Дипломная работа: Мобилизация уголовного права в России: эмпирический анализ данных виктимизационного опроса

В табл. 5 представлено распределение значений пяти бинарных зависимых переменных в том виде, в котором они используются в анализе.

Таблица 5. Распределение значений зависимых переменных.

Гипотезы и объясняющие переменные

Основные гипотезы автор формулирует в соответствии с теоретическими предпосылками исследования, а именно теорией Блэка о мобилизации права в зависимости от социального статуса жертвы (H2) и присутствия альтернативного праву внелегального социального контроля (H3), а также теорией рационального выбора в криминологии, отсылающей к тяжести преступления как основной причине принятия решения о мобилизации права (H1). Гипотезы:

H1: Вероятность мобилизации права связана положительно с тяжестью преступления.

H2: Вероятность мобилизации права связана положительно с социальным статусом жертвы преступления.

H3: Вероятность мобилизации права связана отрицательно с внеправовым социальным контролем в ситуации преступления.

Объясняющие переменные имеет смысл разделить на три содержательные группы. Они включают характеристики преступления, жертвы, а также контекстуальные, или ситуационные характеристики преступления. Предикторы по большей части сформированы в группы в соответствии с ожидаемым эффектом влияния на зависимые переменные мобилизации права. Первая группа предикторов (I) относится к гипотезе H1, вторая (II) - к гипотезе H2, а третья (III) - к гипотезе H3. При этом переменные возраста и пола являются контрольными, и напрямую не относятся к каким-то гипотезам. В списке, приведенном ниже, стрелка вверх после предиктора означает, что гипотетически ожидается его положительная связь зависимой переменной, то есть большая вероятность мобилизации права при возрастании значения предиктора (изменении его с «0» на «1» в случае бинарных предикторов). Стрелка вниз означает обратную связь. Например, предполагается, что чем выше доход жертвы, тем выше вероятность мобилизации права:

I. Преступление:

Насилие ^

Материальный ущерб, в рублях ^

Дистанционное (через телефон/интернет) v

II. Жертва:

Пол

Возраст

Доход ^

Образование ^

В браке ^

Учится ^

Работает ^

Без судимости ^

III. Ситуация:

Светлое время суток v

Жилое место v

Свидетели v

Численность населения ^

Рассмотрим объясняющие переменные подробнее.

Насилие. Эта переменная отсылает к ответу на вопрос «было ли к вам применено физическое насилие?». Если пытаться примерно квалифицировать преступления, то в эту категорию входят нападение, однозначно подразумевающее насилие, а также частично грабеж и разбой, в зависимости от применения насилия при этих типах преступлений. Вопрос о насилии задавался только тем, кто отрицательно ответил на вопрос о дистанционном характере преступления. По этому вопросу три затруднившихся ответить респондента. Все случаи, когда вопрос не задавался по причине дистанционного характера преступления, а также три не-ответа закодированы как «0».

Ущерб в рублях. Материальный ущерб в рублях, причиненный жертве преступления, связанного с утратой имущества. Вопрос «какова была примерная сумма материального ущерба в рублях?» задавался только тем респондентам, которые ответили утвердительно на вопрос «можно ли сказать, что в результате этого события вам был нанесен материальный ущерб?». В аналитических целях все отрицательные ответы на вопрос об ущербе были закодированы как примерная сумма ущерба «0». Так же были закодированы затруднившиеся назвать сумму ущерба (121 наблюдение). В регрессионном анализе используется десятичный логарифм суммы ущерба.

По этой переменной существуют аутлаеры - нетипично большие значения. Конечно, среди имущественных преступлений встречаются крупные потери: если мы посмотрим на преступления, жертвы которых назвали ущерб более миллиона рублей, то увидим много краж автомобилей и мошенничеств с документами на квартиры. Ровно 10 наблюдений имеют ущерб свыше 3 млн. В случае этих преступлений такие размеры ущерба не вызывают сомнений вплоть до отметки в 5 млн рублей (конкретно эта сумма отсылает к краже автомобиля). Однако далее возникают сомнения в валидности названных респондентами сумм ущерба, особенно это касается двух наиболее заметных аутлаеров: преступлений с ущербом на 30 млн рублей и ущербом от дистанционного мошенничества на 6 млрд рублей. Помимо них выше отметки в 5 млн есть пять наблюдений от 7,2 млн до 15 млн. Автором принято решение исключить из анализа аутлаеры по переменной материального ущерба свыше 15 млн. В процессе работы были также посчитаны регрессионные модели при исключенных аутлаерах свыше 5 млн и свыше 3 млн: значимых различий в коэффициентах выявлено не было (в сравнении с моделями, где удалены аутлаеры свыше 15 млн).

Дистанционное преступление. Вопрос о дистанционном характере преступления задавался одним из первых после скринингового вопроса о виктимном опыте. Точная формулировка вопроса: «можно ли сказать, что в вашем случае преступление произошло через телефон/интернет (например, злоумышленники вам звонили или писали с просьбой перевести им деньги) или к вашему случаю это неприменимо?». 23 респондента затруднились ответить на этот вопрос.

Пол жертвы преступления кодировался интервьюером на основе названного респондентом имени и звучания голоса. Среди жертв преступлений в выборке 53,9% респонденток и 46,1% респондентов. Пропущенных значений по данной переменной нет. Есть основания считать, что ошибки заполнения по данной переменной практически сведены к нулю.

