Рис. 2. Динамика числа зарегистрированных преступлений

Рис. 2. Динамика числа зарегистрированных преступлений 
за период 2000 – 2017 гг. в России

51
Методика
 
информационно
-
статистического
 
анализа
 
преступности
...
Правовая информатика № 3 – 2018
Таб
ли
ца
1
Состав
, 
ст
ру
кт
ур
а
и
ди
нам
ика
чи
сл
а
за
реги
стр
иро
ванны
х
престу
плений
по
ви
да
м
в
России
за
2
000
, 20
03
, 200
6
и
20
17
гг
.
Ви
ды
 
прес
ту
п
лений
 
Тыс
яч
 
сл
уча
ев
 
Ст
р
укт
ур
а
, %
 
Тем
п
ы
 
приро
ст
а
 
по
к
аза
те
ля
, %
 
2000
 
2003
 
2006
 
2017
 
2000
 
2003
 
2006
 
2017
 
2006
г
./200
3
г
.
 
2017
г
./200
3
г
.
 
2017
г
./200
6
г
.
 
За
регис
трирова
но
 
прес
ту
пл
ений
 
- 
всего
 
2952,4 
2756,4 
3855,4 
2058,5 
100,00 
100,00 
100,00 
100,00 
39,87 
-25,32 
-46,61 
в
 
то
м
 
числ
е
:
 
уби
йс
тв
о
 
и
 
по
к
уш
ен
и
е
 
на
 
уби
йс
тв
о
 
31,8 
31,6 
27,5 
9,7 
1,08 
1,15 
0,71 
0,47 
-12,97 
-69,30 
-64,73 
умыш
ленн
ое
 
причинение
 
тя
ж
к
ог
о
 
вреда
 
здо
р
ов
ью
 
49,8 
57,1 
51,4 
24,6 
1,69 
2,07 
1,33 
1,20 
-9,98 
-56,92 
-52,14 
изна
сило
ва
ние
 
и
 
по
ку
ш
ение
 
на
 
изна
сило
ва
ние
 
7,9 
8,1 
8,9 
3,5 
0,27 
0,29 
0,23 
0,17 
9,88 
-56,79 
-60,67 
грабеж
 
132,4 
198 
357,3 
56,9 
4,48 
7,18 
9,27 
2,76 
80,45 
-71,26 
-84,08 
р
аз
бой
 
39,4 
48,7 
59,8 
9,1 
1,33 
1,77 
1,55 
0,44 
22,79 
-81,31 
-84,78 
кра
ж
а
 
1310,1 
1150,8 
1677,0 
788,5 
44,37 
41,75 
43,50 
38,30 
45,72 
-31,48 
-52,98 
мошенн
ичес
тв
о
 
- 
87,5 
225,3 
222,8 
- 
3,17 
5,84 
10,82 
157,49 
154,63 
-1,11 
те
ррорис
ти
ческ
ог
о
 
ха
р
акт
ер
а
 
- 
8,7 
1,8 
1,9 
- 
0,32 
0,05 
0,09 
-79,31 
-78,16 
5,56 
экс
тремис
тско
й
 
на
пра
вл
енно
ст
и
 
- 
0,2 
0,3 
1,5 
- 
0,01 
0,01 
0,07 
50,00 
650,00 
400,00 
эк
ологи
ч
еск
ие
 
14,8 
26,1 
41,9 
24,4 
0,50 
0,95 
1,09 
1,19 
60,54 
-6,51 
-41,77 
прес
ту
пл
ения
, 
связан
ные
 
с
 
неза
ко
нным
 
об
ор
от
ом
 
на
ркот
ик
ов
 
243,6 
181,7 
212 
208,7 
8,25 
6,59 
5,50 
10,14 
16,68 
14,86 
-1,56 
прес
ту
пл
ения
, 
связанные
 
с
 
неза
ко
нным
 
об
ор
от
ом
 
ор
уж
и
я
 
71,6 
54,2 
30,1 
28,9 
2,43 
1,97 
0,78 
1,40 
-44,46 
-46,68 
-3,99 
на
руш
ения
 
пра
вил
 
дорож
н
ог
о
 
дви
ж
ения
 
52,7 
53,6 
26,3 
21 
1,78 
1,94 
0,68 
1,02 
-50,93 
-60,82 
-20,15 
другие
 
998,3 
850,1 
1135,8 
657,0 
33,81 
30,84 
29,46 
31,92 
33,61 
-22,71 
-42,16 
Примеча
н
ие
:
Вы
бо
р
20
06
г
. 
в
кач
ес
тве
г
.
ср
авн
ен
ия
обус
ло
вл
ен
на
иб
оль
ш
им
значе
ни
ем
по
ка
за
те
ля
«
чи
сл
о
зарег
истри
ров
ан
ны
х
пр
ес
ту
пле
ни
й
» 
в
эт
ом
г
.
на
прот
яж
ен
ии
рассматри
ваемог
о
пе
рио
да
.
Вв
ид
у
от
су
тс
тв
ия
данн
ы
х
о
чи
сл
е
зарег
ис
три
ров
анн
ы
х
пре
сту
пл
ен
ий
за
2000 
г
. 
по
сл
ед
ующ
им
ви
дам
пр
ес
ту
пле
ний
: 
м
оше
нн
ич
ество
, 
пр
ес
ту
пле
ния
террори
сти
ческ
ог
о
ха
ра
кте
ра
и
экс
трем
ис
тской
на
пр
ав
ле
нн
ос
ти
- 
базо
й
пр
и
расчете
тем
по
в
пр
ир
ос
та
был
вы
бран
2003
г
.
 

