Download - indikátor_rendszer_v4
1/194. oldal
„A rendőrség működési hatékonyságát érintő területi és szakági indikátor rendszer kifejlesztése az európai kohéziós politika
reformjának tükrében” című kutatás előtanulmánya (4.0 verzio)
2012. május 23.
Készítette:
Millefolium Stratégia Kft.
2/194. oldal
Az előtanulmány elkészítésében részt vettek:
ifj. Janza Frigyes - közgazdász, területfejlesztési szakértő
Kenedli Tamás - r. őrnagy, Szervezett Bűnözés Elleni Koordinációs Központ – munkatárs
Kis Tamás - szociológus, társadalomkutató
Varga Péter – változáskezelési és stratégiai tanácsadó
3/194. oldal
Tartalomjegyzék
1 Előzmények .............................................................................................................. 6 2 Vezetői összefoglaló.................................................................................................. 8 3 Az előtanulmány kutatási módszertana................................................................... 12
3.1 Az előtanulmány kutatási kerete, összefoglaló.................................................... 12 3.2 Az előtanulmány fókusza ..................................................................................... 15 3.3 Hipotézisek ........................................................................................................... 15 3.4 Az előtanulmány módszertana............................................................................. 15
3.4.1 Dokumentumelemzés .......................................................................................... 15 3.4.2 Kapitányságok szerinti adatok előállítása ............................................................ 15
3.4.2.1 Bűnügyi adatok ......................................................................................................................................... 15 3.4.2.2 Társadalmi-területi adatok ....................................................................................................................... 15 3.4.2.3 Személyi adatok........................................................................................................................................ 15
3.4.3 Elemzési módszer ................................................................................................. 15 3.4.3.1 Kapitányságok összehasonlítása összes bűncselekmény szám és bűncselekmény-típusok szerint .......... 15 3.4.3.2 Az egyes társadalmi-területi adatok egyes bűncselekménytípusok előfordulására gyakorolt hatásának elemzése 15 3.4.3.3 Személyi adatok elemzése ........................................................................................................................ 15
4 Nemzetközi kitekintés............................................................................................. 15 4.1 Szociológiai jellemzők vizsgálata.......................................................................... 15 4.2 Földrajzi jellemzők vizsgálata ............................................................................... 15
5 Összes bűncselekmény alakulása kapitányságonként .............................................. 15 5.1 Bűncselekmények alakulása kapitányságonként ................................................. 15 5.2 Kapitánysági rangsorok ........................................................................................ 15
6 Rendőrkapitányságok sorrendje az egyes bűncselekménytípusok szerint................. 15 7 Társadalmi jellemzők (hogyan hatnak a bűncselekmények alakulására)................... 15
7.1 Összes bűncselekmény......................................................................................... 15 7.1.1 A bűncselekmények teljes számával korreláló változók ...................................... 15 7.1.2 Az összes bűncselekményre közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.1.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.2 Könnyű testi sértés............................................................................................... 15 7.2.1 A könnyű testi sértéssel korreláló változók ......................................................... 15 7.2.2 A könnyű testi sértésre közvetlenül hatással lévő változók regressziós egyenese 15 7.2.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.3 Súlyos testi sértés................................................................................................. 15 7.3.1 A súlyos testi sértéssel korreláló változók ........................................................... 15 7.3.2 A súlyos testi sértésre közvetlenül hatással lévő változók regressziós egyenese15 7.3.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.4 Közúti baleset okozása ......................................................................................... 15 7.4.1 A közúti baleset okozásával korreláló változók.................................................... 15 7.4.2 A közúti baleset okozására közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.4.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.5 Közúti jármű ittas vezetése .................................................................................. 15 7.5.1 A közúti jármű ittas vezetésével korreláló változók............................................. 15
4/194. oldal
7.5.2 A közúti jármű ittas vezetésére közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.5.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.6 Tartás elmulasztása .............................................................................................. 15 7.6.1 Tartás elmulasztásával korreláló változók ........................................................... 15 7.6.2 A tartás elmulasztására közvetlenül hatással lévő változók regressziós egyenese 15 7.6.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.7 Garázdaság ........................................................................................................... 15 7.7.1 A garázdasággal korreláló változók...................................................................... 15 7.7.2 A garázdaságra közvetlenül hatással lévő változók regressziós egyenese .......... 15 7.7.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.8 Közokirat-hamisítás .............................................................................................. 15 7.8.1 A közokirat-hamisítással korreláló változók......................................................... 15 7.8.2 A közokirat-hamisításra közvetlenül hatással lévő változók regressziós egyenese 15 7.8.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.9 Magánokirat-hamisítás......................................................................................... 15 7.9.1 A magánokirat-hamisítással korreláló változók ................................................... 15 7.9.2 A magánokirat-hamisítással közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.9.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.10 Visszaélés okirattal ............................................................................................... 15 7.10.1 Az okirattal való visszaéléssel korreláló változók................................................. 15 7.10.2 Az okirattal való visszaélésre közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.10.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.11 Lopás..................................................................................................................... 15 7.11.1 A lopással korreláló változók................................................................................ 15 7.11.2 A lopásra közvetlenül hatással lévő változók regressziós egyenese.................... 15 7.11.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.12 Betöréses lopás .................................................................................................... 15 7.12.1 A betöréses lopással korreláló változók............................................................... 15 7.12.2 A betöréses lopásra közvetlenül hatással lévő változók regressziós egyenese... 15 7.12.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.13 Sikkasztás.............................................................................................................. 15 7.13.1 A sikkasztással korreláló változók ........................................................................ 15 7.13.2 A súlyos testi sértésre közvetlenül hatással lévő változók regressziós egyenese15 7.13.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.14 Csalás .................................................................................................................... 15 7.14.1 A csalás korreláló változók ................................................................................... 15 7.14.2 A csalásra közvetlenül hatással lévő változók regressziós egyenese................... 15 7.14.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.15 Rablás ................................................................................................................... 15 7.15.1 A rablással korreláló változók............................................................................... 15 7.15.2 A rablásra közvetlenül hatással lévő változók regressziós egyenese................... 15 7.15.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
5/194. oldal
7.16 Rongálás ............................................................................................................... 15 7.16.1 A rongálással korreláló változók........................................................................... 15 7.16.2 A rongálásra közvetlenül hatással lévő változók regressziós egyenese............... 15 7.16.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
7.17 Jármű önkényes elvétele...................................................................................... 15 7.17.1 A jármű önkényes elvételével korreláló változók ................................................ 15 7.17.2 A jármű önkényes elvételére közvetlenül hatással lévő változók regressziós egyenese............................................................................................................................. 15 7.17.3 A regressziós modellben szereplő változók értékei kapitányságonként ............. 15
8 Személyi állomány alakulása és a bűncselekmények................................................ 15 8.1 Erőforrás-mutatók................................................................................................ 15 8.2 Erőforrás korreláció.............................................................................................. 15
8.2.1 Erőforrás mutató I. ............................................................................................... 15 8.2.2 Erőforrás mutató II. .............................................................................................. 15
9 Felhasznált irodalom............................................................................................... 15 10 Ábrák jegyzéke ....................................................................................................... 15 11 Táblázatok jegyzéke................................................................................................ 15
6/194. oldal
1 Előzmények
Az Európai Unió kohéziós politikájának jövőjéről intenzív diskurzus folyik. Az eddig megjelent Bizottsági jogszabálytervezetek, jelentések és állásfoglalások alapján egyértelmű, hogy a regionális politika, a területi megközelítés szerepe növekedni fog az Unió fejlesztéspolitikájában. A Strukturális Alapok és az Európai Mezőgazdasági és Vidékfejlesztési Források (EMVA) felhasználását a jogosult tagországok egységes stratégiai tervezéshez kapcsolva tehetik meg. A tervezés várhatóan a Leader programhoz hasonló területi szinergiákra épülő térségi tervekre alapozódik az eddig, főleg ágazati forrás kihelyezési mechanizmusok helyett.
A mostani fejlesztéspolitikai részben az Unió elvárásai alapján ágazati tervek mentén helyezte ki az Európai Szociális Alap (ESZA) és az Európai Regionális Fejlesztési Alap (ERFA) forrásait, az alapok szerint is elkülönítve. Ebben a formában a kedvezményezetti oldal feladata, hogy a több alapból (ERFA, ESZA, EMVA) és szakmai elvárások mentén érkező fejlesztési forrásokat a térségi igények mentén összekapcsolja. A források szinergiáját biztosító helyi menedzsment azonban nagyon sok helyen (településen, kistérségben) hiányzott, így előtérbe kerültek a pontszerű fejlesztések, amelyek összekapcsolása nem történt meg, így a szinergiahatások nem jöhettek létre.
Az elmúlt években az egyes régiók (NUTS II.), megyék (NUTS III.) és kistérségek (NUTS IV.) támogatáspolitikai eszközrendszerének és beavatkozási területeinek kialakítása során elsősorban gazdasági, társadalmi, szociális, infrastrukturális, oktatási, egészségügyi (stb.) jellemzők figyelembevétele történt meg, azonban a közelmúltban a területfejlesztési szempontrendszer egyre hangsúlyosabb elemévé válik a közbiztonság, mint a helyi életminőséget és gazdasági aktivitást befolyásoló tényező. Egyúttal az is körvonalazódni látszik, hogy az EU a következő időszakban a fejlesztéspolitikai beavatkozások hatékonyságára, eredményességére nagyobb hangsúlyt kíván fektetni, ezért a jövőben a területi kohézió, a felzárkózás mérésére új mutatók, módszerek és szempontok (pl. a közbiztonsági szempont) bevezetése szükségesek.
Ezzel összefüggésben felmerül a kérdés, hogy a közbiztonság megteremtéséért felelős szervezetek, ezen belül a Rendőrség működési hatékonysága, tevékenységének a helyi közbiztonságra gyakorolt hatásmechanizmusai hogyan lehetnének jobban értékelhetők, mérhetők, ezáltal jobban tervezhetők, egyben egy helyi, megyei vagy regionális fejlesztési stratégiába integrálhatók.
A bűnözésföldrajzi kutatások a XIX. század közepéig nyúlnak vissza. Az akkori külföldi és hazai vizsgálatok egyaránt rávilágítottak arra, hogy a bűnelkövetés motivációi között a bármilyen szempontból hátrányos társadalmi helyzet a legmeghatározóbb. Az elkövetett bűncselekmények száma egyrészt összességében magasabb egy ország vagy térség szegényebb, munkalehetőséggel kisebb részben rendelkező, ezért alacsonyabb jövedelmű lakosság által lakott területein, másrészt az iparosítás, a tömeges városba áramlás miatt a társadalmi problémák sora jelentkezett a nagyvárosokban, mely a szegénység és a bűnözés koncentrálódásának összefüggésében is kimutatható.
Magyarországon az egyik első kriminálgeográfiai vizsgálat (1889) megállapította, hogy az ország legszegényebb, legkedvezőtlenebb helyzetben lévő keleti részén volt a legmagasabb a 100 ezer lakosra jutó elítéltek aránya. Később a XX. század első éveit vizsgáló kutatás hasonló eredményre jutott: a 100 ezer lakosra jutó kriminalitás a Duna jobb partján 576,3
7/194. oldal
bűneset/fő, míg a Tisza jobb partján 867 bűneset/fő volt. A kriminalitás területi kutatása a politikai tiltás miatt az 1950-es években jelentősen visszaesett, majd a 60-as években éledt újjá. A községek és városok bűnözési mutatatóit első ízben 1968-ban, járásonként összesítették. Az 1970-80-as években a témát már újabb sajátosságok alapján is vizsgálták: igyekeztek a bűnözés területi aspektusait természeti, etnikai, gazdasági, társadalmi, kulturális, szociális jellemzők alapján is kimutatni. A kriminálgeográfiai munkák a ’80-90-es években jelentek meg a legnagyobb számban. Ekkor a bűnözés tipizálása kapcsán kriminológiai körzetekről esett szó, valamint bűnözési kockázati térképek készültek. Nagy előrelépést jelentett, hogy a ’90-es évek végén a kriminálgeográfiai eredmények a településfejlesztési elképzelésekben is megjelentek, melyek elsőként a turisztikai szempontból koncentrált területekre fókuszáltak, később ez az aspektus számos területfejlesztési koncepcióban is meghatározó volt.
Napjainkban a kriminálgeográfiai elemzések a legmodernebb térinformatikai eszközök felhasználásával készítenek tematikus, a bűncselekmények helyszínének, időpontjának, típusának, elkövetési módjának, a bűnelkövetők, illetve a sértettek lakóhelyének, a potenciális célpontok térbeli ábrázolására és elemzésére is alkalmas bűnözési térképeket, melyek egyben a járőrök által ellenőrzött területek, a távolság szemléltetésére is lehetőséget adnak. Mára feltérképezhetőkké váltak azok a társadalmi-gazdasági tényezők, melyek elősegítik a magas bűnügyi kockázatú környékek beazonosítását, valamint ábrázolhatóak a bűnözés változásai. A térképezésnek különösen fontos szerepe van a rendőrség helyi specialitásoknak is megfelelő bűnmegelőzési tevékenységében. Sajnálatos módon azonban Magyarországon mindezen lehetőségek gyakorlati alkalmazása messzemenően elmarad a nyugati országokban tapasztalható felhasználástól.
A Rendőrség működésének erőforrás- vagy költségalapú megközelítésére, a működési teljesítmény üzemgazdasági szempontú értékelésére és mérésére, valamint ehhez szükséges mutatószámrendszer kidolgozására vonatkozóan több nemzetközi és hazai tanulmányt ismerünk (pl. Az üzemgazdasági szemlélet alkalmazási lehetőségei a rendőrségi vezetésben,
Corvinus Egyetem, 2005, Vállalatgazdaságtan Intézet). Bár a hatékonyság és eredményesség mérésére különböző – leginkább bűnügyi-statisztikai módszereket - alkalmaznak, ez idáig nem alakult ki az értékelések átfogó rendszere, vagy akár az ezek alapján történő erőforrás- és feladattervezés. Egy ilyen rendszer kidolgozása rendkívül komplex és a Rendőrség esetében – tekintettel annak speciális jellegére – igen nehézkes, vagy talán lehetetlen feladat. Azonban egyes, a rendőrségi teljesítményt befolyásoló input1 adatok (mutatók) elemzésével sikerülhet olyan objektív változókat azonosítani, melyek segítségével az erőforrás-tervezés és a teljesítményértékelés adott szempontú indikátorrendszere első körben szervezeti egységek (kapitányságok) szintjén kialakítható, később akár erre egy komplex erőforrás-tervezési modell alapozható.
A folyamat első lépéseként egy pilot program megvalósítását javasoljuk, amely esetünkben egy „előtanulmány” elkészítésével záruló kutatást jelent.
1 Jelen kutatásnak nem célja tehát a klasszikus értelemben vett szervezeti- és folyamatmodellezés és elemzés, de egy ilyen munka megalapozása lehet
8/194. oldal
2 Vezetői összefoglaló
Társaságunk, a Millefolium Stratégia Kft. a Belügyminisztérium Rendészeti Vezetőképző és Kutatóintézet megbízásából 2011 decembere és 2012 áprilisa között előzetes kutatásokat folytatott a rendőrség működési hatékonyságát érintő területi és szakági indikátor rendszer kifejlesztését megalapozó előtanulmány elkészítése érdekében.
Az előtanulmány készítése során azzal a hipotézissel éltünk, hogy ha a Rendőrségi működést annak egyik legkisebb olyan egységén, ahol a területi specifikumok még mérhetők, ugyanakkor a szakági és hatásköri rendszerből adódó differenciáltság is jelen van, nevezetesen a kapitányságok illetékességi területén modellezzük, egyúttal a települési adatok aggregálásával társadalmi, területi és környezeti specifikumokat is figyelembe veszünk, közelebb kerülhetünk az adekvátabb teljesítménycélok kijelöléséhez, a hatékonyabb erőforrás-tervezéshez, a vezetői döntés-előkészítés támogatásához, végső soron pedig a teljesítmények összehasonlíthatóságához.
A munka során 3152 település egyenként 95 társadalmi-környezeti-területi adatát aggregáltuk kapitánysági szintre, valamint összesen 16 bűncselekménytípus (az országosan előforduló 16 leggyakoribb bűncselekmény-típus) kapitánysági adatait és 130 kapitányság adatait használtuk (Budapestet 1 területnek véve). A 95 társadalmi-környezeti-területi adat kiválasztása a korábbi területfejlesztési programok (pl. Leghátrányosabb helyzetű kistérségek programja) keretében használt mutatókat fedi le, illetve bontja tovább. Az egyes térségek fejlettségét a korábbiakban ezen mutatók segítségével, ún. komplex mutató előállításával határozták meg, ezért is tartottuk ezeket a mutatókat relevánsnak elemzésünk szempontjából.
Az előtanulmány keretében az alábbi hat szempontot vizsgáltuk egyenként, valamint kapitányságonkénti összehasonlításban:
1. Összes bűncselekményszám alakulásának vizsgálata kapitányságonként
2. Egyes bűncselekménytípusok szerinti bűncselekményszámok alakulása az összes bűncselekményszám tükrében, kapitányságonként
3. Az egyes társadalmi-területi-környezeti mutatók és az összes bűncselekményszám közötti összefüggések, kapitányságonként
4. Az egyes társadalmi-területi-környezeti mutatók és az egyes bűncselekménytípusokon belüli bűncselekményszám közötti összefüggések, kapitányságonként
5. Az egyes kapitánysági állomány-adatok és az összes bűncselekményszám szerinti alakulás
6. Az egyes kapitánysági állomány-adatok és az egyes bűncselekménytípusokon belüli bűncselekményszám közötti összefüggések vizsgálata
A bűncselekménytípusok kapitánysági adatait a társadalomstatisztikai mutatókkal történő összevetéshez használtuk fel, mivel a bűnözés mérésére többféle forrásból, többféle módszerrel nyert adatok összehangolt rendszerével nem rendelkeztünk. Munkánk során tudatában voltunk annak, hogy a bűnügyi statisztika bár folyamatos fejlődésen ment keresztül, még mindig nem alkalmas a valós bűnügyi helyzet torzításmentes bemutatására. Mai napig nehézségekbe ütközik a latens bűnözés mérése, a szubjektív biztonságérzet
9/194. oldal
alakulásának feltárására alkalmas közvélemény-kutatások eredményeinek közös statisztikai rendszerben történő kezelése.
Az előtanulmány elkészítésének legfőbb célja az volt, hogy az egyes adatjellegek (bűncselekmények, társadalmi adatok, állomány-adatok) között a lehető legtöbb szempont szerint keressünk összefüggéseket, valamint kereszt-összefüggéseket. A társadalmi, környezeti és területi adatok esetében minden bűncselekménytípus esetén korrelációs összefüggéseket kerestünk, majd regressziós modellt alkalmazva megállapítottuk, hogy mely települési szintű adatok korrelálnak teljes bizonyossággal az egyes bűncselekményi adatokkal, valamint mely személyügyi adatok korrelálnak teljes bizonyossággal az egyes bűncselekménytípusokkal. Az egyes számítások eredményeinek összegzésekor minden esetben kapitánysági rangsort is felállítottunk.
Tekintettel arra, hogy az adatmennyiség igen széleskörű volt (összes település, összes kapitányság), az eredmények „valódiságához” nem férhet kétség, ugyanakkor számos esetben olyan összefüggéseket találtunk, melyek további, sokkal összetettebb jelenségek és összefüggések megmagyarázását igénylik (egy példa: a lopások számának mértékét egyik legerősebben mértékben befolyásoló pozitív változó a közüzemi ivóvízhálózatba bekapcsolt háztartások aránya, ami nyilvánvalóan a szegénységet leginkább leíró tényező…)
A főbb megállapítások: 1. Az egyes kapitányságok bűncselekmény-típusok szerinti eredménye között még objektív
változók használata esetén is jelentős eltérés van
2. Egyes kapitányságok az összes bűncselekményszám szerinti rangsorban elfoglalt helyükhöz
képest egyes bűncselekménytípusok esetén jelentősen eltérnek a fő helyezésüktől, az
bűncselekménytípusok szerinti eltérések átlagos mértéke alapján kialakított rangsorban
szignifikáns eltérések találhatók
3. A kiválasztott 95 társadalmi-területi-környezeti adatból egyértelműen kiválasztható az az
általában 2-3 változó, ami szignifikánsan befolyásolja az adott bűncselekmény előfordulását
4. A közrend, bűnügy és közlekedés (mint a kiválasztott 16 bűncselekménytípusra leginkább
ható szakágak) teljes létszámon belüli létszámaránya, illetve az 1000 főre futó arányuk
egyaránt meglepő eredményeket, gyakran negatív korrelációt mutatnak a bűncselekmények
számával (pl. a legkevesebb összes bűncselekmény számmal rendelkező kapitányság az
utolsó előtti, 129. legrosszabb létszámaránnyal rendelkezik, miközben a legjobb
létszámaránnyal rendelkező kapitányság csak a 93. helyezett)
5. A ráfordított erőforrások és a bűncselekménytípusok szerinti bűncselekményszámban is
megjelenő „hasznosulásuk” alapján a kapitányságok között jelentős különbség van
6. Az egyes kapitányságokat (az eltérések miatt) alaposabb, leginkább szervezeti megközelítésű
vizsgálatnak szükséges alávetni
Összegzés, a tanulmány hasznosulása, újszerűsége:
Az előtanulmány elkészítésének elsődleges célja a hatékonyság mérése belső adatok alapján és a működési környezet figyelembevételével. E vizsgálat keretében arra kaphatunk választ, hogy miért fontos, hogy a helyi környezet figyelembevételével korrigálásra kerüljenek a belső hatékonysági mutatók, egyben lehetséges-e, hogy a komplex tervezés alapján előre látható lesz, hogy pl. társadalmi, környezeti és egyéb változások következtében milyen irányban várhatók a rendőrségi hatékonysági és eredményességi mutatók változásai.
Az előtanulmányban a hatékonyság azt jelenti, hogy az inputokat úgy kell felhasználni, hogy a legtöbb outputot tudjuk előállítani. Az eredményesség viszont a célok eléréséhez
10/194. oldal
kapcsolódik (a Rendőrség tehát akkor eredményes, ha a bűnözés csökkentése és a rend fenntartása együtt jár az állampolgárok bizalmának és támogatásának megtartásával és növekedésével).
Fontos megjegyezni, hogy az előtanulmány elsősorban egy használható, a hatékonyságot előtérbe helyező modell-építési módszertant ajánl, számos tekintetben csak alapvetéseket fogalmaz meg, mélyebb vizsgálatokba nem bocsátkozik. A bevont adattartalom, de különösen az összefüggések mélyebb vizsgálata, az ok-okozati viszonyok alapos kivizsgálása további, több tudományágat bevonó erőfeszítést igényel, különösen azért, mert az egyes változók esetében 2010-es, statikus adatokat vizsgáltunk, másrész azért, mert az egyes megállapításaink (különösen az állomány-adatok és a bűncselekmények alakulásának összefüggése esetében) csupán arra mutatnak rá, hogy egyes kapitányságok esetében olyan szignifikáns eltéréseket találtunk, melyek mindenképp „meglepőek”, azonban további alapos kutatásra szorulnak.
Az előtanulmány készítése során a témában korábban több hazai kutatás közül behatóbban Szabó András, a fiatalkorúak büntetőjoga és bűnözése, a bűnözés településhálózati megoszlását és ennek társadalmi-gazdasági vetületét érintő munkásságát, Vavró István, a közbiztonsági és bűnügyi helyzet és különböző társadalmi – főként demográfiai, korspecifikus kriminalitással összefüggő - mutatók közöttii összefüggéseket vizsgáló, valamint a bűnügyi és közbiztonsági statisztikákkal kapcsolatos munkáit, Korinek László a bűnözési elméletek és a kriminológia empirikus módszereivel foglalkozó munkáit, Dános
Valér a társadalmi helyzet és kriminalitás összefüggéseit vizsgáló kutatásait, valamint Pusztai
László kriminálprognosztikai tanulmányait vizsgáltuk meg.
A bűnözés és a területi-társadalmi-környezeti mutatók összefüggéseivel kapcsolatban az összes eddigi, általunk tanulmányozott munka mélyreható választ ad számos kérdésre, továbbá ismerünk a Rendőrség szervezeti működésére, annak reformjára vonatkozó kutatásokat is (pl. Az üzemgazdasági szemlélet alkalmazási lehetőségei a rendőrségi
vezetésben, Corvinus Egyetem, 2005, Vállalatgazdaságtan Intézet, Chikán Attila vezetésével),
azonban e 3 adatjelleg összekötésére, ennek statisztikai, matematikai modellezésére, illetve a modellezés módszertanára vonatkozóan reményeink szerint egy nagyobb léptékű kutatás keretében - néhány tekintetben már jelen előtanulmány keretében is - sikerülhet újszerű megközelítést alkalmaznunk:
Ha az előtanulmányban általunk használt 3 különféle adatjelleget (bűnesetek, környezeti
mutatók, állomány-adatok) megfelelő összefüggésrendszerben használjuk, akkor
meggyőződésünk szerint kialakítható egy olyan modell, sőt akár kapitánysági szintű képlet
is, mely mind a 4 dimenziót (összes bűncselekmény, bűncselekmény-típusok, társadalmi-
területi befolyásoltság, személyi állomány létszáma és erőforrásai) megfelelő súllyal képes
kezelni (a kereszt-hatásokat is figyelembe venni), és aminek legfőbb outputja az állomány
személyi-, szervezeti és pénzügyi tervezéséhez szükséges információ. Egy ilyen képlet
előállítása egy nagyobb kutatás eredménye lehet, ugyanakkor, akár minden évben (tervezési
időszakban) az aktuális input adatokkal feltöltve, a jelenleginél sokkal jobban árnyalt és
sokkal adekvátabb kapitánysági tervezési adatokat szolgáltathat, ami végső soron a
következőt jelenti: ha ismerjük egy adott bűncselekménytípus és adott társadalmi-területi adat közötti korrelációt, valamint ismerjük a létszám- és erőforrás adat és az adott bűncselekménytípus közötti korrelációt, a területi-társadalmi adat trendszerű változása egyben input adat az adott bűncselekményt kezelő szakág, vagy szervezeti egység (stb.) létszámának és erőforrásainak tervezésekor.
11/194. oldal
Ehhez az előtanulmányban leírt, statikus módszertanhoz képest sokkal alaposabb, dinamikus és trendszerű, kapitányságonkénti elemző munkát szükséges elvégezni. Ez a munka akár 2-3 év időtartamú is lehet.
12/194. oldal
3 Az előtanulmány kutatási módszertana
3.1 Az előtanulmány kutatási kerete, összefoglaló
Az előtanulmány a kistérségek fejlesztésében szerzett tapasztalatokra alapult. A kistérség fejlesztés az elmúlt évek során jelentős átalakuláson ment keresztül. A tapasztalatok eredménye például, hogy az szakmában eddig mereven elkülönülő vidékfejlesztést és területfejlesztést helyi szinten nem lehet élesen elválasztani. A helyben érintett szereplők számára a térség, a kistérség, egységes gazdasági, szociális és természeti környezetként jelenik meg, és a mindennapi élet során nem osztják fel közigazgatási, közszolgáltatási, infrastrukturális, szociális funkciókra, ágazatokra.
A hazai térségfejlesztés fejlődését mutatja, hogy az új elképzelésekben a térség működését leginkább egy egységes szervezethez hasonlítja, amely a különböző érintett csoportok részére, igényeik kielégítésére megfelelő képességekkel, kompetenciákkal2 bír. A szervezet, akár egy személy rendelkezhet kompetenciákkal, amelyek alapján képes az azonnali és távlati feladatok kezelésére, problémák megoldására. A szervezetek stratégiai fejlesztése során egyre több esetben alkalmazzák, konkrét célok, célrendszerek megtervezése helyett a szükséges szervezeti kompetenciák meghatározását. A szervezeteket körülvevő külső tényezők jelentősen befolyásolják a szervezetek lehetőségét, így a működését és hatékonyságát is. A részletesen megfogalmazott célok és célrendszerek függenek a külső körülményektől, így nagy odafigyelést igényel az állandó karbantartásuk, aktualizálásuk, valamint a tervezés során is pontosan meg kell határozni a célokat befolyásoló külső tényezőket. A kompetencia alapú szervezetfejlesztés során azonban a szervezet által birtoklandó kompetenciák kerülnek meghatározásra, amelyek segítenek a külső környez változását is kezelni, valamint biztosítják az szervezet működési területeinek folyamatos működését.
Az előtanulmány során felállított hipotézis, miszerint egy adott térségben a térséget leíró társadalmi, gazdasági, környezeti adatok, az elkövetett bűncselekmények és az adott térség rendőrkapitányságának erőforrás adatai között kapcsolat mutatható ki a szervezetek működését elemző módszertannal kívántuk elemezni és bizonyítani. A módszertanban a térséget, valamint a térségben működő rendőrkapitányságot is önálló szervezetként vizsgáltuk. Az előtanulmányban elsősorban a három tényező közötti összefüggés létét vizsgáltuk, az összefüggést leíró mutatók (indikátorok) előállítása egy következő részletes kutatás lehetséges célja. Az indikátorok előállításával és a három terület folyamatos monitorozásával lehetőség nyílik proaktív beavatkozások indítására, mind az erőforrások tervezése, mind a térségi fejlesztések tervezése (a térségi környezet változtatása) révén.
Az előtanulmányt a fenti körülmények figyelembevételével a kompetenciára alapozott térségi fejlesztésre való felkészülés céljából terveztük meg és készítettük el. Alapul vettük a térség (esetünkben kapitányság) mint egységes szervezet feltételezést és feltételeztük, hogy a térség lakosságának túlnyomó része számára elvárt kompetenciaként jelenik meg a magas közbiztonság. A kompetencia azt jelenti, hogy a lakosság a térségben működő szervezetektől, köztük a rendőrségtől elvárja, hogy képes legyen a magas közbiztonság érzését létrehozni és fenntartani.
2 A kompetenciák a szervezetnek olyan képességei, amelyek szükségesek a meglévő külső és belső hajtóerők mellett a sikeres működéshez;
13/194. oldal
A közbiztonság, mint kompetencia két részből tevődik össze, egyrészt mérhető, objektív tényekből (hatékonyság), másrészt az érintettek által érzékelt (átvett, létrehozott) közhangulatból, vagyis a közbiztonság kompetenciának csak egy részét biztosítja a rendőrség által képviselt működési terület (célhoz kötött eredményesség)3.
A könnyebb átláthatóság kedvéért mátrixban ábrázoljuk az összefüggéseket. A mátrix oszlopai a térség elvárt kompetenciái, sorai a működés területei.
1. ábra – Kompetencia mátrix felépítése
A
B
C
D
...
1 2 3 4 5 ...
Proj
Proj
...
Proj
Proj
Proj
Proj
Proj
Proj
...
Kompetenciák
Mő
ködé
si te
rüle
tek
Küls ı és bels ı hajtóer ık
A
B
C
D
...
A
B
C
D
...
1 2 3 4 5 ...1 2 3 4 5 ...
Proj
Proj
...
Proj
Proj
...
Proj
Proj
Proj
Proj
Proj
Proj
Proj
Proj
Proj
Proj
...
Proj
Proj
...
Kompetenciák
Mő
ködé
si te
rüle
tek
Küls ı és bels ı hajtóer ık
A mátrixban további működési területként szerepelhet, például az oktatás, az egészségügy, a gazdaság, a szociális háló, a tömegközlekedés. A kompetenciák közt szerepelhet például a jövedelem megszerzésének biztosítása, a magas színvonalú oktatás biztosítása és az élhető környezet biztosítása.
2. ábra – Térségi kompetencia mátrix
Magas közbiztonság
Tények, fejlesztés lehetıségek
Tények, fejlesztés lehetıségek
...
Jövedelem megszerzésének
biztosítása
Tények, fejlesztés lehetısége
Tények, fejlesztés lehetıségek
Élhetı környezet
Tények, fejlesztés lehetıségek
Tények, fejlesztés lehetıségek
...
Magas színvonalúoktatás elérése
Kompetenciák
Mő
ködé
si te
rüle
tek
oktatás
egészségügy
rendfenntartás
közlekedés
Magas közbiztonság
Tények, fejlesztés lehetıségek
Tények, fejlesztés lehetıségek
...
Jövedelem megszerzésének
biztosítása
Tények, fejlesztés lehetısége
Tények, fejlesztés lehetıségek
Élhetı környezet
Tények, fejlesztés lehetıségek
Tények, fejlesztés lehetıségek
...
Magas színvonalúoktatás elérése
Kompetenciák
Mő
ködé
si te
rüle
tek
oktatás
egészségügy
rendfenntartás
közlekedés
A mátrixból kitűnik, hogy a közbiztonság, mint elvárt térségi kompetencia több működési területtel is kapcsolatban, kölcsönös hatásban áll. Az előtanulmány elkészítésének egyik célja ezeknek a kapcsolatoknak az elemzése volt.
3 A működési területek jelentik a kistérségi intézményrendszernek azon részeit, ahol különféle akciókat kell végrehajtani a felzárkózás érdekében.
14/194. oldal
Az előtanulmány ezzel összefüggő további célja a rendőrségi munka erőforrás felhasználásának hatékonysága és a működési környezet közötti kapcsolat elemzése, a kölcsönhatások feltárása volt. A hipotézisek között szerepelt, hogy a térségi kompetenciákat befolyásoló külső tényezők hatással vannak az adott térség rendőri erőforrásainak felhasználásának hatékonyságára.
Amennyiben a hipotéziseink igazolhatók, akkor modellezhetővé válik a térségi működési területek és kompetenciák fejlesztése kapcsán a várható közbiztonsági kompetenciaváltozás és az rendfenntartásra fordított erőforrás hatékonysága.
A térségi működési területek és kompetenciák összefüggésére vonatkozó statisztikai modell csak ágazati részterületekre állt rendelkezésre. A teljes képet vizsgáló holisztikus modellt ebben a témában nem találtunk. Az előtanulmányt pilotként kezeltük, vagyis az összefüggések feltárásában nem alkalmaztunk hipotézist, hanem ahhoz a térségek működési területeit leíró, összes rendelkezésünkre álló adatot felhasználtuk. Az eredeti koncepció alapján az LHH (Leghátrányosabb Helyzetű Kistérségek fejlesztési programja) programból származó kistérségi adatokkal dolgoztunk volna, azonban a kistérségek és a rendőrkapitányságok területe nem fedik egymást, és település szintű adatok hiányában nem tudtuk korrigálni a kistérségi adatokat. Így a KSH-tól megvásárolt település szintű adatokból „építettük fel” a rendőrkapitányságok térségét.
Az első lépésben a működési területek adatait a bűnözés tényadatait vetettük össze, az összes rendőrkapitányság térségében. Bár hasonló kutatás már többször készült, főleg a társadalmi, szociális és képzettségre vonatkozó adatokkal, az elptenulmányban 95 db adattípust vetettünk össze a bűnözési statisztikákkal. A már ismert szociális és társadalmi összefüggések mellett több más működési területtel kapcsolatos összefüggést is sikerült feltárni.
Az előtanulmányben a területi adatok megválasztását a minél több működési terület lefedése indokolta, mivel nem akartunk előzetes hipotézissel élni a kompetenciák és működési területek kapcsolatát illetően.
A második lépésben kerestük a kapcsolatot a rendfenntartás, mint működési terület és a mátrix többi eleme (működési területek és kompetenciák) között. A kapcsolatok feltárásához hasonlóan a 95 adattípust, a bűnözéséi adatokat és a rendőrségi erőforrás (létszám) adatokat használtuk.
A statisztikai elemzés bizonyította, hogy a térségi kompetenciák és működési területek rendszerében összefüggés van a térségi rendőrség (rendőrkapitányság) erőforrás felhasználásának hatékonysága és a környezetet (társadalmi, gazdasági) leíró adatok között. Azonban a pontos kapcsolat meghatározásához, a hatásmechanizmusok feltárásához részletes elemzése, valamint a teljes térségi kompetencia mátrix feltöltésére lenne szükség.
A társági kompetencia mátrix modellje alkalmas az egyes működési területek (így a rendfenntartás is) hatékonyságának elemzésére, a holisztikus környezeti összefüggések vizsgálata mellett.
A kialakított kompetencia modellt illesztettük a térségi szervezetek teljesítmény modelljéhez. A szervezeti teljesítményt az egymásra ható tényezők komplex rendszere határozza meg. Ennek egyik közismert modellje a Burk-Litwin szervezeti teljesítmény modell.
15/194. oldal
3. ábra – A szervezeti teljesítmény modellje
Küls ıkörnyezet
Érintettek EgyüttmőködıszervezetekHelyi közösségek BeszállítókMunkaerı piacokSzabályozásLokáli gazdasági és jövedelmi helyzetLokáli kulturális, szociális és társadalmi helyzetLokális infrastrukturális és helyzet
Küldetés, jövıkép
Hosszútávújövıkép és küldetés
Szervezeti stratégiák
Hosszútávú és középtávúszervezeti célokKülsı és belsıhajtóerık és elvárásokSzervezetfej-lesztési stratégia
Szervezeti struktúra
Formális struktúraFeladatok és felelısségek
VezetésCélok kitőzése, kommunikálásaMobilizálásElkötelezettség
Szervezeti kultúra
Értékek, szimbólumok, morál…
Vezetıi gyakorlat, folyamatok
Mőködés tervezéseDöntés, delegálásEllenırzésInformációmenedzsmentVezetési infrastruktúraMonitoringVisszacsatolás lehetısége
EmberekEgyéni képességekKépesség összetételCsapatok
Technológia, módszertan
Mőködés módszertana TtechnológiákInnováció
FolyamatokSzakmai folyamatok (bőnüldözés, stb.)Ügyfélkezelés
Küls ıÉrintettek elégedettségeÉrintettek együttmőködésePanaszok számaImageStb.
BelsıSzervezeti alap kompetenciákMunkahelyi légkörHatékonyságMunkaerımotiválásaVáltozási képességSzervezeti teljesítményEgyéni teljesítményInnovációk számaKöltségekstb.
STRATÉGIAI TÉNYEZİK OPERATÍV TÉNYEZİK Szervezeti teljesítmény
Visszacsatolás
Küls ıkörnyezet
Érintettek EgyüttmőködıszervezetekHelyi közösségek BeszállítókMunkaerı piacokSzabályozásLokáli gazdasági és jövedelmi helyzetLokáli kulturális, szociális és társadalmi helyzetLokális infrastrukturális és helyzet
Küldetés, jövıkép
Hosszútávújövıkép és küldetés
Szervezeti stratégiák
Hosszútávú és középtávúszervezeti célokKülsı és belsıhajtóerık és elvárásokSzervezetfej-lesztési stratégia
Szervezeti struktúra
Formális struktúraFeladatok és felelısségek
VezetésCélok kitőzése, kommunikálásaMobilizálásElkötelezettség
Szervezeti kultúra
Értékek, szimbólumok, morál…
Vezetıi gyakorlat, folyamatok
Mőködés tervezéseDöntés, delegálásEllenırzésInformációmenedzsmentVezetési infrastruktúraMonitoringVisszacsatolás lehetısége
EmberekEgyéni képességekKépesség összetételCsapatok
Technológia, módszertan
Mőködés módszertana TtechnológiákInnováció
FolyamatokSzakmai folyamatok (bőnüldözés, stb.)Ügyfélkezelés
Küls ıÉrintettek elégedettségeÉrintettek együttmőködésePanaszok számaImageStb.
BelsıSzervezeti alap kompetenciákMunkahelyi légkörHatékonyságMunkaerımotiválásaVáltozási képességSzervezeti teljesítményEgyéni teljesítményInnovációk számaKöltségekstb.
STRATÉGIAI TÉNYEZİK OPERATÍV TÉNYEZİK Szervezeti teljesítmény
Visszacsatolás A modell lényege, hogy a szervezeti teljesítmény a környezettől nem független, azt jelentősen befolyásolja mind a stratégiai, mind operatív szinten. A modell alkalmas arra, hogy kompetencia mátrix-szal együtt elemezzük a térségben működő szervezeteinek, mint a térség működési területeit üzemeltetőinek kapcsolatát a térségi kompetenciák létrehozásában.
A Burk-Litwin modell megfelelő kiegészítésekkel a rendőrkapitányságok esetében is alkalmazható. A külső környezet, ami egyrészt a többi működési terület, másrészt a már működő térségi kompetenciák közreműködik a térségi rendőrkapitányság stratégiai tényezőinek kialakításában és az operatív működés megtervezésében, az erőforrás felhasználásban.
Az előtenulmány során a pilot eredményeire építve kívánjuk vizsgálni egyrészt a kompetencia mátrix belső összefüggéseit, elsődlegesen a rendvédelem, mint működési területtel kapcsolatban. Másrészt térségi rendőrkapitányságok teljesítménymodellje és a kompetencia mátrix összefüggései alapján később olyan modellt kívánunk kialakítani, amely a külső tényezőket is beépíti, figyelembe veszi a rendőrkapitányságok teljesítmény vizsgálatában.
3.2 Az előtanulmány fókusza
A munka előzetes tervezési szakaszában 47 hátrányos helyzetű kistérség, illetve 78 nem hátrányos helyzetű kistérség területi-társadalmi adatainak elemzését és a közbiztonsági helyzetre gyakorolt hatásának vizsgálatát tűztük ki célul. Tekintettel azonban arra, hogy egyrészt a kistérségi illetékességi terület és a kapitánysági illetékességi terület egymástól eltér, valamint arra, hogy nem állnak rendelkezésre kapitánysági illetékességi területi szintű társadalmi adatok, a településszintű adatokból indultunk ki, majd a településekből a kapitányságokat „felépítve” jutottunk kapitánysági szintű adatokhoz. Ezeket aztán 1000 főre arányosítottuk, tekintettel a kapitánysági illetékességi területek eltérő népességszámára.
16/194. oldal
Szintén akadályba ütköztünk akkor, amikor az eredetileg tervezett hátrányos helyzetű és nem hátrányos helyzetű térségek összevetését tűztük ki célul, mivel önmagában nem a közbiztonsági helyzet hátrányos vagy nem hátrányos helyzet általi determináltságát akartuk vizsgálni, hanem a társadalmi-területi mutatók, az egyes bűncselekménytípusok előfordulása és a rendőrségi erőforrások közötti kapcsolatot keresni, valamint az egyes kapitánysági eredményeket összehasonlíthatóvá tenni.
Az előtanulmány ezért végül az összes (3152) település, 130 rendőrkapitányság (Budapest összesítve), 16 bűncselekménytípus és 130 db kapitánysági személyügyi kimutatás alapján készült, az alábbi fókuszokat figyelembe véve:
Összes bűncselekményszám alakulásának vizsgálata kapitányságonként
1. Egyes bűncselekménytípusok szerinti bűncselekményszámok alakulása az összes bűncselekményszám tükrében, kapitányságonként
2. Az egyes társadalmi-területi-környezeti mutatók és az összes bűncselekményszám közötti összefüggések, kapitányságonként
3. Az egyes társadalmi-területi-környezeti mutatók és az egyes bűncselekménytípusokon belüli bűncselekményszám közötti összefüggések, kapitányságonként
4. Az egyes kapitánysági állomány-adatok és az összes bűncselekményszám szerinti alakulás
5. Az egyes kapitánysági állomány-adatok és az egyes bűncselekménytípusokon belüli bűncselekményszám közötti összefüggések vizsgálata
3.3 Hipotézisek
Hipotézis-1:
Egyes területi karakterisztikák és egyes közbiztonsági helyzetre vonatkozó adatok között eltérő mértékű összefüggés számszerűsíthető.
Hipotézis-2:
Azonosítható néhány olyan területi mutató, amelyből a közbiztonsági helyzetet befolyásoló vonatkozó aggregált mutatószám alakítható ki.
Hipotézis-3:
Az egyes területi adatok eltérő súllyal befolyásolják a közbiztonsági helyzetet.
Hipotézis-4:
Az egyes területi adatok eltérő súllyal hatnak a különböző bűncselekménytípusokra, országosan azonban kiválaszthatók a legnagyobb arányban egymással korreláló változók.
Hipotézis-5:
A különböző szakágakban tevékenykedő, abszolút értékben és lakosságszámra arányosított rendőri létszámok kapitányságonkénti értéke és az egyes bűncselekmény-típusok között, területi jellemzők között összefüggés van
17/194. oldal
3.4 Az előtanulmány módszertana
3.4.1 Dokumentumelemzés
A dokumentumelemzés segítségével a nemzetközi és uniós trendek, kihívások és az azokra adott közösségi és tagállami válaszok kerülnek feldolgozásra. A dokumentumelemzés célja a kérdéssel foglalkozó (nem túl számos) tanulmány áttekintése és elemzése4. A területi megközelítés fontosságáról, illetve a területi és tematikus megközelítés viszonyrendszeréről jelentősebb gyakorlati tapasztalat jelent meg az elmúlt években, például a hátrányos helyzetű kistérségeket célzó programok során.
3.4.2 Kapitányságok szerinti adatok előállítása
A munka első fázisában a vizsgált 3 dimenzió (bűnügyi adatok, területi-társadalmi statisztikák és személyi létszámok) adatainak begyűjtésére és előállítására került sor.
3.4.2.1 Bűnügyi adatok
Összesen 16 bűncselekménytípus került kiválasztásra és a kapitányságonként adatbázisba rendezése. A bűncselekménytípusokat kapitányságonként 1000 főre vetítettük. Minden adat a 2010-es évre vonatkozik. A kiválasztott bűncselekmény típusok:
1. Testi sértés - könnyű
2. Testi sértés - súlyos
3. Közúti baleset okozása
4. Közúti jármű ittas vezetése
5. Tartás elmulasztása
6. Garázdaság
7. Közokirat-hamisítás
8. Magánokirat-hamisítás
9. Visszaélés okirattal
10. Lopás
11. Betöréses lopás
12. Sikkasztás
13. Csalás
14. Rablás
15. Rongálás
16. Jármű önkényes elvétele
A közbiztonság megítélésének kiemelkedő jelentőségű eleme a bűnügyi helyzet alakulása. Mindemellett azonban figyelembe kell vennünk azt a körülményt, hogy a közbiztonság és a bűnügyi helyzet nem azonos fogalmi kategóriák. A közösség rendezett állapotait sértő vagy veszélyeztető normaszegések köre ugyanis lényegesen tágabb, mint az ismertté vált
4 A témával behatóbban foglalkozó ismert elemzések (példa jelleggel): National Institute of Justice elemzései, Alternative Measures of Police Performance, az osztrák belügyminisztériumi reform, az angol modell, a Corvinus Egyetem 2005-ben készült kutatási záró tanulmányai (üzemgazdasági szemlélet a rendőrségnél), stb.
18/194. oldal
bűncselekmények összessége. Amennyiben arra törekszünk, hogy a közbiztonság elemzését az egyén, illetve a lakosság biztonságérzetére, illetve biztonsági igényeire tekintettel értékeljük, még inkább figyelembe kell venni a biztonság soktényezős jellegét. Igazolt tapasztalat ugyanis, hogy a társadalom biztonságérzetét nem csupán a bűnözés alakulása, az egyes bűncselekmények előfordulásának gyakorisága, a köznyugalmat sértő szabálysértések száma és jellege, a közlekedési viszonyok rendezettsége, hanem a közmorál állapota, a kábítószer fogyasztás és az alkoholizmus elterjedtsége, a nyílt utcai prostitúció irritáló megjelenési formái, sőt a közterületek rendezettsége, avagy rendezetlensége is befolyásolja.
A lakosság szubjektív biztonságérzetére leginkább ható körülmény bizonyos bűncselekmények megjelenésének intenzitása. Az ismertté vált bűncselekményeket részletesebben vizsgálva megállapítható, hogy a Büntető Törvénykönyv különös részében szereplő több mint kétszáz törvényi tényállásból az elmúlt tíz év során 25 tényállás tette ki az ismertté vált bűncselekmények több mint 90%-át.
1. Táblázat – Leggyakrabban előforduló bűncselekmények
1999 2004 2008
Összes bőncselekmény 505716 Összes bőncselekmény 418883 Összes bőncselekmény 408407
Lopás 172963 Lopás 138519 Lopás 127125
Betöréses lopás 81184 Betöréses lopás 44679 Betöréses lopás 43002
Csalás 52269 Csalás 26367 Sze. v. szerz.joghoz k. j. m.. 33521
Visszaélés okirattal 22114 Visszaélés okirattal 22498 Csalás 30194
Rongálás 17895 Sze. v. szerz.joghoz k. j. m.. 19046 Visszaélés okirattal 24432
Magánokirat-hamisítás 17636 Magánokirat-hamisítás 18667 Rongálás 16276
Sze. v. szerz.joghoz k. j. m.. 13623 Rongálás 17454 Magánokirat-hamisítás 15401
Közokirat-hamisítás 13555 Közokirat-hamisítás 14136 Közúti jármő ittas vezetése 11523
Közúti jármő ittas vezetése 12623 Közúti jármő ittas vezetése 13758 Garázdaság 10786
Bankkártya-hamisítás 9396 Garázdaság 10757 Közokirat-hamisítás 8812
Testi sértés – súlyos 8035 Testi sértés - súlyos 8158 Testi sértés - súlyos 7888
Garázdaság 7706 Visszaélés kábítószerrel 6675 Visszaélés kábítószerrel 5458
Embercsempészés 6499 Tiltott pornográf felv. visszaél. 5832 Testi sértés - könnyő 5160
Sikkasztás 6497 Testi sértés - könnyő 4671 Készpénz-hely. fiz. eszk. viél. 4955
Közúti baleset okozása 4205 Sikkasztás 4651 Egyedi azonosító jel megham. 3890
Jármő önkényes elvétele 4169 Egyedi azonosító jel megham. 4559 Közúti baleset okozása 3718
Orgazdaság 3736 Közúti baleset okozása 4507 Sikkasztás 3534
Rablás 3167 Rablás 3227 Rablás 3128
Testi sértés - könnyő 3014 Adó-, társadalombiztosítási csalás 3113 Számvitel rendjének megsértése 3124
Visszaélés kábítószerrel 2860 Jármő önkényes elvétele 3073 Zaklatás 2896
Pénzhamisítás 2833 Tartás elmulasztása 2771 Tartás elmulasztása 2586
Egyedi azonosító jel megham. 2816 Készpénz-hely. fiz. eszk. viél. 2500 Sze. v. sze. jogok véd. bizt. mősz. int. kiját.
2545
Jogosulatlan adatkezelés 2487 Kiskorú veszélyeztetése 1973 Jármő önkényes elvétele 2110
Csempészet 1854 Orgazdaság 1801 Adócsalás 1951
Tartás elmulasztása 1831 Csıdbőntett 1791 Kiskorú veszélyeztetése 1863
Felsorolt bőncselekmények össz.: 474967 Felsorolt bőncselekmények össz.: 385183 Felsorolt bőncselekmények össz.: 375878
Többi bőncselekmények össz.: 30749 Többi bőncselekmények össz.: 33700 Többi bőncselekmények össz.: 32529
A felsorolt bőncselekmények aránya az összeshez: 93,9
A felsorolt bőncselekmények aránya az összeshez: 92,0
A felsorolt bőncselekmények aránya az összeshez: 92,0
Ezek közül a legnagyobb számban elkövetett jogsértések között szerepelt:
• a személy elleni bűncselekmények közül, a súlyos és könnyű testi sértés,
• a közlekedési bűncselekmények közül, a közúti baleset okozása és a közúti jármű ittas vezetése,
19/194. oldal
• a házasság, család, ifjúság és a nemi erkölcs elleni deliktumok esetében, a tartás elmulasztása,
• a közrend elleni jogsértések közül, a garázdaság, valamint az okirati bűncselekmények (magán- és közokirat-hamisítás, visszaélés okirattal),
• a vagyon elleni deliktumok esetében a lopás, betöréses lopás, sikkasztás, csalás, rablás, rongálás és a jármű önkényes elvétele.
3.4.2.2 Társadalmi-területi adatok
Összesen 95 ilyen, az előzetes hipotéziseink alapján, valamint korábbi, az egyes területeket szociális, társadalmi, gazdasági, egészségügyi (stb.) helyzet alapján besoroló területfejlesztési kutatások, programok keretében használt adat került kiválasztásra és településenként előállításra (KSH-szerződés keretében). A települési szintű területi-társadalmi adatokból úgy állítottunk elő kapitánysági adatokat, hogy az adatokat 1000 főre vetítettük, majd a településekből „felépítettük” a kapitánysági adatokat.
