Пространственная криминология

В начале 1970-х годов применение картографирования преступности ограничивалось техническими и организационными сложностями. Недостаток данных и технологий, а также проблемы с преобразованием адресов в точки на карте, создавали трудности . Но уже начиная с 1990-х гг. ситуация стала стремительно меняться. Так, Тита и Радил отмечают , что за последние 25 лет произошло значительное развитие в пространственном моделировании преступности. В реалиях 2023 года особенно заметен факт широкого распространения компьютерных картографических решений и программного обеспечения для пространственного анализа. Таким образом возникает потребность в теоретизации пространственного человеческого поведения , которое смогло бы помочь осмысленно применить для анализа данные высокой степени детализации, которыми обладают современные исследователи.

Одним из ранних и популярных подходов к анализу преступлений в пространстве стала концепция «горячих точек» (hot spots). Происхождение «горячих точек» связано с критикой традиционной криминологической теории. Вместо того чтобы сосредотачиваться на индивидах и сообществах, как это делали криминологи до 1980-х гг., этот метод сфокусирован на конкретных областях с высоким уровнем преступности . «Горячая точка» в криминологии обозначает место с высокой интенсивностью преступлений, такие как конкретные адреса, кварталы или районы. Аналитики изучают эти области для выявления скоплений инцидентов и пытаются объяснить их причины. Иногда они также обращают внимание на небольшие территории с высоким уровнем преступности или беспорядков, даже если знают, что там нет конкретной группы преступников.

В общем смысле, «горячая точка» – это место, где преступности совершается намного чаще, чем в среднем. Обратная этой идее – концепция «холодных точек», где уровень преступности значительно ниже среднего . Квартал в крупном городе, где часто регистрируются случаи уличных грабежей, краж или насилия может быть «горячей точкой». Одноэтажные дома в небольшом городке, где редко фиксируются криминальные инциденты – пример «холодных точек».

Причины появления hot spots могут быть связаны с социальными аспектами, присущими местности. Чета Брантингэмов предложила специальную терминологию для описания причин появления точек. Бары и ночные клубы, например, создают ситуации, в которых появляются преступления. Они называются «генераторы преступлений» (англ. crime generators). Вокзалы и людные места же притягивают преступников и именуются «аттракторами преступлений» (англ. crime attractors) . Несмотря на то, что терминология Брантингэмов устроена сложнее, мы остановимся только на этих двух основных терминах.

Получается, что «горячие точки» могут возникать как по причинам того, что социальные взаимодействия внутри них ведут к преступлениям, так и потому что пространство может выступать магнитом для тех, кто хочет совершить преступное деяние. В таком случае, задачей полиции становится сосредотачивать ресурсы в местах, где вероятность совершения преступления выше, чтобы как повышать уровень раскрываемости преступлений «по горячим следам», так и достигать профилактического эффекта и предотвращать преступления. Исследования указывают, что эффективная концентрация ресурсов в «горячих точках» может способствовать снижению общего уровня преступности в городе . В этом контексте важно помнить, что повседневное знание об опасных местах может быть ошибочным, поскольку индивиды могут воспринимать как безопасные места те, которые статистически могут не быть таковыми, например оживленные улицы, университетские кампусы, остановки .

Политика, основанная на анализе горячих точек предполагает определение районов города, требующих дополнительной видимости. На деле это выглядит следующим образом: полиция осуществляет регулярный, интенсивный хорошо заметный пеший патруль в районах, подверженных преступности. Основная функция заложена в ее превентивной природе. Размещение полицейского контингента на наиболее криминальных территориях может выступать в качестве сдерживающего фактора для потенциальных преступников. Примеры применения данной тактики свидетельствуют о значительном сокращении уровня преступности. К примеру, в Эссексе это привело к снижению показателя насильственных преступлений на более чем 70%, а уличной преступности на 30% .

Кроме того, «горячие точки» могут меняться в зависимости от времени дня и года. Так, ночью вероятность совершения преступления в районах с плохим освещением и недостаточным наблюдением будет выше, чем в тех, где больше этих элементов благоустройства. Говоря о времени года, можно сказать, что в летние месяцы можно ожидать больше преступлений, совершаемых на улице, а не внутри жилых помещений .

