본 연구는 사회학적 범죄이론에 근거하여 도시 지역의 특징과 범죄 발생 간의 관련성을 규명함으로써 효과적인 범죄예방 대책을 수립하는데 도움이 되고자 하였다. 연구를 위하여 지난 8년간(2005~2012) 대검찰청의 범죄데이터와 지역별 통계연보 등을 통한 인구사회학적 데이터를 이용하여 패널데이터를 구축하였고, 부산시의 16개의 구 군을 대상으로 패널모형으로 분석하였다. 분석결과를 바탕으로 범죄 발생을 줄이고, 범죄예방을 위해서는 첫째, 일반적인 범죄 예방책보다는 지역의 특성에 적합한 정책이 필요하다. 둘째, 범죄연구에 필요한 구체적이고, 정확한 범죄데이터를 활용할 수 있는 제도적 시스템이나 정책이 필요하다. 셋째, 앞으로도 사회과학분야의 제도와 함께 도시공학 및 여러 학문들이 연계된 연구의 수행이 이루어져야 할 것이다.
본 연구는 사회학적 범죄이론에 근거하여 도시 지역의 특징과 범죄 발생 간의 관련성을 규명함으로써 효과적인 범죄예방 대책을 수립하는데 도움이 되고자 하였다. 연구를 위하여 지난 8년간(2005~2012) 대검찰청의 범죄데이터와 지역별 통계연보 등을 통한 인구사회학적 데이터를 이용하여 패널데이터를 구축하였고, 부산시의 16개의 구 군을 대상으로 패널모형으로 분석하였다. 분석결과를 바탕으로 범죄 발생을 줄이고, 범죄예방을 위해서는 첫째, 일반적인 범죄 예방책보다는 지역의 특성에 적합한 정책이 필요하다. 둘째, 범죄연구에 필요한 구체적이고, 정확한 범죄데이터를 활용할 수 있는 제도적 시스템이나 정책이 필요하다. 셋째, 앞으로도 사회과학분야의 제도와 함께 도시공학 및 여러 학문들이 연계된 연구의 수행이 이루어져야 할 것이다.
This study, based on the sociological crime theory, is to examine the relation between urban characteristics and the incidence of crime, helping establish effective crime prevention measures. For doing so, the study employs crime data from the Supreme Prosecutors' Office and socio-demographic data i...
This study, based on the sociological crime theory, is to examine the relation between urban characteristics and the incidence of crime, helping establish effective crime prevention measures. For doing so, the study employs crime data from the Supreme Prosecutors' Office and socio-demographic data including the regional Statistical Yearbooks -both from 2005 to 2012- to build the study's panel data, and analyzes the panel model on the 16 subordinate districts in the city of Busan. To reduce the incidence of crime and prevent crimes from occurring based on the analysis results, first, prevention measures specific to each region by its attributes are needed rather than general ones; second, new institutional frameworks or policies are required for utilizing accurate crime data; third, interdisciplinary research in which various fields including urban engineering are associated to that of social science is necessary to further the study.
This study, based on the sociological crime theory, is to examine the relation between urban characteristics and the incidence of crime, helping establish effective crime prevention measures. For doing so, the study employs crime data from the Supreme Prosecutors' Office and socio-demographic data including the regional Statistical Yearbooks -both from 2005 to 2012- to build the study's panel data, and analyzes the panel model on the 16 subordinate districts in the city of Busan. To reduce the incidence of crime and prevent crimes from occurring based on the analysis results, first, prevention measures specific to each region by its attributes are needed rather than general ones; second, new institutional frameworks or policies are required for utilizing accurate crime data; third, interdisciplinary research in which various fields including urban engineering are associated to that of social science is necessary to further the study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
특히, CCTV와 상업시설 등을 비롯한 물리적 환경과 외국인, 어린이, 이혼 등과 같은 인구동태 및 기타 도시특성들이 범죄 발생에 어떻게 영향을 미치는지를 살펴보고자 한다. 그리고 분석 결과를 바탕으로 도시계획적 관점에서의 범죄예방에 대한 정책적 방향을 제시하고자 한다.
그리고 대부분의 선행연구들이 횡단면적 데이터를 활용하여 분석을 하였기 때문에 시간의 흐름에 따른 도시특성요소가 범죄 발생에 미치는 영향에 대해서는 파악하기 어려운 한계가 있었다. 따라서 본 연구는 횡단면적 분석과 시계열적 분석을 동시에 할 수 있는 패널데이터를 활용한 패널모형분석을 실시하여 기존의 연구들에서 고려하지 못하였던 시계열적 추세를 연구에 반영하고자 한다.
필지의 위치와 형태에 따라 건축물 및 시설물들의 위치와 모양이 바뀌게 되고, 이에 따라 지역의 밀도와 분포 현황이 달라지게 된다. 범죄기회를 감소시킬 목적으로 건물이나 주변 환경이 가지는 범죄 유발 요인을 분석하고, 범죄예방이 가능한 환경의 설계 및 관리를 제안한다. 즉, 환경적인 요소들을 활용하여 범죄에 취약한 장소를 안전한 장소로 바꿀 수 있다는 전제를 가진다.
본 연구는 도시특성요소와 범죄 발생과의 연관성을 실증적으로 분석하여 도시계획적 측면에서 범죄 발생에 영향을 미치는 요인을 밝히고자 하였다. 그러나 패널데이터의 구축에 있어 공통된 자료의 수집에 매우 많은 어려움이 있었다.
