Elements of Multivariation Analysis of Crime on Scarce Meetings

Dejan Jeremić | Ratomir Antonović | Slobodan Stanojević | Tomislav Radović
Submission received: 10 June 2017 / Accepted: 30 June 2017

Abstract

Crime represents a harmful occurrence that is specific for each culture and socioeconomic formation. Due to this it is no surprise that there is an interst for crime in different areas of social sciences and life. Since crime is a burning topic of numerious scientific and expert analyses or researches, it can be concluded that it is an old mutual problem of all countries, old and new ones. It doesn’t depend only on the sociopolitical order, but economic development and characteristical social factors and circumstances that exist in respective countries as well.

Suprisingly large diversity of causes and circumstances that lead to the occurrence of crime demands a different approach to its research. It is possible and consists of the application of multivariate analysis, since it allows for many different ways of observing crime and taking more efficient actions aimed at its prevention and enabling of normal functioning and development of state and society.

Article

Uvod

Bazični pojam kojim se u metodologiji služimo svakao je metod. U nauci, metodom se označava ukupnost teoretskih spoznaja i tehničkih postupaka koje, u cilju omogućavanja novih saznanja, koristimo pri istraživanju predmeta. Pri tome gradivni elementi metoda jesu logika, u našem slučaju „logika kriminološkog istraživanja“, kao prvi i tehnika, koja se koristi u postupku istraživanja i obrade podataka, kao drugi element. Izvorišni pojam metoda opredeljuje definiciju metodologije, kao:„dela logike koji se bavi proučavanjem saznajnih metoda, odn. opisom različitih postupaka i izučavanjem njihove zasnovanosti, dometa i vrednosti“ (Ignjatović, 2009). Ova je metodološki gledano povratna sprega između realnosti, ideja i teorija, odnosno ljudskog znanja i realnosti. Da bi čovek došao do određenih naučnih saznanja potrebni su postupci, koji se odnose na potpunije upoznavanje predmeta proučavanja, odnosno potrebna su mu naučna istraživanja.

Naučna istraživanja su upravo zbog poptunijeg upoznavanja sa predmetom istraživanja, utvrđivanjem uzročnih veza, postavljanjem naučnih zakona u oblasti kriminaliteta bazirana na eksplikativnim istraživanjima, i to: deskriptivnim, prediktivnim, eksplorativnim, panel istraživanjima, i metodološkim proverama.

Predmet našeg istraživanja jesu atributi iz domena “kriminalnog fenomena”, i to: zločin kao pojedinačno kriminalno ponašanje (činjenje ili nečinjenje) i kriminalitet. Kriminalitet je, pre svega, kompleksna pojava koja je izazvana raznim kriminogenim uticajima međusobno povezanim i uslovljenim (Milutinović, 1988; Ignjatović, 1996; Konstantinović-Vilić, Nikolić- Ristanović, 2003). Kriminalitet posmatramo kao primarni – vršenje kažnjivog dela (ili pojavljivanje pred organima formalne socijalne kontrole i sekundarni ili kriminalitet kao ukupnost svih zločina u određenom vremenu i prostoru. Učinilac dela je lice koje je preduzelo aktivnost koja se smatra kriminalnom. Žrtva zločina je osoba, organizacija ili pravni poredak koji su ugroženi, povređeni ili uništeni krivičnim delom. Reakcija sredine na kriminalno ponašanje ispolјava se u dva oblika: kao neformalna socijalna kontrola (neformalna reakcija npr. savet, podsmeh, kritika, ubedivanje) i formalna socijalna kontrola (formalna reakcija), što je oznaka za delatnost zvaničnih organa krivičnog progona koji zakonske norme stvaraju (određuju koja ponašanja zabranjena i kojim sankcijama zaprećena), tumače i primenjuju. Savremene tendencije u odnosu društva prema kriminalitetu prevazilaze ranije pojmove kao što su suprotstavlјanje, sprečavanje i suzbijanje kriminaliteta.Teorijska razmišlјanja i trendovi u praksi društvenog reagovanja na kriminalitet ukazuju na činjenicu da se u savremenom društvu, kriminalitet mnogo više kontroliše, nego što se sprečava i suzbija (Soković, 2011). Stoga i istraživanja i analize kriminaliteta trebaju da budu u funkciji njegove kontrole. Dakle, kontrola kriminaliteta, podrazumeva sve što obuhvata sprečavanje i suzbijanje kriminaliteta, odnosno preventivne i represivne aktivnosti, ali i nešto više od toga, što je pre svega izazvano globalizacijom društva, odnosno slablјenjem uloge nacionalnih država u mnogim oblastima društvenog života.

