본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대하여 시계열 예측모형을 이용한 주요 범죄에 대한 단기적 발생 전망이 가능한 것으로 나타났다. 이러한 연구결과를 토대로 범죄 발생에 대한 지속적인 시계열 예측모형 제시, 분기별, 연도별 범죄 발생건수를 기초로 하는 중 장기 시계열 예측모형에 대한 관심이 요구된다.
본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대하여 시계열 예측모형을 이용한 주요 범죄에 대한 단기적 발생 전망이 가능한 것으로 나타났다. 이러한 연구결과를 토대로 범죄 발생에 대한 지속적인 시계열 예측모형 제시, 분기별, 연도별 범죄 발생건수를 기초로 하는 중 장기 시계열 예측모형에 대한 관심이 요구된다.
The purpose of this study is to contribute to establishing the scientific policing policies through deriving the time series models that can forecast the occurrence of major crimes such as murder, robbery, burglary, rape, violence and identifying the occurrence of major crimes using the models. In o...
The purpose of this study is to contribute to establishing the scientific policing policies through deriving the time series models that can forecast the occurrence of major crimes such as murder, robbery, burglary, rape, violence and identifying the occurrence of major crimes using the models. In order to achieve this purpose, there were performed the statistical methods such as Generation of Time Series Model(C) for identifying the forecasting models of time series, Generation of Time Series Model(C) and Sequential Chart of Time Series(N) for identifying the accuracy of the forecasting models of time series on the monthly incidence of major crimes from 2002 to 2010 using IBM PASW(SPSS) 19.0. The following is the result of the study. First, murder, robbery, rape, theft and violence crime's forecasting models of time series are Simple Season, Winters Multiplicative, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0 )(0,1,1) and Simple Season. Second, it is possible to forecast the short-term's occurrence of major crimes such as murder, robbery, burglary, rape, violence using the forecasting models of time series. Based on the result of this study, we have to suggest various forecasting models of time series continuously, and have to concern the long-term forecasting models of time series which is based on the quarterly, yearly incidence of major crimes.
The purpose of this study is to contribute to establishing the scientific policing policies through deriving the time series models that can forecast the occurrence of major crimes such as murder, robbery, burglary, rape, violence and identifying the occurrence of major crimes using the models. In order to achieve this purpose, there were performed the statistical methods such as Generation of Time Series Model(C) for identifying the forecasting models of time series, Generation of Time Series Model(C) and Sequential Chart of Time Series(N) for identifying the accuracy of the forecasting models of time series on the monthly incidence of major crimes from 2002 to 2010 using IBM PASW(SPSS) 19.0. The following is the result of the study. First, murder, robbery, rape, theft and violence crime's forecasting models of time series are Simple Season, Winters Multiplicative, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0 )(0,1,1) and Simple Season. Second, it is possible to forecast the short-term's occurrence of major crimes such as murder, robbery, burglary, rape, violence using the forecasting models of time series. Based on the result of this study, we have to suggest various forecasting models of time series continuously, and have to concern the long-term forecasting models of time series which is based on the quarterly, yearly incidence of major crimes.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안정책 수립에 기여하는데 그 목적이 있다. 이를 통해 공안관련 정부기관 및 학계에서 범죄 발생에 대한 예측모형에 기초한 범죄 예방, 범죄 대응과 치안정책 수립의 필요성을 인식하고, 나아가 질적연구와 양적연구를 병행하는 범죄 발생의 단기·중기·장기 예측기법에 대한 관심을 제고하는데 기여하고자 한다.
첫째, 범죄 발생에 대한 중 · 장기 시계열 예측모형에 대한 후속연구가 필요하다. 본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요범죄의 2002년부터 2010년까지 발생한 월별 범죄건수를 기초로 진행되었으므로 주요범죄의 계절성을 포함한 단기 예측 모형을 규명하였다. 따라서 범죄 발생에 대한 중 · 장기 시계열 예측모형에 대한 후속 연구는 범죄 예방, 범죄 대응, 그리고 치안정책 수립에 보다 많은 기여를 할 수 있을 것이다.
