Srđan MrkićSrđan Bogosavljević

Uvod

KLASIFIKACIJA OPŠTINA JUGOSLAVIJE PREMASTRUKTURI PRESUĐENOG KRIMINAL-ITETA

CLASSIFICATION OF YUGOSLAV COMMUNES ACCORDING TO STRUCTURE OFCRIMINALITY : This paper presents a method of classification oYugoslav communes according to structure of criminality . Serving alinput are the data on adult sentenced offenders of 21 kinds of crim-inal offences by Yugoslav communes in 1985 . The main problem we camsacross was classification of a large number of units into a rela

tively small number of classes. The initial step was to classify 52Ecommunes into a smaller number of non-folding classes . The SASprogramme package - FASTCLUS procedure was used in the experiment .This procedure is theoretically based on a well-known 'K-mean' algo

rithm (Hartigan, 1975). Besides that, an attempt was made to crossaprior i and aposteriori classification of communes . The nosing issolved using two SAS procedures= PROC TREE and PROC FREQ . Speoialattention was paid to outliers, as they were expected to be consid-erably numerous . Yugoslav communes were clustered into four clus-ters . The clusters are rather uniform with 120, 146, 116 and 146communes with apprdximately equal radius and similar reciprocal dis-tances . The characteristic of the first cluster are the offencesagainst life and limb, honour and reputation . The second cluster arethe offences against property, the third cluster are the offencesagainst economy and the characteristic of the four cluster are thetraffic offences .

Istraživanje kriminaliteta bazira se na dva g lob alnam etodološka pristupa . Prvi je case-study pristup koji je širokozastupljen u ovim istraž ivanjima, i to zato što je izvršenje deliktaod strane jednog lica usko vezano za individualnost izvršioca, Stose najbolje ogleda kroz individualizaciju sankcije u odnosu

i

na

* Pomoč pri primeni SAS-paketa programa : Borka Vujnović,Institut za statistiko

160

delo i na izvršioca, kao i kroz individualizaciju resocijalizacijeza svakog učinioca . S druge strane, kriminalitet je masovnadruštvena pojava, pa je u fenomenološkom smislu njegovo sagledavanjezasnovano na kvantitativnim metodama .

Podaci koji su poslužili kao input za klasifikaciju opštinaJugoslavije prema strukturi presuđenog kriminaliteta čine deostatističkog istraživanja kriminatiteta . Sistem statistikekriminaliteta obuhvata istraživanja o prijavljenim, op tuženim iosuđenim ma lo letnim i punoletnim učiniocima krivičnih dela, kao i aprijavljenim, optuženim i osudenim učiniocima pri vred nih prestupa .Sistem je baziran na jedinstvenim metodološkim osnovama, štopodrazumeva jedinstvenu : jedinicu posmatranja (to je uvek lice),izveštajnu jedinicu (nadležni pravosudni organ), metod pri kup ljanjapodataka (popis), vremenski presek (godišnje istraživanje) . Sobzirom na jed instveno metodološko rešenje ovira sistemom obezbedenaje uporedivost sagledavanja kriminaliteta (i to pojedinihkategorija : maloletničkog, punoletničkog, privredno-prestupnog)kroz sve faze u postupku, od prijave, preko optuženja do osude .

Cilj uspostavljanja dvako koncipiranog sistema statistikekriminaliteta pre svega je fenomenološki i sastoji se u sagledavanjuobima i pojavnih oblika kriminaliteta na svim teritorijalnim nivoimau zemlji (od op tine do SFRJ u celini) . U okvir ovog opšteg ciljauklapa se i sag

ledavanje funkcionisanja pravosudnog sistema, socio

ekonomski profil učinilaca krivičnih dela; društvene posledicekriminalit eta

, zaštitagrađana i imovine,

jednomrečju, sociopatološki profil društva, naravno, omeđen s jedne Strane, činjenicomda obuhvata samo registrovani kriminalitet, i s druge, činj en icom daobuhvata samo krivična dela, a ne i ostale pojave koje su van domenakrivičnog zakonodavstva (prekršaje i druge pojave koje nisu zakonskiregulisane, a nesporno su pa tološ ke, i koje se kreću u di menz ijamamoralnih kategorija) .

Kao

ilustracijuširegstatističkogznačaja

istraživanjaminaliteta može poslužiti kontrola popisa stanovništva u

Sjedinjenim američkim državama . Jedan od znatajnijih kriterijuma zaocenu kvaliteta popisne grade je i stopa ki- iminaliteta u da tompodručju, jer je nesporna negativno korelirana veza izmeđukriminogene situacije p ojedinca i relevantnosti prikupljenihpodataka, tj . što je stepen učešća u kri m i na li tetu veći, kvalitetprikupljenih podataka je, jasno, manji .

Društvene po trebe za podacima statistike kriminal i teta n isuograničene samo na korisnike i z pravosudnih organa . Formiranje slike,jednog društva u celini nemoguće je sprovesti bez podataka okriminalitetu . Značajnija vrednost kriminal i teta sasvim jasnoukazuje na kretanja u društvu . Kriminalitet, jasno, ne mote ni u komslučaju biti uzrok bilo kakve krize u društvu, vet je on proizvodkrize s tim što kriminalitet svojim povratnim uticajem itekakopoječava napetost u društvu . Stoga je društvena potreba za praćenjemkriminaliteta i to putem kvantitativnih metoda sasvim očigledna .Ilustracije radi, a i radi obezbeđivanja reda veličine pojave kojuovde detaljni je razmatramo, evo nekih osnovnih pokazatelja . U 1985 .

1 6 1

god ini u SFR Jugoslaviji bilo je ukupmo osuđeno 107593 punoletnaučiniocakr ivičnih

dela .

