторой защищенностью s против преступления, равной величине, на Тогда которую условие сокращается совершения (3) дополнительная полезность преступника.

преступления принимает следующий вид (1 p ) (b s ) > p f u Легко представить себе случай, когда защищенность жертвы превышает дополнительную полезность, тогда такого агента будем считать полностью защищенным. При встрече с такой жертвой при положительной начальной полезности правонарушитель откажется от преступления. Таким образом, вероятность пострадать от преступления в нашем простейшем случае будет равной 0 или 1, в зависимости от выполнения предыдущего неравенства: P = Prob{(1 p ) (b s ) > p f u} (4) Эта вероятность является неубывающей функцией от дополнительной полезности преступника b и невозрастающей функцией от двух параметров: начальной полезности преступника u и защищенности жертвы s. Таким же образом, как было сделано с параметром защищенности, можно ввести и вред или издержки от совершения преступления в размере d для самого преступника. Это, например, нематериальные издержки, связанные с угрызением совести, но несвязанные с начальной полезностью. Формула для вероятности преступления принимает окончательный вид P = Prob{(1 p ) (b s ) > p f u + d } (5) Другими словами, ожидаемый доход от преступления должен превышать ожидаемый ущерб преступника от наказания, по-крайней мере, на величину издержек3. Для вероятности верна следующая теорема. Теорема 1. Вероятность пострадать от преступления не убывает по дополнительной полезности b и не растет по начальной полезности, защищенности и издержкам u, s и d. Доказательство этого факта - очень простое следствие из предыдущей формулы для вероятности преступления.

2.2. Макро модель: преступники и жертвы.

Изложенная в предыдущем разделе простая модель может быть обобщена на случай одной жертвы и континуума неоднородных преступников. Предполагаем, что любой преступник может получить дополнительную полезность от преступления b. Полагаем, что потенциальные преступники имеют нормально распределенную начальную полезность стать u~N U, 2.

( ) Следовательно, индивидуальный риск (вероятность) жертвой преступления (VR) будет представлен формулой VR = Prob{(1 p ) (b s ) > p f u} = (1 p ) /( p f )(b s ) (u ) du = F 1 p (b s ) p f это x (6) где ( x U )2 exp ( x) = 2 2 2 плотность нормально распределенной случайной величины u и F ( x) = ( y ) dy - кумулятивная функция распределения.

Для функции риска (VR) верны следующие четыре теоремы. Теорема 2. Индивидуальный риск VR растет по дополнительной полезности b и сокращается по защищенности s и для неполностью защищенных – по параметрам правопорядка p и f. Теорема 3. Индивидуальный риск VR сокращается по средней начальной полезности U. Теорема 4. Индивидуальный риск VR растет по дисперсии начальной полезности для агентов, непривлекательных для среднего преступника (1 p ) (b s ) < p f U, не меняется при равенстве (1 p ) (b s ) = p f U и сокращается для остальных. В следующих частях (части 3 и 4) на реальных данных по преступности будут протестированы гипотезы о связи с доходом и неравенством, вытекающие из данных теорем. Однако есть дополнительный интересный теоретический результат для модели с неоднородными жертвами. В рамках этой работы мы не сможем его протестировать на данных, так как для этого нужны панельные данные для агрегированной преступности, скажем, по странам и микро данные по преступникам. Итак, предполагаем, что в дополнение к континууму преступников с нормально распределенным начальным доходом, есть континуум жертв с нормально распределенными дополнительной полезностью и защищенностью4. Для простоты полагаем, что три случайные величины (дополнительная и начальная полезности и защищенность) независимо распределены.

3 В общем случае можно предложить портфельный выбор преступнику. Можно считать, что все агенты в модели образуют множество жертв, а потенциальные преступники – некоторое его подмножество.

Теорема 5. Если b~N B, ( ) и s~N S, 2, то общий ожидаемый уровень () преступности в модели, определяемый формулой + + 1 p CR = FN (U, 2 ) p f (b s ) N ( B, 2 ) (b) N ( S, 2 ) ( s ) ds db (7) растет по средней дополнительной полезности B и падает по средней начальной полезности U и средней защищенности S. В случае, когда средний агент непривлекателен для среднего преступника (1 p ) (B S ) < p f U, общий уровень преступности растет по дисперсиям дополнительной полезности, защищенности и начальной полезности, и. Общий уровень преступности падает по этим параметрам в случае условия с обратным знаком неравенства, т.е. когда средний агент привлекателен как жертва для среднего преступника. Как следствие из последней теоремы можно вывести обобщенный результат о влиянии распределения дохода на уровень преступности. Для простоты предположим в следствии, что защищенности от преступников нет, s = 0, а дополнительный и начальный доходы b и u одинаково распределены. В этом случае верен следующий результат. Основное следствие. Для нормально распределенного дохода b, u ~ N U, CR 1 p p f = (0) U p f CR U 1 p p f = (0), p f [ ] (8) (9) плотность нормального где (0) = N (U, 2 ) ( x) N (U, 2 ) ( x) dx распределения в нуле, = 1 p. p f ожидаемый уровень преступности – это вероятность выполнения неравенства (3).

Следовательно, при достаточно высокой вероятности или высоком размере наказания, 1 p < p f, преступность – убывающая функция от среднего дохода и растущая от дисперсии дохода. Заметим, что дисперсия дохода является мерой неравенства в распределении доходов. Так, если = ln( ), то для логнормально распределенной случайной величины можно найти индекс Джини - меры неравенства доходов по формуле 1, Gini = 2 2 (10) где - кумулятивная функция стандартного нормального распределения. В результате мера неравенства доходов является возрастающей функцией от дисперсии дохода. Таким образом, при 1 p < p f преступность растет вместе с ростом индекса Джини. Заметим, что число преступлений в данной модели равно числу преступников и числу жертв. Кроме указанных теорем, можно вывести также несколько аналогичных свойств для риска стать преступником (теорема 6 ниже мгновенно получается из теоремы 5 предельным переходом 0 ), которые, впрочем, также не будут протестированы на данных, ввиду их отсутствия: OR = Prob{(1 p ) (b s ) > p f u} = + FN ( S, ) b 1 p u N ( B, ) (b) db p f (11) Теорема 6. Индивидуальный риск стать преступником падает по начальной полезности агента u и средней защищенности S, но растет по средней дополнительной полезности B. Риск растет по дисперсиям дополнительной полезности и защищенности и для преступников, для которых средний агент непривлекателен как жертва (1 p ) (B S ) < p f u, не меняется выполнении равенства (1 p ) (B S ) = p f u и падает для остальных.

при Доказательства теорем 2-5 даны в Приложении 1.

2.3. Модель оптимального правопорядка.

В предыдущих разделах в модели преступник – жертва вероятность и размер наказания были экзогенными параметрами, определяемые государством. В данном разделе представлена макро модель оптимальных санкций и вероятности поимки. На первый взгляд может показаться разумным устанавливать максимальные санкции против преступников, на которые дает право законодательство, при любом текущем состоянии с раскрываемостью конкретных видов преступлений. Однако вполне может оказаться, что при текущем уровне расходов на борьбу с данными преступлениями соотношение раскрываемость-наказание не будет оптимальным. Иными словами имеющиеся расходы позволяют достичь меньшего уровня преступлений при увеличении вероятности раскрытия и введением санкций меньше максимальных. Так называемый trade-off состоит в том, что для поддержания правонарушений на данном уровне, можно уменьшать вероятность наказания и одновременно увеличивать размер наказания. Оптимальным будет то соотношение вероятности и санкций, которое приводит к минимальным расходам. Традиционный результат Беккера: при бесплатном изменении величины санкций данный уровень преступности достигается при максимальных санкциях и соответствующей минимальной вероятности наказания. Известный результат Кэплоу [86] показывает неоптимальность максимального наказания в случае, когда применение санкций против преступников связано с издержками. В данном разделе будет решена оптимизационная задача государства, устанавливающая параметры правопорядка: вероятность поимки и размер наказания, в зависимости от расходов государства на поимку и наказание преступников.

В общем случае можно считать, что уровень преступности является функционалом от вероятности p, 0 p 1, размера наказания f, 0 f и гладкой функции распределения доходов F (o), и выражается некоторой формулой CR = ( p, f, F (o) ) (13) Функция предполагается гладкой и убывающей по p, f : p < 0, f < 0. Для вывода основного результата нам понадобится предположение об ограниченности плотности в нуле: (0) <, где ( x) = F ( x). Это верно, в частности, для функции распределения с ограниченным ростом в нуле: F ( x) < c x для x < ~. x Примеры такой функции распределения – логнормальное распределение, а самый простой - равномерное распределение на отрезке с началом в нуле, в обоих случаях F (0) = 0. Экзогенными в модели полагаются распределение доходов и расходы на правоохранительную деятельность. Вероятность поимки и размер наказания являются эндогенными переменными, определяемыми оптимальным образом в зависимости от расходов и уровня преступности. Последний, в свою очередь, также зависит от вероятности и размера наказания, а значит и от расходов. В результате именно расходы на борьбу с преступностью и определяют оптимальные уровень преступности, вероятность и размер наказания. Известна функция затрат государства на обеспечение правопорядка, равная сумме фиксированных затрат на функционирование (13) системы правопорядка, и затрат на поимку и наказание преступников E ( p, f, CR ) = e0 + e1 ( p, CR ) + e 2 ( p, f, CR ) Все пойманные полицией преступники попадают на f периодов в тюрьму или, что то же самое, выплачивают штраф в размере дохода за f периодов, 0 f F. Ограниченность размера наказания – существенное предположение, иначе под угрозой бесконечно большого наказания даже при низкой вероятности поимки любой рациональный преступник будет удерживаться от преступления. Полагаем, что функция расходов на поимку есть произведение «технологии» поимки на уровень преступности. «Технология» – неограниченная выпуклая растущая функция от раскрываемости, не зависящая от уровня преступности6. e1 ( p, CR ) = g ( p ) CR, где g > 0, g > 0, g (1). 7 Таким образом, делаются три предположения. (14) При постоянной раскрываемости рост преступности ведет к пропорциональному росту расходов. Поимка дополнительного преступника стоит все дороже и дороже при фиксированном уровне преступности. Поимка всех преступников может требовать бесконечных затрат. Аналогично, считаем, что функция расходов на (15) наказание пропорциональна наказанию и числу заключенных e 2 ( p, f, CR ) = f p CR, где – величина расходов на одного заключенного за один период, т.е. удельные издержки на наказание. Также может быть долей собираемых штрафов, расходуемой при их сборе, т.е. это параметр, характеризующий технологию сбора штрафа или технологию производства наказания. Задача государства – при заданных затратах найти оптимальные p и f (иными словами, оптимальное распределение ресурсов между поимкой и наказанием преступников), так, чтобы уровень преступности был минимален: CR ( p, f ) min при условии E ( p, f, CR ) = e. Решение назовем эффективным, если полученный уровень преступности не может быть решением задачи с меньшими расходами.