본 연구에서는 살인, 강도, 강간, 절도, 폭력 등 주요범죄 발생에 대한 시계열 예측 모형 제시를 통해 이에 근거한 단기적 발생 전망이 가능하다는 것을 시사하고 있다. 이와 같은 연구결과를 토대로 다음과 같이 제언하고자 한다.
이를 통해 공안관련 정부기관 및 학계에서 범죄 발생에 대한 예측모형에 기초한 범죄 예방, 범죄 대응과 치안정책 수립의 필요성을 인식하고, 나아가 질적연구와 양적연구를 병행하는 범죄 발생의 단기·중기·장기 예측기법에 대한 관심을 제고하는데 기여하고자 한다.
제안 방법
둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위하여 시계열 모형생성(C)에 의한 예측값을 산출하고, 관측값/예측값에 대하여 시계열 순차도표(N)를 실시하였다.
본 연구에서는 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 MS-EXCEL 2007에 입력 및 가공한 후에 범죄 발생에 대한 시계열 분석을 위하여 IBM PASW(SPSS) 19.0에 재입력하였으며 구체적인 처리절차는 다음과 같다.
<표 10>에서 2002년부터 2009년까지 발생한 강간 범죄의 관측값을 기초로 2010 년 강간 범죄의 예측값을 기술하고 2010년 강간 범죄의 실제값과 비교하였다. 2002 년부터 2009년까지 관측값에 근거한 2010년 강간 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 6 참고)에서 ARIMA(0,1,1)(0,1,1) 모형으로 강간 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
<표 6>에서 2002년부터 2009년까지 발생한 강도 범죄의 관측값을 기초로 2010년 강도 범죄의 예측값을 기술하고 2010년 강도 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010년 강도 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 4 참고)에서 Winters 승법 모형으로 강도 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
<표 3>에서 2002년부터 2009년까지 발생한 살인 범죄의 관측값을 기초로 2010년 살인 범죄의 예측값을 기술하고 2010년 살인 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010년 살인 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 2 참고)에서 단순계절 모형으로 살인 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
<표 14>에서 2002년부터 2009년까지 발생한 절도 범죄의 관측값을 기초로 2010 년 절도 범죄의 예측값을 기술하고 2010년 절도 범죄의 실제값과 비교하였다. 2002 년부터 2009년까지 관측값에 근거한 2010년 절도 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 8 참고)에서 ARIMA(1,1,0)(0,1,1) 모형으로 절도 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
<표 17>에서 2002년부터 2009년까지 발생한 폭력 범죄의 관측값을 기초로 LCL, UCL 등 폭력 범죄 발생범위를 포함한 2010년 폭력 범죄의 예측값을 기술하고 2010 년 폭력 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010 년 폭력 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 10 참고)에서 단순계절 모형으로 폭력 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다.
첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄의 시계열 예측모형을 규명하기 위하여 시계열 모형생성(C)을 실시하였다.
대상 데이터
본 연구는 2002년부터 2010년까지 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 월별 발생건수를 연구대상으로 선정하였다. 주요범죄 발생건수는 대검찰청에서 2003년부터 2011년까지 발행한 ‘범죄분석’ 통계자료를 활용하였다.
주요범죄 발생건수는 대검찰청에서 2003년부터 2011년까지 발행한 ‘범죄분석’ 통계자료를 활용하였다.
성능/효과
<표 10>에서 2002년부터 2009년까지 발생한 강간 범죄의 관측값을 기초로 2010 년 강간 범죄의 예측값을 기술하고 2010년 강간 범죄의 실제값과 비교하였다. 2002 년부터 2009년까지 관측값에 근거한 2010년 강간 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 6 참고)에서 ARIMA(0,1,1)(0,1,1) 모형으로 강간 범죄에 대한 단기 예측이 가능한 것으로 나타났다. 2010년 후반부로 갈수록 관측값이 예측값에 비해 수치가 높은 것은 모형의 정확도에 대한 오차 외에 상대적으로 높은 강간 범죄의 성장추세를 의미한다고 하겠다.