Iz

prvog

kartograma

vidi

se da ihnajviše bilo u SR Srbiji-teritoriji SR Srbije van teritorija S'3321) i u SR Hrvatskoj (24246) . Posmatramo prema stakriminali teta koja predstavlja odnos između broja osuđenpunoletnika i broja punoletnog stanovništva i to upromilima (drukartogram) vidi se da je ova stopa bila najveća u SR Sloveniji (a10), a zatim u SR Srbiji-teritoriji SR Srbije van teritorija S'oko 3) itd . Prema tome, radi se a dosta masovnoj društvenoj pojav

Kartogram 1. SFR JugoslavijaOsudjena punoletna lica-ucinioci krivicn ih dela, 1985

(apsolutne vrednosti)

Kartogram 1.SFR Jugoslavija0sudjena punoletna lica-ucinioci krvicn ih dela, 1985

(stopa kriminaliteta)

OSNOVNE DEFlNICIJE

Osnov za razmišjanje o izradi ovog rada predstavlja pregledstope kriminalitet a u opti nama Jugoslavi je za tri godine koji jeobjavljen u seriji Radni dokumenti Saveznog zavoda za s ta ti sti k u . Uovom pregledu vršeno je izračunavanje stope presuđenog kriminali tet an a

svakih 1 .000 stanovnika.Uzeti su , da k le, u ob zir svi ma l o l e t nii punoletni uč ini oci krivični h dela koji su bili osuđeni za tod e l o/ to prema opšti ni -mestu i zvrš en j a dela i bili su st a v a eni u odnosprema uk upnom broju s tanovnika date opšti ne . Ovakav p regl ed st opekrimin alit eta pok azao je k ao prvo, da postoje veoma velik e razlikeu veličini ove st ope u Jugosl aviji ( primera radi najviša stopa bilaje

u opštini Ljub l jana-CentariiznosiLa je o k o 26 osuđeni hkriminalaca na svak i h 1 .ooo stanovnika a najniža je bi la u opštini

Srbica(SAP Kosovo) gdejeiznosila0.68osuđenihna svakuhilljardustanovnika ) . Kao drugo, rezulta ti u ovom pri-kazu nametnulisurazmišljanje o u t vrđivanju postojanja s li čnosti i zmeđu pojedini hopština u Jugoslaviji prema strukturi kriminaliteta, jer je utvrđenoda pos t oje značajne raz lik e u ve li čini stope kriminaliteta, ali nijeobezbeđeno sag l edavanje prema strukturi k rimina li t e t a .

163

.

ill

U uvodnom delu naglasili smo da je jedinica posmatranjasistemu statistike kriminaliteta uvek lice . Zavisno ad fazapostupku to mogu biti prijavljena lica, optužena lica ili osuđenlica . Zavismo od godina života to rnogu biti maloletna i punoletilica, s obzirom da zakon drugačije tretira ove dve kategorije .odnosu na status, to mogu biti fizička lica, odgovorna lica i pravilica . Uzimajući u obzir vrstu delikta, to mogu biti učiniockrivičnih dela i učinioci privrednih prestupa . U svakdm slučajuvek se radi a licu kao jedinici posmatranja, a ne a delu (bilo dje reč a krivičnom delu ili o privrednom prestupu) . U ovom radujedinicu posmatranja upotrebićemo termin 'kriminalac', iako ovapojam ima znatno šire i teže značenje, ali demo ga koristilkonciznosti radi . Kriminalac, dakle, u ovom radu je svako punoletnfiziko Lice koje je bilo osuđeno kao izvršilac nekog krivičnodela . Osnovne komponente su : punoletnik, fizičko lice, izvršilakrivičnog dela, proglašen krivim od strane suda pravnosnažnopresudom .

Kriminalci su iskazani prema opšti nama i to prema opštinamakojima su izvršili krivino delo za troje su bili osuđeni, a ne preitopštinama gde imajo boravište . Smatrali smo da je znatrrelevantnije mesto izvršenja dela, nego mesto prebivališta,obzirom da nas implicitno interesuje kri m inogena situaoija rnivoima opština .

Kao varijable označene su pojedine vrste krivičnih delaGrupiranje krivičnih dela u grupe izvršeno je Krivičnim zakonom SFRi krivičnim zakonima SR-SAP . Takvih grupa krivičnih dela ima 21 i tsu : .

KRIVI NA DELA PROTIV :1) Osnova socijalističkog samoupravnog društvenog uređenjabezbednosti SFRJ2) čovečnosti i međunarodnog prava3) Oružanih snaga SFRJ4) života i tela5) Sloboda i prava čoveka i građana6) Samoupravljanja7) Radnih odnosa8) časti i ugleda9) Dostojanstva ličnosti i morala

10) Braka i porodite11) Zdravlja ljudi12) Privrede

.13) Društvene imovine14) Privatne imovine15) Opšte sigurmosti ljudi i irhovine16) Bezbednosti javnog saobraćaja17) Pravosuđa18) Javnog reda i pravnog saobraćaja19) Službene dužnosti20) Spomenika kulture, arhivskog materijala i prirodne retkosti21) Krivična dela iz posebnih zakona

16 4

Kriminalitet se može grupisati na sličan način, premakartakteristikama dela i u manji broj grupa (npr : privredni, kojiobuhvata tri grupe krivičnih dela, politički, krvni, saobraćajniitd) . U ovom radu odlučili smo se za ovoliki broj varijabli (znad i21) da bismo obezbedili bogatije razvrstavanje kriminalaca premapojedinim grupama krivičnih dela .

Korišćeni su podaci o osuđenim kriminalcima prema opštinama-mestu izvršenja dela i prema grupi krivičnog dela u 1985 . godini .Dakle, radi se o podacima iz 1985 . s obzirom da, u trenutku izradeovog rada, podaci za 1986 . nisu bili dostupni .

