«Организованная преступность как угроза экономической безопасности России»

);формирование комплекса специальных законодательных и иных нормативно-правовых актов, призванных обеспечить защиту прав и законных интересов личности, общества и государства путем создания эффективного правового механизма противодействия легализации доходов, полученных преступным путем;разработка новых механизмов идентификации физических и юридических лиц, замеченных в связях с организованными преступными сообществами.3.2.Факторы снижения появления организованной преступностиОрганизованная преступность на современном этапе общественного развития — составная часть преступности, ее внешняя, наиболее опасная форма проявления. В борьбе с организованной преступностью используется весь арсенал средств противодействия преступности и те специальные методы, которые учитывают специфику организованной преступности.Цели борьбы с организованной преступностью заключаются в том, чтобы вырубить питающие ее корни, ликвидировать преступные формирования. Это сложные задачи. Их решение зависит прежде всего от успехов в решении общесоциальных проблем: подъема материального производства, повышения жизненного уровня людей, торжества справедливости во всех сферах общественной жизни, приобщения к достижениям культуры как можно большего числа людей, каждый из которых должен знать, что он гражданин своей страны и ее патриот.Концепция, содержащая специальные меры противодействия организованной преступности, должна основываться на научном знании ее природы — характера, структуры и динамики и включать в себя экономические, социальные, криминологические, пенитенциарные и уголовно-правовые меры.В криминологической литературе таких мер предложено много. Остановимся на некоторых из них, на наш взгляд, наиболее важных.Если ликвидация безработицы, бедности, воспитание честного отношения к труду — средства, предупреждающее возникновение и развитие организованной преступности, то сейчас речь пойдет об экономических мерах борьбы с уже функционирующими формированиями, о подрыве экономической основы их деятельности.К числу таких мер относится противодействие криминальной «приватизации» — рейдерским захватам промышленных и коммерческих предприятий, квартир и другой собственности. Далее, это перекрытие каналов криминального рынка — незаконного оборота наркотиков, оружия, человеческих органов, торговли людьми, организации проституции, порнографии и т. д. В этой же области лежат меры финансового характера. Деятельность участников организованных групп, как правило, продиктована стремлением к получению нелегальных сверхдоходов, уклонению от уплаты налогов, отмыванию, то есть легализации средств, добытых преступным путем. Финансовые возможности позволяют расширять сферу деятельности и, это важно подчеркнуть, создавать систему собственной безопасности, в частности подкуп работников правоохранительных органови других чиновников. Общая задача может быть определена как выявление источников, пресечение (затруднение) движения и обоснованное изъятие преступно полученных капиталов.Она решается путем усиления банковского контроля, установления и необходимости декларирования крупных приобретений, установления ответственности (ст. 174 и 1741 УК РФ).К этим мерам относится и ужесточение ответственности за легализацию имущества, добытого преступным путем, и прежде всего за счет конфискации имущества, полученного в результате совершения преступлений, предусмотренной п. «а» ч. 1 ст. 1041 УК РФ, а также конфискации имущества, предназначенного или используемого для финансирования организованной группы или преступного сообщества (наряду с терроризмом и незаконным вооруженным формированием) — п. «в» ч. 1 ст. 1041 УК РФ.В рамках общей концепции борьбы с организованной преступностью существенную роль играют организационные меры социального характера.