Application of the Partial Triadic Analysis Method to Analyze the Crime Rate in Poland in the Years 2000-2017

• Autorzy: Małgorzata Misztal
• Języki publikacji: EN

Abstrakty

EN

Research background: Crime is a complex social phenomenon studied by scientists from various disciplines, as well as being of interest to politicians and the general public. Although the decrease in the level of crime has been observed in Poland in recent years, there is still a need to search for effective methods of investigating the phenomenon of crime in a multidimensional perspective. Purpose: The aim of the paper is to assess the spatial and temporal diversity of the chosen criminal offences categories in Poland from 2000 to 2017. Research methodology: The analyzed dataset constitutes a data cube: objects x variables x time. This type of data requires the use of methods dealing with three-way data structures, therefore the Partial Triadic Analysis, belonging to the STATIS family methods, was successfully applied. Results: The structure of crime by voivodeship was fairly stable during the analyzed years. Three clusters of voivodeships similar in terms of the criminal crime rate were determined. The Podkarpackie Voivodeship was characterized by the most stable structure of criminal crime in the considered period. In contrast, noticeable changes in the crime structure over time were observed in the Opolskie, Dolnośląskie, Mazowieckie and Małopolskie Voivodeships. The highest variability was observed for crimes under The Act on Counteracting Drug Addiction. Novelty: To the best knowledge of the author, there are no papers on the level of crime using the PTA method for analysis. (original abstract)

Słowa kluczowe

EN

Crime; Factor analysis; Crime statistics

PL

Przestępczość; Analiza czynnikowa; Statystyka przestępczości

• Czasopismo: Folia Oeconomica Stetinensia
• Rocznik: 2020
• Numer: vol. 20, iss. 2
• Strony: 249--278