POLAZNE_HIPOTEZE

PRVA HIPOTEZA

Krenuli smo od tri osnovne hipoteze :

Na osnovu podataka statistike kriminaliteta, kao i na osnovudosadašnjeg saznanja o strukturi

kriminaliteta,

doš lT

smo

dona izgled paradoksalnog za ključ a da je struktura kriminaliteta unajrazvijenim i najnerazvijenim sredinama veoma bliska . Nesporno jeda ekonomski razvoj utiče na kriminalitet, i to kako na obim tako ina vrstu kriminaliteta . Ovo je najvidlji ve u fazi prelaska jednogdruštvenog segmenta iz srednje u razvij ene, jer se umesto dotadapreovlađujućih krvnih delikata pojavljuje sve više i više imovinskihdelikata . Kada je reč o Jugoslaviji, pretpostavili smo da jestruktura kriminaliteta u opštinama Slovenije dosta slična strukturikriminaliteta na Kosovu, i to zato što, krajnje pojednostavljenogovoreći, u Sloveniji iava dasta, pa se krade, a na Kosovu nemamnogo, pa se opel krade .

DRUGA HIPOTEZA

Pošli smo od pretpostavke da čemo imati dosta outlier-a, tj,onih jedinica koje drastično odskaču od

svih

ostalih .

Naime,

imaop ština u Jugoslaviji gde je bilo svega 3-4 kriminalca, pa je sasvimjasno da je distribucija ovako malog broja na 21 varijablu nemoguća,te je samim tim struktura u samom startu poremećena. Drug i raz logzašto smo smatrali da ćemo imati dosta outlier-a nalazi se u tomešlo ima opština koje su ekonomski centri u pravom smislu te reči, paje samim

tim

bilo

logično pretpostaviti

da

će

se

kriminalcigrupi sat i uglavnom oko privrednog kriminalit eta , št o će naravnoizazvati poremećaj i takve opšti ne izbaciti iz preovlađujućihklastera .

TREĆA HIPOTEZA

Pošli smo od pretpostavke da ekonomski nivo razvoja jedneopštine ut i če na strukturu kriminaliteta, te smo na osnovu togazaključili da de najveći broj opština iz

svake pojedine republike

165

biti grupisan u jednom klasteru, dok de ostale (veoma mali broj)biti razvrstane u druge klastere . Drugim reči ma, pošli smo odhipoteze da u opštinama u okviru jedne republike-pokrajine nepos toj i značajnija razlike u strukturi kriminaliteta, a da serazli kuju strukture kriminaliteta u opštinama različitih republika .

CILJ_RADA

Cilj ovog rada je trostruk . Prvi je, naravno, proverapolaznih hipoteza . Drugi, čisto metodološki, sastoji se u testiranjuodgovarajućih statističkih metoda u sagledavanju jedne specifičnepojave

kaoš to je to kriminalitet .

Najzad, ali ne i kao poslednjepa rangu, ovaj rad ima

zaci lj

proveru primenjenih metodo loškihrešenja,

kako bi

se obezbedila čvrsta osnova za izradu znatnokompleksnijeg pristupa sag ledavanju kriminaliteta prema opšti namato ne samo strukture kriminaliteta, već uzimajućiu

obzir

i

nivorazvijenosti opština .

OSNOVNE_NAPOMENE O NUMERIČKOM_KLASIFIKOVANJU

Brojnost č i njen i ca i kompleksnost međusobnih odnosa najčešćene omogućavaju da se direktnim uočavanje m sazna nešto vi e afizičkom i duhovnom čovekovom okruženju . K la sifi kovanjem seč injenični fond svodi na ; za čoveka, savladive dimenzije .

Klasifikovanje, u najš irem smislu te reči, je razvrstavanjeelemenata p osma tranog skupa na podskupove . Kada se radi orazvrstavanju na osnovu niza kvantitativnih obeležja i po strogodefinisanim pravilima onda govorimo o numeričkom klasifikovanju .Obeležja kojim se opredeljuje klasifikacija rarogu da se uzimaju u

obzir jedno po jedno (monotetičko klasifikovanje) ili zajed no(politetičko klasifikovanje) pri čemu se respektuju i fine đusobnerelacije obeležja, a ne samo njihove pojedinačne vrednosti .

Metode politetičkog numeričkog k las ifikovanja se zovu metodcautomatskog klasifikovanja.

Hijerarhijke metode automatskog klasifikovanja su pogodne z amanje skupove (do 10 elemenata) . Razlikuju se grupišuće (polazi secd elemenata), spajajude (polazi se ad či tavog skupa), pripajajude,pretražujuće itd . Osnovna ideja hijerarhijskog klasifikovanjajedobijanje klasa na većem broju hijerarhijskih nivoa . Klase jednoghijerarhijskog preseka tj . jednog nivoa se po pravilu ne preklapaju .Samo manj i broj vrlo specifičnih algoritama vodi preklapajućimklasifikacijama u okviru i stog hi jerarhijskog nivoa ilipreklapajućim nehij er arhijskim klasifikacijama .

1 66

,a k la s i fikovanje velikog broja jedinica koriste se posehnia lgoritmi uglavnom zasnovani na pr idruživanju elemenata tipičnimelementima i/ili pretraživanju sv i h mog ućih podela na unapredfiksiran broj

k lasa .

Na ovim principima su zasnovani 'K-mean'a lgor tam, 'Isodata' algori tam Leader' a lgor tam 'Fastclas'algoritam itd .

Glavna prepreka širokoj pri men i metoda numer ičkogklasifikovanja sastojala se u veoma komplikovanim i glomaznimračunskim procedurama, koja je novim modnim i brzico ra č unari m a i,pogotovu, proizvodnjom gotovih softverskih rešenja od sredinesedamdesetih god i na praktično odstranjena . Danas postoje veomaoperativni paketi čak i za mini računare tako da numeričkoklasifikovanje od teorijske teme matematičke stat ;S* .! .= postajejedna od najšire praktično upotrebljavanih tehnika .

Počev od 1939 godine kada je izdata prva monografija na ovutemu ( Tyron :Clustering Analysis) preko povečane produkcijemonografija i udžbenika tokom šesdesetih i sedamdesetih godina pa dodanašnjih dana kada imamo nekoliko hiljada naslova iz :)ve obrastisvetskoj literaturi, niz specijalizovanih časopisa i stručnihudruženja, razvoj numeričkog klasifikovanja je sve vrem b i o tesnopovezan sa različitim praktičnim problemima .

Kada govorimo o pri men i onda treba pomenuti da raz loge zaapliciranje metoda numeri č kog klasifikovanja Good ( Botrology ofbotrology, 1965) vidi u mentalnom razjašnjavanju i uprošćenojkomunikaciji, otkrivanju novih oblasti istraživanja, planiranjuorgan izacionih struktura, proveri hipoteza i učenja i šale radi . Mibirmo radije sve razloge podelili na operativne i analitičke ;operativno klasifikovanje je u funkciji neposrednog cilja -planiranja rasporeda vatrogasnih stani ca, detekciji jednakoznačećihfrekvencija na satelitskim snimcima, stratifi kovan ju za potrebeuzorka itd, dok analitičko po pravilu služi za generisanje i proveruhipoteza .

U ovom rado je kl as ifikovanje primenjeno u analitičke svrheradi provere postavljenih i generi sanja nov ih

hipoteza .

"naravno

ustoj problematici i istom tehnikom mogli smo ići i na operativno

k lasi fi kovanje sa ciljem npr . definisanja posebnih pravaca akcije uraz ličiti it kriminogenim stratumima .

METOD_KLASIFIKOVANJA

Osnovni problem sa kojim smo se suočili u ovom rado je bioklasifikovanje velikog kroja jedinica (opština) u relativno malibroj klasa . Kako je u pitanju pojava koja još uvek nije u dovoljnojmeri izučena, u ovoj fazi istraživanja nas je najviše interesovaloda je na dovoljno detaljan način opišemo .

Polazeči od osnovnih tipova grupisanja ( klasterisanja) :

1 6 7

-hijerarhijsko grupisanje,

-nepreklapajuće gru p isanje (u disjunktne klase čija unija daje cuskup koji se klasifikuje),

-preklapajuće grup sanje,

-fazi grupisanje,

i mogućnosti koje nam daju metode automatskog klasifikovanja 2

sum arno prikaziva nj e nekih pojava, odločili smo se da u prvom korakrazvrstamo sve jedinice (528 op ština) u manji broj nepreklapajućik lasa . Nakon tako dobijenih rezultata možemo razmišljati o daljianalitičkim eksperimentima.

Za eksperiment je korišćen SAS paket programa, odnosnprocedura FASTCLUS . U matematičkoj notaciji mi smo pošli od matricpodataka za

N=523 opština u kojima je izmereno učešće 21 vrstde likata u strukturi ukupno presuđenog krimina la

X1

.-

Y3

. . .

21el

x1,1 x1,

x1,3

. xf,21e2

x'-i x2

x23 . . . x2 21e3

x3,1 x 3 ,2 x 3 ,3

. . . x2-,21

eN

<N,I cN,2 xN,3

xN,21

Ova procedura je teorijski oslonjena na dobro pozirate 'k-mean'algori tam (MacQueen, 1967) i 'leader' algori tam (Hartigan, 1975) iodvija se u četiri koraka :

, . Izdvajajo se klasterska jezera kao prva. aproksimacijaklasterskih centroida . Sama inicijali z acija jezgara je višestepenaprocedura u kojoj se ved izabrano jezgro menja ukoli ko nova jed inica'ek' koja ulazi u račun i najbliža je nekom

jezgru

ima

vedeodstojanje od najbližeg jezera jezgru 'J' nego samo jezgro 'J' .

Ukoliko se desi da 'ek' ne zadovolji ovaj uslov zapromovisanje u jezgro koje služi kao inicijalni klasterski centroid,ono se podvrgava još jednom testu . Nova jedinica 'eki menja sebinajbliže jezgro 'J' ukoliko je najmanje odstojanje od svih ostalihjezgara osim najbližeg jezera 'J' vede od 'ek' nego od 'J' .

2 . jedinice koje se ne izdvajajo kao klasterska jezgra sepridružuju najbližem jezgru, form iraju klasu čiji centroid postajendvo jezgro .

168

3 . Kada sve jedinice skupa koji se klasifikuje prođu prvuinspekc ju, klas terska jezgra se zamenjuje k las ter skim centroidima .Ovakva procedura se ponavlja dok promene u vrednost ma jezgara,odnosno centroida ne post anu zanemarlji ve i L i jednake nuli .

4 .

Konačne

klase se form iraju pr idruživanjem jedinicakonačnim jezgrima.

Kao mera odstojanja između jezgrase uzima Euklidsko odstojanje.

jedinice i između jezgara

Ovako definirana procedura je izrazito efikasna za otkrivanjetzv 'outlier'-a, odnosno jedinica koje se bitno razlikuju od celogskupa koj i se klasifikuje i koje često u praksi mogu da prauz rok ujuvelik_ probleme .

Mi sme se u radu susreli sa nekoli ko 'outliers'-a koji nisubitno uti ca li na opise klasa, ali čije izdvajanje je samo po sebibilo informativno .

Osim toga napravljen je pok ušaj ukrštanja apriorne iaposteriorne klasifikacije opština . Uslovno, samo za potrebe ovcdiskusije ćemo

a) klas ifikaciju dob ijenu nekim metodamautomatskogklasifikovanja znati APOSTERIORNA klasifikacija jer je izvedenanakon što su podaci X1, XC, . . . XN o jedinicama ' e k ' obezbeđen i,

b) klasifikaciju koja

je postojala nezavisno od merenjavarijabli X1, X2, . . . XN na jedinicama 'ek' zvati APRIORNA .

'dije potrebno nabrajati moguće raz loge za poređenje apriornihi aposteriornih klasifikacija . U ovom radu je izvršeno takvopoređenje klasifikacije strukture presuđenog kriminala kaoaposteriorne klasifikacije sa apriornom klasifikacijom opština po ERi SAP . Dobij en i rezultati su detaljnije komentarisani u poglavljuposvećenom rezultatima . Na ovom mestu čemo samo ukratko opisatipostupak direktnog ukrštanja apriorne i aposteriorne klasifikacijekorištenjem dve

..7 p roc edure-

Ukrštanje je rešeno upotrebom dve SAS procedure : PROC TREE,kojom je iz hi jerarhije izdvojena jedna disjunktna klasifikacija saunapred zadatim brojem kl asa i PROC FREQ, kojom je dobi jenakorelaciona tabela .

REZULTATI

U prvom koraku upotrebilii smo grobo klasifikovanje op tiha usamo 'tetici klastera . Dobijena su četiri ujednačena klastera sa120, 146, 116 i 146 opština redom sa približno jednakim radijusom ipribližno jednakim međusobnim distancama (vidi Kartogram 3) .

1 6 9

Prvi klaster karakteriše visoko učešće sledećih grkrivičnih dela. protiv života i tela, slododa i prava čovekgrađana i časti i ugleda . Ove tri grupe su bile najizraženije, dotoo klasteru veoma su malo zastupljena krivična dela proprivrede, privatne i društvene imovine . Ovaj klaster se mdefinisati kao slika zaostalih odnosa u opštinama k ojesačinjavaju, jer su pretin krvni delikti kao i de la iz kojihdelikti izrastaju . Na ime, najčešće povređivanju života i tprethodi vređanje, tani je rečeno krivična dela uvrede i klevkoja su najzastupljenija u grupi dela protiv časti i ogleNajzastupljenije delo u grupi dela protiv sloboda i prava čovekgrađana je pretnja ugrožavanjem sigurnosti pojedinca, a to delotakođe usko povezano uz povrede po život i telo . Ovaj klast ,dakle, mogli bismo na zvati 'balkanski' klaster, i to zato štokarakteriše tradicionalni balkanski kriminalitet, gde dela proimovine nisu zastupljena , ali zato jesu krvni delikti . Etike noru opštinama koje sačinjavaju ovaj klaster specifične su za balkan!područje, jer je greh ukrasti ali ne i povrediti .

U ovom klast er u dominiraju opštine iz SR Srbije-TeritorijeSrbije van teritorija SAP, kojih je bilo 57,4% od ukupnog broopšt i na u tom klasteru, odmosmo 55% od ukupnog broja opštiTeritorije . Takođe je značajno učešće opština iz ER RosneHercegovine i SR Makedonije. Na primer, skoro Eve op štine istoSrbije nalaze se u ovom klasteru, i to kako one uz tok Duna(Negotinska krajina), tako i jugoistočne opštine prema Bugarskoj,izuzetkom Pirota, Niša i Leskovca . Eve ostale nalaze se u o'klasteru .

U zapadnom delu Srbije učešće ovih opšti na bilo je manja u ovem klasteru iz tog područja su Loznica, Krupanj, Baji na BaštMionica i Sjenica . U ER Rosni i Hercegovini u ovom klasterugranične opštine prema Lici i Krajini, npr . Bosanska Krupa, TitDrvar, Livno, Duvno itd, i opštine uz tok reke Drine, npSrebrenica, čajniče i op šti ne naseljene srpskim življem kao štoStolac, Nevesinje i Srbac . U SR Makedoniji su to opštine uz bugarsgranicu, bez izuzetka . Bitno je napomenuti da u ovom klasteru nibilo nijedne opštine iz SR Slovenije i SR Srbije-SAP Vojvodine .

Drugi klaster karakteriše k las ičan imovinski kriminalitet .overi k las ter u su najzastuplj en ija Krivična de la protiv društveneprivatne imovine dok ostalih dela praktično i nema . U ovom klastedominiraju opštine iz SR Slovenije, SR Srbije--SAP Vojvodine iHrvatske . čak 83% opš ti na Slovenije i 54% opšti na Vojvodine na lase u ovom klasteru . U SR Hrvatskoj eve učešće iznosi 37%

i

osnovje zajednička karakteristika da se radi o primorskim,opštinam

k o j e su najviše. Iz ho one takozvanom turističkom kriminali tetodnosne deliktima koji su upereni kako na turiste, tako i na dobkoja turisti prisvajaju

. Dokaz za ovu konstataciju o turističkomkriminalitetu na lazimo učinjenici dauovoj klaster ulaze i BudvaTivat iz Crne Gore, iako ovaj klaster nije karakterističancrnogorske opštine .

Treći klaster karakter i u krivična dela protiv privredeprotiv osnova socijalističkog samoupravnog društvenog uređenjabezbednosti

SFR Jugoslavije . Dakle,

radi

se o

privrednom

170

političkomkriminalitetu.Unjemu se nalazi čak72%opština SAPKosova i 43%, opština SR Bosne i Hercegovine . Značajno je učešćeopština iz SR Srbije-teritorije van SAP i SR Hrvatske . U grupikrivičnih dela protiv privrede najzastupljenija su dva dela, i tošumska krada i izdavanje čeka bez pokrića. Kod prvog deta radi ta oklasičnom imovinskom deliktu, s tira da je objekt napada šumskodobro, a kod drugog se radi o specifičnom deliktu vezanom zabezgotovinsko plavanje . U SAP Kosovu je najveće učešće šumskih krađau odnosu na privredni kriminalitet, dok je u drugim krajevimanajzastupljenije deto izdavanje čeka bez pokrića .

četvrti klaster karakterišu saobraćajni delikti, pa ga možemoustovno nazvati 'saobraćajnim'. Učešće saobraćajnih delikata uukupnom kriminalitetu je znatno, i krede se negde oko 20% . Poslediceovih delikata su, kao što je dobro poznato, velike . Ilustracijaradi, prosečno u saobračajnim nesrećama u Jugoslaviji život izgubioko 4,5 hiljada Ljudi . U ovom klasteru na Laze se opštine iz svihrepublika i pokrajina, a posebno je izraženo učešće opština iz SRCrne Gore i u ovom klasteru ih je 5077 od svih crnogorskih opština .Kako naša najveća magistrala prolazi največim delom kroz SR Hrvatskui SAP Vojvodinu, bito je za očekivati da njihove opštine značajnijeučestvuju u ovom klasteru, što se i potvrdito .

U drugom koraku, u cilju uvtrdivanja outlier-a, krenuli srnood razuđene klasifikacije na 16 klastera . Potvrđena je osnovnaklasifikacija na četiri klastera, ali su izdvojene atipične opštine.To su pre svega opštine sa malim apsolutnim brojem kriminalaca, paje samim tim i distribucija varijabli bi La poremećena, odnosno,jedan delikt se javljao u strukturi sa velikim učešćem, čak i po100% . To su Kreševo (BIH), Žepče (BIH) i čabar (H), koje svaka činektaster za sebe i imaju registrovane dve do tri vrste delikata .

Takode se oformio jog jedan ktaster koji obuhvata četiriopštine i to Piran (SL), Sremski Karlovci (V), čoka (V) i NoviKneževac (V) . Osnovna karakteristika ovog klastera je veoma izraženimovinski kriminalitet protiv privatnih dobara . Drugim rečima, uovira opštinama je največa opasnost po imovinu gradana .

Još dva mala klastera sa izdvajaju . To je klaster saizraženim detima protiv javnog reda i pravnog saobraćaja i čine ga

Sarajevo-Fale, Nova Gorica i Sežana, i kLaster sa izraženimdeliktima protiv spomenika kulture, koji su inače veorna malozastupljeni

u ukupnom kriminalitetu i to su opštine Neum, Dravogradi Tivat .

Posebno nas je interesovala pripadnost velikih gradavaJugoslavije pojedinim kLasterirna . Konstatovati srno da se vetiki'gradovi grupišu u tri klastera, suprotno očekivanju . Od toga ukLasteru koji srno definisali kao imovinski (drugi) klaster ušta jevedina i to : Zagreb, Titograd, Split, Ljubljana, Skopje, Novi Sad IRijeka . U trećem kLasteru (poLitički i privredni krirninilit*t)nagli su se Sarajevo i Beograd, a u četvrtom (saobraćajke) Niš IPriština .

171

UMESTO_ZAKLJUČKA

Na ovorn mestu bismo se osvrnuli na poIazne hipotupoređujući ih sa dobijenim rezultatima . Na prvi pogled naša Phipoteza nije izdrž ala ispit . Pošli smo od stava da je struktkriminaliteta u nerazv ijeni j im područjima veoma bliska struktkriminal i teta

unajrazvij en im pod ručjima,

a

da

se obe dorazl i kuju od strukture kriminaliteta u ostalim, srednje-razvijepodručjima. Kako se najveć i b r o j op ttina Slovenije grupisao u jedktasteru, a kosovske opštine u drugom, onda bi se moglo zaključda je naš polazni stav bio pogrešan . Međutim, klaster u kojem sunašle slovenačke opštine karakter ne imovinski kriminalitet,deta protiv društvene privatne imovine . KLaster u kome je vedkosovskih opština karakterišu dela protiv privrede, ali pre svešumske krade, koje u svojo] biti jesu imovinski delikti. S dristane, srednje razvijene opština još uvek karakter'tradicionalni •

balkanski

kriminalitet .

Prema

torne,

pota :h i potezu možemo u principu smatrati potvrdenorn .

U različitim eksperimentima broj outlier-a je varijo izme6 i' 54 opštine. Smatrali smo da nam je klasifikacija sa 16 posebrktastera dala najbolja stiku outlier-a, jer je u njoj 13 opatiizdvojeno u nekoIiko kLasa koje su sa svoje strane bi Le izraziizdvojene od ostalih klastera .

Konačno, tredu hipotezu možemo smatrati potvrdenorn s obzirda između aposteriorme i apriorne klasifikacije opttina postevisoko slaganje.

Smatramo da je ovo savno početni korak u statističkoj analipodataka o kriminalitetu na nivou opština, s tins što de naredzadatak biti uključivanje i ekonomskih pokazatelja .

Najzad, na ovorn mesto bismo citital i a utora 'Kvantitavikriminologije' (1982), J .Hagana, koji u uvodu svoje knjikonstatuje : 'A ko su 1960-te i 1970-te bile godine teoretskinovacija u kriminologiji onda 1980-te obećavaju da bugodine metodoloških inovacija' . činjeni ca je da kvantitavni meto ,zauzimaju sve važnije mesto u velikom broju društvenih d isciplin .p a ovaj rad treba posmatrati kao pokušaj iskazivanje savremenijimetodološkog pr i s t upa kod istraživanja kriminaliteta kao masovidruštvene pojave . Primenjena statistička analiza (klaster anali :sli teorija klasifikacija) do sada je b ila primenjivana u nekistraživanjima devijantnih ponašanja . Razvoj Informaciottehnologije omogućio je da se vrte mnogobrojni testovi kakoklaster-analizom tako i da drugim statističkim analizama, sve dcdobijeni rezultati ne budu u funkciji postavljenog istraživatkogzadatka. Stoga smatramo da je od i sta neophodan pomak u pravetestiranja i pri mene metoda kvantitativne anaIize ukriminološkiistraži vanj ima, utotiko pre što tehnološki razvoj omogućava svakcprosečnom korisniku (user-u) brzo, efi kasno s raznovrsno test i ranj

i on i h metoda sa kojima je samo delimično upoznat, al i koji uz pomcpredmetnog .stručnjaka posta ju sasvim bliski .

172

173

~3

LITERATURA

1 . Anderberg, M .R : CLus ter Analysis for Application, New York

4973Academic Press

2 .Bogosavljević S : Modeli automatskog klasifikovanja, Statističdokumenti Saveznog zavoda za statistiku br .7/8, Beograd 1982 .

1

3 . Freedrnan D .A and Navidi W .C :Regression Models for Ad ist ing

th930 .Census, Statistical Science, 1986 . Vol .1, No 1

4 . Hartigan, J . A : Clustering Algorithms, New York 1975, John WilesSons

5 .National Meet ing of Prison Population Forecasting,

DenverColorado, 1982,

6 . Means of Improving Information on Crime,

Second CriminologicalColoqium, Strasbourg, 1976 .

7 . Mrk ić S ; Velat D : Stope kriminaliteta u opšti nama Jugoslavije,Radni dokumenti Saveznog zavoda za statistiku broj B, Godina I,Beograd, 1987 .

8 . Mrkić S : Privredni kriminalitet u SFR Jugoslaviji, Analize,studije i prikazi Saveznog zavoda za statistiku broj 11°, Beograd,1987 .

7, SAE Users Guide . Statistics, Cart, North Carolina, 1985 .

10 . SAS User's Guide : SASGRAPH, Cary, North Carolina, 1985 .

11 . Tarting, R : Statistical applications in criminology, The Statis-tician, Volume 35, No 3, 1986

17 4

- PRILOG -

PRIPADNOST OPŠTINA SFR JUGOSLAVIJE POJEDINIM KLASTERIMA

ER BOSNA I HERCEGOVINA

KLadanj

3Ključ

IKonjic 3

Banov idi 4 Kotor Varoš 1Banja Luka Kreševo 1Bihad3 Kupres

3Bi jel.jina

4Laktaši 4Bileća LIStlca

4Bosanska Dub ,ca

4

Livno

1Bosanska Gradiška 3

Lopare

1Bosanska Krupa

I

Lukavac

3Bosanski Brod Ljubinje

2Bosanski Novi

4

Ljubuški

4Bosanski PP trovacmagl a j

4

Bosanski šam ac

3

Modr iča

4Bosansko Grahovo

3

Mostar

4Br atunac

3

Mrkonjid Grad

1Br Lko

13 3Nevesinje 1Breza

4Odžak 4Bugojno

-

OLovo

3Busovata

3

OraSje

2Cazin

3Posušje 3čajniče 1Prijedor 4

dap ii i na

2

Prnjavor

Ičelinac 3

Prozor

4čitluk4Pucarevo4

Derventa

3

RogaticaDoboj

_

Rudo

3Donj i Vakuf

3

Sanski Most

1Titov Drvar

1Sarajevo-Centar 3DuvnoSarajevo-Hadžići 3Foda

3Sarajevo-Ilidža 4

Fojnica

7

Sarajevo-ILija

3Gacl<o 4 Sarajevo-Novi grad 2G l a mot

Saraj vo-Noio Sarajevo 3_

eGoražde Sarajeva-PaLa

^

Gornj i VakufSarajevo-Stari grad

2

Gratanica

S arajevo-Trnovo

4GradačacSarajevo-Vogošća 3

G,- ude

Skender Vakuf 3Han Pijesak 3 Sokoiac 3Jablanica a Srbac IJajce 3 Srebrenica IKakanj 3 Srebrenik 4KrLesija StoLar_ IKaLinovik 2 ekovidi iKisel.jak

3

ipovo

3

175

Teslić3Brat4Tešanj 1 Ruje 2Travnik 3 Buzet 3Trebinj e 4 Crikvenica 2Tuzla _čabarUgljevik 4čakovec 4Vareš 3 č azma 2Velika Kladuša 4 Daruvar 4Visoko 3 Donja Stubica 2Višegrad 3 Delnice 1Vitez 4 Donji Lapac iVlasenica 1

Donji Miholjac

4Zavidovići 1 Drniš 4Zenica 2 Dubrovnik 2Zvornik

1

Duga Resa i

epe

3

Dugo Seloživinice 2

Dvor

3Neum

4

Djakovo

4Djrudjevac

4Garešnica

4Glina

ISF: CRNA GORAGospitć 3

GračacIGrubišnoPolje3

Bar

4

Hvar

2Bijelo polje

4

Imotski

4Budva

2

Ivanec

1Danilovgrad 4

Iva nit Grad

2žabljak I

Jastrebarsko

4Ivangrad

3

KarLovac

4Kolašin

4

KLanjec

4Kotor

4

Knin

4Mojkovac

4

Koprivnica

1Nikšić 4

Korčula 2Plav 4

Kostajnica

IF' Lug i ne

i

Krapina

IPljevlja 3Križevci 1Rogaj

Krk

2Tivat

2Kutina 4Titograd

2

Labin

3ULcinj

3

Lastovo

iHerceg Novi

4

Ludbreg

4Cetinje

4

Makarskašavnik

1

Met kov i

2Našice

4Nova Gradiška

4Novi Marof

4ER HRVATSKA

Novska

4Obrovac

2Ogulin 3

De Li Mana stir 2 Omiš 4Benkovac 3 Opatija 4Biograd 2 Orahovica 3Bjelovar

4

Osijek

2

176

Otočac 3 Pregrada iOzalj 4 Kardeljevo 3Pag

3Pakrac

3Pazin

2Petrinja

..

SR MAKEDNONIJAPodravska SLatina

4Pared

2Pula 2

Berovo

IRab

I

Bi to La

4Rijeka

2

Brad

3Rovinj

2

Valandovo

ISamobor

4

Vinica

2SenjBevđelija 1Sosvete

4

Gostivar

3Sinj

4

Debar

3Sisak

4

Delčevo ISlavonska Potega

-

Demir Hisar

1Slavonski Brad

4

Kavadarci

3Slunj 3

Kitevo

3Split

2Kočani 1Šibenik

4

Kratovo

ITitova Koren i ca

2

Kriva Palanka

ITrogir2 -Kruševo 3VaLpavoKumanovo 4Varaždin 4

Negotino

2Velika Gorica

4

Ohrid

4Vinkovci

2

Pri Lep

3Virovitica

4

Probištip

1Vis

2

Radoviš

1Vojnić 3

Resen

4Vrbovec

3

Sveti Nikole

3Vrbovsko

2

Struga

4Vrginmost

i

Strumi ca

iVrgorac

3

Tetovo

4Vukovar

2

Titov Veles

4Zabok

1

štip

4Zadar

2

Skopje-Gazi Baba

2Zagreb-Centar

2

Skopje-Karpoš

4Zagreb-črnomerec 2

Skopje-Ki se La VodaZagreb-Dubrava

2

Skopje-Centar

2Zagreb-Maksimir -Skopje-čairZagreb-Medveščak 2Zagreb-Novi Zagreb

2Zagreb-Pešćenica

2Zagreb-Susedgrad

2

ER SLOVENIJAZagreb-Trešnjevka 2Zagreb-Trnje

2Zapretiti 4 Ajdovščina 2ZeLina 4 Brežice 2Zlatar-Bistrica s. Celje 2županja 2 Cerknica 2Cres-Lošinj