본 연구는 패널데이터를 활용하여 범죄 발생에 영향을 미치는 도시특성요소를 파악하는 것을 목적으로 한다. 이를 위하여 패널데이터를 분석하는데 적합한 모형인 패널모형을 분석에 활용하고자 한다.
본 연구에서는 부산광역시 16개 구·군을 대상으로 2005년부터 2012년까지의 범죄 발생 및 도시특성요소의 패널데이터를 바탕으로 도시특성요소가 범죄 발생 건수에 미치는 영향에 관하여 패널모형을 통한 실증적 분석을 실시하였다.
선행연구들을 검토한 결과, 범죄와 관련된 연구들은 도시 내의 다양한 요소들을 분석에 반영하고 있었다. 본 연구에서는 선행연구에서 고려하였던 도시특성요소를 포함하는 것과 동시에 이전 연구에서 고려하지 못하였던 방범시설에 관한 특성, 고령인구, 경제적 특성, 특히 도시계획적 측면에서의 용도지역 특성을 분석에 반영하여 선행연구와 차별성을 가지고자 한다. 그리고 대부분의 선행연구들이 횡단면적 데이터를 활용하여 분석을 하였기 때문에 시간의 흐름에 따른 도시특성요소가 범죄 발생에 미치는 영향에 대해서는 파악하기 어려운 한계가 있었다.
우리나라의 이러한 상황에서 본 연구는 대도시에 해당하는 부산광역시의 16개 구·군을 대상으로 2005년에서 2012년까지의 패널데이터(Panel Data)를 활용하여 다양한 도시특성요소 중 어떠한 요소가 범죄 발생에 영향을 미치는지에 대하여 패널모형(Panel Model)을 통한 실증적 분석을 실시하고자 한다.
본 연구에서 구성한 패널데이터는 2005년부터 2012년까지의 부산광역시 범죄 발생 데이터와 도시특성요소에 관한 데이터로 이루어진 시계열 자료와 이에 따른 16개 구·군의 횡단면적 자료로 이루어져 있다. 이렇게 구성된 패널데이터를 바탕으로 패널모형분석을 실시하고자 하였다.
우리나라의 이러한 상황에서 본 연구는 대도시에 해당하는 부산광역시의 16개 구·군을 대상으로 2005년에서 2012년까지의 패널데이터(Panel Data)를 활용하여 다양한 도시특성요소 중 어떠한 요소가 범죄 발생에 영향을 미치는지에 대하여 패널모형(Panel Model)을 통한 실증적 분석을 실시하고자 한다. 특히, CCTV와 상업시설 등을 비롯한 물리적 환경과 외국인, 어린이, 이혼 등과 같은 인구동태 및 기타 도시특성들이 범죄 발생에 어떻게 영향을 미치는지를 살펴보고자 한다. 그리고 분석 결과를 바탕으로 도시계획적 관점에서의 범죄예방에 대한 정책적 방향을 제시하고자 한다.
가설 설정
범죄가 빈번히 발생하는 곳은 사람들의 일상 활동이 급격하게 변화하는 주거활동과 상업활동의 경계선에 있는 점이지역과 혼합적 토지이용이 이루어지고 있는 지역으로 나타났다. 따라서 도시의 상권과 그로 인한 환경적 특성이 범죄에 영향을 미친다고 가정할 수 있다. 최근에는 야간업종을 대상으로 범죄 발생의 관계를 살펴본 연구가 있는 연구가 있었다.
첫째, 지역(시·군·구)을 단위로 사회적 환경적 측면에서 접근한 연구이다. 범죄는 범죄자 개인의 특성에 의해 좌우되기도 하지만, 지역의 사회구조적 특성과 밀접한 관련성을 가지고 있다는 가정을 한다. 사회적 결합, 거주민과의 동질성, 안전한 커뮤니티 형성이 약해진 지역은 구성원과 상관없이 범죄율이 높을 수 있다는 입장을 가진다.
제안 방법
상업 특성은 주로 주류를 판매하고 범죄 유발의 가능성이 큰 단란주점(Karaoke bar, COM1)과 유흥주점(Entertainment spot, COM2)의 개소를 변수로 반영하였고, 경제 특성에는 차량 등록대수(Vehicle registration, CAR)를 변수로 반영하였다. 마지막으로 용도지역 특성은 주거지역(Residential area, ZONE1), 상업지역(Commercial area, ZONE2), 공업지역(Industrial area, ZONE3), 녹지지역(Green area, ZONE4)각각의 면적 100m2 단위로 변수를 구성하였다.
본 연구에서는 중범죄, 경범죄, 전체 범죄에 대한 각각의 발생 건수를 종속변수로 설정하였기 때문에 총 3개의 적합 모형을 도출하여야 한다. 우선, Chow Test를 통하여 도출된 F값으로 고정효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의한 고정효과가 존재하는 것으로 추정되었다.
주택 특성은 단독주택(Detached housing, HOUSE1), 다가구주택(Multifamily housing, HOUSE2), 아파트(Apartment, HOUSE3), 연립주택(Attached housing, HOUSE4), 다세대주택(Multi-unit housing, HOUSE5) 각각의 가구수를 변수로 구성하였다. 상업 특성은 주로 주류를 판매하고 범죄 유발의 가능성이 큰 단란주점(Karaoke bar, COM1)과 유흥주점(Entertainment spot, COM2)의 개소를 변수로 반영하였고, 경제 특성에는 차량 등록대수(Vehicle registration, CAR)를 변수로 반영하였다. 마지막으로 용도지역 특성은 주거지역(Residential area, ZONE1), 상업지역(Commercial area, ZONE2), 공업지역(Industrial area, ZONE3), 녹지지역(Green area, ZONE4)각각의 면적 100m2 단위로 변수를 구성하였다.