<표 14>에서 2002년부터 2009년까지 발생한 절도 범죄의 관측값을 기초로 2010 년 절도 범죄의 예측값을 기술하고 2010년 절도 범죄의 실제값과 비교하였다. 2002 년부터 2009년까지 관측값에 근거한 2010년 절도 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 8 참고)에서 ARIMA(1,1,0)(0,1,1) 모형으로 절도 범죄에 대한 단기 예측이 가능한 것으로 나타났다. 2010년 후반부로 갈수록 관측값이 예측값에 비해 수치가 높은 것은 모형의 정확도에 대한 오차 외에 상대적으로 높은 절도 범죄의 성장추세를 의미한다고 할 수 있으며, 예년에 비해 비정상적인 범죄 추세를 보이고 있다는 것을 알 수 있다.
<표 17>에서 2002년부터 2009년까지 발생한 폭력 범죄의 관측값을 기초로 LCL, UCL 등 폭력 범죄 발생범위를 포함한 2010년 폭력 범죄의 예측값을 기술하고 2010 년 폭력 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010 년 폭력 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 10 참고)에서 단순계절 모형으로 폭력 범죄에 대한 단기 예측이 가능한 것으로 나타났다. 2010년 전반에 걸쳐 관측값이 예측값에 비해 수치가 낮은 것은 모형의 정확도에 대한 오차 외에 폭력 범죄의 일시적인 감소추세를 의미한다고 할 수 있으며, 예년에 비해 비정상적인 범죄 추세를 보이고 있다는 것을 알 수 있다.
<표 6>에서 2002년부터 2009년까지 발생한 강도 범죄의 관측값을 기초로 2010년 강도 범죄의 예측값을 기술하고 2010년 강도 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010년 강도 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 4 참고)에서 Winters 승법 모형으로 강도 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
<표 3>에서 2002년부터 2009년까지 발생한 살인 범죄의 관측값을 기초로 2010년 살인 범죄의 예측값을 기술하고 2010년 살인 범죄의 실제값과 비교하였다. 2002년부터 2009년까지 관측값에 근거한 2010년 살인 범죄의 관측값/예측값에 대하여 시계열 순차도표(N)를 실시한 결과(그림 2 참고)에서 단순계절 모형으로 살인 범죄에 대한 단기 예측이 가능한 것으로 나타났다.
Winters 승법 모형으로 설명할 수 있는 강도 범죄는 2002년부터 2009년까지 강도 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 강도 범죄 관측값을 기준으로 2011년부터 2013까지의 예측값 추정에서는 Winters 승법 모형의 특성에 따라 점진적으로 변동폭이 감소하면서 줄어들 것으로 보인다. ARIMA(0,1,1)(0,1,1) 모형으로 설명할 수 있는 강간 범죄는 2002년부터 2009년까지 강간 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 강간 범죄 관측값을 기준으로 2011년부터 2013까지의 예측값 추정에서는 ARIMA(0,1,1)(0,1,1) 모형의 특성에 따라 점진적으로 증가할 것으로 예상된다. ARIMA(1,1,0)(0,1,1)으로 설명할 수 있는 절도 범죄는 2002년부터 2009년까지 절도 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 절도 범죄 관측값을 기준으로 2011 년부터 2013년까지의 예측값 추정에서는 ARIMA(1,1,0)(0,1,1)모형의 특성에 따라 점진적으로 증가할 것으로 예상된다.
ARIMA(0,1,1)(0,1,1) 모형으로 설명할 수 있는 강간 범죄는 2002년부터 2009년까지 강간 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 강간 범죄 관측값을 기준으로 2011년부터 2013까지의 예측값 추정에서는 ARIMA(0,1,1)(0,1,1) 모형의 특성에 따라 점진적으로 증가할 것으로 예상된다. ARIMA(1,1,0)(0,1,1)으로 설명할 수 있는 절도 범죄는 2002년부터 2009년까지 절도 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 절도 범죄 관측값을 기준으로 2011 년부터 2013년까지의 예측값 추정에서는 ARIMA(1,1,0)(0,1,1)모형의 특성에 따라 점진적으로 증가할 것으로 예상된다. 단순계절 모형으로 설명할 수 있는 폭력 범죄는 2002년부터 2009년까지 폭력 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 폭력 범죄 관측값을 기준으로 2011년부터 2013년까지의 예측값 추정에서는 단순계절모형의 특성에 따라 크게 증가하거나 감소하지 않고 주기적인 반복을 보일 것으로 예상된다.
