Economic Investigation of the Crime and It's Inter-Provincial Spillover Effects in Iran: A Spatial Panel Approach

Subject Areas : Labor and Demographic Economics

mohsen mehrara ¹ ( استاد اقتصاد دانشگاه تهران )
Ehsan mohammadian nikpey ² ( دانشجوی دکتری دانشگاه علامه طباطبایی )

Received: 2015-08-18 Accepted : 2015-08-18 Published : 2015-08-01

Keywords: C23, JEL Classification: A13, R12 Keywords: Crime, Spillover effects, Spatial Econometrics, Economic and Social Variables,

Abstract :

Abstract This study investigates the effects of economic and social variables on crimes in Iran by using provincial panel data during 2000-2010. Spatial econometrics is used to study the crime both in space and spillover effects in the model. Research findings suggest that spillover effects caused led by the crimes in provinces are significant in the investigation period. Therefore, any change in crime rate will affect the province and the neighbors by the spillover effects or contagion across boundaries. Furthermore, the results indicate that economic variables of "Income and Industrialization index" and social variables of "Marriage to Divorce Ratio", "Urbanization Ratio" and "Population Increase" all have significant and important effects on the crime along the country.

References:

منابع

-      صادقی، حسین، اصغرپور، حسین، شقاقی، وحید (1384). تحلیل عوامل اقتصادی اثرگذار بر جرم در ایران. فصلنامه تحقیقاتاقتصادی، (68): 90-63 .

-      کلدی، علیرضا (1381). انحراف، جرم و پیشگیری. فصلنامه رفاه اجتماعی. 2(3): 72-51 .

-      مهرگان، نادر، گرشاسبی فخر، سعید (1390). نابرابری درآمد و جرم در ایران. فصلنامه پژوهش‌های اقتصادی، 11 (4): 125-109.

-        Almeida, E.S & Haddad, E.A & Hewings, G.J. (2005). The spatial pattern of crime in Minas Gerais: An exploratory analysis. Economia Aplicada. 9(1): 39-55.

-        Baller, R.D & Anselin, L & Messner, S.F & Deane, G & Hawkins, D.F. (2001). Structural covariates of us county homicide rates: incorporating spatial effects. Criminology. 39(3): 561-588.

-        Baltagi, B & Song, S & Koh, W. (2003). Testing panel data regression models with spatial error correlation. Journalof econometrics.117 (1): 123-150.

-        Becker, G.S. (1968). Crime and punishment: An economic approach.  Journal of Political Economy. 76(2): 169-217.

-        Elhorst, J.P. (2012). Matlab software for spatial panels.International Regional Science Review.

-        Hansen, K & Machin, S. (2002). Spatial Crime Patterns and the Introduction of the UK Minimum Wage. Oxford Bulletin of Economics and Statistics.64:677-697.

-        Ihlanfeldt, K & Mayock, T. (2010). Panel data estimates of the effects of different types of crime on housing prices. Regional Science and Urban Economic.40 (2): 161-172.

-        Kakamu, K & Polasek, W & Wago, H. (2008). Spatial interaction of crime incidents in Japan. Mathematics and Computers in Simulation. 78(2): 276-282.

-        Lee, L.F & Yu, J. (2010). Estimation of spatial autoregressive panel data models with fixed effects. Journal of Econometrics. 154(2): 165-185.

-        Lesage, James. (1999). Spatial Econometrics. Department of Economics University of Toledo.

-        Nettler, G. (1984). Explaining crime. New York McGraw-Hill.1221.

-        Pan, M & Widner, B & Enomoto, C.E. (2012). Spillover Effects of Crimes in Neighboring States of Mexico. International Journal Of Business & Social Science. 3(14): 14-32.

-        Porter, J.R & Purser, C.W. (2010). “Social disorganization, marriage, and reported crime: A spatial econometrics examination of family formation and criminal offending” Journal of Criminal Justice. 38(5): 942-95.

شکل 1. خوشه بندی فضایی جرم در استان­های ایران

                منبع: یافته‌های تحقیق

 

جدول 1. آزمون­ تشخیصی بین پنل مرسوم و فضایی به منظور لحاظ (عدم) اثرات فضایی

آزمون­	فرضیه صفر	p-value	نتایج
I-Moran	عدم وجود همبستگی فضایی بین اجزای اخلال در مدل جرم	(00/0)	***434/11-
Wald	عدم وجود همبستگی فضایی بین اجزای اخلال در مدل جرم	(00/0)	***115/44
LR	عدم وجود همبستگی فضایی بین اجزای اخلال در مدل جرم	(00/0)	***244/37
LM	عدم وجود وقفه فضایی	(012/0)	***317/6
	عدم وجود خطای فضایی	(009/0)	***778/6
	عدم وجود وقفه فضایی	(00/0)	***27/62
LM Robust	عدم وجود خطای فضایی	(00/0)	***732/62
***معنی­داری ضریب در سطح 99 درصد، ** معنی­داری ضریب در سطح 95 درصد و * معنی­داری ضریب در سطح 90 درصد است.