우선, 패널모형의 종속변수는 3가지로 구분하였다. 첫 번째 종속변수인 Felony (CRIME1)는 중범죄로 살인, 성범죄, 강도의 발생 건수를 집계한 것이고, 두 번째 종속변수인 Misdemeanor (CRIME2)는 경범죄로 절도, 폭력, 방화의 발생 건수를 집계한 것이다.
독립변수 중 방범시설에 해당하는 CCTV (CCTV)는 연도 및 구·군별 설치대수를 반영한 변수이다. 인구 특성은 전체인구(Total Population, POP1), 외국인(Foreigner, POP2), 어린이(Child, POP3), 65세 이상 인구(Over 65 population, POP4) 각각의 명수와 이혼(Divorce, POP5)을 건수로 변수를 반영하였다. 주택 특성은 단독주택(Detached housing, HOUSE1), 다가구주택(Multifamily housing, HOUSE2), 아파트(Apartment, HOUSE3), 연립주택(Attached housing, HOUSE4), 다세대주택(Multi-unit housing, HOUSE5) 각각의 가구수를 변수로 구성하였다.
인구 특성은 전체인구(Total Population, POP1), 외국인(Foreigner, POP2), 어린이(Child, POP3), 65세 이상 인구(Over 65 population, POP4) 각각의 명수와 이혼(Divorce, POP5)을 건수로 변수를 반영하였다. 주택 특성은 단독주택(Detached housing, HOUSE1), 다가구주택(Multifamily housing, HOUSE2), 아파트(Apartment, HOUSE3), 연립주택(Attached housing, HOUSE4), 다세대주택(Multi-unit housing, HOUSE5) 각각의 가구수를 변수로 구성하였다. 상업 특성은 주로 주류를 판매하고 범죄 유발의 가능성이 큰 단란주점(Karaoke bar, COM1)과 유흥주점(Entertainment spot, COM2)의 개소를 변수로 반영하였고, 경제 특성에는 차량 등록대수(Vehicle registration, CAR)를 변수로 반영하였다.
대상 데이터
도시특성요소가 범죄 발생에 미치는 영향을 실증적으로 분석하기 위하여 2005년부터 2012년까지 총 8년간의 부산광역시 16개 구·군별 자료로 구성된 패널데이터는 다음 Table 1과 같은 변수로 구성하였다.
본 연구에서 구성한 패널데이터는 2005년부터 2012년까지의 부산광역시 범죄 발생 데이터와 도시특성요소에 관한 데이터로 이루어진 시계열 자료와 이에 따른 16개 구·군의 횡단면적 자료로 이루어져 있다.
데이터처리
그리고 HausmanTest를 통하여 도출된 m값으로 확률효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의하게 확률효과가 존재하지 않는 것으로 추정되었다. 따라서 3개의 종속변수 모두 FEM이 적합한 모형으로 도출되었고, One-Way Fixed Effect Model을 통하여 추정 결과를 해석하였다.
이론/모형
FEM과 REM은 One-Way Model과 Two-Way Model에 각각 적용되어 기본적인 패널모형은 One-Way Fixed Effect Model, One-Way Random Effect Model, Two-Way Fixed Effect Model, Two-Way Random Effect Model로 분류될 수 있다. 각각의 모형에서 FEM과 REM을 결정하는 방법은 Hausman Test를 통하여 이루어진다(Greene, 2003; Baltagi, 2005; Lee and Noh, 2012).
본 연구는 패널데이터를 활용하여 범죄 발생에 영향을 미치는 도시특성요소를 파악하는 것을 목적으로 한다. 이를 위하여 패널데이터를 분석하는데 적합한 모형인 패널모형을 분석에 활용하고자 한다. 본 연구에서 구성한 패널데이터는 2005년부터 2012년까지의 부산광역시 범죄 발생 데이터와 도시특성요소에 관한 데이터로 이루어진 시계열 자료와 이에 따른 16개 구·군의 횡단면적 자료로 이루어져 있다.
패널모형은 One-Way Fixed Effect Model, One-Way Random Effect Model, Two-Way Fixed Effect Model, Two-Way Random Effect Model로 분류되고, 이 중에서 가장 적합한 모형을 선정하기 위해서는 Chow Test와 Hausman Test를 실시하여야 한다. Chow Test는 Pooled OLS와 비교하여 패널모형이 고정효과가 존재하는지 여부를 검정하고, Hausman Test는 확률효과가 존재하는지 여부를 검정한다.
성능/효과
0778건 감소하는 것으로 추정되었다. CCTV는 부족한 경찰 인력과 방범 장비를 보완해주는 중요한 시설로 범죄의 예방과 통제에 있어 효과적인 수단이라는 점이 본 연구의 분석 결과를 통해 재확인되었다 할 수 있다.
먼저, 중범죄 발생 건수(CRIME1)를 종속변수로 하는 패널모형의 추정 결과는 Table 2와 같다. One-Way Fixed Effect Model의 추정 결과를 살펴본 결과, 총 8개의 변수가 통계적으로 유의한 것으로 도출되었다. 유의한 변수 중 중범죄 발생 건수를 감소시키는 것으로 도출된 변수는 CCTV 설치 대수(CCTV), 어린이 인구수(POP3), 다세대주택 가구수(HOUSE5), 공업지역 면적(ZONE3)으로 나타났고, 65세 이상 인구수(POP4), 이혼 건수(POP5), 단독주택 가구수(HOUSE1), 녹지지역 면적(ZONE4)은 중범죄 발생 건수를 증가시키는 것으로 나타났다.