52
Информационные
 
и
 
электронные
 
технологии
 
в
 
правовой
 
сфере
Правовая информатика № 3 – 2018
Увеличение числа зарегистрированных престу-
плений в 2017 г. по сравнению с 2003г. имело место 
по таким видам преступлений, как мошенничество (на 
154,6%, что составляет 135,3 тыс. случаев), преступле-
ния экстремистской направленности (на 650,0% или на 
1,3 тыс. случаев) и преступления, связанные с незакон-
ным оборотом наркотиков (на 14,9% или на 27,0 тыс. 
случаев) [2]. 
Наибольшее снижение преступности за рассматри-
ваемый период было по преступлениям против лич-
ности (на 61,0%, что составляет 59,0 тыс. случаев), по 
зарегистрированным разбоям (на 81,3% или 39,6 тыс. 
случаев), грабежам (71,3% или 141,1 тыс. случаев), пре-
ступлениям террористического характера (78,2% или 
6,8 тыс. случаев) и нарушениям правил дорожного дви-
жения (на 60,8% или 32,6 тыс. случаев). 
Анализ корреляционной зависимости между чис-
лом зарегистрированных преступлений по видам на 
региональном уровне позволил выявить прямую тес-
ную взаимосвязь [11]. Наибольший коэффициент кор-
реляции за период с 2000 г. по 2016 г. наблюдается меж-
ду числом грабежей и краж (в 2016 г. – 0,975), числом 
грабежей и разбоев (в 2016 г. – 0,973), числом разбоев 
и краж (в 2016г. – 0,967) и числом зарегистрированных 
убийств и покушений на убийство и числом зареги-
стрированных умышленных причинений тяжкого вре-
да здоровью (в 2016г. – 0,949). Матрица парных коэффи-
циентов корреляции между числом зарегистрирован-
ных преступлений по видам в России на региональном 
уровне в 2016 г. представлена в табл. 2.
Эта тенденция во многом может быть связана с из-
менениями в законодательстве. Так, после принятия 
новой редакции ст. 15 (от 14.03.2001 г.) УК РФ, а также 
нового УПК РФ от 18.12.2001 г. доля тяжких и особо 
тяжких преступлений в общем числе зарегистриро-
ванных преступлений резко снизилась. В предыдущей 
(от 01.01.1997 г.) редакции ст. 15 УК РФ, в которой впер-
вые была закреплена классификация преступлений, к 
тяжким преступлениям относились не только умыш-
ленные, но и неосторожные деяния, за совершение 
которых максимальное наказание, предусмотренное 
настоящим Кодексом, не превышает десяти лет лише-
ния свободы. В версии ст. 15 УК РФ от 14.03.2001 г. «не-
осторожные деяния» из п. 4 были исключены. В 2011 г. в 
ст. 15 УК РФ включен п. 6, который наделяет суд правом 
«при наличии смягчающих наказание обстоятельств и 
при отсутствии отягчающих наказание обстоятельств 
изменить категорию преступления на менее тяжкую». 
Для справки, за период с 2011 г. по 2017 г. доля тяжких 
и особо тяжких преступлений в общем числе зареги-
стрированных преступлений снизилась на 15,9%, что 
составляет 4,0 п.
Согласно анализу динамики структуры числа за-
регистрированных преступлений по степени тяжести, 
Вид
 
преступления
 
Убийств
о
и
покушени
е
на
убийство
Умышленн
ое
причинение
тя
жког
о
вр
ед
а
здоровью
И
знасилов
ание
и
покушени
е
на
из
насилов
ание
Грабе
ж
Разбой
Краж
а
П
реступ
ления
в
сфер
е
экономи
ки
П
реступ
ления
, 
свя
занные
с
незаконным
оборотом
наркотик
ов
Убийство
и
покушение
на
убийство
1,000 
0,949 
0,715 
0,756 
0,733 
0,783 
0,654 
0,754 
Умышленное
причинение
тяжкого
вреда
здоровью
0,949 
1,000 
0,692 
0,764 
0,706 
0,784 
0,634 
0,739 
Изнасилование
и
поку
-
шение
на
изнасилование
0,715 
0,692 
1,000 
0,592 
0,574 
0,631 
0,535 
0,573 
Грабеж
0,756 
0,764 
0,592 
1,000 
0,973 
0,975 
0,910 
0,886 
Разбой
0,733 
0,706 
0,574 
0,973 
1,000 
0,967 
0,951 
0,908 
Кража
0,783 
0,784 
0,631 
0,975 
0,967 
1,000 
0,937 
0,882 
Преступления
в
сфере
экономики
0,654 
0,634 
0,535 
0,910 
0,951 
0,937 
1,000 
0,861 
Преступления
, 
связанные
с
незаконным
оборотом
наркотиков
0,754 
0,739 
0,573 
0,886 
0,908 
0,882 
0,861 
1,000 
Таблица 2
Матрица парных коэффициентов корреляции между числом 
зарегистрированных преступлений по видам в России 
на региональном уровне в 2016 г.

53
Методика
 
информационно
-
статистического
 
анализа
 
преступности
...
Правовая информатика № 3 – 2018
очевидно снижение доли тяжких и особо тяжких пре-
ступлений в общем числе преступлений на 37,53 п. с 
58,77% в 2000 г. до 21,24% в 2017 г. (см. рис. 33). 
В результате изучения динамики доли тяжких и осо-
бо тяжких преступлений в общем числе зарегистриро-
ванных преступлений было выявлено, что наибольшее 
снижение показателя после 2004 г. имело место в 2015 г. 
При этом сравнительный анализ изменений редакции 
УК РФ от 25.11.2013 г. с изменениями последующих ре-
дакций УК РФ дал прямо противоположные результаты: 
по достаточно большому перечню статьей УК РФ нака-
3 
Составлено авторами по данным МВД РФ и Росстата (см. рис. 1).
зание ужесточилось и перешло из категории средней 
степени тяжести в категорию тяжких преступлений или 
статьи были добавлены впервые. Так, например, в УК 
РФ за рассмотренный период добавлены такие статьи 
как ст. 217.2., ст. 110.1, ст. 110.2, ст. 172.2, расширены ст. 
63, 64 в части п. 3, ст. 111, ужесточилось наказание по 
ст. 110, 159.1, 159.2, 159.3, 159.5, 159.6. И это далеко не 
исчерпывающий перечень статьей, претерпевших из-
менения за последнее время. В связи с этим, логично 
предположить, что помимо изменений в законодатель-
стве наблюдается и положительная динамика в укре-
Рис. 3. Число тяжких и особо тяжких преступлений и их доля в общем числе 
зарегистрированных преступлений за период 2000-2017гг.
Рис. 4. Доверие и оценки
4
 работы правоохранительных органов 
в России за период 2005 – 2017 гг., %
4 
Составлено авторами по данным сайта ВЦИОМ: Режим доступа: 
https://wciom.ru/index.php?id=23 6&uid=116513, дата обращения: 
06.08.2018.

54
Информационные
 
и
 
электронные
 
технологии
 
в
 
правовой
 
сфере
Правовая информатика № 3 – 2018
плении и поддержании правопорядка в стране. Тем не 
менее, согласно рейтингу стран по индексу верховен-
ства закона (The Rule of Law Index) [18], рассчитывае-
мому международной независимой некоммерческой 
организацией WJP, отмечается достаточно «слабая» по-
зиция России по сравнению с другими странами.
Следует заметить, что этот индекс рассчитывается 
на основе данных, полученных из опросов и эксперт-
ных источников, и включает восемь основных фак-
торов: ограничение государственных полномочий, 
отсутствие коррупции, открытость правительства, ос-
новополагающие права, порядок и безопасность, регу-
лятивное правоприменение, гражданское судопроиз-
водство и уголовное правосудие [5, 9] Более подробно 
с методикой расчета индекса можно ознакомиться на 
официальном сайте организации WJP.
В 2015 г. Россия занимала 75 место в рейтинге стран 
по индексу верховенства закона, в 2016 г. Россия сни-
зила свои позиции до 92 места, при этом ухудшение 
на 11 пунктов было связано с включением в исследо-
вание новых стран, в 2017 г. имело место незначитель-
ное улучшение позиции России до 89 места в рейтинге. 
Если рассмотреть отдельно динамику места России в 
рейтинге стран по такому фактору как, например, поря-
док и безопасность, то отмечается снижение позиции с 
80 места в 2015 г. до 95 места в 2017 г.
Согласно российским исследованиям обществен-
ного мнения о работе полиции, проводимым ВЦИОМ 
с 2005 г., уровень доверия населения к правоохрани-
тельным органам вырос с 37% в 2005 г. до 67% в 2017 г. 
(см. рис. 4). Наибольший уровень доверия в 2017 г. был 
у сотрудников дежурной части (71%) и участковых ин-
у
Федеральные
 
округа
 
Число
 
субъек
-
тов
 
Число
 
зарегистрирован
ных
 
преступлений
, 
тыс
. 
случаев
 
Изменение

в
 2017 
г
.
 
по
 
сравнению
 
с
 
2000 
г
. 
Наименование
 
субъектов
 
с
 
приростом
 
числа
 
зарегистрированн
ых
 
преступлений
 
в
 
2017 
г
.
 
по
 
сравнению
 
с
 2000 
г
. 
(
значение
 
темпа
 
прироста
)
 
2000 
г
. 
2017 
г
.
 
% 
млн
. 
случаев
 
ЦФО
18 
596,8 
462,8 
-22,45 
-134,0 
г
. 
Москва
(+27,93%)
С
-
ЗФО
11 
324,5 
188,9 
-41,78 
-135,6 
Ненецкий
автономный
округ
(+4,58%) 
С
-
КФО
7 
91,5 
69,8 
-23,72 
-21,7 
- 
ЮФО
6 
252,0 
187,1 
-25,75 
-64,9 
- 
Федеральные
 
округа
 
Число
 
субъек
-
тов
 
Число
 
зарегистрирован
ных
 
преступлений
, 
тыс
. 
случаев
 
Изменение

в
 2017 
г
.
 
по
 
сравнению
 
с
 
2000 
г
. 
Наименование
 
субъектов
 
с
 
приростом
 
числа
 
зарегистрированн
ых
 
преступлений
 
в
 
2017 
г
.
 
по
 
сравнению
 
с
 2000 
г
. 
(
значение
 
темпа
 
прироста
)
 
2000 
г
.
 
2017 
г
.
 
% 
млн
.
случаев
 
ПФО
14 
583,9 
392,1 
-32,85 
-191,8 
Республика
Башкортостан
(+26,72%) 
УФО
6 
321,5 
201,7 
-37,26 
-119,8 
- 
СФО
12 
494,3 
364,3 
-26,32 
-130,1 
Кемеровская
область
(+1,36%), 
Республика
Тыва
(+47,32%) 
ДФО
9 
176,7 
116,2 
-34,21 
-60,4 
- 
Примечание
:
Без
учета
Крымской
Республики
и
г
. 
Севастополь
Таблица 3
Динамика числа зарегистрированных преступлений

