Статья исследовала влияние введения мер по ограничению распространения Covid-19 в Мехико на связь между социальным напряжением в сообществе и уровнем убийств. Авторы проверили, изменилась ли эта связь после введения ограничительных мер. Результаты показали, что меры по борьбе с вирусом не оказали значительного воздействия на эту связь, что может указывать на другие влияющие факторы на уровень преступности в этот период. Они также отметили, что доминирование организованной преступности в Мехико может ограничить обобщаемость результатов на другие регионы.
Как же проводилось исследование?
Выборка: Данные были получены из «Open Data office of Mexico City». 1824 района, 4231 убийство, но использовалось только 3810. С апреля 2020 по май 2021. Общее кол-во наблюдений 3648.
Независимые переменные:
Время, экономическая деятельность и неравенство, плотность населения, переполненность, мобильность населения, меньшинственное население, активность организованной преступности.
Негативная эмоция: гнев (ключевой фактор, согласно GST, связывающий стрессовые ситуации с девиантным поведением)
Зависимая переменная: Уровень убийств (Homicide rade) намеренные убийства на 10.000 человек
Контрольные переменные: Экономическая деятельность, плотность населения, переполненность, мобильность населения, активность организованной преступности.
Методы: Principal Component Analysis (PCA), Корреляционный анализ, Многомерный анализ, Статистические тесты значимости, Модерационный анализ
Principal Component Analysis (PCA)
В данном контексте, PCA был использован для создания индекса, представляющего экономическую деятельность и неравенство в сообществе. Этот индекс был сконструирован на основе нескольких переменных:
1. Процент мужского населения в возрасте от 18 до 24 лет.
2. Процент населения, не получающего общественные медицинские услуги.
3. Процент населения в возрасте 15 лет и старше с неполным начальным образованием.
PCA анализирует эти переменные, находит их взаимные зависимости и создает новые переменные, называемые главными компонентами. Главные компоненты являются линейными комбинациями исходных переменных и представляют собой основные "направления" в пространстве данных. Они упорядочиваются по степени вариабельности, объясненной ими.
Этот метод позволяет выделить наиболее существенные факторы, объясняющие вариацию в данных, и создать новый показатель (индекс), который лучше всего представляет собой экономическую деятельность и неравенство в сообществе на основе исходных данных.
Корреляционный анализ
1. Результаты корреляционного анализа показали, что некоторые показатели социального напряжения имеют связь с уровнем убийств в районах Мехико.
2. Уровень убийств был отрицательно коррелирован с плотностью населения и долей носителей индейского языка, что противоречит предположениям теории напряжения.
3. Экономическое неравенство и организованная преступность, напротив, были положительно связаны с уровнем убийств, что соответствует ожиданиям теории напряжения.
4. Обнаруженные корреляции указывают на сложную динамику взаимосвязей между социальными факторами и уровнем преступности в период пандемии.
Многомерный анализ - это статистический метод для анализа взаимосвязей между несколькими переменными одновременно:
В итоге, результаты трех моделей показали следующее:
1. Модель 1: Уровень убийств снизился после введения мер по ограничению вируса. Однако этот средний эффект не охватывает полностью изменчивость уровней убийств между районами и муниципалитетами.
2. Модель 2: Плотность населения и индейская популяция были обратно связаны с уровнем убийств. Экономическая депривация и преступная активность организованных групп были положительно связаны с уровнем убийств.
3. Модель 3: Приход пандемии не оказал влияния на связь между уровнем напряжения в сообществе и уровнем убийств на уровне района.
Таким образом, исследование показало, что приход пандемии и меры по ограничению вируса не имели значительного влияния на уровень преступности в Мехико в контексте рассматриваемых факторов.
Статистические тесты значимости подтвердили:
1. В Модели 1 уровень убийств снизился после введения мер по ограничению вируса.
2. В Модели 2 были обнаружены статистически значимые взаимосвязи между некоторыми переменными (например, плотность населения и преступная активность организованных групп с уровнем убийств).
3. Модель 3 показала, что приход пандемии не оказал влияния на связь между уровнем напряжения в сообществе и уровнем убийств на уровне района.
Модерационный анализ был применен путем включения в модель взаимодействия между показателями напряжения в сообществе и приходом пандемии с мерами по ограничению вируса. Это позволило оценить, как эти факторы влияют друг на друга в контексте уровня убийств в различных районах. Результаты анализа показали, что приход пандемии не оказал существенного влияния на связь между уровнем напряжения в сообществе и уровнем убийств на уровне районов.