Статистика таможенных правонарушений

определение уравнения  регрессии - математической модели, в  которой среднее значение результативного  признака у рассматривается как функция одной или нескольких переменных - факторных признаков (эта часть исследования именуется регрессионным анализом).

Для выявления наличия  и характера корреляционной связи  между двумя признаками в статистике используется ряд методов.

. Рассмотрение параллельных данных (значений x и y в каждой из n единиц). Единицы наблюдения необходимо расположить по возрастанию значений факторного признака x и затем сравнить с ним (визуально) поведение результативного признака y (таблица 4).

. Линейный коэффициент  корреляции - самый популярный измеритель тесноты линейной связи между двумя количественными признаками x и y. Он основан на предположении, что при полной независимости признаков x и у отклонения значений факторного признака от средней () носят случайный характер и должны случайно сочетаться с различными отклонениями (). При наличии значительного перевеса совпадений или несовпадений таких отклонений делается предположение о наличии связи между x и y.[4]

 

Таблица 4. Параллельные данные.

ГодКоличество проверок, хКоличество возбужденных дел, y200317509585032004192916409720052053568116200621854745522007237818492720082506488688200927514948382010294769676420113094197829

В линейном коэффициенте корреляции учитываются не только знаки  отклонений от средних величин, но и значения самих отклонений, выраженные для сопоставимости в единицах среднего квадратического отклонения t (1) и (2):

 

(1)и(2)

 

Линейный коэффициент  корреляции r представляет собой среднюю  величину из произведений нормированных  отклонений для x и у (3) :

 

(3)

 

Числитель формулы (3), делённый на n, представляющий собой среднее  произведение отклонений значений двух признаков от их средних значений, называется коэффициентом ковариации - это мера совместной вариации факторного x и результативного y признаков (4):

 

(4)

 

Недостатком коэффициента ковариации является то, что он не нормирован, в отличие от линейного коэффициента корреляции. Очевидно, что линейный коэффициент корреляции представляет собой частное от деления ковариации между x и y на произведение их средних квадратических отклонений (14):

 

(5)

 

Линейный коэффициент  корреляции может принимать значения от -1 до +1, причем знак определяется в  ходе решения. Если , то r=0, что означает отсутствие линейной зависимости между х и у, а при r=1 - функциональная зависимость между х и у. Следовательно, всякое промежуточное значение r от 0 до 1 характеризует степень приближения корреляционной связи между х и у к функциональной. Существует эмпирическое правило (шкала Чэддока) для оценки тесноты связи, представленное в таблице 5.

 

Таблица 5. Шкала Чеддока.

| r |Теснота связименее 0,1отсутствует линейная связь0,1 ч  0,3слабая0,3 ч 0,5умеренная0,5 ч 0,7заметнаяболее  0,7сильная (тесная)Таким образом,  коэффициент корреляции при линейной  зависимости служит как мерой  тесноты связи, так и показателем, характеризующим степень приближения корреляционной зависимости между х и у к линейной. Поэтому близость значения r к 0 в одних случаях может означать отсутствие связи между х и у, а в других свидетельствовать о том, что зависимость не линейная.[4]

Для начала построим вспомогательную  таблицу 6.

 

Таблица 6. Вспомогательные  расчеты линейного коэффициента корреляции.

Годxytxtytx ty200317509379366534089915486049-1,524-1,6152,46120041929158503549425693896100-0,443-0,5170,2292005205356409734427616777216-0,105-0,2190,0232006218546811651346059290,131-0,004-0,0005200723781745524073441404368810,3810,3390,12920082506484927155294562800267560,7460,8930,66620092751488688272753214200450250,991,0941,08320102947694838588509217099560251,4541,4222,0682011309419782973928576681732100-1,63-1,3942,272Итого:2159656694862703041963358362081 8,9305

Годxy200324317550944794828820042263584010243290272005-3550973812364952272006-5313013987620602007127752311629259408200865865024201964898720091069634052222876032201020434050526093727322011224441560473391667Итого:84463420613062083428

В нашей задаче:

= 178605/9 = 19845 = \/270304196/9 = 1733,147

y =669486 /9 = 74387 = \/3358362081/9 = 19317,125

 

Тогда линейный коэффициент  корреляции по формуле: r = 8,9305/9 = 0,992.

Найденное значение свидетельствует  о том, что связь между величиной  возбуждённых уголовных дел и  величиной таможенных проверок очень  близка к функциональной (сильная  по шкале Чэддока).