другими словами, технология представляет собой средние удельные издержки на Ничего в результатах не изменится, если предположить ограниченность технологии пойманного преступника, которые зависят только от вероятности р.

поимки: g (1) <, т.е. когда поимка всех преступников требует ограниченных затрат.

Вместо задачи минимизации преступности можно рассмотреть эквивалентную задачу. Задача минимизации расходов: При заданном уровне преступности найти оптимальные p и f, так, чтобы затраты были минимальными: E ( p, f, CR ) min при условии CR ( p, f ) = c. Ниже будет приведено решение задачи минимизации расходов. Линия постоянной преступности является выпуклой функцией. Необычность же последней задачи состоит в том, что линия постоянных расходов не является выпуклой функцией, в рассматриваемом ниже случае она будет иметь точку перегиба. Смоделируем преступность следующим простым образом. Подобно сделанной выше модели, преступная деятельность будет определяться ее экономической привлекательностью. Считаем, что при определенных обстоятельствах любой агент может стать как преступником, так и жертвой. Таким образом, подмножество потенциальных преступников в модели совпадает с множеством жертв. Будем считать, что есть континуум незащищенных8 агентов с доходами, распределенными на некотором отрезке (луче) ~ [0, a ], 0 < a, с гладкой функцией распределения F ( x) = P{ x}, плотностью ( x) = F ( x) и средней m. Агенты попарно встречаются один раз случайным образом и, беря в расчет вероятность и размер наказания, в случае экономической привлекательности жертвы, присваивают весь ее доход. В результате ожидаемый уровень преступности определяется формулой CR = P{(1 p) > p f }, (16) где и – доходы агентов, независимые одинаково распределенные случайные величины. Перепишем формулу в виде Т.е. защищенность s 0 в модели преступники-жертвы.

a w F ( w) dw при s > 1 0 s CR ( s ) =, as a w F ( w) dw + ( w) dw иначе 0 s as где s = p f. 1 p (17) Функция преступности обладает следующими очевидными свойствами: Теорема 1. CR (0) = 1, CR (1) = 1, CR () = 0. Производная преступности 2 1 2 s CR ( s ) = 1 s a w w ( w) dw при s > 1 s w w ( w) dw + a (F (a ) 1) (a s ) иначе s a s (18) принимает отрицательные значения s : CR ( s) < 0, CR () = 0. Для нас важной будет оценка убывания уровня преступности на бесконечности. Покажем, что на бесконечности он ведет себя как гипербола по s. M при s, где константа M = m (0). s следует из предела, получаемого из формулы (18):

Лемма. CR ( s ) ~ Доказательство CR ( s ) s ( 0) m при s.

Коэффициент s, 0 s показывает соотношение для среднего агента (т.е. агента со средним доходом) между ожидаемыми издержками от наказания и преступными доходами. Величину преступность s можно а назвать силой правопорядка: с силе ее ростом падает, максимальной/минимальной правопорядка (s = / s = 0) соответствует минимальный/максимальный уровень преступности (CR = 0 / CR = 1). При достаточно высокой силе правопорядка (s > 1) средний агент не является привлекательной жертвой для среднего агента. В этом случае менее половины агентов становятся жертвами или, что то же самое, – преступниками. Пример. Для равномерной функции распределения доходов на отрезке [0,W ] с плотностью распределения - постоянной величиной ( x) = 1, ожидаемый W уровень преступности будет равен 1 s при s < 1 2 CR ( s ) = 1. иначе 2 s от 1 и прямая слева.

(19) Графически эта функция выглядит следующим образом: это гипербола справа Перед тем, как перейти к решению задачи минимизации расходов, сделаем одно замечание. Замечание. Уже отмечалось, что при фиксированной положительной вероятности р минимум преступности условия, наложенного на функцию (CR = 0) будет достигаться при расходов. Однако бесконечном размере наказания f. При этом расходы будут ограничены в силу распределения бесконечность наказания нереалистична, например, ввиду бесконечности ожидаемых расходов на наказание потенциального правонарушителя. Для избежания моделях.

столь тривиального «граничного» решения, предположим ограниченность размера наказания, обычно рассматриваемую в теоретических Решение задачи минимизации расходов: Линия постоянной преступности по теореме об обратной функции – убывающая функция CR df p = < 0. CR dp f В нашей модели эта производная удовлетворяет дифференциальному уравнению (20) следующему s p df f =. = s dp p (1 p ) f df dp =. f p (1 p ) Откуда выводится уравнение для линии уровня (21) Решение этого уравнения получается методом разделения переменных (22) преступности f= c1 (1 p ), p (23) где c1 - константа. Т.о. это убывающая выпуклая функция по вероятности р. Последняя формула достаточно очевидна с самого начала, т.к. при постоянном уровне преступности сила правопорядка должна быть постоянной величиной s = c1. Линия постоянных затрат при постоянной преступности также убывающая функция, так как E p g ( p ) + f df = = < 0. E p dp f Последнее разделением дифференциальное Для уравнение также переменных. этого достаточно (24) удается решить что оно заметить, переписывается в виде d ( f p ) = d ( g ( p) ), откуда линии уровня находятся явным образом:

f= c 2 g ( p), p (25) где c 2 - константа. Хотя линия уровня - убывающая функция, она имеет точку перегиба, т.е. смену выпуклости – при малых р она выпукла, а при больших – вогнута. Нетрудно продемонстрировать, что линия уровня преступности и линия уровня затрат имеют не более одной точки пересечения. Координаты точки пересечения удовлетворяют условию c1 (1 p ) c 2 g ( p ) = p p (26) или g ( p ) = c 2 c1 + c1 p.

Последнее уравнение при фиксированных константах имеет максимум одно решение в силу выпуклости и возрастании функции g ( p ). Кроме этого, эти условия на поведение функции g ( p) гарантируют существование касательной (т.е. констант c1 и c 2 ) при любом р.

Внутренняя точка на плоскости (p,f) (0 < p < 1, f > 0) будет решением задачи минимизации расходов, если обе линии постоянных затрат и преступности будут касаться в данной точке. Т.о. внутреннее решение удовлетворяет условию CR CR p f E = E p f 1, = 1 при p = 0.4, 0.6, 0.8. 1 p. (27) На графике ниже показаны точки касания, т.е. оптимальные решения для технологии g ( p ) = Решая уравнение f g ( p) + f, = p (1 p) p (1 p*) g ( p*). p* (28) находим множество оптимальных наказаний в зависимости от вероятности f*= (29) Пара ( p*, f *) будет единственным решением задачи минимизации расходов. Не будем забывать про ограниченность размера наказания. Очевидно, при тех достаточно малых или достаточно больших p *, для которых формула дает значения больше максимального, оптимальным размером наказания будет его максимум f * = F, т.е.

(1 p*) g ( p*) f * = min F,. p* (30) Отсюда получается зависимость силы правопорядка от вероятности наказания в оптимуме p * F g ( p*) s* = min,. 1 p * С ростом вероятности наказания сила правопорядка растет: (31) F >0 ds * (1 p*) 2. = dp * g ( p*) >0 Тем самым решение задачи минимизации (32) расходов закончено.

Возвращаясь к задаче государства, минимизирующего уровень преступности, отметим, как следствие последней формулы, что CR * p * < 0 p *, где CR = CR (s*). Таким образом, между уровнем преступности и вероятностью p* есть взаимнооднозначное соответствие. Такого соответствия между преступностью и размером наказания может не существовать. Каждому уровню расходов е будет соответствовать некоторое подмножество оптимальных точек p * (e), являющихся решением уравнения ~ E ( p*) = E ( p*, f * ( p*), CR ( p*, f * ( p*))) = e, если решения вообще существуют. В результате получаем оптимальный уровень преступности CR * (e) = CR( p * (e), f * ( p * (e)) ).

Равновесием будем считать набор (e, p*, f *, s*, CR *).

При этом возможна множественность равновесий, т.е. когда данному уровню е соответствует более одного p * (e), а значит и более одного f * ( p * (e)), s * ( p * (e)) и CR ( p * (e)). Эффективным среди множества равновесий будет только крайнее правое p ef = max p * (e), которому соответствует максимальная сила правопорядка и, следовательно, минимальный уровень преступности. Получение эффективного равновесия требует предоставление максимальных усилий правоохранительными органами на поимку преступников.

