Информатизация криминологической деятельности. Теория и методология

где

– расчетные значения исходного ряда;

; у

– фактические значения исходного ряда; n – число наблюдений.

Так, за 2014 год органами внутренних дел рассмотрено 29,28 млн заявлений, сообщений о преступлениях, об административных правонарушениях, о происшествиях, что на 3,3 % больше, чем за 2013 год (без учета Крымского федерального округа); для сравнения:

в 2013 – 28,35 млн сообщений о происшествиях, что на 7,5 % больше, чем за 2012 г.;

в 2012 – 26,24 млн сообщений о происшествиях, что на 6,6 % больше, чем за 2011 г.;

в 2011 – 24,61 млн сообщений о происшествиях, что на 3,1 % больше, чем за 2010 г.;

в 2010-23,88 млн сообщений о происшествиях, что на 4,8 % больше, чем за 2009 г.;

в 2009 – 22,79 млн сообщений о происшествиях, что на 6,0 % больше, чем за 2008 г.;

в 2008-21,50 млн сообщений о происшествиях, что на 4,7 % больше, чем за 2007 г.;

в 2007 – 20,53 млн сообщений о происшествиях, что на 6,6 % больше, чем за 2006 г.

В 2015 году зарегистрировано 2352,1 тыс. преступлений, или на 8,6 % больше, чем за 2014 год; выявлено 1063,03 тыс. лиц, совершивших преступления (+6,3 %); рост регистрируемых преступлений отмечен в 75 субъектах РФ, снижение – в 8 субъектах Федерации; для сравнения:

Таблица 2

Динамика преступности в Российской Федерации

Классический метод наименьших квадратов предполагает равноценность исходной информации в модели. В реальной же практике будущее поведение процесса в значительно большей степени определяется поздними наблюдениями, чем ранними (табл. 2).

Это обстоятельство породило так называемое дисконтирование, то есть уменьшение ценности более ранней информации. Его можно учесть путем введения в модель тренда некоторых весов р

< 1. Тогда

Весовые коэффициенты могут задаваться заранее в числовой форме или в виде функциональной зависимости таким образом, чтобы по мере продвижения в прошлое веса убывали, например р

= а

, где а < 1. К сожалению, формальных процедур выбора параметра не разработано, и он выбирается произвольно.

Метод наименьших квадратов широко применяется для получения конкретных прогнозов, что объясняется его простотой и легкостью реализации на компьютере. Он был использован при разработке количественного прогноза для обоснования показателей перспективных планов МВД, УВД. Недостаток метода состоит в том, что с его помощью можно получить надежный прогноз на небольшой период упреждения. Поэтому он относится главным образом к методам краткосрочного прогнозирования. Кроме того, существенной трудностью его является правильный выбор вида модели, а также обоснование и выбор весов во взвешенном методе наименьших квадратов.

Для реализации среднесрочных прогнозов наибольшее применение нашел метод экспоненциального сглаживания, который является обобщением метода наименьших квадратов.

Для того чтобы упростить оценку параметров зависимостей методом наименьших квадратов, предлагаем воспользоваться более эффективным методом графической оценки линейной регрессии для равноудаленных наблюдений

.

Равноудаленными наблюдениями для криминолога могут послужить, например, годовые показатели уровня преступности за пятилетний период или ежемесячные данные по конкретному виду преступлений в течение определенного числа месяцев текущего года.

Эффективный метод: ГРАФИЧЕСКАЯ (ЩЕНКА ЛИНЕЙНОЙ РЕГРЕССИИ ДЛЯ РЯДА РАВНОУДАЛЕННЫХ НАБЛЮДЕНИЙ

1. Нанесем N наблюдений (уровни преступности по годам за конкретный период) на график и обозначим точки через Р

, Р

,…, р

. Допустим, что интервал между ними равен h.

2. Построим ряд ординат Q

, Q

, …, Q

на расстоянии 2/3 h, при этом Q

проходит через Р

.

3. Обозначим точку пересечения отрезка P

P

с ординатой Q

через A

, точку пересечения A

Р

и Q

через а

, …, точку пересечения A

P

и Q

через A

.