PRZESTRZENNE ZRÓŻNICOWANIE, STRUKTURA I DYNAMIKA PRZESTĘPCZOŚCI W POLSCE

• Authors: Kądziołka Kinga

Title variants

EN

SPATIAL DIVERSITY, STRUCTURE AND DYNAMIC OF CRIME RATE IN POLAND

• Languages of publication: PL EN

Abstracts

PL

W artykule analizowano przestrzenne zróżnicowanie, strukturę i dynamikę przestępczości stwierdzonej w Polsce. Stwierdzono utrzymywanie się przestrzennego zróżnicowania natężenia przestępstw stwierdzonych na poziomie województw. Do identyfikacji grup województw podobnych pod względem struktury przestępczości stwierdzonej i dynamiki natężenia przestępstw wykorzystano hierarchiczne metody grupowania danych. W przypadku identyfikacji grup obszarów podobnych pod względem struktury przestępczości stwierdzonej zaproponowano zdefiniowanie odległości (tutaj niepodobieństwa obszarów) z wykorzystaniem wskaźnika podobieństwa struktur.

EN

The aim of this article was to analyze crime rate in Poland in spatial and temporal terms. There was analysed spatial variation, structure and dynamic of crime rate in Poland. To identify similar areas in terms of structure and dynamic of crime rate there were used hierarchical clustering methods. There was proposed dissimilarity measure between areas based on structure’s similarity coefficient in the case of identify voivodeships characterized by similar structure of recorded crime.

Keywords

PL

przestępczość; struktura przestępczości; dynamika przestępczości; grupowanie hierarchiczne

EN

crime rate; structure of crime; dynamic of crime rate; hierarchical clustering

• Publisher: Sopocka Akademia Nauk Stosowanych
• Journal: Przestrzeń, Ekonomia, Społeczeństwo
• Year: 2015
• Issue: 8/II
• Pages: 223-235

Dates

published

2015

Contributors

author

Kądziołka Kinga

• Prokuratura Okręgowa w Katowicach

References

• Błachut J., Gaberle A., Krajewski K., Kryminologia, InfoTrade, Gdańsk 2001.
• Błachut J., Problemy związane z pomiarem przestępczości, Wolters Kluwer, 2007.
• Borisov A., Grabusts P., Clustering methodology for time series mining, „Information Technology and Management Science” Scientific Journal of Riga Technical University, 2009.
• Florczak, W., Co wywołuje przestępczość i jak ją ograniczać? Wielowymiarowa analiza makroekonomiczna, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2013.
• Hołyst B., Kryminologia, Wydawnictwo Prawnicze LexisNexis, Warszawa 2001.
• Iglesias F., Kastner W., Analysis of Similarity Measures in Times Series Clustering for the Discovery of Building Energy Patterns, „Energies”, 6(2), 2013.
• Kądziołka K., Determinanty przestępczości w Polsce. Aspekt ekonomiczno – społeczny w ujęciu modelowania ekonometrycznego, niepublikowana rozprawa doktorska, Uniwersytet Ekonomiczny w Katowicach, 2015.
• Liao T. E., Clustering of time series data - a survey, „Pattern Recognition”, 38(11), 2005.
• Sangetta R., Sikka G., Recent Techniques of Clustering of Time Series Data: A Survey, „International Journal of Computer Applications”, 52(15), 2012.
• Sobczyk M., Statystyka opisowa, Wydawnictwo C.H. Beck, Warszawa 2010.
• Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 3. Analizy wielowymiarowe, Kraków 2007.
• Szczepaniec M., Teoria ekonomiczna w prawie karnym, Wydawnictwo Uniwersytetu Kardynała Wyszyńskiego, Warszawa 2012.
• GUS (Bank Danych Lokalnych), http://stat.gov.pl/bdl/app/strona. html?p_name=indeks, [dostęp dnia 23.01.2016].