Пример множественности равновесий дан ниже. Замечание. Обычно в экономике закона минимизируется ущерб от противоправной деятельности. Пусть h( ) - распределение ущерба для агентов, ставших жертвами. Тогда ожидаемый ущерб:

H = E{h( ) | > s } = a w h( w) F ( w) dw при s > 1 s 0 a s a h( w) F w ( w) dw + h( w) ( w) dw иначе 0 s a s преступности H s p df p =, = H s dp f f размера наказания, что и в задаче минимизации расходов. В общем случае, когда ущерб зависит от дохода жертвы и преступника (например, когда разность между доходами большая, то преступление может быть более жестоким и, значит, с большим ущербом), то ущерб выглядит так (33) Осталось заметить, что при H = const производная такая же, как и для (34) что дает совершенно такое же оптимальное множество вероятности поимки и H = E{h(, ) | > s } = w a s h( w, v) (v) ( w) dw при s > 1 (35) 0 0 w a s s aa h( w, v) (v) ( w) dw dv + h( w, v) (v) ( w) dw dv иначе 0 0 a s 0 и по-прежнему s H df p p = =. s H dp f f тождественно равной единице – рассмотренный случай (36) Таким образом, независимо от функции ущерба от преступления (в том числе минимизации расходов), социальный оптимум достигается на одном и том же оптимальном множестве вероятности-размера наказания. Далее будет доказан основной результат об отсутствии преступности эффективном равновесии при ограниченных расходах:

Теорема (основной результат). Для медленно растущих технологий поимки (1 p ) g ( p ) K при p 1, где 0 K < максимальной силе правопорядка (s* = ) и минимальному уровню преступности (CR* = 0) соответствует p* = 1, 0 f * F, а также минимальный или ограниченный уровень расходов e0 при K F. e= K m ( 0) иначе e0 + F Доказательство:

Максимальная сила правопорядка (s* = ) соответствует максимальной вероятности ( p* = 1) и отсутствию преступности Теоретически размер наказания в единице f * (1) = lim (CR* = 0).

(1 p ) g ( p ) может p 1 p принимать любые значения от нуля до бесконечности, в зависимости от вида технологии поимки преступников. Этот факт, в частности, показан в четырех примерах ниже. По утверждению теоремы, размер наказания в единице ограничен некоторой константой, большей или меньшей максимальной величины наказания.

Выше уже было M s показано поведение уровня преступности на бесконечности: CR ( s ) ~ при s, где M = m (0). Отсюда следует ограниченность расходов в окрестности p* = 1: А) в случае, когда наказание не превышает своего максимального значения, т.е. lim (1 p ) g ( p ) F, иными словами K F получаем, что при p* p E ( p*) = e0 + e1 ( p*, CR*) + e2 ( p*, f *, CR*) = e0 + ( g ( p*) + p * f *) CR ( s*) = e0 + ( g ( p*) + (1 p*) g ( p*)) CR ( s*) = e0 + ( g ( p*) + (1 p*) g ( p*)) g ( p*) e 0 + ( 0) m + (1 p*) = e0 g ( p*) так как g ( p*) 0 при g ( p*) p* 1. Последний предел верен для любой ( 0) m s* = неограниченно растущей в окрестности p = 1 выпуклой функции g ( p ). Проще всего этот факт продемонстрировать графически. Эвристическое доказательство этого факта – длина катета, равная отношению значения функции к ее производной, неминуемо должна стремиться к нулю. На рисунке длина катета равна последовательно: 0.5, 0.25, 0.125.

Формальное доказательство использует условие медленного роста в единице. lim g ( p) = lim lim = lim lim (1 p ) = 0. p 1 g ( p ) p 1 0 g ( p + ) p 1 0 1 g ( p) Б) когда максимальное наказание превышается, т.е. K > F, при p* E ( p *) = e0 + e1 ( p*, CR*) + e2 ( p*, f *, CR*) = e0 + ( g ( p*) + p * f *) CR(s *) = e0 + ( g ( p*) + p * F ) CR(s *) = e0 + ( g ( p*) + p * F ) (0) m g ( p*) (1 p*) K (0) m e 0 + ( 0) m + (1 p*) = e0 +. p * F F Доказательство завершено. Ниже будет приведен пример, когда нулевой уровень преступности не достигается. Заметим, что из формулы (29) следует, что оптимальный размер наказания может расти, убывать, быть константой и быть немонотонным по вероятности поимки. Следующие четыре примера это демонстрируют. В данных примерах мы снимаем предположение об ограниченности наказания ради простоты изложения. Напомним, что в противном случае там, где наказание по формуле превышает максимально допустимое, оптимальным является максимальное значение F.

p Пример 1. А) Ограниченно растущий размер наказания: g ( p ) = e p dp, 1 p p 1 1 p p ( p ) =, g e, f ( p ) = e, f (0) = 0, f (1) = 1 p e 1 1 1 p * = p * F (1 p ) 2 p ( p ) = f e > 0. p Б) Пример неограниченно растущего g ( p ) = > 0. p, 1 p размера f ( p) = наказания p, (1 p ) g ( p) = p + 2 ln(1 p) + (1 p) 1, f (0) = 0, f (1) =, f ( p ) = (1 p) Пример 2. А) Убывающий размер наказания: g ( p ) = ln(1 p ), g ( p ) = f ( p) = 1, 1 p 1 1 1, f (0) =, f (1) =, f ( p ) = < 0. p p Б) Пример убывающего до нуля размера наказания: g ( p ) = ln(1 ln(1 p )), g ( p ) = 1, (1 p ) (1 ln(1 p )) 1 (1 p ) ln(1 p ) f ( p) = 1, p (1 ln(1 p )) f (0) =, f (1) = 0, f ( p ) = (1 p) p 2 (1 ln(1 p)) < 0.

Пример 3. Постоянный размер наказания: g ( p ) = p ln(1 p ), g ( p ) = f ( p) = p, 1 p. При этом другого класса технологий g ( p ) с постоянным размером наказания нет. 1 1, g ( p ) =, 1 p (1 p ) Пример 4. Немонотонный размер наказания: g ( p ) = f ( p) = 2 p 1 1, f (0) =, f (1) =, f ( p ) =, следовательно, p (1 p ) p 2 (1 p ) 1 < 0 при p < f ( p ) = 2. 0 иначе 2.3.1. Частные случаи модели.

А) «Неограниченное» наказание. Для простоты начнем со случая, когда максимальное значение наказания очень большое, но не бесконечность. Это предположение дает возможность не задумываться о решении возле концов отрезка [0,1], где значение оптимального наказания может стать достаточно большим (т.е. по своей формуле (29) превысить максимальное). Рассмотрим равномерную функцию распределения дохода на отрезке [0,W ] и технологию поимки преступников g ( p) = (1 p ), где > 0. Для них получаем оптимальные размер наказания f * ( p*) = p * (1 p*), (37) и силу правопорядка s * ( p*) = (1 p*) 1.

(38) Последняя ограничена снизу s*, а значит, и преступность тоже не будет достигать максимального значения, равного единице. Зависимость уровня преступности от силы правопорядка уже была показана для равномерного распределения, а уровень расходов имеет следующий вид (для простоты полагаем отсутствие фиксированных издержек: e0 = 0 ).

1 1 + 1+ 1+ s 2 E (s) = 1+ 1+ (1 + ) s при s > 1 (39) s 1 иначе 2 2 < 1 и затем убывает до нуля при 1 + Эта функция растет до значения s = s. На графике ниже показана зависимость уровня преступности и расходов от s при = 1, = 10 с учетом минимального значения силы правопорядка s= 1. Зависимости уровня преступности и расходов от вероятности поимки выглядят следующим образом:

1 1+ 1+ при p > 1 2 (1 p ) CR ( p) = (1 p ) 1 иначе 1 2 1 (1 + ) (1 p ) при p > 1 1+ 2 E ( p) = (1 p ) 1 иначе (1 + ) (1 p ) 1 2 (40) (41) 2 Заметим, что максимум уровня расходов достигается при p = 1 2 между 1 1+ +, что может быть меньшим или большим нуля в зависимости от соотношения и. Поэтому, для описания поведения функции расходов необходимо рассмотреть два случая. Случай 1. Максимум уровня расходов не достигается, т.е. выполнено условие:

+ 1. В этом случае рост расходов сопровождается ростом уровня преступности. Здесь и ниже на графиках верхняя кривая соответствует расходам, а нижняя – уровню преступности. На графике показаны зависимости от вероятности поимки при = 1, = 1, что соответствует низким издержкам на заключенного. Заметим, что максимальный уровень преступности равен при p = 0, f =.

Случай 2. Более интересный: + 1 <, т.е. максимум уровня расходов достигается при некоторой положительной вероятности поимки. В этом случае падение уровня преступности сопровождается вначале ростом, затем падением расходов. На графике показана зависимость уровня преступности и уровня расходов от вероятности поимки при = 1, = 10, что соответствует высоким издержкам на заключенного. Здесь получается множественность равновесий: при достаточно высоких расходах ему соответствует два значения вероятности поимки и уровня преступности. Эффективным будет лишь правое равновесие, в котором достигается минимальное значение преступности, а значение вероятности наказания будет максимальным.