Возраст назывался респондентом в ответ на прямой вопрос о возрасте, эта переменная также не содержит не-ответов. Средний возраст жертвы - 42 года, медианный - 39 лет. Как было отмечено в разделе о данных, недопредставленность в выборке старших групп населения объясняется их меньшей коммуникативной и инфраструктурной доступностью в сравнении с более молодыми группами, что делает последние более доступными для телефонных опросов.

Доход. Переменная дохода, или благосостояния респондента, имеет 3% (91) пропущенных значений. Для оценки благосостояния использовалась шкала из шести вариантов ответа, предлагаемых респонденту. Варианты ответа являются конвенционально применяемыми в российской опросной практике и варьируются от «едва сводим концы с концами, денег не хватает на продукты» («1») до «можем позволить себе практически все: квартиру и т.д.» («6»). В силу малого числа наблюдений по последнему варианту ответа, два последних варианта были объединены в категорию «5». В регрессии переменная дохода включается как количественная.

Образование. По переменной образования отсутствуют не-ответы. Для оценки уровня образования использовался вопрос «какое у вас образование?». Варианты кодировки переменной отсылают к следующим уровням образования: Полное среднее и ниже («1»); Среднее специальное/техническое или начальное профессиональное («2»); Высшее и незаконченное высшее («3»). В регрессии переменная образования включается как количественная.

В браке. Вопрос о брачном статусе имеет разделение на официальный и неофициальный (гражданский) брак. Он был перекодирован в бинарную переменную, где эти виды отношений не разделялись. Допускается, что фактические отношения между людьми с криминологической точки зрения важнее, чем их официальная регистрация. Вопрос о браке содержит 13 не-ответов.

Учится ли респондент на момент опроса? По этому вопросу нет затруднившихся ответить. Среди жертв преступлений 10% ответили, что в настоящий момент учатся.

Работает ли респондент на момент опроса? По этому вопросу также нет затруднившихся ответить. Среди жертв преступлений 64% работающих людей. Безусловно, вопросы об учёбе и работе на момент опроса создают ограничение данных, поскольку гораздо полезнее было бы знать аналогичную информацию на момент происшествия, заявленного респондентом. Тем не менее, представляется, что они всё же способны аппроксимировать включённость респондента в общество, а вопросы об этих статусах на момент происшествия, в случае их использования, имели бы больший риск ошибки респондента.

Без судимости. Данная переменная отсылает к ответу на вопрос «привлекались ли вы сами когда-нибудь к уголовной ответственности?». В силу некоторой сензитивности этого вопроса, он задавался в опроснике самым последним. В то же время в силу его конкретности не-ответы по этому вопросу отсутствуют. 7,5% (226) жертв преступлений на этот вопрос ответили утвердительно. Для удобства при интерпретации результатов анализа создана переменная «Без судимости», перекодированная зеркально: она принимает значение «1», когда респондент не привлекался к уголовной ответственности, то есть предстает как более социально одобряемый по этому параметру.

Светлое время суток. В 63% случаев преступление произошло в светлое время суток. Точная формулировка вопроса: «это произошло в светлое или темное время суток?». 5,9% (176) респондентов затруднились вспомнить время суток.

Жилое место. Сложность с учетом места преступления заключается в том, что треть преступлений являются дистанционными, т.е. совершенными через телефон или интернет. В их случае важность местонахождения жертвы в момент преступления, конечно, не теряется полностью, но по крайней мере изменяется качественно. Автором принято решение не учитывать местонахождение жертвы во время удаленного преступления. Таким образом, данная дихотомическая переменная принимает значение «1», когда преступление не было дистанционным и одновременно произошло в жилом пространстве: дома у жертвы, в гостях, или в подъезде или дворе. Таких случаев 24%. По этому вопросу 33 не-ответа.

Свидетели. Данная переменная отсылает к вопросу «были ли в этот момент рядом с вами другие люди?». Присутствие рядом других людей в момент преступления (возможно, обнаружения его последствий, например, когда человек обнаруживает, что его обокрали) - важный криминологический предиктор поствиктимного поведения. В 54% случаев рядом с жертвой находились другие люди. Присутствие других людей учитывается в случае дистанционных преступлений так же, как и в случае очных. По этому вопросу 74 не-ответа.

Население. Численность населения в населенном пункте, где проживает жертва, используется в качестве метрики, в том числе обозначающей степень урбанизации населенного пункта. База, помимо этой переменной, содержит дихотомическую переменную, отвечающую за разделение статусов населенных пунктов на сельские и городские, однако это разделение в российском случае мало о чем говорит. В случаях относительно небольших населенных пунктов эта формальная классификация довольно слабо соотносится с численностью населения и развитостью инфраструктуры. Автор работы смог оценить эту проблему в том числе на собственном опыте, когда вручную вносил в базу RCVS информацию о населенных пунктах. Поэтому автором принято решение в качестве предиктора использовать именно численность населения. По этой переменной есть 137 пропущенных значений. В регрессионном анализе используется десятичный логарифм численности населения.

В табл. 6 представлено распределение значений независимых переменных по всей выборке, а также по двум категориям ключевой зависимой переменной Reporting.

Таблица 6.Распределение значений независимых переменных, в том числе в зависимости от значения переменной Reporting (правоохранительные органы узнали о преступлении).