2. Táblázat – Társadalmi-területi adatok
Kód Adat megnevezése
a1_fo A helyi önkormányzatok saját folyó bevételei
a2_fo A helyi önkormányzatok helyi adó bevételei
a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó
a4_fo Lakásállomány
a5_fo Közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma
a6_fo A közüzemi szennyvízgyűjtő-hálózatba (közcsatornahálózatba) bekapcsolt lakások száma
a7_fo Háztartási villamosenergia fogyasztók száma
a8_fo Háztartási gázfogyasztók száma
a9_fo Távfűtésbe bekapcsolt lakások száma
a10_fo Összes zöldterület
a11_fo Szociális étkeztetésben részesülők száma
a12_fo Házi segítségnyújtásban részesülők száma
a13_fo Családsegítő szolgálatok száma
a14_fo A családsegítő szolgáltatást igénybe vevők száma
a15_fo Jelzőrendszeres házi segítségnyújtásban részesülők száma
a16_fo A települési könyvtárak száma
a18_fo Regisztrált vállalkozások száma - GFO02 (átalakulásra kötelezett és megszűnő gazdálkodási formákkal együtt)
a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint
a21_fo Magyarországon első alkalommal forgalomba helyezett személygépkocsik száma
a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma
a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma
a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma
a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma
a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma
a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma
a30_fo Szellemi foglalkozású nyilvántartott álláskeresők száma
a31_fo Nyilvántartott pályakezdő álláskeresők száma
20/194. oldal
Kód Adat megnevezése
a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen
a48_fo Nyilvántartott álláskeresők száma összesen
a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen
a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
a55_fo Vendégek száma összesen a kereskedelmi szálláshelyeken
a56_fo Vendégéjszakák száma a kereskedelmi szálláshelyeken
a57_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma
a58_fo A kereskedelmi szálláshelyek egységeinek száma
a59_fo Egyéb (2009-ig magán) szálláshelyek férőhelyeinek száma összesen
a60_fo Egyéb (2009-ig magán) szálláshelyek vendégeinek száma
a61_fo Egyéb (2009-ig magán) szálláshelyek vendégéjszakáinak száma
a72_fo Élveszületések száma (fő)
a73_fo Halálozások száma (fő)
a74_fo Csecsemőhalálozás (1 éven alul meghaltak száma) (fő)
a75_fo Terhességmegszakítások száma (fő)
a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft)
a77_fo A helyi önkormányzatok helyi adó bevételeiből az idegenforgalmi adó (1000 Ft)
a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft)
a79_fo Működő háziorvosok száma 12.31-én (fő)
a80_fo Működő házi gyermekorvosok száma 12.31-én (fő)
a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db)
a82_fo Kábeltelevízió előfizetőinek száma (db)
a83_fo A település területe (hektár)
a94_fo Lakáscélú helyi támogatásban részesültek száma (fő)
a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő)
a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
a97_fo Vendéglátóhelyek száma (db)
a98_fo Italüzletek és zenés szórakozóhelyek száma (db)
a99_fo Vendégek száma összesen a kereskedelmi szálláshelyeken (fő)
a100_fo A kereskedelmi szálláshelyek egységeinek száma (db)
a101_fo Vendégéjszakák száma a kereskedelmi szálláshelyeken (vendégéjszaka)
a102_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma (db)
a103_fo Vendégek száma a fizetővendéglátásban (fő)
a104_fo Vendégéjszakák száma a fizetővendéglátásban (vendégéjszaka)
a105_fo Fizetővendéglátás vendéglátóinak száma (fő)
a106_fo Fizetővendéglátás szállásférőhelyeinek száma (db)
a107_fo Egyéb (2009-ig magán) szállásadás vendéglátóinak száma összesen (db)
a108_fo Egyéb (2009-ig magán) szállásadás férőhelyeinek száma összesen (db)
a109_fo Vendégek száma az egyéb (2009-ig magán) szállásadásban (fő)
a110_fo Vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban (vendégéjszaka)
a111_fo Kiskereskedelmi üzletek száma (db)
a112_fo Élelmiszer vegyesüzletek és áruházak száma (db)
a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi
a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi
a49_fo Nyilvántartott álláskeresők száma, férfi
a52_fo 180 napon túli nyilvántartott álláskeresők száma, férfi
a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő
a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő
a50_fo Nyilvántartott álláskeresők száma, nő
a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő
a84_fo Vasútállomás aránya
a85_fo Helyközi autóbusz-megálló aránya
a86_fo Postahivatal /fiókposta, postamesterség, ügynökség, kirendeltség/ aránya
21/194. oldal
Kód Adat megnevezése
a87_fo Óvoda aránya
a88_fo Általános iskola aránya
a89_fo Középiskola aránya
a90_fo Bölcsőde aránya
a91_fo Családi napközi aránya
a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya
a93_fo Bankfiók aránya)
a17_fo Szakiskolai és speciális szakiskolai feladatellátási hely aránya
lhh_fo lhh települések aránya
fiatal_ar 0-17 évesek aránya
aktiv_ar 18-59 évesek aránya
idos_ar 60+ évesek aránya
A 95 adatból mintegy 55 a Leghátrányosabb helyzetű kistérségek programja keretében használt adat, amit azért is gondolunk adekvátnak, mert ezen 55 adat alapján kerültek besorolásra (ún. komplex mutatókon keresztül) az egyes kistérségek, fejlettségük szerint. A leghátrányosabb helyzetű térségek adottságai és a bűnügyi fertőzöttség (legalábbis ami a bűnelkövetők számát illeti) között összefüggés található, ezért az LHH programban használt 55 mutató frissítését és használatát feltétlenül indokoltnak gondoltuk (Janza-Kenedli, 2009):
4. ábra – Az LHH program kedvezményezett kistérségei
22/194. oldal
5. ábra – A 10 000 lakosra jutó bűnelkövezők száma a kistérségek területén 2008. évben
ORFK Bőnügyi Elemzı- Értékelı Osztály
Forrás: ENYÜBS
Kistérségek átlaga Budapest nélkül = 121Országos átlag = 120Budapest = 95
A 10 000 lakosra jutó bőnelkövetık számaa kistérségek területén 2008. évben
56 - 105
106 - 147
148 - 239
Az említett tanulmányból kiemelt ábrákon is jól látható, hogy az egyenlőtlenség és a munkanélküliség által legjobban sújtott, illetve a jövedelmek és az infrastruktúra közötti jelentős különbségek miatt egyre inkább leszakadó területek lakosai bűnelkövetők vonatkozásában is a legleterheltebbek. Lakóhelyüket tekintve Közép- és Kelet-Magyarországon él a legtöbb ismertté vált bűnöző: Bács-Kiskun, Borsod-Abaúj-Zemplén, Hajdú-Bihar, Nógrád és Szabolcs-Szatmár-Bereg megyékben a legnagyobb a 10 000 lakosra jutó bűnelkövetők aránya.
A további - általunk választott - 40 mutató szintén az egyes kapitányságok illetékességi területének „fejlettségére” mutat rá, nagy része az 55 mutató további részletezése, kiterjesztése, alábontása.
3.4.2.3 Személyi adatok
130 kapitányság (Budapest egyben) szakágankénti állomány-létszám adatainak felhasználása történt meg (Budapestet egy körzetnek tekintve). Az adatokból 2 mutatót állítottunk elő:
- közrend, bűnügy és közlekedési állomány/teljes állomány kapitányságonként: ezzel az adattal csupán azt vizsgáltuk, hogy az egyes kapitányságok teljes létszámán belül milyen az aránya annak az állománynak, amely a 16 bűncselekménytípus kezelésével (bűnügy), illetve megelőzésével (közrend, közlekedés) közvetlenül érintett lehet
- közrend, bűnügy, közlekedés állománylétszám 1000 főre vetített aránya kapitányságonként: ez a szám azt mutatja, hogy ebből a 3 szakágból kapitányságonként hány rendőr jut 1000 főre
3. Táblázat – Személyi adatok
Személyi adatok
Bűnügy
Közrend
Közlekedés
23/194. oldal
Igazgatás rendészet
Személy és Obj.Véd.
Határ és Idegenrendészet
Bevetési Szolgálat
Terrorelhárítás
Tűzszerész
Repülőtéri rendőri
Ügyeleti és védelmi igazgatás
Állami futárszolgálat
Ellenőrzés
Gazdaság
Hivatal
Humán
3.4.3 Elemzési módszer
3.4.3.1 Kapitányságok összehasonlítása összes bűncselekmény szám és bűncselekmény-
típusok szerint
Az elemzés során három féle vizsgálatra került sor:
a.) Bűncselekmény szám szerinti rangsor felállítása
b.) A kapitányságok 1000 főre vetített bűncselekményszámok alapján történő bűncselekmény-típusok szerint differenciált sorrendjének megállapítása, minden bűncselekmény-típus esetében a helyezések megállapítása
c.) Az egyes kapitányságok rangsora a szerint, hogy az összes bűncselekményszám szerinti helyezésükhöz képest mely bűncselekmény-típusok esetében térnek el leginkább
3.4.3.2 Az egyes társadalmi-területi adatok egyes bűncselekménytípusok előfordulására
gyakorolt hatásának elemzése
Az elemzés során 3 féle vizsgálatra került sor, az összes bűncselekmény szám, valamint minden egyes bűncselekmény-típus esetében:
a.) Korreláció vizsgálat és regressziós analízis: az 95 társadalmi-területi adatból az összes bűncselekmény számra vonatkozóan megvizsgáltuk, mely tényezők korrelálnak a bűncselekmények számával. Ezeket a változókat felhasználva készítettük el a legjobb magyarázó erővel bíró regressziós modellt, ami azokat a tényezőket tartalmazta (általában 2-3), melyek legalább 95 %-os összefüggést mutattak az adott bűncselekmény típussal.
b.) A 2-3 tényező alapján a regressziós modell felállítása
c.) Az egyes bűncselekmény típusokra közvetlen hatással bíró változók regressziós egyenesének előállítása
3.4.3.3 Személyi adatok elemzése
Az elemzés során 4 féle vizsgálatra került sor, minden egyes bűncselekmény-típus esetében:
a.) Két mutató előállítása:
o I. erőforrás mutató: közrend, bűnügy és közlekedési állomány/teljes állomány kapitányságonként: ezzel az adattal csupán azt vizsgáltuk, hogy az
24/194. oldal
egyes kapitányságok teljes létszámán belül nagyjából milyen az aránya annak az állománynak, amely a 16 bűncselekménytípus kezelésével (bűnügy), illetve megelőzésével (közrend, közlekedés) közvetlenül érintett lehet
o II. erőforrás mutató: közrend, bűnügy, közlekedés állománylétszám 1000 főre vetített aránya kapitányságonként: ez a szám azt mutatja, hogy ebből a 3 szakágból kapitányságonként hány rendőr jut 1000 főre
b.) A két mutató (a. pont) szerinti kapitánysági rangsor felállítása
c.) Erőforrás-mutatók összevetése – erőforrás-mutató I. és II. rangsorszámai alapján, valamint az összbűncselekmények alapján kialakult rangsorszámok (ez az összehasonlítás mutatja meg leginkább, hogy a 3 szakág személyi állományának száma és a bűncselekményszám között kapitányságonként milyen összefüggés van)
d.) Erőforrás-korreláció vizsgálata: a kétféle erőforrás-mutató korrelációja az egyes bűncselekmény-típusokkal
25/194. oldal
4 Nemzetközi kitekintés
A szakirodalom a környezeti tényezők és a bűnelkövetés helyzetét több esetben is vizsgálja. A kutatások nagy csoportja a szociológiai jellemző kapcsolatát elemzi, míg egy másik csoport a bűnesetek földrajzi elhelyezkedését vizsgálja. Kanadában Peter Kitchen 2003-ban végzett egy kutatást, amely a kistérségek szociális, gazdasági és épített környezetének kapcsolatát vizsgálata a bűnesetekkel, statisztikai módszerek alkalmazásával. A kutatás kapcsán összefoglalta az addigi eredményeket.
4.1 Szociológiai jellemzők vizsgálata
A kutatások alapján megállapítható, hogy bizonyos szociológiai jellemzők korrelációban vannak egyes bűncselekmények valószínűségének növekedésével. Sacco és Kennedy (2002, 39.o.) rámutat, hogy a legtöbb elkövető fiatal, hátrányos helyzetű férfi. Például Kanadában a felnőtt elkövetők 86%-a, a fiatalkorúak (12-17 év között) 75%-a volt 1999-ben férfi. A társadalmi-gazdasági hátrányok erősen összefüggenek a bűnözéssel, főleg a bántalmazás, rablás, emberölés esetén. Az elkövetők adatainak elemzése megmutatja, hogy nagy számban munkanélküliek vagy alacsonyan fizetett, képzettséget nem igénylő munkakörökben foglalkoztatottak. (Short 1997, 26.o és Sacco és Kennedy 2002, 40.o.) .
Az áldozatok is hasonlóképp szociológiai csoportokba sorolhatók a kanadai általános szociológiai felmérés (GSS - Általános Szociológiai Felmérés, Kanada, 1999) szerint az áldozatok 15 és 24 év között magas arányban szenvedtek el erőszakos és vagyon elleni bűncselekményeket. Megmutatta, hogy az áldozatok jellemzően városi környezetben és alacsony jövedelmű (30.000 CAD alatti) családokban élnek.
Mata (2003) 24 nagyvárosban végzett felmérése szerint az áldozatok jellemzően kisebbségiek, nők és egyedülálló szülők. Bizonyos bűncselekmények esetén viszont az áldozatok inkább magas jövedelmű családban élnek: autólopás, betörés, rongálás (Sacco and Kennedy, 48.o.).
4.2 Földrajzi jellemzők vizsgálata
Herbert (1989, 1.o.) szerint a földrajzi bűnelemzés már a XIX. században is gyakorlat volt Európa és Észak Amerika városainak és kormányainak vezetőinél. A Chicago-i kriminológiai iskola (vezető személyiségei: Robert Park és Ernest Burgess) ökológiai elméletet fejlesztettek ki, amelynek alapelve, hogy a bűnözés mindig földrajzilag egyenlőtlenül oszlik el és összefüggésben van a lakossággal, lakossági csoportokkal és a környezettel.
Schmalleger and Wolff (2000, 201.o.) szerint az ökológiai elmélet hangsúlyozza a csoportok társadalmi-gazdasági jellemzőit és úgy tekinti, hogy „a bűnnel fertőzött területeken a társadalmi szétesés a bűnözés és az áldozattá válás fő oka”. Park és Burgess (Chicago-t vizsgálva) a városmag körüli „átmeneti zónákat” találta a bűncselekményekben leginkább érintettnek (Winterdyk 2000, 216.o.) Ezeknek a területeknek jellemzői a nagy népsűrűség, az alacsony társadalmi-gazdasági státusz, az etnikai és társadalmi kisebbségek magas aránya, nagyarányú ki- és beköltözések (Wilcox, Land, Hunt 2003, p.28). Clifford Shaw és Henry McKay (1942) arra következtettek, hogy a bűnözés kialakulásában nem a lakók személyes tulajdonságai voltak döntők, hanem a strukturális szegénység, vegyes összetétel, és magas mobilitás vezettek a társadalom szétesésére.
26/194. oldal
Short (1997, pp.50-51) szerint az USA-ban végzett kutatások azt találták, hogy különféle tényezők elsősorban a szegénységgel kombinálódva hoznak létre magas arányt az erőszakos bűncselekményekben.
Az „új Chicago-i Iskola” az 1990-es évek közepén a számítástechnikát felhasználva újraéledt a fenti elmélet a GIS (Földrajzi Információ Elemzés) felhasználásával. (Ainsworth 2001, p. 85). Rodney Stark amerikai kriminológus 1997-ben azt vizsgálta, miért marad bizonyos területeken magas a bűnözési arány akkor is, ha teljesen kicserélődik bennük a lakosság. Az általa azonosított tényezők:
− magas népsűrűség,
− szegénység,
− kevert övezet (lakó- és gazdasági célú épületek vegyesen állnak),
− hanyatlás és pusztulás, leromlás.
Időközben létrejött a földrajzi, ökológiai környezeti jellemzők vizsgálatának kritikája is. Schmalleger és Volk (2001, p. 204) szerint a társadalmi intézmények és a társadalmi szétesés szerepére összpontosítva a bűnözésben, az ökológiai elmélet nem megfelelően veszi számításba az „egyéni pszichét, a biológiai jellegzetességéket, vagy az egyéni döntéseket az elkövetésben”.
Másik kritika, hogy bizonyos bűncselekmények nem kötődnek földrajzi területekhez: droghasználat, erőszak és vagyon elleni bűncselekmények gyakran előfordulnak gazdag városrészekben is (Schmalleger and Volk 2001, p. 205). Továbbá, Felson (2002, pp.62-63) kimutatja, hogy a betörések magasabb számban fordulnak elő a ritkán lakott területeken, ahol a lakások elhelyezkedése könnyebb elkövetést tesz lehetővé.
Egy tanulmányban a Kanadai Bűnügyi Statisztikai Központ számára Fitzgerald, Wisener and Savoie (2004) Winnipeg város területi statisztikáit és bűncselekmény-eloszlását vizsgálták. Felhasználták a rendőrségi adatokat a 2001-es egységes bűncselekmény jelentésből, valamint a 2001-es népszámlálás és Winnipeg város földhasználati adatait. Úgy találták, hogy 2001-ben a bűnözés a városközpontban koncentrálódott, valamint hogy a magas és alacsony bűnözéssel jellemezhető városrészek között jelentős eltérések voltak. A magas bűncselekmény számmal jellemezhető területek alacsony gazdasági-társadalmi státusszal, instabil lakossággal, magas népsűrűséggel és bizonyos földhasználati jellemzőkkel bírtak, melyek növelhették a bűncselekmény elkövetésének lehetőségét.
Ley and Smith (2000) vizsgálta a társadalmi kirekesztettség és a bűnözés közötti összefüggést Vancouver-ben és Toronto-ban. Toronto 207 körzetének bűnözési alapadatait vizsgálták, melyeket térképre helyezve a magas bűncselekménnyel jellemezhető területeket egyezőnek találták a szegénységgel sújtott területekkel. Vancouver-ben azonos eredményt kaptak.
Massimo, Haining and Signoretta (2001) GIS-alapú rendszert használt Anglia nagyvárosainak bűncselekmény elemzésére. Modelljükben a népszámlálási adatokat használták fel.
Bowers and Hirschfield (1999) szintén GIS-t használtak a bűnözés és a különféle hátrányos helyzetű, közepes jövedelmű és gazdag lakóterületek közötti összefüggés elemzésére Anglia Merseyside megyéjében.
27/194. oldal
5 Összes bűncselekmény alakulása kapitányságonként
5.1 Bűncselekmények alakulása kapitányságonként
Az előtanulmány végső céljának eléréséhez többek között szükség volt a bűnügyi statisztikai adatok kapitánysági illetékességi területekre történő modellezésére. A korábban azonosított 16 bűncselekménytípusnak megfelelően történt a feldolgozás valamennyi rendőrkapitányság vonatkozásában, az 1000 főre jutó bűncselekményszám képzésével. Ezt követően az egyes bűncselekményi kategóriákban valamennyi rendőrkapitányságot sorrendbe rendezve kaptuk meg az országos fertőzöttségi sorrendet5.
A táblázat segítségével tudunk megmondani olyan összefüggéseket, hogy egy meghatározott kapitányság (pl. Karcag Rk.) illetékességi területén milyen mértékben fertőzött az egyes kiemelt bűncselekmény-kategóriákban. Jelen esetben azt mondhatjuk, hogy a Karcagi rendőrkapitányság a betöréses lopások, a garázdaság, a lopás és a könnyű testi sértés bűncselekményekkel terhelt közegben működik. Tehát a személy elleni, közrend elleni, és a vagyon elleni jogsértések vannak zömében jelen. Ugyanakkor alacsony az előfordulása a visszaélés okirattal és csalás bűncselekményeknek, valamint a közúti jármű ittas vezetése deliktum nyomozási kapacitásigénye sem haladja meg az országos átlagot. Összehasonlíthatunk tehát egyes bűncselekménytípusokat, több bűncselekménytípust bűnügyi főcsoportonként, végezhetünk elhatárolásokat bűncselekményeken belül kapitányságonként, vagy épp több bűncselekmény együttes megjelenését a kapitányságokon, így fedezve fel például közigazgatási térségekre megjelenő mintákat.
5.2 Kapitánysági rangsorok
Az össz bűncselekmény számok alapján kialakult rangsorszámból kivonjuk a bűncselekmény típusok esetén kialakult rangsorszámot. Az így kapott 16 számot összeadjuk, így kapunk egy mutatószámot. A mutatószám nagy abszolút értéke azt jelzi, hogy az adott kapitányság az összbűncselekmények alapján kapott rangsorszámától jelentősen eltér a bűncselekmény típusok esetében. A kis abszolút érték azt jelzi, hogy kicsi az adott kapitányság esetében az összbűncselekmények alapján kapott rangsorszámától való eltérés a bűncselekmény típusok esetében.
5 Az ezeket tartalmazó táblázatok a 7. fejezetben talállhatóak
28/194. oldal
6. ábra –Edelényi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
7. ábra - Orosházi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
29/194. oldal
8. ábra - Fonyódi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
9. ábra - Nagykanizsai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
30/194. oldal
10. ábra - Kaposvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
11. ábra – Hevesi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
31/194. oldal
12. ábra - Gárdonyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
13. ábra - Siófoki rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
32/194. oldal
14. ábra - Komáromi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
15. ábra - Encsi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
33/194. oldal
16. ábra - Ózdi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
17. ábra - Szombathelyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
34/194. oldal
18. ábra - sarkadi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
19. ábra - Füzesabonyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
35/194. oldal
20. ábra - Bátonyterenyei rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
21. ábra - Lenti rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
36/194. oldal
22. ábra - Zalaegerszegi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
23. ábra - Törökszentmiklósi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
37/194. oldal
24. ábra - Vásárosnaményi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
25. ábra - Balatonalmádi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
38/194. oldal
26. ábra - Sárvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
27. ábra - Dunakeszi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
39/194. oldal
28. ábra - Tapolcai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
29. ábra - Rétsági rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
40/194. oldal
30. ábra - Dabasi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
31. ábra - Kiskunhalasi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
41/194. oldal
32. ábra - Soproni rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
33. ábra - Szigetvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
42/194. oldal
34. ábra - Mezőkovácsházi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
35. ábra - Bajai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban
43/194. oldal
6 Rendőrkapitányságok sorrendje az egyes bűncselekménytípusok szerint
A bűncselekmények kapitányságonkénti vizsgálatát követően, az elemzés következő szakaszában, még teljesebb képet kaphatunk a bűncselekmények kapitányságonkénti megoszlásáról és lehetőségünk nyílik a szolgálati helyek egymáshoz való viszonyítására is. Ennek érdekében egy összehasonító táblázatot hoztunk létre, amelyben valamennyi rendőrkapitányságot feltüntettük és mellé rendeztük az egyenként már korában vizsgált bűncselekménytípusokat és azok összegzett mutatóit. A bűncselekmény egyedeknél a rendőrkapitányság illetékességi területébe tartozó települések, ezer főre jutó lakosságszámára vetített bűnügyi, közrendvédelmi és közlekedésrendészeti létszámadatait használtuk fel. Ami egy korreláltatott értékként jelent meg. Ezt követően az eredménynek megfelelően sorba rendeztük az egyes bűncselekmény-kategórián belül. A különbségek nem feltétlenül az egyéni képességekből adódnak, hanem a rendelkezésre álló, aktív, hadba fogható munkaerő meglétéből, vagy hiányából. Éppen ezért célunk rávilágítani arra, hogy az egyes területeken az inkább jellemző bűncselekmények tekintetében kell erősíteni az állományon – legyen az rendészeti vagy bűnügyi állomány, vizsgáló vagy nyomozó, közrendvédelmi vagy közlekedési járőr, stb. – annak érdekében, hogy az ilyen mértékű különbségek kiegyenlítődhessenek. Ennek célja nemcsak a magasabb létszám melletti hatékonyabb munkamegosztás megszervezése, hanem a másik oldalról a megelőzhető bűncselekmények elkövetésének megakadályozása. Mindezek alapján az alábbi megállapításokat tehetjük:
A táblázat összes bűncselekmény rovata alatt szereplő értékek sorba rendezését követően rajzolódott ki egy országos kapitánysági rangsor az erőforrás-felhasználás tekintetében, melynek első tíz elemét zölddel, utolsó tíz elemét pirossal jelöltük meg. Ennek megfelelően (sorrendben) Kapuvár Rk., Csorna Rk., Mór Rk., Békés Rk., Szerencs Rk., Sárvár Rk., Tapolca Rk., Rétság Rk., Baja Rk. és Hajdúböszörmény Rk. személyi állományának összlétszáma megfelelő mértékű. Természetesen ez nem jelenti azt, hogy az egyes bűncselekménytípusoknál megjelenő érték is ilyen kedvező. Erre példa Csorna Rk., ahol a közúti baleset okozása egyedhez nagyon alacsony érték párosul, ezzel jelezve, hogy valamilyen probléma van a létszámgazdálkodás bűncselekményszám viszonyában. A létszámadatok viszonyszámai között – az első és az utolsó – nyolcszoros eltérés mérhető.
A lista utolsó tíz helyét Siófok, Edelény, Marcali, Orosháza, Budapest, Fonyód, Nagykanizsa, Dunaújváros, Mezőtúr és Tatabánya rendőrkapitányságok foglalják el. A negatív összkép ellenére természetesen itt is lehet kiugróan pozitív bűncselekményi létszámkapcsolatot kimutatni pl. Orosháza Rk. viszonylatában, ahol az összességében 127. pozícióban lévő kapitányság a garázdaság bűncselekményre vonatkozó adatok szempontjából az első helyen szerepel. Itt is érdemes természetesen megvizsgálni, mi okozza ezt a tendenciát.
Az összehasonlító táblázatban lehetőségünk van arra is, hogy egyes bűncselekmény-kategóriákon belül magas ranghelyen szereplő kapitányságoknál (ilyen például a közúti baleset okozása tekintetében, Kapuvár, Békés, Rétság, Celldömölk, Szécsény) vizsgálat alá vonjuk azokat a gyakorlatban megjelenő erőforrásokat, amelyek elősegítik a sikeresebb működést.
A személy elleni bűncselekményeknél – jelen esetben a könnyű és a súlyos testi sértés – nem feltétlenül köszönt vissza a leterheltségi viszony. Vannak kapitányságok, melyek hasonlóan az össz bűncselekményekhez az első régióba kerülnek (Mór Rk., Békés Rk.). Dunaújváros Rk.-
44/194. oldal
n – a hátsó régióból – és Hajdúböszörmény Rk.-n – az első régióból – például a könnyű, illetve a súlyos testi sértések száma jelentősen terheli a személyi állományt.
A közúti baleset okozása deliktumok tekintetében Sárvár Rk. és Csorna Rk. az utolsó régióba kényszerül, Marcali Rk esetén itt és a közúti jármű ittas vezetésénél magas leterheltséget láthatunk. Ezekből azt valószínűsíthetjük, hogy ezeknél a kapitányságoknál nagyobb hangsúlyt érdemes fordítani a közlekedési bűncselekmények megelőzésére, ezáltal az állomány ilyen irányú fejlesztésére.
A tartás elmulasztása bűncselekmény nem tipikusan befolyásolható cselekménytípus. Az egyén önkéntes elhatározása adja az elkövetés lehetőségét, melyet sokfajta társadalmi körülmény befolyásol. Éppen ezért nehéz kijelenteni azt, hogy gyakoribb nagyobb városokban vagy szegényebb településeken, stb. Jelen esetben kiemelést érdemel Rétság Rk. és Tatabánya Rk. a nagy leterheltség és Marcali Rk. az alacsony leterheltség miatt.
A közrend elleni bűncselekményeket két csoportra osztjuk. A garázda bűncselekmények tekintetében a legalacsonyabb leterheltséget Orosháza Rk., míg a legmagasabbat Dunaújváros Rk. esetén láthatjuk. Ennél a deliktumnál többnyire köztes rendőrkapitányságok kerültek a vizsgáltak közé.
Az okirat bűncselekmények számának alakulása mindenképpen köthető a lakosságszámhoz. A közokirat-hamisításoknál az utolsó régióban olyan kapitányságokat találunk, mint Debrecen, Tatabánya, Szeged, Miskolc, Budapest, míg az első tízbe több kisebb lakosságszámú település került be. Az előzőhöz hasonlóan a magánokirat-hamisítások száma magas Békéscsaba, Nyíregyháza, Debrecen, Tatabánya, Pécs és Esztergom Rk. illetékességi területén. Legfőképpen a lopás bűncselekmények mellett megjelenő járulékos cselekményként a visszaélés okirattal deliktumok száma az elmúlt években sokszorosára emelkedett. Jól látszik, hogy azok a települések, ahol a legjelentősebb a leterheltség ennél a deliktumnál is az utolsó régióba kerültek (Tatabánya Rk., Fonyód Rk., Marcali Rk., Siófok Rk., Edelény Rk.).
A vagyon elleni bűncselekmények határozzák meg legjobban a leterheltségi szintet. Ennek felderítésében, illetve a nyomozás lefolytatásában legnagyobb szerepe nyomozói állománynak van, de munkájukat segíti körzeti megbízotti állomány is. Az első régió kapitányságai ezeknél a bűncselekményeknél is kevésbé nagy leterheltséget mutatnak. A lopásoknál Mezőtúr Rk., Fonyód Rk., Budapest, Siófok Rk., Marcali Rk., és Orosháza Rk. szintén a legleterheltebbek közé tartozik. A betöréses lopásoknál és a sikkasztásoknál Mezőtúr Rk., Marcali Rk. és Budapest, a csalásoknál Tatabánya Rk., Fonyód Rk. és Nagykanizsa Rk. A rablás, rongálás és jármű önkényes elvétele cselekményeknél utolsó helyen áll Budapest, de megjelenik Mezőtúr Rk., tatabánya Rk., Dunaújváros Rk. és Siófok Rk. is.
Végül megállapíthatjuk, hogy a leterheltségi szint alakulását a vagyon elleni és kisebb mértékben a közrend elleni főcsoportba tartozó bűncselekmények befolyásolják. Azoknál a rendőrkapitányságoknál, ahol az összes bűncselekményre vetítetten magas a leterheltség, ott a lopás, betöréses lopás, csalás, rablás deliktumok jelentős szerepet játszanak. Úgy gondoljuk, hogy mindenképpen több tényező befolyásoló hatását érdemes ezekben az esetekben vizsgálni. Lehet, hogy nagy az állomány leterheltsége, lehet, hogy alacsony a munkavégzési morál, alacsony a rendőrök a lakosságra vagy a bűncselekményekre vetített aránya, nem megfelelő a munkamegosztás, stb. Azt megállapítani, hogy konkrétan milyen tényező befolyásolja ezeket csak az adott helyen történő egyéni vizsgálattal lehet.
45/194. oldal
A későbbiekben célszerű volna az adatok alapján egy országos középértéket is számolni, és ahhoz viszonyítva további véleményt alkotni az egyes kapitányságok erőforrás-bűncselekmény kapcsolatáról. Tovább vizsgálható, így a korrelációs modell működése az átlagos értéket képviselő egyedek esetében, és közelebb jutunk az ideális létszámelosztás irányszámaihoz is.
46/194. oldal
4. Táblázat - Rendőrkapitányságok sorrendje az egyes bűncselekménytípusok szerint
ÖSSZES BŰNCSELEKMÉNY
Testi sértés - könnyű
Testi sértés – súlyos
Közúti baleset okozása
Közúti jármű ittas vezetése
Tartás elmulasztása
Garázdaság Közokirat-hamisítás
Magánokirat-hamisítás
Visszaélés okirattal
Lopás Betöréses
lopás Sikkasztás Csalás Rablás Rongálás
Jármű önkényes elvétele Rendőrkapitányság
1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang
Kapuvár Rk 10,16 1 0,33 27 0,46 34 0,00 1 0,75 27 0,37 85 1,70 97 0,17 25 0,71 72 0,50 13 2,86 1 0,71 1 0,33 90 0,83 66 0,08 22 0,33 4 0,04 18
Csorna Rk 10,23 2 0,43 43 0,40 24 0,62 129 0,97 68 0,24 59 0,78 45 0,16 21 0,46 45 0,19 4 3,44 2 1,32 6 0,13 18 0,67 50 0,00 1 0,35 7 0,08 48
Mór Rk 10,94 3 0,11 3 0,28 9 0,28 71 0,85 45 0,34 80 0,39 15 0,11 9 0,11 2 0,03 2 4,34 3 2,71 30 0,11 9 0,23 3 0,11 35 0,87 42 0,06 32
Békés Rk 11,22 4 0,13 4 0,20 2 0,00 1 0,63 12 0,25 63 0,43 19 0,53 98 0,91 93 0,66 17 4,73 4 1,14 5 0,05 2 1,01 76 0,05 8 0,33 3 0,15 90
Szerencs Rk 15,23 5 0,89 98 0,46 37 0,15 32 1,22 101 0,10 14 1,66 95 0,18 29 0,15 4 0,39 10 6,86 18 1,69 9 0,21 48 0,36 15 0,18 77 0,67 22 0,05 27
Sárvár Rk 15,84 6 0,25 17 0,47 41 0,50 124 1,15 96 0,20 41 1,20 68 0,05 2 0,35 28 0,87 27 5,70 6 3,41 56 0,30 79 0,57 38 0,05 7 0,75 28 0,02 9
Tapolca Rk 15,89 7 0,38 33 0,33 14 0,24 55 0,96 67 0,51 112 0,94 53 0,29 56 0,31 23 1,96 66 5,74 7 2,36 22 0,18 32 0,33 9 0,09 26 1,20 85 0,07 46
Rétság Rk 16,45 8 0,56 56 0,56 57 0,00 1 0,40 3 0,95 129 1,51 87 0,12 10 0,36 31 0,16 3 6,56 15 3,02 40 0,40 105 0,68 51 0,04 3 1,03 65 0,12 74
Baja Rk 16,61 9 0,23 15 0,62 73 0,29 75 1,31 111 0,22 44 0,47 23 0,52 96 0,60 64 0,80 24 6,89 19 2,34 21 0,50 119 0,69 54 0,11 32 1,00 59 0,03 15
Hajdúböszörmény Rk
16,84 10 0,66 67 1,75 124 0,41 112 0,47 4 0,22 46 1,06 58 0,25 47 0,41 38 1,63 56 6,82 17 2,28 18 0,16 25 0,28 6 0,13 45 0,22 1 0,09 56
Mezőkovácsháza Rk 16,98 11 0,57 59 0,57 61 0,12 27 0,64 14 0,45 105 1,16 64 0,69 110 0,43 40 1,90 64 6,24 11 2,42 24 0,33 91 0,40 19 0,07 13 0,78 32 0,21 114
Szeghalom Rk 17,19 12 0,79 89 0,58 63 0,26 65 0,67 18 0,32 74 0,44 21 0,38 78 0,20 12 0,29 8 11,08 73 0,76 2 0,12 13 0,50 28 0,18 73 0,56 12 0,06 34
Celldömölk Rk 17,19 13 0,04 1 0,23 5 0,00 1 0,96 66 0,15 27 0,50 25 0,04 1 0,81 83 1,42 50 6,50 13 5,38 103 0,12 10 0,35 11 0,31 114 0,35 5 0,04 17
Fehérgyarmat Rk 17,52 14 1,70 124 1,37 116 0,03 21 1,07 82 0,18 30 3,07 124 0,20 37 0,66 71 0,38 9 6,10 9 1,32 7 0,20 42 0,58 40 0,05 9 0,51 10 0,10 63
Kunszentmiklós Rk 17,59 15 0,83 93 0,22 4 0,16 34 1,15 97 0,22 49 1,31 77 0,29 55 0,19 8 0,77 23 6,41 12 4,01 71 0,22 56 0,42 21 0,06 11 1,09 71 0,22 117
Körmend Rk 17,79 16 0,72 78 0,23 6 0,35 98 1,25 105 0,09 11 1,71 98 0,21 38 0,37 34 1,37 48 6,14 10 2,90 36 0,21 44 0,93 69 0,05 6 1,23 89 0,05 24
Kiskunhalas Rk 18,13 17 0,29 22 0,51 47 0,36 102 2,51 130 0,18 32 0,53 28 0,66 109 0,29 21 1,29 46 7,35 24 2,25 17 0,35 94 0,36 13 0,17 68 0,77 30 0,26 123
Kisvárda Rk 18,29 18 0,77 85 1,01 108 0,11 26 0,85 46 0,11 22 1,39 78 0,10 7 0,24 16 2,61 83 6,55 14 2,11 16 0,19 38 1,31 86 0,21 92 0,66 17 0,06 38
Szécsény Rk 18,73 19 0,45 49 1,07 111 0,00 1 0,54 7 0,58 119 1,47 84 0,09 6 1,07 99 0,89 28 7,63 28 3,92 70 0,27 66 0,27 5 0,18 75 0,31 2 0,00 1
Sátoraljaújhely Rk 18,83 20 0,71 77 0,50 45 0,02 20 0,93 57 0,19 39 1,74 99 0,21 39 0,71 74 1,02 35 6,90 20 3,74 67 0,21 49 0,69 53 0,10 28 1,07 70 0,07 42
Szigetvár Rk 19,25 21 0,34 28 0,76 96 0,31 85 1,37 114 0,09 9 1,26 72 0,40 82 0,31 25 0,70 21 7,47 26 3,24 45 0,43 113 1,35 88 0,13 53 0,92 48 0,16 94
Dunakeszi Rk 19,42 22 0,20 9 0,39 22 0,43 116 0,83 42 0,29 68 0,34 13 0,34 67 0,48 49 0,53 15 9,29 49 2,94 37 0,43 116 1,26 84 0,17 70 1,39 100 0,10 66
Tiszaújváros Rk 19,83 23 0,46 52 0,62 75 0,32 88 0,91 55 0,30 71 1,17 66 0,32 62 1,55 116 1,63 57 7,73 30 2,46 25 0,22 54 1,45 92 0,08 18 0,50 9 0,10 62
Sopron Rk 19,94 24 0,34 29 0,93 103 0,43 117 1,02 75 0,40 93 1,24 69 0,19 34 0,53 57 0,95 31 7,29 23 3,60 64 0,29 75 1,17 81 0,13 52 1,34 96 0,07 44
Sárospatak Rk 20,01 25 0,89 97 0,42 29 0,19 46 1,27 107 0,04 1 1,58 90 0,19 35 0,19 9 2,85 87 7,87 31 3,32 50 0,12 11 0,31 7 0,12 37 0,50 8 0,15 92
Kiskőrös Rk 20,13 26 0,71 76 0,48 42 0,28 70 2,34 129 0,38 87 0,94 51 0,53 97 0,36 32 1,11 39 5,76 8 2,33 20 0,20 41 3,83 122 0,12 36 0,66 19 0,10 60
Gyula Rk 20,13 27 0,33 26 0,46 39 0,35 99 0,93 58 0,19 36 0,93 50 0,79 115 0,51 53 0,91 29 11,67 83 0,98 3 0,12 12 0,81 65 0,19 82 0,79 34 0,19 108
Várpalota Rk 20,70 28 0,56 57 0,66 81 0,00 1 1,01 73 0,50 111 1,25 70 0,24 42 0,40 37 1,83 61 7,42 25 3,71 66 0,19 33 1,25 83 0,08 16 1,43 103 0,19 107
Mohács Rk 20,97 29 0,49 55 0,34 17 0,29 73 0,93 59 0,19 38 0,53 29 0,44 88 0,48 48 2,59 82 8,64 38 4,36 80 0,19 37 0,53 35 0,08 15 0,67 20 0,23 118
Kazincbarcika Rk 21,03 30 0,96 104 0,54 52 0,10 23 0,76 32 0,30 70 2,06 113 0,38 77 0,59 62 1,49 51 7,66 29 4,51 86 0,08 3 0,49 27 0,30 113 0,71 25 0,10 61
Balassagyarmat Rk 21,05 31 0,92 102 0,92 101 0,00 1 0,05 2 0,44 102 1,82 102 0,36 74 0,36 33 0,24 6 10,48 66 3,32 51 0,36 98 0,80 62 0,10 29 0,85 41 0,02 8
Pásztó Rk 21,08 32 0,22 13 1,08 113 0,00 1 0,77 33 0,19 35 1,15 62 0,19 33 0,22 15 0,28 7 10,34 64 4,18 73 0,12 15 0,74 56 0,34 120 1,21 86 0,06 36
Dabas Rk 21,09 33 0,60 62 0,57 62 0,35 100 1,30 109 0,52 114 0,33 12 0,27 50 0,43 41 1,04 36 9,53 54 3,54 60 0,33 88 0,59 41 0,20 89 1,23 90 0,26 122
47/194. oldal
ÖSSZES BŰNCSELEKMÉNY
Testi sértés - könnyű
Testi sértés – súlyos
Közúti baleset okozása
Közúti jármű ittas vezetése
Tartás elmulasztása
Garázdaság Közokirat-hamisítás
Magánokirat-hamisítás
Visszaélés okirattal
Lopás Betöréses
lopás Sikkasztás Csalás Rablás Rongálás
Jármű önkényes elvétele Rendőrkapitányság
1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang
Gödöllő Rk 21,14 34 0,20 11 0,29 11 0,27 67 0,65 15 0,38 88 0,15 2 0,81 116 0,61 66 1,40 49 8,57 36 5,15 98 0,48 118 0,98 73 0,26 108 0,91 45 0,03 13
Ajka Rk 21,28 35 1,01 107 0,59 68 0,18 41 0,88 49 0,68 124 1,94 106 0,07 4 0,47 47 1,12 41 8,81 41 2,50 26 0,20 40 1,53 96 0,16 65 0,97 55 0,16 96
Kőszeg Rk 21,40 36 0,84 94 0,40 23 0,00 1 1,07 83 0,64 123 2,03 111 0,44 87 0,20 11 1,27 45 7,91 32 4,30 77 0,40 107 0,32 8 0,12 41 1,19 84 0,28 125
Hajdúnánás Rk 21,56 37 0,65 66 1,81 126 0,23 54 0,55 10 0,13 23 1,58 91 0,08 5 0,05 1 0,23 5 9,84 56 4,74 90 0,15 24 0,45 25 0,28 110 0,75 29 0,05 28
Bonyhád Rk 21,74 38 1,31 117 0,71 86 0,16 36 1,58 120 0,11 18 1,69 96 0,16 24 0,90 90 1,58 55 6,57 16 1,91 10 0,22 51 3,68 121 0,05 10 0,93 51 0,16 98
Bicske Rk 21,84 39 1,63 123 0,80 97 0,41 113 0,80 38 0,49 110 0,44 22 0,15 19 0,21 13 0,49 12 8,55 35 5,94 111 0,08 4 0,36 14 0,10 31 1,37 98 0,03 10
Veszprém Rk 22,02 40 0,74 79 0,38 21 0,37 103 0,72 24 0,40 94 0,70 40 0,49 91 0,73 75 2,06 68 9,09 46 3,49 58 0,15 21 0,61 43 0,24 101 1,68 117 0,17 102
Mátészalka Rk 22,09 41 1,47 120 1,70 122 0,13 29 0,99 72 0,23 54 2,17 115 0,76 113 1,20 105 1,11 40 7,06 21 2,86 33 0,16 26 1,14 79 0,19 88 0,79 33 0,12 76
Hatvan Rk 22,21 42 0,45 50 0,41 26 0,24 58 0,88 50 0,17 29 0,66 37 0,43 86 0,79 82 0,53 14 11,37 79 3,78 68 0,28 73 0,79 61 0,23 96 1,15 79 0,06 31
Nagykőrös Rk 22,37 43 0,11 2 0,35 18 0,25 59 0,84 44 1,62 130 0,21 6 0,49 90 0,63 68 0,98 32 11,27 77 3,58 62 0,35 95 0,88 67 0,07 12 0,70 24 0,04 16
Kiskunfélegyháza Rk
22,50 44 0,38 35 0,62 74 0,38 105 0,79 36 0,62 122 0,66 38 0,15 17 1,28 106 3,06 90 8,95 42 3,53 59 0,43 114 0,51 30 0,13 50 0,94 52 0,06 39
Sarkad Rk 22,80 45 0,46 53 0,19 1 0,00 1 0,70 21 0,28 66 0,74 42 0,51 94 0,28 19 3,06 91 11,82 84 3,29 47 0,09 6 0,19 1 0,19 81 0,97 56 0,05 25
Szentendre Rk 22,91 46 0,19 8 0,57 60 0,22 50 0,94 62 0,23 53 0,25 7 0,18 30 0,31 24 0,84 25 12,08 87 3,63 65 0,19 39 0,96 72 0,21 91 2,03 125 0,07 45
Békéscsaba Rk 23,13 47 0,67 69 0,25 8 0,47 121 0,78 34 0,32 73 0,94 52 0,60 105 1,80 122 0,77 22 10,35 65 2,58 28 0,38 104 2,00 109 0,14 58 1,03 64 0,04 21
Kistelek Rk 23,23 48 0,59 61 0,21 3 0,16 33 0,69 19 0,37 84 0,48 24 0,69 111 0,32 27 5,22 105 11,03 72 1,07 4 0,32 85 0,53 34 0,21 93 1,12 73 0,21 113
Budaörs Rk 23,34 49 0,17 6 0,45 32 0,32 87 1,35 113 0,18 33 0,33 11 0,28 52 0,76 80 1,23 44 10,60 68 3,42 57 0,46 117 1,43 91 0,13 48 2,07 127 0,15 91
Érd Rk 23,61 50 0,31 23 0,52 50 0,21 48 1,34 112 0,27 65 0,18 3 0,60 104 0,74 77 1,51 52 9,50 52 4,49 85 0,51 120 1,81 103 0,33 116 1,09 72 0,20 110
Szarvas Rk 23,63 51 0,18 7 0,25 7 0,33 91 0,80 37 0,23 50 0,18 4 0,18 32 6,33 129 0,86 26 9,26 48 2,87 35 0,12 14 1,39 89 0,18 80 0,35 6 0,10 65
Dorog Rk 23,67 52 0,56 58 0,76 95 0,00 1 1,98 127 0,39 92 0,78 46 0,24 44 0,66 70 5,75 108 7,09 22 3,15 44 0,10 7 0,61 44 0,12 44 1,25 91 0,22 115