Замечание. Для неравномерного распределения дохода на отрезке например, когда распределение имеет «одногорбовый» [0,W ], вид ( x) = W x (W x), результаты принципиально не меняются и зависимости уровня преступности и расходов от вероятности p имеют схожие графики в обоих случаях. Б) Ограниченное наказание. Предполагаем, что размер наказания не может превосходить определенного уровня: 0 f F. Тогда случаю 1 рассмотренному выше при + 1, будет соответствовать график с одним максимумом, как было в случае 2. На графике ниже показан случай = 1, = 1, F = 5. При малых значениях вероятности возникает множественность равновесий. По-прежнему, уровень расходов при нулевой преступности минимален, но уже не равен нулю, как в случае бесконечного наказания, а равен e(1) = K m (0) 1 =. F 10 Заметим, что ограничение размера наказания привело к увеличению максимального уровня преступности с до 1 при p = 0.

Графики для случая 2, когда + представлен случай 1 <, также немного изменяются. Так, ниже 2 Множественность равновесий = 1, = 10, F = 1.5.

сохранилась. Нулевой уровень преступности получается, как и выше при 1 ненулевых расходах: e(1) =. При этом возможна ситуация, когда для любого уровня расходов (от минимального до максимального), возможна множественность равновесий. Эта ситуация представлена на следующем графике, с параметрами = 1, = 10, F = 0.5. Уровень расходов при нулевой преступности и при максимальном уровне преступности минимален: e(0) = e(1) = 1.

Б) Быстрорастущая технология поимки9. Для быстрорастущих технологий, (1 p ) g ( p ) при результат, доказанный выше, не выполняется. p 1, основной уровень Минимальный преступности будет достигаться лишь при бесконечных расходах. Например, при параметрах = 2, = 10, F = 2 расходы в равновесиях больше не будут ограничены. Соответствующий график ниже показывает, что расходы растут до бесконечности при вероятности поимки стремящейся к единице. В этом случае равновесие с нулевой преступностью не достигается. Заметим, что при достаточно высоких и достаточно низких расходах множественность равновесий пропадает.

Именно такие технологии, по всей видимости, наиболее распространены в правоохранительной деятельности.

Основной вывод из модели: вопреки популярному в экономике преступления результату о том, что в оптимуме вероятность поимки преступника должна быть низкой, а размер наказания – максимальным или ниже максимального, данная модель показывает, что при медленно растущих расходах на поимку преступников в одном из равновесий отсутствует преступность. При этом расходы на охрану правопорядка минимальны или ограничены, вероятность поимки преступника – максимальна, а размер наказания соответствует технологии поимки преступника и может варьироваться от нуля до максимального. Именно наличие медленно растущей «технологии» поимки гарантирует появляется отсутствие преступлений. Однако при быстрорастущей над действиями «технологии» поимки невозможно достичь нулевой преступности. Кроме того, необходимость общественного контроля правоохранительных органов. Без такого контроля возможна ситуация, что при данном уровне расходов правоохранительные органы выберут неэффективное равновесие, т.е. меньший уровень раскрываемости и высокий уровень преступности.

Глава 3. Эмпирические оценки влияния сдерживания и распределения дохода на преступность (эконометрические модели).

Цель эмпирической части работы – найти зависимость уровня преступности от распределения дохода и переменных наказания и сравнить теоретические и эмпирические результаты. Современные методы эконометрического анализа интенсивно используются исследователями в экономике преступления. Имеющиеся данные дают возможность проводить разносторонний анализ, используя преимущества рядов данных, а также применяя приемы, позволяющие исправлять или учитывать недостатки. Условно находящиеся в распоряжении ученых данные по преступности можно разбить на следующие 4 категории: 1) временные ряды, как правило – это агрегированные данные по стране, региону, городу за достаточно большой промежуток времени, обычно годовые наблюдения. 2) пространственные ряды – данные по нескольким странам, регионам, городам за определенный период времени, обычно за год. 3) индивидуальные данные – данные однократных, реже ежегодных, опросов населения о вовлеченности в преступную деятельность или о том, были они жертвой преступления, обычно по региону, городу за один, реже несколько лет. Некоторые развитые страны делают постоянные обследования жертв среди населения (США и др.) 4) панельные ряды – данные по странам, регионам, городам за продолжительный период времени, т.е. за достаточно много лет. В эмпирической литературе имеется достаточно много статей по социально-экономическим и другим факторам преступности. Нас будут интересовать, прежде всего, показатели экономического развития, дохода и неравенства в доходах, а также различные индикаторы наказания (раскрываемость, судимость, тюремное население). В первой главе диссертации были проведены обзор и классификация эмпирических результатов. Как отмечает Эйд в своем обзоре, гипотеза о том, что преступность положительно соотносится с доходами и с неравенством в доходах, строго подтверждается МНК оценками большого числа известных автору работ с пространственными рядами. Почти все оценки эластичностей положительны. В то же время, 2МНК оценки менее убедительны, так как для преступлений против собственности и общего уровня преступности они, по-прежнему, значимо положительны, тогда как для убийств они хоть и положительны, но незначимо [22, с. 125]. Что касается индикаторов наказания, а это довольно большой набор переменных у разных авторов, включающий как вероятность наказания (раскрываемость, задержание, арест, обвинение, осуждение и т.п.), так и строгость его (средний срок наказания по приговору, размер штрафа, наличие смертной казни, отсрочка исполнения приговора), то почти без исключения эластичности переменных наказания отрицательны и в большинстве случаев значимы [22, с. 155]. К аналогичным выводам приходят и исследователи временных рядов для разных стран [22, с. 156]. В современной работе [55] рассматривается большой перечень работ, использующих индекс Джини в качестве меры неравенства в доходах (список включает 11 пространственных рядов, 3 панельных и 2 временных ряда, 13 из которых – данные по США и только 3 – по разным странам), а также доход на душу населения и распространенности бедности (16 рядов – пространственные, 6 - панельные и только один временной ряд, причем американские данные и международные представлены в 15 и 8 случаях, соответственно) и приходит к немного отличным выводам по сравнению с предыдущими. Что касается исследований на данных по США, то получены свидетельства об отрицательном влиянии дохода и положительном эффекте уровня бедности и менее убедительно - о положительном влиянии неравенства. Однако противоположный вывод делается в международных исследованиях. Во многих работах заключается, что экономическое развитие и уровень преступности значимо положительно коррелированны. Однако в [55] показывается, что это ошибочное заключение, связанное с тем, что доля регистрируемых преступлений отрицательно связана с ВВП на душу населения. Ниже, в главе 4 мы демонстрируем на международных панельных данных, что уровень убийств отрицательно зависит от ВВП.

3.1. Эмпирическая модель преступности.

Главная проблема при оценивании моделей преступности – это эндогенность переменных сдерживания преступности. В литературе отмечается, что численность полицейских имеет ложную положительную корреляцию с уровнем преступности, так как нормальная реакция государства на рост преступности – увеличить расходы на борьбу с ней и, как следствие, численность полицейских [34]. При этом естественно ожидать, что следствием роста числа полицейских должно стать сокращение преступности. В данной работе будут использованы другие сдерживающие переменные – тюремное население (численность заключенных в исправительных учреждениях) и раскрываемость преступлений (доля раскрытых преступлений). Аналогично численности полиции, тюремное население также эндогенно к уровню преступности, так как оно растет вследствие роста преступной активности. Следовательно, несмотря на положительную корреляцию, было бы ошибочно считать, что деятельность правоохранительной и пенитенциарной системы усугубляет криминальную обстановку (хотя в условиях тоталитарного государства, каким являлся Советский Союз, возможна и такая тенденция). С раскрываемостью похожая ситуация – она может быть эндогенной. Допустим, что между ней и преступностью нет статистически значимой связи. Происходит неожиданный рост преступности, вследствие чего доля раскрытых преступлений неминуемо сокращается, вызывая тем самым ошибочную отрицательную корреляцию между двумя переменными. Итак, все три переменные, связанные с правоохранительной деятельностью и системой уголовного наказания, эндогенны.

Проблема эндогенности приводит к необходимости рассматривать кроме первого уравнения, уравнения «предложения» преступлений, еще и второе уравнение, уравнение «производства» правоохранительной деятельности, в сумме дающие систему из двух уравнений ct = 1 + 1 Pt + 1 Yt + 1t Pt = 2 + 2 ct + 2 Yt + 2t (42) где C t - уровень преступности, Pt - вероятность поимки, Yt - вектор экзогенных переменных. Для идентификации системы необходимо, чтобы по-крайней мере одна из экзогенных переменных была исключена (только) из одного уравнения. Поиск такой переменной Z t, которая явным образом входит только, например, в функцию производства правоохранительной деятельности Pt – ключ к решению проблемы эндогенности. Иногда к системе добавляется третье уравнение: ресурсы на правоохранительную деятельность Rt = R(ct 1, Yt ), тогда второе уравнение меняет свой вид на Pt = P(ct, Rt, Yt ). Для оценки одного первого уравнения, в котором вероятность поимки является эндогенной переменной, применяется двухэтапный метод наименьших квадратов (2МНК), который состоит из первого этапа – оценки второго уравнения, включающего инструментальную переменную, не входящую явным образом в первое уравнение, затем подстановки аппроксимирующих значений (fitted values) в первое уравнение и на втором этапе – оценки первого уравнения.

3.2. Анализ временных рядов преступности в СССР (1961-1989 гг.) и РСФСР (1965-1990).