Specifičnost istraživanja u domenu kriminaliteta supsimira opšte elemente istraživačkog procesa koji se odnose na: originalnost, teorijske osnove, sistematičnost, etičnost, i mogućnost generalizacije donetih zaklјučaka. Ono što istraživanja u ovom domenu čini specifičnim jeste da se ona bave pojavama kriminaliteta, koje su po svojoj prirodi multidimenzionalne. U ovim istraživanjima upotreblјavaju se znanja i postupci iz srodnih akademskih disciplina kao što su pravo, sociologija, antropologija, psihologija, ekonomija, geografija i niz drugih.

Istraživački postupak u kriminologiji u velikoj meri zavisi od prirode podataka kojima se u tom procesu operiše. Istraživači u ovoj oblasti raspolažu sa dve vrste podataka, i to: kvalitativnim i kvantitativnim. Kvalitativni podaci dobijaju se iz opažanja lјudi, posmatranja stvari i događaja, verbalne deskripcije od strane samih učesnika, upoznavanja biografije učinilaca krivičnih dela, kao i analize specifičnih izvora podataka kakvi su npr. dnevnici ili pisma kriminalaca, dok kvantitativni podaci jesu statističke prirode.

Sami statistički pokazatelјi ne moraju biti isklјučivo u brojkama već mogu da budu i u opisnim kategorijama: dobro, srednje, nije dobro, procečno, ispod prosečno i sl.

Upravo statistički podaci kombinovani sa kvalitativnim su osnova za naše implicitno istraživanje kriminaliteta koje se zasniva na metodama pronalaženja skrivenog znanja, kao jednog interativnog procesa, bez unapred opredelјenih pojmova o tome šta će konstituisati rezultate istraživanja. Primena ovih implicitnih metoda i tehnika u slučaju statističkih podataka (sa deksriptivnim atributima) kriminalnih aktivnosti jeste plodna oblast.

Ukratko, cilј naših istraživanja jeste da se identifikuju implicitna znanja iz podataka, koja nisu

„vidlјiva“ iz statističkih pokazatelјa putem drugih metoda. Metode otkrivanja implicitnih znanja pripadaju korpusu mašinskog učenja, koje je osnova za njihovu primenu. U narednom delu rada bliže ćemo objasniti pojam mašinskog učenja.

Metodologija istraživanja zasnovana na mašinskom učenju

Mašinsko učenje je oblast veštačke inteligencije (Artificial Intelligence) koja se odnosi na razvoj algoritama i tehnika kompjuterskog učenja. Mašinsko učenje podrazumeva dva tipa učenja: induktivno i deduktivno. Predmet naše primene jeste metoda induktivnog mašinskog učenja putem izvlačenja pravila i obrazaca ponašanja iz skupova podataka, ili otkrivanja implicitnih znanja u bazama podataka (data mining).

Podaci

U okviru našeg istraživanja preuzeti su statistički podaci javno publikovani iz izveštaja o kriminalitetu FBI i ostalih vladinih agencije za 47 država SAD (Vandaele, 1978). Korišćeni su i podaci, koji su dostupni kroz sredstva javnog informisanja i izveštaja policijskih službi javnog karaktera za teritoriju Republike Srbije, za period počev od 1999. do 2005.

Shodno svim raspoloživim podacima, koji se odnose na kriminalitet u oblasti zaplene droga u Republici Srbiji, izvršena je sublimacija kroz napred datu tabelukoja se odnosi na pomenuti period, kako sledi:

Tabela 1. Broj zaplena po vrstama droge

Uobičana istraživački pristup nalaže da se naprave predpostavke o datim podacim. Nasuprot tome primenom Data Mining (implicitnih znalјa) možemo da dođemo do skrivenih varijabli koje dominantno utiču na broj zaplene ili njihova kombinacija, što bi bio osnov za postavlјanje pravih hipoteza. Iako se radi o oskudnim podacima svega nekoliko godina i za dominantne vrste narkotika, Data Mining je u stanju da asignira suštinske uzročnike dominacije narkotika ili njihove kombinacije na broj zapelan, ili njihove grzpacije na faktore, koji su dominantni u konzumaciji (faktorska analiza).