다음으로 경범죄 발생 건수(CRIME2)를 종속변수로 하는 패널모형의 추정 결과는 Table 3과 같다. 가장 적합한 모형으로 도출되었던 One-Way Fixed Effect Model의 추정 결과를 분석한 결과, 총 9개의 변수가 통계적으로 유의한 것으로 추정되었다. 이 중에서 경범죄 발생 건수를 감소시키는 것으로 추정된 변수는 CCTV 설치 대수(CCTV), 어린이 인구수(POP3), 공업지역 면적(ZONE3)으로 도출되었고, 반대로 증가시키는 것으로 추정된 변수는 이혼 건수(POP5), 다가구주택 가구수(HOUSE2), 연립주택 가구수(HOUSE4),유흥주점 수(COM2), 차량 등록대수(CAR), 주거지역 면적(ZONE1)으로 나타났다.
우선, Chow Test를 통하여 도출된 F값으로 고정효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의한 고정효과가 존재하는 것으로 추정되었다. 그리고 HausmanTest를 통하여 도출된 m값으로 확률효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의하게 확률효과가 존재하지 않는 것으로 추정되었다. 따라서 3개의 종속변수 모두 FEM이 적합한 모형으로 도출되었고, One-Way Fixed Effect Model을 통하여 추정 결과를 해석하였다.
0189건 감소시키는 효과가 있는 것으로 나타났다. 그리고 다세대주택 가구수는 1가구 증가할 때, 중범죄가 약 0.0101건 감소시키는 효과가 있는 것으로 추정되었다. 다세대주택과 공업지역이 범죄 감소 효과가 있는 것으로 도출된 것은 상대적으로 취약한 지역이라는 인식이 있어 자체적인 방범시스템(사설 경비업체나 자체 방범조직 등)을 잘 갖추고 있기 때문으로 풀이된다.
다음으로 범죄 발생 건수의 증가 요인으로 도출된 변수들을 살펴보면 중범죄, 경범죄, 전체 범죄 공통으로 유의한 변수는 이혼 건수로 나타났다. 이혼이 1건 증가할수록 중범죄는 약 0.
마지막으로 용도지역 특성에서는 주거지역 면적과 녹지지역 면적이 범죄를 증가시키는 유의한 변수로 나타났다. 주거지역 면적의 경우에는 100m2 증가할 때, 경범죄는 약 0.
먼저, 감소의 효과가 있는 것으로 도출된 CCTV 설치 대수의 경우에는 1대가 증가할 때, 중범죄는 약 0.6025건, 경범죄는 약 6.5223건, 전체 범죄는 약 8.0778건 감소하는 것으로 추정되었다. CCTV는 부족한 경찰 인력과 방범 장비를 보완해주는 중요한 시설로 범죄의 예방과 통제에 있어 효과적인 수단이라는 점이 본 연구의 분석 결과를 통해 재확인되었다 할 수 있다.
모형 추정의 결과, CCTV의 설치 대수, 어린이 및 외국인 인구수, 다세대주택 가구수, 공업지역 면적은 범죄 발생을 감소시키는 효과가 있는 것으로 추정되었다. 반면에 65세 이상 인구수, 이혼 건수, 단독주택·다가구주택·연립주택 가구수, 유흥주점 개소, 차량 등록 대수, 주거지역 및 녹지지역 면적은 범죄 발생을 증가시키는 효과가 있는 것으로 추정되었다.
반면에 65세 이상 인구수, 이혼 건수, 단독주택·다가구주택·연립주택 가구수, 유흥주점 개소, 차량 등록 대수, 주거지역 및 녹지지역 면적은 범죄 발생을 증가시키는 효과가 있는 것으로 추정되었다.
범죄의 유형별로 유의한 변수에는 차이가 있었으나 CCTV의 설치 대수의 경우에는 모든 유형의 범죄에서 통계적으로 유의한 범죄 발생 건수 감소 효과가 있었다. 이는 CCTV의 범죄 예방효과가 재입증된 결과라고 할 수 있다.
상업특성에서는 유흥주점이 경범죄의 증가에 영향을 미치는 것으로 도출되었는데, 1개소 증가할수록 경범죄가 약 6.8593건 증가하는 것으로 추정되었다. 이는 유흥가가 범죄 발생이 많을 것이라는 일반적인 인식을 재확인한 것이라 할 수 있다.
패널모형은 패널데이터를 이용한다는 점에서 단일연도의 횡단면적 자료를 분석하는 일반회귀모형에 비하여 샘플크기를 증가시킬 수 있는 장점이 있다. 샘플크기의 증가를 통하여 다중공선성을 제어하고 데이터에 동태적 변화를 포함하여 일반회귀모형에 비하여 더욱 유익한 정보를 제공할 수 있으며, 복잡한 행태적 모형에도 적용이 가능하다. 그러나 시계열 자료와 횡단면적 자료를 결합하였기 때문에 여기에서 나타날 수 있는 이분산성(heteroscedasticity)문제와 시계열 자료 자체적인 자기상관(autocorrelation) 문제 등이 발생할 수 있다.