Прежде, чем приступить непосредственно к анализу имеющихся данных, кратко остановимся на методологии оценок таких рядов. Обычная регрессия ct = + Yt + t, где временные ряды ct и Yt для несмещенности оценки параметра должны быть стационарными рядами ( Yt может быть вектором временных рядов, каждый из которых стационарный), т.е. быть нормально распределенными (совершать колебания вокруг среднего значения) или иметь тренд с нормально распределенным отклонением от него. Как правило, временные ряды не стационарные, а интегрированные степени 1 (или 2), в этом случае вместо ct и Yt в регрессиях используются первые (соответственно, вторые) разности ct и Yt, которые являются стационарными рядами. Для проверки стационарности произвольного ряда Yt или Yt используется тест Дикки-Фуллера. Часто используется спецификация модели в логарифмах (вместо ct log(ct ) ) или в двойных логарифмах (все переменные, зависимая и независимые, берутся в логарифмах). Делается это для того, чтобы избежать гетероскедастичности остатков. В случае, когда и зависимые и независимые переменные берутся в логарифмах, оценки параметров имеют простую интерпретацию эластичностей. Отметим, что существуют методологические трудности при оценивании моделей на временных рядах. Оценки параметров модели могут быть смещены из-за эндогенности независимых переменных и автокорреляции остатков, которая может появиться из-за пропущенных переменных. Регрессии на рядах, представляющих собой «случайное блуждание» (т.е. содержащие детерминистический тренд), приводят не только к случайному R2, но и к ложной периодичности остатков [81]. Попытка оценить авторегрессионную модель первого порядка часто приводит к смещенным вниз МНК оценкам. Знаменитый результат Дикки и Фуллера показывает, что при отсутствии стационарности такие ряды имеют свойство постоянного влияния прошлых шоков на настоящее значение, т.е. долгую память [82]. Чтобы продемонстрировать это, запишем простую авторегрессионную модель без константы Yt = Yt 1 + t. Отсюда при «случайном блуждании» =1, и значит, Yt = t i, что показывает бесконечное влияние на переменную Yt i = любого кратковременного шока t-i. Однако достаточно взять первую разность, Yt = t, чтобы процесс имел короткую память и более того, стал стационарным. Стационарные ряды представляют собой процессы с нормально распределенными случайными отклонениями от некоторого фиксированного значения. Естественно ожидать, что многие исследуемые процессы не будут стационарными. Так, представленные на графике 1 в приложении 2 уровни общей зарегистрированной преступности и убийств, показывают явные нестационарность процессов и наличие тренда у общей преступности. Первая проверка рядов данных – это проверка на стационарность. Для тестирования нулевой гипотезы о единичном корне против гипотезы о стационарности, мы воспользуемся тестом Дикки-Фуллера (Dickey-Fuller). В общем виде авторегрессионное уравнение может иметь сдвиг и тренд Yt = µ + t + Yt 1 + t сдвигом и с трендом. Yt = Yt 1 + t Yt = µ + Yt 1 + t (43) Тест Дикки-Фуллера применяется в контексте трех моделей без сдвига, со (44) Yt = µ + t + Yt 1 + t В первых двух моделях проверяется гипотеза о наличие единичного корня. Это означает, что коэффициент при первом лаге переменной нулевой:

=0, а в третьей модели - ==0. Как мы можем убедиться из таблицы 1 в приложении 2, гипотеза о наличии единичного корня для всех рассматриваемых переменных не отвергается в любой спецификации модели. В то же время, эта гипотеза для первых разностей переменных отвергается с высокой степенью значимости, опять же в любой спецификации (за исключением демографической переменной: доля мужчин 15-34 лет в модели со сдвигом и трендом). Это означает интегрированность степени 1 всех рассматриваемых процессов, а также стационарность рядов в первых разностях. В этом разделе на основе временных рядов для некоторых видов преступности в СССР будет выявлена связь уровня преступности с уровнем экономического развития, а также наказанием за преступление. Статистика преступности взята из книги [87], а экономические данные – из Госкомстата.

Кроме этих данных будет использован альтернативный источник - данные по смертности от убийств в РСФСР (1965-1990). Вопреки распространявшемуся идеологическому мифу о скором искоренении преступности, уровень насильственной преступности в СССР был наряду с США наивысшим среди индустриально развитых стран [71]. Более того, уровень убийств постоянно рос с середины 60-х гг. почти до середины 80х, до начала горбачевских реформ, когда он стремительно упал до минимального уровня за тридцатилетний период, а затем быстро вырос уже в политически свободной России, стабилизировавшись с середины 90-х годов на трехкратном уровне к советскому пику в начале 80-х. Этот скачок наглядно продемонстрирован на графике 2 в приложении 2. Примечательно, что динамика уровня преступности за последние четыре десятилетия весьма близко соответствует динамике изменения социально-экономических показателей, отражающих уровень жизни населения, прежде всего – продолжительности жизни населения [51]. Так как все изучаемые процессы имеют единичный корень, то мы будет оценивать авторегрессионную модель в первых разностях ct = + ct 1 + Yt + t (45) Зависимая переменная – первая разность уровня преступности (ct ). В качестве независимых переменных взяты лаг уровня преступности (ct 1 ), уровня судимости населения, уровня освобождения из тюрем (все переменные пересчитаны на 100 тысяч населения), доли мужчин 15-34 лет в населении. Кроме них, взята одна из переменных, характеризующих экономическое развитие - реальный национальный доход на душу населения, за начало отсчета выбран 1950 год. Заметим, что на результаты регрессионного анализа начало отсчета, как и единицы измерения не оказывают реального влияния, так как значимость оценок не зависит от масштаба представления переменных10. Временной ряд, представляющий меру имущественного расслоения в обществе Единица измерения переменных определяет лишь масштаб коэффициентов.

никак не измерялся в Советском Союзе11. Следовательно, в данном разделе мы сможем протестировать только гипотезу, касающуюся криминогенности экономического развития. Использованные данные содержатся в таблице 5 в приложении 2. В таблице 2 в приложении 2 приводятся результаты МНК оценки авторегрессионного уравнения для 8 видов преступлений: общей зарегистрированной преступности, убийств, причинений тяжкого вреда здоровью, изнасилований, грабежей, разбоев, краж личного имущества и краж общественного имущества. Так как ни в одной из регрессий доля мужчин в возрасте от 15 до 34 лет не является статистически значимой, то эта переменная была исключена из числа независимых переменных. Значимость коэффициента при уровне преступности, взятого с лагом, во всех случаях за исключением наиболее некачественного12 общего уровня преступности, подтверждает обоснованность применения авторегрессионной модели для преступности. Среднее значение коэффициента авторегрессии, 1 = 2.9. 1 0.65, показывает суммарное долгосрочное влияние кратковременного шока, которая определяется значением мультипликатора Мы получили, что неожиданный рост преступности на некоторую величину дает долгосрочный эффект в регистрируемом уровне преступности в среднем почти в 3 раза выше. Наименьшее долгосрочное влияние шока получается для краж личного имущества и грабежей, около 2.5, а наибольшее – для убийств, изнасилований и разбоев, около 3.3. Экономическое развитие, представленное национальным доходом, как и было предсказано теоретической моделью для страны с низким значением силы правопорядка, показывает положительное влияние на рост всех видов преступлений, в 5 случаях Насколько нам известно, такие оценки, сделанные в работах Римашевской, существуют Общий уровень преступности весьма чувствителен к изменениям в УК, прежде всего, к только с шагом в два года.

появлению новых статей и видов преступлений.

незначимый, но для 3 насильственных преступлений (убийство, причинение вреда и изнасилования) значимость находится на высоком уровне. Полученный результат на первый взгляд кажется странным, так как экономический рост скорее должен быть связан с ростом привлекательности имущественных, а не насильственных преступлений. Однако этот результат будет подтвержден для стран с низким и средним доходом в дальнейшем нашем исследовании (в части 4.4) на индивидуальных обследованиях жертв, проводившихся в разных странах. Наиболее сильный результат – сдерживающее влияние судимости. Практически для всех видов преступлений найдено отрицательное влияние судимости на уровень преступности. Так дополнительно осужденные 100 человек в прошлом году приводят к падению количества зарегистрированных преступлений в этом году. При этом общее число преступлений сокращается на 65, убийства – на 0.6, причинения тяжкого вреда здоровью – на 2, изнасилования – на 0.8, грабежи – на 4, разбои - на 1, кражи личного имущества – на 25 и кражи общественного имущества – на 10. Заметим, что с использованием инструментов (лаг судимости) 2МНК оценки параметра для судимости получаются в 2 раза больше (для убийств, причинений вреда здоровью) и в 1.5 раза больше для изнасилований, что подтверждает существование проблемы смещенности вниз, т.е. эндогенности. Здесь необходимо сделать замечание о двойной природе влияния уголовного наказания. С одной стороны – это может быть следствием изоляции преступников от общества (соответствующий английский термин – incapacitation effect), а с другой – непосредственно эффект сдерживания от высокой вероятности понести наказание (deterrent effect). Какой из них является определяющим – не известно. Следующий интересный результат – рост насильственных преступлений от выпуска заключенных на свободу. При дополнительном освобождении из пенитенциарных учреждений 100 человек, по нашим оценкам, через год происходит рост числа убийств на 0.4 и числа причинений тяжкого вреда здоровью – на 0.8. Однако есть и положительный эффект – сокращение числа изнасилований на 0.3. Отсюда можно заключить, что наказание за совершенное преступление ведет к росту насилия после того, как осужденный выходит на свободу. Так, американские данные называют уровень рецидивизма 80% [83]. Получается порочный круг преступлениенаказаниеболее серьезное преступление и т.д. Отметим, что обе независимые переменные – судимость и освобождение - могут быть эндогенными, но инструменты для них пока не найдены. Дальнейший шаг состоит в более тщательном эконометрическом анализе. Для каждой из семи зависимых переменных был произведен поиск спецификации модели, т.е. включены только значимые регрессоры и их лаги. Процедура нахождения правильной спецификации следующая: вначале в регрессию включается как можно большее число лагов независимых переменных, затем исключается наименее значимый регрессор и так до тех пор, пока не останутся лишь значимые регрессоры. Судимость, использованная при предыдущем анализе, была разбита на две переменные: осужденные к лишению свободы и осужденные к другим мерам наказания. Результаты этого анализа представлены в таблице 3 в приложении 2. Сразу обращает на себя внимание тот факт, что преступность – это процесс с продолжительной памятью. Так (неожиданный) рост общей преступности и числа убийств в данном году сказывается на росте еще 2 года. Два других вида преступлений – причинение вреда здоровью и грабежи представляют сокращение. Судимость, как к лишению свободы, так и иная, по-прежнему во всех случаях снижает преступность. Наиболее продолжительное влияние оказывает судимость, не связанная с лишением свободы, на самое опасное преступное волнообразную картину. После неожиданного роста преступности через год происходит дальнейший рост, а через два года – деяние – убийство. Так, осуждение дополнительных 1000 человек сохраняет в течение 4 лет жизни 19 людям. Полученные коэффициенты позволяют сравнивать эффективность различных политик уголовного наказания. Осуждение к лишению свободы дополнительно 1000 человек дает лишь кратковременный эффект, число убийств через год сократится на 9, однако как только осужденные выйдут на свободу (это происходит в среднем через три года), эти дополнительно выпущенные 1000 человек приведут к росту числа убийств на 5 в течение следующего года. В итоге получается, что за четыре года число сохраненных жизней составит 4, почти в 5 раз меньше, чем, если бы к этим 1000 осужденным не было применено столь строгое наказание. Примечательно, что судимость к альтернативным видам наказания по своему влиянию оказывается гораздо эффективнее лишения свободы и для других видов преступлений. В таблице 4 в приложении 2 показаны результаты анализа авторегрессионной модели на альтернативных данных. В анализ включена дополнительная независимая переменная, являющаяся относительно хорошим приближением для уровня потребления алкоголя – смертность от отравления алкоголем в РСФСР на 100 тысяч населения. В первой регрессии даны результаты для зарегистрированного уровня убийств в СССР, в следующих – для смертности населения от убийств в РСФСР, регистрируемой медицинской статистикой, для мужчин и женщин в сумме и по отдельности, все показатели на 100 тысяч населения. Как и раньше, показана значимая отрицательная связь преступности с судимостью и положительная связь с национальным доходом и освобождаемостью из тюрем. Кроме этого, найдена статистически значимая положительная связь с потреблением алкоголя.