Одна из них — ликвидация безработицы среди молодежи, уровень которой в некоторых регионах угрожающе высок. Ликвидировать безработицу — значит перекрыть источник, подпитывающий организованную преступность. Не менее важная роль принадлежит системе пенитенциарного и постпенитенциарного воздействия на осужденных, цель которого — обеспечить достижение в местах лишения свободы целей наказания, облегчить после освобождения возвращение к честной жизни. Большое значение имеют меры, препятствующие проникновению представителей организованной преступности в государственный аппарат, в состав руководства политических партий и общественных организаций.В противодействии организованной преступности велика роль правовых средств, и прежде всего — уголовно-правовых запретов. Напомним, что совершение любого умышленного преступления в составе организованной группы является либо квалифицирующим, либо отягчающим обстоятельством для каждого ее участника, что установлена уголовная ответственностьза само создание и участие в незаконных вооруженных формированиях, бандах, преступных сообществах (организациях), объединениях, посягающих на личность и права граждан, экстремистских сообществах и организациях. Одновременно законустанавливает, что является обстоятельством, смягчающим наказание, в частности — активное способствование изобличению и уголовному преследованию других соучастников преступления (п. «и» ч. 1 ст. 61 УК РФ в ред. ФЗ от 29 июня 2009 г.). Примечание к ст. 210 УК РФ содержит также важное положение, направленное на предупреждение преступной деятельности, заключающейся в организации преступного сообщества или участия в нем: «Лицо, добровольно прекратившее участие в преступном сообществе (преступной организации) или входящем в него (нее) структурном подразделении либо собрании организаторов, руководителей (лидеров) или иных представителей организованных групп и активно способствовавшее раскрытию или пресечению этих преступлений, освобождается от уголовной ответственности, если в его действиях не содержится иного состава преступления» (в ред. ФЗ от 3 ноября 2009 г.). Аналогичная возможность освобождения от уголовной ответственности членов преступных формирований предусмотрена в примечаниях к ст. 208, 2821 и 2822 УК РФ.Заранее не обещанное укрывательство особо тяжких преступлений, в частности — совершенных преступными формированиями, влечет уголовную ответственность по ст. 316 УК РФ. От ответственности освобождаются супруги и близкие родственники виновных. На наш взгляд, целесообразно распространить ответственность за укрывательство и тяжких преступлений, совершенных любыми организованными формированиями, и освободить от иммунитета супругов и близких родственников при совершении таких преступлений преступными организациями.ЗаключениеВ текущей работе были отражены особенности моделирования регионального уровня организованной преступности с целью выявления влияющих на него значимых факторов. Тематика данного исследования никогда не потеряет своей актуальности как на макро-, так и на микроэкономическом уровне, являясь зеркальным отражением благосостояния государства и граждан в отдельности. Так, в рамках выполненной работы все поставленные задачи были реализованы. Сперва была выявлена взаимосвязь уровня организованной преступности и экономики, а также характеристики организованных преступлений, в зависимости от степени их тяжести; Далее был проведён детальный анализ литературы по поставленной проблеме, позволивший предположить, какие факторы влияют на региональный уровень организованной преступности; Также была описана актуальная криминогенная ситуация в России, характеризующаяся снижением как общего числа совершённых организованных преступлений, так и в отдельности по каждому виду; Затем были выявлены нюансы моделирования подобных данных, а именно: наиболее подходящими моделями оказались те, что построены на панельных данных – сквозная регрессия, а также модели со случайными и фиксированными эффектами; Впоследствии была проведена первичная обработка данных с помощью статистических