55
Методика
 
информационно
-
статистического
 
анализа
 
преступности
...
Правовая информатика № 3 – 2018
спекторов (70%). При этом индекс оценок работы по-
лиции увеличился с 2005 г. на 16 пунктов и составил в 
2017 г. 58%.
По данным ФГКУ «ВНИИ МВД России» оценки насе-
лением деятельности полиции дифференцированы по 
регионам. Так, в 2017 г. «к наиболее «проблемным» ре-
гионам были отнесены Свердловская, Нижегородская, 
Кемеровская, Сахалинская области, Забайкальский и 
Приморские края, Республика Дагестан». Лучшие пока-
затели деятельности полиции на основе общественно-
го мнения наблюдались в Белгородской, Магаданской, 
Липецкой, Омской областях, Республике Хакасия, Хан-
ты-Мансийском и Чукотском автономных округах.
В связи с существенной дифференциацией обще-
ственного мнения о деятельности полиции и неравно-
мерностью регионального развития Российской Фе-
дерации по социально-экономическим показателям, 
целесообразно выполнить анализ преступности в ре-
гиональном разрезе [1]. В табл. 3
5
представлена дина-
мика числа зарегистрированных преступлений по фе-
деральным округам РФ в 2017 г. по сравнению с 2000 г.
Как видно из табл. 3
5
, динамика числа зарегистри-
рованных преступлений за период с 2000 г. по 2017 г. 
разнонаправлена: по ряду субъектов РФ имеет место 
прирост рассматриваемого показателя. Так, например, 
наибольший прирост числа зарегистрированных пре-
ступлений наблюдался в Республике Тыва (+47,32%). 
Существенно увеличилось значение этого показате-
ля в г. Москва (+27,93%) и Республике Башкортостан 
(+26,72%). Наименьший прирост был в Ненецком ав-
тономном округе (+4,58%) и в Кемеровской области 
(+1,36%). В целом по федеральным округам число заре-
гистрированных преступлений в 2017 г. по сравнению 
с 2000 г. снизилось.
В результате анализа динамики числа зарегистри-
рованных преступлений на 100 тыс. человек постоян-
ного населения [3] за рассматриваемый период, можно 
сделать вывод, что на общем фоне снижения преступ-
ности также выделяются такие регионы, как Республи-
ка Тыва (+46,31%), Республика Башкортостан (+28,36%), 
Кемеровская область (10,76%) и г. Москва (+3,10%), 
где имеет место прирост коэффициента преступно-
сти. Если рассматривать динамику этого показателя в 
целом по федеральным округам, то наилучшие резуль-
таты по снижению преступности были в Северо-Запад-
ном (-40,39%), Южном (-36,39%) и Уральском (36,54%) 
федеральных округах.
Охарактеризуем уровень преступности в регионах 
РФ в 2017 г. (см. табл. 4
6
).
Самые высокие уровни преступности в 2017 г. на-
блюдались в Сибирском (Республика Тыва), Уральском 
(Курганская область) и Северо-Западном (Республика 
Коми) федеральных округах. При этом в половине ре-
гионов Сибирского федерального округа уровень пре-
ступности был выше 2012,4 случаев на 100 тыс. чел. на-
селения. В этом федеральном округе сложилась наибо-
лее худшая криминогенная обстановка. Самые низкие 
уровни преступности имели место в субъектах Северо-
Кавказского федерального округа.
Все федеральные округа, за исключением Северо-
Кавказского федерального округа, где коэффициент 
вариации достиг 46,6%, однородны по уровню пре-
ступности. Для определения роли регионального 
фактора в формировании вариации коэффициента 
преступности в РФ были рассчитаны значения коэффи-
циента детерминации и эмпирического корреляцион-
ного отношения, значения которых в 2017 г. составили 
93,1% и 0,965 соответственно. То есть на 93,1% вариа-
ция преступности обусловлена региональным факто-
ром. На основе значения рассчитанного эмпирическо-
го корреляционного отношения, можно предполагать 
сильное влияние регионального фактора на уровень 
преступности.
Логично предположить, что среди социально-эко-
номических факторов на формирование уровня пре-
ступности весомое влияние должны оказывать без-
работица [12, 13, 15, 17] и уровень бедности [13, 16]. 
Для проверки данного утверждения были рассчитаны 
парные коэффициенты корреляции [6] между уров-
нем преступности и такими факторами, как уровень 
безработицы, соотношение среднедушевых денеж-
ных доходов населения с величиной прожиточного 
минимума и численность населения с денежными до-
ходами ниже прожиточного минимума, в процентах от 
общей численности населения, за период 2010 – 2017 
гг. (см. табл. 5).
Как видно из табл. 5, взаимосвязь уровня преступ-
ности с уровнем безработицы, а также с численностью 
населения с денежными доходами ниже прожиточно-
го минимума прямая слабая на протяжении всего рас-
сматриваемого периода, обратная взаимосвязь уровня 
преступности наблюдается с соотношением средне-
душевых денежных доходов населения с величиной 
прожиточного минимума. Существенные значения ли-
нейных коэффициентов корреляции при уровне значи-
мости α=0,05 по всем трем факторам отмечаются, начи-
ная с 2014 г. Следует заметить, что между отобранными 
факторами наблюдается мультиколлинеарность [6].
С учетом того, что за рассматриваемый период на-
блюдалась мультиколлинеарность факторов, для по-
строения уравнения регрессии использовались только 
первые два фактора: уровень безработицы [10] и доля 
населения с денежными доходами ниже прожиточного 
минимума. Уравнение регрессии, рассчитанное по дан-
ным за 2017 г., можно представить в следующем виде:
Y = 91,384×X1+59,076×X2 ,
где: Y – уровень преступности; Х1 – уровень безра-
ботицы, %; X2 – численность населения с денежными 
доходами ниже прожиточного минимума, в % от общей 
численности населения.
Множественный коэффициент рангов R [6] уравне-
ния оказался равен 0,942, что подтверждает весомое 
влияние отобранных факторов на уровень преступно-
сти в регионах, при этом нормированный R2, равный 
5 
Рассчитано авторами по данным МВД РФ и Росстата (см. рис. 1).

56
Информационные
 
и
 
электронные
 
технологии
 
в
 
правовой
 
сфере
Правовая информатика № 3 – 2018
0,873, означает, что на 87,3% вариация уровня преступ-
ности обусловлена совокупным влиянием безработи-
цы и бедности в регионах.
Уравнение регрессии в целом и все его коэффици-
енты значимы при α=0,05:
F-критерий = 309,429 > F(0,05;2;79) = 3,112 – гипоте-
за H0 отклоняется, уравнение статистически значимо;
t1=3,021 > t(0,05;79) = 1,990 – коэффициент регрес-
сии при факторе: уровень безработицы – статистиче-
ски значим;
t2=4,741 > t(0,05;79) = 1,990 – коэффициент регрес-
сии при факторе: доля населения с денежными дохо-
дами ниже прожиточного минимума – статистически 
значим.
Таким образом, можно сделать вывод, что уравне-
ние регрессии с достаточной точностью описывает 
Таблица 4
Характеристика уровня преступности в гионах РФ в 2017 г.
Таблица 5
Изучение влияния отдельных факторов на формирование уровня преступности 
в регионах РФ за 2010 – 2017 гг.
Федеральн
ые
 
