Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

PL EN


2016 | 45 | 53-81

Article title

Determinanty przestępczości w Polsce. Analiza zależności z wykorzystaniem drzew regresyjnych

Content

Title variants

EN
Determinants of crime rate in Poland. Analysis using regression trees

Languages of publication

PL

Abstracts

PL
Celem artykułu była identyfikacja zależności między przestępczością a wybranymi charakterystykami powiatów w 2014 roku z wykorzystaniem drzew regresyjnych. Do wygenerowania drzewa wykorzystana została nieobciążona metoda rekurencyjnego podziału. W trakcie kolejnych podziałów przestrzeni zmiennych istotne okazały się następujące czynniki objaśniające natężenie przestępstw stwierdzonych ogółem: wskaźnik urbanizacji, odsetek gospodarstw jednoosobowych, natężenie przestępstw stwierdzonych w powiatach sąsiednich, współczynnik rozwodów oraz udzielone noclegi w przeliczeniu na 1000 ludności. Do identyfikacji zależności między wybranymi charakterystykami obszarów a przestępczością wykorzystano również las losowy zbudowany z wielu drzew regresyjnych. Uzyskane dla lasów losowych rankingi ważności predyktorów ujawniły szczególnie silny związek między przestępczością a urbanizacją.
The aim of this article is to identify relationships between crime rate and some socio-economic, demographic and environmental factors in the poviats of Poland. There were analysed cross – sectional data using regression tree. The following factors were found to significantly explain the intensity of crime rate: urbanisation, percentage of single-person households, provided accommodation per 1000 population, divorce’s coefficient and the intensity of crime in the neighboring areas. Then the random forest was used to improve prediction’s accuracy and generate rank of variable importance.

