Analiza gradului de infracționalitate în Uniunea Europeană

Introducere

Studierea lumii inconjuratoare din punct de vedere biologic, social, fizic, economic s.a. presupune, de cele mai multe ori, studierea comportarii intr-un mediu precizat a unor obiecte sau indivizi ai unei populatii, observand asupra acestora anumite caracteristici.Cu cat observam simultan mai multe asemenea caracteristici, cu atat putem cunoaste mai bine comportamentul populatiei si putem face previziuni asupra comportarii sale in viitor.

Analiza datelor nu impune restrictii asupra numarului de caracteristici observate si, in general, nici nu cere respectarea unor anume legi de repartitie.

Imi voi indrepta atentia catre o latura negativa a dezvoltarii societatii, si anume factorii care duc la manifestarea actelor de infractionalitate, luand in calcul 29 de variabile – tari alese aleator de pe teritoriul Europei, raportate la 7 caracteristici considerate esentiale in aceasta analiza.

Dificultatea clasificarii factorilor criminogeni rezulta atat din variabilitatea acestora cat si din faptul ca fenomenul infractional este un rezultat al actiunii lor conjugate.Cuantificarea precisa a rolului fiecaruia reprezinta aproape o imposibilitate stiintifica.Din acest motiv, abordarea individuala a factorilor criminogeni - in general, in literatura de specialitate – trebuie inteleasa in sensul pedagogic al acesteia, scopul fiind acela de a releva corelatiile existente intre o variabila sau o grupa de variabile si criminalitate.

Chiar si in aceasta viziune, dificultatile de clasificare si interpretare raman.

In acest studiu de caz, voi evalua rolul factorilor sociali, economici, al numarului de ofiteri de politie repartizati zonal, precum si cel al asistentei medicale oferite populatiei, alaturi de alti factori cauzali ce ar putea explica dinamica criminalitatii.

A. Analiza componentelor principale (Principal Component Analysis – PCA)

Aceasta tehnica are ca scop reducerea numarului de coloane, astfel a numarului de variabile ale matricei de date cat mai mult posibil: 2 sau 3.In loc de p variabile corelate intre ele – doresc sa am doar 2 sau 3 variabile noi pe care le numesc componente.Acestea exprima atribute noi ale indivizilor si sunt construite in asa fel incat sa fie necorelate intre ele, fiecare dintre aceste noi variabile fiind o combinatie liniara de variabilele originale.

Scopul PCA este de a extrage cel mai mic numar de componente care sa recupereze cat mai mult din informatia totala continuta in datele originale.

Voi lua matricea X(nxp) ce reprezinta n indivizi asupra carora s-au masurat p variabile.Matricea X o putem privi fie linie cu linie exprimand informatii despre cei n indivizi, fie coloana cu coloana exprimand informatii despre cele p variabile.

Prin urmare:

(2) oricarui individ i ii corespunde in matricea X o linie, adica un vecor cu p elemente, care va fi scris: Li=(xi1,xi2,…,xip) є Rp;

(1) oricarei variabile j ii corescpunde in matricea X o coloana cu n elemente, care va fi notata: Cj=(X1j,X2j,…Xnj)T є Rn.

In tabelul de mai jos (Fig 1) sunt sintetizate datele necesare efectuarii analizei in componente principale.Pe linii am reprezentat indivizii, adica tarile iar pe coloane variabilele continue - 7 caracteristici de tip numeric.

TARI CRIM CRIM_PLCE CRIM_PRIS POP VEN_NET INDIC_SAN SOM

Cehia 357391 44101 19110 10334160 6083.95 63.2 2.8

Danemarca 445271 10620 3646 5461438 23345.06 67.4 0.6

Germania 6284661 250353 73319 82266372 25704.96 58.4 4.7

Spania 50375 214935 67100 44878945 14135 62.9 1.7

Italia 423422 106728 48693 59375289 15843.26 62 2.9

Cipru 2309859 5139 671 783977 11871.93 62.7 0.7

Lituania 7557 11173 7770 3375618 4155.1 57.7 1.4

Luxemburg 55620 1519 666 479993 25820.97 64.6 1.2

Ungaria 67990 26334 14743 10055780 5759.47 57.6 3.4

Malta 28252 5139 382 409050 8354.51 70.8 2.7

Olanda 426914 35923 14450 16381696 22665.19 63.7 1.3

Austria 15005 26623 8887 8300788 24304.41 61.1 1.2

Polonia 1214503 98337 90199 38120560 4935.11 61.3 4.9

Portugalia 594240 51779 11587 10608335 9703.13 57.3 3.8

Romania 1152993 45391 29390 21546873 307.58 62.4 3.2

Islanda 13038 683 115 317414 23118.71 71.7 0.2

Slovacia 281457 14134 8235 5397318 4561.58 55.9 8.3

Finlanda 88197 8156 3370 5288720 21598.67 58 1.6

Suedia 110802 17866 6740 9148092 24151.37 66.6 0.8

Irlanda 1306324 6140 1484 4356931 16999.78 65.3 1.4

Letonia 55620 8222 6548 2276100 4151.11 53.7 1.6

Turcia 75857 329533 90732 70137756 5630.92 58 2.2

Liechtenstein 962754 93 38 35262 24151.37 54 3.2

Norvegia 13038 7453 3420 4709153 29603.92 66 0.5

Elvetia 1075 16808 5715 7551117 24844.92 71.7 3.2

Estonia 50375 3247 3486 1341672 5794.57 54.6 2.3

Belgia 1002552 38718 9950 10625700 23771.61 63.7 3.8

Fig 1.1 Date privind variabilele si caracteristicile folosite in analiza

Primele 3 variabile luate in considerare sunt strict legate de infractionalitate si anume:

CRIM=crimele inregistrate de politie incluzand abateri de la codul penal sau criminal.

Delictele mai putin grave sunt in general excluse

CRIM_PLCE=numarul de ofiteri de politie include toate gradele antrenate in protectia civililor

CRIM_PRIS=Populatia condamnata –numarul total de detinuti adulti si minori

POP=Populatia medie in functie de sex si 4 categorii de varsta

INDIC_SAN=Indicatori structurali ai sanatatii

SOM=Somaj pe termen lung-Medii anuale dupa grupe de sex(%)

VEN_NET=Venituri anuale nete

Prima constatare in debutul analizei este ca toate caracteristicile urmarite sunt variabile continue, scara lor de masura fiind usor de identificat.Prin urmare, intr-o prima analiza putem calcula – pentru fiecare dintre aceste variabile – indicatorii de centrare si de imprastiere, cum ar fi media, valoarea minima si valoarea maxima, precum si abaterea standard.

Remarcam faptul ca elementele matricei de date initiale ar necesita o standardizare, deoarece abaterile standard ale celor sapte variabile sunt destul de diferite.

Tinand cont de faptul ca cele 7 caracteristici analizate sunt variabile continue, putem calcula pe baza lor principalii indicatori de centrare si imprastiere.