Metodima implicitnog znanja razmotreno je osnovno pitanje: da li se mogu utvrditi skriveni uzroci broj zaplene po vrstama droge koji nisu iz podataka vidlјivi?

Varijable

Izbor varijabli (Nakache, Confais, 2005) je određen shodno izvorima i zasniva sa na analizi i u svrhu pozicioniranja u odnosu na pitanje koliko utiču varijable merene u studiji na broj zaplena.

Vrsta droge:

Heroin

Kokain

Hašiš

Marihuna

Ekstazi

Zavisna varijabla : Broj zaplena

 

Upotreblјeni metodi

Analitičko – deduktivna metoda bi, u procesu istraživanja, omogućila podrobniju analizu dostupnih informacija, verifikovanih i neverifikovanih izvora informacija i to na prvom mestu o organizovanom kriminalu, kao sve češćem obliku kriminaliteta, ali i o efikasnosti u primeni i realizaciji zakonskih normi, koje se odnosne na predmetnu oblast i informaciju o generalnoj sigurnosnoj situaciji zemlјe u kojoj je ovo istraživanje sprovodi. Iz izvedenih zaklјučaka se potom mogu uspostavlјati temelјi reforme sigurnosnog sistema date države,reforme zakonskih i podzakonskih propisa, u cilјu njihovog osavremenjivanja, prilagođavanja novim tendencijama u sektoru odbrane od kriminaliteta i uspostavlјanju efikasnijih mehanizama u njihovoj primeni i naposletku, kako je svakom zakonodavstvu interes uspostavlјanje jakih preventivnih mehanizama, kroz ovu metodu istraživanja se može utvrditi način najefikasnijeg usklađivanja zakonskih i podzakonskih okvira sa postojećim saznanjima i pojavnim oblicima organizovanog kriminala (Vuković, 2016).

Primena metoda i tehnika Data Mining

U našem prilogu primenićemo tri tehnike faktorske analize varimaks metodom i faktorskom rotacijom koja izvlaći klјučne faktore izmedđu konzumiranih droga u smislu pravlјenja hijerarhije na dominatne i nedominatne faktore.

Faktorska analiza

Većinu statističkih ispitivanja u oblasti kriminaliteta inherentno prate određene poteškoće. Razlog tome je što postoje vrlo skromni kvalitativni podaci, odnosno vrlo neprecizne i široke informacije o kriminalitetu u nas. Postoje određeni statistički pokazatelјi na osnovu kojih su definisane hipoteze, kao i pretpostavke o postojanju relevantnih varijabli i međurelacija varijabli, širih kriminalinih fenomena. Kao implikacija ovoga dešavalo se da istraživači u naporima da definišu varijable koje su relevantne za istraživanje često "promaše" definiciju prave prirode varijabli koje su im baza za dalјa istraživanja.

Ozbilјna bolest pri definisanju varijabli u domenu analize kriminaliteta je naime, nestudioznost tj. primitivan način određivanja varijabli koje su najrelevantnije za ovuoblast istraživanja, te je mnogo češće slučaj da je identifikacija ovih varijabli rezultat nekog ranijeg istraživanja, koje ne mora da bude tačno.

Faktorska analiza je upravo takva tehnika koja metodološki pokriva pomenute zahteve. Naime, pomoću nje se vrši testiranje adekvatnosti strukture i realnosti podataka, implicitno utvrđuju njena hijerarhijska ustrojstva, pa čak omogućuje, grupišući varijable u faktore i redukujući insignifikantne varijable, eventualno definisanje novih varijabli i faktora.5 Ova procedura pretpostavlјa identifikaciju i sumiranje mnogostrukih povezanosti koje postoje između individualnih promenlјivih. Faktorska analiza je upravo tehnika redukcije. To je skup procedura za otklanjanje suvišnosti iz skupa koreliranih promenlјivih, ili faktora, tj. procedura otklanjanja dupliranih informacija iz skupa promenlјivih, ili laički, grupisanje sličnih promenlјivih.

Faktorska analiza je u analizi kriminaliteta značajna jer identifikuje kriminalitet u državi, ukazuje na tendencije i trendove rizika, ukazuje na ekonomske, socijalne i personalne faktore rizika i faktore koje imaju presudan doprinos u podsticanju, odnosno sprečavanju kriminala, analizira postojeće i potencijalne modele prevencije kriminaliteta i vrši njihovu evaluaciju. Faktorska analiza se bavi i socijalnim i društvenim indikatorima koji utiču na kriminalitet, kao i mogućnostima socijalne intervencije i reakcije društvene zajednice na kriminalitet, i to kroz zakonska i podzakonska rešenja i izrade novih normativnih akata. Pomoću faktorske analize se precizno identifikuju faktori rizika i rizičnih grupa, kao i faktori prevencije različitih oblika kriminaliteta, potom se vrši analiziranje postojećih i potencijalnih modela prevencije, uz konstituisanje modela državne reakcije i preventivne uloge nadležnih državnih organa.