외국인 인구수의 경우에는 최근 부각되는 외국인 범죄에도 불구하고 전체 범죄 건수에 대해서는 감소시키는 요인으로 추정되었는데, 구체적으로 외국인 1명의 증가는 전체 범죄가 약 0.4187건 감소하는 효과가 있는 것으로 나타났다. 이는 언론에 의해서 외국인에 의한 범죄가 부각이 되어 심각하게 받아들여지고 있을 뿐, 실제적으로는 다수의 선량한 외국인이 해당 지역에 안정적으로 정착하고 있다는 것을 의미한다고 할 수 있겠다.
본 연구에서는 중범죄, 경범죄, 전체 범죄에 대한 각각의 발생 건수를 종속변수로 설정하였기 때문에 총 3개의 적합 모형을 도출하여야 한다. 우선, Chow Test를 통하여 도출된 F값으로 고정효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의한 고정효과가 존재하는 것으로 추정되었다. 그리고 HausmanTest를 통하여 도출된 m값으로 확률효과의 존재 여부를 검정한 결과, 모든 모형에서 1% 수준의 통계적으로 유의하게 확률효과가 존재하지 않는 것으로 추정되었다.
One-Way Fixed Effect Model의 추정 결과를 살펴본 결과, 총 8개의 변수가 통계적으로 유의한 것으로 도출되었다. 유의한 변수 중 중범죄 발생 건수를 감소시키는 것으로 도출된 변수는 CCTV 설치 대수(CCTV), 어린이 인구수(POP3), 다세대주택 가구수(HOUSE5), 공업지역 면적(ZONE3)으로 나타났고, 65세 이상 인구수(POP4), 이혼 건수(POP5), 단독주택 가구수(HOUSE1), 녹지지역 면적(ZONE4)은 중범죄 발생 건수를 증가시키는 것으로 나타났다.
가장 적합한 모형으로 도출되었던 One-Way Fixed Effect Model의 추정 결과를 분석한 결과, 총 9개의 변수가 통계적으로 유의한 것으로 추정되었다. 이 중에서 경범죄 발생 건수를 감소시키는 것으로 추정된 변수는 CCTV 설치 대수(CCTV), 어린이 인구수(POP3), 공업지역 면적(ZONE3)으로 도출되었고, 반대로 증가시키는 것으로 추정된 변수는 이혼 건수(POP5), 다가구주택 가구수(HOUSE2), 연립주택 가구수(HOUSE4),유흥주점 수(COM2), 차량 등록대수(CAR), 주거지역 면적(ZONE1)으로 나타났다.
전술한 두 종속변수와 마찬가지로 One-Way Fixed Effect Model의 추정 결과를 토대로 확인한 결과, 총 11개의 변수가 통계적으로 유의한 것으로 추정되었다. 이 중에서 전체 범죄 발생 건수를 감소시키는 것으로 추정된 변수는 CCTV 설치 대수(CCTV), 외국인 인구수(POP2), 어린이 인구수(POP3), 공업지역 면적(ZONE3)으로 나타났고, 증가시키는 것으로 추정된 변수는 65세 이상 인구수(POP4), 이혼 건수(POP5), 단독주택 가구수(HOUSE1), 다가구주택 가구수(HOUSE2), 연립주택 가구수(HOUSE4), 차량 등록대수(CAR), 주거지역 면적(ZONE1)으로 나타났다.
이혼 건수의 경우 모든 범죄 유형에 증가 요인으로 나타났고, 65세 이상 인구의 경우에도 중범죄와 전체 범죄에 대해서는 증가요인으로 도출되었다. 이러한 결과는 가정해체 및 사회적 약자에 대한 사회적 갈등과 정신적·경제적 박탈감에서 기인한다 할 수 있겠다.
인구 특성과 관련해서는 65세 이상의 인구가 1명 증가할 때,경범죄에는 유의한 영향이 없었지만 중범죄가 약 0.0130건, 전체범죄가 약 0.1286건 증가하는 것으로 추정되었다. 이러한 결과는 사회적 약자로서 노인이 범죄의 피해대상이 쉽다는 점과 오히려 노인이 범죄자가 될 수 있다는 점이 반영된 것으로 풀이된다.
마지막으로 전체 범죄 발생 건수(CRIME3)를 종속변수로 하는 패널모형의 추정 결과는 Table 4와 같다. 전술한 두 종속변수와 마찬가지로 One-Way Fixed Effect Model의 추정 결과를 토대로 확인한 결과, 총 11개의 변수가 통계적으로 유의한 것으로 추정되었다. 이 중에서 전체 범죄 발생 건수를 감소시키는 것으로 추정된 변수는 CCTV 설치 대수(CCTV), 외국인 인구수(POP2), 어린이 인구수(POP3), 공업지역 면적(ZONE3)으로 나타났고, 증가시키는 것으로 추정된 변수는 65세 이상 인구수(POP4), 이혼 건수(POP5), 단독주택 가구수(HOUSE1), 다가구주택 가구수(HOUSE2), 연립주택 가구수(HOUSE4), 차량 등록대수(CAR), 주거지역 면적(ZONE1)으로 나타났다.
우리나라의 전체 범죄건수는 1982년 이후 크게 증가하였고, 2000년대 이후부터는 매년 190만 건 내외를 기록하며 정체 상태를 보이고 있다. 전체 범죄건수의 측면에서는 치안이 잘 유지되고 있는 것으로 보일 수 있으나, 방화, 살인, 상해와 폭행, 협박, 약취와 유인, 강간과 추행, 강도, 공갈로 정의되는 강력범죄는 최근 10년 동안 3배 이상 증가하여 점점 불안전한 사회로 변하고 있음을 알 수 있다.