3.3. Регрессионный анализ панельных данных преступности в 77 регионах России (1992-2000 гг.).

Панельные данные представляют собой объединение пространственных и временных рядов, т.е. наиболее «полную» картину об изучаемом явлении. В пространственном и временном разрезах данные по преступности уже достаточно хорошо изучены в некоторых странах. На современном этапе ученые работают с более информативными годовыми/месячными и, возможно, даже ежедневными данными по регионам и городам отдельно взятой страны, однако никто не пытается наложить каждое преступление на карту и время, не говоря уже о том, чтобы представить его как элемент многомерного пространства, хотя в этом и есть смысл и современная вычислительная техника позволяет это сделать (благодаря эконометрике). В современных условиях такая динамическая картина мира уже не выглядит такой фантастической и вполне реальна для достижения уже в нынешнем столетии. Использование панельных данных еще достаточно редко в экономической науке, хотя в последнем десятилетии наметился очевидный прогресс. Отчасти это связано с прогрессом в теоретических результатах в эконометрике, отчасти с появлением мощных компьютеров и прикладных статистических на этих данных. Для исследователя панельные данные обладают определенными преимуществами над другими видами данных. Оценки параметров на панельных данных не просто объединяют две размерности (between и within – оценки на средних величинах и на отклонениях от средних, соответственно), но также позволяют учитывать ненаблюдаемые эффекты, тем самым, принося наиболее точные результаты в оценках регрессий. Однако и используемый математический аппарат заметно усложняется. Например, часто изучаемое уравнение «предложения» преступлений имеет вид cit = i + Yit + it, либо cit = + Yit + u i + it, (46) где i = 1K N и t = 1KT, i – фиксированный эффект (fixed effect), т.е. ненаблюдаемая переменная считается постоянной по времени для каждого региона, ui – случайный эффект (random effect), т.е. ненаблюдаемая переменная - нормально распределенная случайная величина. Соответственно, модели и программ. Соответствующим образом улучшились как количество, так и качество данных и эмпирических исследований, проведенных получили название – модели с фиксированным и случайным эффектом. Выбор модели – это творческий процесс исследователя. Модель со случайным эффектом обычно появляется там, где объекты случайным образом выбраны из большой совокупности, например, репрезентативная выборка населения. Модель случае с фиксированным данных эффектом для соответствует случаю, когда именно ненаблюдаемые переменные коррелируют с независимыми переменными. В панельных регионов/городов ожидается фиксированный эффект. Существует специальный тест Хаусмана (Hausman), который проверяет нулевую гипотезу о случайном эффекте против гипотезы о фиксированном эффекте на основе корреляции между фиксированным эффектом и регрессорами. Однако часто выбор модели – дело вкуса самого исследователя. Для асимптотической состоятельности получаемых оценок необходимо, чтобы было достаточное число временных периодов (T>4) и большое число объектов (N>T). Большое число степеней свободы ( N T 1 ) дает возможность включать фиксированные эффекты, временные бинарные переменные (в сумме N-1+T-1), а также большой набор независимых переменных. Для регрессий на панельных данных проблема эндогенности регрессоров не менее насущна. Подбор подходящих инструментальных переменных также творческий процесс. В данной работе использован обобщенный метод моментов, позволяющий учитывать совместную эндогенность независимых переменных. Для этого мы расширим применяемую модель, добавив в нее динамическую составляющую cit = i + cit 1 + Yit + it (47) Две основные проблемы оценки этого уравнения – это возможная эндогенность независимых переменных (например, рост преступности в данном году может сопровождаться падением реальных доходов населения из-за краж, тревоги, стресса, травматизма при нападении и т.п.), а также серийная корреляция остатков, так как сit коррелирует не только с сit-1, но и по определению с it, то it коррелирует с it-1. Если it = it 1 + µ it, то проблема серийной корреляции пропадает при следующем линейном преобразовании модели cit cit 1 = it i (1 ) + (cit 1 cit 2 ) + (Yit Yit 1 ) + µ it it (48) Однако проблема эндогенности при этом сохраняется. Современная эконометрика позволяет оценивать такие динамические (авторегрессионные) модели на панельных данных обобщенным методом моментов (ОММ) либо для первых разностей, либо для системы из двух уравнений: уравнение в уровнях вместе с уравнением в первых разностях. Наборы инструментальных переменных для каждого из уравнений свои: для уравнения в уровнях – это (первые или выше) лаги первых разностей зависимой и эндогенных независимых переменных, а для уравнения в первых разностях – это второй лаг зависимой переменной и первые лаги эндогенных независимых. При этом экзогенные переменные инструментируются сами собой. Панельные данные дают важные преимущества для исследователя, как было отмечено выше. Практически любая переменная имеет большую вариацию в разрезе российских регионов (см., например, карту с уровнем убийств в приложении 3), причем из-за слабости государства и ничтожного «уравновешивающего» влияния рыночных механизмов для ряда социальноэкономических показателей, связанного с низкой мобильностью трудовых ресурсов13, эта вариация может увеличиваться. Если принять в расчет те драматические изменения, произошедшие в жизни россиян за 90-е годы, то это десятилетие может быть сопоставимо с большим временным периодом для стабильного общества. Последний факт особенно ценен для исследователя. Анализ панельных данных концентрируется на четырех гипотезах: 1. Преступность выше там, где уровень (качество) жизни ниже.

Детерминанты низкой межрегиональной мобильности населения изучены в статье Ю.В.

Андриенко и С.М. Гуриева, выходящей в журнале Economics of Transition в начале 2004 г.

2. Экономическая криминогенны.

рецессия и высокая дифференциация в доходах 3. Преступность сдерживается правоохранительными органами. Дополнительно изучается следующая гипотеза: 4. Преступность связана с конфликтами и этнической поляризацией.

3.3.1. Данные и эмпирическая модель.

Начиная с первых лет после образования СССР криминальная, как собственно и любая моральная статистика была засекречена. Это продлилось вплоть до горбачевской оттепели и политики гласности. На настоящий момент криминальные и социально-экономические данные в большинстве своем доступны примерно за десятилетний период новой истории Российского государства. В анализ кроме криминальных и социально-экономических данных также включены этнические переменные, ибо Россия одна из самых многонациональных стран в мире. Территория ее на настоящий момент поделена на 89 территориальных единиц – субъектов Федерации, границы между которыми были установлены произвольным образом с образованием СССР в 1922 г без основательного учета расселения определенных этнических групп. Из 89 регионов только 77 могут быть включены в анализ. Исключаются Чеченская и Ингушская Республики ввиду отсутствия для них данных, а также десять автономных округов, для которых статистика включена в охватывающие их области. Для тестирования гипотез мы используем разнообразные панельные данные, состоящие из коротких временных рядов для большого числа регионов. Используемая криминальная статистика включает официально зарегистрированный Министерством внутренних дел РФ уровень преступности по наиболее распространенным видам преступлений против личности и имущества: убийствам, причинению тяжкого вреда здоровью, изнасилованиям, грабежам, разбоям, кражам, хулиганству. В качестве альтернативного источника криминальной статистики были использованы данные по смертности от убийств и причинений тяжкого вреда здоровью, отдельно для мужчин и женщин, собираемые Министерством здравоохранения РФ. Социальные и демографические данные были взяты из публикаций Госкомстата. Они относятся к нескольким категориям. Первая категория – показатели качества жизни, включающие ожидаемую продолжительность жизни при рождении и средний уровень образования населения, входящие в Индекс человеческого развития14. Первые две компоненты его уже упомянуты, а третья – это средний уровень дохода. Во вторую категорию включены социально-экономические данные: кроме среднего реального дохода населения (с поправкой на уровень цен в регионах), уровень общей безработицы и неравенство в доходах населения. Третья категория – демографическая, состоящая из степени урбанизации (доля городского населения), географической мобильности населения и этнического разнообразия: индекса мозаичности населения и этнической поляризации15. Оба последних показателя рассчитаны из данных переписи населения 1989 г. Последняя, четвертая категория показателей – факторы сдерживания: сила правоохранительных органов, измеряемая долей раскрываемых преступлений, и вместимость пенитенциарных учреждений. Одной из целей эмпирического исследования стало нахождение связи между насилием и конфликтами. Для этого в московском Центре по изучению и урегулированию конфликтов в Институте этнологии и антропологии был построен индекс социально-политического конфликта в Российских регионах.