Komló Rk 23,67 53 0,64 64 0,74 90 0,41 114 1,21 100 0,32 75 0,95 54 0,34 66 1,35 108 2,30 74 7,47 27 4,29 76 0,43 115 1,99 108 0,18 79 0,89 44 0,17 103
Paks Rk 23,79 54 0,78 86 0,86 99 0,31 83 0,90 54 0,33 76 2,04 112 0,14 14 0,53 58 1,97 67 8,47 34 2,71 31 0,70 124 2,65 119 0,10 30 0,78 31 0,49 129
Gyöngyös Rk 24,36 55 1,02 108 0,54 54 0,24 56 1,27 108 0,21 42 1,54 88 0,32 60 1,37 109 0,48 11 9,93 58 3,31 49 0,32 84 2,16 112 0,17 71 1,31 93 0,16 95
Hajdúszoboszló Rk 24,47 56 0,23 16 1,79 125 0,46 118 0,82 41 0,23 52 0,76 43 0,27 51 1,12 102 0,69 19 13,54 107 2,29 19 0,30 77 0,99 74 0,25 106 0,69 23 0,05 22
Kalocsa Rk 24,49 57 0,80 90 0,56 55 0,39 106 0,94 61 0,41 95 0,68 39 0,54 100 0,96 96 1,00 34 11,14 75 3,29 48 0,22 55 2,15 111 0,20 90 1,17 82 0,06 30
Barcs Rk 24,57 58 1,72 125 1,29 114 0,17 38 0,99 70 0,04 3 1,16 63 0,34 68 0,52 54 3,18 93 8,46 33 4,43 84 0,17 28 0,43 23 0,21 95 1,37 99 0,09 51
Vác Rk 24,61 59 0,41 40 0,59 64 0,27 68 1,13 94 0,45 106 0,57 32 0,28 54 0,74 78 1,14 42 10,32 63 4,75 91 0,31 83 1,70 101 0,04 5 1,80 121 0,08 49
Balatonalmádi Rk 24,86 60 0,13 5 0,46 38 0,30 77 1,06 79 0,43 101 0,83 48 0,36 73 0,13 3 2,51 79 8,65 39 7,56 123 0,33 89 0,89 68 0,17 66 0,99 58 0,07 40
Vásárosnamény Rk 25,13 61 0,88 96 2,26 129 0,13 28 0,96 63 0,19 37 2,77 123 0,32 61 1,76 121 1,73 59 8,99 43 3,35 54 0,08 5 0,93 70 0,08 17 0,59 13 0,13 79
Bátonyterenye Rk 25,19 62 0,26 18 1,02 110 0,00 1 1,13 95 0,11 19 0,77 44 0,48 89 0,99 97 0,62 16 12,98 101 4,28 75 0,15 20 0,99 75 0,11 33 1,02 63 0,29 127
Keszthely Rk 25,38 63 0,46 51 0,42 28 0,40 110 0,89 52 0,24 57 0,73 41 0,06 3 0,30 22 4,67 104 10,30 62 4,36 81 0,25 62 0,59 42 0,18 74 1,53 110 0,01 6
Szigetszentmiklós Rk
25,55 64 0,26 19 0,41 27 0,48 123 1,38 115 0,54 116 0,27 9 0,94 120 0,50 50 1,53 53 11,25 76 4,35 79 0,32 86 0,66 47 0,26 107 2,19 128 0,21 112
Püspökladány Rk 25,64 65 0,40 39 1,54 120 0,19 44 0,47 5 0,09 12 1,30 75 0,24 41 0,59 63 2,18 71 14,88 118 2,03 15 0,19 36 0,35 12 0,14 57 0,92 49 0,12 73
Monor Rk 25,92 66 0,46 54 1,08 112 0,39 107 1,03 76 0,54 117 0,50 26 2,01 126 0,41 39 1,58 54 11,34 78 3,33 52 0,40 110 0,80 63 0,28 112 1,58 114 0,17 100
Füzesabony Rk 26,08 67 1,16 112 0,34 15 0,30 81 0,97 69 0,30 72 1,13 61 0,18 31 0,27 18 1,86 62 12,19 92 4,20 74 0,37 99 1,55 97 0,34 119 0,88 43 0,03 14
48/194. oldal
ÖSSZES BŰNCSELEKMÉNY
Testi sértés - könnyű
Testi sértés – súlyos
Közúti baleset okozása
Közúti jármű ittas vezetése
Tartás elmulasztása
Garázdaság Közokirat-hamisítás
Magánokirat-hamisítás
Visszaélés okirattal
Lopás Betöréses
lopás Sikkasztás Csalás Rablás Rongálás
Jármű önkényes elvétele Rendőrkapitányság
1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang
Lenti Rk 26,34 68 1,52 121 0,94 106 0,18 40 1,65 122 0,04 5 2,01 110 0,22 40 1,07 100 2,50 78 9,48 51 4,87 93 0,04 1 0,80 64 0,09 25 0,63 16 0,27 124
Mosonmagyaróvár Rk
26,53 69 0,90 100 0,93 102 0,36 101 1,27 106 0,52 113 1,42 79 0,50 92 0,46 46 2,22 72 10,99 70 3,12 43 0,30 81 1,61 98 0,09 27 1,51 108 0,32 128
Cegléd Rk 26,61 70 0,35 30 0,75 93 0,56 128 1,06 80 0,58 120 0,63 36 0,36 72 0,61 65 1,15 43 12,84 100 5,25 100 0,32 87 0,65 45 0,38 123 1,01 61 0,11 69
Tiszafüred Rk 26,63 71 1,85 126 0,38 19 0,21 47 0,96 64 0,10 16 3,67 126 0,10 8 0,55 59 1,65 58 10,19 61 4,94 94 0,24 59 0,45 24 0,27 109 0,93 50 0,14 81
Vasvár Rk 26,81 72 2,92 128 0,56 56 0,00 1 0,69 20 0,35 81 4,52 127 0,14 13 0,21 14 0,00 1 8,75 40 6,60 115 0,28 71 0,21 2 0,14 55 1,32 94 0,14 83
Zalaegerszeg Rk 26,85 73 0,85 95 0,51 48 0,26 64 1,06 81 0,19 40 1,48 85 0,65 107 0,91 92 4,58 102 9,41 50 3,54 61 0,27 68 1,42 90 0,09 24 1,53 111 0,10 59
Siklós Rk 26,98 74 1,00 106 0,69 84 0,40 108 1,38 116 0,22 45 1,18 67 0,51 93 0,92 94 2,57 81 11,10 74 4,66 89 0,38 103 0,74 57 0,15 60 1,03 66 0,05 29
Kisbér Rk 27,04 75 0,32 24 1,01 109 0,00 1 1,86 125 0,42 100 0,27 8 0,16 20 0,32 26 5,52 107 9,03 44 6,48 113 0,37 100 0,27 4 0,16 63 0,74 27 0,11 67
Ózd Rk 27,05 76 1,26 115 0,59 65 0,14 30 1,19 99 0,23 55 2,30 118 0,38 79 0,56 60 2,41 77 13,83 111 1,67 8 0,36 96 0,68 52 0,49 128 0,96 53 0,01 5
Hajdúhadháza Rk 27,30 77 0,63 63 1,93 127 0,00 1 0,76 30 0,22 48 1,95 107 0,28 53 0,18 7 0,67 18 13,68 109 5,30 101 0,13 17 0,40 18 0,12 40 0,91 46 0,13 80
Törökszentmiklós Rk
27,34 78 0,89 99 0,64 79 0,53 126 1,10 91 0,41 96 1,44 81 0,39 80 0,82 85 0,98 33 12,16 90 4,56 87 0,21 43 1,92 104 0,23 98 1,05 68 0,00 1
Tata Rk 27,37 79 0,28 20 0,38 20 0,00 1 1,09 89 0,18 31 0,53 30 0,15 18 0,51 52 9,00 119 9,20 47 3,28 46 0,76 125 0,76 59 0,33 117 0,81 36 0,10 64
Ráckeve Rk 27,44 80 0,28 21 0,28 10 0,22 52 1,09 87 0,42 99 0,38 14 0,20 36 0,16 5 2,72 85 9,50 53 8,84 128 0,79 127 0,52 32 0,12 42 1,85 123 0,06 35
Salgótarján Rk 27,78 81 0,92 101 1,34 115 0,00 1 0,00 1 0,55 118 2,51 121 0,58 103 0,85 88 2,34 75 12,84 99 2,63 29 0,34 92 1,63 99 0,19 86 1,01 62 0,05 26
Nagykáta Rk 28,03 82 0,44 45 0,94 105 0,26 63 1,02 74 0,23 51 0,19 5 0,16 22 0,39 35 2,28 73 11,61 82 8,37 126 0,13 16 0,34 10 0,16 64 1,42 102 0,10 58
Tiszavasvári Rk 28,28 83 0,81 92 1,41 118 0,32 86 1,31 110 0,07 8 1,27 73 0,18 28 0,35 29 1,87 63 12,37 95 6,43 112 0,28 74 0,46 26 0,14 56 0,92 47 0,07 41
Pápa Rk 28,69 84 0,39 36 0,56 58 0,21 49 0,76 29 0,77 126 0,53 27 0,26 48 0,44 43 8,52 118 10,13 60 2,37 23 0,15 22 2,25 113 0,18 76 1,15 81 0,02 7
Balmazújváros Rk 28,82 85 0,22 14 1,39 117 0,00 1 0,54 8 0,28 67 1,93 105 2,18 128 0,85 87 4,67 103 11,46 80 2,97 38 0,25 63 1,33 87 0,13 46 0,54 11 0,09 57
Tamási Rk 29,36 86 1,27 116 0,61 71 0,19 45 1,46 118 0,25 61 1,98 109 0,33 64 3,66 127 3,74 96 9,08 45 4,84 92 0,30 80 0,66 48 0,14 54 0,74 26 0,11 70
Szombathely Rk 29,46 87 0,67 72 0,49 43 0,51 125 0,90 53 0,25 62 2,38 120 0,31 59 1,38 110 2,53 80 12,35 94 4,40 83 0,40 109 1,05 77 0,35 121 1,42 101 0,06 37
Kunszentmárton Rk 29,47 88 1,03 109 0,44 30 0,15 31 0,52 6 0,37 82 1,95 108 0,15 16 0,52 55 1,73 60 14,22 116 7,11 120 0,11 8 0,41 20 0,04 2 0,59 14 0,15 87
Dombóvár Rk 29,84 89 0,98 105 0,45 31 0,30 78 1,91 126 0,30 69 1,16 65 0,30 57 1,55 117 3,97 99 12,98 102 2,03 14 0,36 97 2,45 116 0,15 62 0,84 37 0,12 75
Eger Rk 29,88 90 0,70 74 0,46 36 0,32 89 1,08 85 0,11 21 1,30 74 0,41 83 1,19 104 2,40 76 13,96 115 4,98 96 0,22 53 1,48 94 0,19 83 1,04 67 0,04 19
Oroszlány Rk 30,17 91 0,44 44 0,54 53 0,04 22 1,09 88 0,25 64 0,62 34 0,15 15 0,51 51 7,94 114 10,12 59 5,48 107 0,15 19 0,54 36 0,40 126 1,78 120 0,15 86
Csongrád Rk 30,42 92 0,92 103 0,29 12 0,42 115 2,05 128 0,34 79 1,51 86 0,17 26 0,25 17 5,91 110 13,87 112 3,06 41 0,21 45 0,42 22 0,04 4 0,84 38 0,13 77
Nyíregyháza Rk 30,48 93 0,40 37 1,96 128 0,22 53 0,87 47 0,15 26 1,08 59 0,53 99 1,85 123 5,37 106 10,54 67 3,92 69 0,38 101 1,95 105 0,19 84 0,98 57 0,09 50
Miskolc Rk 31,38 94 0,65 65 0,62 72 0,22 51 0,94 60 0,24 58 1,47 83 1,34 125 1,57 118 1,95 65 12,16 91 6,78 119 0,26 65 1,51 95 0,38 124 1,13 77 0,16 93
Berettyóújfalu Rk 31,66 95 0,68 73 3,01 130 0,34 96 0,74 26 0,14 24 1,90 104 0,66 108 0,71 73 3,25 95 9,90 57 7,49 122 0,21 50 1,14 78 0,23 100 1,12 74 0,14 82
Győr Rk 31,71 96 0,44 46 0,73 89 0,33 92 0,81 40 0,61 121 0,62 35 0,92 118 1,08 101 4,31 101 14,37 117 3,10 42 0,56 122 1,97 107 0,15 61 1,52 109 0,20 109
Makó Rk 31,78 97 0,74 80 0,45 33 0,33 93 1,10 90 0,45 107 1,30 76 2,03 127 0,52 56 7,30 112 12,12 89 3,35 53 0,23 58 0,74 58 0,17 67 0,81 35 0,14 85
Jászberény Rk 32,03 98 0,79 87 0,51 49 0,19 42 0,96 65 0,42 97 2,23 117 0,16 23 0,90 91 2,07 69 13,95 114 6,51 114 0,17 29 1,76 102 0,12 38 1,13 78 0,16 97
Szentes Rk 32,29 99 0,44 48 0,49 44 0,47 120 1,24 103 0,79 127 0,40 16 0,33 63 0,58 61 8,04 116 15,13 119 1,96 12 0,21 46 1,31 85 0,12 39 0,61 15 0,16 99
Hódmezővásárhely Rk
32,40 100 0,76 84 0,64 77 0,47 119 1,24 104 0,45 104 1,59 93 0,17 27 0,64 69 8,00 115 13,01 103 1,97 13 0,40 106 1,95 106 0,17 72 0,85 39 0,09 52
Heves Rk 32,69 101 0,44 47 0,60 69 0,11 25 0,87 48 0,85 128 1,45 82 0,14 12 0,16 6 1,09 37 17,19 125 8,09 125 0,22 52 0,52 31 0,08 19 0,85 40 0,03 12
49/194. oldal
ÖSSZES BŰNCSELEKMÉNY
Testi sértés - könnyű
Testi sértés – súlyos
Közúti baleset okozása
Közúti jármű ittas vezetése
Tartás elmulasztása
Garázdaság Közokirat-hamisítás
Magánokirat-hamisítás
Visszaélés okirattal
Lopás Betöréses
lopás Sikkasztás Csalás Rablás Rongálás
Jármű önkényes elvétele Rendőrkapitányság
1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang 1000 főre
rang
Záhony Rk 33,00 102 1,18 113 1,70 123 0,17 39 1,18 98 0,04 4 2,23 116 3,23 129 1,31 107 3,76 98 12,11 88 4,37 82 0,17 30 0,39 17 0,09 23 1,01 60 0,04 20
Nyírbátor Rk 34,13 103 1,21 114 1,69 121 0,17 37 0,91 56 0,18 34 2,35 119 0,55 101 1,50 114 2,81 86 13,12 104 5,42 104 0,25 61 2,07 110 0,18 78 1,47 107 0,28 126
Encs Rk 34,19 104 1,41 119 0,47 40 0,11 24 0,70 22 0,09 10 2,13 114 0,31 58 7,51 130 1,10 38 11,49 81 2,98 39 0,18 31 4,19 124 0,13 47 1,34 95 0,07 43
Kaposvár Rk 34,23 105 0,20 10 0,75 94 0,29 74 0,78 35 0,04 2 0,29 10 0,36 71 0,44 42 11,29 123 11,02 71 6,61 116 0,15 23 0,50 29 0,08 21 1,28 92 0,14 84
Kecskemét Rk 34,31 106 0,70 75 0,59 67 0,48 122 1,08 86 0,39 89 0,92 49 0,56 102 0,84 86 4,14 100 15,29 120 5,78 110 0,62 123 1,21 82 0,19 87 1,44 104 0,08 47
Pécs Rk 34,53 107 0,67 70 0,74 92 0,33 90 1,10 92 0,33 77 0,98 55 0,78 114 3,25 126 3,15 92 12,07 86 5,42 105 0,43 112 3,56 120 0,28 111 1,22 87 0,22 116
Sárbogárd Rk 34,82 108 3,40 129 0,56 59 0,16 35 0,80 39 0,37 86 7,36 129 0,43 85 1,61 120 0,70 20 9,82 55 5,70 109 0,19 34 2,52 117 0,21 94 0,96 54 0,03 11
Nagyatád Rk 35,14 109 1,55 122 0,95 107 0,33 94 1,58 119 0,16 28 1,55 89 0,75 112 0,36 30 7,15 111 12,03 85 5,31 102 1,04 129 0,55 37 0,13 51 1,58 112 0,11 71
Szekszárd Rk 35,96 110 1,12 110 0,66 80 0,25 62 1,43 117 0,14 25 1,42 80 0,33 65 1,51 115 9,01 120 12,73 98 4,06 72 0,30 78 1,46 93 0,23 97 1,18 83 0,11 68
Karcag Rk 36,06 111 1,38 118 0,34 16 0,19 43 0,65 16 0,52 115 3,31 125 0,13 11 1,07 98 1,29 47 16,50 123 8,47 127 0,22 57 0,52 33 0,24 103 1,12 75 0,09 55
Komárom Rk 36,28 112 0,40 38 0,68 83 0,31 82 0,73 25 0,23 56 0,42 18 0,40 81 0,87 89 11,76 125 13,49 106 4,62 88 0,16 27 0,66 46 0,19 85 1,15 80 0,21 111
Esztergom Rk 38,43 113 0,76 82 0,93 104 0,55 127 1,78 123 0,37 83 1,25 71 0,37 76 3,98 128 10,42 121 10,79 69 3,60 63 0,81 128 0,78 60 0,33 118 1,46 106 0,25 120
Szolnok Rk 39,43 114 0,79 88 0,41 25 0,25 60 0,71 23 0,48 108 1,78 101 0,52 95 0,62 67 5,82 109 17,32 126 4,34 78 0,19 35 4,29 126 0,25 104 1,58 115 0,11 72
Gárdony Rk 39,68 115 7,11 130 0,64 78 0,00 1 0,84 43 0,25 60 5,78 128 0,25 46 0,20 10 0,91 30 13,55 108 7,40 121 0,27 67 0,66 49 0,07 14 1,60 116 0,15 88
Debrecen Rk 39,87 116 0,41 41 1,44 119 0,30 79 0,61 11 0,21 43 1,58 92 1,00 121 1,88 124 8,40 117 13,13 105 6,63 117 0,31 82 2,36 115 0,32 115 1,23 88 0,06 33
Székesfehérvár Rk 40,21 117 0,75 81 0,63 76 0,40 109 0,75 28 0,45 103 0,99 56 0,91 117 1,59 119 3,75 97 16,47 122 1,95 11 0,30 76 9,01 128 0,38 122 1,73 119 0,15 89
Mezőkövesd Rk 40,95 118 1,14 111 0,71 85 0,27 69 0,64 13 0,07 7 1,62 94 0,93 119 0,77 81 2,87 88 12,35 93 5,67 108 0,34 93 12,15 129 0,25 105 1,07 69 0,09 54
Szeged Rk 41,33 119 0,38 31 0,53 51 0,35 97 0,76 31 0,49 109 1,05 57 1,20 123 1,47 112 14,02 126 13,91 113 2,84 32 0,28 72 1,65 100 0,24 102 2,07 126 0,09 53
Balatonfüred Rk 42,32 120 0,76 83 0,59 66 0,34 95 1,64 121 0,42 98 1,90 103 1,22 124 1,14 103 10,45 122 12,69 96 2,57 27 0,38 102 5,99 127 0,17 69 1,90 124 0,17 104
Tatabánya Rk 42,61 121 0,38 32 0,67 82 0,40 111 0,54 9 0,70 125 0,40 17 1,12 122 3,11 125 11,37 124 12,70 97 4,99 97 0,26 64 3,97 123 0,47 127 1,36 97 0,18 106
Mezőtúr Rk 42,93 122 0,81 91 0,81 98 0,28 72 0,99 71 0,39 91 2,76 122 0,64 106 0,74 76 7,49 113 15,72 121 7,81 124 1,84 130 0,95 71 0,39 125 1,13 76 0,18 105
Dunaújváros Rk 43,14 123 1,92 127 0,72 88 0,25 61 1,07 84 0,33 78 12,91 130 0,35 69 0,82 84 2,12 70 13,80 110 5,21 99 0,28 70 0,69 55 0,59 129 1,82 122 0,25 121
Nagykanizsa Rk 45,24 124 0,43 42 0,46 35 0,30 76 1,23 102 0,10 15 0,57 33 0,24 43 0,40 36 2,65 84 8,59 37 5,47 106 0,21 47 22,67 130 0,12 43 1,58 113 0,23 119
Fonyód Rk 48,33 125 0,38 34 0,50 46 0,26 66 0,89 51 0,10 13 0,43 20 0,26 49 0,29 20 15,64 127 16,62 124 6,68 118 0,41 111 4,26 125 0,14 59 1,46 105 0,00 1
Budapest 51,80 126 0,32 25 0,87 100 0,31 84 0,67 17 0,22 47 1,12 60 4,32 130 1,48 113 3,19 94 25,78 127 4,94 95 0,53 121 2,28 114 0,88 130 4,36 130 0,53 130
Orosháza Rk 63,70 127 0,20 12 0,31 13 0,24 57 1,11 93 0,39 90 0,11 1 0,37 75 0,44 44 3,05 89 52,84 130 2,87 34 0,24 60 0,57 39 0,11 34 0,67 21 0,17 101
Marcali Rk 76,94 128 0,67 71 0,74 91 0,64 130 1,86 124 0,06 6 0,80 47 0,35 70 0,93 95 16,71 128 35,03 129 13,83 130 0,77 126 2,56 118 0,13 49 1,73 118 0,13 78
Edelény Rk 81,38 129 0,58 60 0,61 70 0,30 80 1,05 78 0,11 20 1,76 100 0,41 84 1,43 111 64,71 130 5,61 5 3,41 55 0,28 69 0,39 16 0,08 20 0,66 18 0,00 1
Siófok Rk 83,00 130 0,66 68 0,72 87 0,38 104 1,04 77 0,11 17 0,55 31 0,25 45 0,75 79 35,21 129 25,82 128 13,22 129 0,40 108 1,16 80 0,23 99 2,45 129 0,05 23
50/194. oldal
5. Táblázat – A bűncselekményi rangsor első és utolsó tíz helyén szereplő rendőrkaptányságok
ÖSSZES BŰNCSELEKM
ÉNY
Testi sértés - könnyű
Testi sértés - súlyos
Közúti baleset okozása
Közúti jármű ittas
vezetése
Tartás elmulaszt
ása Garázdasá
g
Közokirat-
hamisítás
Magánokirat-
hamisítás
Rendőrkapitányság
1000 főre rang
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre ran
g
Rendőrkapitányság
1000
főre
rang
Rendőrkapitányság
1000
főre ran
g
Kapuvár Rk 10,16 1 Celldömölk Rk 0,04 1 Sarkad Rk
0,19 1 Kapuvár Rk 0 1 Salgótarján Rk 0 1 Sárospatak Rk
0,04 1 Orosháza Rk 0,11 1 Celldömölk Rk
0,04 1 Hajdúnánás Rk 0,05 1
Csorna Rk 10,23 2 Nagykőrös Rk 0,11 2 Békés Rk 0,2 2 Békés Rk 0 1
Balassagyarmat Rk
0,05 2 Kaposvár Rk
0,04 2 Gödöllő Rk 0,15 2 Sárvár Rk
0,05 2 Mór Rk 0,11 2
Mór Rk 10,94 3 Mór Rk 0,11 3 Kistelek Rk
0,21 3 Rétság Rk 0 1 Rétság Rk 0,4 3 Barcs Rk
0,04 3 Érd Rk 0,18 3 Keszthely Rk
0,06 3
Balatonalmádi Rk 0,13 3
Békés Rk 11,22 4 Békés Rk 0,13 4
Kunszentmiklós Rk
0,22 4 Celldömölk Rk 0 1
Hajdúböszörmény Rk
0,47 4 Záhony Rk
0,04 4 Szarvas Rk 0,18 4 Ajka Rk
0,07 4 Szerencs Rk 0,15 4
Szerencs Rk 15,23 5 Balatonalmádi
Rk 0,13 5 Celldömölk Rk
0,23 5 Szécsény Rk 0 1
Püspökladány Rk
0,47 5 Lenti Rk
0,04 5 Nagykáta Rk 0,19 5 Hajdúnánás Rk
0,08 5 Ráckeve Rk 0,16 5
Sárvár Rk 15,84 6 Budaörs Rk 0,17 6 Körmend Rk
0,23 6 Várpalota Rk 0 1
Kunszentmárton Rk
0,52 6 Marcali Rk
0,06 6 Nagykőrös Rk 0,21 6 Szécsény Rk
0,09 6 Heves Rk 0,16 6
Tapolca Rk 15,89 7 Szarvas Rk 0,18 7 Szarvas Rk
0,25 7
Balassagyarmat Rk 0 1 Szécsény Rk
0,54 7
Mezőkövesd Rk
0,07 7 Szentendre Rk 0,25 7 Kisvárda Rk 0,1 7
Hajdúhadháza Rk 0,18 7
Rétság Rk 16,45 8 Szentendre Rk 0,19 8 Békéscsaba Rk
0,25 8 Pásztó Rk 0 1
Balmazújváros Rk
0,54 8
Tiszavasvári Rk
0,07 8 Kisbér Rk 0,27 8 Tiszafüred Rk 0,1 8
Kunszentmiklós Rk 0,19 8
Baja Rk 16,61 9 Dunakeszi Rk 0,2 9 Mór Rk 0,28 9 Kőszeg Rk 0 1 Tatabánya Rk
0,54 9 Szigetvár Rk
0,09 9
Szigetszentmiklós Rk 0,27 9 Mór Rk
0,11 9 Sárospatak Rk 0,19 9
Hajdúböszörmény Rk 16,84 10 Kaposvár Rk 0,2 10 Ráckeve Rk
0,28 10 Sarkad Rk 0 1 Hajdúnánás Rk
0,55 10 Encs Rk
0,09 10 Kaposvár Rk 0,29 10 Rétság Rk
0,12 10 Gárdony Rk 0,2 10
Tatabánya Rk 42,61 121 Lenti Rk 1,52
121 Nyírbátor Rk
1,69
121 Békéscsaba Rk
0,47
121
Balatonfüred Rk
1,64
121 Győr Rk
0,61 121 Salgótarján Rk 2,51
121 Debrecen Rk 1
121
Vásárosnamény Rk 1,76 121
Mezőtúr Rk 42,93 122 Nagyatád Rk 1,55
122 Mátészalka Rk 1,7
122 Kecskemét Rk
0,48
122 Lenti Rk
1,65
122
Kiskunfélegyháza Rk
0,62 122 Mezőtúr Rk 2,76
122 Tatabánya Rk
1,12
122 Békéscsaba Rk 1,8 122
Dunaújváros Rk 43,14 123 Bicske Rk
1,63
123 Záhony Rk 1,7
123
Szigetszentmiklós Rk
0,48
123 Esztergom Rk
1,78
123 Kőszeg Rk
0,64 123
Vásárosnamény Rk 2,77
123 Szeged Rk 1,2
123
Nyíregyháza Rk 1,85 123
Nagykanizsa Rk 45,24 124
Fehérgyarmat Rk 1,7
124
Hajdúböszörmény Rk
1,75
124 Sárvár Rk 0,5
124 Marcali Rk
1,86
124 Ajka Rk
0,68 124
Fehérgyarmat Rk 3,07
124
Balatonfüred Rk
1,22
124 Debrecen Rk 1,88 124
Fonyód Rk 48,33 125 Barcs Rk 1,72
125
Hajdúszoboszló Rk
1,79
125
Szombathely Rk
0,51
125 Kisbér Rk
1,86
125 Tatabánya Rk 0,7 125 Karcag Rk 3,31
125 Miskolc Rk
1,34
125 Tatabánya Rk 3,11 125
Budapest 51,8 126 Tiszafüred Rk 1,85
126 Hajdúnánás Rk
1,81
126
Törökszentmiklós Rk
0,53
126 Dombóvár Rk
1,91
126 Pápa Rk
0,77 126 Tiszafüred Rk 3,67
126 Monor Rk
2,01
126 Pécs Rk 3,25 126
Orosháza Rk 63,7 127 Dunaújváros
Rk 1,92
127
Hajdúhadháza Rk
1,93
127 Esztergom Rk
0,55
127 Dorog Rk
1,98
127 Szentes Rk
0,79 127 Vasvár Rk 4,52
127 Makó Rk
2,03
127 Tamási Rk 3,66 127
Marcali Rk 76,94 128 Vasvár Rk 2,92
128
Nyíregyháza Rk
1,96
128 Cegléd Rk
0,56
128 Csongrád Rk
2,05
128 Heves Rk
0,85 128 Gárdony Rk 5,78
128
Balmazújváros Rk
2,18
128 Esztergom Rk 3,98 128
Edelény Rk 81,38 129 Sárbogárd Rk 3,4 129
Vásárosnamény Rk
2,26
129 Csorna Rk
0,62
129 Kiskőrös Rk
2,34
129 Rétság Rk
0,95 129 Sárbogárd Rk 7,36
129 Záhony Rk
3,23
129 Szarvas Rk 6,33 129
Siófok Rk 83 130 Gárdony Rk 7,11
130
Berettyóújfalu Rk
3,01
130 Marcali Rk
0,64
130 Kiskunhalas Rk
2,51
130 Nagykőrös Rk
1,62 130
Dunaújváros Rk
12,91
130 Budapest
4,32
130 Encs Rk 7,51 130
51/194. oldal
6. Táblázat - A bűncselekményi rangsor első és utolsó tíz helyén szereplő rendőrkaptányságok (2. rész)
Visszaélés okirattal Lopás
Betöréses lopás Sikkasztás Csalás Rablás Rongálás
Jármű önkényes elvétele
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Rendőrkapitányság
1000 főre
rang
Vasvár Rk 0 1 Kapuvár Rk 2,86 1 Kapuvár Rk 0,71 1 Lenti Rk 0,04 1 Sarkad Rk 0,19 1 Csorna Rk 0 1 Hajdúböszörmé
ny Rk 0,22 1 Szécsény Rk 0 1
Mór Rk 0,03 2 Csorna Rk 3,44 2 Szeghalom Rk 0,76 2 Békés Rk 0,05 2 Vasvár Rk 0,21 2 Kunszentmárton
Rk 0,04 2 Szécsény Rk 0,31 2 Törökszentmikl
ós Rk 0 1
Rétság Rk 0,16 3 Mór Rk 4,34 3 Gyula Rk 0,98 3 Kazincbarcika
Rk 0,08 3 Mór Rk 0,23 3 Rétság Rk 0,04 3 Békés Rk 0,33 3 Fonyód Rk 0 1
Csorna Rk 0,19 4 Békés Rk 4,73 4 Kistelek Rk 1,07 4 Bicske Rk 0,08 4 Kisbér Rk 0,27 4 Csongrád Rk 0,04 4 Kapuvár Rk 0,33 4 Edelény Rk 0 1
Hajdúnánás Rk 0,23 5 Edelény Rk 5,61 5 Békés Rk 1,14 5 Vásárosnamény
Rk 0,08 5 Szécsény Rk 0,27 5 Vác Rk 0,04 5 Celldömölk Rk 0,35 5 Ózd Rk 0,01 5
Balassagyarmat Rk 0,24 6 Sárvár Rk 5,7 6 Csorna Rk 1,32 6 Sarkad Rk 0,09 6
Hajdúböszörmény Rk 0,28 6 Körmend Rk 0,05 6 Szarvas Rk 0,35 6 Keszthely Rk 0,01 6
Pásztó Rk 0,28 7 Tapolca Rk 5,74 7 Fehérgyarmat
Rk 1,32 7 Dorog Rk 0,1 7 Sárospatak Rk 0,31 7 Sárvár Rk 0,05 7 Csorna Rk 0,35 7 Pápa Rk 0,02 7
Szeghalom Rk 0,29 8 Kiskőrös Rk 5,76 8 Ózd Rk 1,67 8 Kunszentmárton
Rk 0,11 8 Kőszeg Rk 0,32 8 Békés Rk 0,05 8 Sárospatak Rk 0,5 8 Balassagyarmat
Rk 0,02 8
Fehérgyarmat Rk 0,38 9
Fehérgyarmat Rk 6,1 9 Szerencs Rk 1,69 9 Mór Rk 0,11 9 Tapolca Rk 0,33 9
Fehérgyarmat Rk 0,05 9 Tiszaújváros Rk 0,5 9 Sárvár Rk 0,02 9
Szerencs Rk 0,39 10 Körmend Rk 6,14 10 Bonyhád Rk 1,91 10 Celldömölk Rk 0,12 10 Nagykáta Rk 0,34 10 Bonyhád Rk 0,05 10 Fehérgyarmat
Rk 0,51 10 Bicske Rk 0,03 10
Esztergom Rk 10,42 121 Mezőtúr Rk 15,72 121 Gárdony Rk 7,4 121 Budapest 0,53 121 Bonyhád Rk 3,68 121 Szombathely Rk 0,35 121 Vác Rk 1,8 121 Dunaújváros Rk 0,25 121
Balatonfüred Rk 10,45 122 Székesfehérvár
Rk 16,47 122 Berettyóújfalu
Rk 7,49 122 Győr Rk 0,56 122 Kiskőrös Rk 3,83 122 Székesfehérvár
Rk 0,38 122 Dunaújváros Rk 1,82 122 Dabas Rk 0,26 122
Kaposvár Rk 11,29 123 Karcag Rk 16,5 123 Balatonalmádi
Rk 7,56 123 Kecskemét Rk 0,62 123 Tatabánya Rk 3,97 123 Cegléd Rk 0,38 123 Ráckeve Rk 1,85 123 Kiskunhalas Rk 0,26 123
Tatabánya Rk 11,37 124 Fonyód Rk 16,62 124 Mezőtúr Rk 7,81 124 Paks Rk 0,7 124 Encs Rk 4,19 124 Miskolc Rk 0,38 124 Balatonfüred Rk 1,9 124 Lenti Rk 0,27 124
Komárom Rk 11,76 125 Heves Rk 17,19 125 Heves Rk 8,09 125 Tata Rk 0,76 125 Fonyód Rk 4,26 125 Mezőtúr Rk 0,39 125 Szentendre Rk 2,03 125 Kőszeg Rk 0,28 125
Szeged Rk 14,02 126 Szolnok Rk 17,32 126 Nagykáta Rk 8,37 126 Marcali Rk 0,77 126 Szolnok Rk 4,29 126 Oroszlány Rk 0,4 126 Szeged Rk 2,07 126 Nyírbátor Rk 0,28 126
Fonyód Rk 15,64 127 Budapest 25,78 127 Karcag Rk 8,47 127 Ráckeve Rk 0,79 127 Balatonfüred Rk 5,99 127 Tatabánya Rk 0,47 127 Budaörs Rk 2,07 127 Bátonyterenye
Rk 0,29 127
Marcali Rk 16,71 128 Siófok Rk 25,82 128 Ráckeve Rk 8,84 128 Esztergom Rk 0,81 128 Székesfehérvár
Rk 9,01 128 Ózd Rk 0,49 128 Szigetszentmikl
ós Rk 2,19 128 Mosonmagyaró
vár Rk 0,32 128
Siófok Rk 35,21 129 Marcali Rk 35,03 129 Siófok Rk 13,22 129 Nagyatád Rk 1,04 129 Mezőkövesd Rk 12,15 129 Dunaújváros Rk 0,59 129 Siófok Rk 2,45 129 Paks Rk 0,49 129
Edelény Rk 64,71 130 Orosháza Rk 52,84 130 Marcali Rk 13,83 130 Mezőtúr Rk 1,84 130 Nagykanizsa Rk 22,67 130 Budapest 0,88 130 Budapest 4,36 130 Budapest 0,53 130
52/194. oldal
7 Társadalmi jellemzők (hogyan hatnak a bűncselekmények alakulására)
Az előzetesen kiválogatott független társadalmi változókat (95 egyed) felhasználtuk egy korrelációs számításhoz, annak érdekében, hogy érzékelni lehessen létezik-e kapcsolat a kiválasztott bűncselekménytípusokkal (16 egyed). A két független változó közötti egyenes arányú, fordított arányú vagy hiányzó kapcsolatot (pozitív, negatív vagy nem létező korreláció) rajzolták ki a számításaink. Ezeket táblázatban jelenítettük meg, és kiemeltük a pozitív kapcsolattal rendelkező egyedeket, hogy egyértelműbb képet kapjunk az értékelés megkezdéséhez.6 Ezt követően nyílt módunk annak kiértékelésére, hogy mely egyedek sorolhatók a közös vizsgálati halmazba és azok milyen erősséggel kapcsolódnak egymáshoz.7
A korrelációs számítással létrehozott a közös vizsgálati halmazba került egyedeket tovább vizsgáltuk annak érdekében, hogy meg tudjuk állapítani a bűncselekményekkel való kapcsolatuk közvetlen módon valósul- e meg, vagy valamely egyéb tényező erősíti azt. Ennek az igényünknek teljesítése érdekében regressziós egyenletet alkalmaztunk vizsgált halmaz egyedeire. Melynek segítségével kiszűrtük a korreláció segítségével letisztított független társadalmi változók kapcsolódásának megmaradt zavaró hatásait és felrajzoltuk azokat a kapcsolatokat, amelyek közvetlenül megjelennek, hatást gyakorolnak az egyes bűncselekmény-típusokhoz megjelenésére. A közvetlen kapcsolat kimutatása mellett további fontos hozadéka a modell alkalmazásának, hogy a két egyed függőségének mértékét is képesek voltunk meghatározni.
Ezt követően már közös táblázatba foglalhattuk a regressziós modellel azonosított független társadalmi változók és a jellemző bűncselekménytípusok egyes rendőrkapitányságoknál megjelenő értékeit. Ezekben a táblázatokban bűncselekmény típusonként növekvő sorrendben jelennek meg a kapitányságok, valamint a társadalmi változók közül zölddel jelöltük a legjobb, pirossal a legrosszabb eredményeket. A továbbiakban részletesebben tekintsük át, hogy a kiválasztott független társadalmi változók hogyan kapcsolódnak az egyes bűncselekményekhez és milyen értéket képviselnek egy-egy rendőrkapitányság esetében.
Az előtanulmány készítésének ezen szakaszában a 3.3.2.1. pontban leírt bűnügyi adatokra vonatkozó módszertan alapján azonosított bűncselekménytípusokkal dolgoztunk. Mindegyik bűncselekmény alá besoroltuk az általunk beszerzett független társadalmi változókat (95 egyed) és felhasználtuk egy korrelációs számításhoz. Az eredményt két alapvető indikátor mentén értékeltük ki. Egyik segítségével a független társadalmi változók bűncselekménnyel való összefüggésének tényét (ha 0,05-nél kisebb érték, van összefüggés), a másikkal a két egyed közötti hatás erősségét (táblázatban „R” -1és +1 közötti érték) mértük fel.
Ezzel a módszerrel a könnyű testi sértés esetében 8 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Kábeltelevíziós hálózatba bekapcsolt lakások száma (-0,193) szerepelt. A súlyos testi sértés esetében 39 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Nyilvántartott pályakezdő álláskeresők száma (0,449) bírt. A közúti baleset okozása esetében 45 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a helyi önkormányzatok saját folyó bevételei (0,366) szerepelt. A Közúti
jármű ittas vezetése esetében 9 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Szakiskolai végzettségű nyilvántartott álláskeresők száma (-0,238) bírt.
6 A számítás során kialakult 0,05-nél kisebb érték azt jelenti, hogy 95%-os biztonsággal kimondhatjuk, van összefüggés a két tényező között. 7 A hatás erőssége -1 és 1 értékek között változhat.
53/194. oldal
A Tartás elmulasztása esetében 33 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel Egy éven túl nyilvántartott álláskereső férfiak száma (-0,301) szerepelt. A Garázdaság esetében 23 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Nyilvántartott pályakezdő álláskereső nők száma (0,238) bírt. A Közokirat-
hamisítás esetében 14 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Regisztrált jogi személyiségű vállalkozások száma (0,387) szerepelt. A Magánokirat-hamisítás esetében 3 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel az Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma (0,206) bírt. A Visszaélés okirattal esetében 26 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel az Egyéb (2009-ig magán) szállásadás férőhelyeinek száma összesen (0,278) szerepelt. A Lopás esetében 10 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Háztartási gázfogyasztók száma (0,282) bírt. A Betöréses lopás esetében 13 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel az Vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban (0,241) szerepelt. A Sikkasztás esetében 10 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Működő házi gyermekorvosok száma (0,31) bírt. A Csalás esetében 4 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Főiskolai végzettségű nyilvántartott álláskeresők száma (0,265) szerepelt. A Rablás esetében 30 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Regisztrált jogi személyiségű vállalkozások száma (0,455) bírt. A Rongálás esetében 60 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a Főiskolai végzettségű nyilvántartott álláskeresők száma (0,682) szerepelt. A Jármű önkényes elvétele esetében 38 változóval sikerült kapcsolatot kimutatni, a legerősebb kapcsolati értékkel a helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (0,405) bírt.
Az előző értékelést érdemes oly módon megfordítani, hogy a legerősebb hatást gyakorló társadalmi változók szempontjából tekintünk az egyes bűncselekményekre, és ennek segítségével próbáljuk őket elkövetési kategóriákhoz (bűncselekményi főcsoportokhoz) kötni. Ilyen lehet például a Kábeltelevíziós hálózatba bekapcsolt lakások száma, ami egyaránt megjelenik a Jármű önkényes elvétele, a Rongálás, a Rablás, a Közúti baleset okozása, a Súlyos testi sértés és a Könnyű testi sértés bűncselekmények esetében is.
A bűncselekményekhez csatolt előzőekben ismertetett legerősebb hatással bíró társadalmi változók egy jelentősebb egyedszámú érintettség esetén sajátságos belső szerkezet is kialakíthatnak, egymás hatásait erősítve vagy gyengítve.
Érdemes továbbá az egy bűncselekménynél megjelenő a magas egyedszámú legerősebb hatással bíró társadalmi változókat (Rablásnál 60 db) tovább tisztítani, ha túlzottan árnyalt képet mutat a korreláció, vagy nyilvánvalóan nincs hatása a gyakorlatban.
7.1 Összes bűncselekmény
7.1.1 A bűncselekmények teljes számával korreláló változók
7. Táblázat - A bűncselekmények teljes számával korreláló változók
Független változók SIG R
1 a108_fo Egyéb (2009-ig magán) szállásadás férőhelyeinek száma összesen (db) 0,001 0,286
2 a57_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma 0,001 0,284
3 a59_fo Egyéb (2009-ig magán) szálláshelyek férőhelyeinek száma összesen 0,001 0,284
4 a107_fo Egyéb (2009-ig magán) szállásadás vendéglátóinak száma összesen (db) 0,001 0,279
54/194. oldal
Független változók SIG R
5 a9_fo Távfűtésbe bekapcsolt lakások száma 0,002 0,337
6 a106_fo Fizetővendéglátás szállásférőhelyeinek száma (db) 0,002 0,279
7 a105_fo Fizetővendéglátás vendéglátóinak száma (fő) 0,002 0,275
8 a110_fo Vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban (vendégéjszaka)
0,002 0,273
9 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,002 0,27
10 a104_fo Vendégéjszakák száma a fizetővendéglátásban (vendégéjszaka) 0,003 0,27
11 a111_fo Kiskereskedelmi üzletek száma (db) 0,003 0,259
12 a102_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma (db) 0,003 0,258
13 a100_fo A kereskedelmi szálláshelyek egységeinek száma (db) 0,004 0,252
14 a109_fo Vendégek száma az egyéb (2009-ig magán) szállásadásban (fő) 0,004 0,252
15 a103_fo Vendégek száma a fizetővendéglátásban (fő) 0,005 0,251
16 a97_fo Vendéglátóhelyek száma (db) 0,005 0,248
17 a85_fo Helyközi autóbusz-megálló aránya 0,005 -0,243
18 a7_fo Háztartási villamosenergia fogyasztók száma 0,007 0,234
19 a1_fo A helyi önkormányzatok saját folyó bevételei 0,008 0,233
20 a58_fo A kereskedelmi szálláshelyek egységeinek száma 0,009 0,229
21 a61_fo Egyéb (2009-ig magán) szálláshelyek vendégéjszakáinak száma 0,014 0,216
22 a77_fo A helyi önkormányzatok helyi adó bevételeiből az idegenforgalmi adó (1000 Ft)
0,016 0,215
23 a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma 0,016 0,21
24 a60_fo Egyéb (2009-ig magán) szálláshelyek vendégeinek száma 0,022 0,202
25 a99_fo Vendégek száma összesen a kereskedelmi szálláshelyeken (fő) 0,022 0,202
26 aktiv_ar 18-59 évesek aránya 0,035 -0,185
27 a55_fo Vendégek száma összesen a kereskedelmi szálláshelyeken 0,045 0,177
28 a101_fo Vendégéjszakák száma a kereskedelmi szálláshelyeken (vendégéjszaka) 0,048 0,175
29 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,049 0,173
36. ábra - A regressziós modell ábrája
55/194. oldal
7.1.2 Az összes bűncselekményre közvetlenül hatással lévő változók regressziós egyenese
37. ábra – Összes bűncselekmény – 1000 főre jutó távfűtésbe bekapcsolt lakások száma
38. ábra – Összes bűncselekmény – 1000 főre jutó egyéb szálláshelyek férőhelyeinek száma összesen
56/194. oldal
39. ábra– Összes bűncselekmény – helyi autóbusz megállók aránya
40. ábra– Összes bűncselekmény –18-59 évesek aránya
57/194. oldal
41. ábra – Összes bűncselekmény – 60+ évesek aránya
7.1.3 A regressziós modellben szereplő változók értékei kapitányságonként
8. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság
1000 főre jutó összes
bűncselekmény száma
Távfűtésbe bekapcsolt
lakások száma
Egyéb (2009-ig magán)
szálláshelyek férőhelyeinek
száma összesen
Aktívak aránya
Helyközi autóbusz-megálló aránya
Idősek aránya
Kapuvár Rk 10,16 11,03 9,7 0,6 1 0,24
Csorna Rk 10,23 10,85 5,8 0,6 1 0,23
Mór Rk 10,94 37,26 5,16 0,62 1 0,2
Békés Rk 11,22 0 1,24 0,59 1 0,23
Szerencs Rk 15,23 0 13,78 0,58 1 0,21
Sárvár Rk 15,84 22,57 27,7 0,61 1 0,24
Tapolca Rk 15,89 29,94 125,76 0,6 1 0,23
Rétság Rk 16,45 0 10,53 0,6 1 0,22
Baja Rk 16,61 21,53 3,51 0,58 1 0,25
Hajdúböszörmény Rk 16,84 6,57 2,72 0,59 1 0,2
Mezőkovácsháza Rk 16,98 8,7 3,89 0,58 1 0,25
Szeghalom Rk 17,19 0 3,42 0,6 1 0,21
Celldömölk Rk 17,19 17,76 12,73 0,59 1 0,24
Fehérgyarmat Rk 17,52 0 17,37 0,58 1 0,2
Kunszentmiklós Rk 17,59 0 3,24 0,59 1 0,22
58/194. oldal
Rendőrkapitányság
1000 főre jutó összes
bűncselekmény száma
Távfűtésbe bekapcsolt
lakások száma
Egyéb (2009-ig magán)
szálláshelyek férőhelyeinek
száma összesen
Aktívak aránya
Helyközi autóbusz-megálló aránya
Idősek aránya
Körmend Rk 17,79 51,2 34,89 0,6 0,98 0,24
Kiskunhalas Rk 18,13 15,03 10,31 0,59 1 0,23
Kisvárda Rk 18,29 19,86 0,18 0,61 1 0,17
Szécsény Rk 18,73 0 12,8 0,58 1 0,22
Sátoraljaújhely Rk 18,83 24,42 21,85 0,58 1 0,21
Szigetvár Rk 19,25 32,29 8,7 0,61 1 0,2
Dunakeszi Rk 19,42 33,51 0,74 0,61 1 0,19
Tiszaújváros Rk 19,83 111,12 7,53 0,6 1 0,18
Sopron Rk 19,94 63,57 17,22 0,6 1 0,23
Sárospatak Rk 20,01 33,2 49,82 0,6 1 0,22
Kiskőrös Rk 20,13 0 2,96 0,59 1 0,24
Gyula Rk 20,13 0 45,72 0,59 1 0,25
Várpalota Rk 20,7 129,45 3,39 0,61 1 0,21
Mohács Rk 20,97 38,34 10,48 0,6 1 0,23
Kazincbarcika Rk 21,03 103,08 4,44 0,61 1 0,21
Balassagyarmat Rk 21,05 0 7,81 0,6 1 0,23
Pásztó Rk 21,08 0 15,2 0,59 1 0,24
Dabas Rk 21,09 0 1,28 0,61 1 0,19
Gödöllő Rk 21,14 11,12 4,05 0,6 1 0,2
Ajka Rk 21,28 127,44 6,17 0,61 1 0,23
Kőszeg Rk 21,4 18,69 148,35 0,61 1 0,22
Hajdúnánás Rk 21,56 15,44 5,72 0,6 1 0,21
Bonyhád Rk 21,74 23,59 4,58 0,6 1 0,23
Bicske Rk 21,84 0 8,34 0,61 1 0,19
Veszprém Rk 22,02 79,53 11,37 0,62 1 0,21
Mátészalka Rk 22,09 20,62 1,05 0,6 1 0,19
Hatvan Rk 22,21 0 1,82 0,59 1 0,24
Nagykőrös Rk 22,37 18,75 1,55 0,59 1 0,22
Kiskunfélegyháza Rk 22,5 31,88 1,32 0,59 1 0,23
Sarkad Rk 22,8 0 0 0,58 1 0,23
Szentendre Rk 22,91 17,46 7,19 0,59 1 0,21
Békéscsaba Rk 23,13 0 2,58 0,6 1 0,24
Kistelek Rk 23,23 0 5,06 0,58 1 0,25
Budaörs Rk 23,34 15,9 2,92 0,59 1 0,19
Érd Rk 23,61 49,33 1,17 0,61 1 0,19
Szarvas Rk 23,63 3,05 24,88 0,58 1 0,25
Komló Rk 23,67 77,53 18,71 0,6 1 0,23
59/194. oldal
Rendőrkapitányság
1000 főre jutó összes
bűncselekmény száma
Távfűtésbe bekapcsolt
lakások száma
Egyéb (2009-ig magán)
szálláshelyek férőhelyeinek
száma összesen
Aktívak aránya
Helyközi autóbusz-megálló aránya
Idősek aránya
Dorog Rk 23,67 31,47 2,03 0,61 1 0,21
Paks Rk 23,79 55,14 4,61 0,61 1 0,21
Gyöngyös Rk 24,36 37,37 11,92 0,58 1 0,25
Hajdúszoboszló Rk 24,47 27,84 267,11 0,6 1 0,22
Kalocsa Rk 24,49 0 3,53 0,59 1 0,25
Barcs Rk 24,57 0 25,65 0,59 1 0,21
Vác Rk 24,61 28,52 8,77 0,6 1 0,21
Balatonalmádi Rk 24,86 0 323,51 0,59 1 0,26
Vásárosnamény Rk 25,13 0 22,28 0,59 1 0,19
Bátonyterenye Rk 25,19 0 9,58 0,58 1 0,24
Keszthely Rk 25,38 17,51 300,22 0,59 1 0,26
Szigetszentmiklós Rk 25,55 12,57 0,46 0,61 1 0,18
Püspökladány Rk 25,64 18,22 7,59 0,59 1 0,21
Monor Rk 25,92 0 1,5 0,61 1 0,2
Füzesabony Rk 26,08 0 50,45 0,57 1 0,23
Lenti Rk 26,34 0 36,49 0,59 1 0,26
Mosonmagyaróvár Rk 26,53 47,64 12,44 0,61 1 0,2
Cegléd Rk 26,61 20,42 1,54 0,59 1 0,22
Tiszafüred Rk 26,63 0 121,44 0,59 1 0,22
Vasvár Rk 26,81 20,08 9,73 0,6 1 0,23
Zalaegerszeg Rk 26,85 0 7,97 0,61 0,99 0,23
Siklós Rk 26,98 19,51 150,32 0,6 1 0,21
Kisbér Rk 27,04 0 4,99 0,62 1 0,21
Ózd Rk 27,05 81,82 4,05 0,57 1 0,21
Hajdúhadháza Rk 27,3 0 1,35 0,6 1 0,16
Törökszentmiklós Rk 27,34 0 2,66 0,58 1 0,21
Tata Rk 27,37 52,98 11,33 0,61 1 0,22
Ráckeve Rk 27,44 0 2,7 0,59 1 0,22
Salgótarján Rk 27,78 63,15 4,4 0,58 1 0,25
Nagykáta Rk 28,03 0 1,57 0,6 1 0,21
Tiszavasvári Rk 28,28 12,23 4,77 0,57 1 0,2
Pápa Rk 28,69 0 7,32 0,59 1 0,23
Balmazújváros Rk 28,82 0 12,22 0,58 1 0,22
Tamási Rk 29,36 0 23,91 0,59 1 0,24
Szombathely Rk 29,46 101 3,69 0,6 1 0,23
Kunszentmárton Rk 29,47 6 25,41 0,57 1 0,25
Dombóvár Rk 29,84 56,09 49,65 0,59 1 0,24
60/194. oldal
Rendőrkapitányság
1000 főre jutó összes
bűncselekmény száma
Távfűtésbe bekapcsolt
lakások száma
Egyéb (2009-ig magán)
szálláshelyek férőhelyeinek
száma összesen
Aktívak aránya
Helyközi autóbusz-megálló aránya
Idősek aránya
Eger Rk 29,88 40,97 50,52 0,59 1 0,24
Oroszlány Rk 30,17 176,75 2,68 0,61 1 0,21
Csongrád Rk 30,42 21,54 5,7 0,57 1 0,26
Nyíregyháza Rk 30,48 65,27 2,23 0,61 1 0,19
Miskolc Rk 31,38 127,23 5,12 0,6 1 0,22
Berettyóújfalu Rk 31,66 9,78 2,5 0,59 1 0,21
Győr Rk 31,71 113,64 4,5 0,61 1 0,22
Makó Rk 31,78 16,52 3,68 0,58 1 0,24
Jászberény Rk 32,03 0 2,11 0,58 1 0,24
Szentes Rk 32,29 33,53 3,23 0,58 1 0,25
Hódmezővásárhely Rk 32,4 47,09 5,91 0,6 1 0,23
Heves Rk 32,69 0 11,81 0,57 1 0,21
Záhony Rk 33 18,23 1,97 0,6 1 0,17
Nyírbátor Rk 34,13 1,97 0,86 0,6 1 0,17
Encs Rk 34,19 0 12,85 0,57 1 0,18
Kaposvár Rk 34,23 56,5 9,34 0,59 1 0,23
Kecskemét Rk 34,31 65,79 2,93 0,6 1 0,21
Pécs Rk 34,53 172,74 8,66 0,6 1 0,23
Sárbogárd Rk 34,82 8,32 3,59 0,6 1 0,2
Nagyatád Rk 35,14 5,33 9,68 0,59 1 0,22
Szekszárd Rk 35,96 67,73 5,68 0,6 1 0,23
Karcag Rk 36,06 0 18,14 0,59 1 0,22
Komárom Rk 36,28 74,16 5,66 0,61 1 0,21
Esztergom Rk 38,43 55,95 5,69 0,59 1 0,22
Szolnok Rk 39,43 65,65 2,7 0,6 1 0,23
Gárdony Rk 39,68 0 65,55 0,6 1 0,22
Debrecen Rk 39,87 133,99 2,06 0,61 1 0,21
Székesfehérvár Rk 40,21 121,4 1,75 0,61 1 0,21
Mezőkövesd Rk 40,95 0 104,34 0,58 1 0,25
Szeged Rk 41,33 118,45 5,79 0,6 1 0,23
Balatonfüred Rk 42,32 27,91 487,4 0,59 1 0,26
Tatabánya Rk 42,61 253,47 1,93 0,61 1 0,21
Mezőtúr Rk 42,93 0 4,24 0,59 1 0,24
Dunaújváros Rk 43,14 178,35 2,74 0,61 1 0,22
Nagykanizsa Rk 45,24 0 40,61 0,6 1 0,24
Fonyód Rk 48,33 0 972,27 0,58 1 0,26
Budapest 51,8 140,32 3,54 0,59 1 0,26
61/194. oldal
Rendőrkapitányság
1000 főre jutó összes
bűncselekmény száma
Távfűtésbe bekapcsolt
lakások száma
Egyéb (2009-ig magán)
szálláshelyek férőhelyeinek
száma összesen
Aktívak aránya
Helyközi autóbusz-megálló aránya
Idősek aránya
Orosháza Rk 63,7 0 8,38 0,58 1 0,25
Marcali Rk 76,94 0 13,9 0,59 1 0,23
Edelény Rk 81,38 0 27,56 0,57 0,98 0,2
Siófok Rk 83 17,43 474,02 0,59 1 0,25
7.2 Könnyű testi sértés
7.2.1 A könnyű testi sértéssel korreláló változók
9. Táblázat - Könnyű testi sértéssel korreláló változók
Független változók SIG R
1 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) 0,027 -0,193
2 a73_fo Halálozások száma (fő) 0,03 0,19
3 a82_fo Kábeltelevízió előfizetőinek száma (db) 0,03 -0,191
4 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft) 0,033 -0,187
5 a90_fo Bölcsőde aránya 0,033 -0,193
6 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,038 0,182
7 a2_fo A helyi önkormányzatok helyi adó bevételei 0,039 -0,181
8 a83_fo A település területe (hektár) 0,043 0,178
A független társadalmi változók közül 8 mutatott olyan kapcsolatot a könnyű testi sértés bűncselekménnyel, melynek alapján kimondhatjuk, valószínű van összefüggés a tényezők között. Az erős kapcsolati indexel rendelkező társadalmi változók között található a Kábeltelevíziós hálózatba bekapcsolt lakások száma, a Helyi önkormányzatok helyi adó bevételeiből az iparűzési adó, a Bölcsőde aránya valamint egyebek mellett az Általános iskolai végzettségű nyilvántartott álláskeresők száma. Érdekesség, hogy kapcsolatként jelenik meg a Település területe (hektár) és a Halálozások száma is.
