BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Misztal Małgorzata (University of Lodz, Poland)
Tytuł
On the Potential for Using Selected PCA-Based Methods to Analyze the Crime Rate in Poland
O możliwości wykorzystania wybranych metod analizy danych opartych na PCA do badania poziomu przestępczości w Polsce
Źródło
Econometrics. Advances in Applied Data Analysis, 2019, vol. 23, nr 2, s. 15-32, rys., bibliogr. 28 poz.
Ekonometria
Słowa kluczowe
Przestępczość, Kryminalistyka, Analiza wielowymiarowa, Ekonometria
Crime, Criminology, Multi-dimensional analysis, Econometrics
Uwagi
Klasyfikacja JEL: C38, K42
streszcz., summ.
Abstrakt
Celem pracy jest ocena możliwości wykorzystania wybranych metod analizy danych, opartych na metodzie głównych składowych (PCA), do badania zróżnicowania przestrzennego wybranych kategorii przestępstw w Polsce w latach 2000-2017. Rozważany w artykule zbiór danych występuje w ujęciu trójwymiarowym w postaci tzw. kostki danych: oprócz dwóch tradycyjnych "wymiarów" (obiekty - województwa, zmienne - przestępstwa kryminalne), pojawia się także "wymiar" czasu. Łączna analiza tego typu danych wymaga wykorzystania innych niż klasyczne metod statystycznych. W pracy dokonano analizy zmienności rozważanych kategorii przestępstw kryminalnych w czasie (w latach 2000-2017) i przestrzeni (według województw), wykorzystując tzw. międzygrupową oraz wewnątrzgrupową analizę głównych składowych. Zaletą tych metod jest m.in. możliwość prezentacji graficznej uzyskanych wyników w przestrzeni dwuwymiarowej z wykorzystaniem map czynnikowych.(abstrakt oryginalny)

The aim of the paper is to assess the potential for using some selected PCA-based methods to analyze the spatial diversity of crime in Poland during 2000-2017. Classical principal components analysis (PCA) deals with two-way matrices, usually taking into account objects and variables. In the case of data analyzed in the study, apart from two dimensions (objects - voivodships, variables - criminal offences), there is also the dimension of time, so the dataset can be seen as data cube: objects × variables × time. Therefore, this type of data requires the use of methods handling three-way data structures. In the paper the variability of some selected categories of criminal offences in time (2000- -2017) and space (according to voivodships) is analyzed using the between-class and the within-class principal component analysis. The advantage of these methods is, among others, the possibility of the graphical presentation of the results in two-dimensional space with the use of factorial maps.(original abstract)
Dostępne w
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Ali M., Razzak H., 2015, Principal component analysis of Pakistan crime data, Sci. Int. (Lahore), 27(5), pp. 4839-4844.
  2. Bąk I., 2015, Struktura i typologia przestrzenna przestępczości w Polsce, Ekonometria, 4(50), pp. 43-61.
  3. Bieniek P., Cichocki S., Szczepaniec M., 2012, Czynniki ekonomiczne a poziom przestępczości - badanie ekonometryczne, Zeszyty Prawnicze, nr 12(1), pp. 147-172.
  4. Dufour A.B., 2008, Within PCA and Between PCA, http://pbil.univ-lyon1.fr/R/pdf/course4.pdf (access: 25.03.2019).
  5. Everitt B.S., Skrondal A., 2010, The Cambridge Dictionary of Statistics, Fourth Edition, Cambridge University Press, Cambridge.
  6. Faweya O., Adeniran A.T., Balogun K.O., 2018, Principal component analysis of the crime rate in Nigeria: a case study of Ekiti and Osun State, American Journal of Mathematics and Statistics, 8(4), pp. 79-88.
  7. Florczak W., 2013, Co wywołuje przestępczość i jak ją można ograniczać? Wielowymiarowa analiza makroekonomiczna, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
  8. Friendly M., Sigal M., 2014, Some Prehistory of CARME: Visual Language and Visual Thinking, [in:] Blasius J., Greenacre M. (ed.), Visualization and Verbalization of Data, CRC Press, pp. 3-16.
  9. Gabriel K.R., 1971, The biplot graphical display of matrices with application to principal component analysis, Biometrika, 58 (3), pp. 453-467.