пакетов. Для таких переменных, как: ВРП, больных алкоголизмом и наркоманией, миграционного прироста, соотношения браков и разводов, количества мест лишения свободы, уровня безработицы и среднедушевого дохода – были рассчитаны описательные статистики, проведён корреляционный анализ, позволивший включить все переменные для последующего анализа; Финальным этапом стало построение моделей и их последующее сравнение с помощью специальных критериев, выявивших, что наилучшей моделью является FE- спецификация. Действительно, описать региональную структуру данных наиболее качественным образом смогла модель с фиксированными индивидуальными эффектами, подразумевающая, что каждый регион в разрезе лет – это не отдельное наблюдение, а объект, имеющий свои собственные индивидуальные характеристики. Кроме того, детерминанты, отвечающие за валовой региональный продукт, среднедушевой доход и соотношение браков и разводов, являясь значимыми и имеющие отрицательный знак перед коэффициентами, подтвердили гипотезу, гласящую о том, что люди с более высоким уровнем жизни, менее склонны к преступной деятельности. В то же время гипотеза о положительном влиянии пенитенциарных учреждений на уровень организованной преступности не была подтверждена. Полученные результаты могут быть полезны как для людей, интересующихся статистикой и/или криминогенной ситуацией в стране, так и для государственного аппарата, строящего планы по борьбе с высоким уровнем организованной преступности. Однако в подобного рода исследованиях существует такое важное ограничение как невозможность учёта латентной организованной преступности, отчего репрезентативность официально предоставленных данных сильно снижается. Перспективы усовершенствования исследования могут иметь могут быть различны. Так, например, возможно построение регрессий для каждого вида организованной преступности по отдельности, так как на преступления разной тяжести способны оказывать влияние разные факторы. Также можно учесть больший временной промежуток. Список использованных источниковBaltagi B. Econometric Analysis of Panel Data // John Wiley & Sons. 2020. 338 p. Blomquist J., Westerlund J. A Non-StationaryPanel Data Investigation of The Unemployment-CrimeRelationship // Social Science Research. 2019. Vol. 44. Pp. 114-125. Cardenas M. Economic growth in Colombia: a reversal of fortune? // Workingpapersseries – documentosdetrabajo. 2019. №36. Pp. 1-36. Deaton A. Panel Data from Series of Cross-Sections // Journal of Econometrics. 2020. Vol. 30. Pp. 109-126. Detotto C., Otranto E. Doescrimeaffecteconomicgrowth? // Kyklos. 2021. Vol. 63, №3. Pp. 330-345. Detotto C., Pulina M. Doesmorecrimemeanfewerjobs and lesseconomicgrowth? // European Journal of Law and Economics. 2019. Vol. 36, №1. Pp. 183-207. Donohue J., Levitt S. The Impact of LegalizedAbortion on Crime // The Quarterly Journal of Economics. 2018. Vol. 116. EsmailAsh., Penny J., Eargle L. The Impact of Culture on Crime // Race, Gender & Class. 2018. Vol. 20. Pp. 326-343. Kelly M. Inequality and Crime // The Review of Economics and Statistics. 2020. Vol. 82. Pp. 530-539. Klick J., Tabarrok A. UsingTerrorAlertLevels to Estimate the Effect of Police on Crime // Journal of Law and Economics. 2020. NUMBEO: [Электронный ресурс]. URL: https://www.numbeo.com. OuseyGr., KubrinCh. Immigration and Crime: Assessing a Contentious Issue // Annual Review of Criminology. 2019. Pinotti P. The economicconsequences of organizedcrime: EvidencefromSouthernItaly // Bank of Italy. 2021. Pop-Eleches C. The Impact of anAbortionBan on SocioeconomicOutcomes of Children: EvidencefromRomania // Journal of Political Economy. 2019. Vol. 114. Rosenfeld R. Crime and Inflation in Cross-National Perspective // Crime and Justice. 2019. Vol. 43. Pp. 341-366. Rosenfeld R. Crime is the Problem: Homicide, AcquisitiveCrime, and Economic Conditions // Journal of QuantitativeCriminology. 