42. ábra – Könnyű testi sértés, regressziós modell
62/194. oldal
Az ismertetett társadalmi tényezők közül regressziós modell alkalmazását követően már csak kettő mutatott közvetlen kapcsolatot a bűncselekménytípussal. Majdnem egyező erősséggel kapcsolódik hozzá a Kábeltelevíziós hálózatba bekapcsolt lakások száma és a Bölcsőde aránya. A rendőri szervekkel is számoló regressziós modell társadalmi változói és bűncselekményi kategóriája további elemzések forrása lehet. Jelen esetben azonban nem meggyőző erősségű a beazonosított társadalmi változók és a hozzájuk csatolt bűncselekménytípus kapcsolata a hasonló fertőzöttségű kapitányságok esetén.
7.2.2 A könnyű testi sértésre közvetlenül hatással lévő változók regressziós egyenese
43. ábra – Könnyű testi sértés – bölcsőde aránya
63/194. oldal
44. ábra - Könnyű testi sértés –kábeltelevíziós hálózatba bekapcsolt lakások száma
7.2.3 A regressziós modellben szereplő változók értékei kapitányságonként
10. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Testi sértés - könnyű Kábeltelevíziós hálózatba
bekapcsolt lakások száma (db) Bölcsőde aránya
Celldömölk Rk 0,04 225,04 0,04
Mór Rk 0,11 216,03 0,07
Nagykőrös Rk 0,11 75,53 0,33
Békés Rk 0,13 186,17 0,25
Balatonalmádi Rk 0,13 244,03 0,43
Budaörs Rk 0,17 160,48 0,24
Szarvas Rk 0,18 168,41 0,44
Szentendre Rk 0,19 163,38 0,21
Orosháza Rk 0,2 146,11 0,38
Gödöllő Rk 0,2 184,24 0,22
Dunakeszi Rk 0,2 263,18 1
Kaposvár Rk 0,2 232,01 0,03
Balmazújváros Rk 0,22 97,82 0,6
Pásztó Rk 0,22 183,49 0
Baja Rk 0,23 191,24 0,04
64/194. oldal
Rendőrkapitányság Testi sértés - könnyű Kábeltelevíziós hálózatba
bekapcsolt lakások száma (db) Bölcsőde aránya
Hajdúszoboszló Rk 0,23 104,11 0,4
Sárvár Rk 0,25 202,47 0,05
Bátonyterenye Rk 0,26 168,18 0,13
Szigetszentmiklós Rk 0,26 168,27 0,83
Tata Rk 0,28 264,97 0,3
Ráckeve Rk 0,28 133,35 0,07
Kiskunhalas Rk 0,29 167,98 0,16
Érd Rk 0,31 204,21 0,33
Budapest 0,32 330,09 1
Kisbér Rk 0,32 107,51 0
Gyula Rk 0,33 253,21 0,5
Kapuvár Rk 0,33 204,26 0,06
Szigetvár Rk 0,34 73,51 0,03
Sopron Rk 0,34 282,14 0,03
Cegléd Rk 0,35 144,58 0,25
Kiskunfélegyháza Rk 0,38 103,97 0,11
Szeged Rk 0,38 283,85 0,38
Tatabánya Rk 0,38 301,24 0,2
Fonyód Rk 0,38 76,19 0,12
Tapolca Rk 0,38 182,99 0,05
Pápa Rk 0,39 210,41 0,02
Püspökladány Rk 0,4 97,75 0,42
Komárom Rk 0,4 247,84 0,27
Nyíregyháza Rk 0,4 153,16 0,13
Debrecen Rk 0,41 270,9 0,13
Vác Rk 0,41 216,53 0,09
Csorna Rk 0,43 185,51 0,03
Nagykanizsa Rk 0,43 227,48 0,01
Szentes Rk 0,44 232,72 0,25
Győr Rk 0,44 254,64 0,07
Heves Rk 0,44 57,04 0,06
Oroszlány Rk 0,44 288,7 0,17
Nagykáta Rk 0,44 184,24 0
Hatvan Rk 0,45 163,96 0,15
Szécsény Rk 0,45 155,05 0,06
Sarkad Rk 0,46 81,29 0,1
Tiszaújváros Rk 0,46 145,73 0,13
Monor Rk 0,46 212,74 0,22
Keszthely Rk 0,46 222,89 0,04
Mohács Rk 0,49 232,2 0,04
65/194. oldal
Rendőrkapitányság Testi sértés - könnyű Kábeltelevíziós hálózatba
bekapcsolt lakások száma (db) Bölcsőde aránya
Dorog Rk 0,56 250,04 0,07
Rétság Rk 0,56 125,81 0
Várpalota Rk 0,56 271,72 0,33
Mezőkovácsháza Rk 0,57 158,78 0
Edelény Rk 0,58 162,07 0,02
Kistelek Rk 0,59 71,49 0,17
Dabas Rk 0,6 200,75 0,07
Hajdúhadháza Rk 0,63 41,27 0,31
Komló Rk 0,64 239,32 0,05
Miskolc Rk 0,65 251,9 0,03
Hajdúnánás Rk 0,65 125,84 0,29
Hajdúböszörmény Rk 0,66 106,05 1
Siófok Rk 0,66 164,04 0,04
Pécs Rk 0,67 263,7 0,06
Békéscsaba Rk 0,67 256,16 0,5
Marcali Rk 0,67 132,74 0,03
Szombathely Rk 0,67 251,64 0,03
Berettyóújfalu Rk 0,68 94,99 0,1
Kecskemét Rk 0,7 163,96 0,18
Eger Rk 0,7 223,29 0,04
Kiskőrös Rk 0,71 165,47 0,06
Sátoraljaújhely Rk 0,71 139,72 0,03
Körmend Rk 0,72 172,7 0,03
Makó Rk 0,74 128,77 0,24
Veszprém Rk 0,74 301,11 0,11
Székesfehérvár Rk 0,75 241,05 0,06
Hódmezővásárhely Rk 0,76 209,68 0,5
Esztergom Rk 0,76 250,55 0,33
Balatonfüred Rk 0,76 333,57 0,1
Kisvárda Rk 0,77 55,14 0,04
Paks Rk 0,78 272,93 0,14
Szeghalom Rk 0,79 156,66 0,5
Szolnok Rk 0,79 196,22 0,32
Jászberény Rk 0,79 172,41 0,28
Kalocsa Rk 0,8 206,41 0,05
Tiszavasvári Rk 0,81 82,69 0,33
Mezőtúr Rk 0,81 112,98 0,67
Kunszentmiklós Rk 0,83 123,97 0,22
Kőszeg Rk 0,84 209,35 0,11
Zalaegerszeg Rk 0,85 279,99 0,03
66/194. oldal
Rendőrkapitányság Testi sértés - könnyű Kábeltelevíziós hálózatba
bekapcsolt lakások száma (db) Bölcsőde aránya
Vásárosnamény Rk 0,88 86,8 0
Szerencs Rk 0,89 80,74 0,19
Sárospatak Rk 0,89 150,81 0,19
Törökszentmiklós Rk 0,89 78,98 0,3
Mosonmagyaróvár Rk 0,9 236,92 0,19
Csongrád Rk 0,92 174,08 0,25
Salgótarján Rk 0,92 242,29 0
Balassagyarmat Rk 0,92 152,36 0,03
Kazincbarcika Rk 0,96 272,78 0,03
Dombóvár Rk 0,98 247,26 0,06
Siklós Rk 1 110,94 0,02
Ajka Rk 1,01 236,41 0,03
Gyöngyös Rk 1,02 202,24 0,04
Kunszentmárton Rk 1,03 133,7 0,25
Szekszárd Rk 1,12 290,69 0,09
Mezőkövesd Rk 1,14 86,13 0,04
Füzesabony Rk 1,16 44,48 0,12
Záhony Rk 1,18 31,39 0,08
Nyírbátor Rk 1,21 77,04 0,04
Ózd Rk 1,26 181,99 0,03
Tamási Rk 1,27 182,34 0,04
Bonyhád Rk 1,31 272,58 0,03
Karcag Rk 1,38 82,56 0,5
Encs Rk 1,41 125,08 0,01
Mátészalka Rk 1,47 118,45 0,05
Lenti Rk 1,52 250,75 0,02
Nagyatád Rk 1,55 192,24 0,08
Bicske Rk 1,63 133,53 0,13
Fehérgyarmat Rk 1,7 95,29 0,02
Barcs Rk 1,72 108,09 0,04
Tiszafüred Rk 1,85 75,7 0,2
Dunaújváros Rk 1,92 249,97 0,06
Vasvár Rk 2,92 110,11 0
Sárbogárd Rk 3,4 155,22 0,07
Gárdony Rk 7,11 95,24 0,07
67/194. oldal
7.3 Súlyos testi sértés
7.3.1 A súlyos testi sértéssel korreláló változók
11. Táblázat - A súlyos testi sértéssel korreláló változók
Független változók SIG R
1 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő ,000 ,449
2 a31_fo Nyilvántartott pályakezdő álláskeresők száma ,000 ,447
3 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma ,000 ,439
4 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi ,000 ,436
5 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma ,000 ,416
6 a14_fo A családsegítő szolgáltatást igénybe vevők száma ,000 ,409
7 idos_ar 60+ évesek aránya ,000 -,406
8 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen ,000 ,405
9 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő ,000 ,404
10 a48_fo Nyilvántartott álláskeresők száma összesen ,000 ,403
11 a49_fo Nyilvántartott álláskeresők száma, férfi ,000 ,403
12 fiatal_ar 0-17 évesek aránya ,000 ,399
13 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő ,000 ,399
14 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen ,000 ,397
15 a52_fo 180 napon túli nyilvántartott álláskeresök száma , férfi ,000 ,397
16 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
,000 ,396
17 a50_fo Nyilvántartott álláskeresők száma, nő ,000 ,395
18 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma ,000 ,391
19 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
,000 ,390
20 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi ,000 ,386
21 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő)
,000 ,384
22 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint ,000 -,345
23 a30_fo Szellemi foglalkozású nyilvántartott álláskeresők száma ,000 ,340
24 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
,000 ,332
25 a75_fo Terhességmegszakítások száma (fő) ,001 ,294
26 a82_fo Kábeltelevízió előfizetőinek száma (db) ,001 -,284
27 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) ,001 -,278
28 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma ,001 ,278
29 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
,001 ,277
30 a4_fo Lakásállomány ,002 -,274
31 a7_fo Háztartási villamosenergia fogyasztók száma ,002 -,270
32 a12_fo Házi segítségnyújtásban részesülők száma ,006 ,239
33 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) ,011 -,222
34 a5_fo Közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma ,013 -,218
35 a13_fo Családsegítő szolgálatok száma ,022 ,201
36 lhh_fo lhh települések aránya ,022 ,201
37 a73_fo Halálozások száma (fő) ,024 -,198
38 a1_fo A helyi önkormányzatok saját folyó bevételei ,025 -,196
39 a72_fo Élveszületések száma (fő) ,026 ,195
40 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó ,026 ,195
41 a89_fo Középiskola aránya ,041 ,180
68/194. oldal
A független társadalmi változók közül 41 mutatott olyan kapcsolatot a súlyos testi sértésekkel, amely alapján kimondhatjuk, hogy valószínűsíthető összefüggés van a tényezők között. Hatásuk erőssége alapján a nyilvántartott pályakezdő álláskereső nők száma, a nyilvántartott pályakezdő álláskeresők száma és a szakiskolai végzettségű nyilvántartott álláskeresők száma érdemel figyelmet az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
45. ábra – Súlyos testi sértés regressziós modell
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a nyilvántartott pályakezdő álláskereső nők száma és a halálozások száma egyedekkel. Közvetetten befolyásolja a bűncselekmények számának alakulását, és mindkét elsődleges tényezőhöz közvetlenül kapcsolódik – de egymáshoz nem – a szakmunkás végzettségű nyilvántartott álláskeresők száma és a 60 évesnél idősebbek aránya. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. A kigyűjtött adatok alapján annyit valószínűsíthetünk, hogy a nyilvántartott pályakezdő álláskereső nők száma és a bűncselekmények száma közötti viszony alapján a magasabb értékek magasabb cselekményszámokat feltételeznek (Fehérgyarmat Rk., Mátészalka Rk., Nyírbátor Rk., Záhony Rk.), azonban a legmagasabb esetszámokat nem ez generálja. Úgy gondoljuk, hogy a közvetett tényezőként megjelenő szakmunkás végzettségű nyilvántartott álláskeresők száma esetleg nagyobb hatással lehet a cselekményszám alakulására (Vásárosnamény Rk., Nyíregyháza Rk., Berettyóújfalu Rk., Hajdúhadháza Rk.). Az olyan rendőrkapitányságok esetén, ahol alacsony a testi sértések száma, a társadalmi indikátoroknál is alacsony értékek szerepelnek (pl. Kunszentmiklós Rk., Békés Rk., Sarkad Rk.). Ezek alapján feltételezhetjük, hogy mind a közvetlen és mind a közvetett egyedek együttes fennállása függőségi viszonyt alakít ki.
69/194. oldal
7.3.2 A súlyos testi sértésre közvetlenül hatással lévő változók regressziós egyenese
46. ábra - Súlyos testi sértés – nyilvántartott pályakezdő álláskeresők száma
47. ábra - Súlyos testi sértés – halálozások száma
70/194. oldal
7.3.3 A regressziós modellben szereplő változók értékei kapitányságonként
12. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság 1000 főre
jutó súlyos testi sértés
1000 főre jutó nyilvántartott pályakezdő álláskeresők nők
száma
1000 főre jutó
halálozások száma (fő)
1000 főre jutó szakmunkás végzettségű
nyilvántartott álláskeresők száma
60+ évesek aránya
Sarkad Rk 0,19 9,59 15,06 33,83 0,23
Békés Rk 0,2 9,28 14,66 33,65 0,23
Kistelek Rk 0,21 6,62 14,33 19,55 0,25
Kunszentmiklós Rk 0,22 5,92 14,19 22,56 0,22
Celldömölk Rk 0,23 3,64 14,73 13,19 0,24
Körmend Rk 0,23 3,4 14,97 15,62 0,24
Békéscsaba Rk 0,25 5,82 12,93 21,09 0,24
Szarvas Rk 0,25 6,1 16,21 21,74 0,25
Mór Rk 0,28 4,33 12,2 12,91 0,2
Ráckeve Rk 0,28 1,97 11,58 12,18 0,22
Csongrád Rk 0,29 5,63 18,52 16,72 0,26
Gödöllő Rk 0,29 1,44 11,13 7,97 0,2
Orosháza Rk 0,31 6,58 15,21 25,24 0,25
Tapolca Rk 0,33 4,14 12,77 21,13 0,23
Mohács Rk 0,34 5,96 14,52 23,79 0,23
Füzesabony Rk 0,34 8,26 15,54 21,9 0,23
Karcag Rk 0,34 8,42 13,17 24,88 0,22
Nagykőrös Rk 0,35 3,43 13,06 18,44 0,22
Tata Rk 0,38 3,53 12,35 14,87 0,22
Tiszafüred Rk 0,38 8,58 13,42 33,59 0,22
Veszprém Rk 0,38 3,01 10,83 14,85 0,21
Dunakeszi Rk 0,39 0,79 9,25 6,25 0,19
Csorna Rk 0,4 2,6 14,05 10,8 0,23
Kőszeg Rk 0,4 3,33 14,24 13,01 0,22
Hatvan Rk 0,41 2,98 14,62 16,27 0,24
Szigetszentmiklós Rk 0,41 1,06 9,01 7,13 0,18
Szolnok Rk 0,41 4,85 12,68 15,84 0,23
Sárospatak Rk 0,42 7,86 12,15 34,97 0,22
Keszthely Rk 0,42 3,92 13,46 19,66 0,26
Kunszentmárton Rk 0,44 9,55 16,39 32,45 0,25
Makó Rk 0,45 6,63 15,65 21,07 0,24
Budaörs Rk 0,45 0,98 9,49 5,9 0,19
Dombóvár Rk 0,45 8,53 15,16 23,24 0,24
Gyula Rk 0,46 5,94 15,53 17,92 0,25
71/194. oldal
Rendőrkapitányság 1000 főre
jutó súlyos testi sértés
1000 főre jutó nyilvántartott pályakezdő álláskeresők nők
száma
1000 főre jutó
halálozások száma (fő)
1000 főre jutó szakmunkás végzettségű
nyilvántartott álláskeresők száma
60+ évesek aránya
Szerencs Rk 0,46 10,57 14,29 30,94 0,21
Kapuvár Rk 0,46 2,04 13,02 12,11 0,24
Eger Rk 0,46 5,06 14,1 18,38 0,24
Balatonalmádi Rk 0,46 2,43 11,46 18,23 0,26
Nagykanizsa Rk 0,46 5,2 13,49 18,79 0,24
Encs Rk 0,47 12,67 14,76 34,93 0,18
Sárvár Rk 0,47 2,57 14,97 14,52 0,24
Kiskőrös Rk 0,48 7,66 13,9 22,87 0,24
Szentes Rk 0,49 6,79 14,87 17,7 0,25
Szombathely Rk 0,49 2,75 11,8 9,26 0,23
Sátoraljaújhely Rk 0,5 11,08 14,57 28,9 0,21
Fonyód Rk 0,5 5,08 13,84 25,46 0,26
Kiskunhalas Rk 0,51 9,06 14,18 26,61 0,23
Jászberény Rk 0,51 4,04 14,39 14,05 0,24
Zalaegerszeg Rk 0,51 4,08 13,16 17,86 0,23
Érd Rk 0,52 1,56 9,36 7,48 0,19
Szeged Rk 0,53 3,79 11,03 11,71 0,23
Kazincbarcika Rk 0,54 12,12 13,48 35,06 0,21
Gyöngyös Rk 0,54 5,03 14,44 16,06 0,25
Oroszlány Rk 0,54 3,69 11,31 14,83 0,21
Kalocsa Rk 0,56 6,73 13,19 26,1 0,25
Sárbogárd Rk 0,56 7,98 14,86 24,81 0,2
Rétság Rk 0,56 5,02 13,43 18,44 0,22
Vasvár Rk 0,56 4,84 18,62 18,2 0,23
Pápa Rk 0,56 4,48 14,4 21,26 0,23
Mezőkovácsháza Rk 0,57 8,09 17,36 33,13 0,25
Dabas Rk 0,57 2,07 11,08 11,81 0,19
Szentendre Rk 0,57 0,59 9,74 6,99 0,21
Szeghalom Rk 0,58 7,07 12,89 27,12 0,21
Kecskemét Rk 0,59 4,44 11,98 15,42 0,21
Ózd Rk 0,59 10,84 14,7 32,03 0,21
Vác Rk 0,59 1,86 12,68 8,47 0,21
Ajka Rk 0,59 3,63 13,31 20,27 0,23
Balatonfüred Rk 0,59 2,77 9,65 16,1 0,26
Heves Rk 0,6 11,11 14,79 26,07 0,21
Edelény Rk 0,61 13,25 14,11 31,08 0,2
Tamási Rk 0,61 7,14 16,98 28,23 0,24
72/194. oldal
Rendőrkapitányság 1000 főre
jutó súlyos testi sértés
1000 főre jutó nyilvántartott pályakezdő álláskeresők nők
száma
1000 főre jutó
halálozások száma (fő)
1000 főre jutó szakmunkás végzettségű
nyilvántartott álláskeresők száma
60+ évesek aránya
Baja Rk 0,62 7,88 14,09 26,34 0,25
Kiskunfélegyháza Rk 0,62 5,07 14,83 18,25 0,23
Miskolc Rk 0,62 6,77 13,32 20,38 0,22
Tiszaújváros Rk 0,62 8,06 11,96 18,24 0,18
Székesfehérvár Rk 0,63 3,9 11,56 16,56 0,21
Hódmezővásárhely Rk 0,64 7,01 12,51 19,99 0,23
Gárdony Rk 0,64 2,98 13,14 11,39 0,22
Törökszentmiklós Rk 0,64 8,13 14,06 24,95 0,21
Szekszárd Rk 0,66 5,29 12,34 15,67 0,23
Várpalota Rk 0,66 4,6 12,59 21,89 0,21
Tatabánya Rk 0,67 2,82 12,01 12,32 0,21
Komárom Rk 0,68 2,31 13,12 13,78 0,21
Siklós Rk 0,69 9,71 12,27 26,62 0,21
Mezőkövesd Rk 0,71 8,29 15,81 22,1 0,25
Bonyhád Rk 0,71 5,43 12,96 17,89 0,23
Dunaújváros Rk 0,72 6,23 12,51 15,27 0,22
Siófok Rk 0,72 4,01 13,75 21,55 0,25
Győr Rk 0,73 2,82 12,17 11,49 0,22
Pécs Rk 0,74 4,01 12,93 13,36 0,23
Komló Rk 0,74 7,65 14,13 26,84 0,23
Marcali Rk 0,74 7,8 14,79 24,62 0,23
Cegléd Rk 0,75 4,3 13,42 14,33 0,22
Kaposvár Rk 0,75 6,89 13,88 21,2 0,23
Szigetvár Rk 0,76 9,6 13,36 31,62 0,2
Dorog Rk 0,76 3,14 13,33 19,59 0,21
Bicske Rk 0,8 2,26 12,44 12,88 0,19
Mezőtúr Rk 0,81 7,75 15,12 26,57 0,24
Paks Rk 0,86 5,44 12,34 14,27 0,21
Budapest 0,87 1,22 12,96 5,09 0,26
Balassagyarmat Rk 0,92 6,95 13,53 20,35 0,23
Mosonmagyaróvár Rk 0,93 1,56 10,56 8,72 0,2
Sopron Rk 0,93 0,52 12,58 5,55 0,23
Esztergom Rk 0,93 3,28 12,34 14,81 0,22
Nagykáta Rk 0,94 2,53 13,47 13,37 0,21
Lenti Rk 0,94 2,96 17,17 17,3 0,26
Nagyatád Rk 0,95 9,38 15,05 29,7 0,22
Kisbér Rk 1,01 5,21 15,19 21,99 0,21
73/194. oldal
Rendőrkapitányság 1000 főre
jutó súlyos testi sértés
1000 főre jutó nyilvántartott pályakezdő álláskeresők nők
száma
1000 főre jutó
halálozások száma (fő)
1000 főre jutó szakmunkás végzettségű
nyilvántartott álláskeresők száma
60+ évesek aránya
Kisvárda Rk 1,01 12,66 11,07 27,55 0,17
Bátonyterenye Rk 1,02 8,57 14,95 28,19 0,24
Szécsény Rk 1,07 12,38 14,49 27,38 0,22
Pásztó Rk 1,08 6,7 14,89 24,98 0,24
Monor Rk 1,08 2,41 12,72 12,52 0,2
Barcs Rk 1,29 9,26 14,87 35,7 0,21
Salgótarján Rk 1,34 8,44 15,03 26,18 0,25
Fehérgyarmat Rk 1,37 14,5 13,82 43,2 0,2
Balmazújváros Rk 1,39 8,44 11,27 27,4 0,22
Tiszavasvári Rk 1,41 7,56 11,95 18,17 0,2
Debrecen Rk 1,44 6,09 10,73 18,18 0,21
Püspökladány Rk 1,54 9,5 12,02 30,78 0,21
Nyírbátor Rk 1,69 13,54 12,09 28,19 0,17
Mátészalka Rk 1,7 15,67 13,05 29,18 0,19
Záhony Rk 1,7 16,99 10,88 20,81 0,17
Hajdúböszörmény Rk 1,75 9,35 11,64 25,88 0,2
Hajdúszoboszló Rk 1,79 7,61 11,29 20,46 0,22
Hajdúnánás Rk 1,81 10,1 12,73 26,86 0,21
Hajdúhadháza Rk 1,93 13,46 11,62 32,72 0,16
Nyíregyháza Rk 1,96 8,59 11 19,63 0,19
Vásárosnamény Rk 2,26 12,81 12,71 35,26 0,19
Berettyóújfalu Rk 3,01 9,73 13,68 28,34 0,21
7.4 Közúti baleset okozása
7.4.1 A közúti baleset okozásával korreláló változók
13. Táblázat - A közúti baleset okozásával korreláló változók
Független változók SIG R
1 a49_fo Nyilvántartott álláskeresők száma, férfi 0,000 -0,377
2 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,000 -0,375
3 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,000 -0,373
4 a48_fo Nyilvántartott álláskeresők száma összesen 0,000 -0,366
5 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma 0,000 -0,362
6 a52_fo 180 napon túli nyilvántartott álláskeresők száma , férfi 0,000 -0,350
7 a50_fo Nyilvántartott álláskeresők száma, nő 0,000 -0,345
8 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen 0,000 -0,344
9 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő 0,000 -0,330
10 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi 0,000 -0,329
11 a31_fo Nyilvántartott pályakezdő álláskeresők száma 0,000 -0,326
12 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő) 0,000 -0,326
74/194. oldal
Független változók SIG R
13 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,000 -0,313
14 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó 0,000 -0,312
15 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,000 -0,312
16 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi 0,000 -0,310
17 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma 0,000 -0,304
18 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen 0,000 -0,303
19 a2_fo A helyi önkormányzatok helyi adó bevételei 0,000 0,316
20 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,000 0,337
21 a1_fo A helyi önkormányzatok saját folyó bevételei 0,000 0,366
22 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő 0,001 -0,288
23 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,001 -0,279
24 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,001 0,276
25 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,001 0,299
26 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft) 0,001 0,299
27 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
0,002 -0,269
28 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,003 -0,260
29 a111_fo Kiskereskedelmi üzletek száma (db) 0,003 0,258
30 a11_fo Szociális étkeztetésben részesülők száma 0,004 -0,252
31 lhh_fo lhh települések aránya 0,005 -0,245
32 a21_fo Magyarországon első alkalommal forgalomba helyezett személygépkocsik száma
0,005 0,248
33 a13_fo Családsegítő szolgálatok száma 0,006 -0,240
34 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,008 -0,231
35 a93_fo Bankfiók aránya) 0,008 0,231
36 a14_fo A családsegítő szolgáltatást igénybe vevők száma 0,012 -0,220
37 a12_fo Házi segítségnyújtásban részesülők száma 0,016 -0,211
38 a82_fo Kábeltelevízió előfizetőinek száma (db) 0,016 0,212
39 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,017 0,208
40 a8_fo Háztartási gázfogyasztók száma 0,017 0,209
41 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) 0,021 0,202
42 fiatal_ar 0-17 évesek aránya 0,027 -0,195
43 a73_fo Halálozások száma (fő) 0,030 -0,191
44 a18_fo Regisztrált vállalkozások 0,030 0,191
45 a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya 0,035 0,185
46 a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma 0,044 0,177
A közúti balest okozása bűncselekménnyel korreláltatott független társadalmi változók közül 46 mutatott valószínűsíthető összefüggést. Hatásuk erőssége alapján a különböző típusokban megjelenő Álláskeresők számadatai, a Rendszeres szociális segélyben részesítettek átlagos száma, a Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma, mint különböző önálló kategóriák kapcsolatba hozhatók a bűncselekménytípussal.
75/194. oldal
48. ábra - Közúti balest okozása regressziós modell
Amikor tovább közelítettük az egyedeket a regressziós modell segítségével közvetlen kapcsolatot mutattunk ki a Kiskereskedelmi üzletek száma, a Bankfiók aránya, valamin a Nyilvántartott álláskereső férfiak száma, amit tovább erősített második szintű kapcsolatként az Általános iskolai végzettségű nyilvántartott álláskeresők száma társadalmi változó.
A rendőri szervekkel is számoló regressziós modell társadalmi változói és bűncselekményi kategóriája további elemzések forrása lehet. Marcali, Csorna vagy Cegléd Rendőrkapitányságok esetében magas bűncselekményi érintettség figyelhető meg, amit magas Kiskereskedelmi üzletek száma változó kísér, a másik két társadalmi változó közepes nagyságú megjelenése mellett. Az alacsony bűncselekményszámú rendőrkapitányságoknál általában valamelyik társadalmi változó visszaesése mellett a másik kettő különböző mértékű ingadozása tapasztalható. Nem mutatnak egységes mintát.
76/194. oldal
7.4.2 A közúti baleset okozására közvetlenül hatással lévő változók regressziós egyenese
49. ábra - Közúti balest okozása – kiskereskedelmi üzletek száma
50. ábra - Közúti balest okozása – bankfiókok száma
77/194. oldal
51. ábra - Közúti balest okozása – nyilvántartott álláskeresők száma
7.4.3 A regressziós modellben szereplő változók értékei kapitányságonként
14. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Közúti baleset okozása
Kiskereskedelmi üzletek száma
(db)
Bankfiók aránya
Nyilvántartott álláskeresők száma, férfi
Békés Rk 0 10,79 0,88 108,85
Sarkad Rk 0 12,98 0,7 140,78
Gárdony Rk 0 11,14 0,64 42,03
Kapuvár Rk 0 16,46 0,22 40,01
Hajdúhadháza Rk 0 10,3 0,46 138,24
Balmazújváros Rk 0 12,53 1 98,99
Dorog Rk 0 12,89 0,53 59,97
Tata Rk 0 21,22 0,1 45,52
Kisbér Rk 0 12,38 0,8 69,5
Salgótarján Rk 0 15,26 0,05 130,87
Balassagyarmat Rk 0 13,92 0,45 78,89
Pásztó Rk 0 12,81 0,08 101,17
Rétság Rk 0 9,5 0,36 65,56
Szécsény Rk 0 12,44 0,44 130,85
Bátonyterenye Rk 0 11,11 0,13 114,34
Celldömölk Rk 0 14,76 0,11 48,35
78/194. oldal
Rendőrkapitányság Közúti baleset okozása
Kiskereskedelmi üzletek száma
(db)
Bankfiók aránya
Nyilvántartott álláskeresők száma, férfi
Kőszeg Rk 0 19,21 0,21 44,12
Vasvár Rk 0 12,78 0,09 72,25
Várpalota Rk 0 10,34 0,33 66,78
Sátoraljaújhely Rk 0,02 14,35 0,11 118,45
Fehérgyarmat Rk 0,03 17,98 0,2 177,33
Oroszlány Rk 0,04 11,6 0,83 47,79
Kazincbarcika Rk 0,1 11,98 0,33 105,89
Encs Rk 0,11 10,1 0,16 171,41
Heves Rk 0,11 12,6 0,47 118,9
Kisvárda Rk 0,11 14,11 0,27 123,25
Mezőkovácsháza Rk 0,12 14,32 0,72 128,36
Mátészalka Rk 0,13 15,31 0,34 160,17
Vásárosnamény Rk 0,13 13,27 0,41 173,3
Ózd Rk 0,14 11,53 0,34 141,6
Szerencs Rk 0,15 13,34 0,56 122,89
Kunszentmárton Rk 0,15 12,89 0,83 109,66
Kunszentmiklós Rk 0,16 12,08 0,89 75,9
Kistelek Rk 0,16 12,15 0,17 64,31
Sárbogárd Rk 0,16 11,51 0,67 96,15
Bonyhád Rk 0,16 16,42 0,28 63,69
Barcs Rk 0,17 17,74 0,28 126,74
Nyírbátor Rk 0,17 12,75 0,67 139,41
Záhony Rk 0,17 11,23 0,33 113,21
Ajka Rk 0,18 11,69 0,21 64,61
Lenti Rk 0,18 17,97 0,12 58,13
Sárospatak Rk 0,19 15,04 0,25 111,02
Püspökladány Rk 0,19 12,09 0,75 114,31
Jászberény Rk 0,19 14,26 0,61 57,29
Karcag Rk 0,19 13,97 0,83 99,17
Tamási Rk 0,19 14,94 0,21 107,1
Érd Rk 0,21 13,17 0,83 26,68
Tiszafüred Rk 0,21 15,2 0,8 120,87
Pápa Rk 0,21 15,77 0,1 66,21
Miskolc Rk 0,22 14,75 0,42 86,22
Ráckeve Rk 0,22 12,18 0,14 40,42
Szentendre Rk 0,22 13,64 0,79 27,83
Nyíregyháza Rk 0,22 18,82 0,67 87,38
Hajdúnánás Rk 0,23 13,93 0,71 87,14
Orosháza Rk 0,24 15,43 1 71,13
79/194. oldal
Rendőrkapitányság Közúti baleset okozása
Kiskereskedelmi üzletek száma
(db)
Bankfiók aránya
Nyilvántartott álláskeresők száma, férfi
Gyöngyös Rk 0,24 15,49 0,6 63,41
Hatvan Rk 0,24 15,48 0,15 56,5
Tapolca Rk 0,24 15,44 0,15 63,01
Dunaújváros Rk 0,25 11,12 0,89 46,84
Nagykőrös Rk 0,25 12,12 1 59,5
Szolnok Rk 0,25 16,2 0,84 63,81
Szekszárd Rk 0,25 17,69 0,59 63,87
Szeghalom Rk 0,26 15,08 0,88 106,45
Nagykáta Rk 0,26 10,22 1 51,16
Fonyód Rk 0,26 23,54 0,5 85,35
Zalaegerszeg Rk 0,26 16,11 0,22 60,02
Mezőkövesd Rk 0,27 13,56 0,78 73,46
Gödöllő Rk 0,27 12,68 0,63 32,34
Vác Rk 0,27 13,14 0,23 33,1
Kiskőrös Rk 0,28 16,68 1 71,9
Mór Rk 0,28 10,65 0,64 43,81
Mezőtúr Rk 0,28 14,7 1 98,37
Mohács Rk 0,29 15,2 0,33 87,19
Baja Rk 0,29 18,38 0,86 79,93
Kaposvár Rk 0,29 14,84 0,22 79,39
Edelény Rk 0,3 11,17 0,21 153,3
Debrecen Rk 0,3 17,47 0,25 71,48
Füzesabony Rk 0,3 14,5 0,76 92,17
Dombóvár Rk 0,3 16,5 0,63 87,15
Balatonalmádi Rk 0,3 15,42 0,21 52,78
Nagykanizsa Rk 0,3 16,92 0,21 76,83
Budapest 0,31 18,58 1 28,03
Szigetvár Rk 0,31 14,75 0,21 124,18
Komárom Rk 0,31 14,62 0,73 43,18
Paks Rk 0,31 16,94 0,71 46,88
Tiszaújváros Rk 0,32 11,84 0,33 92,39
Eger Rk 0,32 17,8 0,63 76,28
Budaörs Rk 0,32 14,43 0,62 23,6
Tiszavasvári Rk 0,32 12,13 0,83 92,41
Pécs Rk 0,33 16,06 0,19 51,4
Szarvas Rk 0,33 14,61 1 64,88
Makó Rk 0,33 13,63 0,47 77,8
Győr Rk 0,33 16,72 0,55 36,9
Nagyatád Rk 0,33 12,96 0,44 121,06
80/194. oldal
Rendőrkapitányság Közúti baleset okozása
Kiskereskedelmi üzletek száma
(db)
Bankfiók aránya
Nyilvántartott álláskeresők száma, férfi
Berettyóújfalu Rk 0,34 14,94 0,68 124,59
Balatonfüred Rk 0,34 30,06 0,05 53,34
Gyula Rk 0,35 19,41 1 64,3
Szeged Rk 0,35 16,54 0,33 47,67
Dabas Rk 0,35 12,45 1 42,04
Körmend Rk 0,35 17,03 0,13 51,82
Kiskunhalas Rk 0,36 16,22 0,68 84,56
Mosonmagyaróvár Rk 0,36 16,74 0,77 27,17
Veszprém Rk 0,37 17,83 0,31 46,3
Kiskunfélegyháza Rk 0,38 17,05 0,56 57,08
Siófok Rk 0,38 27,14 0,3 67,02
Kalocsa Rk 0,39 15,97 0,76 73,18
Monor Rk 0,39 12,03 0,72 42,96
Siklós Rk 0,4 15,81 0,15 115,88
Székesfehérvár Rk 0,4 14,85 0,65 57,15
Tatabánya Rk 0,4 13,4 0,5 43,49
Keszthely Rk 0,4 21,22 0,33 61,53
Komló Rk 0,41 12,08 0,26 89,71
Bicske Rk 0,41 9,45 0,56 43,15
Hajdúböszörmény Rk 0,41 13,71 1 88,82
Csongrád Rk 0,42 14,04 1 59,42
Sopron Rk 0,43 16,22 0,28 18,84
Dunakeszi Rk 0,43 13,43 1 25,68
Hajdúszoboszló Rk 0,46 15,35 1 73,5
Békéscsaba Rk 0,47 16,44 0,8 68,93
Hódmezővásárhely Rk 0,47 17,28 0,5 61,5
Szentes Rk 0,47 14,22 0,63 61,85
Kecskemét Rk 0,48 17,32 0,88 52,97
Szigetszentmiklós Rk 0,48 13,52 1 24,52
Sárvár Rk 0,5 14,42 0,27 46,63
Szombathely Rk 0,51 13,67 0,3 35,27
Törökszentmiklós Rk 0,53 11,9 0,8 102,13
Esztergom Rk 0,55 17,68 0,78 52,41
Cegléd Rk 0,56 14,88 0,75 47,66
Csorna Rk 0,62 15,1 0,33 32,1
Marcali Rk 0,64 15,11 0,24 102,29
81/194. oldal
7.5 Közúti jármű ittas vezetése
7.5.1 A közúti jármű ittas vezetésével korreláló változók
15. Táblázat - A közúti jármű ittas vezetésével korreláló változók
Független változók SIG R
1 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma 0,006 -0,238
2 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,014 0,216
3 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,020 0,204
4 a111_fo Kiskereskedelmi üzletek száma (db) 0,024 0,198
5 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
0,032 -0,188
6 a12_fo Házi segítségnyújtásban részesülők száma 0,035 -0,185
7 a30_fo Szellemi foglalkozású nyilvántartott álláskeresők száma 0,035 -0,185
8 a90_fo Bölcsőde aránya 0,035 -0,191
9 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,040 -0,18
A független társadalmi változók közül 9 mutatott olyan kapcsolatot a közúti jármű ittas vezetése deliktumoknál, mely a tényezők között valószínűsíthető összefüggést sejteti. Hatásuk erőssége alapján a szakiskolai végzettségű nyilvántartott álláskeresők száma, a személygépkocsik száma az üzemeltető lakhelye szerint, a helyi önkormányzatoknak átengedett gépjárműadó és a kiskereskedelmi üzletek száma érdemel figyelmet az értékelés során. Hogy a fentebb említett, illetve a további tényezők konkrétan milyen kontextusban jelennek meg azt további elemzés döntheti el.
52. ábra - A közúti jármű ittas vezetés regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a helyi önkormányzatoknak átengedett gépjárműadó és a bölcsőde aránya egyedekkel. Azt kijelenthetjük, hogy ezek a társadalmi változók mind a bűncselekménytípusra, mind a rendőrség munkájára hatást gyakorolnak, azonban annak megállapítása, hogy miként befolyásolják azt, már csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol
82/194. oldal
elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Kiskunhalas Rk., Kiskőrös Rk.), ahol magas a közúti jármű ittas vezetése deliktumok száma, és ezzel összefüggésben lehet, hatást gyakorol a cselekmény elkövetésére a regresszió során azonosított egyik társadalmi változó (a helyi önkormányzatoknak átengedett gépjárműadó). A táblázatban szereplő adatok mégis inkább azt mutatják, hogy az elkövetett bűncselekmények száma nem nő egyenesen arányosan a fent említett egyed, egyedek számával (Sopron Rk., Tata Rk., Budaörs Rk. Dabas Rk.). Mindemellett nem feltétlenül bizonyul igaznak az a feltétel sem, hogy az alacsony bűncselekményszám mellett a társadalmi indikátoroknál ugyancsak alacsony számadatokat találunk. A másik egyed (bölcsődék aránya) számadatainál rendkívül nagy szórást láthatunk, így annak kijelentése, kiértékelése, hogy ez milyen hatást gyakorol vagy gyakorolhat a cselekmények számára összetettebb elemzést igényel. Ezek alapján feltételezhetjük, hogy bizonyos esetekben függőségi viszonyok állnak fent, azonban ennek egyértelműsítésére további tényezőket célszerű felkutatnunk.
7.5.2 A közúti jármű ittas vezetésére közvetlenül hatással lévő változók regressziós egyenese
53. ábra - Közúti jármű ittas vezetés – a helyi önkormányzatnak átengedett gépjárműadó
83/194. oldal
54. ábra - Közúti jármű ittas vezetés – bölcsőde aránya
7.5.3 A regressziós modellben szereplő változók értékei kapitányságonként
16. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Közúti jármű ittas
vezetése A helyi önkormányzatoknak átengedett
gépjárműadó (1000 Ft) Bölcsőde aránya
Salgótarján Rk 0 4 782,97 0
Balassagyarmat Rk 0,05 5 445,23 0,03
Rétság Rk 0,4 6 035,33 0
Hajdúböszörmény Rk 0,47 6 249,84 1
Püspökladány Rk 0,47 4 512,06 0,42
Kunszentmárton Rk 0,52 4 454,25 0,25
Balmazújváros Rk 0,54 4 536,66 0,6
Tatabánya Rk 0,54 8 684,67 0,2
Szécsény Rk 0,54 4 122,99 0,06
Hajdúnánás Rk 0,55 6 056,35 0,29
Debrecen Rk 0,61 7 300,01 0,13
Békés Rk 0,63 5 599,01 0,25
Mezőkovácsháza Rk 0,64 4 687,85 0
Mezőkövesd Rk 0,64 5 196,15 0,04
Gödöllő Rk 0,65 7 349,09 0,22
Karcag Rk 0,65 4 465,00 0,5
Budapest 0,67 8 066,42 1
84/194. oldal
Rendőrkapitányság Közúti jármű ittas
vezetése A helyi önkormányzatoknak átengedett
gépjárműadó (1000 Ft) Bölcsőde aránya
Szeghalom Rk 0,67 5 426,40 0,5
Kistelek Rk 0,69 7 489,37 0,17
Vasvár Rk 0,69 7 133,52 0
Sarkad Rk 0,7 3 639,00 0,1
Encs Rk 0,7 3 977,91 0,01
Szolnok Rk 0,71 6 038,55 0,32
Veszprém Rk 0,72 7 948,51 0,11
Komárom Rk 0,73 8 311,78 0,27
Berettyóújfalu Rk 0,74 5 395,19 0,1
Székesfehérvár Rk 0,75 8 105,93 0,06
Kapuvár Rk 0,75 8 963,67 0,06
Kazincbarcika Rk 0,76 4 627,36 0,03
Szeged Rk 0,76 7 084,15 0,38
Hajdúhadháza Rk 0,76 4 704,39 0,31
Pápa Rk 0,76 6 038,51 0,02
Pásztó Rk 0,77 5 077,77 0
Békéscsaba Rk 0,78 5 882,63 0,5
Kaposvár Rk 0,78 5 937,89 0,03
Kiskunfélegyháza Rk 0,79 7 815,13 0,11
Szarvas Rk 0,8 5 811,88 0,44
Bicske Rk 0,8 7 596,38 0,13
Sárbogárd Rk 0,8 5 354,86 0,07
Győr Rk 0,81 7 983,46 0,07
Hajdúszoboszló Rk 0,82 8 203,01 0,4
Dunakeszi Rk 0,83 8 095,25 1
Gárdony Rk 0,84 7 322,38 0,07
Nagykőrös Rk 0,84 5 428,70 0,33
Mór Rk 0,85 6 670,78 0,07
Kisvárda Rk 0,85 4 842,06 0,04
Heves Rk 0,87 4 289,01 0,06
Nyíregyháza Rk 0,87 6 656,96 0,13
Hatvan Rk 0,88 6 253,26 0,15
Ajka Rk 0,88 6 893,12 0,03
Fonyód Rk 0,89 6 485,86 0,12
Keszthely Rk 0,89 7 230,78 0,04
Paks Rk 0,9 7 385,28 0,14
Szombathely Rk 0,9 7 325,34 0,03
Tiszaújváros Rk 0,91 4 803,59 0,13
Nyírbátor Rk 0,91 4 926,36 0,04
Mohács Rk 0,93 6 390,47 0,04
85/194. oldal
Rendőrkapitányság Közúti jármű ittas
vezetése A helyi önkormányzatoknak átengedett
gépjárműadó (1000 Ft) Bölcsőde aránya
Gyula Rk 0,93 5 000,44 0,5
Sátoraljaújhely Rk 0,93 4 876,90 0,03
Kalocsa Rk 0,94 8 019,37 0,05
Miskolc Rk 0,94 6 204,11 0,03
Szentendre Rk 0,94 8 199,01 0,21
Vásárosnamény Rk 0,96 4 794,65 0
Jászberény Rk 0,96 6 747,46 0,28
Tiszafüred Rk 0,96 3 992,14 0,2
Celldömölk Rk 0,96 5 807,91 0,04
Tapolca Rk 0,96 6 603,10 0,05
Csorna Rk 0,97 7 500,60 0,03
Füzesabony Rk 0,97 4 481,71 0,12
Barcs Rk 0,99 4 812,04 0,04
Mátészalka Rk 0,99 5 143,98 0,05
Mezőtúr Rk 0,99 5 157,92 0,67
Várpalota Rk 1,01 4 999,28 0,33
Sopron Rk 1,02 9 274,87 0,03
Nagykáta Rk 1,02 6 246,61 0
Monor Rk 1,03 7 434,13 0,22
Siófok Rk 1,04 7 464,54 0,04
Edelény Rk 1,05 4 504,19 0,02
Cegléd Rk 1,06 6 287,14 0,25
Balatonalmádi Rk 1,06 7 557,00 0,43
Zalaegerszeg Rk 1,06 9 111,23 0,03
Dunaújváros Rk 1,07 6 720,67 0,06
Fehérgyarmat Rk 1,07 3 910,35 0,02
Kőszeg Rk 1,07 6 733,73 0,11
Kecskemét Rk 1,08 8 592,41 0,18
Eger Rk 1,08 6 369,01 0,04
Oroszlány Rk 1,09 6 180,31 0,17
Tata Rk 1,09 10 235,01 0,3
Ráckeve Rk 1,09 8 575,37 0,07
Pécs Rk 1,1 6 722,73 0,06
Makó Rk 1,1 5 697,27 0,24
Törökszentmiklós Rk 1,1 4 141,58 0,3
Orosháza Rk 1,11 5 632,56 0,38
Bátonyterenye Rk 1,13 4 399,97 0,13
Vác Rk 1,13 10 245,53 0,09
Kunszentmiklós Rk 1,15 7 380,11 0,22
Sárvár Rk 1,15 7 423,34 0,05
86/194. oldal
Rendőrkapitányság Közúti jármű ittas
vezetése A helyi önkormányzatoknak átengedett
gépjárműadó (1000 Ft) Bölcsőde aránya
Záhony Rk 1,18 3 949,77 0,08
Ózd Rk 1,19 3 396,79 0,03
Komló Rk 1,21 5 097,30 0,05
Szerencs Rk 1,22 5 655,70 0,19
Nagykanizsa Rk 1,23 7 164,47 0,01
Hódmezővásárhely Rk 1,24 5 784,18 0,5
Szentes Rk 1,24 6 125,63 0,25
Körmend Rk 1,25 7 712,91 0,03
Sárospatak Rk 1,27 8 454,44 0,19
Mosonmagyaróvár Rk 1,27 7 691,69 0,19
Gyöngyös Rk 1,27 8 626,87 0,04
Dabas Rk 1,3 11 747,52 0,07
Baja Rk 1,31 6 318,93 0,04
Tiszavasvári Rk 1,31 7 197,60 0,33
Érd Rk 1,34 8 551,69 0,33
Budaörs Rk 1,35 10 784,27 0,24
Szigetvár Rk 1,37 5 019,09 0,03
Siklós Rk 1,38 4 839,67 0,02
Szigetszentmiklós Rk 1,38 9 438,57 0,83
Szekszárd Rk 1,43 6 560,37 0,09
Tamási Rk 1,46 5 342,99 0,04
Nagyatád Rk 1,58 5 327,70 0,08
Bonyhád Rk 1,58 7 028,31 0,03
Balatonfüred Rk 1,64 9 369,70 0,1
Lenti Rk 1,65 6 240,42 0,02
Esztergom Rk 1,78 7 815,66 0,33
Kisbér Rk 1,86 5 489,19 0
Marcali Rk 1,86 5 179,96 0,03
Dombóvár Rk 1,91 5 566,70 0,06
Dorog Rk 1,98 6 382,34 0,07
Csongrád Rk 2,05 5 429,72 0,25
Kiskőrös Rk 2,34 9 407,40 0,06
Kiskunhalas Rk 2,51 7 447,92 0,16
7.6 Tartás elmulasztása
7.6.1 Tartás elmulasztásával korreláló változók
17. Táblázat - Tartás elmulasztásával korreláló változók
Független változók SIG R
1 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi 0,000 -0,301
87/194. oldal
Független változók SIG R
2 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő)
0,000 -0,322
3 a11_fo Szociális étkeztetésben részesülők száma 0,000 -0,369
4 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,001 -0,276
5 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,001 -0,276
6 a31_fo Nyilvántartott pályakezdő álláskeresők száma 0,001 -0,28
7 a48_fo Nyilvántartott álláskeresők száma összesen 0,001 -0,283
8 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen 0,001 -0,286
9 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,001 -0,287
10 a49_fo Nyilvántartott álláskeresők száma, férfi 0,001 -0,288
11 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,001 -0,288
12 a52_fo 180 napon túli nyilvántartott álláskeresők száma, férfi 0,001 -0,292
13 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő 0,001 -0,292
14 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen 0,001 -0,301
15 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
0,002 -0,266
16 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi 0,002 -0,268
17 a50_fo Nyilvántartott álláskeresők száma, nő 0,002 -0,272
18 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,002 -0,273
19 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő 0,002 -0,274
20 a12_fo Házi segítségnyújtásban részesülők száma 0,003 -0,256
21 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma 0,003 -0,256
22 lhh_fo lhh települések aránya 0,004 -0,248
23 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,005 -0,248
24 a16_fo A települési könyvtárak száma 0,006 -0,239
25 a14_fo A családsegítő szolgáltatást igénybe vevők száma 0,006 -0,242
26 a86_fo Postahivatal /fiókposta, postamesterség, ügynökség, kirendeltség/ aránya
0,009 0,228
27 a30_fo Szellemi foglalkozású nyilvántartott álláskeresők száma 0,012 -0,22
28 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,013 -0,216
29 a87_fo Óvoda aránya 0,014 0,214
30 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma 0,014 -0,215
31 a88_fo Általános iskola aránya 0,027 0,194
32 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,038 0,182
33 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,041 -0,18
A független társadalmi változók közül 33 mutatott olyan kapcsolatot a tartás elmulasztása bűncselekményeknél, mely alapján valószínűsíthetjük, hogy összefüggés van a tényezők között. Hatásuk erőssége alapján az egy éven túl nyilvántartott álláskereső férfiak száma, a rendszeres szociális segélyben részesítettek átlagos száma, a szociális étkeztetésben részesülők száma és a fizikai foglalkozású nyilvántartott álláskeresők száma érdemel figyelmet az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
88/194. oldal
55. ábra - Tartás elmulasztása regressziós modell
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a szociális étkeztetésben részesülők száma, egyetemi végzettségű nyilvántartott álláskeresők száma és a általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma egyedekkel. Ezek a társadalmi változók közvetlenül kapcsolódnak a bűncselekmények elkövetéséhez, viszont közöttük kapcsolat nem áll fenn. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. A függőségi viszony vizsgálata során azt állapíthatjuk meg, hogy az egyes egyedek különböző hatással befolyásolják a deliktumok számának alakulását. A nagyobb egyedszámok nem produkálják a legmagasabb esetszámokat, de nem is engedik, hogy azok jelentősen alacsony értékeket érjenek el. A legmagasabb esetszámú kapitányságok (Nagykőrös Rk., Rétság Rk., Heves Rk., Szentes Rk.) társadalmi mutatói egyáltalán nem magasak, mint ahogy a legalacsonyabb esetszámú kapitányságoknál (Záhony Rk., Barcs Rk., Kaposvár Rk., Sárospatak Rk.) egyáltalán nem alacsonyak. Végül megállapíthatjuk, hogy a legmagasabb és legalacsonyabb esetszámnál inkább fordítottan, a közbensőknél inkább egyenes arányban változnak a társadalmi indikátornál szereplő értéket.