В 2014 году Дэвид Вайсбурд предложил некоторый итог традиции исследования «горячих точек», которая сформировалась к тому времени – «Закон концентрации преступности» (англ. law of crime concentration at place) . Согласно нему, малое количество мест в районе или городе, сосредотачивают диспропорциональное количество преступлений. Этот закон подкреплен исследованиями из разных стран, которые демонстрируют последовательность в концентрации преступности на участках улиц. К примеру, Шерман и его коллеги утверждают, что в Миннеаполисе более 50% преступлений поступают с 3,3% адресов, а в Сиэтле 5,1% участков улиц отвечают за половину преступлений .

Гилл, Вудич и Вайсберд исследовали тенденции преступности в Бруклин Парк, Миннесота, за 15 лет (с 2000 по 2014 год) и обнаружили высокую концентрацию преступлений в небольшом числе мест. Примерно 2% участков улиц порождали половину преступлений, и всего 0,4% - четверть преступлений. Тем самым они подтвердили «закон концентрации преступности». Несмотря на стабильность в концентрации преступности, в Бруклин Парк наблюдалось постепенное снижение преступности в «горячих» местах, что существенно влияло на общий уровень преступности города.

Насколько нам известно, к настоящему времени неизвестно, работает ли обсуждаемый закон для городов Казахстана. Если мы получим положительный ответ на этот паззл, то это теоретически позволит нам использовать наработки теории «горячих точек» для повышения эффективности полиции в стране.

Насильственные и преступление против собственности в городском пространстве

Как известно, преступления могут быть различны по своей природе. Используя общепринятые классификации мы выделяем два типа криминальных инцидентов, которые могут иметь ярко выраженную пространственную специфику:

• Против личности (с применением или угрозой насилия или без);
• Против имущества (имущественная преступность)

По статистике, совокупный процент насильственных преступлений значительно уступает доле имущественных преступлений, соотношение варьируется примерно как 20:80. Хотя, стоит отметить, в ряде европейских стран в последние годы есть тенденция к снижению количества и постепенному выравниванию пропорций между этими преступлениями . Несмотря на общемировую тенденцию к спаду преступности (так называемый the great crime decline ), где в большей степени делается упор на снижении показателей насильственных преступлений, именно к насильственным видам преступления всегда приковано внимание общества. Это объясняется относительной однозначностью и высоким уровнем их латентности в случае нетяжких или сензитивных (например, против половой неприкосновенности) преступлений. Более того, эффективность работы правоохранительной системы оценивается с точки зрения динамики преступлений с применением или угрозы применения насилия.

Исходя из этого, было принято решение сравнить между собой пространственную специфику данных двух видов преступления в двух крупнейших городах Казахстана – Астана и Алматы.

С точки зрения исследований пространственного распределения преступлений против собственности и пространства мы можем отталкиваться лишь на исследования, выполненные преимущественно на англо-американском материале. Мартин Андерсон и Джордан Вонг в своём исследовании ожидали, что школы, парки и некоммерческое жилье, привлекая молодежь, увеличат мотивированных преступников и, следовательно, шанс появления краж возрастет. Однако результаты показали обратное, указывая на снижение шанс краж снижается для этих территорий.

Преступления, такие как кражи, грабежи и угон автомобилей, могут иметь место с разной интенсивностью внутри кварталов и районов. Например, дома в Солт-Лейк-Сити с ухоженными живыми изгородями менее подвержены кражам по сравнению с другими домами в том же районе. Также апартаменты в Таллахасси, близко расположенные к входу в комплекс и не имеющие вид на другие здания, более подвержены кражам, чем апартаменты внутри здания, обращенного к другим зданиям. Микро пространственные вариации также показывают, что магазины, находящиеся рядом с необжитой местностью или вдали от других коммерческих точек, имеют больше шансов подвергнуться грабежам по сравнению с теми, что расположены в плотно населенных коммерческих районах .

