IX Международная студенческая научная конференция Студенческий научный форум - 2017

В современной ситуации политической и экономической нестабильности преступления экономической направленности представляют особую угрозу нормальному функционированию и развитию хозяйствующих субъектов, нанося не только прямой, материальный, но и косвенный ущерб.

Известно, что на сегодняшний день 70% всех ущербов, причиненных преступлениями, относятся к экономическим преступлениям. Это значит, что проблема экономической преступности в действительности весьма сильно давит на наше общество. ¹

Ввиду этого чрезвычайно важно уметь прогнозировать количество экономических преступлений, чтобы вовремя активизировать профилактические и оперативные меры защиты.

Целью работы является построение эконометрической модели для выявления наиболее значимых факторов, влияющих на количество совершенных экономических преступлений за период с 2003 по 2015 год.

Согласно Уголовному Кодексу Российской Федерации (далее - УК РФ), преступлениями экономической направленности признаются преступления, состав которых закреплен в статьях Раздела VIII «Преступления в сфере экономики» УК РФ.

Экономические преступления классифицируются следующим образом:

1. преступления против собственности (глава 21 УК РФ);

2. преступления в сфере экономической деятельности (глава 22 УК РФ);

3. преступления против интересов службы в коммерческих и иных организациях (глава 23 УК РФ).

Выделим основные признаки экономических преступлений:

• корыстный характер;

• совершение преступления в процессе профессиональной деятельности;

• связь с обязательствами, которые складываются у субъектов между собой и с государством;

• коллективность жертв;

• анонимность жертв;

• наличие 2-х и более субъектов;

• множественный характер;

• перераспределение материальных благ;

• длящийся характер.

По результатам Российского обзора экономических преступлений за 2016 год, В России почти половина всех компаний и организаций (48%) столкнулись с экономическими преступлениями за последние два года. Однако это значительно ниже результата в 2014 году, когда соответствующий показатель составил 60%. Тем не менее уровень экономической преступности в России остается выше, чем общемировой средний показатель (36%), а также выше результатов по «большой семерке развивающихся стран» (29%)1 и странам Восточной Европы (33%).

Снижение уровня экономических преступлений может быть вызвано усилением роли внутреннего аудита в организациях и усовершенствованием систем, предназначенных для выявления противоправных действий.²

Для построения эконометрической модели, которая прогнозировала бы уровень экономической преступности в стране была собрана статистика количества преступлений экономической направленности, совершенных в России за 2003-2015 года, поквартально. Графически данная статистика представлена на Рисунке 1.

Как можно заметить из анализа вышеприведенного рисунка, количество экономический преступлений в России заметно снизилось с 2003 года, однако темп снижения существенно замедлился в последние пару лет.

Также из рисунка 1 становится очевидным, что уровень экономической преступность имеет сильную зависимость от временного фактора, а именно: в 4 квартале каждого года данный показатель достигает своего минимума за год, а в 1 квартале, наоборот, - максимума. Данное замечание в дальнейшем будет положено в основу построения модели с фиктивными переменными, обозначающими момент времени.

Рис. 1. Количество экономических преступлений.

Источник: Министерство внутренних дел Российской Федерации

Также необходимо определить факторы, на основе которых будет строится эконометрическая модель. Изначально, для построения модели были выбраны следующие факторы:

1. Среднемесячная номинальная начисленная заработная плата. Выбор данного фактора был обусловлен тем, что главная цель экономического преступника заключается в получении экономической выгоды, то есть потенциальный преступник соотносит уровень возможного финансового эффекта с риском: получая достойную заработную плату, должностное лицо не намеренно рисковать, и наоборот. На основании данного предположения, была выдвинута гипотеза о том, что показатель среднемесячной номинальной начисленной заработной платы влияет на количество экономических преступлений, причем влияние это имеет отрицательный характер: с увеличением заработной платы уменьшается количество экономических преступлений.

2. Просроченная задолженность по заработной плате. Представляется очевидным, что при наличии экономических благ, полученных путем отличным от преступного, то есть при отсутствии задолженности по выплате заработной платы, потенциальный нарушитель закона не будет вынужден идти на преступление. В ином случае, жизненная ситуация, связанная с невыплатой заработанных человеком средств, может подтолкнуть его к получению дохода преступным путем, В ходе анализа была выдвинута следующая гипотеза: с увеличением просроченной задолженности по заработной плате увеличивается количество экономических преступлений.

3. Количество раскрытых преступлений. Данный показатель характеризует работу правоохранительных органов, как следственную и оперативную, так и профилактическую. Выдвинутая гипотеза носит следующий характер: чем больше количество раскрытых преступлений, тем меньше их совершается.

Важно отметить, что в ходе предварительной работы, проведенной по поиску ошибок в спецификации модели, в том числе по выявлению незначительных регрессоров, включенных в модель, из спецификации был удален такой фактор, как просроченная задолженность по заработной плате, на основании расчетов Т-теста.

Таким образом, в построении спецификации модели участвовали следующие факторы:

• среднемесячная номинальная начисленная заработная плата;

• количество раскрытых преступлений.

