Вводные: уровень безработицы вырос на $5\%$ за $3$ года, число подростковых преступлений увеличилось на $20\%$. Ниже — кратко о возможных социологических объяснениях и конкретных методах исследования для установления причин и последствий.
Возможные социологические объяснения (и логика)
- Экономическое давление и «strain»: рост безработицы снижает легальные доходы и повышает мотивацию к криминальной активности (экономическая принужденность, девиация).
- Социальная дезорганизация: закрытие рабочих мест подрывает местные институты (школы, досуг, сети взаимопомощи), уменьшается социальный контроль.
- Снижение социальных инвестиций: сокращение программ для молодежи, профилактики и трудоустройства увеличивает риск девиантного поведения.
- Нормативные/культурные изменения: безработица может усиливать маргинализацию и нормализацию преступного поведения среди сверстников.
- Косвенные факторы (конфонд): рост наркотрафика, изменение правоохранительной практики (более активные аресты) или демографические сдвиги — могут одновременно влиять на оба показателя.
- Межпоколенные/семейные механизмы: стресс в семьях, повышенный уровень разводов/неблагополучия снижает надзор за подростками.
Какие данные собирать (ключевые переменные)
- Административные: ежемесячный/ежегодный уровень безработицы, число зарегистрированных подростковых преступлений, аресты, состав преступлений.
- Социально-экономические: доходы домохозяйств, доля домохозяйств на пособиях, уровень образования, школьные показатели (посещаемость, отсеивание).
- Институциональные: бюджет соцпрограмм, количество молодежных центров, полицейские ресурсы.
- Демография: возрастная структура, миграция.
- Качественные: интервью с подростками, родителями, соцработниками, полицией, учителями.
Методы исследования — количественные
- Временной ряд и корреляция: анализ трендов до/после (visualization, тест на структурные переломы).
- Панельные модели с фиксированными эффектами: контролируют неизменные характеристики районов.
Пример модели:
$$Crim{e}_{it}={\beta }_0+{\beta }_{1}Unem{p}_{it}+{\beta }_2{X}_{it}+{\alpha }_i+{\gamma }_t+{ϵ}_{it}$$ где $i$ — район/город, $t$ — период, $X_{it}$ — контрольные переменные, ${\alpha }_i$, ${\gamma }_t$ — фиксированные эффекты.
- Разница в различиях (DiD): если в городе произошло локальное событие (например, закрытие завода) — сравнить с контрольными городами до/после.
- Синтетический контроль: создать «синтетический» подобный город из смеси других, чтобы оценить эффект шока.
- Инструментальные переменные (IV): если есть эндогенность (безработица зависит от тех же факторов, что и преступность), искать инструмент (например, внешние шоки спроса на отрасль).
- Пространственный анализ (GIS): выявить кластеры преступности и их связь с экономическими показателями.
- Анализ пациентов/квазипанелей подростков: вычислить изменения рисков на индивидуальном уровне.
Методы исследования — качественные
- Глубинные интервью и фокус‑группы с подростками, родителями, педагогами — для понимания механизмов (надзор, доступ к ресурсам, влияние сверстников).
- Этнография/участниковое наблюдение в наиболее пострадавших районах (повседневные практики).
- Ключевые информанты: соцслужбы, полиция, работники центров занятости.
Смешанные подходы и проверка гипотез
- Сначала количественный анализ для выявления пространственно‑временных связей, затем целевые качественные исследования для проверки механизмов.
- Проверять альтернативные объяснения: изменения в учёте преступлений, увеличение полицейских рейдов, демографические сдвиги.
- Оценивать влияние через промежуточные переменные: например, медиатор «школьные отсеивания» между безработицей и преступностью.
Дизайн для выявления причинности (практические предложения)
- Если есть конкретный шок (завод закрылся в год $t$): провести DiD с соседними городами как контролями; проверить баланс предпосылок.
- Если шок разный по районам: панель с районными FE и временными трендами.
- При отсутствии явного шока: синтетический контроль или поиск IV (например, внешнее изменение спроса в отрасли).
- Для оценки программ: RCT или квазиэкспериментальные оценки (реестровые данные + propensity score matching).
Метрики и пороговые показатели
- Использовать показатели на единицу населения (например, преступлений на $1000$ подростков) для сравнения во времени и по территориям.
- Оценивать эффекты по возрастным/гендерным подгруппам.
Этика и практичность
- Защита данных несовершеннолетних, информированное согласие.
- Вовлечение местных стейкхолдеров при сборе данных и интерпретации.
- Быстрая обратная связь для политики (короткие мониторинговые отчёты).
Краткая последовательность действий
1) Собрать административные временные ряды по районам за $X$ лет (до и после роста безработицы).
2) Провести описательный и пространственный анализ; построить панельные регрессии.
3) Выделить естественные контрфакты (DiD/синтетический контроль) для причинности.
4) Провести качественные интервью в выявленных «горячих точках» для уточнения механизмов.
5) На основе результатов рекомендовать вмешательства и оценить их эффективность.
Если нужно, могу предложить конкретную модель DiD/список переменных для регрессии или пример вопросника для интервью.