본 연구에서는 부산광역시 16개 구·군을 대상으로 2005년부터 2012년까지의 범죄 발생 및 도시특성요소의 패널데이터를 바탕으로 도시특성요소가 범죄 발생 건수에 미치는 영향에 관하여 패널모형을 통한 실증적 분석을 실시하였다. 종속변수에 해당하는 범죄 발생 건수는 중범죄, 경범죄 및 전체 범죄로 각각 설정하였고 4가지 패널모형 중 적합성 검정을 통하여 3개의 종속변수 모두 One-Way Fixed Effect Model이 가장 적합한 것으로 도출되었다.
마지막으로 용도지역 특성에서는 주거지역 면적과 녹지지역 면적이 범죄를 증가시키는 유의한 변수로 나타났다. 주거지역 면적의 경우에는 100m2 증가할 때, 경범죄는 약 0.0329건, 전체 범죄는 약 0.0372건 증가하는 것으로 추정되었고, 녹지지역 면적은 100m2 증가할 때, 중범죄를 약 0.0002건 증가시키는 것으로 추정되었다. 주거지역은 주택이 밀집된 지역이라는 점에서 주로 범죄가 일어날 수 있는 장소가 될 수 있을 것이다.
중범죄 발생 건수, 경범죄 발생 건수, 전체 범죄 발생 건수를 각각의 종속변수로 하는 패널모형 추정 결과, 조금씩 차이는 있었지만 대체적으로 공통적인 변수들이 영향을 미치는 것으로 나타났다. 특히, 감소 요인으로 도출된 변수는 3가지 모형에서 CCTV 설치 대수, 어린이 인구수, 공업지역 면적이 공통적으로 유의한 변수로 추정되었고, 공통적인 증가 요인은 이혼 건수로 나타났다.
중범죄 발생 건수, 경범죄 발생 건수, 전체 범죄 발생 건수를 각각의 종속변수로 하는 패널모형 추정 결과, 조금씩 차이는 있었지만 대체적으로 공통적인 변수들이 영향을 미치는 것으로 나타났다. 특히, 감소 요인으로 도출된 변수는 3가지 모형에서 CCTV 설치 대수, 어린이 인구수, 공업지역 면적이 공통적으로 유의한 변수로 추정되었고, 공통적인 증가 요인은 이혼 건수로 나타났다.
35%가 증가하였다. 특히, 국민의 생명과 직결되는 살인, 강도, 강간, 폭력범죄의 증가율은 더욱 가파르게 상승한 것으로 나타났다. 폭력범죄의 경우, 2010년 180,365건으로 2000년에 비하여 260% 가량 증가하였고, 강제추행을 포함한 강간범죄는 2010년 19,939건으로 2000년에 비하여 200% 이상 증가하였다.
주택 특성의 경우에는 3가지 종속변수에 공통적으로 유의한 변수는 없었다. 하지만 단독주택의 경우에는 1가구 증가할 때, 중범죄는 약 0.0019건, 전체 범죄는 약 0.0217건 증가하는 것으로 추정되었고, 다가구주택은 1가구 증가할 때, 경범죄는 약 0.0238건, 전체 범죄는 약 0.0264건 증가하는 것으로 도출되었으며, 연립주택은 1가구 증가할수록 경범죄는 약 0.5787건, 전체 범죄는 약 0.6559건 증가하는 것으로 나타났다. 앞서 다세대주택의 경우에는 범죄를 감소시키는 효과가 있는 것으로 나타났었고, 아파트의 경우에는 범죄 발생과 유의미한 결과가 없었다.
후속연구
그리고 주로 주취자가 가해자 또는 피해자가 된다는 점에서 올바른 음주에 대한 계도 또한 강화되어야할 필요가 있을 것이다. CCTV가 범죄 감소에 효과가 있다는 것이 확인되었기 때문에 해당 지역에 집중적으로 설치하여 범죄 예방 효과를 극대화할 필요도 있을 것이다.
그러나 패널데이터의 구축에 있어 공통된 자료의 수집에 매우 많은 어려움이 있었다. 따라서 대리 변수의 사용이 불가피한 경우가 있었고, 이에 따른 분석 결과가 예상과 달랐던 점이 있어 추후 연구에서는 통계 자료 수집과 관련된 부분을 보완할 필요성이 제기된다. 또한 부산광역시를 대상으로 하였기 때문에 전국에 대한 일반화는 어려울 것으로 사료된다.
하지만 CCTV는 인권 및 사생활 침해의 논란이 있을 수 있기 때문에 설치 장소에 신중을 가해야 하며, 고가의 장비가 비효율적으로 작동하는 것을 방지할 필요가 있다. 따라서 범죄 발생과 관련된 공간빅데이터 등을 활용하여 범죄 발생을 효과적으로 예방할 수 있는 장소에 설치하는 것이 바람직할 것이다.
따라서 녹지지역의 나무를 심거나 관리하는데 있어 사각지대를 최소화할 수 있는 방향으로 이루어져할 것이다. 또한 공원 및 녹지 등에 설치된 CCTV의 시야가 방해되고 있지는 않은지에 대해 상시적인 점검이 필요할 것이고, 추가적인 설치 또한 가시성을 고려하여 이루어져할 것이다.
또한 부산광역시를 대상으로 하였기 때문에 전국에 대한 일반화는 어려울 것으로 사료된다. 추후의 연구에서는 타 지역에 대한 분석과 전국을 대상으로 한 연구도 이루어질 필요가 있을 것이다.