Проведём проверку коэффициента корреляции на значимость (существенность). Интерпретируя значение коэффициента корреляции, следует иметь в виду, что он рассчитан для ограниченного числа наблюдений и подвержен случайным колебаниям, как и сами значения x и y, на основе которых он рассчитан. Другими словами, как любой выборочный показатель, он содержит случайную ошибку и не всегда однозначно отражает действительно реальную связь между изучаемыми показателями. Для того чтобы оценить существенность (значимость) самого r и, соответственно, реальность измеряемой связи между х и у, необходимо рассчитать среднюю квадратическую ошибку коэффициента корреляции ?r. Оценка существенности (значимости) r основана на сопоставлении значения r с его средней квадратической ошибкой: . [4]

Если число наблюдений небольшое (n<30), то ?r рассчитывается по формуле (6):

 

, (6)

а значимость r проверяется  на основе t-критерия Стьюдента, для  чего определяется расчетное значение критерия по формуле (7) и сопоставляется c tТАБЛ.

 

. (7)

 

Исходя из нашей задачи мы видим, что число наблюдений небольшое, значит, оценивать существенность (значимость) линейного коэффициента корреляции будем по формулам:

 

= 0,992/0,048 = 20,667

 

Из значений по таблице  Стьюдента видно, что при числе  степеней свободы ? = 9 - 2 = 7 и вероятности ? = 95% (уровень значимости ? =1 - ? = 0,05) tтабл=2,36, а при вероятности 99% (?=0,01) tтабл=3,5, значит, tРАСЧ > tТАБЛ, что дает возможность считать линейный коэффициент корреляции r = 0,893 значимым.

Теперь можно производить  подбор уравнения регрессии, которое  представляет собой математическое описание изменения взаимно коррелируемых  величин по эмпирическим данным. Уравнение  регрессии должно определить, каким будет среднее значение результативного признака у при том или ином значении факторного признака х, если остальные факторы, влияющие на у и не связанные с х, не учитывать, т.е. абстрагироваться от них. Другими словами, уравнение регрессии можно рассматривать как вероятностную гипотетическую функциональную связь величины результативного признака у со значениями факторного признака х.

Найти в каждом конкретном случае тип функции, с помощью  которой можно наиболее адекватно  отразить ту или иную зависимость между признаками х и у, - одна из основных задач регрессионного анализа. Выбор теоретической линии регрессии часто обусловлен формой эмпирической линии регрессии; теоретическая линия как бы сглаживает изломы эмпирической линии регрессии. Кроме того, необходимо учитывать природу изучаемых показателей и специфику их взаимосвязей.[4]

Линейное уравнение  регрессии:

 

= a0 + a1x,

 

Параметр a1 в уравнении  линейной регрессии называется коэффициентом  регрессии, который показывает на сколько изменяется значение результативного признака у при изменении факторного признака х на единицу.

Составим вспомогательные  расчеты для нахождения уравнения  регрессии в виде таблицы 7.

 

Таблица 7. Вспомогательные  расчеты для нахождения уравнения  регрессии.

Годxyx2xy2003175093793613942886444794828839854,5383680788,057803068428,520041929158503306565081102432902759956,2642111976,25467843819,9320052053564097372142681123649522766239,5964590717,6193815787,18720062185468116421686225139876206070625,946299798,8045919197,04420072378174552477597316162925940875276,734525239,370850179287,3820082506484927565535961201964898782071,3368154816,881192608210,120092751488688628204096222287603286595,1944379836,95433864074420102947694838757020496260937273295233,894156732,0592731209948,32011309419782912654000147339166737883,50417635766,65918665547,8Итого:21596566948637947204211306208342861373747535672,653111950970

Исходя из формул, находим  уравнение регрессии:

 

а 1 = (13062083428/9 - 19845*68193) / 5273,668^2 = 3,526

а0 = 68193 - 3,526 * 19845 = -1780,47

 

Отсюда получаем уравнение  регрессии: = (-1780,47) + 3,526 * х

Расчет ошибок параметров уравнения регрессии основан  на использовании остаточной дисперсии, характеризующей расхождение (отклонение) между эмпирическими и теоретическими значениями результативного признака. Для линейного уравнения регрессии () средние ошибки параметров a1 и a0 определяются по формулам (8) и (9) соответственно:

 

(8)(9)(10)

 

Значимость параметров проверяется путем сопоставления  его значения со средней ошибкой. Обозначим это соотношение как t(10) :

 

(11)

 

Если выборка малая (n<30), то значимость параметра ai проверяется  путем сравнения с табличным  значения t-критерия Стьюдента при  числе степеней свободы ?=n-2 и заданном уровне значимости ?.Если рассчитанное по формуле (20) значение больше табличного, то параметр считается значимым.