둘째, 본 연구에서 도출한 시계열 예측모형은 연구의 객관성을 기하기 위하여 IBM PASW(SPSS) 19.0의 시계열 모형생성(C)으로 처리하여 규명하였으므로 다른 종류의 통계처리 프로그램으로 처리하거나 개별 연구자가 주관적 판단을 통해 규명하는 시계열 예측모형과는 다소 차이가 있을 수 있다.
둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형을 이용한 주요 범죄의 단기적 발생 전망이 가능한 것으로 나타났다(2002년부터 2009년까지 관측값에 근거한 2010년 해당 범죄의 관측값/예측값 비교 결과 참고). 단순계절 모형으로 설명할 수 있는 살인 범죄는 2002년부터 2009년까지 살인 범죄 관측값을 기준으로 2010년 예측값을 추정할 수 있고 2002년부터 2010년까지 살인 범죄 관측값을 기준으로 2011년부터 2013년까지의 예측값 추정에서는 단순계절모형의 특성에 따라 크게 증가하거나 감소하지 않고 주기적인 반복을 보일 것으로 예상된다.
따라서 초기설정에서 이상값 검색을 조건으로 선택된 강간 범죄의 최적 모형은 ‘ARIMA(0,1,1)(0,1,1)’로 나타났다.
따라서 초기설정에서 이상값 검색을 조건으로 선택된 절도 범죄의 최적 모형은 ‘ARIMA(1,1,0)(0,1,1)’로 나타났다.
또한, 계절평활 계수(δ)가 1이면 가장 최근 관측값들에 존재하는 계절성을 추정하는 것이므로 폭력 범죄의 지수평활 모형모수 중 계절평활계수(δ)가 2.217E-5로 0에 가까우므로 과거값을 상당부분 취급한다는 것을 알 수 있다.
또한, 계절평활계수(δ)가 1이면 가장 최근 관측값들에 존재하는 계절성을 추정 하는 것이므로 살인 범죄의 지수평활 모형모수 중 계절평활계수(δ)가 0.075로 0에 가까우므로 과거값을 상당부분 취급한다는 것을 알 수 있다.
또한, 계절평활계수(δ)가 1이면 가장 최근 관측값들에 존재하는 계절성을 추정하는 것이므로 살인 범죄의 지수평활 모형모수 중 계절평활계수(δ)가 4.345E-6으로 0에 가까우므로 과거 값을 상당부분 취급한다는 것을 알 수 있다.
시계열 모형생성(C)에 근거하여 지수평활과 ARIMA 모형 중에서 선택된 강간 범죄의 최적 모형은 지수평활 모형의 ‘Winters 가법’으로 나타났다.
시계열 모형생성(C)에 근거하여 지수평활과 ARIMA 모형 중에서 선택된 살인 범죄의 최적 모형은 ‘단순계절’로 나타났다.
시계열 모형생성(C)에 근거하여 지수평활과 ARIMA 모형 중에서 선택된 절도 범죄의 최적 모형은 지수평활 모형의 ‘단순계절’로 나타났다.
시계열 모형생성(C)에 근거하여 지수평활과 ARIMA 모형 중에서 선택된 폭력 범죄의 최적 모형은 ‘단순계절’로 나타났다.
첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 단순계절 모형으로 설명할 수 있는 살인 범죄의 지수평활 모형모수는 일반평활 계수(α) .
후속연구
둘째, 범죄 발생에 영향을 미치는 다양한 변수 간의 관계를 분석한 시계열 예측모형에 대한 연구가 필요하다. 거시적 혹은 미시적 경제 변동, 인구 구성비의 변화, 사회적 가치관의 변화, 주거 및 도시와 같은 환경 변화 등도 범죄발생 추이에 영향을 끼치고 있다는 선행연구들을 감안할 때 복합적인 요인을 고려한 후속연구가 요구된다. 또한 연구대상지역을 제한적으로 선정하여 지역적 특성, 인구 · 사회 · 경제적 특성, 주변 환경 등의 변화를 고려하여 범죄예측의 적정성과 정확성을 높일 수 있을 것이다.