Маркус Фэлсон и его коллеги в свою очередь анализировали специализации преступлений против собственности в Детройте и выявили что лишь 22 группы кварталов являлись горячими точками для всех пяти видов преступлений против собственности. В то время как 167 групп кварталов считались горячими точками только для одного из типов преступлений . Это свидетельствует о том, что распределение преступлений неравномерно и может существенно различаться в зависимости от района. Кейт Боукер, анализируя лондонские кражи внутри нежилых помещений показывает, что главными генераторами таких преступлений выступают бары, на которые приходится треть всех инцидентов. Вместе с кафе и ресторанами они являются местом совершения половины краж. При этом, инциденты происходят в более оживленных районах с точки зрения деловой активности .

Таким образом, горячие точки преступлений представляют собой разнообразные и динамичные явления, специфика которых может сильно отличаться от города к городу. В случае Казахстанских городов мы можем лишь примерно говорить о том, что они скорее происходят в оживлённых и густонаселенных местах и имеют свойство «притягиваться» к местам проведения досуга.

Закон концентрации преступности и мегаполисы Казахстана

Если «Закон концентрации преступности» верен для городов Казахстана, мы можем ожидать, что в небольшом количестве территорий города происходит подавляющее большинство преступлений. Для иллюстрации этого обратимся к Таблице 1, где приведены такие соотношения. Первый нумерический столбец показывает на скольких процентах городского пространства произошли все (т.е. 100%) преступления. Последние три столбца показывают на какой процент преступлений в гексах приходится 3%, 5% и 10% площади города соответственно. Например, в первой строке («Вся территория города» - «Астана» - «Преступлений всего») в столбце «3%» находится значение «55%». Это значит, что 55% всех преступлений в Астане происходят на 3% городской территории.

Так, наибольшая концентрация преступности отмечается в Астане. Здесь треть городской среды становится местом совершения 100% преступлений. Более того, примерно половина всех правонарушений фиксируется на всего лишь 3% городского пространства. Для наглядности, этот участок можно сравнить с расстоянием от Центральной мечети до улицы Сарайшык между Кабанбай батыра и Мангилик ел. В Алматы преступная активность более равномерно распределена по сравнению с Астаной и охватывает 44% городской территории. Тем не менее, около 70% всех преступлений сосредотачиваются на 1/10 части городских локаций, что соответствует площади Наурызбайского района. Соответственно, мы можем с уверенностью заявлять, что проверяемый Закон работает и для мегаполисов Казахстана.

Однако, такой подход имеет существенную слабость, поскольку административные границы обоих столиц включают большие незаселенные участки, благодаря которым соотношение преступлений и городского пространства становится более выраженным. Большая часть преступлений в обоих городах приходится на городское пространство, характеризующееся наибольшей плотностью населения. Зачастую речь идет о центральной части города, тогда как окраины или субурбии имеют менее выраженный криминальный фон.

Чтобы дать более взвешенную оценку, мы также анализируем только территорию с преобладающей высотной и плотной застройкой. Условно, её можно назвать городским центром в широком смысле этого слова. Результаты приведены в нижней части Таблицы 1.

Если взять за основу анализа только плотную городскую застройку, выводы приобретают более консервативный характер. 100% совершённых преступлений приходится на 70% территории Астаны, что делает пропорции менее выраженными. В контексте нетяжких краж и насильственных преступлений мы наблюдаем несколько бóльшую разницу в соотношении (66% и 41% соответственно). В Алматы можно зафиксировать схожие отношения.

Однако, ввиду того что около половины преступлений почти во всех случаях происходит на 10% городской территории, мы можем говорить о соблюдении Закона пространственного распределения преступности, но в значительно меньшем числе ситуаций. Таким образом последующий анализ призван скорее акцентировать внимание на пространственном распределении преступной активности примерно половины всех криминальных инцидентов, но не описать их полностью.

Стоит также отметить, что использование стратегии, основанной на анализе «горячих точек», не является универсальным методом, применимым ко всем видам преступлений, поскольку некоторые из них не имеют пространственной привязки (корпоративные преступления, кибермошенничество, удалённые преступления) или она не является столь выраженной (классические мошенничества).

Динамика горячих точек за 2019-2023 гг.

В случае анализа «горячих точек» исследователей зачастую интересует не столько пространственные аспект преступности, сколько временной. Мы также не могли обойти стороной этот вопрос и изучили, как изменились hot spots в городе с 2019 по 2023 г. Результаты для г. Астана представлены на Рисунке 5, для г. Алматы на Рисунке 6. Однако для понимания графика необходимо привести пояснения по методике его расчетов.

