Prostorová analýza kriminality na úrovni detailních dat Policie ČR
Autor(ka) práce:
Svoboda, Matyáš
Typ práce:
Bakalářská práce
Vedoucí práce:
Lacko, Jindřich
Oponenti práce:
Formánek, Tomáš
Jazyk práce:
Česky
Abstrakt:
Tato bakalářská práce zkoumá prostorovou analýzu majetkové kriminality v 77 okresech České republiky v období let 2016 až 2023, přičemž jsme celé toto období brali jako agregát. Využili jsme teoretické socio-ekonomické poznatky a provedli lineární regresní analýzu, abychom posoudili vliv jednotlivých teoretických přístupů na incidence vloupání a krádeží. Surová data o majetkové kriminalitě jsme podrobili testu Moranovo I, pomocí kterého jsme dokázali, že se mezi okresy nachází statisticky významná pozitivní prostorová autokorelace. Regresní model, který byl sestaven na základě pečlivě vybraných proměnných, umožňuje efektivně predikovat výskyt majetkových trestných činů v různých okresech. Analýza odhalila, že klíčové proměnné pro popis majetkové kriminality zahrnují průměrnou míru nezaměstnanosti, hustotu osídlení, počet sociálních zařízení na obyvatele a výši pobíraných příspěvků na bydlení na obyvatele. Proměnná související s mírou vzdělanosti se na základě našeho modelu ukázala jako statisticky nevýznamná.
Spatial analysis of crime at the level of detailed data of the Police of the Czech Republic
Autor(ka) práce:
Svoboda, Matyáš
Typ práce:
Bachelor thesis
Vedoucí práce:
Lacko, Jindřich
Oponenti práce:
Formánek, Tomáš
Jazyk práce:
Česky
Abstrakt:
This bachelor thesis examines the spatial analysis of property crime in 77 districts of the Czech Republic between 2016 and 2023, taking the whole period as an aggregate. We used theoretical socio-economic insights and conducted linear regression analysis to assess the impact of different theoretical approaches on the incidence of burglary and theft. We subjected the raw property crime data to a Moran's I test, which we used to show that there is statistically significant positive spatial autocorrelation between districts. The regression model, which was constructed based on carefully selected variables, allows us to effectively predict the incidence of property crimes in different districts. The analysis revealed that key variables for describing property crime include the average unemployment rate, population density, number of social facilities per capita, and the amount of housing allowance received per capita. The variable related to the level of education was found to be statistically insignificant based on our model.