2črnomelj 4Domžale2

1 7 7

Dravograd 2 Tržič 4Gornja Radgona 2 Velenje 2Grosuplje 4 Vrhnika 2Hrastnik 2 Zagorje ob Savi 2Idrija 2 žalec 2Ilirska Bistrica

2Izola

2Jesenice

2Kamnik 2

SR SRRBIJA-TERIT .VAN SAPKočevje

2Koper

2Kranj 2 Beograd 3Krško 2 Barajevo 3LaŠko Voždovac 3Lenart 4 Vračar 3Lendava 2 Grocka 4Litija 4 Zvezdara 3Ljubljana-Bežigrad 2 Zemun 2Ljubljana-Center 2 Lazarevac 4Ljubljana-Moste-polje 2 Mladenovac 3Ljubljana-šiška 2

Novi Beograd

3Ljubl j ana-Vič Rudnik Obrenovac 4Ljutomer 4 Palilula 2Logatec Savski Venac 3Maribor-Pesnica 2 Sopot 2Maribor-Pobrežje 2 čukarica 3Maribor-Rotovž 2 Stari Grad 3Maribor-Ruše 2 Rakovica 3Maribor-Tabor 2 Aleksandrovac iMaribor-Tezno 2 Aleksinac iMetlika 4 Arandjelovac 4Mozirje 2 Arilje IMurska Sobota 2 Babušnica INova Gorica 4 Bajina Bašta 1Novo Mesto 2 Batočina IOrmož 2 Bela Palanka 4Piran 2 Blace iPostojna 2 Bogatić IPtuj 2 Bojnik 1Radlje ob Dravi 2 Boljevac iRadovljica 2 Bor 4Ravne na Koroškem 2 BosiLegrad IRibnica 2 Brus ISevnica 4 Bujanovac 3 •Selana 4 Valjevo 4Slovenj Gradec 2 Varvarin ISlovenska Bistrica 2 VeLika Plana iSlovenske Konjice 2 Veliko Gradište 1Šentjur pri Celju 2 VLadimirci IŠkofja Loka 2 Vladičin Han 1Šmarje pri Jelah 4 Vlasotince 1Tolmin 2 Vranje iTrbovlje 2 Vrnjačka Banja 4Trebnje

2

Gadi i n Han

3

178

GoLubac I SvrLjig iGornji Milanovac i Sjenica iDespotovac 1 Smederevo 4Dimitrovgrad 4 Smederevska PaLanka iDoLjevac i Sokobanja ižabari 1 Surdulica ižagubica i Titovo Užice ižitoradja 1 TopoLa 1Zaječar I Trgovište 1Ivanji ca 3 Trstenik 1Kladovo 3 Tutin 3Knić i ćićevac 1Knjaževac I ćuprija 4Kosj er ić i Ub iKoceLjeva 3 Crna Trava 1Kragujevac 4 čajetina 1Kraljevo 4 čačak 4Krupanj i šabac 4Kruševac

iKuršumLija

3Kučevo

iLajkovac

1

SAP KOSOVOLebane

1Leskovac

4Loznica

1

Vitina

3Lučani

It

Vučitrn

4Ljig

4Glogovac 3Ljubovija

i

GnjiLane

3Majdanpek

I

Dečane

3MaLi Zvornik

4

Dragaš

1Malo Crniće 3

Djakovica

3Medvedja

1

Istok

3Merošina

1

Kačanik

3Mionica

I

KLina

3Negotin

1

Kosovska Kamenica

3Niš

4

Kosovska Mitrovica

2Nova Varoš

4Leposavić 4Novi Pazar

3

Lipljan

3Osečina

1Orahovac

3Parafin

i

Ped

4Petrovac

I

Podujevo

3Pirot

4

Prizren

3Požarevac

4

PrištinaPožega

i

Srbica

3Preševo 3

Suva reka

3Priboj

4

Uroševac

3PrijepoLje

4Prokuplje 1

Ražanj

1Rača

1

SAP VOJVODINARaška

1Rekovac

1Svetozarevo

4

Ada

2Svilajnac

I

ALibunar

4

179

Apatin 2 Opovo 3Rač 4 Odžaci 4Račka Pa Lanka 2 Pančevo 4Rafka Topola 2 Pećinci 3Rački Petrovac 2 Plandište 2Reta Crkva 3 Ruma 4Beočin 2 Senta 4Bečej 2 Sečanj 4Titov Vrbas 4 Sombor 2Vršac 4 Srbobran 2žabaLj 2 Sremska Mitrovica 4žitište 2 Stara Pazova 4Zrenjanin 2 Subotica 2Indjija 4 Temerin 4Irig 4 Titel 4Kanjiža 2 čoka 2Kikinda 4 šid 4Kovačica 4 Novi Sad-Dete Linara 2Kovin

4

Novi Sad-L i roan

2K u L a 2 Novi Sad-Petrovaradin 2Mali Idjoš 2 Novi Sad-Podunavlje 2Nova Crnja 2 Novi Sad-Slavija 2Novi Bečej J 4 Novi Sad-Srem .KarLovci 2Novi Kneževac 2

Novi Sad-Start Grad

2

1 80