이는 CCTV의 범죄 예방효과가 재입증된 결과라고 할 수 있다. 특히, 기술의 발달로 CCTV의 감시 및 정보처리 능력이 비약적으로 향상되었기 때문에 이를 활용한 효율적인 범죄 예방을 더욱 확대할 필요가 있을 것이다. 하지만 CCTV는 인권 및 사생활 침해의 논란이 있을 수 있기 때문에 설치 장소에 신중을 가해야 하며, 고가의 장비가 비효율적으로 작동하는 것을 방지할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
범죄에 대한 안전성은 무엇을 위한 필수 조건인가?
우리나라의 높은 경제 성장에도 불구하고 국민들은 생명에 위협이 되는 수많은 범죄의 위험에 노출되어 있는 것이 현실이다. 범죄에 대한 안전성은 국민들의 기본적인 요구이자, 행복하고 안전한 사회를 만들기 위한 필수조건이다. 그렇기 때문에 국민의 삶의 질을 결정하는데 큰 영향을 끼치는 치안문제에 대하여 국가는 국민들에게 제공하는 핵심 서비스라는 점을 인식할 필요가 있다.
Crime Prevention Through Environmental Design은 어떠한 개념에서 시작하였나?
CCTV와 더불어 물리적 환경 설계를 통한 범죄예방을 고려하는 CPTED (Crime Prevention Through Environmental Design)에대한 연구들도 활발히 진행되고 있었다. CPTED는 도시민들의 상호 감시를 통해 범죄가 자연적으로 제어되고 감소할 수 있다는 개념에서 시작되었다(Jacobs, 1961). 이후 Jeffery (1971) 및 Newman (1973)은 환경설계를 통한 범죄예방과 방어공간의 개념을 제시하면서 본격적인 연구가 시작되었다.
폭력범죄의 경우 2000년 대비 2010년에는 얼마나 증가하였는가?
특히, 국민의 생명과 직결되는 살인, 강도, 강간, 폭력범죄의 증가율은 더욱 가파르게 상승한 것으로 나타났다. 폭력범죄의 경우, 2010년 180,365건으로 2000년에 비하여 260% 가량 증가하였고, 강제추행을 포함한 강간범죄는 2010년 19,939건으로 2000년에 비하여 200% 이상 증가하였다.
참고문헌 (41)
Ashenfelter, O., Levine, P. B. and Zimmerman, D. J. (2003). Statistics and Econometrics: Methods and Applications, John Wiley & Sons, New York, N.Y.
Baek, S. I. (2011). A Study on Physical Neighborhood Environment with the Effects on Crime Incidence - focused on 3 districts in seoul -, Master's Dissertation, Yonsei University (in Korean).
Baltagi, B. H. (2005). Econometric Analysis of Panel Data, John Wiley & Sons, New York, N.Y.
Cheong, J. S. (2014). "Spatial regression analysis on the relationship between structural characteristics and homicide of Seoul." Seoul Studies, The Seoul Institute, Vol. 15, No. 1, pp. 101-118 (in Korean).
Cheong, J. S. and Hwang, E. G. (2010). "A macro-level study on the cause of homicide rate: Nationwide Analysis Using Spatial Regression Model." Korean Journal of Criminology, Korean Association of Criminology, Vol. 22, No. 1, pp. 157-184 (in Korean).
Cheong, J. S. and Kang, W. (2013). "Causal relationship between structural characteristics of metropolitan neighborhoods and homicide." The Journal of the Korea Contents Society, The Korea Contents Society, Vol. 13, No. 3, pp. 152-161 (in Korean).
Cheong, J. S. and Park, H. H. (2010). "A study on the effects of structural covariates on homicide: Nationwide Analysis Using Negative Binomial Regression Model." Korean Criminological Review, Korean Institute of Criminology, Vol. 81, pp. 91-119 (in Korean).
Choeng, J. S. and Kwak, D. H. (2008). "A study on the effects of community conditions on crime rates : Longitudinal Analyses Using the Growth Curve Model." Korean Criminological Review, Korean Institute of Criminology, Vol. 75, pp. 251-290 (in Korean).
Choi, Y. and Seo, M. H. (2013). "Assessing the impact of the factors of urban characteristics on the damages caused by natural disaster using panel model." Journal of Korea Planners Association, Korea Planners Association, Vol. 48, No. 5, pp. 309-318 (in Korean).
Choi, Y. and Yim, H. K. (2005). "The analysis on the characteristics of the fear of crime in the public space of high-rise multi-family attached house." Journal of the Architectural Institute of Korea: Planning & Design, The Architectural Institute of Korea, Vol. 21, No. 7, pp. 57-63 (in Korean).
Choi, Y., Moon, S. H. and Yim, H. K. (2007). "Assessing the Impact of the factors of urban characteristics on air pollution using panel model." Journal of Korea Planners Association, Korea Planners Association, Vol. 42, No. 3, pp. 191-202 (in Korean).
Choi, Y., Son, T. M. and Kang, J. E. (2000). "Comparison between single-detached unit and apartment: Crime and Crime Prevention of Residential Area in Pusan." Journal of Korea Planners Association, Korea Planners Association, Vol. 35, No. 3, pp. 153-165 (in Korean).
Geoffrey, H. D. and Jeffrey, P. P. (2012). "The effect of trees on crime in portland, Oregon." Environment and Behavior, SAGE, Vol. 44, No. 1, pp. 3-30.
Greene, W. H. (2003). Econometric Analysis, Prentice Hall, Upper Saddle River, N.J.