2019. Vol. 25. Pp. 287-306. Wooldridge J. Econometric Analysis of Cross Section and Panel Data, 2ndedition // John Wiley & Sons. 2018. 1097 p. Андриенко Ю. В. В поисках объяснения роста организованной преступности в России в переходный период: Криминометричсекий подход // Экономический журнал ВШЭ. 2019. №2. С. 194-220. Багмет А. М. Проблемы организованной преступности в сфере экономики / А. М. Багмет, Г. М.Казиахмедов // Вестник экономической безопасности. 2019. № 5. С. 54-56. Ведомости: [Электронный ресурс]. URL: https://www.vedomosti.ru/opinion/articles/2019/06/14/772694-realnaya-prestupnostotlichaetsya. Государственная статистика ЕМИСС: [Электронный ресурс]. URL: https://fedstat.ru. Крамин Т. В. Влияние организованной преступности на экономическое развитие регионов / Т. В. Крамин, А. А. Шакирова // Актуальные проблемы экономики и права. 2020. №2. С. 1202-1214. Криминология. Учебник // Под ред. Н. Ф. Кузнецовой, В. В. Лунеева / А. А. Матвеева, Н. Ф. Кузнецова, В. В. Лунеев, и. др. М.: ВолтерсКлувер, 2021. 630 с. Ларионова Н. И. Экономический подход к социальному капиталу // Экономика образования. 2019. №4. С. 73-78. Медуза: [Электронный ресурс]. URL: https://meduza.io/feature/2015/03/18/konveyerkrasivyh-tsifr. Министерство внутренних дел Российской Федерации: [Электронный ресурс]. URL: https://мвд.рф/reports/item/14696015. Новая газета: [Электронный ресурс]. URL:https://novayagazeta.ru/articles/2017/01/09/71078-ni-slova-o-tyurmah.Ратникова Т. А. Введение в эконометрический анализ панельных данных // Экономический журнал ВШЭ. 2006. №2. С. 267-315. РБК: [Электронный ресурс]. URL: https://www.rbc.ru/politics/01/12/2015/565db2189a7947e785881f88. Сухоруков Р. А. Обоснование взаимосвязи организованной преступности и качества жизни населения / Р. А. Сухоруков, А. М. Терехов // Территория науки. 2019. Уголовный кодекс РФ 1996 г. // Собрание Законодательства РФ. 1996. № 25. Ст. 2954. Федеральная служба исполнения наказаний: [Электронный ресурс]. URL: http://fsin.su. Федеральная служба статистики: [Электронный ресурс]. URL: https://gks.ru. Фукуяма Ф. Великий разрыв. М.: АСТ, 2020. 476 с. ПРИЛОЖЕНИЕДля анализа мероприятий по борьбе с организованной преступностью перейдём к непосредственному оцениванию модели факторов развития организованной преступности. Близость оценённых параметров к их истинным значениям обеспечивается только в случае выполнения условий теоремы Гаусса-Маркова, проверка которых, таким образом, является необходимостью. Так, во время проверки моделей pooled с помощью теста БреушаГодфри, не требующего предположении о нормальности ошибок, была найдена автокорреляция высоких порядков. Можно предположить, что под автокорреляцией подразумевается «близость» наблюдений во времени и пространстве вследствие характерных особенностей спецификации объединённой модели факторов развития организованной преступности панельных данных, так как она не различает временной промежуток у одинаковых регионов, а воспринимает их как различные наблюдения. Последствия автокорреляции выражаются в неэффективности МНК-оценок, а также несостоятельности стандартных ошибок, поэтому их необходимо нивелировать посредством использования робастных ошибок по форме Ньюи-Уеста. Результаты оценивания представлены в таблице 8. На первом этапе была построена объединенная модель, где все регрессоры представлены в линейной форме. Но, так как существует сильный разброс данных у факторов, отражающих ВРП на душу, а также среднедушевой денежных доход, было принято решение логарифмировать эти переменные. При логарифмировании регрессора его коэффициент интерпретируется следующим образом: при изменении x на 1% y в среднем изменится на b/100 ед. Так, после пересчёта робастных ошибок и в линейной, и в нелинейной спецификациях модели факторов развития организованной преступности с зависимой переменной crimeувеличились стандартные ошибки, а также потеряли значимость такие факторы, как: пациенты с алкоголизмом, миграционный прирост, отношение