nezaměstnanost mzda
koeficient p-hodnota koeficient p-hodnota
Bez zpoždění 2.85315 0.0132 −0.180888 0.2650
Zpoždění 1 3.63993 0.0026 −0.131674 0.5066
Zpoždění 2 3.77546 0.0060 −0.0231381 0.9269
Zpoždění 3 3.50539 0.0340 0.242100 0.4603
Zdroj: vlastní zpracování dle výstupu z ekonometrického softwaru Výslednou rovnici po provedených úpravách lze napsat jako
𝑙_𝑐𝑟𝑖𝑚𝑒_𝑒𝑐𝑜 = 𝛽0+ 𝛽1𝑑_𝑝𝑐𝑟𝑖𝑚𝑒_𝑒𝑐𝑜 + 𝛽2𝑢𝑛𝑒𝑚𝑝𝑙_1 + 𝛽3𝑙_𝑝𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑜𝑛_𝑑𝑒𝑛𝑠𝑖𝑡𝑦 + 𝛽4𝑙_𝑤𝑎𝑔𝑒 + 𝛽5𝑑_𝑙_𝑏𝑢𝑑𝑔𝑒𝑡_𝑝𝑜𝑙𝑖𝑐𝑒 + 𝜀
( 10 )
Statistická verifikace modelu ekonomické kriminality
Na základě dosažených hodnot z modelu 4 lze konstatovat, že proměnná d_crime_eco je statisticky významná na 10% hladině významnosti a proměnná l_population_density je statisticky významná na 1% hladině významnosti. Zbylé proměnné jsou statisticky nevýznamné.
Významnost celého modelu je ověřitelná pomocí p-hodnoty f-testu, která dosahuje hodnoty 1.17e-06. Je tedy možné zamítnou nulovou hypotézu o nevýznamnosti modelu na 1% hladině významnosti a model je tedy považován za celkově významný.
Model vysvětluje 60.2 % rozptylu variability endogenní proměnné. Adjustovaný koeficient determinace, ze kterého můžeme vyvodit závěr, že míra kriminality je závislá na změnách vysvětlujících proměnných, vyšel 0.587483. Což je druhý nejnižší výsledek po násilné kriminalitě.
43 Model 4 – ekonomická kriminalita
OLS
Závislá proměnná: l_crime_eco Robustní (HAC) směrodatné chyby
koeficient Směr. chyba p-hodnota */**/***
const 6.10201 5.06254 0.2496
d_pcrime_eco 0.783003 0.417513 0.0834 *
unempl_1 3.00641 3.43414 0.3972
l_population_density 0.297118 0.0534172 9.19e-05 ***
l_wage −0.231337 0.485403 0.6416
d_l_budget_police −0.0789556 0.117971 0.5150 Koeficient determinace 0.602322
Adjustovaný koeficient determinace 0.587483
P-hodnota (F) 1.17e-06
Pozorování 140
Zdroj: vlastní zpracování dle výstupu z ekonometrického softwaru
Ekonomická verifikace modelu ekonomické kriminality
Pozitivní korelace se mezi proměnnými a mírou násilné kriminality nachází u hustoty zalidnění, mírou dopadení a nezaměstnaností. Rozdílem v tomto modelu je především pozitivní korelace mezi mírou dopadení a mírou ekonomické kriminality.
Jedním z možných vysvětlení pro výsledek tohoto vztahu může být závažnost daných trestných činů. Většina jedinců totiž předem neuvažuje nad možnými následky daného činu a spousta ekonomických trestných činů je tvořena s pocitem bezúhonnosti.
Nezaměstnanost je také pozitivně korelována s mírou ekonomické kriminality. Jedním z možných důsledků může být především předlužování jedinců. Nezaměstnanost a hustota zalidnění však nejsou statisticky významné, a proto mohou být z modelu vypuštěny.
44 Negativně korelován je vztah mezi násilnou mírou kriminality a rozpočtovým výdajem na policii anebo mzdou, kde je vysvětlení korelací stejné jako v předcházejících modelech.
Ekonometrická verifikace modelu ekonomické kriminality
Heteroskedasticita a autokorelace je v modelu ošetřena pomocí přidání robustních estimátorů, které rekonstruují rezidua. Multikolinearita je v modelu měřena pomocí faktorů zvyšující rozptyl (VIF). Hodnoty získané po provedení testu jsou v souladu s nepřítomností multikolinearity, a proto je možno říct, že se v tomto modelu multikolinearita nevyskytuje. Na základě Jarque-Beryho testu normality nezamítáme nulovou hypotézu o normálním rozdělení a předpokládáme, že model má normální rozdělení.