منبع: یافته‌های تحقیق

 

جدول 2. آزمون­های بررسی اثرات فردی (اثرات زمان و مکان)

بررسی اثرات فردی	فرضیه صفر	p-value	نتایج آزمون LR	درجه آزادی
اثرات ثابت مکان	اثرات ثابت مکان مشترکا معنادار نیست	(00/0)	***997/618	28
اثرات ثابت زمان	اثرات ثابت زمان مشترکا معنادار نیست	(003/0)	***171/28	11
***معنی­داری ضریب در سطح 99 درصد، ** معنی­داری ضریب در سطح 95 درصد و * معنی­داری ضریب در سطح 90 درصد است.

منبع: یافته های تحقیق

 

جدول 3. آزمون­های تشخیصی بین سه مدل وقفه، خطا و دوربین فضایی

آزمون	فرضیه صفر	p-value	نتایج آزمون تشخیصی
Wald for spatial lag		(027/0)	**280/17
LR for spatial lag		(033/0)	**705/16
Wald for spatial error		(026/0)	**424/17
LR  for spatial error		(029/0)	**119/17
***معنی­داری ضریب در سطح 99 درصد، ** معنی­داری ضریب در سطح 95 درصد و * معنی­داری ضریب در سطح 90 درصد است.

منبع: یافته های تحقیق

 

جدول 4. مدل­های وقفه و خطای فضایی با اثرات ثابت و تصادفی

نام متغیر	SAR (اثرات ثابت)		SAR (اثرات تصادفی)		SEM (اثرات ثابت)		SEM (اثرات تصادفی)
	ضرایب		ضرایب		ضرایب		ضرایب
	(365/0)	**081/0	(088/0)	010/0-	(337/0)	*077/0	(080/0)	006/0-
	(019/0)	***000/0-	(017/0)	***000/0-	(017/0)	***000/0-	(017/0)	***000/0-
	(011/0)	000/0-	(007/0)	000/0	(011/0)	000/0-	(006/0)	000/0
	(055/0)	*002/0	(061/0)	**002/0	(051/0)	*002/0	(059/0)	**002/0
	(101/0)	005/0	(299/1)	***454/0	(255/0)	074/0	(993/0)	***424/0
	(006/0)	000/0	(009/0)	000/0	(005/0)	000/0	(009/0)	000/0

ادامه جدول 4. مدل­های وقفه و خطای فضایی با اثرات ثابت و تصادفی

نام متغیر	SAR (اثرات ثابت)		SAR (اثرات تصادفی)		SEM (اثرات ثابت)		SEM (اثرات تصادفی)
	ضرایب		ضرایب		ضرایب		ضرایب
	(013/0)	000/0	(009/0)	000/0	(005/0)	000/0	(008/0)	000/0
	(05/1)	**545/0	(086/0)	005/0-	(067/1)	**555/0	(099/0)	008/0-
	(49/0)	*166/0-	(294/0)	049/0	-----		-----
	9537/0		9402/0		9529/0		9403/0
***معنی داری ضریب در سطح 99 درصد، ** معنی داری ضریب در سطح 95 درصد و * معنی داری ضریب در سطح 90 درصد است. اعداد داخل پرانتز نشان دهنده انحراف معیار ضریب می باشند.

منبع: یافته های تحقیق

 

جدول 5. مدل دوربین فضایی با اثرات ثابت و تصادفی

روش برآورد: حداکثر درست­نمایی	متغیر وابسته: شاخص جرم
نام متغیر	SDM(اثرات ثابت)		SDM  (اثرات تصادفی)
	ضرایب		ضرایب
	(411/0)	**090/0	(425/0)	**088/0
	(017/0)	***000/0-	(017/0)	***000/0-
	(014/0)	000/0-	(014/0)	000/0
	(061/0)	**002/0	(057/0)	**002/0
	(169/0)	103/0	(091/0)	004/0-
	(014/0)	**000/0	(024/0)	001/0
	(013/0)	000/0-	(012/0)	000/0-
	(583/0)	482/0	(223/1)	***484/0
	(120/0)	057/0-	(409/0)	*131/0-
	(011/0)	000/0-	(003/0)	000/0-
	(006/0)	000/0	(008/0)	000/0
	(071/0)	004/0-	(078/0)	*005/0-
	(198/2)	***078/2	(614/0)	448/0

ادامه جدول 5. مدل دوربین فضایی با اثرات ثابت و تصادفی

روش برآورد: حداکثر درست­نمایی	متغیر وابسته: شاخص جرم
نام متغیر	SDM(اثرات ثابت)			SDM  (اثرات تصادفی)
	ضرایب			ضرایب
	(005/0)	001/0-		(009/0)		000/0-
	(099/0)	**006/0-		(119/0)		**007/0-
W*	(912/0)	739/0		(061/1)		***484/0
	(575/0)	**189/0-		(451/0)		*152/0-
	9562/0			9501/0
	7122/0			7063/0
آزمون هاسمن	(98/0)		2487/7		-----
***معنی داری ضریب در سطح 99 درصد، ** معنی داری ضریب در سطح 95 درصد و * معنی داری ضریب در سطح 90 درصد است. اعداد داخل پرانتز نشان دهنده انحراف معیار ضریب می باشند.

منبع: یافته‌های تحقیق