Year

Issue

45

Pages

53-81

Physical description

Dates

published
2016

Contributors

  • Prokuratura Okręgowa w Katowicach

References

  • Arbia, Giuseppe i Myriam Tabasso. 2013. Spatial econometric modeling of mas- sive datasets: The contribution of data mining. https://ideas.repec.org/p/wiw/ wiwrsa/ersa13p1004.html (dostęp: 05.10.2015).
  • Arendt, Łukasz i Elżbieta Kryńska. 2011. Rynek pracy i kierunki wzrostu aktywno- ści zawodowej ludności na obszarze zachodnich województw Polski w kontek- ście prowadzonej polityki regionalnej. http://polskazachodnia2020.pl/eksperty- zy.html (dostęp: 02.06.2013)
  • Becker, Gary S. 1968. „Crime and punishment: an economic approach”. Journal of Political Economy 76 (2): 169−217.
  • Besci, Zsolt. 1999. „Economics and crime in the States”. Economic Review 84 (1): 38−56, http://www.frbatlanta.org/filelegacydocs/zbecsi.pdf (dostęp: 28.12.2012).
  • Bieniek, Piotr, Stanisław Cichocki i Maria Szczepaniec. 2012. „Czynniki ekono- miczne a poziom przestępczości – badanie ekonometryczne”. Zeszyty Prawni- cze 12 (1): 147−172.
  • Bobrowska, Agnieszka i Aleksandra Piasecka. 2002. „Bezrobocie a przestępczość w Polsce – próba określenia związku przyczynowo – skutkowego tych zjawisk”. W: Demograficzne i społeczne aspekty rozwoju miast, red. Janusz Słod- czyk, 231−239. Opole: Wydawnictwo Uniwersytetu Opolskiego
  • Bogacka, Emilia. 2009. „Poziom i czynniki przestępczości w układzie regionalnym Polski”. Biuletyn Instytutu Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej UAM Seria Rozwój Regionalny i Polityka Regionalna 8: 33−43.
  • Bogacka, Emilia. 2012. Struktura przestrzenna i czynniki przestępczości na obszarze nadgranicznym Polski z Niemcami. Studia i Prace Geografii i Geologii 25. Poznań: Bogucki Wydawnictwo Naukowe.
  • Bułat, Kamil, Paweł Czarniak, Anna Gorzelak, Krzysztof Grabowski, Magdalena Czub, Mikołaj Iwański, Przemysław Jakubek, Jan Jodłowski, Milena Małek, Sylwia Młodawska-Mąsior, Alicja Pieprz i Maria Stożek. 2007. Kryminologia. Warszawa: Oficyna a Wolters Kluwer Business.
  • Cherian, John i Mitchell Dawson. 2015. RoboCop: Crime Classification and Prediction in San Francisco. www.cs229.stanford.edu/proj2015/254_report.pdf (dostęp: 23.03.2016).
  • Cohen, Lawrence E. i Marcus Felson. 1979. „Social change and crime trends: a routine activity approach”. American Sociological Review 44 (4): 588−608.
  • Cracolici, Maria F. i Teodora E. Uberti. 2008. „Geographical Distribution of Crime in Italian Provinces: A Spatial Econometric Analysis”. Social Science Research Network Electronic Paper Collection. http://ssrn.com/abstract=1105082 (dostęp: 02.02.2014).
  • Ehrlich, Isaak. 1973. „Participation in illegitimate activities: a theoretical and empirical investigation”. The Journal of Political Economy 81 (3): 521−565.
  • Entorf, Horst i Hannest Spengler. 2000. „Socioeconomic and demographic factors of crime in Germany. Evidence from panel data of the German states”. International Review of Law and Economics 20 (1): 75−106.
  • Falcone, Marianna i Rosetta Lombardo. 2011. Crime and Economic Performance. A Cluster Analysis of Panel Data on Italy’s Nuts 3 Regions. Working Paper no. 12– 2011. Università della Calabria. www.ecostat.unical.it/RePEc/WorkingPapers/WP12_2011.pdf (dostęp: 05.03.2016)
  • Florczak, Waldemar. 2013. Co wywołuje przestępczość i jak ją ograniczać? Wielowymiarowa analiza makroekonomiczna. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
  • Frieske, Kazimierz. 2007. „Przestępczość w Polsce na przełomie stuleci. Stereotypy i realia”. W: Wymiary życia społecznego. Polska na przełomie XX i XXI wieku, red. Mirosława Marody, 212−240. Warszawa: Wydawnictwo Naukowe SCHOLAR.
  • Gatnar, Eugeniusz. 2001. Nieparametryczna metoda dyskryminacji i regresji. Warszawa: Wydawnictwo Naukowe PWN.
  • Gatnar, Eugeniusz. 2008. Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji. Warszawa: Wydawnictwo Naukowe PWN.
  • Gorr, Wilpen, Andreas Olligschlaeger i Yvonne Thompson. 2003. „Short-term forecasting of crime”. International Journal of Forecasting 19: 579−594.
  • Groves, W. Byron i Robert J. Sampson. 1989. „Community structure and crime: testing social-disorganization theory”. The American Journal of Sociology 94 (4): 774−802.
  • Han, Lu. 2009. Economic Analyses of Crime in England and Wales. University of Birmingham Research Archive e-theses repository. http://etheses.bham. ac.uk/584/ (dostęp: 05.03.2016)
  • Hołyst, Brunon. 2001. Kryminologia. Warszawa: Wydawnictwo Prawnicze Lexis-Nexis.
  • Hothorn Torsten, Kurt Hornik i Achim Zeileis. 2006. „Unbiased recursive par- titioning: A conditional inference framework”. Journal of Computational and Graphical Statistics, 15 (3): 651−674.
  • Jefmański, Bartłomiej i Marta Kusterka-Jefmańska. 2012. „Determinanty satysfakcji klientów z usług jednostek administracji publicznej – na przykładzie urzędu miasta w Dzierżoniowie”. W: Orientacja na wyniki we współczesnej gospodarce, red. Tadeusz Borys i Piotr Rogala, 208−212. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 265. Wrocław: Uniwersytet Ekonomiczny we Wrocławiu.
  • Kądziołka, Kinga. 2013. „Przestrzenne zróżnicowanie poziomu przestępczości w Polsce”. W: Problemy społeczno-ekonomiczne w uwarunkowaniach ryzyka i statystycznej nieokreśloności: metody i modele w rozwoju regionów, red. Włodzimierz Szkutnik, 101−114. Katowice: Wydawnictwo Uniwersytetu Eko- nomicznego w Katowicach.