89/194. oldal
7.6.2 A tartás elmulasztására közvetlenül hatással lévő változók regressziós egyenese
56. ábra - Tartás elmulasztása – szociális étkezésben részesülők száma
57. ábra - Tartás elmulasztása – 8 osztálynál kevesebb végzettséggel rendelkezők
90/194. oldal
58. ábra - Tartás elmulasztása - egyetemi végzettségű nyilvántartott álláskeresők száma
7.6.3 A regressziós modellben szereplő változók értékei kapitányságonként
18. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Tartás
elmulasztása
Szociális étkeztetésben
részesülők száma
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Általános iskola 8 osztályánál kevesebb végzettséggel
rendelkező nyilvántartott álláskeresők száma
Sárospatak Rk 0,04 36,05 1,2 6,75
Kaposvár Rk 0,04 26,01 1,04 4,47
Barcs Rk 0,04 24,79 0,47 9,75
Záhony Rk 0,04 19,15 0,7 8,26
Lenti Rk 0,04 26,47 0,31 3,67
Marcali Rk 0,06 24,49 0,45 11,88
Mezőkövesd Rk 0,07 24,93 0,91 4,83
Tiszavasvári Rk 0,07 14,32 0,35 10,57
Szigetvár Rk 0,09 13,81 0,65 6,86
Encs Rk 0,09 27,1 0,6 23,01
Püspökladány Rk 0,09 24,53 0,59 7,07
Körmend Rk 0,09 21,87 0,46 1,11
Szerencs Rk 0,1 24,18 0,84 12,4
Fonyód Rk 0,1 30,13 0,81 4,48
Tiszafüred Rk 0,1 38,12 0,31 7,41
91/194. oldal
Rendőrkapitányság Tartás
elmulasztása
Szociális étkeztetésben
részesülők száma
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Általános iskola 8 osztályánál kevesebb végzettséggel
rendelkező nyilvántartott álláskeresők száma
Nagykanizsa Rk 0,1 20,29 0,87 5,31
Edelény Rk 0,11 18,87 1,16 22,03
Eger Rk 0,11 19,13 0,95 4,69
Bátonyterenye Rk 0,11 25,08 0,51 10,31
Siófok Rk 0,11 17,81 0,78 2,8
Kisvárda Rk 0,11 25,85 0,74 6,07
Bonyhád Rk 0,11 13,83 0,35 1,53
Hajdúnánás Rk 0,13 25,45 0,75 4,09
Berettyóújfalu Rk 0,14 23,41 0,69 7,43
Szekszárd Rk 0,14 13,52 0,8 2,61
Nyíregyháza Rk 0,15 24,74 0,98 5,03
Celldömölk Rk 0,15 25,91 0,73 0,96
Nagyatád Rk 0,16 34,1 0,71 8,7
Hatvan Rk 0,17 13,25 0,58 1,63
Kiskunhalas Rk 0,18 17,2 0,47 7,44
Tata Rk 0,18 7,75 1,07 0,58
Budaörs Rk 0,18 4,98 1,2 0,3
Fehérgyarmat Rk 0,18 43,38 0,56 14,2
Nyírbátor Rk 0,18 18,36 0,46 11,98
Mohács Rk 0,19 18,65 0,82 4,4
Gyula Rk 0,19 28,03 0,84 1,02
Sátoraljaújhely Rk 0,19 38,35 0,55 8,64
Pásztó Rk 0,19 25,66 0,46 6,38
Vásárosnamény Rk 0,19 31,67 0,53 11,22
Zalaegerszeg Rk 0,19 15,76 0,86 2,72
Sárvár Rk 0,2 11,63 0,57 1,17
Debrecen Rk 0,21 6,77 1,96 1,87
Gyöngyös Rk 0,21 18,4 0,61 4,83
Budapest 0,22 8,59 1,59 0,61
Siklós Rk 0,22 25,36 0,58 7,23
Baja Rk 0,22 15,15 0,88 1,94
Kunszentmiklós Rk 0,22 27,33 0,48 4,55
Hajdúhadháza Rk 0,22 20,79 0,54 11,07
Hajdúböszörmény Rk 0,22 15,11 0,66 3,85
Szarvas Rk 0,23 23,32 0,66 1,43
Ózd Rk 0,23 17,44 0,57 14,17
Hajdúszoboszló Rk 0,23 24,88 0,87 3,39
Komárom Rk 0,23 12,3 0,52 0,84
92/194. oldal
Rendőrkapitányság Tartás
elmulasztása
Szociális étkeztetésben
részesülők száma
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Általános iskola 8 osztályánál kevesebb végzettséggel
rendelkező nyilvántartott álláskeresők száma
Nagykáta Rk 0,23 7,48 0,27 2,99
Szentendre Rk 0,23 6,03 1,5 0,39
Mátészalka Rk 0,23 17,11 0,7 15,4
Miskolc Rk 0,24 13,5 1,45 4,93
Csorna Rk 0,24 21,49 0,38 1,53
Keszthely Rk 0,24 19,09 0,99 2,73
Békés Rk 0,25 20,33 0,51 3,49
Gárdony Rk 0,25 2,98 0,96 0,86
Oroszlány Rk 0,25 7,8 0,65 1,81
Tamási Rk 0,25 23,01 0,44 5,04
Szombathely Rk 0,25 16,7 0,56 0,76
Érd Rk 0,27 9,45 0,77 0,48
Sarkad Rk 0,28 17,94 0,37 5,56
Balmazújváros Rk 0,28 14,01 0,73 6,38
Dunakeszi Rk 0,29 3,53 0,9 0,18
Kazincbarcika Rk 0,3 17,73 0,88 5,83
Tiszaújváros Rk 0,3 29,78 0,74 7,57
Füzesabony Rk 0,3 20,08 0,43 9,54
Dombóvár Rk 0,3 9,79 0,84 4,12
Komló Rk 0,32 19,45 0,61 5,68
Békéscsaba Rk 0,32 36,08 1 0,5
Szeghalom Rk 0,32 17,33 0,56 4
Pécs Rk 0,33 10,64 1,91 1,25
Dunaújváros Rk 0,33 14,05 0,54 2,31
Paks Rk 0,33 16,71 0,68 2,8
Csongrád Rk 0,34 17,94 0,75 1,59
Mór Rk 0,34 8,34 0,51 0,96
Vasvár Rk 0,35 22,51 0,63 3,13
Kistelek Rk 0,37 18,01 0,53 2,61
Sárbogárd Rk 0,37 17,67 0,29 4,74
Kapuvár Rk 0,37 27,33 0,33 1,08
Esztergom Rk 0,37 6,01 1,02 1,34
Kunszentmárton Rk 0,37 19,15 0,41 4,97
Kiskőrös Rk 0,38 11,03 0,53 3,81
Gödöllő Rk 0,38 5,43 0,84 1,92
Kecskemét Rk 0,39 11,51 0,8 1,4
Orosháza Rk 0,39 16,91 0,72 1,13
Dorog Rk 0,39 9,17 0,59 1,39
93/194. oldal
Rendőrkapitányság Tartás
elmulasztása
Szociális étkeztetésben
részesülők száma
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Általános iskola 8 osztályánál kevesebb végzettséggel
rendelkező nyilvántartott álláskeresők száma
Mezőtúr Rk 0,39 11,76 0,64 5,33
Sopron Rk 0,4 8,4 0,56 0,39
Veszprém Rk 0,4 9,96 1,03 1,18
Kalocsa Rk 0,41 15,69 0,61 2,48
Törökszentmiklós Rk 0,41 13,8 0,53 8,68
Kisbér Rk 0,42 25,39 0,85 2,12
Ráckeve Rk 0,42 7,25 0,3 1,49
Jászberény Rk 0,42 12,2 0,41 4,27
Balatonfüred Rk 0,42 8,56 1,14 0,51
Balatonalmádi Rk 0,43 16,38 0,89 0,66
Balassagyarmat Rk 0,44 14,5 0,7 4,88
Mezőkovácsháza Rk 0,45 36,55 0,4 3,53
Hódmezővásárhely Rk 0,45 9,21 0,66 1,49
Makó Rk 0,45 14,68 0,29 3,12
Székesfehérvár Rk 0,45 9,58 1,1 1,25
Vác Rk 0,45 6,83 0,69 0,63
Szolnok Rk 0,48 13,31 0,91 2,29
Szeged Rk 0,49 15,37 1,6 0,6
Bicske Rk 0,49 4,7 0,57 1,78
Várpalota Rk 0,5 15,13 0,4 2,07
Tapolca Rk 0,51 21,87 0,58 2,47
Mosonmagyaróvár Rk 0,52 9,33 0,74 0,37
Dabas Rk 0,52 5,74 0,31 1,61
Karcag Rk 0,52 17,99 0,36 7,91
Monor Rk 0,54 5,21 0,4 1,64
Szigetszentmiklós Rk 0,54 3,59 0,54 0,22
Salgótarján Rk 0,55 17,11 0,63 6,06
Szécsény Rk 0,58 16,68 0,62 11,59
Cegléd Rk 0,58 3,41 0,28 1,79
Győr Rk 0,61 11,71 0,89 0,96
Kiskunfélegyháza Rk 0,62 10,51 0,62 1,54
Kőszeg Rk 0,64 14,56 0,4 0,56
Ajka Rk 0,68 20,11 0,5 3
Tatabánya Rk 0,7 12,82 0,43 2,2
Pápa Rk 0,77 28,95 0,71 3,52
Szentes Rk 0,79 16,11 0,63 0,65
Heves Rk 0,85 12,74 0,38 13,36
Rétság Rk 0,95 16,01 0,64 2,66
94/194. oldal
Rendőrkapitányság Tartás
elmulasztása
Szociális étkeztetésben
részesülők száma
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Általános iskola 8 osztályánál kevesebb végzettséggel
rendelkező nyilvántartott álláskeresők száma
Nagykőrös Rk 1,62 6,25 0,35 2,25
7.7 Garázdaság
7.7.1 A garázdasággal korreláló változók
19. Táblázat - A garázdasággal korreláló változók
Független változók SIG R
1 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,006 0,238
2 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,008 0,232
3 a50_fo Nyilvántartott álláskeresők száma, nő 0,009 0,23
4 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,013 0,217
5 a31_fo Nyilvántartott pályakezdő álláskeresők száma 0,013 0,216
6 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,013 -0,217
7 a48_fo Nyilvántartott álláskeresők száma összesen 0,015 0,212
8 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő 0,016 0,211
9 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,019 -0,206
10 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen 0,025 0,197
11 a49_fo Nyilvántartott álláskeresők száma, férfi 0,026 0,196
12 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi 0,027 0,194
13 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma 0,028 0,193
14 a10_fo Összes zöldterület 0,030 0,191
15 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő 0,030 0,19
16 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,030 -0,19
17 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen 0,033 0,187
18 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő) 0,035 0,185
19 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,036 0,184
20 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,036 0,184
21 a52_fo 180 napon túli nyilvántartott álláskeresők száma, férfi 0,041 0,179
22 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi 0,042 0,179
23 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,046 0,176
24 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,006 0,238
25 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,008 0,232
26 a50_fo Nyilvántartott álláskeresők száma, nő 0,009 0,23
27 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,013 0,217
A garázdaság bűncselekménnyel korreláltatott független társadalmi változók közül 27 mutatott valószínűsíthető összefüggést. Hatásuk erőssége alapján a különböző típusokban megjelenő Álláskeresők számadatai, a Személygépkocsik száma az üzemeltető lakhelye szerint, a Helyi önkormányzatoknak átengedett gépjárműadó, a Rendszeres szociális segélyben részesítettek átlagos száma, a Regisztrált jogi személyiségű vállalkozások száma valamint az Összes zöldterület nagysága, mint különböző önálló kategóriák kapcsolatba hozhatók a bűncselekménytípussal.
95/194. oldal
59. ábra - A garázdaság regressziós modellje
Amikor tovább közelítettük az egyedeket a regressziós modell segítségével közvetlen kapcsolatot mutattunk ki a Nyilvántartott pályakezdő álláskeresők száma tekintetében, amit tovább erősített a Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma társadalmi változó. Első szintű kapcsolatként jelent még meg az Összes zöldterület változó magas érintettségi indexel.
A rendőri szervekkel is számoló regressziós modell társadalmi változói és bűncselekményi kategóriája további elemzések forrása lehet. Dunaújváros Rk. esetében magas bűncselekményi érintettség figyelhető meg, amit magas Összes zöldterület változó kísér, a másik két társadalmi változó közepes nagyságú megjelenése mellett. Ugyanakkor Sárbogárd Rk. hasonlóan magas bűncselekményszámával a Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma mutat szoros kapcsolatot, de a másik két tényező is a közepesnél erősebb mértékben van jelen. A bűncselekménytípusnál további társadalmi vagy egyéb tényezők alkalmazása indokolt, ugyanis az alacsony esetszámmal rendelkező Orosháza Rk. esetében is a közepesnél magasabb minőségű kapcsolat jelenik meg, így nehezebben elhatárolhatóak a kapitányságokra gyakorolt hatások.
7.7.2 A garázdaságra közvetlenül hatással lévő változók regressziós egyenese
60. ábra – Garázdaság – nyilvántartott pályakezdő álláskeresők száma
96/194. oldal
61. ábra – Garázdaság – összes zöldterület
7.7.3 A regressziós modellben szereplő változók értékei kapitányságonként
20. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Garázdaság Nyilvántartott
pályakezdő álláskeresők száma, nő
Összes zöldterület
Rendszeres gyermekvédelmi kedvezményben részesítettek
évi átlagos száma (fő)
Orosháza Rk 0,11 6,58 26 536,26 60,82
Gödöllő Rk 0,15 1,44 9 733,14 30,18
Szarvas Rk 0,18 6,1 27 856,67 55,99
Érd Rk 0,18 1,56 5 377,18 16,18
Nagykáta Rk 0,19 2,53 11 554,87 70,99
Nagykőrös Rk 0,21 3,43 11 130,21 56,29
Szentendre Rk 0,25 0,59 9 423,51 16,8
Kisbér Rk 0,27 5,21 20 104,48 32,29
Szigetszentmiklós Rk 0,27 1,06 2 613,50 17,71
Kaposvár Rk 0,29 6,89 20 357,67 66,29
Budaörs Rk 0,33 0,98 5 499,20 14,34
Dabas Rk 0,33 2,07 5 064,00 44,52
Dunakeszi Rk 0,34 0,79 3 499,62 12,18
Ráckeve Rk 0,38 1,97 4 387,20 44,05
Mór Rk 0,39 4,33 19 626,28 18,8
Szentes Rk 0,4 6,79 17 778,83 47,35
Tatabánya Rk 0,4 2,82 24 234,58 30,89
97/194. oldal
Rendőrkapitányság Garázdaság Nyilvántartott
pályakezdő álláskeresők száma, nő
Összes zöldterület
Rendszeres gyermekvédelmi kedvezményben részesítettek
évi átlagos száma (fő)
Komárom Rk 0,42 2,31 23 855,23 22,74
Békés Rk 0,43 9,28 22 520,24 85,1
Fonyód Rk 0,43 5,08 23 787,08 54,87
Szeghalom Rk 0,44 7,07 16 722,89 100,75
Bicske Rk 0,44 2,26 5 417,08 34,39
Baja Rk 0,47 7,88 14 509,72 68,24
Kistelek Rk 0,48 6,62 10 095,84 79,91
Monor Rk 0,5 2,41 3 004,76 30,1
Celldömölk Rk 0,5 3,64 30 059,98 36,3
Mohács Rk 0,53 5,96 27 050,61 68,08
Kiskunhalas Rk 0,53 9,06 17 808,63 78,07
Tata Rk 0,53 3,53 49 727,13 18,58
Pápa Rk 0,53 4,48 14 220,82 50,06
Siófok Rk 0,55 4,01 27 460,50 42,6
Vác Rk 0,57 1,86 24 259,50 23,43
Nagykanizsa Rk 0,57 5,2 13 659,35 45,4
Győr Rk 0,62 2,82 11 439,85 20,62
Oroszlány Rk 0,62 3,69 32 743,50 24,26
Cegléd Rk 0,63 4,3 4 922,36 61,93
Kiskunfélegyháza Rk 0,66 5,07 18 435,59 56,05
Hatvan Rk 0,66 2,98 20 309,67 47,87
Kalocsa Rk 0,68 6,73 20 667,46 70,58
Veszprém Rk 0,7 3,01 15 124,36 20,3
Keszthely Rk 0,73 3,92 13 032,19 34,82
Sarkad Rk 0,74 9,59 12 121,11 113,46
Hajdúszoboszló Rk 0,76 7,61 6 913,26 65,34
Bátonyterenye Rk 0,77 8,57 26 952,69 85,15
Csorna Rk 0,78 2,6 12 943,56 25,41
Dorog Rk 0,78 3,14 9 126,83 22,79
Marcali Rk 0,8 7,8 14 509,67 85,96
Balatonalmádi Rk 0,83 2,43 32 925,12 25,56
Kecskemét Rk 0,92 4,44 28 044,68 43,45
Gyula Rk 0,93 5,94 39 583,93 52,3
Kiskőrös Rk 0,94 7,66 11 811,64 63,52
Békéscsaba Rk 0,94 5,82 23 783,73 40,33
Tapolca Rk 0,94 4,14 28 112,28 46,41
Komló Rk 0,95 7,65 42 528,84 69,32
Pécs Rk 0,98 4,01 65 700,47 34,85
Székesfehérvár Rk 0,99 3,9 22 715,01 26,22
98/194. oldal
Rendőrkapitányság Garázdaság Nyilvántartott
pályakezdő álláskeresők száma, nő
Összes zöldterület
Rendszeres gyermekvédelmi kedvezményben részesítettek
évi átlagos száma (fő)
Szeged Rk 1,05 3,79 16 963,61 26,74
Hajdúböszörmény Rk 1,06 9,35 9 396,55 42,97
Nyíregyháza Rk 1,08 8,59 18 304,23 83,32
Budapest 1,12 1,22 14 310,81 14,92
Füzesabony Rk 1,13 8,26 7 092,12 99,31
Pásztó Rk 1,15 6,7 13 148,80 70,81
Mezőkovácsháza Rk 1,16 8,09 15 019,35 95,48
Barcs Rk 1,16 9,26 46 537,38 109,6
Dombóvár Rk 1,16 8,53 10 969,69 72,89
Tiszaújváros Rk 1,17 8,06 16 252,22 107,6
Siklós Rk 1,18 9,71 44 973,58 102,07
Sárvár Rk 1,2 2,57 22 822,84 16,79
Sopron Rk 1,24 0,52 16 732,89 12,07
Esztergom Rk 1,25 3,28 13 636,88 13,34
Várpalota Rk 1,25 4,6 12 790,96 40,9
Szigetvár Rk 1,26 9,6 34 178,79 95,39
Tiszavasvári Rk 1,27 7,56 22 805,37 142,12
Makó Rk 1,3 6,63 9 829,69 57,38
Püspökladány Rk 1,3 9,5 5 381,93 121,14
Eger Rk 1,3 5,06 29 515,82 49,58
Kunszentmiklós Rk 1,31 5,92 5 985,58 64,89
Kisvárda Rk 1,39 12,66 1 458,72 126,82
Mosonmagyaróvár Rk 1,42 1,56 12 973,51 22,25
Szekszárd Rk 1,42 5,29 10 681,31 50,96
Törökszentmiklós Rk 1,44 8,13 10 693,32 110,1
Heves Rk 1,45 11,11 5 647,92 133,26
Miskolc Rk 1,47 6,77 15 909,55 60,08
Szécsény Rk 1,47 12,38 9 405,08 112,46
Zalaegerszeg Rk 1,48 4,08 23 371,51 28,25
Csongrád Rk 1,51 5,63 4 195,75 63,83
Rétság Rk 1,51 5,02 9 665,83 43,55
Gyöngyös Rk 1,54 5,03 20 566,11 48,47
Nagyatád Rk 1,55 9,38 38 115,77 97,74
Sárospatak Rk 1,58 7,86 11 024,76 108,05
Debrecen Rk 1,58 6,09 8 035,90 43,53
Hajdúnánás Rk 1,58 10,1 14 286,72 93,68
Hódmezővásárhely Rk 1,59 7,01 8 491,63 62,71
Mezőkövesd Rk 1,62 8,29 10 493,63 69,86
Szerencs Rk 1,66 10,57 7 226,67 128,16
99/194. oldal
Rendőrkapitányság Garázdaság Nyilvántartott
pályakezdő álláskeresők száma, nő
Összes zöldterület
Rendszeres gyermekvédelmi kedvezményben részesítettek
évi átlagos száma (fő)
Bonyhád Rk 1,69 5,43 9 504,09 64,7
Kapuvár Rk 1,7 2,04 20 044,09 17,83
Körmend Rk 1,71 3,4 22 829,94 28,47
Sátoraljaújhely Rk 1,74 11,08 6 984,22 138,55
Edelény Rk 1,76 13,25 9 904,51 166
Szolnok Rk 1,78 4,85 13 462,06 50,73
Balassagyarmat Rk 1,82 6,95 14 500,70 59,84
Berettyóújfalu Rk 1,9 9,73 15 139,40 120,73
Balatonfüred Rk 1,9 2,77 30 352,54 16,15
Balmazújváros Rk 1,93 8,44 15 305,92 113,13
Ajka Rk 1,94 3,63 27 063,25 44,12
Hajdúhadháza Rk 1,95 13,46 2 712,71 152,22
Kunszentmárton Rk 1,95 9,55 9 468,43 93,55
Tamási Rk 1,98 7,14 15 550,43 82,89
Lenti Rk 2,01 2,96 15 719,52 43,86
Kőszeg Rk 2,03 3,33 14 361,00 26,81
Paks Rk 2,04 5,44 12 283,81 53,02
Kazincbarcika Rk 2,06 12,12 7 033,68 96,13
Encs Rk 2,13 12,67 3 035,47 178,87
Mátészalka Rk 2,17 15,67 6 224,16 142,01
Záhony Rk 2,23 16,99 10 884,16 138,04
Jászberény Rk 2,23 4,04 4 368,93 65,04
Ózd Rk 2,3 10,84 23 845,54 149,76
Nyírbátor Rk 2,35 13,54 9 283,79 155,6
Szombathely Rk 2,38 2,75 15 652,49 18,27
Salgótarján Rk 2,51 8,44 17 582,20 80,72
Mezőtúr Rk 2,76 7,75 3 913,34 29,04
Vásárosnamény Rk 2,77 12,81 12 330,91 157,67
Fehérgyarmat Rk 3,07 14,5 6 454,87 158
Karcag Rk 3,31 8,42 9 217,11 109,68
Tiszafüred Rk 3,67 8,58 11 883,85 121,78
Vasvár Rk 4,52 4,84 33 996,60 55,99
Gárdony Rk 5,78 2,98 27 575,66 25,63
Sárbogárd Rk 7,36 7,98 5 470,28 75,72
Dunaújváros Rk 12,91 6,23 64 932,20 34,89
100/194. oldal
7.8 Közokirat-hamisítás
7.8.1 A közokirat-hamisítással korreláló változók
21. Táblázat - A közokirat-hamisítással korreláló változók
Független változók SIG R
1 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,000 0,387
2 a17_fo Szakiskolai és speciális szakiskolai feladatellátási hely aránya 0,000 0,309
3 a90_fo Bölcsőde aránya 0,001 0,299
4 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,001 0,298
5 a84_fo Vasútállomás aránya 0,001 0,285
6 a89_fo Középiskola aránya 0,001 0,284
7 a83_fo A település területe (hektár) 0,002 -0,263
8 a18_fo Regisztrált vállalkozások száma 0,003 0,262
9 a8_fo Háztartási gázfogyasztók száma 0,009 0,228
10 a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya 0,010 0,226
11 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó 0,012 -0,221
12 a16_fo A települési könyvtárak száma 0,014 -0,215
13 a30_fo Szellemi foglalkozású nyilvántartott álláskeresők száma 0,019 0,206
14 a6_fo A közüzemi szennyvízgyűjtő-hálózatba (közcsatornahálózatba) bekapcsolt lakások száma
0,045 0,176
A független társadalmi változók közül 14 mutatott olyan kapcsolatot a közokirat-hamisítás bűncselekménnyel, melynek alapján kimondhatjuk, valószínű van összefüggés a tényezők között. Az erős kapcsolati indexel rendelkező társadalmi változók meglehetősen vegyes képet mutatnak. Ezek között szerepel a Regisztrált jogi személyiségű vállalkozások száma, a Szakiskolai és speciális szakiskolai feladatellátási hely aránya, a Bölcsőde, Középiskola, Vasútállomás és az Egyetemi végzettségű nyilvántartott álláskeresők mutatói. Gyengébb kontextusban, de jelen van a Benzinkút /üzemanyagtöltő állomás/ aránya, a Települési könyvtárak száma és a Szellemi foglalkozású nyilvántartott álláskeresők egyedek is.
62. ábra - Közokirat-hamisítás regressziós modellje
Az alkalmazott regressziós modell közvetlen kapcsolatot mutatott a korábbi korrelációs lista, különböző függőségi szintjén elhelyezkedő tényezőkkel. Úgymint a Regisztrált jogi személyiségű vállalkozások száma, a Szellemi foglalkozású nyilvántartott álláskeresők és a
101/194. oldal
Vasútállomás aránya. A változók értékeit kapitányságokra vetítve megállapíthatjuk, hogy a magas bűncselekményszámmal üzemelő, határátkelőhellyel is rendelkező Záhonyi Rk. és a Balmazújvárosi Rk. két egyed esetében is magas közvetlen kapcsolati értékkel bír, és a harmadik is magasabb az átlagnál. Amennyiben az alacsonyabb bűncselekményi érintettségű kapitányságokat vizsgálunk, mindhárom társadalmi változó esetében a középérték környékén található a kapcsolat erőssége.
7.8.2 A közokirat-hamisításra közvetlenül hatással lévő változók regressziós egyenese
63. ábra - Közokirat-hamisítás – vállalkozások száma
64. ábra - Közokirat-hamisítás – szellemi foglalkozású álláskeresők száma
102/194. oldal
65. ábra - Közokirat-hamisítás- vasútállomás aránya
7.8.3 A regressziós modellben szereplő változók értékei kapitányságonként
22. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Közokirat-hamisítás
Regisztrált jogi személyiségű
vállalkozások száma
Szellemi foglalkozású nyilvántartott álláskeresők
száma
Vasútállomás aránya
Celldömölk Rk 0,04 13,11 6,15 0,32
Sárvár Rk 0,05 15,77 6,6 0,23
Keszthely Rk 0,06 27,95 10,92 0,18
Ajka Rk 0,07 17,1 6,92 0,24
Hajdúnánás Rk 0,08 13,23 10,29 0,71
Szécsény Rk 0,09 13,82 10,66 0,19
Kisvárda Rk 0,1 10,65 14,59 0,31
Tiszafüred Rk 0,1 11,43 8,89 0,4
Mór Rk 0,11 17,36 6,88 0,29
Rétság Rk 0,12 15,06 9,78 0,36
Karcag Rk 0,13 14,31 10,6 1
Heves Rk 0,14 13,17 6,56 0,29
Paks Rk 0,14 18,85 7,91 0,36
Vasvár Rk 0,14 15,28 6,04 0,17
Kiskunfélegyháza Rk 0,15 20,41 9,17 0,78
Bicske Rk 0,15 21,07 7,28 0,13
Oroszlány Rk 0,15 19,47 6,82 0,67
Tata Rk 0,15 40,71 9 0,4
Kunszentmárton Rk 0,15 12,56 8,95 0,33
Csorna Rk 0,16 14,53 3,49 0,43
103/194. oldal
Rendőrkapitányság Közokirat-hamisítás
Regisztrált jogi személyiségű
vállalkozások száma
Szellemi foglalkozású nyilvántartott álláskeresők
száma
Vasútállomás aránya
Kisbér Rk 0,16 17,37 8,45 0,47
Nagykáta Rk 0,16 17,27 5,52 0,54
Jászberény Rk 0,16 16,44 5,83 0,56
Bonyhád Rk 0,16 17,02 7,01 0,28
Csongrád Rk 0,17 15,59 10,64 0,25
Hódmezővásárhely Rk 0,17 20,32 11,51 1
Kapuvár Rk 0,17 16,38 5,56 0,39
Szarvas Rk 0,18 16,44 8,12 0,44
Szerencs Rk 0,18 16,99 13,21 0,47
Füzesabony Rk 0,18 15,23 5,79 0,65
Szentendre Rk 0,18 54,37 9,26 0,07
Tiszavasvári Rk 0,18 10,18 8,13 1
Sárospatak Rk 0,19 16,66 12,65 0,25
Sopron Rk 0,19 29,96 4,14 0,4
Pásztó Rk 0,19 14,51 8,54 0,23
Ráckeve Rk 0,2 33,2 6,62 0,29
Fehérgyarmat Rk 0,2 10,41 14,43 0,18
Sátoraljaújhely Rk 0,21 11,81 10,21 0,03
Körmend Rk 0,21 17,98 6,21 0,21
Lenti Rk 0,22 15,65 6,75 0,14
Püspökladány Rk 0,24 11,57 10,69 0,58
Dorog Rk 0,24 20,32 7,26 0,27
Várpalota Rk 0,24 13,09 7,61 0,67
Nagykanizsa Rk 0,24 19,15 10,44 0,17
Gárdony Rk 0,25 28,73 8,98 0,43
Hajdúböszörmény Rk 0,25 16,68 11,83 1
Siófok Rk 0,25 26,82 11,64 0,38
Fonyód Rk 0,26 22,39 10,85 0,5
Pápa Rk 0,26 15,5 8,45 0,31
Hajdúszoboszló Rk 0,27 21,17 10,61 0,4
Dabas Rk 0,27 36,81 7,59 0,6
Hajdúhadháza Rk 0,28 12,64 10,4 0,54
Budaörs Rk 0,28 67,47 8,33 0,43
Vác Rk 0,28 34,22 8,52 0,51
Kunszentmiklós Rk 0,29 12,62 7,56 0,67
Tapolca Rk 0,29 17,58 9,05 0,36
Dombóvár Rk 0,3 16,56 11,64 0,5
Encs Rk 0,31 11,33 9,51 0,26
Szombathely Rk 0,31 34,18 7,84 0,23
104/194. oldal
Rendőrkapitányság Közokirat-hamisítás
Regisztrált jogi személyiségű
vállalkozások száma
Szellemi foglalkozású nyilvántartott álláskeresők
száma
Vasútállomás aránya
Tiszaújváros Rk 0,32 15,75 10,79 0,42
Gyöngyös Rk 0,32 23,22 9,41 0,24
Vásárosnamény Rk 0,32 11,28 17,63 0,21
Szentes Rk 0,33 18,5 11,48 0,5
Szekszárd Rk 0,33 23,88 9,2 0,64
Tamási Rk 0,33 14,89 8,12 0,36
Komló Rk 0,34 18,83 10,17 0,37
Dunakeszi Rk 0,34 50,4 9,36 1
Barcs Rk 0,34 12,33 9,28 0,36
Dunaújváros Rk 0,35 22,56 8,41 0,61
Marcali Rk 0,35 12,49 8,13 0,24
Balassagyarmat Rk 0,36 14,31 11,45 0,45
Cegléd Rk 0,36 25,26 6,9 0,33
Kaposvár Rk 0,36 25,12 11,37 0,29
Balatonalmádi Rk 0,36 30,54 8,42 0,79
Orosháza Rk 0,37 14,01 12,54 0,63
Esztergom Rk 0,37 28,52 9,17 0,56
Szeghalom Rk 0,38 9,44 8,89 0,75
Kazincbarcika Rk 0,38 11,91 12,73 0,28
Ózd Rk 0,38 10,83 11,24 0,34
Törökszentmiklós Rk 0,39 11,4 9,5 0,5
Szigetvár Rk 0,4 16,86 11,67 0,34
Komárom Rk 0,4 29,01 8,05 0,64
Edelény Rk 0,41 11,3 11,41 0,28
Eger Rk 0,41 29,87 11,26 0,31
Sárbogárd Rk 0,43 13,14 8,43 0,67
Hatvan Rk 0,43 17,29 8,19 0,54
Mohács Rk 0,44 18,86 9,91 0,15
Kőszeg Rk 0,44 22,75 6,92 0,26
Bátonyterenye Rk 0,48 13,78 9,47 0,31
Nagykőrös Rk 0,49 19,81 6,99 0,67
Veszprém Rk 0,49 32,57 9,67 0,29
Mosonmagyaróvár Rk 0,5 24,49 4,9 0,38
Siklós Rk 0,51 17,26 9,77 0,26
Sarkad Rk 0,51 8,71 10,38 0,5
Baja Rk 0,52 20,7 12,22 0,14
Szolnok Rk 0,52 23,04 12,68 0,63
Kiskőrös Rk 0,53 28,5 8,36 0,69
Békés Rk 0,53 11,34 12,53 0,5
105/194. oldal
Rendőrkapitányság Közokirat-hamisítás
Regisztrált jogi személyiségű
vállalkozások száma
Szellemi foglalkozású nyilvántartott álláskeresők
száma
Vasútállomás aránya
Nyíregyháza Rk 0,53 27,24 15,1 0,53
Kalocsa Rk 0,54 18,72 11,25 0,24
Nyírbátor Rk 0,55 12,85 9,9 0,38
Kecskemét Rk 0,56 35,84 11,25 0,65
Salgótarján Rk 0,58 18,59 17,66 0,25
Békéscsaba Rk 0,6 22,86 14,95 0,5
Érd Rk 0,6 49,39 7,66 0,67
Mezőtúr Rk 0,64 16,11 10,39 0,67
Zalaegerszeg Rk 0,65 28,23 10,14 0,32
Kiskunhalas Rk 0,66 21,98 10,18 0,74
Berettyóújfalu Rk 0,66 12,6 11,01 0,35
Mezőkovácsháza Rk 0,69 8,04 12,55 0,33
Kistelek Rk 0,69 15,18 9,11 0,5
Nagyatád Rk 0,75 13,72 9,66 0,42
Mátészalka Rk 0,76 12,41 15,03 0,42
Pécs Rk 0,78 39,27 12,87 0,16
Gyula Rk 0,79 16,27 12,99 0,75
Gödöllő Rk 0,81 38,8 7,27 0,52
Székesfehérvár Rk 0,91 34,96 11,71 0,45
Győr Rk 0,92 34,68 9,72 0,43
Mezőkövesd Rk 0,93 13,69 11,01 0,17
Szigetszentmiklós Rk 0,94 46,67 7,65 0,33
Debrecen Rk 1 37,85 14,95 0,88
Tatabánya Rk 1,12 39,97 7,58 0,4
Szeged Rk 1,2 30,03 12 0,29
Balatonfüred Rk 1,22 40,68 9,61 0,45
Miskolc Rk 1,34 29,15 15,27 0,35
Monor Rk 2,01 30,3 7,04 0,61
Makó Rk 2,03 12,65 8,5 0,59
Balmazújváros Rk 2,18 12,85 9,12 1
Záhony Rk 3,23 11,02 14,21 0,58
Budapest 4,32 89,8 10,34 1
7.9 Magánokirat-hamisítás
7.9.1 A magánokirat-hamisítással korreláló változók
23. Táblázat - A magánokirat-hamisítással korreláló változók
Független változók SIG R
1 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel 0,019 0,206
106/194. oldal
Független változók SIG R
rendelkező nyilvántartott álláskeresők száma
2 a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma 0,036 0,184
3 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,039 0,182
A független társadalmi változók közül 3 mutatott olyan kapcsolatot a magánokirat-hamisítás deliktumoknál, hogy kimondhatjuk, valószínű van összefüggés a tényezők között. Hatásuk erőssége alapján az általános iskola 8 osztályánál kevesebb végzettséggel rendelkező, a főiskolai végzettségű, valamint az egyetemi végzettségű nyilvántartott álláskeresők száma érdemel figyelmet az értékelés során. Hogy ezek a társadalmi tényezők konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
66. ábra - A magánokirat-hamisítás regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – az általános iskola 8 osztályánál kevesebb végzettséggel rendelkező és a főiskolai végzettségű nyilvántartott álláskeresők száma egyedekkel. Ez a két társadalmi változók tehát közvetlen hatást gyakorol a bűncselekménytípusra, de csak további elemző eljárásokkal tudjuk megválaszolni, hogy miként befolyásolják azt. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Nehéz kiemelhetünk olyan rendőrkapitányságot (Encs Rk.), ahol magas a deliktumok száma, és ezzel szoros összefüggésben lehet valamelyik a regresszió során azonosított egy vagy több társadalmi változó (pl. az általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma). Nem tudunk általánosítani abban, hogy magas, illetve alacsony esetszámhoz magas, illetve alacsony társadalmi indikátornál szereplő értéket kapunk. Továbbá az sem egyértelmű, hogy az egyik tényező alacsony száma a másik esetén magasabb számot produkál. Mindezek alapján jogosan feltételezhetjük egyes esetekben a függőségi viszonyok fennállását, de a nem egyértelmű relációk további tényezők bevonását igénylik.
107/194. oldal
7.9.2 A magánokirat-hamisítással közvetlenül hatással lévő változók regressziós egyenese
67. ábra - Magánokirat-hamisítás – 8 osztálynál kevesebbet végzett álláskeresők
68. ábra - Magánokirat-hamisítás – főiskolai végzettségű álláskeresők
108/194. oldal
7.9.3 A regressziós modellben szereplő változók értékei kapitányságonként
24. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Magánokirat-
hamisítás
Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
Főiskolai végzettségű nyilvántartott álláskeresők
száma
Hajdúnánás Rk 0,05 4,09 1,76
Mór Rk 0,11 0,96 1,35
Balatonalmádi Rk 0,13 0,66 1,55
Szerencs Rk 0,15 12,4 2,01
Heves Rk 0,16 13,36 1,04
Ráckeve Rk 0,16 1,49 1,29
Hajdúhadháza Rk 0,18 11,07 1,28
Kunszentmiklós Rk 0,19 4,55 0,87
Sárospatak Rk 0,19 6,75 2,24
Szeghalom Rk 0,2 4 1,29
Gárdony Rk 0,2 0,86 1,65
Kőszeg Rk 0,2 0,56 2,23
Bicske Rk 0,21 1,78 1,19
Vasvár Rk 0,21 3,13 1,39
Pásztó Rk 0,22 6,38 1,67
Kisvárda Rk 0,24 6,07 2,29
Csongrád Rk 0,25 1,59 2,51
Füzesabony Rk 0,27 9,54 1,04
Sarkad Rk 0,28 5,56 1,11
Kiskunhalas Rk 0,29 7,44 1,61
Fonyód Rk 0,29 4,48 2,06
Keszthely Rk 0,3 2,73 2,27
Szigetvár Rk 0,31 6,86 1,71
Szentendre Rk 0,31 0,39 2,59
Tapolca Rk 0,31 2,47 1,69
Kistelek Rk 0,32 2,61 1,33
Kisbér Rk 0,32 2,12 1,43
Tiszavasvári Rk 0,35 10,57 1,8
Sárvár Rk 0,35 1,17 1,54
Kiskőrös Rk 0,36 3,81 1,6
Balassagyarmat Rk 0,36 4,88 1,53
Rétság Rk 0,36 2,66 1,55
Nagyatád Rk 0,36 8,7 1,55
Körmend Rk 0,37 1,11 1,37
Nagykáta Rk 0,39 2,99 0,94
109/194. oldal
Rendőrkapitányság Magánokirat-
hamisítás
Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
Főiskolai végzettségű nyilvántartott álláskeresők
száma
Várpalota Rk 0,4 2,07 0,98
Nagykanizsa Rk 0,4 5,31 2,18
Hajdúböszörmény Rk 0,41 3,85 2,6
Monor Rk 0,41 1,64 1,09
Mezőkovácsháza Rk 0,43 3,53 1,61
Dabas Rk 0,43 1,61 1,09
Orosháza Rk 0,44 1,13 2,31
Kaposvár Rk 0,44 4,47 2,48
Pápa Rk 0,44 3,52 2,1
Csorna Rk 0,46 1,53 1,07
Mosonmagyaróvár Rk 0,46 0,37 0,91
Ajka Rk 0,47 3 1,37
Mohács Rk 0,48 4,4 2,04
Dunakeszi Rk 0,48 0,18 2,11
Szigetszentmiklós Rk 0,5 0,22 1,42
Gyula Rk 0,51 1,02 2,3
Oroszlány Rk 0,51 1,81 1,49
Tata Rk 0,51 0,58 2,11
Makó Rk 0,52 3,12 1,28
Barcs Rk 0,52 9,75 1,2
Kunszentmárton Rk 0,52 4,97 1,95
Sopron Rk 0,53 0,39 1,22
Paks Rk 0,53 2,8 1,52
Tiszafüred Rk 0,55 7,41 1,34
Ózd Rk 0,56 14,17 1,55
Szentes Rk 0,58 0,65 2,64
Kazincbarcika Rk 0,59 5,83 2,68
Püspökladány Rk 0,59 7,07 1,4
Baja Rk 0,6 1,94 2,43
Cegléd Rk 0,61 1,79 1,1
Gödöllő Rk 0,61 1,92 1,19
Szolnok Rk 0,62 2,29 2,9
Nagykőrös Rk 0,63 2,25 1,69
Hódmezővásárhely Rk 0,64 1,49 2,63
Dorog Rk 0,66 1,39 1,44
Fehérgyarmat Rk 0,66 14,2 1,83
Sátoraljaújhely Rk 0,71 8,64 1,62
Kapuvár Rk 0,71 1,08 1,62
Berettyóújfalu Rk 0,71 7,43 1,61
110/194. oldal
Rendőrkapitányság Magánokirat-
hamisítás
Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
Főiskolai végzettségű nyilvántartott álláskeresők
száma
Veszprém Rk 0,73 1,18 2,07
Vác Rk 0,74 0,63 1,86
Érd Rk 0,74 0,48 1,65
Mezőtúr Rk 0,74 5,33 2,58
Siófok Rk 0,75 2,8 2,1
Budaörs Rk 0,76 0,3 1,98
Mezőkövesd Rk 0,77 4,83 3,05
Hatvan Rk 0,79 1,63 1,52
Celldömölk Rk 0,81 0,96 1,38
Dunaújváros Rk 0,82 2,31 1,57
Törökszentmiklós Rk 0,82 8,68 1,49
Kecskemét Rk 0,84 1,4 2,62
Balmazújváros Rk 0,85 6,38 1,04
Salgótarján Rk 0,85 6,06 2,93
Komárom Rk 0,87 0,84 1,24
Jászberény Rk 0,9 4,27 1,44
Bonyhád Rk 0,9 1,53 1,96
Békés Rk 0,91 3,49 2,23
Zalaegerszeg Rk 0,91 2,72 2,15
Siklós Rk 0,92 7,23 1,61
Marcali Rk 0,93 11,88 1,5
Kalocsa Rk 0,96 2,48 2,07
Bátonyterenye Rk 0,99 10,31 1,46
Szécsény Rk 1,07 11,59 1,2
Karcag Rk 1,07 7,91 1,74
Lenti Rk 1,07 3,67 1,39
Győr Rk 1,08 0,96 2,38
Hajdúszoboszló Rk 1,12 3,39 2,13
Balatonfüred Rk 1,14 0,51 2,7
Eger Rk 1,19 4,69 3
Mátészalka Rk 1,2 15,4 2,18
Kiskunfélegyháza Rk 1,28 1,54 1,84
Záhony Rk 1,31 8,26 1,66
Komló Rk 1,35 5,68 1,84
Gyöngyös Rk 1,37 4,83 2,72
Szombathely Rk 1,38 0,76 2,28
Edelény Rk 1,43 22,03 1,73
Szeged Rk 1,47 0,6 2,62
Budapest 1,48 0,61 2,22
111/194. oldal
Rendőrkapitányság Magánokirat-
hamisítás
Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
Főiskolai végzettségű nyilvántartott álláskeresők
száma
Nyírbátor Rk 1,5 11,98 1,49
Szekszárd Rk 1,51 2,61 2,61
Tiszaújváros Rk 1,55 7,57 1,51
Dombóvár Rk 1,55 4,12 1,73
Miskolc Rk 1,57 4,93 2,54
Székesfehérvár Rk 1,59 1,25 2,47
Sárbogárd Rk 1,61 4,74 1,31
Vásárosnamény Rk 1,76 11,22 1,89
Békéscsaba Rk 1,8 0,5 3,6
Nyíregyháza Rk 1,85 5,03 3,53
Debrecen Rk 1,88 1,87 3,57
Tatabánya Rk 3,11 2,2 1,69
Pécs Rk 3,25 1,25 2,47
Tamási Rk 3,66 5,04 1,35
Esztergom Rk 3,98 1,34 1,83
Szarvas Rk 6,33 1,43 2,42
Encs Rk 7,51 23,01 1,44
7.10 Visszaélés okirattal
7.10.1 Az okirattal való visszaéléssel korreláló változók
25. Táblázat - Az okirattal való visszaéléssel korreláló változók
Független változók SIG R
1 a108_fo Egyéb (2009-ig magán) szállásadás férőhelyeinek száma összesen (db)
0,001 0,278
2 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,001 0,277
3 a59_fo Egyéb (2009-ig magán) szálláshelyek férőhelyeinek száma összesen 0,002 0,276
4 a107_fo Egyéb (2009-ig magán) szállásadás vendéglátóinak száma összesen (db)
0,002 0,27
5 a110_fo Vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban (vendégéjszaka)
0,002 0,267
6 a106_fo Fizetővendéglátás szállásférőhelyeinek száma (db) 0,003 0,269
7 a57_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma 0,003 0,264
8 a105_fo Fizetővendéglátás vendéglátóinak száma (fő) 0,003 0,264
9 a104_fo Vendégéjszakák száma a fizetővendéglátásban (vendégéjszaka) 0,003 0,263
10 a100_fo A kereskedelmi szálláshelyek egységeinek száma (db) 0,003 0,259
11 a109_fo Vendégek száma az egyéb (2009-ig magán) szállásadásban (fő) 0,004 0,253
12 a103_fo Vendégek száma a fizetővendéglátásban (fő) 0,006 0,247
13 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,006 0,239
14 a58_fo A kereskedelmi szálláshelyek egységeinek száma 0,006 0,239
15 a102_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma (db) 0,007 0,236
16 a111_fo Kiskereskedelmi üzletek száma (db) 0,008 0,233
17 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező 0,010 0,225
112/194. oldal
Független változók SIG R
nyilvántartott álláskeresők száma
18 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,010 0,224
19 a97_fo Vendéglátóhelyek száma (db) 0,011 0,224
20 a61_fo Egyéb (2009-ig magán) szálláshelyek vendégéjszakáinak száma 0,012 0,221
21 a60_fo Egyéb (2009-ig magán) szálláshelyek vendégeinek száma 0,013 0,218
22 a86_fo Postahivatal /fiókposta, postamesterség, ügynökség, kirendeltség/ aránya
0,030 -0,191
23 a87_fo Óvoda aránya 0,030 -0,191
24 a77_fo A helyi önkormányzatok helyi adó bevételeiből az idegenforgalmi adó (1000 Ft)
0,036 0,189
25 a99_fo Vendégek száma összesen a kereskedelmi szálláshelyeken (fő) 0,036 0,185
26 a7_fo Háztartási villamosenergia fogyasztók száma 0,041 0,18
A független társadalmi változók közül 26 mutatott olyan kapcsolatot a visszaélés okirattal cselekményeknél, amely összefüggést valószínűsít a tényezők között. Hatásuk erőssége alapján az egyéb szállásadás férőhelyeinek száma, az élelmiszer vegyesüzletek és áruházak száma, az egyéb szálláshelyek férőhelyeinek száma és az egyéb szállásadás vendéglátóinak száma érdemel figyelmet az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
69. ábra – Okirattal való visszaélés regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – az egyetemi végzettségű nyilvántartott álláskeresők száma, a rendszeres szociális segélyben részesítettek átlagos száma és az egyéb szállásadás férőhelyeinek száma egyedekkel. Ez a három társadalmi változók gyakorolja a legnagyobb hatást a bűncselekménytípusra, hogy miként befolyásolják azt, már csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol
113/194. oldal
elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Edelény Rk., Siófok Rk., Marcali Rk., Fonyód Rk., Szeged Rk.), ahol magas a visszaélés okirattal cselekmények száma, és ezzel szoros összefüggésben lehet, hatást gyakorol a cselekmény elkövetésére együtt, vagy külön-külön valamelyik a regresszió során azonosított társadalmi változó. Az egyes tényezők hatásmechanizmusának működését láthatjuk akkor, ha olyan rendőrkapitányságot választunk, ahol alacsony az esetek száma és párhuzamosan megnézzük a társadalmi indikátornál szereplő értéket, ahol ugyancsak alacsony számadatokat találunk (pl. Csorna Rk., Rétság Rk., Mór Rk., Vasvár Rk.). Ezek alapján jogosan feltételezhetjük a függőségi viszonyok fennállását, a társadalmi változók magasabb értékei magasabb cselekményszámot feltételeznek. Meg kell azonban jegyeznünk, hogy az okirat bűncselekmények esetén – lopás mellett megjelenő járulékos cselekmények regisztrálása miatt nőtt ilyen mértékben a számuk – torzító hatást mutathat a vendéglátó helyek száma és az ehhez kapcsolódó turizmus, hiszen a turizmus szempontjából kiemelkedő helyeken megjelenő „járulékos” cselekmények (azaz visszaélés okirattal) száma jóval magasabb lett.