  10. Gardocki L., 2013, Pojęcie przestępstwa i podziały przestępstw w polskim prawie karnym, Annales Universitatis Mariae Curie-Skłodowska Lublin-Polonia, vol. LX(2), Sectio G, pp. 29-40.
  11. Gower J.C., Le Roux N.C., Gardner-Lubbe S., 2015, Biplots: quantitative data, WIREs Comput Stat., no. 7, pp. 42-62.
  12. Hotelling H., 1933, Analysis of a complex of statistical variables into principal components, Journal of Educational Psychology, 24(6), pp. 417-441.
  13. Kądziołka K., 2014, Wpływ wybranych czynników o charakterze społeczno-ekonomicznym na przestępczość przeciwko mieniu w Polsce, [in:] Szkutnik W. (red.), Zarządzanie ryzykiem kapitałowym i ubezpieczeniowym oraz społecznymi uwarunkowaniami ryzyka rynku pracy, Studia Ekonomiczne, nr 181/14, pp. 11-23.
  14. Kądziołka K., 2015a, Analiza czynników wpływających na przestrzenne zróżnicowanie przestępczości w Polsce na poziomie podregionów, Współczesna Gospodarka, vol. 6, issue 3, pp. 43-52.
  15. Kądziołka K., 2015b, Bezrobocie, ubóstwo i przestępczość w Polsce. Analiza zależności na poziomie województw, Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, nr 242, pp. 71-84.
  16. Kądziołka K., 2015c, Przestrzenne zróżnicowanie, struktura i dynamika przestępczości w Polsce, Przestrzeń, Ekonomia, Społeczeństwo, nr 8/II, s. 223-235.
  17. Kądziołka K., 2016a, Analysis of the crime rate in Poland in spatial and temporal terms, Central and Eastern European Journal of Management and Economics, vol. 4, no. 1, pp. 81-96.
  18. Kądziołka K., 2016b, Przestrzenne zróżnicowanie zagrożenia przestępczością w Polsce, De Securitate et Defensione. O Bezpieczeństwie i Obronności, nr 2(2), pp. 31-43.
  19. Leżoń A., 2015, Przestępczość w krajach Unii Europejskiej w roku 2012 - rezultaty wielowymiarowej analizy statystycznej, [in:] Prędki A. (red.), Wybrane zastosowania narzędzi analitycznych w naukach ekonomicznych, Mfiles.pl, Kraków, pp. 25-33.
  20. Lusawa R., 2016, Zróżnicowanie liczby przestępstw stwierdzonych w wybranych powiatach województwa mazowieckiego, Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, t. 103, z. 2, pp. 91-105.
  21. Misztal M., 2017, On the use of redundancy analysis to study the property crime in Poland, Acta Universitatis Lodziensis. Folia Oeconomica, 6(332), pp. 99-109.
  22. 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, nr 508, pp. 157-169.
  23. Mordwa S., 2013, Zastosowanie GIS w badaniach przestępczości, Acta Universitatis Lodziensis. Folia Geographica Socio-Economica, 14, pp. 78-92.
  24. Olakorede N.M., Adams S.O., Olanrewaju S.O., 2017, Principal component analysis of crime data in Gwagwalada Area Command, Abuja from 1995-2015, American Journal of Theoretical and Applied Statistics, 6(1), pp. 38-43.
  25. Pearson K., 1901, On lines and planes of closest fit to systems of points in space, Philosophical Magazine, 6(2), pp. 559-572.
  26. Sztaudynger J.J., Sztaudynger M., 2003, Ekonometryczne modele przestępczości, Ruch Prawniczy, Ekonomiczny i Socjologiczny, rok LXV, zeszyt 3, pp. 127-143.
  27. Thioulouse J., Dray S., Dufour A.-B., Siberchicot A., Jombart T., Pavoine S., 2015, Multivariate Analysis of Ecological Data with ade4, Springer.
  28. Wierzbicka A., Żółtaszek A., 2015, Analiza bezpieczeństwa publicznego w krajach europejskich, Wiadomości Statystyczne, nr 8, pp. 66-80.
Cytowane przez
Pokaż
ISSN
1507-3866
Język
eng
URI / DOI
http://dx.doi.org/10.15611/eada.2019.2.02
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu