PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :An analysis of the Greek 1991-2016 crime data
Alternative Title :Μια ανάλυση των ελληνικών εγκληματολογικών δεδομένων για τα έτη 1991-2016
Creator :Maggina, Spiridoula
Μαγγίνα, Σπυριδούλα
Contributor :Demiris, Nikolaos (Επιβλέπων καθηγητής)
Athens University of Economics and Business, Department of Statistics (Degree granting institution)
Type :Text
Extent :xiv, 82 p.
Language :en
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=6573
Abstract :The study of crimes has great scientific interest with practical implications regarding government future strategies aiming at society safety as well as and other social and macroeconomic impact.In this study, we have utilized annual historical crime data for the period 1991-2016, concerning seven common crimes in Greece's territory general,as well as focusing on the main 14 districts that form the country.The stationary time series is one of the tools for making predictions and autoregressive integrated moving average (ARIMA) models have been already successfully used in forecasting econometrics and other social science problems.The main goal of this study was the prediction of the best fitted models for depicting the crime trend and forecasting future values,regarding the whole country and Greece's 14 individual regions. In this thesis, we have used Box Jenkins ARIMA methodology for the univariate time series analysis,after we removed the trend from the series.We suggest, for the time series analysis of count data,the implementation of a method based on GLM models,performed from the R package "tscount".We examined also, a multivariate analysis with VAR models.The applied methods explain the time series adequately. According to the forecasts we do not expect significant changes in the crime pattern in the future. Regarding the variable “fraud” however, a substancial increase is been expected for the next 30 years in total Greece and some specific regions namely An.Makedonia-Thraki, Thessalia, Ipeiros, Peloponnisos, Attiki, Ionia Nisia, Voreio and Notio Aigaio according to the predictive models. ARIMA models could perform better in shorter run forecasts and with no doubt longer time series could provide better results.
Η μελέτη των εγκλημάτων έχει μεγάλο επιστημονικό ενδιαφέρον με πρακτικές συνέπειες, αφορώντας μελλοντικές κυβερνητικές στρατηγικές που στοχεύουν στην κοινωνική ασφάλεια,καθώς και άλλες προεκτάσεις με κοινωνικό και μακροοικονομικό αντίκτυπο.Στην μελέτη αυτή,έχουμε χρησιμοποιήσει ετήσια ιστορικά εγκληματολογικά δεδομένα για τη περίοδο 1991-2016, που αφορούν σε επτά σύνηθη εγκλήματα στην επικράτεια της Ελλάδας,καθώς και στις 14 περιφέρειές της.Οι στάσιμες χρονολογικές σειρές είναι ένα από τα εργαλεία για να κάνουμε προβλέψεις, και τα αυτοπαλίνδρομα ολοκληρωμένα υποδείγματα κινητών μέσων (ARIMA) έχουν ήδη με επιτυχία εφαρμοστεί σε προβλέψεις προβλημάτων οικονομετρικών και άλλων κοινωνικών επιστημών.Ο βασικός στόχος αυτής της μελέτης ήταν η πρόβλεψη των καλύτερα προσαρμοσμένων μοντέλων που απεικονίζουν τις τάσεις της εγκληματικότητας και προβλέπουν μελλοντικές τιμές για την Ελλάδα στο σύνολο καθώς και για τις 14 περιφέρειές της. Σε αυτήν την μελέτη,έχουμε χρησιμοποιήσει την μεθοδολογία των Box-Jenkins ARIMA για χρονοσειρές μιας μεταβλητής,άφού έχουμε αφαιρέσει την τάση από αυτές.Προτείνουμε για την ανάλυση δεδομένων μετρήσιμων θετικών ακέραιων τιμών,την εφαρμογή μεθόδου βασισμένη στα μοντέλα GLM εφαρμοσμένο από το πακέτο της R, 'tscount".Μελετήσαμε επίσης την μέθοδο της πολυμεταβλητής ανάλυσης με τα μοντέλα VAR. Οι μέθοδοι που εφαρμόστηκαν εξηγούν τις χρονοσειρές μας σε ικανοποιητικό βαθμό. Σύμφωνα με τις προβλέψεις δεν περιμένουμε σημαντική διαφορά στο πεδίο της εγκληματικότητας για το μέλλον. Παρ' όλα αυτά, αναφορικά με τηv μεταβλητή “fraud”, αναμένεται σημαντική αύξηση μέσα στα επόμενα 30 χρόνια σε όλη την επικράτεια της Ελλάδας, καθώς και σε συγκεκριμμένες περιφέρειες, όπως η Αν. Μακεδονία-Θράκη, Θεσσαλία, Ήπειρος, Πελοπόννησος, Αττική, Ιόνια Νησιά, Βόρειο και Νότιο Αιγαίο, σύμφωνα με τα μοντέλα πρόβλεψης. Τα μοντέλα ARIMA θα μπορούσαν να συμπεριφερθούν καλύτερα σε μικρότερα διαστήματα πρόβλεψης και χωρίς αμφιβολία μεγαλύτερες χρονοσειρές θα μπορούσαν να παρέχουν καλύτερα αποτελέσματα.
Subject :Statistical analysis
Time series
Crimes
Forecasting methods
ARIMA, tscount
Στατιστική ανάλυση
Χρονοσειρές
Εγκλήματα
Μέθοδοι πρόβλεψης
Date Available :2018-11-28 12:25:32
Date Issued :11/28/2018
Date Submitted :2018-11-28 12:25:32
Access Rights :Free access
Licence :

File: Maggina_2018.pdf

Type: application/pdf

Maggina_2018_data.zip