7.10.2 Az okirattal való visszaélésre közvetlenül hatással lévő változók regressziós egyenese
70. ábra – Okirattal való visszaélés – egyetemi végzettségű álláskeresők
114/194. oldal
71. ábra - Okirattal való visszaélés – rendszeres szociális segélyben részesítettek átlagos száma
72. ábra - Okirattal való visszaélés – egyéb szállásadás férőhelyeinek száma
115/194. oldal
7.10.3 A regressziós modellben szereplő változók értékei kapitányságonként
26. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Visszaélés okirattal
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Rendszeres szociális segélyben részesítettek
átlagos száma (rendelkezésre állási támogatásban
részesülők adatai nélkül)
Egyéb (2009-ig magán) szállásadás
férőhelyeinek száma összesen (db)
Vasvár Rk 0 0,63 3,16 9,03
Mór Rk 0,03 0,51 1,3 5,07
Rétság Rk 0,16 0,64 3,7 11,01
Csorna Rk 0,19 0,38 0,82 5,4
Hajdúnánás Rk 0,23 0,75 6,18 3,31
Balassagyarmat Rk 0,24 0,7 3,49 5,34
Pásztó Rk 0,28 0,46 5,01 14,11
Szeghalom Rk 0,29 0,56 6,48 3,57
Fehérgyarmat Rk 0,38 0,56 7,13 16,79
Szerencs Rk 0,39 0,84 9,55 13,29
Gyöngyös Rk 0,48 0,61 3,13 15,57
Bicske Rk 0,49 0,57 2,12 7,9
Kapuvár Rk 0,5 0,33 0,61 3,11
Hatvan Rk 0,53 0,58 3,37 2,67
Dunakeszi Rk 0,53 0,9 1,05 0,74
Bátonyterenye Rk 0,62 0,51 7,75 6,95
Békés Rk 0,66 0,51 4,66 0,78
Hajdúhadháza Rk 0,67 0,54 8,08 0,74
Hajdúszoboszló Rk 0,69 0,87 4,54 261,98
Szigetvár Rk 0,7 0,65 6 7,67
Sárbogárd Rk 0,7 0,29 7,57 2,17
Kunszentmiklós Rk 0,77 0,48 4,66 2,85
Békéscsaba Rk 0,77 1 3,35 2,28
Baja Rk 0,8 0,88 4,81 2,23
Szentendre Rk 0,84 1,5 1,14 5,95
Szarvas Rk 0,86 0,66 3,43 16,62
Sárvár Rk 0,87 0,57 1,49 28,09
Szécsény Rk 0,89 0,62 9,7 11,24
Gyula Rk 0,91 0,84 6,74 43,47
Gárdony Rk 0,91 0,96 1,44 56,97
Sopron Rk 0,95 0,56 0,62 16,27
Nagykőrös Rk 0,98 0,35 4,79 2,04
Törökszentmiklós Rk 0,98 0,53 5,51 2,01
Kalocsa Rk 1 0,61 3,28 3,46
116/194. oldal
Rendőrkapitányság Visszaélés okirattal
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Rendszeres szociális segélyben részesítettek
átlagos száma (rendelkezésre állási támogatásban
részesülők adatai nélkül)
Egyéb (2009-ig magán) szállásadás
férőhelyeinek száma összesen (db)
Sátoraljaújhely Rk 1,02 0,55 8,14 24,94
Dabas Rk 1,04 0,31 1,9 1,31
Heves Rk 1,09 0,38 7,46 13,12
Encs Rk 1,1 0,6 13,41 15,46
Kiskőrös Rk 1,11 0,53 4,11 2,08
Mátészalka Rk 1,11 0,7 6,43 1,33
Ajka Rk 1,12 0,5 2,49 5,29
Vác Rk 1,14 0,69 1,79 8,24
Cegléd Rk 1,15 0,28 4,24 1,94
Budaörs Rk 1,23 1,2 0,99 3,43
Kőszeg Rk 1,27 0,4 1,9 152,2
Kiskunhalas Rk 1,29 0,47 4,85 7,67
Karcag Rk 1,29 0,36 5,54 19,73
Körmend Rk 1,37 0,46 1,81 28,75
Gödöllő Rk 1,4 0,84 1,45 5,86
Celldömölk Rk 1,42 0,73 1,61 12,53
Kazincbarcika Rk 1,49 0,88 6,48 3,6
Érd Rk 1,51 0,77 1,76 1,17
Szigetszentmiklós Rk 1,53 0,54 1,12 0,45
Monor Rk 1,58 0,4 1,78 1,16
Bonyhád Rk 1,58 0,35 1,96 4,61
Tiszaújváros Rk 1,63 0,74 5,9 7,69
Hajdúböszörmény Rk 1,63 0,66 5,58 3,82
Tiszafüred Rk 1,65 0,31 4,77 120,37
Vásárosnamény Rk 1,73 0,53 7,69 22,15
Kunszentmárton Rk 1,73 0,41 11,28 23,68
Várpalota Rk 1,83 0,4 4,64 3,79
Füzesabony Rk 1,86 0,43 5,5 42,44
Tiszavasvári Rk 1,87 0,35 3,73 6,58
Mezőkovácsháza Rk 1,9 0,4 6,86 2,85
Miskolc Rk 1,95 1,45 4,94 4,93
Tapolca Rk 1,96 0,58 3,17 162,69
Paks Rk 1,97 0,68 2,28 2,98
Veszprém Rk 2,06 1,03 1,88 12,14
Jászberény Rk 2,07 0,41 2,39 2,22
Dunaújváros Rk 2,12 0,54 3,6 2,59
Püspökladány Rk 2,18 0,59 9,9 7,59
117/194. oldal
Rendőrkapitányság Visszaélés okirattal
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Rendszeres szociális segélyben részesítettek
átlagos száma (rendelkezésre állási támogatásban
részesülők adatai nélkül)
Egyéb (2009-ig magán) szállásadás
férőhelyeinek száma összesen (db)
Mosonmagyaróvár Rk 2,22 0,74 0,66 12,77
Nagykáta Rk 2,28 0,27 2,8 1,29
Komló Rk 2,3 0,61 4,73 18,21
Salgótarján Rk 2,34 0,63 7,78 4,14
Eger Rk 2,4 0,95 3,87 46,05
Ózd Rk 2,41 0,57 9,85 3,73
Lenti Rk 2,5 0,31 4,39 36,31
Balatonalmádi Rk 2,51 0,89 2,8 338,96
Szombathely Rk 2,53 0,56 1,43 2,75
Siklós Rk 2,57 0,58 7,28 147,24
Mohács Rk 2,59 0,82 3,9 9,02
Kisvárda Rk 2,61 0,74 3,81 0,5
Nagykanizsa Rk 2,65 0,87 4,15 43,24
Ráckeve Rk 2,72 0,3 1 2,56
Nyírbátor Rk 2,81 0,46 6,58 0,63
Sárospatak Rk 2,85 1,2 6,93 28,88
Mezőkövesd Rk 2,87 0,91 5,42 92,7
Orosháza Rk 3,05 0,72 4,6 7,27
Kiskunfélegyháza Rk 3,06 0,62 3,77 2,14
Sarkad Rk 3,06 0,37 8,87 0,65
Pécs Rk 3,15 1,91 2,85 7,6
Barcs Rk 3,18 0,47 9,24 20,28
Budapest 3,19 1,59 2,14 2,55
Berettyóújfalu Rk 3,25 0,69 8,31 2,98
Tamási Rk 3,74 0,44 4,9 23,67
Székesfehérvár Rk 3,75 1,1 2,62 1,68
Záhony Rk 3,76 0,7 2,74 1,49
Dombóvár Rk 3,97 0,84 4,83 49,02
Kecskemét Rk 4,14 0,8 3,15 2,56
Győr Rk 4,31 0,89 1,64 3,02
Zalaegerszeg Rk 4,58 0,86 2,7 8,54
Balmazújváros Rk 4,67 0,73 8,32 11,55
Keszthely Rk 4,67 0,99 3,64 303,14
Kistelek Rk 5,22 0,53 2,57 3,36
Nyíregyháza Rk 5,37 0,98 3,33 1,98
Kisbér Rk 5,52 0,85 2 3,98
Dorog Rk 5,75 0,59 1,47 1,49
118/194. oldal
Rendőrkapitányság Visszaélés okirattal
Egyetemi végzettségű
nyilvántartott álláskeresők száma
Rendszeres szociális segélyben részesítettek
átlagos száma (rendelkezésre állási támogatásban
részesülők adatai nélkül)
Egyéb (2009-ig magán) szállásadás
férőhelyeinek száma összesen (db)
Szolnok Rk 5,82 0,91 3,09 2,31
Csongrád Rk 5,91 0,75 2,85 4,9
Nagyatád Rk 7,15 0,71 7,6 5,44
Makó Rk 7,3 0,29 3,77 1,94
Mezőtúr Rk 7,49 0,64 7,43 5,94
Oroszlány Rk 7,94 0,65 2,6 2,36
Hódmezővásárhely Rk 8 0,66 3,29 4,56
Szentes Rk 8,04 0,63 2,51 2,81
Debrecen Rk 8,4 1,96 3,11 1,9
Pápa Rk 8,52 0,71 3,72 5,9
Tata Rk 9 1,07 1,31 8,54
Szekszárd Rk 9,01 0,8 3,28 5,32
Esztergom Rk 10,42 1,02 1,91 6,17
Balatonfüred Rk 10,45 1,14 0,69 569,09
Kaposvár Rk 11,29 1,04 5,28 9,69
Tatabánya Rk 11,37 0,43 1,72 2,16
Komárom Rk 11,76 0,52 1,98 4,53
Szeged Rk 14,02 1,6 2,64 4,79
Fonyód Rk 15,64 0,81 3,2 1 067,28
Marcali Rk 16,71 0,45 5,93 14,73
Siófok Rk 35,21 0,78 4,51 504,55
Edelény Rk 64,71 1,16 15,63 27,45
7.11 Lopás
7.11.1 A lopással korreláló változók
27. Táblázat - A lopással korreláló változók
Független változók SIG R
1 a8_fo Háztartási gázfogyasztók száma 0,001 0,282
2 a5_fo Közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma 0,004 0,251
3 a4_fo Lakásállomány 0,004 0,249
4 a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya 0,009 0,228
5 a93_fo Bankfiók aránya) 0,010 0,226
6 aktiv_ar 18-59 évesek aránya 0,013 -0,217
7 a16_fo A települési könyvtárak száma 0,014 -0,215
8 idos_ar 60+ évesek aránya 0,015 0,213
9 a89_fo Középiskola aránya 0,019 0,207
10 a90_fo Bölcsőde aránya 0,022 0,208
11 a84_fo Vasútállomás aránya 0,032 0,188
12 a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma 0,042 0,179
119/194. oldal
A független társadalmi változók közül 12 mutatott olyan kapcsolatot a lopásokkal, hogy kimondhatjuk, valószínű van összefüggés a tényezők között. Hatásuk erőssége alapján a háztartási gázfogyasztók száma, a közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma, a lakásállomány és a benzinkutak aránya érdemel figyelmet az értékelés során. Annak megállapítása, hogy ezek és a táblázatban felsorolt egyedek konkrétan milyen kontextusban jelennek meg azt további elemzés döntheti el.
73. ábra – A lopás regressziós modellje
Az alkalmazott regressziós modell a bőncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma és 18-59 évesek aránya egyedekkel, melyek egymással is közvetlen kapcsolatban vannak. Közvetlenül ezekhez az egyedekhez és ezáltal közvetetten a bűncselekményekhez kapcsolódik a 60+ évesek aránya, a háztartási gázfogyasztók száma és a benzinkutak aránya. Ezek a társadalmi változók tehát közvetlen és közvetett hatást gyakorolnak a bűncselekménytípusra és rajta keresztül a rendőri szervek munkájának különböző szakterületeire. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Orosháza Rk., Marcali Rk., Siófok Rk., Budapest), ahol magas a lopások száma, és ezzel szoros összefüggésben lehet, hatást gyakorol a cselekmény elkövetésére valamelyik a regresszió során azonosított egy vagy több társadalmi változó (pl. közüzemi ivóvíz-hálózatba bekapcsolt lakások száma, háztartási gázfogyasztók száma, aktívak aránya). Az egyes tényezők hatásmechanizmusának működését láthatjuk akkor, ha olyan rendőrkapitányságot választunk, ahol alacsony a lopások száma és párhuzamosan megnézzük a társadalmi indikátornál szereplő értéket, ahol ugyancsak viszonylag alacsony számadatokat találunk (pl. Békés Rk., Mór Rk., Csorna Rk., Kapuvár Rk.). Vannak azonban olyan esetek, ahol a bűncselekményre közvetlen hatást gyakorló társadalmi tényezők igazolják a fent megállapítottakat, azonban a másodlagos tényezők különböző arányú eltéréseket mutatnak. Ennek alapján jogosan feltételezhetjük a függőségi viszonyok fennállását az elsődleges tényezők és a bűncselekmény között. Amennyiben nem egyértelmű a reláció további tényezőket célszerű felkutatnunk.
120/194. oldal
7.11.2 A lopásra közvetlenül hatással lévő változók regressziós egyenese
74. ábra – Lopás – 18-59 évesek aránya
75. ábra – Lopás - közüzemi ivóvízvezeték hálózatba bekapcsolt lakások száma
121/194. oldal
76. ábra – Lopás – 60+ évesek aránya
7.11.3 A regressziós modellben szereplő változók értékei kapitányságonként
28. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Lopás
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Háztartási gázfogyasztók
száma
Benzinkút /üzemanyagtöltő állomás/ aránya
aktívak aránya
idősek aránya
Kapuvár Rk 2,86 411,83 253,4 0,11 0,6 0,24
Csorna Rk 3,44 405,32 216,21 0,18 0,6 0,23
Mór Rk 4,34 379,36 267,69 0,36 0,62 0,2
Békés Rk 4,73 394 378,13 0,63 0,59 0,23
Edelény Rk 5,61 274,36 212,62 0,11 0,57 0,2
Sárvár Rk 5,7 422,69 273,25 0,18 0,61 0,24
Tapolca Rk 5,74 407,26 238,96 0,16 0,6 0,23
Kiskőrös Rk 5,76 383,39 312,52 0,81 0,59 0,24
Fehérgyarmat Rk 6,1 345,76 282,39 0,08 0,58 0,2
Körmend Rk 6,14 416 192,33 0,1 0,6 0,24
Mezőkovácsháza Rk 6,24 439,43 359,77 0,5 0,58 0,25
Kunszentmiklós Rk 6,41 368,68 321,54 0,78 0,59 0,22
Celldömölk Rk 6,5 436,08 282,48 0,11 0,59 0,24
Kisvárda Rk 6,55 334,24 277,67 0,15 0,61 0,17
Rétság Rk 6,56 381,58 282,67 0,08 0,6 0,22
Bonyhád Rk 6,57 373,45 262,98 0,17 0,6 0,23
122/194. oldal
Rendőrkapitányság Lopás
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Háztartási gázfogyasztók
száma
Benzinkút /üzemanyagtöltő állomás/ aránya
aktívak aránya
idősek aránya
Hajdúböszörmény Rk 6,82 367,32 290,81 1 0,59 0,2
Szerencs Rk 6,86 347,46 265,18 0,38 0,58 0,21
Baja Rk 6,89 417,79 360,03 0,39 0,58 0,25
Sátoraljaújhely Rk 6,9 353,7 201,15 0,19 0,58 0,21
Mátészalka Rk 7,06 320,74 270,03 0,13 0,6 0,19
Dorog Rk 7,09 352,51 224,22 0,27 0,61 0,21
Sopron Rk 7,29 415,8 353,33 0,18 0,6 0,23
Kiskunhalas Rk 7,35 398,05 308,39 0,63 0,59 0,23
Várpalota Rk 7,42 381,42 213,54 0,5 0,61 0,21
Komló Rk 7,47 394,89 166,77 0,14 0,6 0,23
Szigetvár Rk 7,47 359,96 84,35 0,07 0,61 0,2
Szécsény Rk 7,63 315,27 212,75 0,13 0,58 0,22
Kazincbarcika Rk 7,66 329,04 296,78 0,13 0,61 0,21
Tiszaújváros Rk 7,73 328,72 314,06 0,25 0,6 0,18
Sárospatak Rk 7,87 347,51 230,79 0,13 0,6 0,22
Kőszeg Rk 7,91 385,9 258,83 0,16 0,61 0,22
Barcs Rk 8,46 400,67 210,47 0,16 0,59 0,21
Paks Rk 8,47 421,9 210,85 0,5 0,61 0,21
Bicske Rk 8,55 342,52 263,52 0,31 0,61 0,19
Gödöllő Rk 8,57 345,19 336,78 0,59 0,6 0,2
Nagykanizsa Rk 8,59 404,54 360,87 0,11 0,6 0,24
Mohács Rk 8,64 399,61 260,27 0,19 0,6 0,23
Balatonalmádi Rk 8,65 409,88 440,98 0,29 0,59 0,26
Vasvár Rk 8,75 459,33 169,92 0,09 0,6 0,23
Ajka Rk 8,81 403,46 156,85 0,08 0,61 0,23
Kiskunfélegyháza Rk 8,95 332,79 346,81 0,67 0,59 0,23
Vásárosnamény Rk 8,99 350,19 300,7 0,1 0,59 0,19
Kisbér Rk 9,03 393,42 252,88 0,33 0,62 0,21
Tamási Rk 9,08 417,82 148,08 0,36 0,59 0,24
Veszprém Rk 9,09 404,86 313,84 0,26 0,62 0,21
Tata Rk 9,2 362,24 245,32 0,3 0,61 0,22
Szarvas Rk 9,26 413,17 354,79 0,56 0,58 0,25
Dunakeszi Rk 9,29 378,83 376,3 1 0,61 0,19
Zalaegerszeg Rk 9,41 385,02 353,75 0,09 0,61 0,23
Lenti Rk 9,48 433,09 320,5 0,08 0,59 0,26
Ráckeve Rk 9,5 355,55 343,59 0,43 0,59 0,22
Érd Rk 9,5 357,04 352,24 0,5 0,61 0,19
123/194. oldal
Rendőrkapitányság Lopás
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Háztartási gázfogyasztók
száma
Benzinkút /üzemanyagtöltő állomás/ aránya
aktívak aránya
idősek aránya
Dabas Rk 9,53 327,12 322,72 0,67 0,61 0,19
Sárbogárd Rk 9,82 367,28 245,12 0,33 0,6 0,2
Hajdúnánás Rk 9,84 381,43 330,15 0,57 0,6 0,21
Berettyóújfalu Rk 9,9 367,52 243,94 0,26 0,59 0,21
Gyöngyös Rk 9,93 415,91 339,46 0,36 0,58 0,25
Oroszlány Rk 10,12 385,42 121,92 0,5 0,61 0,21
Pápa Rk 10,13 400,69 286,5 0,06 0,59 0,23
Tiszafüred Rk 10,19 417,97 321,9 0,5 0,59 0,22
Keszthely Rk 10,3 441,55 337,16 0,16 0,59 0,26
Vác Rk 10,32 377,78 311,03 0,17 0,6 0,21
Pásztó Rk 10,34 395,77 312,82 0,15 0,59 0,24
Békéscsaba Rk 10,35 432,21 439,43 0,6 0,6 0,24
Balassagyarmat Rk 10,48 381,15 248,46 0,1 0,6 0,23
Nyíregyháza Rk 10,54 377,25 310,98 0,47 0,61 0,19
Budaörs Rk 10,6 322,88 326,76 0,57 0,59 0,19
Esztergom Rk 10,79 363,82 209,2 0,44 0,59 0,22
Mosonmagyaróvár Rk 10,99 379,17 205,19 0,23 0,61 0,2
Kaposvár Rk 11,02 387,51 287,29 0,14 0,59 0,23
Kistelek Rk 11,03 326,51 303,07 1 0,58 0,25
Szeghalom Rk 11,08 405,36 326,21 0,63 0,6 0,21
Siklós Rk 11,1 361,57 139,84 0,09 0,6 0,21
Kalocsa Rk 11,14 426,3 367,12 0,48 0,59 0,25
Szigetszentmiklós Rk 11,25 340,25 363,47 0,83 0,61 0,18
Nagykőrös Rk 11,27 311,66 297,54 0,33 0,59 0,22
Monor Rk 11,34 335,67 334,29 0,44 0,61 0,2
Hatvan Rk 11,37 401,67 393,22 0,38 0,59 0,24
Balmazújváros Rk 11,46 368,9 314,7 0,8 0,58 0,22
Encs Rk 11,49 287,71 192,75 0,11 0,57 0,18
Nagykáta Rk 11,61 369,89 311,24 0,46 0,6 0,21
Gyula Rk 11,67 421,65 427,97 0,75 0,59 0,25
Sarkad Rk 11,82 418,66 357,39 0,5 0,58 0,23
Nagyatád Rk 12,03 374,36 211,18 0,19 0,59 0,22
Pécs Rk 12,07 437,23 326,64 0,06 0,6 0,23
Szentendre Rk 12,08 346,52 311,31 0,5 0,59 0,21
Záhony Rk 12,11 329,2 240,46 0,25 0,6 0,17
Makó Rk 12,12 446,59 375,38 0,35 0,58 0,24
Miskolc Rk 12,16 391,82 375,47 0,29 0,6 0,22
124/194. oldal
Rendőrkapitányság Lopás
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Háztartási gázfogyasztók
száma
Benzinkút /üzemanyagtöltő állomás/ aránya
aktívak aránya
idősek aránya
Törökszentmiklós Rk 12,16 382,26 303,39 0,4 0,58 0,21
Füzesabony Rk 12,19 392,14 364,36 0,29 0,57 0,23
Mezőkövesd Rk 12,35 419,89 397,72 0,22 0,58 0,25
Szombathely Rk 12,35 399,4 337,79 0,08 0,6 0,23
Tiszavasvári Rk 12,37 349,02 256,25 0,67 0,57 0,2
Balatonfüred Rk 12,69 406,08 353,55 0,15 0,59 0,26
Tatabánya Rk 12,7 393,22 116,48 0,5 0,61 0,21
Szekszárd Rk 12,73 390,55 250,27 0,55 0,6 0,23
Salgótarján Rk 12,84 407,3 258,21 0,1 0,58 0,25
Cegléd Rk 12,84 363,46 314,36 0,58 0,59 0,22
Bátonyterenye Rk 12,98 390,57 289,3 0,13 0,58 0,24
Dombóvár Rk 12,98 395,73 177,29 0,38 0,59 0,24
Hódmezővásárhely Rk 13,01 399,36 360,32 0,75 0,6 0,23
Nyírbátor Rk 13,12 336,42 249,54 0,33 0,6 0,17
Debrecen Rk 13,13 422,32 343,87 0,63 0,61 0,21
Komárom Rk 13,49 390,21 244,71 0,64 0,61 0,21
Hajdúszoboszló Rk 13,54 401,51 385,08 0,8 0,6 0,22
Gárdony Rk 13,55 349,51 388,74 0,43 0,6 0,22
Hajdúhadháza Rk 13,68 319,03 226,69 0,69 0,6 0,16
Dunaújváros Rk 13,8 400,03 367,75 0,56 0,61 0,22
Ózd Rk 13,83 304,89 249,18 0,17 0,57 0,21
Csongrád Rk 13,87 417,61 406,92 0,5 0,57 0,26
Szeged Rk 13,91 419,55 430,87 0,71 0,6 0,23
Jászberény Rk 13,95 411,56 330,05 0,67 0,58 0,24
Eger Rk 13,96 402,24 390,14 0,2 0,59 0,24
Kunszentmárton Rk 14,22 468,25 318,08 0,42 0,57 0,25
Győr Rk 14,37 408,84 346,66 0,22 0,61 0,22
Püspökladány Rk 14,88 381,51 286,95 0,58 0,59 0,21
Szentes Rk 15,13 414,38 337,61 0,38 0,58 0,25
Kecskemét Rk 15,29 378,33 345,66 0,59 0,6 0,21
Mezőtúr Rk 15,72 394,74 353,79 0,67 0,59 0,24
Székesfehérvár Rk 16,47 384,57 351,53 0,48 0,61 0,21
Karcag Rk 16,5 374,77 336,21 0,83 0,59 0,22
Fonyód Rk 16,62 430,53 406,75 0,27 0,58 0,26
Heves Rk 17,19 364,35 314,26 0,41 0,57 0,21
Szolnok Rk 17,32 423,3 366,13 0,37 0,6 0,23
Budapest 25,78 525,68 447,05 1 0,59 0,26
125/194. oldal
Rendőrkapitányság Lopás
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Háztartási gázfogyasztók
száma
Benzinkút /üzemanyagtöltő állomás/ aránya
aktívak aránya
idősek aránya
Siófok Rk 25,82 418,68 406,06 0,19 0,59 0,25
Marcali Rk 35,03 410,23 245,85 0,09 0,59 0,23
Orosháza Rk 52,84 433,55 379,08 0,75 0,58 0,25
7.12 Betöréses lopás
7.12.1 A betöréses lopással korreláló változók
29. Táblázat - A betöréses lopással korreláló változók
Független változók SIG R
1 a110_fo Vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban (vendégéjszaka)
0,006 0,241
2 a7_fo Háztartási villamosenergia fogyasztók száma 0,006 0,24
3 a104_fo Vendégéjszakák száma a fizetővendéglátásban (vendégéjszaka)
0,009 0,234
4 a59_fo Egyéb (2009-ig magán) szálláshelyek férőhelyeinek száma összesen
0,011 0,222
5 a108_fo Egyéb (2009-ig magán) szállásadás férőhelyeinek száma összesen (db)
0,013 0,217
6 a107_fo Egyéb (2009-ig magán) szállásadás vendéglátóinak száma összesen (db)
0,017 0,209
7 a106_fo Fizetővendéglátás szállásférőhelyeinek száma (db) 0,021 0,207
8 a109_fo Vendégek száma az egyéb (2009-ig magán) szállásadásban (fő) 0,022 0,201
9 a61_fo Egyéb (2009-ig magán) szálláshelyek vendégéjszakáinak száma 0,026 0,196
10 a105_fo Fizetővendéglátás vendéglátóinak száma (fő) 0,027 0,199
11 a57_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma 0,027 0,195
12 a103_fo Vendégek száma a fizetővendéglátásban (fő) 0,029 0,197
13 a60_fo Egyéb (2009-ig magán) szálláshelyek vendégeinek száma 0,039 0,182
A független társadalmi változók közül 13 mutatott olyan kapcsolatot a betöréses lopással, melynek alapján kimondhatjuk, valószínű van összefüggés a tényezők között. Hatásuk erőssége alapján a Vendégéjszakák száma magán és fizetővendéglátásban, a Háztartási villamosenergia fogyasztók száma, Szálláshelyek férőhelyeinek száma, a Szállásadás vendéglátóinak száma és a Fogadott vendégek száma figyelmet érdemel az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
126/194. oldal
77. ábra - A betöréses lopás regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a Vendégek száma az egyéb (2009-ig magán) szállásadásban, Egyéb (2009-ig magán) szálláshelyek vendégeinek száma és a Vendégek száma a fizetővendéglátásban egyedekkel. Ezek a társadalmi változók tehát hatást gyakorolhattak a bűncselekménytípusra és rajta keresztül a rendőri szervek munkájának különböző szakterületeire. Hogy miként befolyásolják azt, már csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Gárdony Rk., Miskolc Rk., Debrecen Rk., Berettyóújfalu Rk.), ahol magas betöréses lopások száma, és ezzel szoros összefüggésben lehet, hatást gyakorol a cselekmény elkövetésére valamelyik a regresszió során azonosított egy vagy több társadalmi változó (pl. vendégéjszakák száma az egyéb (2009-ig magán) szállásadásban). Az egyes tényezők hatásmechanizmusának működését láthatjuk akkor, ha olyan rendőrkapitányságot választunk, ahol alacsony a betöréses lopások száma és párhuzamosan megnézzük a társadalmi indikátornál szereplő értéket, ahol ugyancsak alacsony számadatokat találunk (pl. Szeghalom Rk., Kistelek Rk., Kisvárda Rk.). Ennek alapján is jogosan feltételezhetjük a függőségi viszonyok fennállását. Amennyiben nem egyértelmű a reláció további tényezőket célszerű felkutatnunk.
127/194. oldal
7.12.2 A betöréses lopásra közvetlenül hatással lévő változók regressziós egyenese
78. ábra - A betöréses lopás – egyéb szálláshelyek vendégeinek száma
79. ábra - A betöréses lopás – vendégek száma a fizetővendéglátásban
128/194. oldal
80. ábra – vendégéjszakák száma az egyéb szállásadásban
7.12.3 A regressziós modellben szereplő változók értékei kapitányságonként
30. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Betöréses
lopás
Egyéb (2009-ig magán)
szálláshelyek vendégeinek
száma
Vendégek száma a fizetővendéglátásban
(fő)
Vendégéjszakák száma az egyéb (2009-ig magán)
szállásadásban (vendégéjszaka)
Kapuvár Rk 0,71 122,39 54,25 196,42
Szeghalom Rk 0,76 8,65 0,99 14,85
Gyula Rk 0,98 301,08 294,45 983,01
Kistelek Rk 1,07 29,83 0 41,23
Békés Rk 1,14 5,7 4,96 16,25
Csorna Rk 1,32 23,96 10,69 183,23
Fehérgyarmat Rk 1,32 64,56 0 160,82
Ózd Rk 1,67 12,98 3,77 48,69
Szerencs Rk 1,69 81,89 28,59 158,24
Bonyhád Rk 1,91 16,66 0,55 75,82
Székesfehérvár Rk 1,95 19,79 3,51 35,71
Szentes Rk 1,96 23,27 17,07 57,68
Hódmezővásárhely Rk 1,97 20,91 21,01 115,36
Püspökladány Rk 2,03 34,33 10,6 87,48
Dombóvár Rk 2,03 36,31 16,47 152,95
129/194. oldal
Rendőrkapitányság Betöréses
lopás
Egyéb (2009-ig magán)
szálláshelyek vendégeinek
száma
Vendégek száma a fizetővendéglátásban
(fő)
Vendégéjszakák száma az egyéb (2009-ig magán)
szállásadásban (vendégéjszaka)
Kisvárda Rk 2,11 0,16 0,91 2,1
Kiskunhalas Rk 2,25 132,3 29,51 163,55
Hajdúböszörmény Rk 2,28 17,31 9,92 42,75
Hajdúszoboszló Rk 2,29 1 529,46 1 709,49 6 361,18
Kiskőrös Rk 2,33 23,17 5,1 24,27
Baja Rk 2,34 24,53 16,12 52,87
Tapolca Rk 2,36 654,25 530,6 2 044,56
Pápa Rk 2,37 84,34 25,14 163,05
Mezőkovácsháza Rk 2,42 22,13 12,64 64,96
Tiszaújváros Rk 2,46 40,71 31,27 249,61
Ajka Rk 2,5 61,17 0 48,2
Balatonfüred Rk 2,57 762,16 618,79 3 246,02
Békéscsaba Rk 2,58 15,71 15,19 101,21
Salgótarján Rk 2,63 39,28 6,9 95,1
Mór Rk 2,71 22,43 1,07 34,33
Paks Rk 2,71 27,45 16,59 94,08
Szeged Rk 2,84 63,86 58,57 251,09
Mátészalka Rk 2,86 13,17 6,53 52,53
Orosháza Rk 2,87 51,62 44,94 334,21
Szarvas Rk 2,87 92,24 45,12 308,82
Körmend Rk 2,9 245,34 35,17 595,49
Dunakeszi Rk 2,94 0,77 0,26 6,28
Balmazújváros Rk 2,97 28,09 13,48 86,99
Encs Rk 2,98 36,3 1,7 145,56
Rétság Rk 3,02 112,62 0 305,16
Csongrád Rk 3,06 33,23 13,37 85,28
Győr Rk 3,1 19,68 3,79 51,57
Mosonmagyaróvár Rk 3,12 72,45 34,33 287,65
Dorog Rk 3,15 18,58 8,97 101,91
Szigetvár Rk 3,24 39,19 2,86 106,99
Tata Rk 3,28 71,03 27,6 131
Kalocsa Rk 3,29 25,36 5,07 55,13
Sarkad Rk 3,29 0 2,55 2,55
Gyöngyös Rk 3,31 64,59 14,79 271,4
Sárospatak Rk 3,32 164,12 79,32 468,98
Balassagyarmat Rk 3,32 33,06 4,37 137,11
Monor Rk 3,33 11,36 8,11 65,7
130/194. oldal
Rendőrkapitányság Betöréses
lopás
Egyéb (2009-ig magán)
szálláshelyek vendégeinek
száma
Vendégek száma a fizetővendéglátásban
(fő)
Vendégéjszakák száma az egyéb (2009-ig magán)
szállásadásban (vendégéjszaka)
Makó Rk 3,35 30,7 8,15 43,44
Vásárosnamény Rk 3,35 76,24 26,01 227,66
Edelény Rk 3,41 93,51 0,28 349,25
Sárvár Rk 3,41 193,6 166,58 1 276,86
Budaörs Rk 3,42 33,37 33,92 146,67
Veszprém Rk 3,49 62,84 19,53 239,03
Kiskunfélegyháza Rk 3,53 3,5 0 45,13
Dabas Rk 3,54 54,58 0,03 94,25
Zalaegerszeg Rk 3,54 46,46 29,72 208,24
Nagykőrös Rk 3,58 17,38 23,21 78,98
Sopron Rk 3,6 178,72 99,62 568,42
Esztergom Rk 3,6 52,6 50,89 164,37
Szentendre Rk 3,63 42,94 57,11 251,42
Várpalota Rk 3,71 17,68 16,41 113,65
Sátoraljaújhely Rk 3,74 62,96 8,09 257,56
Hatvan Rk 3,78 5,71 8,72 125,07
Szécsény Rk 3,92 76,79 1,83 113,18
Nyíregyháza Rk 3,92 9,84 8,55 30,2
Kunszentmiklós Rk 4,01 30,95 17,75 50,08
Szekszárd Rk 4,06 34,59 15,68 183,87
Pásztó Rk 4,18 53,17 14,98 208,59
Füzesabony Rk 4,2 231,68 4,57 1 101,11
Bátonyterenye Rk 4,28 67,02 12,47 165,98
Komló Rk 4,29 93,97 14,49 259,51
Kőszeg Rk 4,3 1 290,65 749,44 5 341,67
Szolnok Rk 4,34 11,77 13,31 87,51
Szigetszentmiklós Rk 4,35 1,17 2,08 7,35
Mohács Rk 4,36 37,26 20,42 305,86
Keszthely Rk 4,36 624,69 479,77 3 156,46
Záhony Rk 4,37 3,76 3,76 20,15
Szombathely Rk 4,4 20,35 8,62 76,83
Barcs Rk 4,43 140,57 82,14 542,15
Érd Rk 4,49 6,59 4,52 31,51
Kazincbarcika Rk 4,51 14,05 0,14 42,58
Törökszentmiklós Rk 4,56 44,3 17,88 43,75
Komárom Rk 4,62 24,41 16,61 94,67
Siklós Rk 4,66 513,6 525,35 3 464,79
131/194. oldal
Rendőrkapitányság Betöréses
lopás
Egyéb (2009-ig magán)
szálláshelyek vendégeinek
száma
Vendégek száma a fizetővendéglátásban
(fő)
Vendégéjszakák száma az egyéb (2009-ig magán)
szállásadásban (vendégéjszaka)
Hajdúnánás Rk 4,74 31,6 28,27 142,88
Vác Rk 4,75 53,66 10,41 229,2
Tamási Rk 4,84 50,08 29,28 238,28
Lenti Rk 4,87 230,4 131,1 751,4
Budapest 4,94 28,92 19,55 74,77
Tiszafüred Rk 4,94 254,95 279,93 1 043,89
Eger Rk 4,98 432,37 179,8 1 052,85
Tatabánya Rk 4,99 11,02 3,14 57,37
Gödöllő Rk 5,15 14,57 3,53 39,37
Dunaújváros Rk 5,21 5,69 5,51 74
Cegléd Rk 5,25 4,27 3,4 23,89
Hajdúhadháza Rk 5,3 3,91 0 0,22
Nagyatád Rk 5,31 34,43 26,31 209,11
Celldömölk Rk 5,38 49,83 1,85 235,73
Pécs Rk 5,42 70,11 28,62 220,4
Nyírbátor Rk 5,42 6,99 7,4 36,71
Nagykanizsa Rk 5,47 99,6 100,38 1 015,72
Oroszlány Rk 5,48 20,78 0 96,21
Mezőkövesd Rk 5,67 210,85 125,76 1 233,75
Sárbogárd Rk 5,7 23,07 2,7 19,73
Kecskemét Rk 5,78 6,18 4,79 54,75
Bicske Rk 5,94 46,6 2,84 100,38
Tiszavasvári Rk 6,43 92,1 13,82 139,86
Kisbér Rk 6,48 42,7 14,39 101,13
Jászberény Rk 6,51 16,56 4,65 51,23
Vasvár Rk 6,6 30,64 5,21 141,79
Kaposvár Rk 6,61 28,54 6,28 170,93
Debrecen Rk 6,63 13,79 22,19 65,88
Fonyód Rk 6,68 2 921,68 4 505,45 15 136,59
Miskolc Rk 6,78 39,18 40,46 129,61
Kunszentmárton Rk 7,11 132,82 2,65 686,48
Gárdony Rk 7,4 107,54 175,83 715,33
Berettyóújfalu Rk 7,49 18,05 16,18 100,84
Balatonalmádi Rk 7,56 1 043,58 518,94 3 701,65
Mezőtúr Rk 7,81 23,42 75,75 398,66
Heves Rk 8,09 18,34 9,32 59,44
Nagykáta Rk 8,37 3,76 1,05 15,96
132/194. oldal
Rendőrkapitányság Betöréses
lopás
Egyéb (2009-ig magán)
szálláshelyek vendégeinek
száma
Vendégek száma a fizetővendéglátásban
(fő)
Vendégéjszakák száma az egyéb (2009-ig magán)
szállásadásban (vendégéjszaka)
Karcag Rk 8,47 78,14 31,01 403,67
Ráckeve Rk 8,84 11,15 2,62 62,64
Siófok Rk 13,22 1 351,17 1 807,65 8 526,56
Marcali Rk 13,83 20,07 1,5 28,97
7.13 Sikkasztás
7.13.1 A sikkasztással korreláló változók
31. Táblázat - A sikkasztással korreláló változók
Független változók SIG R
1 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,000 0,31
2 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,002 0,265
3 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,007 -0,234
4 a2_fo A helyi önkormányzatok helyi adó bevételei 0,015 0,212
5 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,021 0,203
6 a12_fo Házi segítségnyújtásban részesülők száma 0,022 -0,201
7 a111_fo Kiskereskedelmi üzletek száma (db) 0,030 0,19
8 a11_fo Szociális étkeztetésben részesülők száma 0,032 -0,188
9 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft)
0,033 0,187
10 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,039 0,182
A független társadalmi változók közül 10 mutatott olyan kapcsolatot a sikkasztás deliktumoknál, amely összefüggést valószínűsít a tényezők között. Hatásuk erőssége alapján a működő házi gyermekorvosok száma, a regisztrált jogi személyiségű vállalkozások száma, a rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma és a helyi önkormányzat helyi adó bevételei érdemel figyelmet az értékelés során. Hogy a táblázatban felsorolt egyedek konkrétan milyen kontextusban jelennek meg azt további elemzés döntheti el.
81. ábra – A sikkasztás regressziós modellje
133/194. oldal
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a kiskereskedelmi üzletek száma és a helyi önkormányzatok helyi adó bevételeiből az iparűzési adó egyedekkel. Ez a két társadalmi változók tehát közvetlen hatást gyakorol valamilyen formában az elkövetett sikkasztások számának alakulására és mindezen keresztül a rendőri munkára. Annak a formáját, hogy miként fejti ki hatását csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Egyetlen kapitányságot tudunk kiemelni (Esztergom Rk.), ahol magas bűncselekményszámhoz mindkét társadalmi indikátornál szereplő érték magas. Külön-külön vizsgálva az egyedek értékeit inkább az állapítható meg, hogy a magasabb számok ellenére a deliktumok száma nem ebbe az irányba mozdul el (Komárom Rk., Budaörs Rk., Székesfehérvár Rk., Győr Rk., illetve Gyula Rk., Balatonfüred Rk., Keszthely Rk.). Mindezek alapján nem lehet kijelenteni azt, hogy a sikkasztás deliktumok és az elsődleges társadalmi tényezők között közvetlen függőségi viszony áll fenn.
7.13.2 A súlyos testi sértésre közvetlenül hatással lévő változók regressziós egyenese
82. ábra - A sikkasztás – kiskereskedelmi üzletek száma
134/194. oldal
83. ábra - A sikkasztás – A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó
7.13.3 A regressziós modellben szereplő változók értékei kapitányságonként
32. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Sikkasztás A helyi önkormányzatok helyi adó
bevételeiből az iparűzési adó (1000 Ft)
Kiskereskedelmi üzletek száma (db)
Lenti Rk 0,04 19 850,08 17,97
Békés Rk 0,05 10 781,30 10,79
Kazincbarcika Rk 0,08 21 528,09 11,98
Bicske Rk 0,08 19 203,62 9,45
Vásárosnamény Rk 0,08 15 613,08 13,27
Sarkad Rk 0,09 7 184,60 12,98
Dorog Rk 0,1 36 363,91 12,89
Mór Rk 0,11 39 201,09 10,65
Kunszentmárton Rk 0,11 10 793,37 12,89
Gyula Rk 0,12 14 574,70 19,41
Szarvas Rk 0,12 19 863,46 14,61
Szeghalom Rk 0,12 23 348,60 15,08
Sárospatak Rk 0,12 13 235,88 15,04
Pásztó Rk 0,12 10 577,34 12,81
Celldömölk Rk 0,12 30 547,39 14,76
Csorna Rk 0,13 13 547,75 15,1
Hajdúhadháza Rk 0,13 7 503,22 10,3
135/194. oldal
Rendőrkapitányság Sikkasztás A helyi önkormányzatok helyi adó
bevételeiből az iparűzési adó (1000 Ft)
Kiskereskedelmi üzletek száma (db)
Nagykáta Rk 0,13 11 754,15 10,22
Hajdúnánás Rk 0,15 18 571,83 13,93
Oroszlány Rk 0,15 48 275,58 11,6
Bátonyterenye Rk 0,15 12 729,78 11,11
Kaposvár Rk 0,15 20 513,98 14,84
Veszprém Rk 0,15 42 328,27 17,83
Pápa Rk 0,15 20 969,07 15,77
Hajdúböszörmény Rk 0,16 38 686,01 13,71
Komárom Rk 0,16 100 369,35 14,62
Mátészalka Rk 0,16 10 558,67 15,31
Barcs Rk 0,17 9 716,58 17,74
Záhony Rk 0,17 18 212,31 11,23
Jászberény Rk 0,17 51 505,88 14,26
Encs Rk 0,18 5 153,95 10,1
Tapolca Rk 0,18 17 514,81 15,44
Mohács Rk 0,19 20 504,05 15,2
Sárbogárd Rk 0,19 19 088,94 11,51
Püspökladány Rk 0,19 11 315,74 12,09
Szentendre Rk 0,19 21 692,65 13,64
Kisvárda Rk 0,19 17 649,89 14,11
Szolnok Rk 0,19 30 681,79 16,2
Várpalota Rk 0,19 28 461,65 10,34
Kiskőrös Rk 0,2 17 700,69 16,68
Fehérgyarmat Rk 0,2 5 161,86 17,98
Ajka Rk 0,2 28 198,03 11,69
Sátoraljaújhely Rk 0,21 11 074,50 14,35
Szerencs Rk 0,21 11 751,58 13,34
Csongrád Rk 0,21 27 341,76 14,04
Szentes Rk 0,21 24 643,68 14,22
Berettyóújfalu Rk 0,21 10 920,49 14,94
Törökszentmiklós Rk 0,21 12 982,17 11,9
Körmend Rk 0,21 29 602,00 17,03
Nagykanizsa Rk 0,21 39 347,93 16,92
Kalocsa Rk 0,22 14 625,33 15,97
Kunszentmiklós Rk 0,22 14 195,84 12,08
Tiszaújváros Rk 0,22 59 383,16 11,84
Eger Rk 0,22 25 534,97 17,8
Heves Rk 0,22 8 285,29 12,6
Karcag Rk 0,22 14 700,96 13,97
136/194. oldal
Rendőrkapitányság Sikkasztás A helyi önkormányzatok helyi adó
bevételeiből az iparűzési adó (1000 Ft)
Kiskereskedelmi üzletek száma (db)
Bonyhád Rk 0,22 12 028,47 16,42
Makó Rk 0,23 18 214,89 13,63
Orosháza Rk 0,24 23 858,90 15,43
Tiszafüred Rk 0,24 9 298,08 15,2
Balmazújváros Rk 0,25 10 860,39 12,53
Nyírbátor Rk 0,25 13 865,07 12,75
Keszthely Rk 0,25 21 399,50 21,22
Miskolc Rk 0,26 30 787,38 14,75
Tatabánya Rk 0,26 43 555,05 13,4
Gárdony Rk 0,27 15 269,52 11,14
Szécsény Rk 0,27 7 583,99 12,44
Zalaegerszeg Rk 0,27 37 109,55 16,11
Edelény Rk 0,28 6 118,31 11,17
Szeged Rk 0,28 42 537,58 16,54
Dunaújváros Rk 0,28 41 765,82 11,12
Hatvan Rk 0,28 22 534,99 15,48
Tiszavasvári Rk 0,28 9 881,49 12,13
Vasvár Rk 0,28 13 375,76 12,78
Sopron Rk 0,29 37 509,95 16,22
Székesfehérvár Rk 0,3 59 711,58 14,85
Mosonmagyaróvár Rk 0,3 42 161,34 16,74
Hajdúszoboszló Rk 0,3 40 478,99 15,35
Szekszárd Rk 0,3 27 348,37 17,69
Tamási Rk 0,3 11 297,50 14,94
Sárvár Rk 0,3 43 092,43 14,42
Debrecen Rk 0,31 38 262,67 17,47
Vác Rk 0,31 23 562,34 13,14
Kistelek Rk 0,32 17 218,32 12,15
Gyöngyös Rk 0,32 44 510,77 15,49
Cegléd Rk 0,32 15 430,07 14,88
Szigetszentmiklós Rk 0,32 41 773,93 13,52
Mezőkovácsháza Rk 0,33 11 930,87 14,32
Kapuvár Rk 0,33 15 491,00 16,46
Dabas Rk 0,33 31 424,33 12,45
Balatonalmádi Rk 0,33 20 249,68 15,42
Mezőkövesd Rk 0,34 20 539,36 13,56
Salgótarján Rk 0,34 17 831,46 15,26
Kiskunhalas Rk 0,35 24 385,41 16,22
Nagykőrös Rk 0,35 21 797,31 12,12
137/194. oldal
Rendőrkapitányság Sikkasztás A helyi önkormányzatok helyi adó
bevételeiből az iparűzési adó (1000 Ft)
Kiskereskedelmi üzletek száma (db)
Ózd Rk 0,36 18 124,54 11,53
Balassagyarmat Rk 0,36 19 957,75 13,92
Dombóvár Rk 0,36 19 344,53 16,5
Füzesabony Rk 0,37 13 673,88 14,5
Kisbér Rk 0,37 20 662,72 12,38
Siklós Rk 0,38 14 987,20 15,81
Békéscsaba Rk 0,38 27 794,11 16,44
Nyíregyháza Rk 0,38 21 890,01 18,82
Balatonfüred Rk 0,38 21 682,07 30,06
Hódmezővásárhely Rk 0,4 21 484,25 17,28
Rétság Rk 0,4 15 607,26 9,5
Monor Rk 0,4 22 440,02 12,03
Siófok Rk 0,4 30 990,04 27,14
Szombathely Rk 0,4 41 807,85 13,67
Kőszeg Rk 0,4 29 078,07 19,21
Fonyód Rk 0,41 15 142,72 23,54
Pécs Rk 0,43 36 329,06 16,06
Komló Rk 0,43 12 013,81 12,08
Szigetvár Rk 0,43 11 689,09 14,75
Kiskunfélegyháza Rk 0,43 24 301,08 17,05
Dunakeszi Rk 0,43 39 550,64 13,43
Budaörs Rk 0,46 96 464,30 14,43
Gödöllő Rk 0,48 41 452,13 12,68
Baja Rk 0,5 17 972,36 18,38
Érd Rk 0,51 52 633,79 13,17
Budapest 0,53 59 866,75 18,58
Győr Rk 0,56 69 732,93 16,72
Kecskemét Rk 0,62 34 926,53 17,32
Paks Rk 0,7 92 228,20 16,94
Tata Rk 0,76 28 938,68 21,22
Marcali Rk 0,77 15 765,00 15,11
Ráckeve Rk 0,79 20 893,49 12,18
Esztergom Rk 0,81 55 793,87 17,68
Nagyatád Rk 1,04 15 312,72 12,96
Mezőtúr Rk 1,84 19 871,40 14,7
138/194. oldal
7.14 Csalás
7.14.1 A csalás korreláló változók
33. Táblázat - A csalás korreláló változók
Független változók SIG R
1 a27_fo Főiskolai végzettségű nyilvántartott álláskeresők száma 0,002 0,265
2 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,023 0,199
3 a111_fo Kiskereskedelmi üzletek száma (db) 0,027 0,194
4 a13_fo Családsegítő szolgálatok száma 0,049 -0,172
A következő vizsgált egyed a csalás bűncselekmény volt. Melyhez köthetően a független társadalmi változók közül 4 mutatott valószínűsíthető összefüggést a tényezők között. Hatásuk erőssége alapján a Főiskolai és Egyetemi végzettségű nyilvántartott álláskeresők száma, a Kiskereskedelmi üzletek száma érdemel figyelmet az értékelés során, továbbá a Családsegítő szolgálatok adatai is magukra irányítják a figyelmet.
84. ábra – A csalás regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – erős függőségi mértékben – Egyetemi végzettségű nyilvántartott álláskeresők egyeddel. Ezek a társadalmi változók hatást gyakorolhattak a bűncselekménytípusra és rajta keresztül a rendőri szervek munkájának különböző szakterületeire. A rendőri szervekkel is számoló regressziós modell társadalmi változói és bűncselekményi kategóriája további elemzések forrása lehet. Láthatunk olyan kapitányságot, ahol magas a csalások száma (pl. Nagykanizsa Rk., Mezőkövesd Rk., Székesfehérvár Rk.) és ezzel szoros összefüggésben ugyancsak magas az Egyetemi végzettségű nyilvántartott álláskeresők száma társadalmi változó. Mindemellett több eddig nem azonosított változó is hatást gyakorolhat, különösen a nagyobb illetékességgel rendelkező kapitányságok esetében. Valamint a bűnügyi tevékenység jellegéből fakadó, elsősorban sorozat jellegű cselekmények nagy számban történő megjelenítése is nehezítheti a kapcsolatok értelmezését. A csalásokkal alacsonyan fertőzött kapitányságok, mint pl. Sarkad Rk. hozzárendelt társadalmi változója is vele együtt mozog, így alacsony értéket képviselve kisebb a függőségi viszony is.
139/194. oldal
7.14.2 A csalásra közvetlenül hatással lévő változók regressziós egyenese
85. ábra – Csalás – egyetemi végzettségű nyilvántartott álláskeresők száma
7.14.3 A regressziós modellben szereplő változók értékei kapitányságonként
34. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Csalás Egyetemi végzettségű
nyilvántartott álláskeresők száma
Sarkad Rk 0,19 0,37
Vasvár Rk 0,21 0,63
Mór Rk 0,23 0,51
Kisbér Rk 0,27 0,85
Szécsény Rk 0,27 0,62
Hajdúböszörmény Rk 0,28 0,66
Sárospatak Rk 0,31 1,2
Kőszeg Rk 0,32 0,4
Tapolca Rk 0,33 0,58
Nagykáta Rk 0,34 0,27
Püspökladány Rk 0,35 0,59
Celldömölk Rk 0,35 0,73
Kiskunhalas Rk 0,36 0,47
Szerencs Rk 0,36 0,84
Bicske Rk 0,36 0,57
Edelény Rk 0,39 1,16
140/194. oldal
Rendőrkapitányság Csalás Egyetemi végzettségű
nyilvántartott álláskeresők száma
Záhony Rk 0,39 0,7
Mezőkovácsháza Rk 0,4 0,4
Hajdúhadháza Rk 0,4 0,54
Kunszentmárton Rk 0,41 0,41
Kunszentmiklós Rk 0,42 0,48
Csongrád Rk 0,42 0,75
Barcs Rk 0,43 0,47
Hajdúnánás Rk 0,45 0,75
Tiszafüred Rk 0,45 0,31
Tiszavasvári Rk 0,46 0,35
Kazincbarcika Rk 0,49 0,88
Szeghalom Rk 0,5 0,56
Kaposvár Rk 0,5 1,04
Kiskunfélegyháza Rk 0,51 0,62
Heves Rk 0,52 0,38
Ráckeve Rk 0,52 0,3
Karcag Rk 0,52 0,36
Mohács Rk 0,53 0,82
Kistelek Rk 0,53 0,53
Oroszlány Rk 0,54 0,65
Nagyatád Rk 0,55 0,71
Orosháza Rk 0,57 0,72
Sárvár Rk 0,57 0,57
Fehérgyarmat Rk 0,58 0,56
Dabas Rk 0,59 0,31
Keszthely Rk 0,59 0,99
Dorog Rk 0,61 0,59
Veszprém Rk 0,61 1,03
Cegléd Rk 0,65 0,28
Gárdony Rk 0,66 0,96
Komárom Rk 0,66 0,52
Szigetszentmiklós Rk 0,66 0,54
Tamási Rk 0,66 0,44
Csorna Rk 0,67 0,38
Ózd Rk 0,68 0,57
Rétság Rk 0,68 0,64
Baja Rk 0,69 0,88
Sátoraljaújhely Rk 0,69 0,55
Dunaújváros Rk 0,69 0,54
141/194. oldal
Rendőrkapitányság Csalás Egyetemi végzettségű
nyilvántartott álláskeresők száma
Siklós Rk 0,74 0,58
Makó Rk 0,74 0,29
Pásztó Rk 0,74 0,46
Tata Rk 0,76 1,07
Esztergom Rk 0,78 1,02
Hatvan Rk 0,79 0,58
Balassagyarmat Rk 0,8 0,7
Monor Rk 0,8 0,4
Lenti Rk 0,8 0,31
Gyula Rk 0,81 0,84
Kapuvár Rk 0,83 0,33
Nagykőrös Rk 0,88 0,35
Balatonalmádi Rk 0,89 0,89
Vásárosnamény Rk 0,93 0,53
Körmend Rk 0,93 0,46
Mezőtúr Rk 0,95 0,64
Szentendre Rk 0,96 1,5
Gödöllő Rk 0,98 0,84
Hajdúszoboszló Rk 0,99 0,87
Bátonyterenye Rk 0,99 0,51
Békés Rk 1,01 0,51
Szombathely Rk 1,05 0,56
Berettyóújfalu Rk 1,14 0,69
Mátészalka Rk 1,14 0,7
Siófok Rk 1,16 0,78
Sopron Rk 1,17 0,56
Kecskemét Rk 1,21 0,8
Várpalota Rk 1,25 0,4
Dunakeszi Rk 1,26 0,9
Szentes Rk 1,31 0,63
Kisvárda Rk 1,31 0,74
Balmazújváros Rk 1,33 0,73
Szigetvár Rk 1,35 0,65
Szarvas Rk 1,39 0,66
Zalaegerszeg Rk 1,42 0,86
Budaörs Rk 1,43 1,2
Tiszaújváros Rk 1,45 0,74
Szekszárd Rk 1,46 0,8
Eger Rk 1,48 0,95
142/194. oldal
Rendőrkapitányság Csalás Egyetemi végzettségű
nyilvántartott álláskeresők száma
Miskolc Rk 1,51 1,45
Ajka Rk 1,53 0,5
Füzesabony Rk 1,55 0,43
Mosonmagyaróvár Rk 1,61 0,74
Salgótarján Rk 1,63 0,63
Szeged Rk 1,65 1,6
Vác Rk 1,7 0,69
Jászberény Rk 1,76 0,41
Érd Rk 1,81 0,77
Törökszentmiklós Rk 1,92 0,53
Hódmezővásárhely Rk 1,95 0,66
Nyíregyháza Rk 1,95 0,98
Győr Rk 1,97 0,89
Komló Rk 1,99 0,61
Békéscsaba Rk 2 1
Nyírbátor Rk 2,07 0,46
Kalocsa Rk 2,15 0,61
Gyöngyös Rk 2,16 0,61
Pápa Rk 2,25 0,71
Budapest 2,28 1,59
Debrecen Rk 2,36 1,96
Dombóvár Rk 2,45 0,84
Sárbogárd Rk 2,52 0,29
Marcali Rk 2,56 0,45
Paks Rk 2,65 0,68
Pécs Rk 3,56 1,91
Bonyhád Rk 3,68 0,35
Kiskőrös Rk 3,83 0,53
Tatabánya Rk 3,97 0,43
Encs Rk 4,19 0,6
Fonyód Rk 4,26 0,81
Szolnok Rk 4,29 0,91
Balatonfüred Rk 5,99 1,14
Székesfehérvár Rk 9,01 1,1
Mezőkövesd Rk 12,15 0,91
Nagykanizsa Rk 22,67 0,87
143/194. oldal
7.15 Rablás
7.15.1 A rablással korreláló változók
35. Táblázat - A rablással korreláló változók
Független változók SIG R
1 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,000 0,455
2 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,000 0,402
3 a89_fo Középiskola aránya 0,000 0,332
4 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,000 -0,33
5 a16_fo A települési könyvtárak száma 0,000 -0,349
6 a83_fo A település területe (hektár) 0,000 -0,403
7 a17_fo Szakiskolai és speciális szakiskolai feladatellátási hely aránya 0,001 0,293
8 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,001 0,289
9 a6_fo A közüzemi szennyvízgyűjtő-hálózatba (közcsatornahálózatba) bekapcsolt lakások száma
0,001 0,278
10 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó 0,001 -0,292
11 a82_fo Kábeltelevízió előfizetőinek száma (db) 0,002 0,268
12 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) 0,002 0,266
13 a88_fo Általános iskola aránya 0,002 0,265
14 a90_fo Bölcsőde aránya 0,003 0,265
15 a2_fo A helyi önkormányzatok helyi adó bevételei 0,003 0,263
16 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft) 0,003 0,255
17 a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya 0,004 0,253
18 a86_fo Postahivatal /fiókposta, postamesterség, ügynökség, kirendeltség/ aránya 0,004 0,25
19 a98_fo Italüzletek és zenés szórakozóhelyek száma (db) 0,004 -0,252
20 a84_fo Vasútállomás aránya 0,006 0,239
21 a11_fo Szociális étkeztetésben részesülők száma 0,007 -0,234
22 a1_fo A helyi önkormányzatok saját folyó bevételei 0,011 0,222
23 a87_fo Óvoda aránya 0,014 0,215
24 a12_fo Házi segítségnyújtásban részesülők száma 0,015 -0,214
25 a15_fo Jelzőrendszeres házi segítségnyújtásban részesülők száma 0,021 -0,203
26 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma 0,025 -0,196
27 a93_fo Bankfiók aránya) 0,027 0,194
28 a73_fo Halálozások száma (fő) 0,032 -0,188
29 a79_fo Működő háziorvosok száma 12.31-én (fő) 0,036 -0,184
30 a8_fo Háztartási gázfogyasztók száma 0,044 0,177
A független társadalmi változók közül 30 mutatott olyan kapcsolatot a rablással, hogy kimondhatjuk, valószínű van összefüggés a tényezők között. Hatásuk erőssége alapján a regisztrált jogi személyiségű vállalkozások száma, a működő házi gyermekorvosok száma, a középiskolák aránya és az élelmiszer vegyes üzletek és áruházak száma érdemel figyelmet az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
144/194. oldal
86. ábra – A rablás regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a regisztrált jogi személyiségű vállalkozások száma és a középiskolák aránya egyedekkel, melyek között is kapcsolat mutatható ki. Másodlagos tényezőként az utóbbihoz kapcsolódik a bankfiókok aránya. A számadatok alapján ezek a társadalmi változók jelentős hatást gyakorolnak a rablás deliktumokra. Hogy miként befolyásolják azt, már csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Budapest, Dunaújváros Rk., Tatabánya Rk., Oroszlány Rk.), ahol magas a rablások száma, és ezzel összefüggésben lehet, hatást gyakorol a cselekmény elkövetésére valamelyik a regresszió során azonosított egy vagy több elsődleges vagy másodlagos társadalmi változó (pl. regisztrált jogi személyiségű vállalkozások száma). Találunk olyan kapitányságokat is (Budaörs Rk., Szentendre k., Dunakeszi Rk., Érd Rk.), ahol a közvetlen, illetve közvetetten befolyásoló egyedek magas száma mellett alacsony cselekményszám jelenik meg. Valószínűsíthetően itt e tényezők befolyásoló hatása mellett más tényezők is megjelennek, melyek a hatásukat gyengítik. Az egyes tényezők hatásmechanizmusának működését láthatjuk azonban akkor, ha olyan rendőrkapitányságot választunk, ahol alacsony a rablások száma és párhuzamosan megnézzük a társadalmi indikátornál szereplő értéket, ahol ugyancsak alacsony számadatokat találunk (pl. Vác Rk., Rétság Rk., Csorna Rk.). Ennek alapján jogosan feltételezhetjük a függőségi viszonyok fennállását, úgy, hogy az egyes egyedek között kialakult függést is számításba kell venni.
145/194. oldal
7.15.2 A rablásra közvetlenül hatással lévő változók regressziós egyenese
87. ábra – Rablás – középiskola aránya
88. ábra – Rablás - regisztrált jogi személyiségű vállalkozások száma
146/194. oldal
7.15.3 A regressziós modellben szereplő változók értékei kapitányságonként
36. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Rablás Regisztrált jogi személyiségű
vállalkozások száma Középiskola aránya Bankfiók aránya
Csorna Rk 0 14,53 0,03 0,33
Csongrád Rk 0,04 15,59 0,25 1
Rétság Rk 0,04 15,06 0 0,36
Vác Rk 0,04 34,22 0,06 0,23
Kunszentmárton Rk 0,04 12,56 0,08 0,83
Békés Rk 0,05 11,34 0,25 0,88
Fehérgyarmat Rk 0,05 10,41 0,04 0,2
Bonyhád Rk 0,05 17,02 0,03 0,28
Körmend Rk 0,05 17,98 0,03 0,13
Sárvár Rk 0,05 15,77 0,05 0,27
Kunszentmiklós Rk 0,06 12,62 0,44 0,89
Mezőkovácsháza Rk 0,07 8,04 0,22 0,72
Gárdony Rk 0,07 28,73 0,21 0,64
Nagykőrös Rk 0,07 19,81 0,33 1
Mohács Rk 0,08 18,86 0,04 0,33
Edelény Rk 0,08 11,3 0,06 0,21
Tiszaújváros Rk 0,08 15,75 0,13 0,33
Kapuvár Rk 0,08 16,38 0,11 0,22
Heves Rk 0,08 13,17 0,06 0,47
Kaposvár Rk 0,08 25,12 0,03 0,22
Vásárosnamény Rk 0,08 11,28 0,28 0,41
Várpalota Rk 0,08 13,09 0,17 0,33
Mosonmagyaróvár Rk 0,09 24,49 0,04 0,77
Záhony Rk 0,09 11,02 0,08 0,33
Tapolca Rk 0,09 17,58 0,04 0,15
Zalaegerszeg Rk 0,09 28,23 0,01 0,22
Lenti Rk 0,09 15,65 0,02 0,12
Sátoraljaújhely Rk 0,1 11,81 0,06 0,11
Bicske Rk 0,1 21,07 0,13 0,56
Balassagyarmat Rk 0,1 14,31 0,03 0,45
Paks Rk 0,1 18,85 0,21 0,71
Baja Rk 0,11 20,7 0,11 0,86
Orosháza Rk 0,11 14,01 0,38 1
Mór Rk 0,11 17,36 0,14 0,64
Bátonyterenye Rk 0,11 13,78 0,06 0,13
147/194. oldal
Rendőrkapitányság Rablás Regisztrált jogi személyiségű
vállalkozások száma Középiskola aránya Bankfiók aránya
Kiskőrös Rk 0,12 28,5 0,25 1
Sárospatak Rk 0,12 16,66 0,19 0,25
Szentes Rk 0,12 18,5 0,13 0,63
Hajdúhadháza Rk 0,12 12,64 0,46 0,46
Dorog Rk 0,12 20,32 0,13 0,53
Ráckeve Rk 0,12 33,2 0,14 0,14
Jászberény Rk 0,12 16,44 0,28 0,61
Kőszeg Rk 0,12 22,75 0,11 0,21
Nagykanizsa Rk 0,12 19,15 0,01 0,21
Szigetvár Rk 0,13 16,86 0,01 0,21
Kiskunfélegyháza Rk 0,13 20,41 0,11 0,56
Encs Rk 0,13 11,33 0,04 0,16
Sopron Rk 0,13 29,96 0,05 0,28
Hajdúböszörmény Rk 0,13 16,68 1 1
Balmazújváros Rk 0,13 12,85 0,4 1
Budaörs Rk 0,13 67,47 0,33 0,62
Marcali Rk 0,13 12,49 0,06 0,24
Nagyatád Rk 0,13 13,72 0,06 0,44
Békéscsaba Rk 0,14 22,86 0,4 0,8
Püspökladány Rk 0,14 11,57 0,25 0,75
Fonyód Rk 0,14 22,39 0,08 0,5
Tiszavasvári Rk 0,14 10,18 0,33 0,83
Tamási Rk 0,14 14,89 0,18 0,21
Vasvár Rk 0,14 15,28 0,04 0,09
Siklós Rk 0,15 17,26 0,02 0,15
Győr Rk 0,15 34,68 0,05 0,55
Dombóvár Rk 0,15 16,56 0,06 0,63
Kisbér Rk 0,16 17,37 0,13 0,8
Nagykáta Rk 0,16 17,27 0,23 1
Ajka Rk 0,16 17,1 0,05 0,21
Kiskunhalas Rk 0,17 21,98 0,26 0,68
Hódmezővásárhely Rk 0,17 20,32 0,5 0,5
Makó Rk 0,17 12,65 0,18 0,47
Gyöngyös Rk 0,17 23,22 0,08 0,6
Dunakeszi Rk 0,17 50,4 0,67 1
Balatonfüred Rk 0,17 40,68 0,1 0,05
Balatonalmádi Rk 0,17 30,54 0,14 0,21
Komló Rk 0,18 18,83 0,05 0,26
Szarvas Rk 0,18 16,44 0,33 1
148/194. oldal
Rendőrkapitányság Rablás Regisztrált jogi személyiségű
vállalkozások száma Középiskola aránya Bankfiók aránya
Szeghalom Rk 0,18 9,44 0,5 0,88
Szerencs Rk 0,18 16,99 0,16 0,56
Szécsény Rk 0,18 13,82 0,06 0,44
Nyírbátor Rk 0,18 12,85 0,21 0,67
Pápa Rk 0,18 15,5 0,02 0,1
Keszthely Rk 0,18 27,95 0,06 0,33
Kecskemét Rk 0,19 35,84 0,29 0,88
Gyula Rk 0,19 16,27 0,75 1
Sarkad Rk 0,19 8,71 0,1 0,7
Eger Rk 0,19 29,87 0,06 0,63
Komárom Rk 0,19 29,01 0,18 0,73
Salgótarján Rk 0,19 18,59 0,05 0,05
Nyíregyháza Rk 0,19 27,24 0,36 0,67
Mátészalka Rk 0,19 12,41 0,18 0,34
Kalocsa Rk 0,2 18,72 0,14 0,76
Dabas Rk 0,2 36,81 0,27 1
Kistelek Rk 0,21 15,18 0,17 0,17
Sárbogárd Rk 0,21 13,14 0,13 0,67
Szentendre Rk 0,21 54,37 0,29 0,79
Barcs Rk 0,21 12,33 0,04 0,28
Kisvárda Rk 0,21 10,65 0,23 0,27
Berettyóújfalu Rk 0,23 12,6 0,16 0,68
Hatvan Rk 0,23 17,29 0,15 0,15
Siófok Rk 0,23 26,82 0,09 0,3
Törökszentmiklós Rk 0,23 11,4 0,1 0,8
Szekszárd Rk 0,23 23,88 0,14 0,59
Szeged Rk 0,24 30,03 0,29 0,33
Karcag Rk 0,24 14,31 0,83 0,83
Veszprém Rk 0,24 32,57 0,06 0,31
Mezőkövesd Rk 0,25 13,69 0,04 0,78
Hajdúszoboszló Rk 0,25 21,17 0,6 1
Szolnok Rk 0,25 23,04 0,21 0,84
Gödöllő Rk 0,26 38,8 0,22 0,63
Szigetszentmiklós Rk 0,26 46,67 0,5 1
Tiszafüred Rk 0,27 11,43 0,1 0,8
Pécs Rk 0,28 39,27 0,03 0,19
Hajdúnánás Rk 0,28 13,23 0,43 0,71
Monor Rk 0,28 30,3 0,33 0,72
Kazincbarcika Rk 0,3 11,91 0,15 0,33
149/194. oldal
Rendőrkapitányság Rablás Regisztrált jogi személyiségű
vállalkozások száma Középiskola aránya Bankfiók aránya
Celldömölk Rk 0,31 13,11 0,04 0,11
Debrecen Rk 0,32 37,85 0,5 0,25
Tata Rk 0,33 40,71 0,1 0,1
Esztergom Rk 0,33 28,52 0,33 0,78
Érd Rk 0,33 49,39 0,5 0,83
Füzesabony Rk 0,34 15,23 0,12 0,76
Pásztó Rk 0,34 14,51 0,04 0,08
Szombathely Rk 0,35 34,18 0,03 0,3
Miskolc Rk 0,38 29,15 0,13 0,42
Székesfehérvár Rk 0,38 34,96 0,19 0,65
Cegléd Rk 0,38 25,26 0,25 0,75
Mezőtúr Rk 0,39 16,11 0,67 1
Oroszlány Rk 0,4 19,47 0,17 0,83
Tatabánya Rk 0,47 39,97 0,1 0,5
Ózd Rk 0,49 10,83 0,1 0,34
Dunaújváros Rk 0,59 22,56 0,33 0,89
Budapest 0,88 89,8 1 1
7.16 Rongálás
7.16.1 A rongálással korreláló változók
37. Táblázat - A rongálással korreláló változók
Független változók SIG R
1 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,000 0,682
2 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,000 0,474
3 a21_fo Magyarországon első alkalommal forgalomba helyezett személygépkocsik száma
0,000 0,474
4 a2_fo A helyi önkormányzatok helyi adó bevételei 0,000 0,454
5 a1_fo A helyi önkormányzatok saját folyó bevételei 0,000 0,42
6 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,000 0,39
7 a6_fo A közüzemi szennyvízgyűjtő-hálózatba (közcsatornahálózatba) bekapcsolt lakások száma
0,000 0,386
8 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft)
0,000 0,361
9 a28_fo Egyetemi végzettségű nyilvántartott álláskeresők száma 0,000 0,338
10 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) 0,000 0,326
11 a82_fo Kábeltelevízió előfizetőinek száma (db) 0,000 0,326
12 a12_fo Házi segítségnyújtásban részesülők száma 0,000 -0,306
13 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi 0,000 -0,308
14 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,000 -0,316
15 a73_fo Halálozások száma (fő) 0,000 -0,32
150/194. oldal
Független változók SIG R
16 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
0,000 -0,332
17 a52_fo 180 napon túli nyilvántartott álláskeresők száma, férfi 0,000 -0,335
18 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő)
0,000 -0,343
19 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen 0,000 -0,346
20 a11_fo Szociális étkeztetésben részesülők száma 0,000 -0,367
21 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen 0,000 -0,37
22 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő 0,000 -0,375
23 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,000 -0,38
24 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,000 -0,384
25 a49_fo Nyilvántartott álláskeresők száma, férfi 0,000 -0,39
26 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő 0,000 -0,399
27 a48_fo Nyilvántartott álláskeresők száma összesen 0,000 -0,4
28 a50_fo Nyilvántartott álláskeresők száma, nő 0,000 -0,406
29 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi 0,000 -0,407
30 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,000 -0,41
31 a83_fo A település területe (hektár) 0,000 -0,415
32 a31_fo Nyilvántartott pályakezdő álláskeresők száma 0,000 -0,426
33 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,000 -0,44
34 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó 0,000 -0,455
35 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma 0,000 -0,461
36 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,001 0,293
37 a7_fo Háztartási villamosenergia fogyasztók száma 0,001 0,278
38 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,001 -0,287
39 a94_fo Lakáscélú helyi támogatásban részesültek száma (fő) 0,001 -0,301
40 a13_fo Családsegítő szolgálatok száma 0,002 -0,267
41 a14_fo A családsegítő szolgáltatást igénybe vevők száma 0,003 -0,262
42 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,004 -0,251
43 a98_fo Italüzletek és zenés szórakozóhelyek száma (db) 0,005 -0,247
44 a99_fo Vendégek száma összesen a kereskedelmi szálláshelyeken (fő) 0,008 0,233
45 a72_fo Élveszületések száma (fő) 0,008 0,232
46 a111_fo Kiskereskedelmi üzletek száma (db) 0,009 0,229
47 a55_fo Vendégek száma összesen a kereskedelmi szálláshelyeken 0,010 0,226
48 a8_fo Háztartási gázfogyasztók száma 0,013 0,217
49 a57_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma 0,018 0,208
50 a77_fo A helyi önkormányzatok helyi adó bevételeiből az idegenforgalmi adó (1000 Ft)
0,021 0,208
51 a97_fo Vendéglátóhelyek száma (db) 0,023 0,2
52 a25_fo Szakiskolai végzettségű nyilvántartott álláskeresők száma 0,025 -0,197
53 a101_fo Vendégéjszakák száma a kereskedelmi szálláshelyeken (vendégéjszaka)
0,026 0,196
54 a5_fo Közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma 0,029 0,192
55 a102_fo Összes kereskedelmi szálláshely szállásférőhelyeinek száma (db)
0,036 0,185
56 a56_fo Vendégéjszakák száma a kereskedelmi szálláshelyeken 0,039 0,182
57 lhh_fo lhh települések aránya 0,045 -0,176
58 a107_fo Egyéb (2009-ig magán) szállásadás vendéglátóinak száma összesen (db)
0,047 0,174
59 a75_fo Terhességmegszakítások száma (fő) 0,049 -0,173
151/194. oldal
Független változók SIG R
60 a105_fo Fizetővendéglátás vendéglátóinak száma (fő) 0,049 0,177
A független társadalmi változók közül 60 mutatott olyan kapcsolatot a rongálásokkal, hogy kimondhatjuk, valószínű van összefüggés a tényezők között. Hatásuk erőssége alapján a regisztrált jogi személyiségű vállalkozások, a személygépkocsik száma az üzemeltető lakhelye szerint, a Magyarországon első alkalommal forgalomba helyezett személygépkocsik száma és a helyi önkormányzatok helyi adóbevételei érdemel figyelmet az értékelés során. Hogy ezek és még néhány a táblázatban felsorolt egyed konkrétan milyen kontextusban jelenik meg azt további elemzés döntheti el.
89. ábra – Rongálás regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a regisztrált jogi személyiségű vállalkozások száma, a nyilvántartott pályakezdő álláskeresők száma, az általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma, a lakáscélú helyi támogatásban részesültek száma és a közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma egyedekkel. Az elsődleges egyedek között kapcsolat nem került kimutatásra. Ezek a társadalmi változók tehát hatást gyakorolnak a bűncselekménytípusra és rajta keresztül a rendőri szervek munkájának különböző szakterületeire. Hogy miként befolyásolják azt, már csak további elemző eljárásokkal tudjuk megválaszolni a későbbi elemzések során. A regressziós modellben szereplő társadalmi változók értékeinek bűncselekményhez kapcsolása, majd rendőrkapitánysági szintre vetítése megmutatta nekünk azokat a rendőri szerveket, ahol elemezni érdemes a hatásmechanizmusokat. Kiemelhetünk olyan rendőrkapitányságokat (Budapest, Budaörs Rk., Szigetszentmiklós Rk.), ahol magas a rongálások száma, és emellett van olyan közvetlen befolyásoló egyed (a regisztrált jogi személyiségű vállalkozások), amely szintén magasabb értéket mutat. Ugyanennél,
152/194. oldal
alacsonyabb bűncselekményszámnál kisebb értékek a jellemzőek. Mivel az egyes társadalmi tényezők között amúgy sem mutatható ki összefüggés, nem jellemző az, hogy a további tényezők értékei hasonlóan mozdulnának el. Mindezek alapján feltételezhetjük, hogy valamely esetben valós függőségi viszonyok állnak fenn.
7.16.2 A rongálásra közvetlenül hatással lévő változók regressziós egyenese
90. ábra – Rongálás – vállalkozások száma
91. ábra – Lakáscélú helyi támogatásban részesültek aránya
153/194. oldal
92. ábra – Rongálás – közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma
93. ábra – 8 osztálynál kevesebbet végzett álláskeresők száma
154/194. oldal
94. ábra – nyilvántartott pályakezdő álláskeresők száma
7.16.3 A regressziós modellben szereplő változók értékei kapitányságonként
38. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Rongálás
Regisztrált jogi
személyiségű vállalkozások
száma
Lakáscélú helyi támogatásban
részesültek száma (fő)
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Általános iskola 8
osztályánál kevesebb
végzettséggel rendelkező
nyilvántartott álláskeresők
száma
Nyilvántartott pályakezdő álláskeresők
száma
Hajdúböszörmény Rk 0,22 16,68 1,91 367,32 3,85 9,79
Szécsény Rk 0,31 13,82 0,13 315,27 11,59 13,11
Békés Rk 0,33 11,34 1,54 394 3,49 8,94
Kapuvár Rk 0,33 16,38 1,53 411,83 1,08 2,82
Szarvas Rk 0,35 16,44 0,57 413,17 1,43 5,9
Csorna Rk 0,35 14,53 1,85 405,32 1,53 2,07
Celldömölk Rk 0,35 13,11 2,81 436,08 0,96 3,73
Tiszaújváros Rk 0,5 15,75 1,93 328,72 7,57 8,54
Sárospatak Rk 0,5 16,66 1,93 347,51 6,75 9,14
Fehérgyarmat Rk 0,51 10,41 0,76 345,76 14,2 16,31
Balmazújváros Rk 0,54 12,85 2,21 368,9 6,38 8,43
Szeghalom Rk 0,56 9,44 2,25 405,36 4 7,8
Vásárosnamény Rk 0,59 11,28 1,04 350,19 11,22 16,01
155/194. oldal
Rendőrkapitányság Rongálás
Regisztrált jogi
személyiségű vállalkozások
száma
Lakáscélú helyi támogatásban
részesültek száma (fő)
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Általános iskola 8
osztályánál kevesebb
végzettséggel rendelkező
nyilvántartott álláskeresők
száma
Nyilvántartott pályakezdő álláskeresők
száma
Kunszentmárton Rk 0,59 12,56 0,81 468,25 4,97 10,83
Szentes Rk 0,61 18,5 1,29 414,38 0,65 6,41
Lenti Rk 0,63 15,65 1,88 433,09 3,67 2,46
Kiskőrös Rk 0,66 28,5 0,66 383,39 3,81 7,17
Edelény Rk 0,66 11,3 0,06 274,36 22,03 14,03
Kisvárda Rk 0,66 10,65 1,63 334,24 6,07 13,57
Mohács Rk 0,67 18,86 2,72 399,61 4,4 6,83
Orosháza Rk 0,67 14,01 0,39 433,55 1,13 6,2
Szerencs Rk 0,67 16,99 1,1 347,46 12,4 12,15
Hajdúszoboszló Rk 0,69 21,17 2,04 401,51 3,39 7,81
Nagykőrös Rk 0,7 19,81 0,18 311,66 2,25 4,35
Kazincbarcika Rk 0,71 11,91 0,86 329,04 5,83 11,58
Kisbér Rk 0,74 17,37 1,06 393,42 2,12 5,15
Tamási Rk 0,74 14,89 0,25 417,82 5,04 7,95
Hajdúnánás Rk 0,75 13,23 3,04 381,43 4,09 9,16
Sárvár Rk 0,75 15,77 1,99 422,69 1,17 2,84
Kiskunhalas Rk 0,77 21,98 0,71 398,05 7,44 9,19
Mezőkovácsháza Rk 0,78 8,04 2,11 439,43 3,53 9,77
Paks Rk 0,78 18,85 0,99 421,9 2,8 5,3
Gyula Rk 0,79 16,27 0 421,65 1,02 6,95
Mátészalka Rk 0,79 12,41 2,02 320,74 15,4 18,54
Makó Rk 0,81 12,65 0,35 446,59 3,12 6,74
Tata Rk 0,81 40,71 0,43 362,24 0,58 3,28
Csongrád Rk 0,84 15,59 1,09 417,61 1,59 6,66
Dombóvár Rk 0,84 16,56 0,24 395,73 4,12 8,71
Hódmezővásárhely Rk 0,85 20,32 0,07 399,36 1,49 6,86
Heves Rk 0,85 13,17 0,9 364,35 13,36 11,29
Balassagyarmat Rk 0,85 14,31 0,34 381,15 4,88 7,18
Mór Rk 0,87 17,36 0,82 379,36 0,96 4,48
Füzesabony Rk 0,88 15,23 0,18 392,14 9,54 8,9
Komló Rk 0,89 18,83 0,47 394,89 5,68 7,81
Hajdúhadháza Rk 0,91 12,64 0,91 319,03 11,07 13,46
Gödöllő Rk 0,91 38,8 0,22 345,19 1,92 1,58
Szigetvár Rk 0,92 16,86 0,63 359,96 6,86 10,7
156/194. oldal
Rendőrkapitányság Rongálás
Regisztrált jogi
személyiségű vállalkozások
száma
Lakáscélú helyi támogatásban
részesültek száma (fő)
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Általános iskola 8
osztályánál kevesebb
végzettséggel rendelkező
nyilvántartott álláskeresők
száma
Nyilvántartott pályakezdő álláskeresők
száma
Püspökladány Rk 0,92 11,57 1,06 381,51 7,07 9,86
Tiszavasvári Rk 0,92 10,18 0,53 349,02 10,57 8,63
Tiszafüred Rk 0,93 11,43 0,89 417,97 7,41 8,96
Bonyhád Rk 0,93 17,02 0,52 373,45 1,53 5,7
Kiskunfélegyháza Rk 0,94 20,41 1,26 332,79 1,54 5,02
Ózd Rk 0,96 10,83 0,05 304,89 14,17 13,27
Sárbogárd Rk 0,96 13,14 0,72 367,28 4,74 7,66
Sarkad Rk 0,97 8,71 1,11 418,66 5,56 12,19
Ajka Rk 0,97 17,1 1,33 403,46 3 4,15
Nyíregyháza Rk 0,98 27,24 0,73 377,25 5,03 8,86
Balatonalmádi Rk 0,99 30,54 1,29 409,88 0,66 3,07
Baja Rk 1 20,7 0,29 417,79 1,94 7,99
Salgótarján Rk 1,01 18,59 0,1 407,3 6,06 10,12
Cegléd Rk 1,01 25,26 0,27 363,46 1,79 4
Záhony Rk 1,01 11,02 0,09 329,2 8,26 17,53
Bátonyterenye Rk 1,02 13,78 0,69 390,57 10,31 9,54
Siklós Rk 1,03 17,26 0,91 361,57 7,23 10,39
Békéscsaba Rk 1,03 22,86 0,81 432,21 0,5 6,23
Rétság Rk 1,03 15,06 1,47 381,58 2,66 6,04
Eger Rk 1,04 29,87 0,48 402,24 4,69 5,85
Törökszentmiklós Rk 1,05 11,4 0,34 382,26 8,68 8,84
Mezőkövesd Rk 1,07 13,69 1,46 419,89 4,83 8,41
Sátoraljaújhely Rk 1,07 11,81 0,95 353,7 8,64 12,09
Kunszentmiklós Rk 1,09 12,62 0,54 368,68 4,55 6,76
Érd Rk 1,09 49,39 0,85 357,04 0,48 1,52
Kistelek Rk 1,12 15,18 0,21 326,51 2,61 6,82
Berettyóújfalu Rk 1,12 12,6 1,07 367,52 7,43 11,78
Karcag Rk 1,12 14,31 0,69 374,77 7,91 9,33
Miskolc Rk 1,13 29,15 0,32 391,82 4,93 7,41
Jászberény Rk 1,13 16,44 1,49 411,56 4,27 4,08
Mezőtúr Rk 1,13 16,11 2,12 394,74 5,33 8,69
Hatvan Rk 1,15 17,29 0,23 401,67 1,63 3,04
Komárom Rk 1,15 29,01 4,6 390,21 0,84 2,32
Pápa Rk 1,15 15,5 0,64 400,69 3,52 5,16
157/194. oldal
Rendőrkapitányság Rongálás
Regisztrált jogi
személyiségű vállalkozások
száma
Lakáscélú helyi támogatásban
részesültek száma (fő)
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Általános iskola 8
osztályánál kevesebb
végzettséggel rendelkező
nyilvántartott álláskeresők
száma
Nyilvántartott pályakezdő álláskeresők
száma
Kalocsa Rk 1,17 18,72 0,54 426,3 2,48 7,36
Szekszárd Rk 1,18 23,88 0,05 390,55 2,61 5,83
Kőszeg Rk 1,19 22,75 0,52 385,9 0,56 2,62
Tapolca Rk 1,2 17,58 0,89 407,26 2,47 4,03
Pásztó Rk 1,21 14,51 0,34 395,77 6,38 7,3
Pécs Rk 1,22 39,27 0,11 437,23 1,25 4,34
Debrecen Rk 1,23 37,85 0,34 422,32 1,87 6,59
Dabas Rk 1,23 36,81 1,8 327,12 1,61 2,01
Körmend Rk 1,23 17,98 0,93 416 1,11 3,48
Dorog Rk 1,25 20,32 0,15 352,51 1,39 3,33
Kaposvár Rk 1,28 25,12 0,34 387,51 4,47 7,23
Gyöngyös Rk 1,31 23,22 0,78 415,91 4,83 5,79
Vasvár Rk 1,32 15,28 1,88 459,33 3,13 4,38
Encs Rk 1,34 11,33 0,16 287,71 23,01 15,79
Sopron Rk 1,34 29,96 1,29 415,8 0,39 0,71
Tatabánya Rk 1,36 39,97 0,52 393,22 2,2 2,99
Bicske Rk 1,37 21,07 0,05 342,52 1,78 2,45
Barcs Rk 1,37 12,33 0,26 400,67 9,75 9,67
Dunakeszi Rk 1,39 50,4 0 378,83 0,18 0,78
Nagykáta Rk 1,42 17,27 0,37 369,89 2,99 2,63
Szombathely Rk 1,42 34,18 0,25 399,4 0,76 2,83
Várpalota Rk 1,43 13,09 1,51 381,42 2,07 4,53
Kecskemét Rk 1,44 35,84 0,93 378,33 1,4 4,28
Esztergom Rk 1,46 28,52 0,65 363,82 1,34 3,53
Fonyód Rk 1,46 22,39 0,31 430,53 4,48 5,72
Nyírbátor Rk 1,47 12,85 0,71 336,42 11,98 14,46
Mosonmagyaróvár Rk 1,51 24,49 0,7 379,17 0,37 1,56
Győr Rk 1,52 34,68 1,11 408,84 0,96 2,63
Zalaegerszeg Rk 1,53 28,23 1,15 385,02 2,72 4,5
Keszthely Rk 1,53 27,95 0,58 441,55 2,73 4,14
Monor Rk 1,58 30,3 0,14 335,67 1,64 2,43
Nagyatád Rk 1,58 13,72 0,31 374,36 8,7 9,97
Szolnok Rk 1,58 23,04 0,92 423,3 2,29 5,49
Nagykanizsa Rk 1,58 19,15 0,37 404,54 5,31 4,86
158/194. oldal
Rendőrkapitányság Rongálás
Regisztrált jogi
személyiségű vállalkozások
száma
Lakáscélú helyi támogatásban
részesültek száma (fő)
Közüzemi ivóvízvezeték-
hálózatba bekapcsolt
lakások száma
Általános iskola 8
osztályánál kevesebb
végzettséggel rendelkező
nyilvántartott álláskeresők
száma
Nyilvántartott pályakezdő álláskeresők
száma
Gárdony Rk 1,6 28,73 0,52 349,51 0,86 2,98
Veszprém Rk 1,68 32,57 0,44 404,86 1,18 3,1
Székesfehérvár Rk 1,73 34,96 0,68 384,57 1,25 3,84
Marcali Rk 1,73 12,49 2,11 410,23 11,88 7,59
Oroszlány Rk 1,78 19,47 0,69 385,42 1,81 3,52
Vác Rk 1,8 34,22 0,22 377,78 0,63 1,86
Dunaújváros Rk 1,82 22,56 0,54 400,03 2,31 5,33
Ráckeve Rk 1,85 33,2 0,68 355,55 1,49 2,34
Balatonfüred Rk 1,9 40,68 0,34 406,08 0,51 2,82
Szentendre Rk 2,03 54,37 0,27 346,52 0,39 0,79
Szeged Rk 2,07 30,03 0,75 419,55 0,6 4,09
Budaörs Rk 2,07 67,47 0,64 322,88 0,3 0,92
Szigetszentmiklós Rk 2,19 46,67 0,06 340,25 0,22 1,05
Siófok Rk 2,45 26,82 0,89 418,68 2,8 4,01
Budapest 4,36 89,8 0,28 525,68 0,61 1,39
7.17 Jármű önkényes elvétele
7.17.1 A jármű önkényes elvételével korreláló változók
39. Táblázat - A jármű önkényes elvételével korreláló változók
Független változók SIG R
1 a76_fo A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó (1000 Ft) 0,000 0,405
2 a2_fo A helyi önkormányzatok helyi adó bevételei 0,000 0,384
3 a82_fo Kábeltelevízió előfizetőinek száma (db) 0,000 0,337
4 a81_fo Kábeltelevíziós hálózatba bekapcsolt lakások száma (db) 0,000 0,333
5 a19_fo Regisztrált jogi személyiségű vállalkozások száma - GFO02 (átalakulásra kötelezett gazdálkodási formákkal együtt)
0,000 0,307
6 a3_fo A helyi önkormányzatoknak átengedett személyi jövedelemadó 0,000 -0,402
7 a1_fo A helyi önkormányzatok saját folyó bevételei 0,001 0,295
8 a17_fo Szakiskolai és speciális szakiskolai feladatellátási hely aránya 0,004 0,248
9 a6_fo A közüzemi szennyvízgyűjtő-hálózatba (közcsatornahálózatba) bekapcsolt lakások száma
0,008 0,23
10 a80_fo Működő házi gyermekorvosok száma 12.31-én (fő) 0,009 0,23
11 a78_fo A helyi önkormányzatoknak átengedett gépjárműadó (1000 Ft) 0,010 0,224
12 a89_fo Középiskola aránya 0,011 0,223
13 a5_fo Közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma 0,013 0,218
14 a96_fo Rendszeres gyermekvédelmi kedvezményben részesítettek évi átlagos száma (fő)
0,013 -0,218
159/194. oldal
Független változók SIG R
15 a32_fo Nyilvántartott pályakezdő álláskeresők száma, férfi 0,015 -0,213
16 a49_fo Nyilvántartott álláskeresők száma, férfi 0,015 -0,214
17 a92_fo Benzinkút /üzemanyagtöltő állomás/ aránya 0,016 0,21
18 a112_fo Élelmiszer vegyesüzletek és áruházak száma (db) 0,016 -0,21
19 a48_fo Nyilvántartott álláskeresők száma összesen 0,016 -0,211
20 a52_fo 180 napon túli nyilvántartott álláskeresők száma, férfi 0,016 -0,211
21 a29_fo Fizikai foglalkozású nyilvántartott álláskeresők száma 0,016 -0,212
22 a46_fo Egy éven túl nyilvántartott álláskeresők száma, férfi 0,017 -0,21
23 a31_fo Nyilvántartott pályakezdő álláskeresők száma 0,018 -0,207
24 a21_fo Magyarországon első alkalommal forgalomba helyezett személygépkocsik száma
0,019 0,206
25 a24_fo Szakmunkás végzettségű nyilvántartott álláskeresők száma 0,020 -0,203
26 a50_fo Nyilvántartott álláskeresők száma, nő 0,020 -0,204
27 a51_fo 180 napon túli nyilvántartott álláskeresők száma összesen 0,021 -0,202
28 a54_fo Rendszeres szociális segélyben részesítettek átlagos száma (rendelkezésre állási támogatásban részesülők adatai nélkül)
0,021 -0,202
29 a20_fo Személygépkocsik száma az üzemeltető lakhelye szerint 0,022 0,201
30 a45_fo Egy éven túl nyilvántartott álláskeresők száma összesen 0,023 -0,2
31 a23_fo Általános iskolai végzettségű nyilvántartott álláskeresők száma 0,026 -0,195
32 a33_fo Nyilvántartott pályakezdő álláskeresők száma, nő 0,026 -0,195
33 a22_fo Általános iskola 8 osztályánál kevesebb végzettséggel rendelkező nyilvántartott álláskeresők száma
0,027 -0,193
34 a90_fo Bölcsőde aránya 0,029 0,198
35 a95_fo Rendszeres szociális segélyben részesítettek átlagos száma 2006.07.01-től (fő)
0,031 -0,189
36 a53_fo 180 napon túli nyilvántartott álláskeresők száma, nő 0,032 -0,188
37 a47_fo Egy éven túl nyilvántartott álláskeresők száma, nő 0,036 -0,184
38 a26_fo Szakközépiskolai, technikumi, gimnáziumi végzettségű nyilvántartott álláskeresők száma
0,039 -0,181
A független társadalmi változók közül 38 mutatott olyan kapcsolatot a jármű önkényes elvétele bűncselekménnyel, melynek alapján kimondhatjuk, valószínű van összefüggés a tényezők között. Az erős kapcsolati indexel rendelkező társadalmi változók meglehetősen vegyes képet mutatnak. A bűncselekmény-kategóriának a Helyi önkormányzatok helyi adó bevételeivel, a Regisztrált jogi személyiségű vállalkozások számával, a Szakiskolai és speciális szakiskolai feladatellátási hellyel, vagy épp a Középiskola arányával való kapcsolat is kimutatható.
160/194. oldal
95. ábra – A jármű önkényes elvételének regressziós modellje
Az alkalmazott regressziós modell a bűncselekménytípusnál közvetlen kapcsolatot mutatott – a függőség mértéke szerinti sorrendben – a Helyi önkormányzatok helyi adó bevételeiből az iparűzési adó, a Szakiskolai és speciális szakiskolai feladatellátási hely aránya és a Kábeltelevízió előfizetőinek száma között. A változók értékeit kapitányságokra vetítve megállapíthatjuk, hogy a magas bűncselekményszámmal üzemelő Paksi Rk. két egyed esetében is magas közvetlen kapcsolati értékkel bír, és a harmadik is magasabb az átlagnál. A rendkívül alacsony esetszámú Fonyódi Rk. esetében már jóval gyengébb kapcsolatot tudtunk kimutatni, különösen a Szakiskolai és speciális szakiskolai feladatellátási hely aránya és a Kábeltelevízió előfizetőinek száma tekintetében.
161/194. oldal
7.17.2 A jármű önkényes elvételére közvetlenül hatással lévő változók regressziós egyenese
96. ábra - A jármű önkényes elvétele – a helyi önkormányzatok helyi adó bevételeiből az iparűzési adó
97. ábra - A jármű önkényes elvétele – szakiskola és speciális szakiskolai feladatellátási hely aránya
162/194. oldal
98. ábra - A jármű önkényes elvétele – kábeltelevízió előfizetőinek száma
7.17.3 A regressziós modellben szereplő változók értékei kapitányságonként
40. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben
Rendőrkapitányság Jármű
önkényes elvétele
A helyi önkormányzatok
helyi adó bevételeiből az
iparűzési adó (1000 Ft)
Szakiskolai és speciális
szakiskolai feladatellátási
hely aránya
Kábeltelevízió előfizetőinek száma (db)
Edelény Rk 0 6 118,31 0,06 162,12
Szécsény Rk 0 7 583,99 0,06 148,81
Fonyód Rk 0 15 142,72 0,04 74,68
Törökszentmiklós Rk 0 12 982,17 0,2 78,98
Ózd Rk 0,01 18 124,54 0,03 181,99
Keszthely Rk 0,01 21 399,50 0,04 222,89
Balassagyarmat Rk 0,02 19 957,75 0,03 151,15
Sárvár Rk 0,02 43 092,43 0,02 201,87
Pápa Rk 0,02 20 969,07 0,02 175,13
Baja Rk 0,03 17 972,36 0,07 191,01
Bicske Rk 0,03 19 203,62 0,06 133,53
Sárbogárd Rk 0,03 19 088,94 0,07 155,05
Füzesabony Rk 0,03 13 673,88 0 44,48
Heves Rk 0,03 8 285,29 0,06 57,04
Gödöllő Rk 0,03 41 452,13 0,15 184,24
163/194. oldal
Rendőrkapitányság Jármű
önkényes elvétele
A helyi önkormányzatok
helyi adó bevételeiből az
iparűzési adó (1000 Ft)
Szakiskolai és speciális
szakiskolai feladatellátási
hely aránya
Kábeltelevízió előfizetőinek száma (db)
Békéscsaba Rk 0,04 27 794,11 0,2 256,16
Kapuvár Rk 0,04 15 491,00 0,06 204,26
Eger Rk 0,04 25 534,97 0,06 223,29
Nagykőrös Rk 0,04 21 797,31 0,33 75,53
Záhony Rk 0,04 18 212,31 0,08 31,39
Celldömölk Rk 0,04 30 547,39 0,04 221,73
Siklós Rk 0,05 14 987,20 0,04 110,94
Sarkad Rk 0,05 7 184,60 0 81,29
Szerencs Rk 0,05 11 751,58 0,16 80,76
Hajdúszoboszló Rk 0,05 40 478,99 0,4 104,11
Hajdúnánás Rk 0,05 18 571,83 0,29 124,93
Salgótarján Rk 0,05 17 831,46 0,1 240,95
Siófok Rk 0,05 30 990,04 0,04 163,55
Körmend Rk 0,05 29 602,00 0,03 172,47
Kalocsa Rk 0,06 14 625,33 0,1 206,26
Kiskunfélegyháza Rk 0,06 24 301,08 0,11 103,97
Szeghalom Rk 0,06 23 348,60 0,13 156,66
Mór Rk 0,06 39 201,09 0,07 216,03
Debrecen Rk 0,06 38 262,67 0,13 269,39
Hatvan Rk 0,06 22 534,99 0,15 163,96
Pásztó Rk 0,06 10 577,34 0,04 183,49
Ráckeve Rk 0,06 20 893,49 0,07 133,35
Kisvárda Rk 0,06 17 649,89 0,15 55,14
Szombathely Rk 0,06 41 807,85 0,05 251,55
Encs Rk 0,07 5 153,95 0,09 125,08
Sátoraljaújhely Rk 0,07 11 074,50 0,08 139,72
Sopron Rk 0,07 37 509,95 0,03 282,14
Szentendre Rk 0,07 21 692,65 0,14 163,38
Tiszavasvári Rk 0,07 9 881,49 0,33 82,69
Tapolca Rk 0,07 17 514,81 0,04 180,32
Balatonalmádi Rk 0,07 20 249,68 0,07 244,03
Kecskemét Rk 0,08 34 926,53 0,12 163,93
Csorna Rk 0,08 13 547,75 0,03 185,51
Vác Rk 0,08 23 562,34 0,03 211,76
Mezőkövesd Rk 0,09 20 539,36 0,09 86,2
Szeged Rk 0,09 42 537,58 0,19 280,37
Hódmezővásárhely Rk 0,09 21 484,25 0,25 209,3
164/194. oldal
Rendőrkapitányság Jármű
önkényes elvétele
A helyi önkormányzatok
helyi adó bevételeiből az
iparűzési adó (1000 Ft)
Szakiskolai és speciális
szakiskolai feladatellátási
hely aránya
Kábeltelevízió előfizetőinek száma (db)
Hajdúböszörmény Rk 0,09 38 686,01 1 106,05
Balmazújváros Rk 0,09 10 860,39 0,2 89,83
Barcs Rk 0,09 9 716,58 0,04 107,19
Nyíregyháza Rk 0,09 21 890,01 0,22 153,16
Karcag Rk 0,09 14 700,96 0,67 82,52
Kiskőrös Rk 0,1 17 700,69 0,13 165,47
Szarvas Rk 0,1 19 863,46 0,33 168,41
Kazincbarcika Rk 0,1 21 528,09 0,18 272,78
Tiszaújváros Rk 0,1 59 383,16 0,13 145,77
Tata Rk 0,1 28 938,68 0,2 265,27
Nagykáta Rk 0,1 11 754,15 0,08 184,24
Dunakeszi Rk 0,1 39 550,64 0,33 263,18
Fehérgyarmat Rk 0,1 5 161,86 0,04 91,51
Zalaegerszeg Rk 0,1 37 109,55 0,01 278,54
Kisbér Rk 0,11 20 662,72 0,07 107,66
Cegléd Rk 0,11 15 430,07 0,08 144,58
Nagyatád Rk 0,11 15 312,72 0,03 190,89
Szolnok Rk 0,11 30 681,79 0,16 196,22
Szekszárd Rk 0,11 27 348,37 0,05 290,15
Tamási Rk 0,11 11 297,50 0,11 182,09
Püspökladány Rk 0,12 11 315,74 0,08 97,75
Rétság Rk 0,12 15 607,26 0,08 123,27
Mátészalka Rk 0,12 10 558,67 0,26 118,36
Dombóvár Rk 0,12 19 344,53 0,06 246,61
Csongrád Rk 0,13 27 341,76 0,25 173,71
Hajdúhadháza Rk 0,13 7 503,22 0,08 37,66
Marcali Rk 0,13 15 765,00 0,06 132,74
Vásárosnamény Rk 0,13 15 613,08 0,24 81,32
Makó Rk 0,14 18 214,89 0,06 128,77
Berettyóújfalu Rk 0,14 10 920,49 0,1 87,42
Kaposvár Rk 0,14 20 513,98 0,05 231,62
Tiszafüred Rk 0,14 9 298,08 0,2 75,7
Vasvár Rk 0,14 13 375,76 0 109,83
Békés Rk 0,15 10 781,30 0,38 186,17
Sárospatak Rk 0,15 13 235,88 0,06 150,81
Székesfehérvár Rk 0,15 59 711,58 0,06 241,04
Gárdony Rk 0,15 15 269,52 0,21 95,24
165/194. oldal
Rendőrkapitányság Jármű
önkényes elvétele
A helyi önkormányzatok
helyi adó bevételeiből az
iparűzési adó (1000 Ft)
Szakiskolai és speciális
szakiskolai feladatellátási
hely aránya
Kábeltelevízió előfizetőinek száma (db)
Oroszlány Rk 0,15 48 275,58 0,33 280,87
Budaörs Rk 0,15 96 464,30 0,19 160,48
Kunszentmárton Rk 0,15 10 793,37 0,08 133,26
Szigetvár Rk 0,16 11 689,09 0,01 73,51
Miskolc Rk 0,16 30 787,38 0,19 251,92
Szentes Rk 0,16 24 643,68 0,13 231,86
Gyöngyös Rk 0,16 44 510,77 0,04 202,24
Jászberény Rk 0,16 51 505,88 0,11 172,41
Bonyhád Rk 0,16 12 028,47 0,07 272,31
Ajka Rk 0,16 28 198,03 0,03 229,85
Komló Rk 0,17 12 013,81 0,05 239,09
Orosháza Rk 0,17 23 858,90 0,13 146,11
Monor Rk 0,17 22 440,02 0,17 212,74
Veszprém Rk 0,17 42 328,27 0,11 291,91
Balatonfüred Rk 0,17 21 682,07 0,1 331,63
Tatabánya Rk 0,18 43 555,05 0,1 301,24
Mezőtúr Rk 0,18 19 871,40 0,33 111,32
Gyula Rk 0,19 14 574,70 0,75 253,21
Várpalota Rk 0,19 28 461,65 0,33 271,72
Győr Rk 0,2 69 732,93 0,02 253,48
Érd Rk 0,2 52 633,79 0,17 204,21
Mezőkovácsháza Rk 0,21 11 930,87 0,17 158,78
Kistelek Rk 0,21 17 218,32 0 71,49
Komárom Rk 0,21 100 369,35 0,27 250,6
Szigetszentmiklós Rk 0,21 41 773,93 0,5 168,27
Pécs Rk 0,22 36 329,06 0,03 263,69
Kunszentmiklós Rk 0,22 14 195,84 0,33 122,69
Dorog Rk 0,22 36 363,91 0 250,16
Mohács Rk 0,23 20 504,05 0,04 231,48
Nagykanizsa Rk 0,23 39 347,93 0,03 227,47
Dunaújváros Rk 0,25 41 765,82 0,06 249,91
Esztergom Rk 0,25 55 793,87 0,11 250,55
Kiskunhalas Rk 0,26 24 385,41 0,21 167,7
Dabas Rk 0,26 31 424,33 0,13 200,75
Lenti Rk 0,27 19 850,08 0,02 249,9
Nyírbátor Rk 0,28 13 865,07 0,17 77,04
Kőszeg Rk 0,28 29 078,07 0,11 196,31
166/194. oldal
Rendőrkapitányság Jármű
önkényes elvétele
A helyi önkormányzatok
helyi adó bevételeiből az
iparűzési adó (1000 Ft)
Szakiskolai és speciális
szakiskolai feladatellátási
hely aránya
Kábeltelevízió előfizetőinek száma (db)
Bátonyterenye Rk 0,29 12 729,78 0 165,91
Mosonmagyaróvár Rk 0,32 42 161,34 0,04 236,78
Paks Rk 0,49 92 228,20 0,14 272,52
Budapest 0,53 59 866,75 1 329,58
167/194. oldal
8 Személyi állomány alakulása és a bűncselekmények
8.1 Erőforrás-mutatók
A bűncselekmények adatainak, a társadalmi környezet összetevőinek tanulmányozása önmagában nem jelent megoldást a problémák megoldása szempontjából. Az egymáshoz viszonyításuk és a hatásmechanizmusok leírása már segít közelebbről megismerni működésüket, ezáltal megkönnyíti az ellenük való hatósági fellépés szervezését. Ennek a munkának viszont kellően célzottnak és megfelelő minőségűnek kell lennie. Ezért fontos számunkra, hogy a rendőrség egyes szakágainak tevékenységét, erőforrásait a bűnözési piacoknak megfelelően alakítsuk.