둘째, 범죄 발생에 영향을 미치는 다양한 변수 간의 관계를 분석한 시계열 예측모형에 대한 연구가 필요하다. 거시적 혹은 미시적 경제 변동, 인구 구성비의 변화, 사회적 가치관의 변화, 주거 및 도시와 같은 환경 변화 등도 범죄발생 추이에 영향을 끼치고 있다는 선행연구들을 감안할 때 복합적인 요인을 고려한 후속연구가 요구된다.
따라서 범죄 발생에 대한 중 · 장기 시계열 예측모형에 대한 후속 연구는 범죄 예방, 범죄 대응, 그리고 치안정책 수립에 보다 많은 기여를 할 수 있을 것이다.
또한 연구대상지역을 제한적으로 선정하여 지역적 특성, 인구 · 사회 · 경제적 특성, 주변 환경 등의 변화를 고려하여 범죄예측의 적정성과 정확성을 높일 수 있을 것이다.
첫째, 범죄 발생에 대한 중 · 장기 시계열 예측모형에 대한 후속연구가 필요하다.
첫째, 본 연구는 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 연구대상으로 선정하였으므로 2001년 이전이나 2011년 이후 주요범죄에 대한 월별 발생건수를 연구대상으로 추가할 경우에는 시계열 예측모형에 대한 결과가 달라질 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
범죄의 양상이 지능화, 첨단화, 광역화되면서 범죄에 대한 예측과 대처가 쉽지 않게 됨에 따라 범죄 발생에 대하여 현재 어떤 방식이 요구되는가?
지금까지 공안관련 정부기관 및 학계의 범죄 발생에 대한 산술적인 추정을 기초로 범죄 대응, 범죄 예방, 치안정책 수립 및 경호경비 발전방안 제기가 가능했으나, 범죄의 양상이 지능화, 첨단화, 광역화되면서 범죄에 대한 예측과 대처가 쉽지 않게 됨에 따라 현재와 같은 범죄 발생 가능성에 대한 산술적 추정으로는 체계적인 분석과 대응이 어려울 전망이므로 현 시점부터는 범죄 발생에 대하여 시계열 분석에 의한 예측모형 개발 등 과학적이고 통계적인 기법에 의한 연구가 요구된다.
어디에서 월별 범죄 발생 추세 등에 관한 분석자료를 살펴볼 수 있는가?
이러한 요구에 따라 법무부, 대검찰청, 경찰청 등 우리나라 공안관련 정부기관에 서는 각각 범죄백서, 범죄분석, 경찰백서 등을 통해 월별 범죄 발생 추세 등 분석자 료를 공개하고 이를 기초로 범죄 대응, 범죄 예방 등 공안정책 수립에 기여하고 있다. 경찰, 경호, 경비 등 공안관련 학계에서도 공안관련 정부기관의 시계열 통계자료를 기초로 살인, 강도, 강간, 절도, 폭력 등 각종 범죄의 발생 실태에 대한 다양한 연구를 진행하고 있는 것은 상당히 고무적인 일이다.
지수평활법에서 지수평활 모형은 크게 무엇으로 구분되는가?
각 관측값에 얼마만큼의 가중값을 부여하는 작업은 하나 이상의 평활계수를 사용하여 실행한다. 지수평활 모형은 크게 ‘비계절모형’과 ‘계절모형’으로 구분되는데 비계절모형은 추세와 계절성이 없는 ‘단순(S)’, 전반적인 추세가 선형 이며 계절성이 존재하지 않는 ‘Holt의 선형추세(H)’, 전반적인 추세가 지수적인 형태 이며 계절성이 존재하지 않는 ‘Brown의 선형추세(B)’, 전반적인 추세가 지수적인 형태이며 계절성이 존재하지 않는 ‘진폭감소추세(D)’가 있으며, 계절모형은 추세와 계절적인 효과가 없는 시계열인 ‘단순계절모형(M)’, 시간의 흐름에 따라 계절적 주기 내의 변동이 변하지 않고 유지될 때 적용할 수 있는 ‘Winters 가법(A)’, 시간의 흐름에 따라 계절적 주기 내의 변동의 폭이 증가하는 ‘Winters 승법(W)’이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.