Twórcy

autor

Małgorzata Misztal

• University of Lodz, Poland

Bibliografia

• Abdi, H., Valentin, D. (2007). The STATIS method. In: N. Salkind (ed.), Encyclopedia of Measurement and Statistics (pp. 955-963). Thousand Oaks (CA): SAGE Publications.
• Abdi, H., Williams, L.J., Valentin, D., Bennani-Dosse, M. (2012). STATIS and DISTATIS: optimum multitable principal component analysis and three way metric multidimensional scaling. WIREs Comput Stat, 4, 124-167. DOI: 10.1002/wics.19.
• Bąk, I. (2015). Struktura i typologia przestrzenna przestępczości w Polsce. Ekonometria, 4 (50), 43-61.
• Bąk, I., Cheba, K. (2018). Przestępczość w krajach członkowskich Unii Europejskiej - analiza statystyczna. Studia i Prace WNEiZ US, 54/3, 57-69. DOI: 10.18276/sip.2018.54/3-04.
• Bąk, I., Szczecińska, B. (2015). Statystyczna analiza przestępczości w województwach Polski. Folia Pomeranae Universitatis Technologiae Stetinensis, Oeconomica, 323 (81)4, 5-14.
• Bieniek, P., Cichocki, S., Szczepaniec M. (2012). Czynniki ekonomiczne a poziom przestępczości - badanie ekonometryczne. Zeszyty Prawnicze, 12 (1), 147-172.
• Escoufier, Y. (1973). Le traitement des variables vectorielles. Biometrics, 29 (4), 751-760. DOI: 10.2307/2529140.
• Florczak, W. (2013). Co wywołuje przestępczość i jak ją można ograniczać? Wielowymiarowa analiza makroekonomiczna. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
• Kądziołka, K. (2014). Wpływ wybranych czynników o charakterze społeczno-ekonomicznym na przestępczość przeciwko mieniu w Polsce. Studia Ekonomiczne, 181, 11-23.
• Kądziołka, K. (2015). Analiza czynników wpływających na przestrzenne zróżnicowanie przestępczości w Polsce na poziomie podregionów. Współczesna Gospodarka, 6 (3), 43-52.
• Kądziołka, K. (2015). Bezrobocie, ubóstwo i przestępczość w Polsce. Analiza zależności na poziomie województw. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, 242, 71-84.
• Kądziołka, K. (2015). Przestrzenne zróżnicowanie, struktura i dynamika przestępczości w Polsce. Przestrzeń, Ekonomia, Społeczeństwo, 8/II, 223-235.
• Kądziołka, K. (2016). Analysis of the crime rate in Poland in spatial and temporal terms. Central and Eastern European Journal of Management and Economics, 4 (1), 81-96.
• Kądziołka, K. (2016). Przestrzenne zróżnicowanie zagrożenia przestępczością w Polsce. De Securitate et Defensione. O Bezpieczeństwie i Obronności, 2 (2), 31-43.
• Kądziołka, K. (2016). Determinanty przestępczości w Polsce. Analiza zależności z wykorzystaniem drzew regresyjnych. Ekonomia. Rynek, gospodarka, społeczeństwo, 45, 53-81. DOI: 10.17451/eko/45/2016/186.
• Leżoń, A. (2015). Przestępczość w krajach Unii Europejskiej w roku 2012 - rezultaty wielowymiarowej analizy statystycznej. In: A. Prędki (ed.), Wybrane zastosowania narzędzi analitycznych w naukach ekonomicznych (pp. 25-33). Kraków: Mfiles.pl.
• Lusawa, R. (2016). Zróżnicowanie liczby przestępstw stwierdzonych w wybranych powiatach województwa mazowieckiego. Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, 103 (2), 91-105.
• Misztal, M. (2017). On the use of redundancy analysis to study the property crime in Poland. Acta Universitatis Lodziensis. Folia Oeconomica, 6 (332), 99-109.
• Misztal, M. (2018). O zastosowaniu analizy redundancji do badania poziomu przestępczości przeciwko mieniu w Polsce w latach 2002-2015. Taksonomia, 31. Klasyfikacja i analiza danych - teoria i zastosowania. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 508, 157-169.
• Misztal, M. (2019). On the potential for using selected PCA-based methods to analyze the crime rate in Poland. Econometrics. Ekonometria. Advances in Applied Data Analysis, 23 (2), 15-32. DOI: 10.15611/eada.2019.2.02.
• Mordwa, S. (2013). Zastosowanie GIS w badaniach przestępczości. Acta Universitatis Lodziensis. Folia Geographica Socio-Economica, 14, 78-92.
• Robert, P., Escoufier, Y. (1976). A Unifying Tool for Linear Multivariate Statistical Methods: The RV-Coefficient. Journal of the Royal Statistical Society. Series C (Applied Statistics), 25 (3), 257-265. DOI: 10.2307/2347233.
• Stanimirova, I., Walczak, B., Massart, D.L., Simeonov, V., Saby, C.A., Di Crescenzo, E. (2004). STATIS, a three-way method for data analysis. Application to environmental data. Chemometrics and Intelligent Laboratory Systems, 73, 219-233.
• Sztaudynger, J.J., Sztaudynger, M. (2003). Ekonometryczne modele przestępczości. Ruch Prawniczy, Ekonomiczny i Socjologiczny, LXV (3), 127-143.
• Thioulouse, J. (2011). Simultaneous analysis of a sequence of paired ecological tables: a comparison of several methods. The Annals of Applied Statistics, 5 (4), 2300-2325. DOI: 10.1214/10-AOAS372.
• Thioulouse, J., Dray, S., Dufour, A.-B., Siberchicot, A., Jombart, T., Pavoine S. (2018). Multivariate Analysis of Ecological Data with ade4. New York: Springer.
• Wierzbicka, A., Żółtaszek, A. (2015). Analiza bezpieczeństwa publicznego w krajach europejskich. Wiadomości Statystyczne, 8, 66-80

Identyfikatory

DOI

10.2478/foli-2020-0047