Методика анализа причинно‑следственной связи между ужесточением уголовного законодательства и уровнем преступности — пошагово, с примерами методов, источников данных и правовых индикаторов.
1) Формулировка задачи и выбор исходных переменных
- Четко определить гипотезу (напр., «усиление санкций/расширение состава преступлений уменьшает уровень тяжких преступлений»).
- Исходы (Y): уровень преступности — можно использовать показатели: количество преступлений на 1000 чел., уровень насилия/убийств, число арестов, уровень рецидива, victimization rate (опросы). Указывать частоту (месяц/год) и уровень агрегации (округ/регион/страна).
- Лечение (D): ужесточение законодательства — момент вступления поправки, индикатор для юрисдикции/периода или интенсивность (индекс строгости).
2) Правовые индикаторы (что кодировать)
- Структурные: дата и текст конкретной правки, области (уголовный кодекс, наказания, пресечение, профилактика).
- Содержательные (для индекса строгости S): максимальное наказание $M$, наличие обязательного минимума $MM$ (0/1), расширение состава преступлений $C$ (количество новых статей), ужесточение санкций для приоритетных преступлений $P$ (баллы). Простой пример индекса:
$$S=\alpha M+\beta MM+\gamma C+\delta P,$$ где веса $\alpha ,\beta ,\gamma ,\delta$ задаются по логике/экспертной оценке.
- Показатели применения (enforcement): число арестов, число предъявленных обвинений, процент осуждений, средняя длительность наказания, численность полиции/прокуроров, бюджеты правоохранительных органов.
3) Источники данных (примеры)
- США (1920–1930‑е): Statutes at Large, Federal and state legislative records, Uniform Crime Reports (FBI) после 1929, Historical Statistics of the United States, национальные и местные архивы, газеты, судовые реестры, данные о заключённых (Bureau of Prisons), опросные victimization‑данные (если доступны).
- Современная Россия: МВД РФ (статистика преступлений), Росстат (демография, экономика), Судебный департамент при ВС РФ (дела/осуждения), ФСИН (число заключённых), КонсультантПлюс/Гарант (тексты законов), опросы населения (виктимизация), международные базы (UNODC), СМИ и региональные отчёты.
- Для обоих: макро‑контрольные переменные — безработица, ВРП/доходы, демография, миграция, образование, войны/кризисы, алкоголизация и т.п.
4) Идентификация причинности — основные подходы и спецификации
- Interrupted Time Series (ITS): для одной юрисдикции с чётким моментом вмешательства.
$$Y_t=\alpha +{\beta }_{1}tim{e}_t+{\beta }_{2}interventio{n}_t+{\beta }_{3}timeAfte{r}_t+{\epsilon }_t,$$ где $interventio{n}_t$ — индикатор после ужесточения, $timeAfte{r}_t$ — счет времени после вмешательства.
- Difference‑in‑Differences (DiD): сравнение «леченых» и «контрольных» регионов.
$$Y_{it}=\alpha +\beta D_{it}+{\gamma }_i+{\delta }_t+X_{it}\theta +{\epsilon }_{it},$$ где $D_{it}$ — индикатор ужесточения в регионе $i$ в момент $t$, ${\gamma }_i$ — фикс.эффекты региона, ${\delta }_t$ — временные фикс.эффекты.
- Event‑study (динамика эффектов и проверка предпосылки параллельных трендов):
$$Y_{it}={\alpha }_i+{\lambda }_t+\sum _{k\ne -1}{\beta }_{k}1[t-T_i=k]+X_{it}\theta +{\epsilon }_{it}.$$ - Synthetic Control: для одного «леченого» субъекта создают взвешенную смесь контролей.
Минимизировать предэкспериментальные отклонения:
$$\underset{w}{\min }\sum _{t=1}^{T_0}(Y_{1t}-\sum _{j=2}^{J+1}{w}_j{Y}_{jt}{)}^2,w_j\ge 0,\sum _j{w}_j=1.$$ - Regression Discontinuity: если закон меняется по порогу (напр., население > X), использовать RD вокруг порога.
- Instrumental Variables (IV): если ужесточение эндогенно, искать инструмент (напр., партийная смена/судебное решение, федеральная инициатива), спецификация:
Перший шаг: $D_{it}=\pi Z_{it}+\dots$, второй: $Y_{it}=\alpha +\beta {\hat{D}}_{it}+\dots$.
5) Контролируемые переменные и спецификации проверки устойчивости
- Контролировать экономические и демографические факторы $X_{it}$ (безработица, доходы, возрастная структура).
- Ошибки: кластеризация стандартных ошибок по региону; Newey‑West для временной автокорреляции.
- Robustness: placebo‑тесты (фальшивые даты/регионы), проверки на предтренды (лиды), разные временные оконa, альтернативные исходные переменные (убийства vs. кражи), разные веса в индексе строгости.
- Heterogeneity: эффекты по типам преступлений, по социально‑экономическим группам, по степени соблюдения.
6) Потенциальные угрозы идентификации и как с ними бороться
- Эндогенность: закон меняется в ответ на рост преступности → использовать IV, регрессии с предш. трендами, синтетический контроль.
- Изменение отчетности: реформы учёта/практики полиции меняют статистику — компенсировать использованием victimization surveys или фокусом на тяжких преступлениях (убийства) менее подверженных репорту.
- Spillovers и миграция преступников между юрисдикциями — моделировать пространственные эффекты, использовать соседей как контроли.
- Изменение enforcement intensity (вместо закона) — отделять эффект закона от эффекта усиления полиции, включив меры enforcement в модель.
7) Практическая реализация (порядок работ)
- Собрать хронологию законодательных актов и кодировать индикаторы S и enforcement.
- Синхронизовать временные ряды преступности и контролей на одном уровне агрегации.
- Выбрать идентификационный метод (DiD/ITS/Synthetic/IV) исходя из природы лечения и данных.
- Оценить основную спецификацию, провести robustness checks и falsification tests.
- Интерпретировать коэффициенты как средние эффекты; оценить размер эффекта и экономическую значимость.
- Документировать ограничения и альтернативные объяснения.
8) Примеры конкретных тестов для выбранных периодов
- США, 1920–1933 (сухой закон): использовать различия в уровне соблюдения и жесткости наказаний по округам/штатам; DiD: сравнить регионы с активной полицией/судебными практиками против менее активных до/после введения 18‑й поправки/федеральных актов.
- Современная Россия: использовать временные изменения КК и кодирование поправок (например, конкретные изменения по наркотикам или коррупции), DiD между регионами где реализация была жёстче/мягче; контролировать за уровнем правоприменения (аресты, преследования).
Кратко о выводах и интерпретации
- Даже при статистически значимом $\beta$ важно различать краткосрочные и долгосрочные эффекты, влияние на репортажность и смещения преступной активности.
- Результат — сочетание эконометрического анализа с качественным изучением юридических механизмов и практик применения закона.
Если нужно, могу: а) предложить конкретную спецификацию DiD и перечень контролей для выбранного периода; б) помочь подобрать источники данных и форматы сбора (для США 1920–30‑х или для современной России).