Prostorová analýza kriminality na úrovni detailních dat Policie ČR
Author:
Krajníková, Barbora
Thesis type:
Diplomová práce
Supervisor:
Lacko, Jindřich
Opponents:
Sokol, Ondřej
Thesis language:
Česky
Abstract:
Cílem této práce je propojení poznatků behaviorální ekonomie a prostorové ekonometrie. Zaměřuje se na prostorovou analýzu majetkové kriminality, konkrétně pak na krádeže vloupáním, s využitím detailních dat od Policie ČR. Z hlediska behaviorální ekonomie spojuje statistické studie s teoretickými přístupy, které objasňují, proč by se lidé mohli rozhodnout pro páchání trestné činnosti nebo se jí naopak vyhnout. Práce si klade za cíl zjistit, zda socioekonomické faktory ze Sčítání lidu, domů a bytů z roku 2021 ovlivňují kriminalitu v okresech s rozšířenou působností, a zároveň posoudit, jak se tento vliv mění v různých časových obdobích: před pandemií COVID-19, během pandemie a po skončení restrikcí. Práce zkoumá vhodnost různých modelů pro analýzu, včetně prostorových regresí, přičemž jako nejvhodnější je na základě statistických kritérií zvolen negativně binomický model. K analýze jsou využity ekonometrické metody a prostorové modely, implementované v programovacím jazyce R.
Spatial analysis of crime based on detailed data of the Police of the Czech Republic
Author:
Krajníková, Barbora
Thesis type:
Diploma thesis
Supervisor:
Lacko, Jindřich
Opponents:
Sokol, Ondřej
Thesis language:
Česky
Abstract:
This thesis aims to connect insights from behavioural economics with spatial econometrics. It specifically investigates the spatial dynamics of property crime, focusing on burglary, using comprehensive data from the Police of the Czech Republic. From the viewpoint of behavioural economics, the research integrates statistical analyses with theoretical frameworks to explain individuals' decision-making regarding crime participation or avoidance. The study seeks to determine whether socioeconomic factors from the 2021 Census of Population, Housing and Communities impact crime rates across districts with extended jurisdiction, and how these impacts shift over time—before the COVID-19 pandemic, during, and post-restriction periods. Different analytic models are assessed for their feasibility, highlighting spatial regressions, with the negative binomial model selected as optimal based on statistical judgments. The analysis leverages econometric and spatial modelling techniques using the R programming language.