2.3 Výsledky
V této podkapitole jsou shrnuty veškeré dosavadní informace z předcházejících modelů a zároveň zda nezaměstnanost má vliv na míru kriminality.
Stejně jako Edmark (2005), Lin (2008) anebo Raphael a Winter-Ebmer (2001) dospívá práce k závěru, že existuje vztah mezi nezaměstnaností a majetkovou kriminální činností. Nezaměstnanost pozitivně koreluje míru majetkové kriminální činnosti a tím spolu se svojí statickou významností podporují nastíněnou hypotézu H220, která je významná na 5% hladině významnosti. Hustota zalidnění hraje v modelu pozitivní roli a můžeme se na základě její hodnoty domnívat, že v krajích s vyšší hustotou zalidnění se objevuje vyšší majetková kriminalita. Pravděpodobnost dopadení a výdajový rozpočet na policii negativně koreluje majetkovou kriminalitu. Čím vyšší budou tyto kontrolní proměnné, tím nižší bude majetková kriminalita. Toto tvrzení může poskytnout vhodný rámec pro vytváření výdajového rozpočtu. Proměnné spolu totiž do jisté míry souvisí, míra dopadení se odráží od technologií až k lidem, kteří jsou hrazeni z výdajového rozpočtu.
20 H2: míra majetkové kriminality je pozitivně závislá na míře nezaměstnanosti
45 Hypotézu H121 se podařilo vysvětlit na 5% hladině významnosti a lze říct, že s růstem míry nezaměstnanosti roste celorepubliková celková kriminalita. Ostatní kontrolní proměnné zde hrají stejnou roli jako v modelu s majetkovou kriminalitou.
V modelu s násilnou kriminalitou se také podařilo potvrdil hypotézu H322 na 1%
hladině významnosti. Model však vykazuje nevýznamnost všech zbylých proměnných, až na výdajový rozpočet.
Oproti všem ostatním modelům se nepodařilo vysvětlit hypotézu H423. Výsledky hypotézy H4 by mohly být ovlivněny specifickou trestnou činností, ke které dochází s touto kategorií kriminality, a na kterou míra nezaměstnanosti nemá vliv. Jedná se totiž převážně o kriminální činy, které vykonávají již zaměstnaní jedinci.
21 H1: míra celkové kriminality je pozitivně závislá na míře nezaměstnanosti
22 H3: míra násilné kriminality je pozitivně závislá na míře nezaměstnanosti
23 H4: míra ekonomické kriminality je pozitivně závislá na míře nezaměstnanosti
46
Závěr
Cílem této práce bylo ověřit platnost čtyř hypotéz zaměřujících se na nalezení korelačního vztahu mezi mírou nezaměstnanosti, kriminalitou a dalšími kontrolními proměnnými v letech 2010 až 2020. Na základě sledovaných dat lze očekávat, že existuje vliv nezaměstnanosti na míru kriminality. Dalším zjištěním, které podpořilo hypotézu je vliv hustoty zalidnění, která měla ve všech modelech pozitivní korelaci s mírou kriminality. Vzhled k trvajícímu přílivu obyvatel do velkých měst lze hovořit o dalším možném aspektu, který zvyšuje míru kriminality.
V teoretické části byla shrnuta především endogenní a exogenní proměnná.
Důležitým pohledem na kriminalitu přispěla Beckerova teorie, díky které lze problematiku kriminality řadit do ekonomických sfér. Nejpodstatnější část teoretické části však zaujímaly empirické studie, které nám poskytly vhodný rámec na testování našeho modelu.
Praktická část se zaobírala především problematikou ekonometrických modelů a datovému souboru, který byl potřeba k vytvoření daných modelů. Jako první model byla testována celková kriminalita, která podpořila hypotézu H1. Další tři modely byly vytvořeny z kategorií celkové kriminality a jejich výběr byl inspirován empirickými studiemi z praktické části. Nejsilnější vliv byl v empirických studiích pozorován mezi nezaměstnaností a mírou majetkové kriminality. V této práci byl zaznamenán nejsilnější vliv mezi majetkovou kriminalitou a vysvětlujícími proměnnými, což potvrzuje ostatní studie.
Potvrzení či vyvrácení hypotéz je blíže uvedeno v kapitole 2.3 s názvem Výsledky.