округа
 
Число
 
субъект
ов
 
Случаев
 
Коэффицие
нт
 
вариации
, 
% 
Минималь
ное
 
значение
 
Максималь
ное
 
значение
 
Средне
е
 
значен
ие
 
Медианн
ое
 
значение
 
ЦФО
18 
818,6 
1736,8 
1178,9 
1182,2 
16,5 
С
-
ЗФО
11 
979,9 
2033,8 
1356,7 
1736,6 
29,1 
С
-
КФО
7 
277,2 
1132,0 
712,3 
777,8 
46,6 
ЮФО
8 
885,4 
1577,4 
1300,3 
1173,0 
14,3 
ПФО
14 
882,8 
1674,5 
1325,2 
1242,0 
16,4 
УФО
6 
1347,3 
2106,3 
1633,5 
1662,6 
17,8 
СФО
12 
1449,4 
3654,7 
1886,7 
2012,4 
19,5 
ДФО
9 
842,5 
1736,9 
1882,5 
1933,3 
17,1 
В
целом
по
РФ
85 
277,2 
3654,7 
1401,8 
1544,8 
9,9 
р
у
р
Г
.
 
Значение
 
линейного
 
коэффициента
 
корреляции
 
по
 
факторам
 
Исключенные
 
из
 
анализа
 
субъекты
 
Уровень
 
безработ
ицы
, %
 
Численность
 
населения
 
с
 
денежными
 
доходами
 
ниже
 
прожиточного
 
минимума
, 
в
 % 
от
 
общей
 
численности
 
населения
 
Соотношение
 
среднедушевых
 
денежных
 
доходов
 
населения
 
с
 
величиной
 
прожиточного
 
минимума
, %
 
2010 
0,270 
0,125 
0,004 
Республика
Тыва
, 
Чеченская
Республика
, 
Республика
Ингушетия
2011 
0,201 
0,209 
-0,008 
Чеченская
Республика
, 
Республика
Ингушетия
2012 
0,235 
0,317 
-0,133 
2013 
0,210 
0,253 
-0,123 
Республика
Тыва
, 
Чеченская
Республика
, 
Республика
Ингушетия
2014 
0,248 
0,241 
-0,225 
Республика
Тыва
, 
Чеченская
Республика
, 
Республика
Ингушетия
, 
Карачаево
-
Черкесская
Республика
2015 
0,303 
0,232 
-0,269 
2016 
0,328 
0,256 
-0,329 
2017 
0,246 
0,235 
-0,227 
Примечание
:
курсивным
полужирным
шрифтом
выделены
существенные
значения
линейных
коэффициентов
корреляции
при
уровне
значимости
α
=0,05.

57
Методика
 
информационно
-
статистического
 
анализа
 
преступности
...
Правовая информатика № 3 – 2018
модель взаимосвязи уровня преступности с безрабо-
тицей и бедностью.
3. Основные выводы 
В результате апробации предложенной методики 
информационно-статистического анализа преступ-
ности было выявлено, что по ряду показателей отсут-
ствует оперативность в представлении статистических 
данных, что, безусловно, сказывается на объективно-
сти принимаемых управленческих решений, формиру-
емых по результатам анализа.
Тем не менее, по итогам апробации методики 
были сделаны значимые выводы, которые могут 
быть использованы при разработке мер по сниже-
нию преступности. Например, выявлено весомое 
влияние регионального фактора на уровень пре-
ступности, установлена прямая взаимосвязь уровня 
преступности с уровнем безработицы, а также с чис-
ленностью населения с денежными доходами ниже 
прожиточного минимума и обратная взаимосвязь 
уровня преступности с соотношением среднедуше-
вых денежных доходов населения с величиной про-
житочного минимума на протяжении всего рассма-
триваемого периода.
Из этого следует, что важной составляющей при 
выработке социально-политического курса в обла-
сти обеспечения правопорядка в стране должен быть 
комплексный информационно-статистический анализ, 
направленный, в первую очередь, на выявление ос-
новных причин роста преступности и определения ее 
структуры.
Рецензент: 
Ловцов Дмитрий Анатольевич,
 доктор технических наук, профессор, заслуженный деятель на-
уки Российской Федерации, заместитель по научной работе директора Института точной механики и вычис-
лительной техники им. С. А. Лебедева Российской академии наук, заведующий кафедрой информационного права, 
информатики и математики Российского государственного университета правосудия, г. Москва, Россия.
E-mail:
 dal-1206@mail.ru
Литература
1. Бокова Н. А. Статистический анализ преступности в регионах Российской Федерации // Труды VI Междунар. 
науч.-практ. Интернет-конф. «Анализ, моделирование и прогнозирование экономических процессов». М., 
2014. С. 23 – 27.
2. Бражников Д. А., Афанасьева О. Р., Коваленко В. И., Маликов С. В. Криминальная ситуация в Российской Феде-
рации: состояние и тенденции // Юридическая наука и правоохранительная практика. – 2017. – № 3(41). – С. 
67 – 78.
3. Давыдов А. Р., Механошина Н. В. Статистическое исследование уровня преступности в регионах Российской 
Федерации // Глобальный научный потенциал. – 2015. – № 8 (53). – С. 85 – 88.
4. Лойко Н. О., Свириденкова М. А. Использование анализа динамических рядов и трендового анализа в стати-
стическом исследовании взаимосвязи уровня безработицы и уровня преступности в Российской Федерации 
// Труды XVI Откр. конкурса НИР студентов и молодых ученых в области экономики и управления «Стратегия 
и тактика управления предприятием в переходной экономике». – Волгоград, 2016. – С. 15 – 16. 
5. Ловцов Д. А. Системология правового регулирования информационных отношений в инфосфере: Моногра-
фия. – М.: РГУП, 2016. – 316 с.
6. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Основы статистики / Под ред. Д. А. Ловцова. – М.: РГУП, 2017. 
– 160 с.
7. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Правовая статистика преступности в современных условиях 
// Правовая информатика. – 2017. – № 4. – С. 40 – 48.
8. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Пакеты прикладных программ для многоаспектного анализа 
судебной статистической информации // Правовая информатика. – 2017. – № 1. – С. 28 – 36.
9. Ловцов Д. А., Ниесов В. А. Формирование единого информационного пространства судебной системы России 
// Российское правосудие. – 2008. – № 11. – С. 78 – 88.
10. Марданов А. Б. Влияние некоторых макроэкономических показателей на преступления в сфере экономиче-
ской деятельности (безработица, среднемесячная номинальная начисленная заработная плата). Криминоло-
гическое исследование (по данным 2005 – 2013 гг.) // Вестник Сургутского государственного университета. 
– 2017. – № 3 (17). – С. 58 – 63.
11. Ольков С. Г. Корреляционный анализ структуры преступности в ее объяснении и прогнозировании // Библи-
отека уголовного права и криминологии. – 2015. – № 3 (11). – С. 131 – 139.
12. Hale, C., Sabbagh, D. Testing The Relationship Between Unemployment And Crime - A Methodological Comment And 
Empirical-Analysis Using Time-Series Data From England And Wales. Journal of Research in Crime and Delinquency. 
1991. Vol. 28(4). P. 400-417, 
13. Huang, C. C., Laing, D., Wang, P. Crime and poverty: A search-theoretic approach. International Economic Review. 
2004. Vol. 45(3). P. 909-938 