Faktorska analiza je naročito primenjiva kod najdelikatnijih oblika kriminaliteta, kao što su naslinički, visokotehniloški, organizovani kriminal i maloletnički kriminalitet. Nјena osnovna prednost u analizi kriminaliteta je ta što polazi od visoko rizične populacije, a koja je prikazana i tokom ovog rada, koja se odlikuje niskim stepenom obrazovanja, visokim stepenom socijalne zapuštenosti, ekonomskom zavisnošću, koja je podložna određenim poročnim aktivnostima, sa podložnom genetskom predispozicijom na kriminal. Takođe, prednost faktorske analize kriminaliteta je ta što podrobno analizira mere prevencije, uz aktivno uklјučivanje države i državnog intervencionizma u oblasti jačanja postojećih i donošenje novih preventivnih mera, kao i upoređivanje empirijske evidencije i prakse drugih zemalјa, što bi za krajnji rezultat trebalo da ima bolјu uklјučenost najugroženijih socijalnih kategorija, kako bi se preveniralo potencijalno kriminogeno delovanje istih.

sve nejasnoće u nerotiranoj faktorskoj analizi jasno grupiše. Varimax - rotirana faktorska matrica. Nerotirana faktorska matrica ostavlјa relativno nejasno grupisanje između faktora, a i varijabli. Naravno, to otežava interpretaciju i onemogućuje otkrivanje suštine značenja oba faktora.Da bi se napravila oštrija distinkcija između faktora i njihovih značenja, pristupa se metodu varimax - faktorske rotacije.

Varimax metoda, razvijena od strane Kaisera (Kaiser, 1955), bazira se na naporu da maksimizira sumu kvadrata kolone u faktorskoj matrici i time daje jasno diferenciranje faktora. Približno rešenje je nazvano "grubi" varimax kriterijum koji ne vrši normalizaciju vrednosti nadodavanjem putem delјenja stavki faktorske matrice sa vrednostima komunalija. Suprotno ovome normalni varimax kriterijum vrši normalizaciju, čime vrednuje svaku varijablu pojedinačno pri ortogonalnoj rotaciji.

Rezultati:

Tabela 2. Rotirano faktorsko nadodavanјe-varimaks

Iz rotirane faktorske matrice vidlјivo je da su u prvom dominatnom faktoru sloj konzumenata koji koriste prvo kokain, zatim heroin, i na kraju marihuanu.

Prema istraživanjima, opojne droge se najpre konzumiraju u ranom uzrastu pretežno na nagovor nekog starijeg, u cilјu dokazivanja i radi zadovolјenja lične znatiželјe. Stoga je prva faza ulaska u zavisnost od opojnih droga faza probe, kad mlado lice istražuje efekte koje opojna sredstva mogu ostaviti po njegov organizam. Droga sa kojima se mladi najpre susretnu jeste marihuana, koja se konzumira pušenjem. U drugoj fazi, mladi ulaze u kolo zavisnosti time što imaju potrebu da što češće konzumiraju opojne droge i ona im postaje navika i sastavni deo svakodnevice. Time se već zakoračilo u treću fazu navike, u kojoj se potreba za narkotikom javlјa kao potreba za bilo kojom drugom životnom namirnicom. U toj fazi su kod mladih lica prisutni prvi simptomi asocijalnosti, povlačenja iz starih krugova prijatelјa, zaostajanje u školskim i vannastavnim aktivnostima. U slučaju eventualnih problema, mladi u ovom stadijumu zavisnosti rešenje pronalaze u narkotiku i sve više i više tonu u problem koji im narkotici sa sobom donose. Četvrta, ujedno poslednja i najopasnija faza je faza zavisnosti, u kojoj droga postaje smisao i značaj života, bez nje se ne može zamisliti ni trenutak vlastitog života. U ovoj fazi, dolazi do apsolutnog prekida u vršenju i obavlјanju životnih i socijalnih aktivnosti, jer se sve svodi na konzumaciju droge i njenu upotrebu, koja prestaje biti zadovolјstvo, kao u prvim fazama, već postaje potreba i navika bez koje se ne može. Sa gradacijom ovih faza, dolazi i do gradacije upotreba narkotika, što se iz prikazane tabele jasno vidi. Zavisnik u ranim fazama kreće od lakših droga, a redovno završava sa heroinom ili diacetilmorfinom, kao najtežom drogom, koja pripada opijatima nastalim iz morfina. Dakle, polazi se od marihuane, koja se koristi pušenjem, koja se relativno lako može nabaviti i koja nije skupa, a koja spada u kategoriju lakših droga, a kako se potreba za narkoticima pojačava, prelazi se na kokain i potom heroin.