V práci se nepodařilo objasnit vztah mezi mírou ekonomické kriminality a nezaměstnanosti, i přesto se domnívám, že cíl práce byl splněn, především díky signifikantnímu vztahu mezi celkovou kriminalitou a nezaměstnaností. Chybějící částí práce je mezikrajové porovnání míry kriminality a nezaměstnanosti, nicméně na základě chybějící části se však autorka snažila z deskriptivní statistiky porovnávat kraje a alespoň částečně danou mezeru vyplnit.
Důvodem pro vybrání tohoto tématu byla mimo jiné i situace spojená s onemocněním Covid-19, na jehož základě se část populace potýká s nezaměstnaností.
47 Tato část populace však může v průběhu několika měsíců či let narůstat a mohla by mít fatální dopady na míru kriminality. Na základě tří ze čtyř modelů výdajový rozpočet negativně koreloval míru kriminality, což značí nepřímou úměru interpretovatelnou jako:
čím vyšší výdajový rozpočet na Policii ČR, tím méně celkové kriminality. Vhodným řešením by bylo brát v potaz korelaci mezi nezaměstnaností, mírou kriminality a dalšími proměnnými.
48
Seznam použitých zkratek
aj. a jiné atd. a tak dále
ADF Augmened Dickey-Fuller test CBA Cost Benefit Analysis
ČR Česká republika
ČSÚ Český statistický úřad
MVČR Mininisterstvo vnitra České republiky
NAIRU Nonaccelerating Inflation Rate of Unemployment např. například
OLS Ordinary Least Squares PČR Policie České republiky
ÚZIS Ústav Zdravotnických Informaci a Statistiky
49
Seznam rovnic, grafů, modelů, obrázků a tabulek
Seznam rovnic
( 1 ) – rovnice měření míry nezaměstnanosti ... 6
( 2 ) – Beckerova rovnice poškození ... 15
( 3 ) – Beckerova rovnice funkce nabídky zločinců ... 16
( 4 ) – rozšířená Beckerova rovnice pro nabídku přestupků ... 19
( 5 ) – rovnice od Cornwella a Trumbulla ... 20
( 6 ) – rovnice pro celkovou kriminalitu ... 33
( 7 ) – rovnice pro majetkovou kriminalitu ... 37
( 8 ) – rovnice pro násilnou kriminalitu ... 39
( 9 ) – rovnice pro ekonomickou kriminalitu ... 41
( 10 ) – upravená rovnice pro ekonomickou kriminalitu ... 42
Seznam grafů
Graf 1 – Korelace míry kriminality a nezaměstnanosti v Praze ... 27Graf 2 - výdaje PČR a míra dopadení ... 29
Graf 3 - mezikrajové srovnání ... 31
Seznam modelů
Model 1 – celková kriminalita ... 35Model 2 – majetková kriminalita ... 38
Model 3 – násilná kriminalita ... 40
Model 4 – ekonomická kriminalita ... 43
50
Seznam obrázků
Obrázek 1 - optimální míra přestupků ... 17
Seznam tabulek
Tabulka 1 – popisné statistiky ... 26Tabulka 2 – stacionarita proměnných ... 32
Tabulka 3 – zpožděné proměnné – celková kriminalita ... 34
Tabulka 4 – zpožděné proměnné – ekonomická kriminalita ... 42
51
Seznam literatury
Anderson, D. A. (říjen 1999). The Aggregate Burden of Crime. The Journal of Law &
Economics, 2(2), 611-642.
Ashenfelter, O. (1978). What Is Involuntary Unemployment? Proceedings of the American Philosophical Society, 135-138.
Bar, M. (2016). Introduction to econometrics. San Francisco State University:
Department of economics.
Becker, G. S. (1968). Crime and Punishment: An Economic Approach. V G. S. Becker, Essays in the Economics of Crime and Punishment (stránky 169-217).
Becker, G. S., & Landes, W. M. (1974). Essay in the Economics of Crime and Punishment. National Bureau od Economic Research.
Brasol, B. (1926). Foundations of Criminology. Journal of the American Institute of Criminal Law and Criminology, 13-39.
Brown, D. K. (2004). Cost-Benefit Analysis in Criminal Law. California Law Review, 323-372.
Buchtová, B., & kolektiv. (2002). Nezaměstnanost - Psychologický, ekonomický a sociální problém. Praha: Grada Publishing a.s.