разводов и браков, а также константа. В целом значимыми детерминантами оказались следующие: количество прерванных беременностей и численность пациентов с диагнозом наркомания. В модели факторов развития организованной преступности с логарифмированными переменными ситуация аналогична, однако в линейной спецификации на 1% уровне доверия оказался значим фактор среднедушевого дохода. Таблица 1 - Результаты моделирования для модели факторов развития организованной преступности с зависимой crimeИсходная регрессия Регрессия с робастными стандартными ошибками Исходная регрессия с lnРегрессия с ln с робастными стандартными ошибками grp-0,00002 -0,00002 (0,00004) (0,0001) ln(grp) 81,99 81,99 (65,43) (170,72) alco-0,07* -0,07 -0,05 -0,05 (0,04) (0,05) (0,04) (0,05) addict1,09*** 1,09*** 1,12*** 1,12*** (0,24) (0,39) (0,24) (0,42) crime18,12*** 18,12*** 16,75*** 16,75** (2,19) (6,27) (2,3) (7,69) un_rate-2,47 -2,47 -3,77 -3,77 (6,68) (8,58) (6,76) (10,52) income-0,003 -0,003 (0,003) (0,006) ln(income) -327,55*** -327,55 (125,76) (432,99) migr-0,76** -0,76 -0,7** -0,7 (0,34) (0,88) (0,34) (0,82) d_ratio0,3* 0,3 0,25 0,25 (0,18) (0,49) (0,19) (0,43) prison-3,78 -3,78 -2,97 -2,97 (2,82) (4,77) (2,73) (4,55) const292,04* 292,04 2526,41*** 2526,41 (171,58) (301,24) (706,89) (2449,6) Adj. R20,232 0,242 *p < 0,1; **p < 0,05; ***p < 0,01Далее рассмотрим результаты оценивания линейной и нелинейной спецификаций модели pooled с объясняемой переменной w_crime(таблица 2).Таблица 2 - Результаты моделирования для модели факторов развития организованной преступности с зависимой w_crimeИсходная регрессия Регрессия с робастными стандартными ошибками Исходная регрессия с lnРегрессия с ln с робастными стандартными ошибками grp-0,00001 -0,00001 (0,00002) (0,00002) ln(grp) 30,35 30,35 (24,28) (57,89) alco-0,03** -0,03* -0,02 -0,02 (0,02) (0,02) (0,02) (0,02) addict0,46*** 0,46*** 0,47*** 0,47*** (0,09) (0,15) (0,09) (0,16) crime6,96*** 6,96*** 6,4*** 6,4** (0,81) (2,38) (0,85) (2,68) un_rate-0,8 -0,8 -1,28 -1,28 (2,47) (3,05) (2,51) (3,4) income-0,001 -0,001 (0,001) (0,002) ln(income) -111,35** -111,35 (46,67) (148,87) migr-0,4*** -0,4 -0,38*** -0,38 (0,13) (0,3) (0,13) (0,28) d_ratio0,09 0,09 0,07 0,07 (0,07) (0,18) (0,07) (0,17) prison-1,84* -1,84 -1,5 -1,5 (1,04) (1,79) (1,01) (1,71) const113,54* 113,54 853,65*** 853,65 (63,57) (114,04) (262,34) (863,21) Adj. R20,254 0,262 *p < 0,1; **p < 0,05; ***p < 0,01 В целом, после нивелирования последствий автокорреляции ошибок многие факторы либо вовсе потеряли свою значимость, либо их уровень доверия стал шире. Так, например, коэффициенты миграционного прироста, численности больных алкоголизмом и количества пенитенциарных учреждений стали незначимы в линейной модели факторов развития организованной преступности. Так, во всех pooled моделях факторами, влияющими на уровень организованной преступности положительно, являются addict, abort,d_ratio, а отрицательно – grp, alco, un_rate, income,migr, и prison. Исходя из прочитанной литературы, предполагалось, что данный фактор оказывает абсолютно противоположное влияние: женщина выбирает путь прерывания беременности в том случае, когда считает, что не имеет достаточно благоприятных условий для воспитания ребёнка, что означает его возможное вступление в криминальную сферу деятельности в будущем. Также полученное отрицательное влияние на уровень организованной преступности, вопреки общественному мнению, подтверждает гипотезу, выдвинутую Гр. Оузи, о том, что миграция оказывает благотворное влияние на устойчивость института семьи, который в свою очередь является сильным барьером для совершения организованных преступлений [12, с. 45]. Ещё одним любопытным наблюдением является отрицательное воздействие числа пенитенциарных учреждений на количество совершённых организованных преступлений. Предполагалось, что заключение под стражу негативно воздействует на психику человека, побуждая совершать всё новые и новые