Drugi dominatan faktor je vodeći po ekstaziju koji je jeftiniji i pripada siromašnijem sloju konzumenata dok hašiš je najslabije zastuplјen. MDMA ili ekstazi ili kako se u slengu naziva

„ekser“, spada u kategoriju sintetičkih droga, derivat amfetamina, sa psihostimulativnim i psihodeličnim supstancama. Po svom dejstvu spada u kategoriju jačih droga. Ekstazi se prvi put pojavio 1912. godine, a 1985. godine je zabranjen zbog velike nemedicinske upotrebe u svetu. Hašiš je droga koja se dobija iz smole bilјke indijske konoplјe i u velikoj koncentraciji sadrži tetrahidrokanabinol. Spada u kategoriju jakih droga. Uprkos brojnim intervencijama koje sprovode organi unutrašnjih poslova u suzbijanju narkomanije, na crnom tržištu Srbije su prisutne sve navedene droge. Cena za ove droge nije toliko visoka da bi bila nedostupna širim narodnim masama, ali je ona gradirana, s obzirom na kvalitet i efekte koje određena vrsta droge proizvodi. Na crnom tržištu je najjeftinija i najtraženija marihuana, koja po gramu košta svega 500 dinara, dok se za veće količine može dobiti popust na cenu. Heroin košta 1.200 dinara za pola grama ili 2.000 dinara za gram. Kokain kao najkvalitetnija droga, koja ima karakter elitnog narkotika je najskuplјi, te za gram treba dati 50 evra. Ekstazi, kao što je već rečeno, spada u kategoriju jeftinijih droga, te cena ovih tableta varira od 250 do 1.250 dinara (http://www.telegraf.rs/vesti/903083-uprkos-gromu-cena-droge-na-ulici-ista-marihuana-500-heroin-2- 000-dinara-po-gramu).

Opojne droge su okidač kako za mnoga asocijalna ponašanja, za neizvršenje osnovnih obaveza i zadataka, ali i za određena kriminogena ponašanja. Kako je cena opojne droge za naše pojmove poprilično visoka, lica koja zavise od opojnih droga pribegavaju nezakonitim radnjama kako bi došli do novca. Stoga, mnoga krivična dela protiv imovine su zapravo motivisana potrebom za opojnim drogama. Često su izvršioci krivičnih dela krađe, teške krađe, razbojništva i mnogih drugih sličnih dela zavisnici od narkotika. Takvim izvršiocima se po pravilu uz kaznu zatvora, izriče i mera obaveznog lečenja i odvikavanja od opojnih droga (Zakonik o krivičnom postupku). Da bi se zavisniku od narkotika izrekla mera obaveznog lečenja narkomana, neophodno je pribaviti nalaz i mišlјenje sudskog veštaka medicinske struke. Lečenje se može sprovoditi van zdravstvene ustanove, ili u njoj, što zavisi od stanja lica kome je mera bezbednosti obaveznog lečenja izrečena.

Imenovanje i definisanje faktora

U ovoj fazi analize, bazirajući se na prikazane tabele, potrebno je asignirati kolika su nadodavanja promenlјivih u svakom faktoru i pokušati da se odredi deskriptivno ime faktorima, tj. imena koja predstavlјaju zajednički element ili apstrakciju individualne promenlјive koja ima veliko nadodavanje na relevantnom faktoru, ili manje spekulativni dovolјno je prosto numeričko asigniranje faktora, zato što je postupak imenovanja faktora možda, u isto vreme, jedna od najvećih koristi analize i jedna od najvećih opasnosti.

Postupak naimenovanja faktora, može ukoliko su podaci značajni, da omoguće potpuno novi uvid u materiju istraživanja i čak može doprineti razvoju drugih hipoteza koje mogu biti testirane u narednim studijama.