Чтобы оценить динамику изменения преступности в городе, мы получили Gi-статистики из предыдущей части для всех преступлений в изучаемых городах по годам за пять лет. Стоит отметить, что при этом мы использовали данные по населению территории только за 2023 г., в силу отсутствия схожих источников для предыдущих периодов. В результате, для каждого гекса в каждом году мы получили два параметра: статистическую значимость по которой мы можем классифицировать гекс как точку для анализа и величину Gi-статистики, которая сообщает о том, будет ли это «горячая» или «холодная» точка.

После этого, на основе существующих классификаций , мы определили несколько групп гексов с разной временной динамикой:

1. Территории, которые имели статистическую значимость пять или четыре года в изучаемом периоде. Для них мы провели тест Манна-Кенделла , который показывает монотонность роста значения Gi-статистики в изучаемом периоде. Тест мог показать значения от -1 (стремительное и постоянное падение) до 1 (стремительный и постоянный рост). Если значение теста было больше 0.5, мы отмечали гекс как «Горячий, растущий», если меньше -0.5 – «Горячий, угасающий», при значениях между -0.5 и 0.5 – «Горячий, неопределенная динамика»;
2. Если точка имела статистическую значимость два или три года в изучаемом периоде, она получала категорию «Горячая, нестабильная»;
3. Если точка получила значимость только в 2023 г. или за год до того, мы фиксировали её как «Горячую, новую».

На графиках ниже, представлено распределение точек по этим типам. Мы предлагаем анализировать только категории «растущих», «угасающих» и «новых».

______________________

Так, в случае Астаны, мы наблюдаем, что нетяжкие кражи в старой части города постепенно угасают, в то время как значения статистики для аналогичных преступлений в районе Центрального парка города, бульвара Нуржол, Президентского парка и Меги Silk Way стабильно растут. Ожидаемо мы фиксируем также новые горячие точки в районе новой застройки на западе и юге города. Редким исключением стабильного роста статистики в северной и восточной части города является ЕНУ им. Гумилева, что может объясняться ростом числа студентов в университете.

Если угасание эффекта нетяжких краж в «Целиноградской» части города характеризуется на значительном и связанном пространстве, то насильственные преступления имеют тот же тренд лишь в некоторых «эпизодических» гексах. В то же время, почти для всего левобережья столицы относительный рост изучаемого показателя по насильственным преступлениям – относительно новое явление.

______________________

Переходя к контексту Алматы, мы ожидаемо видим появление новых «горячих точек» в районах застройки новых жилых микрорайонов на западе и севере города. При этом, можно наблюдать появление точек насильственных преступлений в частном секторе на юго-западе. Отличие двух изучаемых типов преступлений можно увидеть и в паттернах угасающих «горячих точек». Постепенное угасание насильственных преступлений характерно для района Mega-Park, в пространстве от Зеленого базара до пр. Райымбек и в окружении ПКиО Family park. Эффект нетяжких краж спадает в отдельных гексах на запад от оз. Сайран, на территории Медеу, а растет на тарритории вокруг авторынка Жибек жолы и Mega Center.

При интерпретации, мы хотели отдельно отметить, что приведенный анализ говорит не о динамике роста или падения числа преступлений, а об изменении «веса» того или иного гекса в общей картине преступности в городе за пять лет. При этом и саму преступность мы анализируем в относительных значениях – как число инцидентов на 1000 жителей гекса.