преступления после освобождения. Однако полученные результаты в данной модели факторов развития организованной преступности опровергают данное предположение. Возможно, при построении более сложных моделей, учитывающих панельную структуру данных, ситуация изменится. Следующим этапом является сравнение четырёх вариантов моделей: линейной и нелинейной с зависимыми crime и w_crime – и выбор наилучшей из них. Данное сравнение было осуществлено с помощью таких метрик, как информационные критерии Акаике (AIC) и Шварца (BIC), а также скорректированного коэффициента детерминации (таблица 10). Так, чем ниже AIC и BIC и чем выше коэффициент детерминации, тем качественнее модель и адекватнее её описательные способности. Из информации в таблице видим, что модели факторов развития организованной преступности с устранённым эффектом большой вариативности данных посредством логарифмирования определённых переменных являются предпочтительнее первоначальных по всем сравнительным критериям. При этом лучшей является именно та, чей уровень организованной преступности определяется как суммарное количество совершенных организованных преступлений, умноженных на вес категории тяжести, к которой они относятся. Таблица 3 - Информационные критерии Акаике и Шварца crimecrimeс lnw_crimew_crimeс lnAIC6232,53 6227,04 5388,54 5384,49 BIC6277,1 6271,61 5433,11 5429,06 AdjustedR20,232 0,242 0,254 0,262 Так, из 4 сквозных регрессий наилучшей оказалась с зависимой переменной w_crime и логарифмированными grp и income, поэтому именно эта модель будет исследована далее в FE- и RE- спецификациях. В результате проведенного исследования можно утверждать, что перспективными представляются профилактические мероприятия, связанные с: 1) восстановлением с помощью служб социального обслуживания населения жизненной перспективы лиц, утративших ее в результате потери работы, демобилизации, ухода в отставку и т.д.; предоставление специалистам в отношении которых особо значим риск их вербовки организованными преступными структурами, альтернативы в профессиональной деятельности и ее оплаты; 2) введением деклараций для государственных (муниципальных) служащих и близких родственников о доходах и имуществе; декларирования источников средств на приобретение ценного имущества; обязанности банков сообщать правоохранительным органам о принятии или перемещении крупных вкладов, происхождение которых вызывает подозрения.В таблице 4 можно рассмотреть рассчитанные коэффициенты для моделей с детерминированными и случайными индивидуальными эффектами. Таблица 4 - Результаты моделирования FE- и RE- моделей FE- RE- log_grp-67,46** 17,24 (31,76) (25,25) alco-0,02 -0,008 0,01 (0,01) addict0,32*** 0,36*** (0,08) (0,07) crime0,75 3,16*** (0,88) (0,74) un_rate-3,6** -3,86** (1,66) (1,63) log_income-93,96** -112,15*** (44,84) (42,38) migr0,1 0,02 (0,07) (0,07) d_ratio-0,25*** -0,24*** (0,04) (0,04) prison-17,15** -1,59 (8,16) (2,07) const2482,84*** 1322,6*** (387,78) (288,56) WithinR20,474 0,444 *p < 0,1; **p < 0,05; ***p < 0,01 Таким образом, в сравнении с результатами обобщённой модели факторов развития организованной преступности, в данных моделях значимыми оказалось гораздо большее количество коэффициентов перед регрессорами. Данный результат может быть следствием того, что, в отличие от pooled модели факторов развития организованной преступности, не воспринимающей панельную структуру данных, FE- и RE- модели факторов развития организованной преступности учитывают индивидуальные эффекты, тем самым вычленяя важные особенности регионов. Произведём выбор наилучшей модели факторов развития организованной преступности. Сперва сравним модели с детерминированными и случайными индивидуальными эффектами посредством проведения теста Хаусмана (Ратникова, 2006). Так, нулевая гипотеза в данном тесте выглядит следующим образом: H0: E(αi|xi) = 0, противоположная ей же – H1: E(αi|xi) ≠ 0. Другими словами, модель со случайным эффектом имеет место