S druge strane, neoprezno ili nemarno imenovanje faktora može biti potpuno obmanjujuće, što će ugroziti zaklјučke istraživanja. To je zbog činjenice da se zaboravlјa na identitet promenlјivih koje doprinose onog momenta kada se faktor imenuje, pa se onda ta etiketa prenese na one koji žele da primene rezultate istraživanja. Dakle, bilo bi mudro da uvek prostudiramo promenlјive koje definišu faktore i onda odlučimo sami značenje tih faktora.

U našem primeru, vidimo da svaka varijabla doprinosi značenju svakog od izvedenih faktora odnosno karakteristikama faktora. Varijable koje imaju visoko nadodavanje daju prevashodno značenje faktoru, tj. najviše utiču na njegovo tumačenje, nasuprot onim varijablama koje imaju manju vrednost, a time i manji značaj pri definisanju faktora. U slučaju Varimax struktura rotacije separira dve grozdaste strukture.Prvi faktorje sloj konzumenata koji koriste prvo kokain, zatim heroin, i na kraju marihuanu. Drugi dominatan faktor je vodeći po ekstaziju koji je jeftiniji i pripada siromašnijem sloju konzumenata dok hašiš je najslabije zastuplјen. Iz ovih prikazanih faktora, jasno je da socio – ekonomski status predstavlјa dominantu kod konzumacije određenih droga, jer prvi faktor ukazuje na konzumente koji koriste kvalitetnije droge, što implicira sa njihovim socio  ekonomskim statusom, dok u drugi faktor se ubrajaju konzumenti koji sebi mogu priuštiti jeftinije droge, lošijeg kvaliteta. Prema tome, prilikom imenovanja faktora, može se krenuti od socio  ekonomskog položaja konzumenata opojnih droga, koji shodno svojim mogućnostima, se opredelјuju za pojedine tipove droga, shodno njihovim cenama na tržištu. U prvom dominantnom faktoru su narkotici poređani od skuplјeg i kvalitetnijeg, ka jeftinijem i nekvalitetnijem i to kokain sa 98 odsto, potom heroin sa 81 odsto i naposletku marihuana sa 75 odsto, a u drugom dominantnom faktoru su jeftine droge i to ekstazi sa 86 odsto, i hašiš sa 53 odsto.

Mera socijacije između ordinarnih varijabli

S obzirom da se u analizi radi o oskudnom skupu demonstriraćemo metodu, koja meri asocijaciju sa cilјem utvrđivanja, koja droga najviše utiče na broj zaplene, tj. da izvršimo predviđanje koja droga najviše utiče na zaplenu.

U ovom slučaju smo primenili neparametrski statistički test, Goodman Kruskal Gamma component. Dobili smo sledeće rezultate, i to:

Tabela 3. Goodman & Kruskal's Gamma for ordinal attributes

U svakom redu tabele imamo zavisnu i nezavisne varijable, kao i meru stadardne greške, i interval poverenja od 955, standardnu grešku pod predpostavkom nezavisnosti, z statistiku i p- vrednost testa nezavisnosti. U našem oskudnom uzorku imamo značajan pozitivan uticaj pozitivne asocijacije sa zavisnom varijablom (broj zaplena). Tako kokain ima značajnu pozitivnu asocijaciju sa zavisnom varijablom.

U dalјoj analizi ćemo izvršiti primenu Kendal Tau-c test da izmerimo takođe simetrične mere. Dobijeni rezultati su isti. U narednom analizi ćemo ponovo koristii Goodman & Kruskal's test. Dobili smo sledeće rezutate:

Tabela 4. Goodman & Kruskal's Gamma for ordinal attributes

Postoje značajne asocijacije između ulaznih varijabli. Neke su pozitivne, što je iskazano na tabeli, a druge imaju negativno međusobno dejstvo. Pozitivne relacije su uočlјive u odnosu između heroina i kokaina, kokaina i marihuane, kokaina i ekstazija, heroina i ekstazija i heroina i marihuane. U prvom paru je kokain imao veće učešće u odnosu na heroin, što je uslovlјeno cenom na crnom tržištu. Preprodavci koji se bave rasturanjem opojnih droga kokain i heroin uglavnom nude određenim društvenim slojevima koji sebi tu vrstu opojnih droga mogu priuštiti, te je, prema raspoloživim podacima, zastuplјenost heroina i kokaina manja u odnosu na jeftinije droge, koje su na crnim tržištima dostupnije nižim društvenim slojevima. U odnosu kokaina i marihuana, pozitivne relacije su iskazane u odnosu na marihuanu. Razlog za ovakvu relaciju prevashodno treba tražiti u ekonomskim faktorima, uslovlјenim tržišnim cenama, međutim i činjenicom da marihuanu koriste daleko širi društveni krugovi, među kojima ima i onih koji marihuanu koriste ne intenzivno i na početku narkomanske faze (o fazama u narkomaniji je već bilo reči). Stoga je u ovoj relaciji kokain u inferiornijem položaju, dok je relacija pozitivna u korist marihuane. Slična je situacija i kod sledeće relacije kokaina i ekstazija. Ekstazi kao sirotinjska droga ima široku primenu, dostupniji je na crnim tržištima i traženiji, što svakako nije slučaj sa kokainom. Sledeća pozitivna relacija je između heroina i marihuane, kod koje je marihuana u prednosti u odnosu na heroin. Marihuana kao početnička droga i jeftinija droga na tržištu ima širu upotrebu, a takođe ne treba zanemariti činjenicu da mnogi heroinski i kokainski zavisnici konzumiraju i marihuanu kumulativno sa ovim jačim drogama. Zato ne čudi što marihuana ima pozitivnu relaciju u odnosu sa bilo kojim drugim narkotikom i može se svakako okarakterisati kao najzastuplјenija i najmasovnija droga na našem narko tržištu.

Na gore prikazanoj tabeli su prisutne i negativne relacije između pojedinih varijabli. One su prisutne u odnosu marihuane i ekstazija, hašiša i marihuane, kokaina i hašiša i hašiša i ekstazija. Kod svih ovih narkotika čije su relacije analizirane i koje su ispolјile negativnu relaciju, karakteristično je pripadaju kategoriji jeftinijih narkotika na crnom tržištu, da su dostupne širim masama, pretežno nižeg socijalnog i ekonomskog sloja i da je njihov kvalitet izrazito lošiji od kvaliteta narkotika koji su iskazali pozitivne relacije. Razlog za to treba tražiti u činjenici da se ovi narkotici često kumulativno uživaju, te jedni isklјučuju druge ili imaju karakter alternativnog narkotika. Stoga, njihov međusobni odnos se iskazuje negativnom relacijom i jedni drugima predstavlјaju konkurenciju na narkotičkim tržištima. Marihuana i ekstazi se često upražnjavaju kumulativno, i jedan i drugi narkotik su droge koje su zastuplјene kod iste kategorije konzumenata, a i njihove cene su niže. U odnosu marihuane i hašiša, iskazana je negativna relacija, a na strani marihuane je iskazana prevaga iz razloga što je marihuana dostupnija na crnim narko tržištima i njena cena je pristupačnija nižim društvenim slojevima. U odnosu kokaina i hašiša, negativna relacija je iskazana na strani kokaina iz razloga istih kao i kod već prikazanih varijabli, s tom razlikom što je ekonomski faktor u ovom odnosu najizraženiji jer je kokain trenutno najskuplјa droga na narko tržištu, a hašiš ima daleko nižu cenu. Naposletku, odnos hašiša i ekstazija iskazuje negativnu relaciju u korist ekstazija takođe usled njegove tržišne cene i činjenice da se ona još dodatno može korigovati na niže kod kupovine većih količina i činjenice da je ekstazi kod mlađe populacije narkomana vrlo zastuplјen.

Asimtrična socijacija

U dalјoj analizi objasnićemo da broj zaplena sa nekim nezavisnim varijablma  narkoticima postoje ali sada putem asimetričnih ascocijacima. Koristeći Sommersove neparametrijske testove. Dobili smo sledeće rezultate:

Tabela 5. Sommers' d for ordinal attributes

Ako ovome dodamo kontigencionu tablicu onda dobijemo , kako sledi:

Tabela 6. Sommers' d for ordinal attributes

Komentarišimo samo prvu tebalu, koja nam indicira da se radi o relaciji između broj zaplene i kokaina, one suusaglašeni parovi = 24 ; Neusaglašeni parovi = 6. Za ostale parove usaglašenost između broja zaplene i pojedini narkotika je podvučeno