Категории мест совершения преступлений

Для контекстуализации этой части, мы начнем с риторического вопроса. С точки зрения пространственных характеристик, можем ли мы сравнить кражу в парке и кражу в торговом центре? Исходя из исследовательской традиции мы склонны давать отрицательный ответ, поскольку разные территории порождают или притягивают преступления по-разному. Например, торговый центр является ожидаемой точкой концентрации криминальных инцидентов и не требует специального пространственного анализа (на уровне города), в отличие от краж на улицах. Чтобы понять особенности мест, где происходят преступления, нам необходимо анализировать только такие локации, которые не могут генерировать или притягивать преступность сами по себе и рассматриваться как кейсы: в частном секторе, многоквартирных домах и придомовом имуществе, уличных общественных пространствах. В используемых данных КПСиСУ ГП РК фиксируется более пятидесяти разнообразных вариантов мест совершения преступлений. Для упрощения анализа мы классифицировали все локации в десять основных групп . Как показано в Таблице 2, в Астане имущественная преступность локализуется в большей степени на коммерческих объектах (29%), в многоэтажных жилых домах и прилегающих к ним зонах (14,5%) и на улицах города (10,5%). В Алмате тенденция похожая, однако список основных мест имущественных преступлений дополняется частным жилым сектором и транспортными объектами: коммерческие объекты (25,7%), уличные общественные пространства (17,8%), транспортные объекты (11,2%), частная некоммерческая собственность (9,9%), многоквартирные дома и придомовое имущество (9,1%).

В Астане отмечена тенденция совершения насильственных преступлений преимущественно в общественных пространствах (37,7%), т.е. ВУЗах, учебных и медицинских учреждениях и проч. Далее по представленности следуют такие места как многоквартирные дома (16,9%) и частный жилой сектор (8,5%). В Алматы насильственный характер преступлений отмечен в половине случаев на территории улиц (50,1%). Кроме уличных пространств, преступность с применением насилия в широком смысле происходит чаще в частных жилых помещениях (13,5%), нежели в многоэтажных домах (5,7%).

Стоит отметить, что несмотря на взаимосвязанность категорий, мы исходим из позиции разнородности преступлений в зависимости от социо-экономических характеристик и стратегий преступника. По этой же причине мы исключаем из анализа культурно-просветительские, досуговые и объекты ГРБ, а также коммерческие, транспортные, производственные и складские помещения. Анализ в этих категориях выявит специфические типы объектов, где происходят преступления. Например, изучая кражи в местах общественных благ, мы создадим карту школ, больниц и университетов города.

Для трех выбранных категорий – частная (некоммерческая) собственность, многоквартирные дома и уличные общественные пространства – такие сложности, на наш взгляд, не столь существенны. Предполагаем, что преступления в этих пространствах распределены по городу без строгой привязки к объектам определенного типа, и изучение их связи с социо-экономическими характеристиками даст более информативный результат для понимания и предотвращения этого феномена.

Аналитическая стратегия

Итак, для Астаны и Алматы мы будем анализировать изменения числа двух типов преступлений (нетяжких краж и насильственных преступлений) в гексе. Внутри каждого из типов инцидентов мы выделяем три выборки по местам их совершения: в частной (некоммерческой) собственности, многоквартирных домах и придомовом имуществе, а также уличных общественных пространствах.

Поскольку до 80% значений в зависимых переменных представлено нулями, число преступлений счётно и варьируется от 1 до 10, между средней и стандартным отклонением наблюдается овердисперсия, а распределение нулей неслучайно и связано с ненулевыми значениями, мы остановились на отрицательной биномиальной регрессии (negative binomial regression), как ключевой для анализа.

Для изучения связи между характеристиками места и числом преступлений, мы оцениваем модель вида:

\[Количество~краж_i^s = Характеристики~места_i + Пространственный~лаг_i + Район_i + Ошибка_i\]

Где \(Количество~краж_i^s\) это количество краж типа s в гексе i. \(Характеристики~места_i\) представлены следующими независимыми переменными для каждого гекса i:

• Число жителей гекса (в тыс. чел.);
• Цена продажи \(м^2\) жилья (в 10 тыс. т.);
• Уровень деловой активности. Порядковая переменная, которую мы операционализируем через количество объявлений о сдаче в аренду коммерческих помещений в гексе. Для сравнимости результатов между городами, мы кодировали абсолютное число переменных в три категории, где опорной выступает отсутствие объявлений в гексе. Среди оставшихся наблюдений нижняя половина от медианы названа «умеренным уровнем», а верхняя половина «высоким уровнем» деловой активности.
• Наличие индустриальных помещений в гексе. Дамми-переменная. При наличии внутри или на расстоянии 300 м. от него объявлений о сдачи в аренду призводственных помещений, переменная принимала положительный класс;
• Процент строений в гексе от общей площади (в 10%);
• Процент парков в гексе от общей площади (в 10%);
• Дистанция от центра города (в км.). Эта мера используется для грубой оценки пространственных характеристик расположения гекса.