Для построения спецификации модели временного ряда необходимо определить:

1. тип функции , описывающий тенденцию, исходя из Рисунка 1, который представляет собой диаграмму рассеивания или график временного ряда. На графике прослеживается нисходящая тенденция, которая приближенно может быть описана линейным уравнением:

(1.1.1)

1. тип функции , задающей периодическую составляющую в структуре временного ряда. Поскольку статистика представлена поквартально, функция выглядит следующим образом:

(1.1.2)

Уравнение модели полагается аддитивным, и, в таком случае, спецификация модели выглядит следующим образом:

(1.1.3)

Отметим, что экономический смысл коэффициентов функции модели (1.1.3) - это ожидаемые предельные значения переменной по объясняющим переменным соответственно

Для анализа качества спецификации эконометрической модели был использован коэффициент детерминации , который служит мерой объясняющей способности регрессоров. Эта мера имеет наглядный смысл: есть объясненная регрессорами в рамках обучающей выборки доля эмпирической дисперсии эндогенной переменной y.

Для получения необходим оценить модель, используя процедуру МНК оценки. Предполагается, что все предпосылки теоремы Гаусса-Маркова адекватны.

Оцененная эконометрическая модель выглядит следующим образом:

(1.1.4)

В данной модели , что является показателем высокого качества спецификации модели, поскольку при , значения полностью объясняются значениями регрессоров.

В то же время, величина зависит от выборки и поэтому является случайной переменной, что снижает уровень объективности заключения о качестве спецификации модели. Чтобы придать суждению о качестве спецификации модели большую объективность используется F-тест – формализованная процедура проверки статистической гипотезы о полном отсутствии способности регрессоров объяснять значения эндогенной переменной модели.

На основании вычислений F-теста можно сделать вывод о том, что качество регрессии удовлетворительно, то есть регрессоры в рамках модели (1.1.4) обладают способностью объяснять значения эндогенной переменной у.

Далее для использования данной модели в прогнозировании показателей уровня экономической преступности в России необходимо проверить ее на адекватность с использованием интервального метода.

Для проведения процедуры проверки возьмем в качестве контролирующей выборки данные за 2 квартал 2006 года и за 3 квартал 2013 года и исключим их из обучающей выборки.

Далее выполняется следующий алгоритм:

1) Вычислим МНК – оценку с помощью функции ЛИНЕЙН в Excel.

2) Рассчитаем точечные оценки значений контролирующей выборки и :

3) Рассчитаем значение по формуле:

столбец значений контролирующей выборки, дополненный единицей, а X-матрица обучающей выборки размером n×k+1, дополненная столбцом единиц.

4) Найдем среднеквадратическую ошибку для контролирующих выборок по формуле:

5) Рассчитаем значение с помощью функции СТЬЮДЕНТ.ОБР.2Х в Excel с вероятностью 0,05, и степенью свободы :

6) Найдем для контролирующих выборок по формулам:

Так как значение эндогенной переменной принадлежит интервалу , а принадлежит интервалу [], то можно сделать вывод о том, что оцененная модель (1.1.4) адекватна и, следовательно, может быть использована.

Таким образом, оцененная модель, объясняющая количество экономических преступлений выглядит следующим образом:

Экономический смысл данной модели позволяет сделать следующие выводы:

1. Количество экономических преступлений зависит от среднемесячной номинальной начисленной заработной платы: при увеличении данного показателя на 1 руб., количество преступлений экономической направленности снижается на 11 преступлений.

2. Количество экономических преступлений связано также с общим количеством раскрытых преступлений (то есть зависит от качества работы правоохранительных органов): при увеличении общего показателя раскрываемости на 1 тысячу преступлений, количество преступлений экономической направленности из них составляет 450 штук.

3. Количество экономических преступлений в значительной мере зависит от временного фактора, то есть от номера квартала: данный показатель больше в 1 квартале и меньше в 4 квартале.

Таким образом, в данной работе была построена эконометрическая модель, объясняющая количество экономических преступлений через показатели раскрываемости преступлений, среднемесячной номинальной заработной плате и временные фиктивные показатели; была проведена работа по проверке качества спецификации модели, модель была оценена при помощи процедуры МНК-оценки и проверена на адекватность с использованием интервального прогнозирования.

Справедливо отметить, что данная модель может быть применена на практике, поскольку продемонстрировала хорошие показатели качества и прошла проверку на адекватность.

Список литературы

1. Буянский С.Г., Саломасова Е.Р. Оценка и прогноз развития экономической преступности в России // International Scientific Review - №1 (2). – 2015 – стр. 36-41

2. Бывшев В.А. Эконометрика: учебное пособие /В.А. Бывшев. – М.: Финансы и статистика, 2008 – 480с.

3. http://www.gks.ru/ - сайт федеральной службы государственной статистики.

4. Российский обзор экономических преступлений за 2016 год, PwC // [Электронный ресурс] PWC – URL: http://www.pwc.ru/ru/recs2016.pdf (дата обращения: 01.12.16)

5. http://crimestat.ru/offenses_chart - портал правовой статистики Генеральной прокуратуры РФ

6. https://мвд.рф/reports/2/ - сайт Министерства внутренних дел РФ

1^ Буянский С.Г., Саломасова Е.Р. Оценка и прогноз развития экономической преступности в России // International Scientific Review - №1 (2). – 2015 – стр. 36-41

2^ Российский обзор экономических преступлений за 2016 год, PwC // [Электронный ресурс] PWC – URL: http://www.pwc.ru/ru/recs2016.pdf (дата обращения: 01.12.16)

Код для цитирования: Скопировать