В нашем примере по формуле (10):

 

Находим среднюю ошибку параметра а0 по формуле (8):

 

 

Теперь находим среднюю  ошибку параметра а1 по формуле (9):

 

 

Теперь по формуле (11) для параметра а0:

 

 

И по той же формуле  для параметра а1:

 

 

Так как выборка малая, то задавшись стандартной значимостью ?=0,05 находим табличное значение t?=2,36, которое значительно меньше полученного значения 21,37 и выше, чем значение (-2,05), что свидетельствует о значимости обоих параметров уравнения регрессии.

Наряду с проверкой  значимости отдельных параметров осуществляется проверка значимости уравнения регрессии  в целом или, что-то же самое, проверка адекватности модели с помощью критерия Фишера. В нашем примере получим:

 

 

Сравнивая расчетное  значение критерия Фишера Fр = 45,83 с табличным Fт = 5,59, при числе степеней свободы ?1 = k - 1 = 2 -1 = 1 и ?2 = n - k = 9 - 2 = 7 и стандартном уровне значимости ? = 0,05,можно сделать вывод, что уравнение регрессии значимо.[4]

В заключении можно сказать, что величина возбуждённых дел на таможенной территории России за период с 2003 года по 2011 год практически напрямую зависела от количества проверок, проводимых таможенными органами. Выявили тесную корреляционную связь.

 

.3 Противодействие коррупции

 

В 2011 году продолжались работы по выявлению и пресечению преступлений коррупционной направленности и  принимались меры по повышению эффективности  оперативно-розыскной деятельности, направленной на выявление и пресечение организованной преступности во внешне-экономической деятельности, с участием должностных лиц таможенных органов.

Подразделениями по противодействию  коррупции и подразделениями  собственной безопасности таможенных органов направлено в правоохранительные органы 896 материалов (ст. 144 (порядок рассмотрения сообщения о преступлении), ст. 145 (решения, принимаемые по результатам рассмотрения сообщения о преступлении) УПК РФ), из них:

по 349 материалам приняты  решения о возбуждении уголовных  дел;

по 41 - о приобщении к ранее возбужденным уголовным делам;

по 291- об отказе в возбуждении  уголовных дел;

материалов находятся  на рассмотрении в правоохранительных органах.

По материалам подразделений  по противодействию коррупции и  подразделений собственной безопасности таможенных органов возбуждено  
398 уголовных дел, в том числе:  
уголовных дела - по преступлениям коррупционной направленности 
(224 уголовных дела - в отношении 126 должностных лиц таможенных органов и 40 уголовных дел - в отношении 33 взяткодателей);  
уголовных дел - по преступлениям против интересов службы;

уголовных дел - по таможенным преступлениям (части 1, 2, 4 ст. 188 (контрабанда), ст. 194 (уклонение от уплаты таможенных платежей, взимаемых с организации  или физического лица) УК РФ) без признаков коррупции;

уголовных дел - по преступлениям  в отношении должностных лиц  таможенных органов;

уголовных дел - по другим преступлениям, наносящим ущерб  таможенным органам;

уголовных дел - по иным преступлениям, не связанным с таможенным делом.

В 2011 году по материалам подразделений по противодействию коррупции и подразделений собственной безопасности таможенных органов следственными органами возбуждены дела по тяжким и особо тяжким преступлениям:  
76 уголовных дел - по ст. 290 (получение взятки) УК РФ, 53 уголовных дела -  
по ст. 285 (злоупотребление должностными полномочиями) УК РФ, 
38 уголовных дел - по ст. 286 (превышение должностных полномочий) УК РФ.  
За совершение преступлений, в том числе коррупционной направленности, осуждено 58 должностных лиц таможенных органов и 18 взяткодателей (в 2010 году - 100 должностных лиц и 17 взяткодателей).[13]  
Наиболее распространенными видами преступлений коррупционной направленности в таможенных органах, выявленных подразделениями по противодействию коррупции и подразделениями собственной безопасности таможенных органов, являлись злоупотребление должностными полномочиями, превышение должностных полномочий, получение и дача взятки.  

Структура преступлений коррупционной направленности в  таможенных органах

 

Количество уголовных дел по коррупционным преступлениям, возбужденных по материалам подразделений по противодействию коррупции и подразделений собственной безопасности, уменьшилось на 29 % по сравнению с 2010 годом. При этом удельный вес преступлений, выявленных подразделениями по противодействию коррупции и подразделениями собственной безопасности таможенных органов, в общем числе преступлений коррупционной направленности в таможенной сфере уменьшился на 3 %.