Распределение описательных статистик перечисленных переменных представлено в Приложении в Таблице А2.

\(Пространственный~лаг_i\) – обозначает среднее значение зависимой переменной в окружении гекса. Таким образом мы учитываем то, насколько плотность преступлений в каком-то пространстве связана с окружающей его территорией (т.е. пространственный эффект). Это позволит нам отделить эффекты других переменных (например, населения) от того, что называется «пространственным распространением преступности) – в месте X может стать много криминальных инцидентов, потому что преступность выросла в соседнем с ним пространстве.

\(Район_i\) обозначает фиксированный эффект района для Астаны и Алматы для гекса i, а \(ошибка_i\) – ошибку. Для каждой из моделей рассчитываются устойчивые ошибки с их кластеризацией по районам города в случае Астаны и Алматы.

«Портреты» типичной кражи и насильственного преступления. Результаты анализа.

С какими характеристиками пространства связан уровень насильственных преступлений или краж? Для ответа обратимся к Таблицам 3 и 4.

______________________

Как показал анализ в Таблице 3, самым сильным предиктором выступает количество проживающего населения, уровень деловой активности и плотность расположения жилых домов друг к другу.

Самый большой положительный эффект на количество совершаемых нетяжких краж и насильственных преступлений имеет количество жителей гекса. Особенно в отношении криминогенной обстановки в частном жилом секторе. К примеру, при увеличении общего числа жителей гекса с преступлениями в частном секторе на 1000 человек, количество нетяжких краж на этой территории вырастет на 400%, а насильственной преступности на 700%. Возможно, такая большая разница обусловлена меньшей плотностью населения в таком типе жилья. В этом случае эффект дополнительной тысячи жителей на преступность в многоквартирных домах и на улицах города даёт более взвешенную картину – рост на 80%-160% при прочих равных.

Уровень деловой активности как фактор, способный оказать эффект на динамику преступлений, также имеет положительное значение. Если в гексе наблюдается умеренная деловая активность (количество объявлений о сдаче офисов меньше или равно трем), то ожидаемое количество краж в многоквартирных домах и на улицах в Астане увеличится примерно на 150%. Аналогичный эффект предиктор деловой активности имеет и в отношении насильственных преступлений на уличных территориях и, несколько ниже, в частном секторе (110%). Высокий уровень деловой активности в целом показывает схожие эффекты: от 110% до 140%.

Плотность городской застройки также значима в вероятности совершения преступлений. При увеличении застроенности гекса на 10% его территории, количество нетяжких краж увеличивается на 20% во всех трех основных местах преступления, количество насильственных инцидентов увеличится в диапазоне от 10% до 50% в зависимости от специфики локации.

В результатах регресии есть предикторы, которые связаны с зависимыми переменными не только положительно, но и отрицательно. То есть при их росте – количество преступлений падает. Такими переменными выступают дистанция от центра города и цена недвижимости. Если гекс удалён на 1 км. от центра дальше, чем другой с такими же остальными характеристиками, то в нём будет в среднем на 20-25% меньше краж и практически на столько же меньше насильственных преступлений в многоэтажных домах и на уличном пространстве города. На распределение насильственных видов преступления в частном секторе данный предиктор силы не имеет.

Что касается связи с экономической характеристикой территории, то можно наблюдать, что, если цена недвижимости на территории в Астане увеличивается на 10 000 тенге, то потенциальное число уличных краж снижается на 8%. В случае с другими типами пространств или насильственными видами правонарушений, цена жилья в гексе не оказывает какого-либо эффекта.

Предиктор «процент парковой зоны в гексе от общей площади (в 10%)» имеет ожидаемо выраженную положительную связь в случае с уличными кражами (15%).

Наличие значимости пространственного эффекта выявлено в случае с имущественными и насильственными преступлениями в многоквартирных домах и на территории улиц. То есть если указанные виды преступлений показывают положительную динамику в определенном гексе, то ожидается рост аналогичной преступности в соседних гексах. Этот эффект сильнее всего (однако, при пограничной значимости) выражен в случае насильственных преступлений в многоквартирных домах. Т.е. если в окружение гекса в среднем происходит один инцидент этого типа, то в самом гексе ожидается на примерно на 160% (или, минимум на полтора) преступлений больше при прочих равных.