58
Информационные
 
и
 
электронные
 
технологии
 
в
 
правовой
 
сфере
Правовая информатика № 3 – 2018
METHODIC OF THE INFORMATION AND STATISTICAL 
ANALYSIS OF CRIME IN THE RUSSIAN FEDERATION
Marina Bogdanova, 
Doctor of Science in Economy, Professor of the Chair of Information Law, 
Informatics and Mathematics of the Russian State University of Justice, Russian Federation, 
Moscow
E-mail: 
bogdanovamv2009@yandex.ru
Lidiya Parshintseva, 
PhD in economics, associate Professor of the Chair of Statistics State Uni-
versity of Management, Russian Federation, Moscow
E-mail: 
lspantelina@yandex.ru
Keywords:
 methodic, information-statistical analysis, crime rate, crime structure and dynamics, identify the relationships, 
regional aspect.
Abstract. 
Purpose of the article: development of science and methodic base of the information and statistical analysis of crime in 
the Russian Federation
Method used: series of dynamics, calculation of average values and indices of variation, dispersion analysis method, 
correlation and regression analysis methods, graphical and tabular methods of analysis.
Results: the article presents the eff ective methodic of the information-statistical analysis of crime and on the proposed 
methodic of the analysis of crime in the Russian Federation for the period from 2000 to 2017, including calculation of the 
structure and dynamics of crime, the rationale of growth for individual time periods. Particular attention is paid to the dynamics 
of the proportion of serious and particularly serious crimes: based on a comparative analysis of changes in the Criminal Code 
and the Code of Criminal Procedure and the trends of the studied indicator, an assumption is made about their relationship. 
The analysis of the criminality in the regions, allowed to identify “problematic” regions, and to assess the infl uence of the 
regional factor on the level of criminality, and to identify socio-economic factors that infl uence the development of criminality 
on the basis of the correlation and regression analyzes.
References
1. Bokova N. A. Statisticheskii analiz prestupnosti v regionakh Rossiiskoi Federatsii // Trudy VI Mezhdunar. nauch.-prakt. 
Internet-konf. “Analiz, modelirovanie i prognozirovanie ekonomicheskikh protsessov”. M., 2014. S. 23-27.
2. Brazhnikov D. A., Afanas’eva O. R., Kovalenko V. I., Malikov S. V. Kriminal’naia situatsiia v Rossiiskoi Federatsii: sostoianie 
i tendentsii // Iuridicheskaia nauka i pravookhranitel’naia praktika. 2017. No. 3(41). S. 67-78.
3. Davydov A. R., Mekhanoshina N. V. Statisticheskoe issledovanie urovnia prestupnosti v regionakh Rossiiskoi Federatsii 
// Global’nyi nauchnyi potentsial. 2015. No. 8 (53). S. 85-88.
4. Loiko N. O., Sviridenkova M. A. Ispol’zovanie analiza dinamicheskikh riadov i trendovogo analiza v statisticheskom 
issledovanii vzaimosviazi urovnia bezrabotitsy i urovnia prestupnosti v Rossiiskoi Federatsii // Trudy XVI Otkr. 
konkursa NIR studentov i molodykh uchenykh v oblasti ekonomiki i upravleniia “Strategiia i taktika upravleniia 
predpriiatiem v perekhodnoi ekonomike”. Volgograd, 2016. S. 15-16. 
5. Lovtsov D. A. Sistemologiia pravovogo regulirovaniia informatsionnykh otnoshenii v infosfere: Monografi ia. M.: 
RGUP, 2016. 316 s.
6. Lovtsov D. A., Bogdanova M. V., Parshintseva L. S. Osnovy statistiki / Pod red. D. A. Lovtsova. M.: RGUP, 2017. 160 s.
14. Globalizing Social Rights: The International Labour Organization and Beyond. New York. 2013. 346 p.
15. Luiz G.A. Alves, Haroldo V. Ribeiro, Francisco A. Rodriguesa. Crime prediction through urban metrics and statistical 
learning. Physica A: Statistical Mechanics and its Applications. 2018. Vol. 505(1). P. 435 – 443.
16. Patterson, E. B. Poverty, Income Inequality, And Community Crime Rates. Criminology. 2001. Vol. 29(4). P.755-776.
17. Raphael, S., Winter-Ebmer, R. Identifying the eff ect of unemployment on crime. Journal of Law & Economics. 2001. 
Vol. 44(1). P. 259-283.
18. Uruena, R. Indicators and the Law A Case Study of the Rule of Law Index In Quiet Power of Indicators: Measuring 
Governance, Corruption, and Rule of Law. Cambridge. Cambridge Univ. Press. 2015. P. 75-102.