Gujarati, D. N. (2003). Basic Econometrics, McGraw-Hill, New York, N.Y.
Heo, S. Y. and Moon, T. H. (2013). "Analysis of urban environmental impact factors in crime hotspot." Journal of Korea Planners Association, Korea Planners Association, Vol. 48, No. 6, pp. 223-234 (in Korean).
Jacobs, J. (1961). The Death and Life of Great American Cities, Random House, New York, NY.
Jang, H. Y., Kim, K. and Lee, J. Y. (2014). "A study on the improvement of CCTV location for crime prevention by citizens' daily activity pattern." Journal of the Korean Urban Geographical Society, The Korean Urban Geographical Society, Vol. 17, No. 1, pp. 101-112 (in Korean).
Jeffery, C. R. (1971). Crime Prevention Through Environmental Design, Sage Publications, Beverly Hills, C.A.
Jeong, K. S., Moon, T. H., Jeong, J. H. and Heo, S. Y. (2009). "Analysis of spatio-temporal pattern of urban crime and its influencing factors." Journal of the Korean Association of Geographic Information Studies, The Korean Association of Geographic Information Studies, Vol. 12, No. 1, pp. 12-25 (in Korean).
Johnson, S. D. and Bowers, K. J. (2010). "Permeability and burglary risk: Are Cul-de-Sacs Safer?" Journal of Quantitative Criminology, Springer, Vol. 26, No. 1, pp. 89-111.
JoongAng Ilbo (2012). Crime analysis on OECD 34 countries ${\cdots}$ Shameful murder rank 6th. Newspaper account (in Korean).
Ki, J. H. (2015). "A study of impact of urban population characteristics on violent crimes." Journal of the Korean Regional Development Association, The Korean Regional Development Association, Vol. 27, No. 1, pp. 107-124 (in Korean).
Kim, H. J. and Lee, S. W. (2011), "Determinants of 5 major crimes in seoul metropolitan area: Application of Mixed GWR Model." Seoul Studies, The Seoul Institute, Vol. 12, No. 4, pp. 137-155 (in Korean).
Kim, J. H., Yu, S. G. and Jung, C. M. (2014). "The influence on the crime rate according to proliferation of convenience store." Journal of Korea Planners Association, Korea Planners Association, Vol. 49, No. 1, pp. 161-169 (in Korean).
Korean National Police Agency (2013). Korean National Police Agency 2013 White Paper, 11-1320000-000044-10 (in Korean).
Ku, J. Y. and Kim, K. H. (2011). "The effects of the physical environmental characteristics of city on the fear of crime." Urban Design, Urban Design Institute of Korea, Vol. 12, No. 5, pp. 59-77 (in Korean).
Lee, H. C., Lee, J. H., Kim, D. J. and Ha, M. K. (2011). "A study on the direction of the lighting plan for crime-free in street of commercial district." Seoul Studies, The Seoul Institute, Vol. 12, No. 1, pp. 73-89 (in Korean).
Lee, H. Y. and Noh, S. C. (2012). Advanced Statistical Analysis, Bobmunsa (in Korean).
Lee, S. J. and Kang, S. J. (2012). "A study on the methodology of positioning security CCTV cameras in urban residential district through using space syntax." Journal of the Architectural Institute of Korea: Planning & Design, The Architectural Institute of Korea, Vol. 28, No. 9, pp. 55-62 (in Korean).
Lee, S. W. and Cho, J. K. (2006). "The effects of spatial and environmental factors on crime victimization." Seoul Studies, The Seoul Institute, Vol. 7, No. 2, pp. 57-76 (in Korean).
Lee, T. G. (2010). A Study on the Causes of Crime Occurrence - With an Emphasis on Urban Area -, Master's Dissertation, Kyung Hee University (in Korean).
Massoomeh, H. M., Aldrin, A., Nordin, A. R. and Mohammad, J. M. T. (2012). "The influence of crime prevention through environmental design on victimisation and fear of crime." Journal of Environmental Psychology, ELSEVIER, Vol. 32, No. 2, pp. 79-88.
Newman, O. (1973). Defensible Space: Crime Prevention Through Urban Design, Collier Books, New York, N.Y.
Oh, M. J. (2011). A Study on the Characteristics of Urban Environment Influencing Crimes - Focusing on 5 Major Crime -, Master's Dissertation, Hongik University (in Korean).
Park, C. H. and Choi, S. H. (2009). "Crime prevention effects of publicity of CCTV installation at kang-nam gu, Seoul: The Effects of First News." Korean Criminological Review, Korean Institute of Criminology, Vol. 79, pp. 213-238 (in Korean).
Park, S. H. (2013). "Crime rates and neighbourhood effects by the urbanization." Law and Government Review, Institute for Local Government in Dong-Eui University, Vol. 30, No. 2, pp. 83-99 (in Korean).
Seo, M. H. (2015). Analysis on Spatial Autocorrelation and Correlates between Factors of Urban Characteristics and the Damages Caused by Natural Disaster, Doctoral Dissertation, Pusan National University (in Korean).
Seo, S. J. (2014). Study on the Location Characteristics of The Crime Incidence Before and After The Installation Crime Prevention C.C.T.V. of Public Institution, Master's Dissertation, Pusan National University (in Korean).
Statistics Korea (2014). 2013 Social Indicators of Korea, Press release (in Korea).
Supreme Prosecutors' Office (2014). Analytical Report on Crime, 11-1280000-000004-10 (in Korean).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.