При этом не выявлено значимой связи между зависимой переменной и количеством индустриальных объектов в городском пространстве.

Криминальный профиль Алматы в большей степени определяется теми же предикторами, которые значимы для пространства Астаны. Однако фиксируются некоторые различия. Рассмотрим их более детально в Таблице 4.

______________________

В Алматы, предиктор «количество проживающего в гексе населения» имеет сильный и значимый эффект в случае имущественной преступности независимо от места совершения инцидента. Добавление в гекс 1000 жителей, увеличивает ожидаемое количество краж на 50%. К тому же, эффект проявляется и в отношении насильственной преступности в уличном пространстве (около 45%).

Такой фактор как площадь застройки гекса демонстрирует стабильную положительную связь в прогнозировании как имущественных инцидентов, так и насильственных преступлений. С каждым процентом увеличения застройки в гексе от общей площади, ожидаемое количество краж и насилия здесь увеличивается в среднем на 30%.

В Алматы аномально высокую значимость на совершение преступлений оказывает фактор деловой активности. Так, чем больше представлен бизнес сектор на территории, тем большее количество преступлений (имущественных и насильственных) стоит ожидать. Особенно сильно эффект проявлен в случае с насильственными преступлениями в многоквартирных жилых помещениях и близлежащей к ней зоне (около 400%).

Кроме этого, значимая отрицательная связь наблюдается с предиктором «дистанция от центра города». Если гекс удален от центра на 1 км. и более, то в нем произойдет на 10% меньше краж всех трех типов и на 15% меньше насильственных преступлений в частном жилом секторе и на улицах.

Экономический фактор в распределении преступности в Алматы имеет неоднозначный эффект. Если в отношении насильственной преступности в частном секторе, он имеет положительный эффект (рост цены жилья вызывает повышение ожидаемого числа преступлений на 15%), то с динамикой уличных краж и насильственных видов преступления в многоэтажках, данный предиктор связан отрицательно (на 20% и 8% соответственно).

Похожий тренд выявлен в анализе значимости такого фактора как «наличие индустриальных объектов в гексе». В частности, на имущественную преступность в многоквартирных домах этот фактор оказывает отрицательную силу, на кражи в частном жилом секторе – положительную. То есть, если в гексе имеются производственные помещения, то потенциальное количество краж в первом случае уменьшается на 20%, во втором – увеличивается на 30%.

Анализ не выявил связи между распределением преступлений в городском пространстве Алматы и наличием парковой зоны в данном пространстве.

Что касается пространственного эффекта, то в Алматы, также как и в Астане, выявлен сильный значимый эффект взаимовлияния криминогенной обстановки городских пространств друг на друга. Особенно обращает на себя внимание сила пространственного эффекта насильственных преступлений в многоэтажных домах (количество преступлений увеличивается на 420%). То есть, возьмем к примеру гекс в районе с многоэтажной застройкой. Если в шести окружающих его других гексах мы можем в среднем насчитать одно избиение, то возможность наступления насильственного преступления в обсуждаемом гексе возрастает на 420%.

Сравнительный анализ распределения имущественных и насильственных преступлений в городах Астана и Алматы показал, что, при прочих равных, совершение указанных видов преступления на территории города обусловлено:

• Большим числом проживающего населения;
• Высокой плотностью застройки;
• Высоким уровнем деловой активности;
• Положительной криминогенной динамикой на соседних территориях;
• Близкой дистанцией к центру города.

Кроме перечисленных предикторов, в Астане выявлена обратно пропорциональная связь между социально-экономическим профайлом района и вероятностью совершения преступлений в нём. Также мы выяснили, что соседство проживания с парками по-разному отражается на динамике преступлений в Астане в зависимости от типа строения и структуры жилья. Наличие индустриальных объектов внутри или рядом с гексом снижает количество краж в многоквартирных домах в Алматы. В Алматы также цена недвижимости имеет разный эффект для разных типов пространств, в которых произошло преступление.

Таблица А1. Категоризация пространств, применяемая в работе

______________________

Таблица А2. Описательные статистики независимых переменных в регрессии

______________________