59
Методика
 
информационно
-
статистического
 
анализа
 
преступности
...
Правовая информатика № 3 – 2018
7. Lovtsov D. A., Bogdanova M. V., Parshintseva L. S. Pravovaia statistika prestupnosti v sovremennykh usloviiakh // 
Pravovaia informatika. 2017. No. 4. S. 40-48.
8. Lovtsov D. A., Bogdanova M. V., Parshintseva L. S. Pakety prikladnykh programm dlia mnogoaspektnogo analiza 
sudebnoi statisticheskoi informatsii // Pravovaia informatika. 2017. No. 1. S. 28-36.
9. Lovtsov D. A., Niesov V. A. Formirovanie edinogo informatsionnogo prostranstva sudebnoi sistemy Rossii // Rossiiskoe 
pravosudie. 2008. No. 11. S. 78-88.
10. Mardanov A. B. Vliianie nekotorykh makroekonomicheskikh pokazatelei na prestupleniia v sfere ekonomicheskoi 
deiatel’nosti (bezrabotitsa, srednemesiachnaia nominal’naia nachislennaia zarabotnaia plata). Kriminologicheskoe 
issledovanie (po dannym 2005-2013 gg.) // Vestnik Surgutskogo gosudarstvennogo universiteta. 2017. No. 3 (17). S. 
58-63.
11. Ol’kov S. G. Korreliatsionnyi analiz struktury prestupnosti v ee ob”iasnenii i prognozirovanii // Biblioteka ugolovnogo 
prava i kriminologii. 2015. No. 3 (11). S. 131-139.
12. Hale, C., Sabbagh, D. Testing The Relationship Between Unemployment And Crime -- A Methodological Comment And 
Empirical-Analysis Using Time-Series Data From England And Wales. Journal of Research in Crime and Delinquency. 
1991. Vol. 28(4). P. 400-417, 
13. Huang, C. C., Laing, D., Wang, P. Crime and poverty: A search-theoretic approach. International Economic Review. 
2004. Vol. 45(3). P. 909-938 
14. Globalizing Social Rights: The International Labour Organization and Beyond. New York. 2013. 346 p.
15. Luiz G.A. Alves, Haroldo V. Ribeiro, Francisco A. Rodriguesa. Crime prediction through urban metrics and statistical 
learning. Physica A: Statistical Mechanics and its Applications. 2018. Vol. 505(1). P. 435-443.
16. Patterson, E. B. Poverty, Income Inequality, And Community Crime Rates. Criminology. 2001. Vol. 29(4). P.755-776.
17. Raphael, S., Winter-Ebmer, R. Identifying the eff ect of unemployment on crime. Journal of Law & Economics. 2001. 
Vol. 44(1). P. 259-283.
18. Uruena, R. Indicators and the Law A Case Study of the Rule of Law Index In Quiet Power of Indicators: Measuring 
Governance, Corruption, and Rule of Law. Cambridge. Cambridge Univ. Press. 2015. P. 75-102.