Zaklјučak

Na kraju ove rasprave treba istaći činjenicu, da se u poslednje vreme naučna i laička javnost, umesto za klasične pojmove sprečavanje i suzbijanje kriminaliteta, opredelјuju za pojam kontrole kriminaliteta. Dakle, suprotstavlјanje kriminalitetu sve više u pojmovnom smislu ustupa mesto kontroli kriminaliteta kao aktivnosti organizovanog društva. Teorija i praksa društvenog reagovanja na kriminalitet ukazuju na činjenicu da se kriminalitet u modernom društvu sve više kontroliše umesto što se sprečava i suzbija. Iskoreniti kriminalitet težak je i u praksi neostvariv cilј, pa društvena akcija u borbi protiv kriminaliteta nastoji da isti svede u podnošlјive granice, odnosno da obim i pojavne oblike kriminaliteta kontroliše. Međutim, to ni u kom slučaju ne podrazumeva da kontrola kriminaliteta dopušta bilo kakav stepen tolerancije prema nekom obliku kriminaliteta.

Ovakav, moderan pristup kriminalitetu podrazumeva i korišćenje i uvođenje novih metodoloških postupaka u analizi kriminalnih pojava, koji treba da omoguće otkrivanje dosada skrivenih znanja, prvenstveno o uzrocima i faktorima koji pogoduju nastajanju i utiču na obim kriminaliteta.

Takve metode predstavlјaju faktorska analiza i inverzna faktorska analiza kao novi metodološki postupci u istraživanju kriminaliteta čije je upotreba moguća i potrebna.

References

1.Abbot, J. L., Y. Park, & S. Parker. 2000. The effects of audit committee activity and independence on corporate fraud. Managerial Finance, 26(11): 55–67.
2.Bell, T., & J. Carcello. 2000. A decision aid for assessing the likelihood of fraudulent financial reporting. Auditing: A Journal of Practice & Theory, 9(1): 169–178. Bell 1996.
3.Breiman L. 2001. Random Forests, Machine Learning, (45): 5–32.
4.Brown, A.S. (2008). To what extent does agricultural machinery maintenance pose clinical risk? Clinical Risk March 14, (2): 59-62.
5.Caffaro, F., Mirisola, A., Cavallo, E. (2017). Safety signs on agricultural machinery: Pictorials do not always successfully convey their messages to target users, Applied Ergonomics 58, (1): 156-166.
6.Cherkassky V., & F. M . Mulier. 2007. Learning from Data: Concepts, Theory, and Methods, 2nd edition, John Wiley - IEEE Press.
7.Cullinan, P. G., & G. S. Sutton. 2002. Defrauding the public interest: a critical examination of reengineered audit processes and the likelihood of detecting fraud. Critical Perspectives on Accounting, 13(3): 297–310.
8.Cruz, A.M., Rincon, A.M.R. (2012). Agricultural machinery maintenance outsourcing: Have operation management research and management theories forgotten the medical engineering community? A mapping review. European Journal of Operational Research 221, (1): 186-197.
9.Green, B. P., & J. H. Choi. 1997. Assessing the risk of management fraud through neural-network technology. Auditing: A Journal of Practice and Theory, 16(1): 8–28.
10.Maindonald J., & J. Braun. 2007. Data Analysis and Graphics Using R, 2nd Edition, Cambridge University Press, Cambridge.
11.Milojević, I., Mihajlović, M., Cvijanović, M. (2012). Impact of organizational failure of relevance consolidated budget. Ekonomika poljoprivrede 59(1): 63-71.
12.Platt J. C. 1998. Sequential minimal optimization: A fast algorithm for training support vector machines, Technical Report MSR-TR-98-8, Microsoft Research.
13.Quinlan J. R. 1996. Bagging, Boosting and C4.5, in Proc. of AAAI-96 Fourteenth national Conference on Artificial Intelligence, Portland, OR, AAAI Press, Menlo Park, CA.
14.Riveiro, J.A., Marey-Pérez, M.F., Díaz-Varelam, E.R., Álvarez, C.J. (2010). A methodology for the analysis of the relationships between farms and their physical environment. Journal of Agricultural Science 48, (2): 245-253.

PDF Version

Authors

Dejan Jeremić

Ratomir Antonović

Slobodan Stanojević

Tomislav Radović

Keywords

Method crime control analysis factors and variables of crome implicit knowledge application causes of crime

🛡️ Licence and usage rights

This work is published under the Creative Commons Attribution 4.0 International (CC BY 4.0).


Authors retain copyright over their work.


Use, distribution, and adaptation of the work, including commercial use, is permitted with clear attribution to the original author and source.

Interested in Similar Research?

Browse All Articles and Journals