  • Kądziołka, Kinga. 2014a. „Wpływ wybranych czynników na rozmiarprzestępczości stwierdzonej w Polsce”. W: Problemy społeczno-ekonomiczne w relacjach międzynarodowych. Analiza modelowa rozwoju regionów, red. Włodzimierz Szkutnik, 46−63. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
  • Kądziołka, Kinga. 2014b. „Modele ekonomiczne w analizie zjawiska przestępczości”. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach 206 (14): 46−60.
  • Kądziołka, Kinga. 2014c. „Identyfikacja skupień obszarów wysokiej przestępczości z wykorzystaniem statystyki przestrzennej”. W: Rola informatyki w na- ukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, 2/2014, red. Zbigniew E. Zieliński, 110−121. Kielce: Wydawnictwo Wyższej Szkoły Handlowej.
  • Kądziołka, Kinga. 2015a. Determinanty przestępczości w Polsce. Aspekt ekonomiczno-społeczny w ujęciu modelowania ekonometrycznego. Niepublikowana rozprawa doktorska. Uniwersytet Ekonomiczny w Katowicach.
  • Kądziołka, Kinga. 2015b. „Analiza czynników wpływających na przestrzenne zróżnicowanie przestępczości w Polsce na poziomie podregionów”. Współ- czesna Gospodarka 6 (3): 43−52. www.wspolczesnagospodarka.pl (dostęp: 05.10.2015).
  • Kądziołka, Kinga. 2015c. „Sytuacja społeczno-ekonomiczna mieszkańców a przestępczość w Polsce”. W: Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, 1/2015, red. Zbigniew E. Zieliński, 83−92. Kielce: Wydawnictwo Wyższej Szkoły Handlowej.
  • Kądziołka, Kinga. 2015d. „Bezrobocie, ubóstwo i przestępczość w Polsce. Anali- za zależności na poziomie województw”. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach 242: 71−84.
  • Kądziołka, Kinga. 2016. „Przestrzenno-czasowa analiza zjawiska przestępczości w województwie śląskim”. Kwartalnik Prawo − Społeczeństwo – Ekonomia 1: 81−95.
  • Kiersztyn, Anna. 2008. Czy bieda czyni złodzieja? Związki między bezrobociem, ubóstwem a przestępczością. Warszawa: Wydawnictwa Uniwersytetu Warszawskiego.
  • Kopczewska, Katarzyna. 2011. Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN. Warszawa: CeDeWu.
  • Lauridsen, Jørgen. 2010. „Is Polish crime economically rational?”. The Journal of Regional Analysis & Policy 40 (2): 125−131.
  • Lauridsen, T. Jørgen, Fatma Zeren i Ayşe Ari. 2013. „A spatial panel data analysis of crime rates in EU”. Discussion Papers on Business and Economics no 2.
  • Liaw, Andy i Matthew Wiener. 2002. „Classification and regression by random-forest”. R News 2 (3): 18−22. http://CRAN.R-project.org/doc/Rnews (dostęp31.07.2015)
  • Meyer, Jona i Sanjeev Sridharan. 2005. Exploratory Spatial Data Approach to Iden- tify the Context of Unemployment − Crime Linkages in Virginia, 1995−2000. https://www.ncjrs.gov/ pdffiles1/nij/grants/208937.pdf (dostęp: 05.08.2013).
  • Mielecka-Kubień, Zofia. 2013. „Migracje wojewódzkie na pobyt stały w woje- wództwie śląskim w 2010 roku w świetle praw migracji E.G. Ravensteina”. W: Perspektywy rozwoju GórnegoŚląska. Analiza ekonometryczno-statystyczna, red. Andrzej S. Barczak, 24−40. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
  • Mordwa, Stanisław. 2011. „Kradzieże w przestrzeni Łodzi”. Acta Universitatis Lodziensis Folia Geographica Socio-Oeconomica 11: 1−20.
  • Rozmus, Dorota. 2009. „Nieobciążona metoda rekurencyjnego podziału”. W: Zastosowania ekonometrii, red. Andrzej S. Barczak, 137−146. Katowice: Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach.
  • Shaw, Clifford i Henry D. McKay. 1942. Juvenile Delinquency and Urban Areas. Chicago: University of Chicago Press.
  • Sypion-Dutkowska, Natalia. 2014. Uwarunkowania przestrzenne przestępczości w wielkim mieście w ujęciu GIS (na przykładzie Szczecina). Warszawa: Polska Akademia Nauk Komitet Przestrzennego Zagospodarowania Kraju.
  • Szczepaniec, Maria. 2012. Teoria ekonomiczna w prawie karnym. Warszawa: Wydawnictwo Uniwersytetu Kardynała Stefana Wyszyńskiego.
  • Sztaudynger, Jan J. i Marcin Sztaudynger. 2003. „Ekonometryczne modele przestępczości”. Ruch Prawniczy, Ekonomiczny i Socjologiczny 3: 127−143.
  • Szymanowski, Teodor. 2012. Recydywa w Polsce: zagadnienia prawa karnego, kryminologii i polityki karnej. Warszawa: Wolters Kluwer Polska.
  • Trzęsiok, Joanna. 2015. „O odporności na obserwacje odstające wybranych nieparametrycznych metod regresji”. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach 227: 75−84.
  • Woźniakowska, Dagmara. 2006. Skazani i byli skazani na rynku pracy – ocena problemu z punktu widzenia organizacji pozarządowych. Fundacja Inicjatyw Społeczno-Ekonomicznych. http://www.fise.org.pl/files/1bezrobocie.org.pl/public/ Raporty/DWozniakowska_raport_dot_wiezniow.pdf (dostęp: 25.01.2014).
  • Strona internetowa Centralnego Zarządu Służby Więziennej: http://sw.gov.pl/pl/o-sluzbie-wieziennej/statystyka/statystyka-roczna/(dostęp: 03.10.2015).
  • Strona internetowa Głównego Urzędu Statystycznego (Bank Danych Lokalnych): http://stat.gov.pl/bdl/app/strona.html? p_name=indeks (dostęp: 05.12.2015).

Document Type

Publication order reference

Identifiers

YADDA identifier

bwmeta1.element.desklight-9400c93f-0183-4ed1-bc80-b9932dd47a7d
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.