быть только в случае некоррелированности данных эффектов с регрессорами. Вычисленное значение p-value приблизительно равно нулю, из чего следует, что нулевая гипотеза в тесте Хаусмана отклоняется на уровне значимости 1%, тем самым показывая, что модель с фиксированными случайными эффектами является более предпочтительной, нежели модель со случайными. Далее при помощи проведения теста Вальда выберем лучшую спецификацию среди сквозной регрессии и модели с фиксированными индивидуальными эффектами. По результатам F-статистики, p-value которой вновь оказалось примерно равным нулю, гипотеза о равенстве индивидуальных эффектов нулю оказалась отвержена на 1% уровне значимости. Следовательно, для описания выбранных нами данных регрессионная модель с детерминированными индивидуальными эффектами подходит лучше, нежели обобщённая. Финальный критерий Бройша-Пагана позволит сделать выбор между моделью со случайными индивидуальными эффектами и обобщённой регрессией (Baltagi, 1995). При анализе больших выборок, как правило, используется множитель Лагранжа, подчиняющийся распределению Хиквадрат. Так, p-value данной статистики, аналогично двум проведённым ранее тестам, равняется 0. Таким образом, нулевая гипотеза H0:𝜎𝛼2= 0 отклоняется на 1% уровне значимости, из чего следует, что из двух тестируемых моделей будет сделан выбор в пользу RE-модели. В результате проведённых тестов было выявлено, что при сравнении FE- и RE- моделей по отдельности со сквозной регрессией последняя обладала наименее качественными описательными характеристиками. В итоге, наилучшей из всех является модель с фиксированными индивидуальными эффектами. Подставив в соответствующее данной модели уравнение рассчитанные в Stata коэффициенты, получим: 𝑤_𝑐𝑟𝑖𝑚𝑒̆ 𝑖 = 2482,84 − 67,46 ∗ 𝑙𝑜𝑔_𝑔𝑟𝑝𝑖 − 0,02 ∗ 𝑎𝑙𝑐𝑜𝑖 + 0,32 ∗ 𝑎𝑑𝑑𝑖𝑐𝑡𝑖 + 0,75∗ 𝑎𝑏𝑜𝑟𝑡𝑖 − 3,61 ∗ 𝑢𝑛_𝑟𝑎𝑡𝑒𝑖 − 93,96 ∗ 𝑙𝑜𝑔_𝑖𝑛𝑐𝑜𝑚𝑒𝑖 + 0.1 ∗ 𝑚𝑖𝑔𝑟𝑖− 0,25 ∗ 𝑑_𝑟𝑎𝑡𝑖𝑜𝑖 − 17,15 ∗ 𝑝𝑟𝑖𝑠𝑜𝑛𝑖Помимо константы, не несущей в данном случае особой смысловой нагрузки, значимыми на 1% или 5% уровне оказалось 6 факторов из 9. Так, чем выше значение валового регионального продукта, тем меньше уровень организованной преступности. Аналогично, при более высоком среднедушевом доходе совершается меньшее количество организованных преступлений. Данные выводы подтверждаются логикой: имея более качественные условия жизни, человек не склонен к вовлечению в криминальную активность. Численность пациентов с установленным диагнозом наркомания, в свою очередь, оказывает прямое положительное влияние на зависимую, подтверждая выявленную при обзоре литературы гипотезу о том, что люди, имеющие разного рода зависимости, в особенности наркотические, склонны к жестокости и агрессии и способны на насилие. Кроме того, отрицательное воздействие на уровень организованной преступности в регионах оказывает фактор, отвечающий за соотношение разводов и браков. Действительно, чем больше разводов приходится на 1000 браков, тем слабее становится стабильность семей в обществе, которая, в свою очередь, оказывает мощнейший сдерживающий стимул в сфере организованной преступности. Любопытным результатом оказалось влияние количества пенитенциарных учреждений в связи с тем, что предполагалась зависимость положительной направленности. Ранее подразумевалось, что человек, совершивший преступление однажды, с большей вероятностью совершит его снова, оказавшись на свободе. Тем самым, в регионах с большим количеством мест отбывания наказаний существует определённая криминогенная ситуация. Однако данное предположение не подтвердилось. Возможно, отрицательное влияние пенитенциарных учреждений на зависимую объясняется тем, что у человека, живущего в регионе с большим количеством тюрем, СИЗО и т. д., появляется некий страх перед совершением организованных преступлений, ведь он чётко знает, как работает система исполнения наказаний. Остальные же факторы не оказали существенного влияния на региональный уровень организованной преступности.