14 См. публикации Всемирного проекта развития ООН (UNDP). В работе используются следующие формулы. Индекс мозаичности считается как Т вероятность события, что «два случайно взятых человека не принадлежат одной этнической группе»: Мозаичность = 1 µ 2, а Поляризация = µi1+ µ j, где µ i - доля этнической группы i, j j = i j где µi = 1 и 0 1.6 [6]. При = 0 это индекс мозаичности.

i = N Индекс был построен за каждый год 1992-2000 с использованием оценок экспертов, участвующих в ежегодном мониторинге, об изменении и степени влияния 46 индикаторов конфликта, разделенные на семь широких категорий: 1. среда и ресурсы, 2. демография и миграции, 3. власть, государство и политика, 4. экономика и социальная сфера, 5. культура, образование, информация, 6. контакты и стереотипы, 7. внешние условия. Максимальное значение индекса конфликта наблюдается по убыванию в Чечне, Ингушетии, Карачаево-Черкесии, Дагестане, Краснодарском крае, Туве, Северной Осетии. За исключением одного региона, все остальные находятся на северном Кавказе в непосредственной близости к чеченскому конфликту. Данный индикатор имеет достаточно высокую корреляцию с некоторыми социальноэкономическими показателями, в порядке убывания: с уровнем безработицы, этнической мозаичностью, употреблением наркотиков, долей сельского населения, этнической поляризацией, но в то же время небольшую значимую корреляцию с уровнем убийств и смертностью от убийств (см. таблицу 6 в приложении 3). Нужно отметить, что в регистрируемом уровне преступности в России есть серьезные недочеты. Латентность некоторых видов преступлений может достигать 99 и более процентов (кражи, коррупция). Известно, что в США около 38% жертв преступлений обращаются в полицию [33]. Практически такая же величина (40%) была получена обследованием Госкомстата, проведенным в 22 российских регионах в 1991 году. При этом эффективность обращения была очень низкой: в большинстве случаев милиция не зарегистрировала преступление и лишь 12% пострадавших знают, что было возбуждено уголовное дело [9]. В целом оценка доли зарегистрированных преступлений в России, сделанная ведущим криминологом 20-25%16. Судя по результатам международных обследований жертв (МОЖ), проведенных в разных городах и Кроме того, академик В.Н. Кудрявцев [6] полагает, что регистрируется 1/3 убийств, 1/ изнасилований и 1/78 краж.

странах, в том числе и Москве, а также по подобным российским исследованиям в Санкт-Петербурге и других городах, эта оценка представляется сильно завышенной. Так, по данным МОЖ за 2000 г 25% жертв серьезных преступлений против личности и собственности в Москве обратились за помощью в милицию [47]. Практически такую же величину (25%) показало исследование 2000 г в Санкт-Петербурге и порядка 40% в Волгограде [48]. Доля зарегистрированных преступлений среди серьезных преступлений, таких как преступления против личности, по всей видимости, выше, потому как они представляют наибольшую общественную опасность и у милиции меньше возможностей для сокрытия таких преступлений. Мои оценки латентной преступности в России, основанные на данных обследований жертв, еще более высокие – регистрируется не более 1 или 2% всех преступлений против личности и частной собственности. Для проверки отсутствия влияния латентности на результаты анализа были использованы альтернативные источники данных, в частности для убийств. Так, статистика смертности от убийств, собираемая Министерством здравоохранения РФ, представляется более качественной по сравнению с милицейской статистикой (просто потому, что регистрируют больше убийств), но не в кавказских республиках17. Способ учесть проблему латентности для панельных данных был предложен в работе [24], в которой авторы предположили, что настоящий уровень преступности есть сумма регистрируемого уровня и константы для каждой страны. Следовательно, частично проблема с не полностью отражаемым статистикой явлением может быть преодолена, если число (или доля) ненаблюдаемых явлений в данном регионе постоянно по времени. Основная модель нашего эконометрического анализа – это динамическая модель на панельных данных. В ней уровень преступности - зависимая переменная, а взятый с лагом уровень преступности – независимая. Кроме них Одно из объяснений: по мусульманскому обычаю покойника хоронят до захода солнца.

модель включает также постоянные во времени и переменные регрессоры, а также временные бинарные переменные. Yit = Yit 1 + X it + X i + t + it (48) Для оценки динамических панельных регрессий в [27, 49] рекомендуется применять оценку регрессии в уровнях, либо систему уравнений в уровнях и первых разностях. В обоих случаях используется обобщенный метод моментов (ОММ) с соответствующими условиями на моменты. Для оценки данной модели был применен ОММ, позволяющий контролировать эндогенность и предопределенность некоторых независимых переменных18. Предопределенность (/эндогенность) означает, что переменные могут находиться под влиянием прошлых (/и настоящих) значений зависимой переменной, но не будущих значений. Использование системы в ОММ не только увеличивает точность оценок, но и уменьшает их смещенность, возникающую из-за конечности размера выборки [50].

3.3.2. Эмпирический анализ.

Таблица 1 в приложении 3 содержит определение, описательную статистику и источники всех переменных. Несбалансированные панельные данные включают 691 наблюдение по 77 регионам России, за переходный период 1992-2000 гг. Большинство переменных имеют наблюдения за девятилетний период, но мера неравенства в распределении доходов - индекс Джини - была построена для семилетнего периода с 1994 г, тогда как уровень образования, этническая поляризация, индикатор реформ (малая приватизация), вместимость тюрем имеются лишь за один год и, следовательно, в анализе предполагаются постоянными во времени. При этом нужно иметь в виду, что оценки параметров таких постоянных переменных могут быть смещены, например, из-за эндогенности.

Более детальная методология содержится в публикациях [14, 15].

Система уравнений была оценена методом ОММ для одиннадцати видов преступлений. Результаты основной регрессии показаны в таблице 2 в приложении 3. В четырех случаях для общего уровня преступности, краж, разбоев, хулиганства, тест на наличие серийной корреляции остатков отвергается, что является признаком неправильной спецификации модели. Ввиду этого, оценки модели для данных видов преступлений не приводятся в таблице. В то же время у автора остаются некоторые сомнения в качестве и адекватности таких легко манипулируемых данных по преступности, а не в спецификации модели. В таблице 3 в приложении 3 сообщаются результаты основной регрессии с индексом Джини, сделанные на сокращенной выборке данных. Результаты для остальных переменных не меняются по сравнению с предыдущей таблицей. Обращают на себя внимание схожие результаты для разных по своей природе насильственных и имущественных преступлений. Результаты свидетельствуют, что инерционность криминальной ситуации на данной территории (т.е. постоянство явления во времени), сила правоохранительных органов и качество жизни населения – наиболее мощные детерминанты преступности. Чем лучше работает милиция и лучше живет население, тем меньше преступность. влияние В дополнение на к ним, социально-политические тогда как конфликты и этническая поляризация имеют (статистически) значимое положительное насильственные преступления, неравенство в распределении доходов изнасилований. В расширенном анализе преступности было использовано более широкое множество независимых переменных. С целью учесть неоднородность в культуре, традициях и поведении были включены в анализ климатические условия, в частности, средняя температура января и июля. Простой корреляционный анализ обнаруживает высокую отрицательную корреляцию (индекс Джини) увеличивает все регистрируемые милицией преступления, в основном значимо, за исключением между зимней температурой и количеством убийств и причинений тяжкого вреда, равную -0.6. Насилие может быть выше там, где люди проводят больше времени внутри помещения из-за неблагоприятных климатических условий, следовательно, имея больше шансов для конфликтов. Кроме процента раскрываемости, была использована вместимость тюрем и лагерей, как мера сдерживающего эффекта наказания (точнее здесь должен присутствовать incapacitation effect – эффект лишения преступника возможности совершать преступления посредством заключения его под стражу). Количество тюремного населения не было задействовано в анализе, по причине того, что этот показатель является эндогенным к уровню преступности и из-за отсутствия панельных наблюдений. Трудно представить эндогенность вместимости тюрем и лагерей, так как большинство их было построено в царское и сталинское время. Более того, количество преступников в регионе не оказывает влияние на вместимость тюрем данного региона. Рост преступности ведет скорее к уплотнению и перегруженности имеющихся тюрем. В результате, следует ожидать рост преступности вследствие роста тюремного населения из-за низкой адаптации к законопослушному образу жизни у освобождаемых заключенных. Данные подтверждают эту гипотезу, показывая положительную корреляцию между вместимостью тюрем и преступностью, около 0.3 для разных анализируемых видов преступлений. В таблице 4 в приложении 3 показаны результаты расширенного анализа с большим набором независимых переменных. Все основные результаты сохраняются, только индикатор конфликтов значимо положителен лишь для убийств и изнасилований. Как и в работе [49], все семь изучаемые видов преступлений устойчивы по времени, т.е. авторегрессионный член (первый лаг зависимой переменной) динамической модели значимо больше нуля. В качестве объяснения данного феномена можно предложить два: либо большинство преступников остается на свободе (например, воры), либо то, что социум генерирует довольно постоянное количество криминальных ситуаций (например, пьянки с последующей ссорой, ведущей к насилию). Долгосрочный эффект неожиданных шоков (спрятанный в авторегрессионном коэффициенте) возрастает с менее серьезными видами преступлений. Таким образом, вор наиболее вероятно будет совершать подобные преступления, чем убийца или разбойник. Один из стабильных результатов анализа – эффективность работы правоохранительных органов, измеряемая процентом раскрываемости, значимо отрицательна во всех случаях. Этот результат соответствует аналогичным результатам, полученными исследователями во множестве подобных работ [22]. Продолжительность жизни, один из компонент индекса человеческого развития, даже после поправки на эндогенность, остается значимо отрицательным во всех регрессиях. Другой компонент - средний уровень образования - отрицательно значим только для насильственных преступлений. Таким образом, именно человеческое, а не экономическое развитие играет одну из основных ролей в уровне преступности. Каждый дополнительный год образования уменьшает уровень насилия на 6-13% для разных видов преступлений. Рост продолжительности жизни на величину стандартного отклонения, равного 2.4 годам, имеет очень большое отрицательное влияние на насилие. Согласно таблице 5, число причинений вреда здоровью в этом случае падает на 12%, а смертность женщин от убийств сокращается на большую долю, 32%. В анализе были использованы две меры дохода: реальное промышленное производство на душу населения и реальные доходы на душу населения, а также две меры их роста. Среди четырех переменных только рост реальных доходов оказывает значимое (отрицательное) влияние на уровень преступности. В то же время, переменная, отражающая ход реформ в России, уровень приватизации в малом бизнесе (по состоянию на 1996 г), оказалась значимо положительной в 5 из 7 случаях, включая, все четыре регрессии для убийств.