Buchtová, B., Šmajs, J., & Boleloucký, Z. (2013). Nezaměstnanost. Praha: Grada Publishing, a.s.
Cantor, D., & Land, K. C. (1985). Unemployment and Crime Rates in the Post-World War II United States: A Theoretical and Empirical Analysis. American Sociological Review, 317- 332.
Cornwell, C., & Trumbull, W. N. (květen 1994). Estimating the Economic Model of Crime with Panel Data. The Review of Economics and Statistics , 76(2), 360-366.
Edmark, K. (2005). Unemployment and Crime: Is There a Connection? The Scandinavian Journal of Economics, 353-373.
Ehrlich, I. (1973). Participation in Illegitimate Activities: A Theoretical and Empirical Investigation. Journal of Political Economy, 521-565.
52 Ehrlich, I. (1996). Crime, Punishment, and the Market for Offenses. The Journal of
Economic Perspectives, 43-67.
Kaczor, P. (2013). Trh práce, pracovní migrace a politika zaměstnanosti ČR po roce 2011. Praha: Nakladatelství Oeconomica.
Keynes, J. M. (1936). The General Theory of Employment, Interest, and Money. London:
Macmillan.
Knoll, O. (1993). Druhy nezaměstnanosti a příčiny jejich vzniku. Praha: Výzkumný ústav práce a sociálních věcí.
Kuchta, J., Válková, Z., & kol. (2005). Základy kriminologie a trestní politiky. Praha: C.
H. Beck.
Lin, M.-J. (2008). Does Unemployment Increase Crime? Evidence from U.S. Data 1974-2000. The Journal of Human Resources, 413-436.
Mareš, P. (1998). Nezaměstnanost jako sociální problém (Sv. VI). Praha: Sociologické nakladatelství.
Novotný, O., Zapletal, J., & kol. (2008). Kriminologie. Praha: ASPI – Wolters Kluwer.
Raphael, S., & Winter‐Ebmer, R. (2001). Identifying the Effect of Unemployment on Crime. The Journal of Law & Economics , 259-283.
Trivedi, P. K., & Hui, W. T. (1987). An Empirical Study of Long-Term Unemployment in Australia. Journal of Labor Economics, 20-42.
Urbanová, M. (2006). Systém sociální kontroly a právo. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, s.r.o.
Wooldridge, J. M. (2013). Introductory Econometrics: A Modern Approach. Canada:
South-Western, Cengage Learning.
SEZNAM ELEKTRONICKÝCH ZDROJŮ
1.2.10 Hustota zalidnění (počet obyvatel na km2) - Regionální zpravodajství NZIS - Česká republika. (3. 12 2021). Načteno z Regionální zpravodajství NZIS:
https://reporting.uzis.cz/cr/index.php?pg=statisticke-vystupy--demograficke-a- socioekonomicke-ukazatele--pohyb-obyvatelstva--hustota-zalidneni-pocet-obyvatel-na-km2®ion=cr&year=2013
53 IZA - Institut of Labor Economics. (6. 11 2021). Isaac Ehrlich. Načteno z iza:
https://www.iza.org/person/7341/isaac-ehrlich
Ministerstvo vnitra České republiky. (2. 12 2021). Prevence kriminality - Ministerstvo vnitra České republiky. Načteno z Úvodní strana - Ministerstvo vnitra České republiky: https://www.mvcr.cz/clanek/web-o-nas-prevence-prevence-kriminality.aspx?q=Y2hudW09Mw%3D%3D
Ministerstvo vnitra České republiky. (2. 12 2021). Úvodní strana - Ministerstvo vnitra České republiky. Načteno z Prevence kriminality - Ministerstvo vnitra České republiky: https://www.mvcr.cz/clanek/web-o-nas-prevence-prevence-kriminality.aspx?q=Y2hudW09Mg%3D%3D
Monitor Státní Pokladny. (3. 12 2021). Monitor Státní Pokladny. Načteno z https://monitor.statnipokladna.cz/vyhledavani?text=Krajsk%C3%A9%20%C5%
99editelstv%C3%AD%20policie%20&type=1&page=1&pageSize=20
Policie ČR. (3. Prosinec 2021). Kriminalita - Policie České republiky. Načteno z Úvodní strana - Policie České republiky [online]: https://www.policie.cz/statistiky-kriminalita.aspx
Statistiky | ČSÚ. (28. 11 2021). Načteno z Czso.cz:
https://www.czso.cz/csu/czso/statistiky