Нами не была найдена статистическая значимость влияния меры потребления алкоголя на какой-либо вид преступности, несмотря на известную ассоциацию алкоголя с насилием (80% выявленных убийц и 60% жертв убийств находятся в состоянии алкогольного опьянения). В качестве приближения для уровня потребления алкоголя использовались число госпитализированных людей с диагнозом алкогольный психоз, а также смертность от алкогольного отравления. Одна из причин отсутствия статистической связи – это крайне низкая достоверность данных, связанных с потреблением алкоголя. Так, данные по алкогольным психозам сильно недооценены в сельской местности, где медицинскую помощь не так просто получить. Вполне возможно, качество медицинской статистики находится почти на таком же низком уровне, как и качество милицейских данных, и дело не только в плохой обращаемости населения к врачам и милиции. Если врачам платят за принимаемых больных (выгодно преувеличить), то милиционерам платят за количество пойманных преступников (преувеличить трудно) и вменяют в вину всех не пойманных (выгодно и нетрудно преуменьшить). Суровый российский климат вносит свой вклад в высокий уровень насилия19. Результаты анализа с использованием именно панельных данных по температуре позволяют привести следующую интерпретацию. Так, десять градусов, на которые средний российский климат холоднее Европейского, вызывают рост насилия примерно на 10%. Вместимость тюрем, которая ассоциируется в сознании с суровым климатом, положительно связана со всеми видами преступлений, но ее значимое влияние получено лишь для причинений вреда здоровью, изнасилований и грабежей. Причиной этому могут быть освобождаемые из тюрем осужденные, которые из-за отверженности их обществом вынуждены селиться в ближайших к местам заключения поселкам, Россия, как известно, самая холодная страна мира – нигде в мире так много людей не живет в таком суровом климате, который не может не определять поведение людей, включая злоупотребление крепкими спиртными напитками.

большинство из которых располагается в климатически неблагоприятных районах Урала, Сибири и Дальнего Востока. Этот факт отчасти объясняет, почему в этих регионах наблюдается самый высокий уровень насилия (см. карту в приложении 3). Другой, значительно более влиятельный фактор в этих регионах – это низкий уровень жизни.

3.3.3. Выводы к части 3.3.

Первой из тестируемых гипотез была высокая преступность при низком качестве жизни. Анализ подтверждает гипотезу – любой из видов преступности выше, когда продолжительность жизни и уровень образования населения ниже. Поэтому неудивительным представляется тот факт, что преступность в советское время непрерывно росла, начиная с 60-х гг. ХХ века, одновременно с постепенным сокращением продолжительности жизни, в особенно большой степени для мужчин. Так, максимум продолжительности жизни тридцатилетнего мужчины, достиг 70 лет в середине 60-х, и затем постоянно снижался (за исключением лет горбачевской антиалкогольной компании) до 64 лет в конце века. Именно столько в среднем жил тридцатилетний мужчина сто лет назад [51]. Простые расчеты показывают, что падение продолжительности жизни на 6 лет вызывает дополнительно 20 смертей от убийств на 100 тысяч мужчин ежегодно. Таким образом, падение продолжительности жизни объясняет более половины роста убийств, так как смертность мужчин от убийств выросла на 35 на 100 тысяч, с 10 до 45 между 1965 и 2000 гг. Кроме продолжительности жизни, уровень образования населения также сокращает насилие. Возможное объяснение этого феномена состоит не только в том факте, что образованные люди более здоровы и дольше живут [52], но также менее агрессивны по отношению к другим людям, прежде всего, родным. Также образованные люди лучше могут лучше понимать долгосрочные последствия, вызываемые серьезным вредом от преступления для жертв. Они имеют более высокие издержки упущенных возможностей, т.е. то, что можно потерять в случае наказания за насилие.

Вторая гипотеза: о криминогенности экономической рецессии и высокой дифференциации в доходах. Переходный период, вместе с несправедливой ваучерной приватизацией государственной собственности, переместили Россию из ряда наиболее однородных стран в число стран с наиболее высоким социальным расслоением населения [53]. Сам процесс приватизации был тесно связан с высоким уровнем криминального насилия в стране. Так, в анализе было обнаружено, что уровень насилия был выше в регионах с лучшими показателями Лавровым малой доля приватизации. Индикатор малого реформ, бизнеса предложенный оказывает приватизированного положительное влияние на число убийств [54]. Так как большая часть малого и среднего бизнеса в России долгое время находилась под контролем криминальных групп, то индикатор экономических реформ может быть мерой потенциальных доходов в криминальной индустрии. Один из важных результатов касается отрицательного влияния роста доходов населения на любой вид преступления. Для имущественных преступлений это закономерно с точки зрения экономической теории, так как увеличиваются альтернативные, т.е. легальные возможности и доходы. Если насильственные преступления являются заменителями к имущественным, то они тоже сокращаются из-за роста стоимости насилия для преступника (например, из-за лучшей работы милиции или более высоких потерь преступника от наказания). Исследование не подтверждает значимого влияния уровня экономического развития и благосостояния населения: ни объем промышленного производства, ни уровень реальных доходов, скорректированный на цены, не оказывают значимого влияния. В то же время наш анализ демонстрирует, что Джини) – распространенный имущественное расслоение населения факт, подтверждаемый эмпирической порождает насилие (значимо положительный коэффициент при индексе литературой.

Третья гипотеза касается сдерживающего эффекта правоохранительной деятельности. С одной стороны гипотеза подтверждается, так как с учетом эндогенности рост раскрываемости преступлений снижает уровень преступности. Но в то же время мы находим подтверждение тому, что система уголовного наказания оказывает в долгосрочном плане противоположное влияние по сравнению с предназначенным. Так, анализ показывает, что большое количество мест пенитенциарной системы связано с высоким уровнем насилия в регионе, а именно, с причинениями вреда здоровью, изнасилованиями и грабежами. Это происходит в результате генерирования преступности внутри самой исправительной системы, например, когда молодые заключенные набираются криминального опыта за время своего заключения. Освобождаемые заключенные из-за неустроенности и отверженности обществом часто вынужденно остаются в близких к местам заключения поселениях и, не имея возможности адаптироваться к законопослушной жизни, вскоре попадают обратно за колючую проволоку. Эконометрический анализ демонстрирует, что конфликты ведут к насилию, т.е. четвертая гипотеза подтверждается. Согласно таблице 6 в приложении 3, рост индекса конфликтности и этнической поляризации увеличивают уровень любого вида насильственных преступлений из тех, что были нами изучены. Таблица показывает, что наиболее чувствительные к повышенному убийства, конфликту от и этнической убийств, поляризации – следующие здоровью. к насильственные преступления (в порядке уменьшения): изнасилования, смертность причинения не вреда Ненасильственные преступления статистически чувствительны конфликтам и этнической поляризации.

Глава 4. Эмпирические оценки модели преступности на международных данных. 4.1. Анализ международных обследований жертв.

В данном разделе будут использованы микро данные.

На индивидуальных данных для разных стран будет изучена связь риска стать жертвой преступления с индивидуальным благосостоянием, а также со средним доходом и неравенством в распределении доходов. При этом будут использованы разные аппроксимации для индивидуального дохода. Кроме этого, будет найдена зависимость риска стать жертвой от других индивидуальных характеристик.

4.1.1. Описание данных.

Pages:     || 2 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.