Annak érdekében, hogy a humán erőforrások elosztását célirányossá tudjuk tenni a rendőrség létszámadatait szükséges arányaiban megvizsgálni, amit a következő módon tudtunk teljesíteni. Első lépcsőben a bűnügyi, közrendvédelmi és közlekedésrendészeti létszámadatokat vontuk össze és viszonyítottuk az összlétszámhoz. Ezt a műveletet minden kapitányság esetében elvégeztük, majd az eredményeknek megfelelően sorba rendeztük. Kialakult a kapitányságoknak egy olyan sorrendje, amely reprezentálta azoknak a szakágaknak a dominanciáját, melyek leginkább érintettek voltak az általunk vizsgált bűncselekménytípusok kezelésében.
Ezt követően képeztünk egy másik erőforrás mutatót ugyanazokkal a bűnügyi, közrendvédelmi és közlekedésrendészeti létszámadatokkal, amelyet a rendőrkapitányság illetékességi területébe tartozó települések ezer főre jutó lakosságszámára vetítettünk. Itt is rendőrkapitánysági sorrendet állítottunk fel az eredmények alapján, melynek segítségével látható, hogy egyes településeken milyen személyi állománnyal képesek a lakosságot támogatni.
Harmadik lépésben az előző két mutató eredményeit vontuk össze közös táblázatba, amit kiegészítettünk az összbűncselekmények (itt az általunk felhasznált 16 bűncselekménytípust értjük) alapján kialakult rangsorszámokkal. Ezt követően a táblázatból kiolvashatóvá vált, hogy az egyes kapitányságok esetében milyen rendészeti erőforrások fedik le a bűnözésnek általunk tanulmányozott szegmensét és az hogyan aránylik a lakosságszámhoz mérten. Ha kiemeljük például Pécs Rk-t láthatjuk, hogy összes erőforrásának nagy részét a bűnügyi és közbiztonsági helyzet kezelésére fordítja, ez tükröződik a lakossághoz viszonyított létszámhelyzetén is, az összbűncselekmények tekintetében mégis a 107. helyre sorolható be a 130 kapitányság között. Ha ellenkező példát keresünk, emeljük ki Csorna Rk-t ahol látjuk, hogy összes erőforrása – a lakossághoz viszonyított létszámhelyzet tekintetében is – jóval alacsonyabb, mint Pécs Rk-nak, mégis az összbűncselekmények kezelésében a 2. pozíciót foglalja el.
41. Táblázat - Erőforrás-mutató I. – (bűnügy, közlekedés, közrend/összes)
Rangsor Rendőrkapitányság Erőforrás-mutató I.
1 NYÍREGYHÁZA RK. 0,890
2 BÉKÉSCSABA RK. 0,889
3 SZÉKESFEHÉRVÁR RK. 0,879
4 KAPOSVÁR RK. 0,863
5 SZOLNOK RK. 0,858
6 PÉCS RK. 0,855
7 CEGLÉD RK. 0,855
168/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató I.
8 TATABÁNYA RK. 0,854
9 VESZPRÉM RK. 0,854
10 SZOMBATHELY RK. 0,852
11 KECSKEMÉT RK. 0,846
12 DEBRECEN RK. 0,845
13 SZEGED RK. 0,844
14 SZEKSZÁRD RK. 0,840
15 MISKOLC RK. 0,838
16 MONOR RK. 0,837
17 EGER RK. 0,836
18 GÁRDONY RK. 0,832
19 SIÓFOK RK. 0,831
20 GÖDÖLLŐ RK. 0,828
21 SZIGETSZENTMIKLÓS RK. 0,825
22 OROSHÁZA RK. 0,822
23 HATVAN RK. 0,822
24 SÁRBOGÁRD RK. 0,821
25 GYÖNGYÖS RK. 0,821
26 SÁRVÁR RK. 0,817
27 ZALAEGERSZEG RK. 0,815
28 MEZŐKOVÁCSHÁZA RK. 0,813
29 SZARVAS RK. 0,813
30 ÉRD RK. 0,812
31 JÁSZBERÉNY RK. 0,811
32 SZENTENDRE RK. 0,810
33 FONYÓD RK. 0,810
34 DUNAÚJVÁROS RK. 0,808
35 BAJA RK. 0,807
36 SZEGHALOM RK. 0,807
37 BERETTYÓÚJFALU RK. 0,807
38 GYULA RK. 0,804
39 KISKUNHALAS RK. 0,803
40 MARCALI RK. 0,803
41 KISVÁRDA RK. 0,803
42 BÉKÉS RK. 0,802
43 SZERENCS RK. 0,800
44 HADÚHADHÁZ RK. 0,800
45 TAPOLCA RK. 0,800
46 SZENTES RK. 0,798
47 NYÍRBÁTOR RK. 0,798
48 PAKS RK. 0,795
49 TAMÁSI RK. 0,794
50 KOMLÓ RK. 0,790
51 MAKÓ RK. 0,790
52 MÁTÉSZALKA RK. 0,789
53 PÜSPÖKLADÁNY RK. 0,788
54 BUDAŐRS RK. 0,786
55 AJKA RK. 0,786
56 DUNAKESZI RK. 0,783
57 HAJDÚNÁNÁS RK. 0,782
58 BALATONALMÁDI RK. 0,782
169/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató I.
59 HÓDMEZŐVÁSÁRHELY RK. 0,780
60 BONYHÁD RK. 0,779
61 KARCAG RK. 0,776
62 SZIGETVÁR RK. 0,773
63 HAJDÚSZOBOSZLÓ RK. 0,772
64 DABAS RK. 0,772
65 ZÁHONY RK. 0,772
66 TISZAÚJVÁROS RK. 0,770
67 ESZTERGOM RK. 0,769
68 TISZAVASVÁRI RK. 0,768
69 FÜZESABONY RK. 0,765
70 BALATONFÜRED RK. 0,765
71 BALMAZÚJVÁROS RK. 0,763
72 NAGYKÁTA RK. 0,761
73 RÁCKEVE RK. 0,760
74 VÁSÁROSNAMÉNY RK. 0,760
75 KAZINCBARCIKA RK. 0,759
76 GYŐR RK. 0,757
77 FEHÉRGYARMAT RK. 0,756
78 KISTELEK RK. 0,755
79 DOMBÓVÁR RK. 0,755
80 MÓR RK. 0,754
81 BICSKE RK. 0,753
82 MEZŐKÖVESD RK. 0,752
83 NAGYATÁD RK. 0,749
84 ÓZD RK. 0,747
85 CSONGRÁD RK. 0,747
86 HEVES RK. 0,747
87 HAJDÚBÖSZÖRMÉNY RK. 0,746
88 TATA RK. 0,743
89 TISZAFÜRED RK. 0,740
90 BUDAPEST 0,739
91 KISKUNFÉLEGYHÁZA RK. 0,734
92 KUNSZENTMIKLÓS RK. 0,734
93 KISKŐRÖS RK. 0,732
94 CELDÖMÖLK RK. 0,730
95 VÁRPALOTA RK. 0,730
96 DOROG RK. 0,729
97 VÁC RK. 0,729
98 ENCS RK. 0,726
99 MEZŐTÚR RK. 0,725
100 SARKAD RK. 0,719
101 SALGÓTARJÁN RK. 0,718
102 BÁTONYTERENYE RK. 0,718
103 TÖRÖKSZENTMIKLÓS RK. 0,718
104 KOMÁROM RK. 0,717
105 BARCS RK. 0,714
106 KALOCSA RK. 0,711
107 PÁSZTÓ RK. 0,709
108 KUNSZENTMÁRTON RK. 0,708
109 NAGYKŐRÖS RK. 0,707
170/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató I.
110 OROSZLÁNY RK. 0,705
111 MOSONMAGYARÓRVÁR RK. 0,703
112 SOPRON RK. 0,699
113 KÖRMEND RK. 0,699
114 SÁROSPATAK RK. 0,698
115 KISBÉR RK. 0,696
116 EDELÉNY RK. 0,692
117 RÉTSÁG RK. 0,676
118 SÁTORALJAÚJHELY RK. 0,675
119 BALASSAGYARMAT RK. 0,673
120 VASVÁR RK. 0,673
121 KŐSZEG RK. 0,662
122 KESZTHELY RK. 0,656
123 CSORNA RK. 0,649
124 PÁPA RK. 0,641
125 LENTI RK. 0,640
126 SZÉCSÉNY RK. 0,589
127 KAPUVÁR RK. 0,545
128 SIKLÓS RK. 0,522
129 NAGYKANIZSA RK. 0,496
130 MOHÁCS RK. 0,458
42. Táblázat - Erőforrás-mutató II. – (1000 főre jutó bűnügy, közlekedés, közrend létszám)
Rangsor Rendőrkapitányság Erőforrás-mutató II.
1 BARCS RK. 4,726
2 NAGYATÁD RK. 3,774
3 LENTI RK. 3,577
4 MARCALI RK. 3,266
5 SIÓFOK RK. 2,941
6 SIKLÓS RK. 2,756
7 BALATONFÜRED RK. 2,740
8 ZÁHONY RK. 2,666
9 FONYÓD RK. 2,658
10 CSONGRÁD RK. 2,347
11 TATABÁNYA RK. 2,298
12 VASVÁR RK. 2,292
13 BALATONALMÁDI RK. 2,245
14 TAMÁSI RK. 2,229
15 PÉCS RK. 2,222
16 KUNSZENTMIKLÓS RK. 2,211
17 SZEKSZÁRD RK. 2,199
18 KAPOSVÁR RK. 2,188
19 MISKOLC RK. 2,170
20 SZOLNOK RK. 2,169
21 MEZŐKOVÁCSHÁZA RK. 2,158
22 KÖRMEND RK. 2,155
23 KISTELEK RK. 2,131
24 DOMBÓVÁR RK. 2,118
25 SÁRVÁR RK. 2,117
26 BÉKÉSCSABA RK. 2,107
27 SÁRBOGÁRD RK. 2,088
171/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató II.
28 PAKS RK. 2,076
29 SZEGHALOM RK. 2,075
30 SZIGETVÁR RK. 2,069
31 GÁRDONY RK. 2,066
32 SALGÓTARJÁN RK. 2,046
33 SZOMBATHELY RK. 2,038
34 EDELÉNY RK. 2,035
35 KESZTHELY RK. 2,032
36 KŐSZEG RK. 2,028
37 MAKÓ RK. 2,026
38 SÁTORALJAÚJHELY RK. 2,023
39 GYULA RK. 1,999
40 RÉTSÁG RK. 1,987
41 DEBRECEN RK. 1,969
42 TISZAFÜRED RK. 1,956
43 VÁSÁROSNAMÉNY RK. 1,941
44 BALMAZÚJVÁROS RK. 1,925
45 SZÉCSÉNY RK. 1,918
46 ENCS RK. 1,913
47 BUDAPEST 1,911
48 SARKAD RK. 1,900
49 FÜZESABONY RK. 1,889
50 PÁSZTÓ RK. 1,888
51 BICSKE RK. 1,885
52 KUNSZENTMÁRTON RK. 1,878
53 TISZAVASVÁRI RK. 1,874
54 KALOCSA RK. 1,869
55 KISKUNHALAS RK. 1,867
56 BÁTONYTERENYE RK. 1,865
57 NAGYKŐRÖS RK. 1,861
58 ÓZD RK. 1,860
59 SZENTES RK. 1,847
60 PÜSPÖKLADÁNY RK. 1,845
61 KECSKEMÉT RK. 1,836
62 BONYHÁD RK. 1,827
63 EGER RK. 1,817
64 ESZTERGOM RK. 1,816
65 TAPOLCA RK. 1,816
66 BAJA RK. 1,810
67 BERETTYÓÚJFALU RK. 1,796
68 OROSHÁZA RK. 1,795
69 SZARVAS RK. 1,783
70 SZERENCS RK. 1,776
71 SZÉKESFEHÉRVÁR RK. 1,774
72 CELDÖMÖLK RK. 1,769
73 MEZŐTÚR RK. 1,766
74 MOHÁCS RK. 1,751
75 BÉKÉS RK. 1,747
76 BALASSAGYARMAT RK. 1,746
77 MEZŐKÖVESD RK. 1,732
78 KOMLÓ RK. 1,730
172/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató II.
79 MOSONMAGYARÓRVÁR RK. 1,720
80 KISKUNFÉLEGYHÁZA RK. 1,709
81 KISBÉR RK. 1,700
82 GYÖNGYÖS RK. 1,699
83 SÁROSPATAK RK. 1,697
84 HEVES RK. 1,694
85 NAGYKANIZSA RK. 1,689
86 VESZPRÉM RK. 1,676
87 KISKŐRÖS RK. 1,668
88 KOMÁROM RK. 1,666
89 CEGLÉD RK. 1,657
90 FEHÉRGYARMAT RK. 1,651
91 KAZINCBARCIKA RK. 1,650
92 SZEGED RK. 1,644
93 CSORNA RK. 1,639
94 HAJDÚSZOBOSZLÓ RK. 1,627
95 ZALAEGERSZEG RK. 1,626
96 NYÍREGYHÁZA RK. 1,610
97 KISVÁRDA RK. 1,570
98 NYÍRBÁTOR RK. 1,570
99 HATVAN RK. 1,559
100 OROSZLÁNY RK. 1,559
101 GYŐR RK. 1,551
102 TISZAÚJVÁROS RK. 1,550
103 HAJDÚNÁNÁS RK. 1,531
104 RÁCKEVE RK. 1,530
105 VÁC RK. 1,521
106 DUNAÚJVÁROS RK. 1,519
107 SZENTENDRE RK. 1,501
108 KAPUVÁR RK. 1,493
109 JÁSZBERÉNY RK. 1,493
110 HAJDÚBÖSZÖRMÉNY RK. 1,471
111 HÓDMEZŐVÁSÁRHELY RK. 1,469
112 AJKA RK. 1,457
113 VÁRPALOTA RK. 1,431
114 KARCAG RK. 1,421
115 MONOR RK. 1,417
116 TÖRÖKSZENTMIKLÓS RK. 1,397
117 PÁPA RK. 1,381
118 MÁTÉSZALKA RK. 1,357
119 SOPRON RK. 1,344
120 NAGYKÁTA RK. 1,341
121 TATA RK. 1,321
122 ÉRD RK. 1,301
123 MÓR RK. 1,296
124 BUDAÖRS RK. 1,253
125 HADÚHADHÁZ RK. 1,250
126 DUNAKESZI RK. 1,224
127 SZIGETSZENTMIKLÓS RK. 1,193
128 DABAS RK. 1,153
129 GÖDÖLLŐ RK. 1,087
173/194. oldal
Rangsor Rendőrkapitányság Erőforrás-mutató II.
130 DOROG RK. 1,051
43. Táblázat - Erőforrás-mutatók összevetése – (erőforrás-mutató I. és II. rangsorszámai alapján, valamint az összbűncselekmények alapján kialakult rangsorszámok)
Rendőrkapitányság Erőforrás-mutató I.
rangsorszáma
Erőforrás-mutató II.
rangsorszáma
Összbűncselekmények alapján kialakult rangsorszámok
KAPUVÁR RK. 127 109 1
CSORNA RK. 123 93 2
MÓR RK. 80 123 3
BÉKÉS RK. 42 75 4
SZERENCS RK. 43 70 5
SÁRVÁR RK. 26 25 6
TAPOLCA RK. 43 64 7
RÉTSÁG RK. 117 40 8
BAJA RK. 37 66 9
HAJDÚBÖSZÖRMÉNY RK. 87 110 10
MEZŐKOVÁCSHÁZA RK. 29 21 11
SZEGHALOM RK. 36 29 12
CELDÖMÖLK RK. 94 72 13
FEHÉRGYARMAT RK. 77 90 14
KUNSZENTMIKLÓS RK. 91 16 15
KÖRMEND RK. 112 22 16
KISKUNHALAS RK. 41 55 17
KISVÁRDA RK. 39 97 18
SZÉCSÉNY RK. 126 45 19
SÁTORALJAÚJHELY RK. 118 38 20
SZIGETVÁR RK. 62 30 21
DUNAKESZI RK. 56 126 22
TISZAÚJVÁROS RK. 66 102 23
SOPRON RK. 113 119 24
SÁROSPATAK RK. 114 83 25
KISKŐRÖS RK. 93 87 26
GYULA RK. 38 39 27
VÁRPALOTA RK. 95 113 28
MOHÁCS RK. 130 74 29
KAZINCBARCIKA RK. 75 91 30
BALASSAGYARMAT RK. 120 76 31
PÁSZTÓ RK. 107 50 32
DABAS RK. 64 128 33
GÖDÖLLŐ RK. 20 129 34
AJKA RK. 54 112 35
KŐSZEG RK. 121 36 36
HAJDÚNÁNÁS RK. 57 103 37
BONYHÁD RK. 60 62 38
BICSKE RK. 81 51 39
VESZPRÉM RK. 8 86 40
MÁTÉSZALKA RK. 52 118 41
HATVAN RK. 23 99 42
NAGYKŐRÖS RK. 109 57 43
KISKUNFÉLEGYHÁZA RK. 92 80 44
174/194. oldal
Rendőrkapitányság Erőforrás-mutató I.
rangsorszáma
Erőforrás-mutató II.
rangsorszáma
Összbűncselekmények alapján kialakult rangsorszámok
SARKAD RK. 100 48 45
SZENTENDRE RK. 32 107 46
BÉKÉSCSABA RK. 2 26 47
KISTELEK RK. 79 23 48
BUDAÖRS RK. 55 124 49
ÉRD RK. 30 122 50
SZARVAS RK. 28 69 51
DOROG RK. 96 130 52
KOMLÓ RK. 51 78 53
PAKS RK. 48 28 54
GYÖNGYÖS RK. 25 82 55
HAJDÚSZOBOSZLÓ RK. 65 94 56
KALOCSA RK. 106 54 57
BARCS RK. 105 1 58
VÁC RK. 97 105 59
BALATONALMÁDI RK. 58 13 60
VÁSÁROSNAMÉNY RK. 73 43 61
BÁTONYTERENYE RK. 101 56 62
KESZTHELY RK. 122 35 63
SZIGETSZENTMIKLÓS RK. 21 127 64
PÜSPÖKLADÁNY RK. 53 60 65
MONOR RK. 16 115 66
FÜZESABONY RK. 69 49 67
LENTI RK. 125 3 68
MOSONMAGYARÓRVÁR RK. 111 79 69
CEGLÉD RK. 7 89 70
TISZAFÜRED RK. 89 42 71
VASVÁR RK. 119 12 72
ZALAEGERSZEG RK. 27 95 73
SIKLÓS RK. 128 6 74
KISBÉR RK. 115 81 75
ÓZD RK. 84 58 76
HADÚHADHÁZ RK. 43 125 77
TÖRÖKSZENTMIKLÓS RK. 102 116 78
TATA RK. 88 121 79
RÁCKEVE RK. 74 104 80
SALGÓTARJÁN RK. 103 32 81
NAGYKÁTA RK. 72 120 82
TISZAVASVÁRI RK. 68 53 83
PÁPA RK. 124 117 84
BALMAZÚJVÁROS RK. 71 44 85
TAMÁSI RK. 49 14 86
SZOMBATHELY RK. 10 33 87
KUNSZENTMÁRTON RK. 108 52 88
DOMBÓVÁR RK. 78 24 89
EGER RK. 17 63 90
OROSZLÁNY RK. 110 100 91
CSONGRÁD RK. 86 10 92
NYÍREGYHÁZA RK. 1 96 93
175/194. oldal
Rendőrkapitányság Erőforrás-mutató I.
rangsorszáma
Erőforrás-mutató II.
rangsorszáma
Összbűncselekmények alapján kialakult rangsorszámok
MISKOLC RK. 15 19 94
BERETTYÓÚJFALU RK. 35 67 95
GYÖR RK. 76 101 96
MAKÓ RK. 50 37 97
JÁSZBERÉNY RK. 31 108 98
SZENTES RK. 47 59 99
HÓDMEZŐVÁSÁRHELY RK. 59 111 100
HEVES RK. 85 84 101
ZÁHONY RK. 63 8 102
NYÍRBÁTOR RK. 46 98 103
ENCS RK. 98 46 104
KAPOSVÁR RK. 4 18 105
KECSKEMÉT RK. 11 61 106
PÉCS RK. 6 15 107
SÁRBOGÁRD RK. 24 27 108
NAGYATÁD RK. 83 2 109
SZEKSZÁRD RK. 14 17 110
KARCAG RK. 61 114 111
KOMÁROM RK. 104 88 112
ESZTERGOM RK. 67 65 113
SZOLNOK RK. 5 20 114
GÁRDONY RK. 18 31 115
DEBRECEN RK. 12 41 116
SZÉKESFEHÉRVÁR RK. 3 71 117
MEZŐKÖVESD RK. 82 77 118
SZEGED RK. 13 92 119
BALATONFÜRED RK. 70 7 120
TATABÁNYA RK. 9 11 121
MEZŐTÚR RK. 99 73 122
DUNAÚJVÁROS RK. 34 106 123
NAGYKANIZSA RK. 129 85 124
FONYÓD RK. 33 9 125
BUDAPEST 90 47 126
OROSHÁZA RK. 22 68 127
MARCALI RK. 40 4 128
EDELÉNY RK. 116 34 129
SIÓFOK RK. 19 5 130
8.2 Erőforrás korreláció
Egy újabb munkamenetben a bűnügyi, közrendvédelmi és közlekedésrendészeti létszámadatokat vontuk össze és hozzákapcsoltuk a bűncselekményi típusokhoz. A számítás eredményeként négy bűncselekmény mutatott jelentős kapcsolatot a létszámadatokkal, a közúti baleset okozása, a lopás, a rablás és a rongálás egyedek.
A négy bűncselekménytípust külön regressziós diagramon ábrázoltuk, ahol valamennyi esetében megfigyelhettük, hogy elméletileg a növekvő bűncselekményszámmal egy irányba növekszenek a létszámadatok. A kapitányságonként ábrázolt táblázatban lehetőségünk van egyszerre tanulmányozni a négy releváns bűncselekménytípus egyenkénti és összegzett
176/194. oldal
viszonyát a létszámtényezőhöz. Gárdony Rk. esetében például láthatjuk, hogy magas erőforrás-mutató mellett a közúti balesetokozás és a rablás bűncselekmények alacsony kötődést mutatnak, ezért a teljes erőforrás-állományt a lopás és rongálás tényezők kötik le.
Ezt követően képeztünk egy másik erőforrás mutatót ugyanazokkal a bűnügyi, közrendvédelmi és közlekedésrendészeti létszámadatokkal, amelyet a rendőrkapitányság illetékességi területébe tartozó települések ezer főre jutó lakosságszámára vetítettünk. Majd korreláltattuk a bűncselekménytípusokkal. Ennek eredményeként öt bűncselekményt tudtuk szoros kötődéssel azonosítani (betöréses lopás, könnyű testi sértés, tartás elmulasztása, visszaélés okirattal, lopás), melyek erőssége közel azonos mértékű volt. Az öt bűncselekménytípust külön-külön regressziós diagramon ábrázoltuk, ahol négy esetében megfigyelhettük, hogy elméletileg a növekvő bűncselekményszámmal egy irányba növekszenek a létszámadatok. A tartás elmulasztása esetében azonban fordított hatások érvényesülnek, csökkenő bűncselekményi adatokhoz is magas erőforrás-tényező társul. A kapitányságonként ábrázolt táblázatban lehetőségünk van tanulmányozni a lakosságszámra vetített létszámadatokhoz mérten négy releváns bűncselekménytípust és azok egyenkénti és összegzett viszonyát. Ha itt is Gárdony Rk. adatait elemezzük, láthatjuk, hogy közepesnél valamivel magasabb lakosságszámra vetített erőforrás-mutató mellett a betöréses lopás és könnyű testi sértés tényezők hatna leginkább az állományra, a tartás elmulasztása deliktum közepes, míg a visszaélés okirattal egyed alacsony erőforrásigényt támaszt. Mór Rk. esetében már egy jóval egyszerűbb kép tárul elénk, ugyanis az alacsony erőforrás-mutatók felhasználása nem forgácsolódik oly mértékben szét, mint az előző példánál, ugyanis leginkább a betöréses lopások érintettségére kell koncentrálni, a többi egyed érintettsége nem számottevő.
8.2.1 Erőforrás mutató I.
44. Táblázat - Erőforrás-mutató I. – (bűnügy, közlekedés, közrend/összes) korrelációi az egyes bűncselekmény típusokkal [kiemelve a szignifikáns összefüggést mutatók, ezek
ábrázolva és táblázatba foglalva]
Bűncselekmények SIG R
Közúti baleset okozása ,003 0,256 Lopás ,004 0,25 Rablás ,005 0,247
Rongálás ,045 0,176
Magánokirat-hamisítás ,052 ,171 Közokirat-hamisítás ,055 ,169
Csalás ,176 -,119 Testi sértés - súlyos ,336 ,085
Betöréses lopás ,365 ,080 Sikkasztás ,452 ,067
Tartás elmulasztása ,563 -,051 Visszaélés okirattal ,662 ,039
Testi sértés - könnyű ,708 ,033 Garázdaság ,716 ,032
Közúti jármű ittas vezetése ,857 -,016 Jármű önkényes elvétele ,944 ,006
177/194. oldal
99. ábra – Erőforrás mutató I. – 1000 főre jutó közúti balesetek száma
100. ábra - – Erőforrás mutató I. – 1000 főre jutó lopások száma
178/194. oldal
101. ábra - – Erőforrás mutató I. –1000 főre jutó rablások száma
102. ábra - – Erőforrás mutató I. – 1000 főre jutó rongálások száma
45. Táblázat - – Erőforrás mutató I.
Rendőrkapitányság Erőforrás mutató I. Közúti baleset okozása
Lopás Rablás Rongálás
Békéscsaba Rk 0,89 0,47 10,35 0,14 1,03
Nyíregyháza Rk 0,89 0,22 10,54 0,19 0,98
Székesfehérvár Rk 0,88 0,40 16,47 0,38 1,73
Pécs Rk 0,86 0,33 12,07 0,28 1,22
Cegléd Rk 0,86 0,56 12,84 0,38 1,01
179/194. oldal
Rendőrkapitányság Erőforrás mutató I. Közúti baleset okozása
Lopás Rablás Rongálás
Kaposvár Rk 0,86 0,29 11,02 0,08 1,28
Szolnok Rk 0,86 0,25 17,32 0,25 1,58
Kecskemét Rk 0,85 0,48 15,29 0,19 1,44
Debrecen Rk 0,85 0,30 13,13 0,32 1,23
Tatabánya Rk 0,85 0,40 12,70 0,47 1,36
Szombathely Rk 0,85 0,51 12,35 0,35 1,42
Veszprém Rk 0,85 0,37 9,09 0,24 1,68
Miskolc Rk 0,84 0,22 12,16 0,38 1,13
Szeged Rk 0,84 0,35 13,91 0,24 2,07
Eger Rk 0,84 0,32 13,96 0,19 1,04
Monor Rk 0,84 0,39 11,34 0,28 1,58
Szekszárd Rk 0,84 0,25 12,73 0,23 1,18
Gárdony Rk 0,83 0,00 13,55 0,07 1,60
Gödöllő Rk 0,83 0,27 8,57 0,26 0,91
Szigetszentmiklós Rk 0,83 0,48 11,25 0,26 2,19
Siófok Rk 0,83 0,38 25,82 0,23 2,45
Orosháza Rk 0,82 0,24 52,84 0,11 0,67
Sárbogárd Rk 0,82 0,16 9,82 0,21 0,96
Gyöngyös Rk 0,82 0,24 9,93 0,17 1,31
Hatvan Rk 0,82 0,24 11,37 0,23 1,15
Sárvár Rk 0,82 0,50 5,70 0,05 0,75
Zalaegerszeg Rk 0,82 0,26 9,41 0,09 1,53
Baja Rk 0,81 0,29 6,89 0,11 1,00
Mezőkovácsháza Rk 0,81 0,12 6,24 0,07 0,78
Szarvas Rk 0,81 0,33 9,26 0,18 0,35
Szeghalom Rk 0,81 0,26 11,08 0,18 0,56
Dunaújváros Rk 0,81 0,25 13,80 0,59 1,82
Berettyóújfalu Rk 0,81 0,34 9,90 0,23 1,12
Szentendre Rk 0,81 0,22 12,08 0,21 2,03
Érd Rk 0,81 0,21 9,50 0,33 1,09
Fonyód Rk 0,81 0,26 16,62 0,14 1,46
Jászberény Rk 0,81 0,19 13,95 0,12 1,13
Kiskunhalas Rk 0,8 0,36 7,35 0,17 0,77
Békés Rk 0,8 0,00 4,73 0,05 0,33
Gyula Rk 0,8 0,35 11,67 0,19 0,79
Szerencs Rk 0,8 0,15 6,86 0,18 0,67
Szentes Rk 0,8 0,47 15,13 0,12 0,61
Hajdúhadháza Rk 0,8 0,00 13,68 0,12 0,91
Marcali Rk 0,8 0,64 35,03 0,13 1,73
Kisvárda Rk 0,8 0,11 6,55 0,21 0,66
Nyírbátor Rk 0,8 0,17 13,12 0,18 1,47
Paks Rk 0,8 0,31 8,47 0,10 0,78
Tapolca Rk 0,8 0,24 5,74 0,09 1,20
Komló Rk 0,79 0,41 7,47 0,18 0,89
Makó Rk 0,79 0,33 12,12 0,17 0,81
Püspökladány Rk 0,79 0,19 14,88 0,14 0,92
Budaörs Rk 0,79 0,32 10,60 0,13 2,07
Mátészalka Rk 0,79 0,13 7,06 0,19 0,79
Tamási Rk 0,79 0,19 9,08 0,14 0,74
180/194. oldal
Rendőrkapitányság Erőforrás mutató I. Közúti baleset okozása
Lopás Rablás Rongálás
Ajka Rk 0,79 0,18 8,81 0,16 0,97
Hódmezővásárhely Rk 0,78 0,47 13,01 0,17 0,85
Hajdúnánás Rk 0,78 0,23 9,84 0,28 0,75
Dunakeszi Rk 0,78 0,43 9,29 0,17 1,39
Karcag Rk 0,78 0,19 16,50 0,24 1,12
Bonyhád Rk 0,78 0,16 6,57 0,05 0,93
Balatonalmádi Rk 0,78 0,30 8,65 0,17 0,99
Szigetvár Rk 0,77 0,31 7,47 0,13 0,92
Tiszaújváros Rk 0,77 0,32 7,73 0,08 0,50
Hajdúszoboszló Rk 0,77 0,46 13,54 0,25 0,69
Füzesabony Rk 0,77 0,30 12,19 0,34 0,88
Esztergom Rk 0,77 0,55 10,79 0,33 1,46
Dabas Rk 0,77 0,35 9,53 0,20 1,23
Tiszavasvári Rk 0,77 0,32 12,37 0,14 0,92
Záhony Rk 0,77 0,17 12,11 0,09 1,01
Balatonfüred Rk 0,77 0,34 12,69 0,17 1,90
Kazincbarcika Rk 0,76 0,10 7,66 0,30 0,71
Kistelek Rk 0,76 0,16 11,03 0,21 1,12
Győr Rk 0,76 0,33 14,37 0,15 1,52
Balmazújváros Rk 0,76 0,00 11,46 0,13 0,54
Nagykáta Rk 0,76 0,26 11,61 0,16 1,42
Ráckeve Rk 0,76 0,22 9,50 0,12 1,85
Fehérgyarmat Rk 0,76 0,03 6,10 0,05 0,51
Vásárosnamény Rk 0,76 0,13 8,99 0,08 0,59
Dombóvár Rk 0,76 0,30 12,98 0,15 0,84
Mezőkövesd Rk 0,75 0,27 12,35 0,25 1,07
Ózd Rk 0,75 0,14 13,83 0,49 0,96
Csongrád Rk 0,75 0,42 13,87 0,04 0,84
Bicske Rk 0,75 0,41 8,55 0,10 1,37
Mór Rk 0,75 0,28 4,34 0,11 0,87
Hajdúböszörmény Rk 0,75 0,41 6,82 0,13 0,22
Heves Rk 0,75 0,11 17,19 0,08 0,85
Nagyatád Rk 0,75 0,33 12,03 0,13 1,58
Budapest 0,74 0,31 25,78 0,88 4,36
Tata Rk 0,74 0,00 9,20 0,33 0,81
Tiszafüred Rk 0,74 0,21 10,19 0,27 0,93
Kiskőrös Rk 0,73 0,28 5,76 0,12 0,66
Kiskunfélegyháza Rk 0,73 0,38 8,95 0,13 0,94
Kunszentmiklós Rk 0,73 0,16 6,41 0,06 1,09
Encs Rk 0,73 0,11 11,49 0,13 1,34
Dorog Rk 0,73 0,00 7,09 0,12 1,25
Vác Rk 0,73 0,27 10,32 0,04 1,80
Mezőtúr Rk 0,73 0,28 15,72 0,39 1,13
Celldömölk Rk 0,73 0,00 6,50 0,31 0,35
Várpalota Rk 0,73 0,00 7,42 0,08 1,43
Sarkad Rk 0,72 0,00 11,82 0,19 0,97
Komárom Rk 0,72 0,31 13,49 0,19 1,15
Salgótarján Rk 0,72 0,00 12,84 0,19 1,01
Bátonyterenye Rk 0,72 0,00 12,98 0,11 1,02
181/194. oldal
Rendőrkapitányság Erőforrás mutató I. Közúti baleset okozása
Lopás Rablás Rongálás
Törökszentmiklós Rk 0,72 0,53 12,16 0,23 1,05
Kalocsa Rk 0,71 0,39 11,14 0,20 1,17
Oroszlány Rk 0,71 0,04 10,12 0,40 1,78
Pásztó Rk 0,71 0,00 10,34 0,34 1,21
Nagykőrös Rk 0,71 0,25 11,27 0,07 0,70
Barcs Rk 0,71 0,17 8,46 0,21 1,37
Kunszentmárton Rk 0,71 0,15 14,22 0,04 0,59
Sárospatak Rk 0,7 0,19 7,87 0,12 0,50
Mosonmagyaróvár Rk 0,7 0,36 10,99 0,09 1,51
Sopron Rk 0,7 0,43 7,29 0,13 1,34
Kisbér Rk 0,7 0,00 9,03 0,16 0,74
Körmend Rk 0,7 0,35 6,14 0,05 1,23
Edelény Rk 0,69 0,30 5,61 0,08 0,66
Sátoraljaújhely Rk 0,68 0,02 6,90 0,10 1,07
Rétság Rk 0,68 0,00 6,56 0,04 1,03
Balassagyarmat Rk 0,67 0,00 10,48 0,10 0,85
Vasvár Rk 0,67 0,00 8,75 0,14 1,32
Kőszeg Rk 0,66 0,00 7,91 0,12 1,19
Keszthely Rk 0,66 0,40 10,30 0,18 1,53
Csorna Rk 0,65 0,62 3,44 0,00 0,35
Pápa Rk 0,64 0,21 10,13 0,18 1,15
Lenti Rk 0,64 0,18 9,48 0,09 0,63
Szécsény Rk 0,59 0,00 7,63 0,18 0,31
Kapuvár Rk 0,55 0,00 2,86 0,08 0,33
Siklós Rk 0,52 0,40 11,10 0,15 1,03
Nagykanizsa Rk 0,5 0,30 8,59 0,12 1,58
Mohács Rk 0,46 0,29 8,64 0,08 0,67
8.2.2 Erőforrás mutató II.
46. Táblázat - Erőforrás-mutató II. – (1000 főre jutó bűnügy, közlekedés, közrend létszám) korrelációi az egyes bűncselekmény típusokkal [kiemelve a szignifikáns összefüggést
mutatók, ezek ábrázolva és táblázatba foglalva]
Bűncselekmények SIG R
Betöréses lopás ,006 ,241 Testi sértés - könnyű ,006 ,241 Tartás elmulasztása ,007 -,236 Visszaélés okirattal ,008 ,231
Lopás ,041 ,180
Közúti jármű ittas vezetése ,079 ,155 Közokirat-hamisítás ,202 ,113
Sikkasztás ,216 ,109 Rablás ,409 -,073
Rongálás ,418 ,072 Garázdaság ,438 ,069
Magánokirat-hamisítás ,457 ,066 Közúti baleset okozása ,460 ,065
Testi sértés - súlyos ,658 ,039
182/194. oldal
Bűncselekmények SIG R
Jármű önkényes elvétele ,892 -,012 Csalás ,913 ,010
103. ábra – Erőforrás mutató II. – 1000 főre jutó betöréses lopások száma
104. ábra – Erőforrás mutató II. –1000 főre jutó testi sértések száma
183/194. oldal
105. ábra – Erőforrás mutató II. – 1000 főre jutó tartás elmaradások száma
106. ábra – Erőforrás mutató II. – 1000 főre jutó okirattal való visszaélések száma
184/194. oldal
107. ábra – 1000 főre jutó lopások száma
47. Táblázat – Erőforrás mutató II
Rendőrkapitányság Erőforrás mutató II. Betöréses
lopás
Testi sértés - könnyű
Tartás elmulasztása
Visszaélés okirattal
Barcs Rk 4,73 4,43 1,72 0,04 3,18
Nagyatád Rk 3,77 5,31 1,55 0,16 7,15
Lenti Rk 3,58 4,87 1,52 0,04 2,50
Marcali Rk 3,27 13,83 0,67 0,06 16,71
Siófok Rk 2,94 13,22 0,66 0,11 35,21
Siklós Rk 2,76 4,66 1,00 0,22 2,57
Balatonfüred Rk 2,74 2,57 0,76 0,42 10,45
Záhony Rk 2,67 4,37 1,18 0,04 3,76
Fonyód Rk 2,66 6,68 0,38 0,10 15,64
Csongrád Rk 2,35 3,06 0,92 0,34 5,91
Tatabánya Rk 2,3 4,99 0,38 0,70 11,37
Vasvár Rk 2,29 6,60 2,92 0,35 0,00
Balatonalmádi Rk 2,25 7,56 0,13 0,43 2,51
Tamási Rk 2,23 4,84 1,27 0,25 3,74
Pécs Rk 2,22 5,42 0,67 0,33 3,15
Kunszentmiklós Rk 2,21 4,01 0,83 0,22 0,77
Szekszárd Rk 2,2 4,06 1,12 0,14 9,01
Kaposvár Rk 2,19 6,61 0,20 0,04 11,29
Miskolc Rk 2,17 6,78 0,65 0,24 1,95
Szolnok Rk 2,17 4,34 0,79 0,48 5,82
Mezőkovácsháza Rk 2,16 2,42 0,57 0,45 1,90
Körmend Rk 2,15 2,90 0,72 0,09 1,37
Kistelek Rk 2,13 1,07 0,59 0,37 5,22
Dombóvár Rk 2,12 2,03 0,98 0,30 3,97
Sárvár Rk 2,12 3,41 0,25 0,20 0,87
185/194. oldal
Rendőrkapitányság Erőforrás mutató II. Betöréses
lopás
Testi sértés - könnyű
Tartás elmulasztása
Visszaélés okirattal
Békéscsaba Rk 2,11 2,58 0,67 0,32 0,77
Sárbogárd Rk 2,09 5,70 3,40 0,37 0,70
Szeghalom Rk 2,08 0,76 0,79 0,32 0,29
Paks Rk 2,08 2,71 0,78 0,33 1,97
Szigetvár Rk 2,07 3,24 0,34 0,09 0,70
Gárdony Rk 2,07 7,40 7,11 0,25 0,91
Salgótarján Rk 2,05 2,63 0,92 0,55 2,34
Edelény Rk 2,04 3,41 0,58 0,11 64,71
Szombathely Rk 2,04 4,40 0,67 0,25 2,53
Makó Rk 2,03 3,35 0,74 0,45 7,30
Kőszeg Rk 2,03 4,30 0,84 0,64 1,27
Keszthely Rk 2,03 4,36 0,46 0,24 4,67
Sátoraljaújhely Rk 2,02 3,74 0,71 0,19 1,02
Gyula Rk 2 0,98 0,33 0,19 0,91
Rétság Rk 1,99 3,02 0,56 0,95 0,16
Debrecen Rk 1,97 6,63 0,41 0,21 8,40
Tiszafüred Rk 1,96 4,94 1,85 0,10 1,65
Vásárosnamény Rk 1,94 3,35 0,88 0,19 1,73
Balmazújváros Rk 1,93 2,97 0,22 0,28 4,67
Szécsény Rk 1,92 3,92 0,45 0,58 0,89
Budapest 1,91 4,94 0,32 0,22 3,19
Encs Rk 1,91 2,98 1,41 0,09 1,10
Sarkad Rk 1,9 3,29 0,46 0,28 3,06
Füzesabony Rk 1,89 4,20 1,16 0,30 1,86
Pásztó Rk 1,89 4,18 0,22 0,19 0,28
Bicske Rk 1,88 5,94 1,63 0,49 0,49
Kunszentmárton Rk 1,88 7,11 1,03 0,37 1,73
Kalocsa Rk 1,87 3,29 0,80 0,41 1,00
Kiskunhalas Rk 1,87 2,25 0,29 0,18 1,29
Tiszavasvári Rk 1,87 6,43 0,81 0,07 1,87
Ózd Rk 1,86 1,67 1,26 0,23 2,41
Bátonyterenye Rk 1,86 4,28 0,26 0,11 0,62
Nagykőrös Rk 1,86 3,58 0,11 1,62 0,98
Szentes Rk 1,85 1,96 0,44 0,79 8,04
Püspökladány Rk 1,85 2,03 0,40 0,09 2,18
Kecskemét Rk 1,84 5,78 0,70 0,39 4,14
Bonyhád Rk 1,83 1,91 1,31 0,11 1,58
Eger Rk 1,82 4,98 0,70 0,11 2,40
Esztergom Rk 1,82 3,60 0,76 0,37 10,42
Tapolca Rk 1,82 2,36 0,38 0,51 1,96
Baja Rk 1,81 2,34 0,23 0,22 0,80
Berettyóújfalu Rk 1,8 7,49 0,68 0,14 3,25
Orosháza Rk 1,79 2,87 0,20 0,39 3,05
Szarvas Rk 1,78 2,87 0,18 0,23 0,86
Szerencs Rk 1,78 1,69 0,89 0,10 0,39
Székesfehérvár Rk 1,77 1,95 0,75 0,45 3,75
Mezőtúr Rk 1,77 7,81 0,81 0,39 7,49
Celldömölk Rk 1,77 5,38 0,04 0,15 1,42
Mohács Rk 1,75 4,36 0,49 0,19 2,59
186/194. oldal
Rendőrkapitányság Erőforrás mutató II. Betöréses
lopás
Testi sértés - könnyű
Tartás elmulasztása
Visszaélés okirattal
Békés Rk 1,75 1,14 0,13 0,25 0,66
Balassagyarmat Rk 1,75 3,32 0,92 0,44 0,24
Komló Rk 1,73 4,29 0,64 0,32 2,30
Mezőkövesd Rk 1,73 5,67 1,14 0,07 2,87
Mosonmagyaróvár Rk
1,72 3,12 0,90 0,52 2,22
Kiskunfélegyháza Rk 1,71 3,53 0,38 0,62 3,06
Sárospatak Rk 1,7 3,32 0,89 0,04 2,85
Gyöngyös Rk 1,7 3,31 1,02 0,21 0,48
Kisbér Rk 1,7 6,48 0,32 0,42 5,52
Heves Rk 1,69 8,09 0,44 0,85 1,09
Nagykanizsa Rk 1,69 5,47 0,43 0,10 2,65
Veszprém Rk 1,68 3,49 0,74 0,40 2,06
Kiskőrös Rk 1,67 2,33 0,71 0,38 1,11
Komárom Rk 1,67 4,62 0,40 0,23 11,76
Cegléd Rk 1,66 5,25 0,35 0,58 1,15
Kazincbarcika Rk 1,65 4,51 0,96 0,30 1,49
Fehérgyarmat Rk 1,65 1,32 1,70 0,18 0,38
Szeged Rk 1,64 2,84 0,38 0,49 14,02
Csorna Rk 1,64 1,32 0,43 0,24 0,19
Hajdúszoboszló Rk 1,63 2,29 0,23 0,23 0,69
Zalaegerszeg Rk 1,63 3,54 0,85 0,19 4,58
Nyíregyháza Rk 1,61 3,92 0,40 0,15 5,37
Kisvárda Rk 1,57 2,11 0,77 0,11 2,61
Nyírbátor Rk 1,57 5,42 1,21 0,18 2,81
Hatvan Rk 1,56 3,78 0,45 0,17 0,53
Oroszlány Rk 1,56 5,48 0,44 0,25 7,94
Tiszaújváros Rk 1,55 2,46 0,46 0,30 1,63
Győr Rk 1,55 3,10 0,44 0,61 4,31
Hajdúnánás Rk 1,53 4,74 0,65 0,13 0,23
Ráckeve Rk 1,53 8,84 0,28 0,42 2,72
Dunaújváros Rk 1,52 5,21 1,92 0,33 2,12
Vác Rk 1,52 4,75 0,41 0,45 1,14
Szentendre Rk 1,5 3,63 0,19 0,23 0,84
Kapuvár Rk 1,49 0,71 0,33 0,37 0,50
Jászberény Rk 1,49 6,51 0,79 0,42 2,07
Hódmezővásárhely Rk
1,47 1,97 0,76 0,45 8,00
Hajdúböszörmény Rk 1,47 2,28 0,66 0,22 1,63
Ajka Rk 1,46 2,50 1,01 0,68 1,12
Várpalota Rk 1,43 3,71 0,56 0,50 1,83
Monor Rk 1,42 3,33 0,46 0,54 1,58
Karcag Rk 1,42 8,47 1,38 0,52 1,29
Törökszentmiklós Rk 1,4 4,56 0,89 0,41 0,98
Pápa Rk 1,38 2,37 0,39 0,77 8,52
Mátészalka Rk 1,36 2,86 1,47 0,23 1,11
Sopron Rk 1,34 3,60 0,34 0,40 0,95
Nagykáta Rk 1,34 8,37 0,44 0,23 2,28
Tata Rk 1,32 3,28 0,28 0,18 9,00
Mór Rk 1,3 2,71 0,11 0,34 0,03
187/194. oldal
Rendőrkapitányság Erőforrás mutató II. Betöréses
lopás
Testi sértés - könnyű
Tartás elmulasztása
Visszaélés okirattal
Érd Rk 1,3 4,49 0,31 0,27 1,51
Hajdúhadháza Rk 1,25 5,30 0,63 0,22 0,67
Budaörs Rk 1,25 3,42 0,17 0,18 1,23
Dunakeszi Rk 1,22 2,94 0,20 0,29 0,53
Szigetszentmiklós Rk 1,19 4,35 0,26 0,54 1,53
Dabas Rk 1,15 3,54 0,60 0,52 1,04
Gödöllő Rk 1,09 5,15 0,20 0,38 1,40
Dorog Rk 1,05 3,15 0,56 0,39 5,75
188/194. oldal
9 Felhasznált irodalom
1. Ainsworth, P.B. (2001). Offender Profiling and Crime Analysis. Cullompton, Devon, Willan Publishing.
2. Bowers, K. and Hirschfield, A. (1999). Exploring links between crime and disadvantage in north-west England: an analysis using geographical information systems. In International Journal of Geographical Information Science, vol. 13, no. 2: 159-184.
3. Clarke, R.V. and Felson, M. (1993). Routine Activity and Rational Choice. In R.V. Clarke and M. Felson (eds.), Routine Activity and Rational Choice. Advances in Criminological Theory, vol. 5. New Brunswick, NJ, Transaction Publishers.
4. Craglia, M., Haining, R.and Signoretta, P. (2001). Modelling High-intensity Crime Areas in English Cities. In Urban Studies, vol. 38, no. 11: 1921-1941.
5. Felson, M. (2002). Crime and Everyday Life. Thousand Oaks, Sage Publications.
6. Fitzgerald, R., Wisener, M. and Savoie, J. (2004). Neighbourhood Characteristics and the Distribution of Crime in Winnipeg. Crime and Justice Research Paper Series. Canadian Centre for Justice Statistics. Ottawa. Cat. no. 85-561-MIE- No. 4.
7. Hackler, J.C. (2000). Canadian Criminology. Scarborough Ontario, Prentice-Hall Canada.
8. Herbert, D.T. (1989). Crime and Place: An Introduction. In D.J. Evans and D.T. Herbert (eds.), The Geography of Crime. London and New York, Routledge.
9. Knox, P. (1995). Urban Social Geography. Essex, England. Logman Group Limited.
10. Ley, D. and Smith, H. (2000). Relations between Deprivation and Immigrant Groups in Large Canadian Cities. In Urban Studies, vol. 37, no. 1: 37-62.
11. Mata, F. (2003). Crime and Population Domains in Canada’s Largest Cities. Presentation prepared for the National Crime Prevention Council and the Research and Statistics Division, Department of Justice Canada.
12. Peter Kitchen, Ph.D. (2003) Exploring the Link between Crime and Socio-Economic Status in Ottawa and Saskatoon: A Small-Area Geographical Analysis. Department of Justice Canada Research and Statistics Division Methodological Series
13. Rogerson, P.A. (2001). Statistical Methods for Geography. London, Sage Publications.
14. Sacco, V.F. and Kennedy, L.W. (2002). The Criminal Event. Toronto, Nelson Thompson Learning.
15. Schmalleger, F. and Volk, R. (2001). Canadian Criminology Today. Toronto, Prentice-Hall Canada.
16. Shaw, C.R. and McKay, H.D. (1942). Juvenile Delinquency and Urban Areas. Chicago, University of Chicago Press.
17. Short, J.F. (1997). Poverty, Ethnicity, and Violent Crime. Boulder, Colorado, Westview Press.
18. Stark, R. (1987). Deviant Places: A Theory of the Ecology of Crime. In Criminology 25: 893-909.
19. Wilcox, P., Land, K.C., and Hunt, S.A. (2003). Criminal Circumstance. New York, Aldine dee Gruyter.
189/194. oldal
20. Winterdyk, J.A. (2000). Canadian Criminology. Scarborough Ontario, Prentice-Hall Canada.
190/194. oldal
10 Ábrák jegyzéke
1. ábra – Kompetencia mátrix felépítése ................................................................................. 13
2. ábra – Térségi kompetencia mátrix...................................................................................... 13
3. ábra – A szervezeti teljesítmény modellje ........................................................................... 15
4. ábra – Az LHH program kedvezményezett kistérségei......................................................... 15
5. ábra – A 10 000 lakosra jutó bűnelkövezők száma a kistérségek területén 2008. évben ... 15
6. ábra –Edelényi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .......... 15
7. ábra - Orosházi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.......... 15
8. ábra - Fonyódi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ........... 15
9. ábra - Nagykanizsai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ... 15
10. ábra - Kaposvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ...... 15
11. ábra – Hevesi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .......... 15
12. ábra - Gárdonyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ....... 15
13. ábra - Siófoki rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ........... 15
14. ábra - Komáromi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ..... 15
15. ábra - Encsi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.............. 15
16. ábra - Ózdi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban............... 15
17. ábra - Szombathelyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban 15
18. ábra - sarkadi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .......... 15
19. ábra - Füzesabonyi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.. 15
20. ábra - Bátonyterenyei rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.................................................................................................................................................. 15
21. ábra - Lenti rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .............. 15
22. ábra - Zalaegerszegi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban 15
23. ábra - Törökszentmiklósi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban................................................................................................................................ 15
24. ábra - Vásárosnaményi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.................................................................................................................................................. 15
25. ábra - Balatonalmádi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.................................................................................................................................................. 15
26. ábra - Sárvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban........... 15
27. ábra - Dunakeszi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban...... 15
28. ábra - Tapolcai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban......... 15
29. ábra - Rétsági rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .......... 15
30. ábra - Dabasi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ........... 15
31. ábra - Kiskunhalasi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .. 15
32. ábra - Soproni rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ......... 15
33. ábra - Szigetvári rendőrkapitányság sorrendje az egyes bűncselekmény típusokban ...... 15
191/194. oldal
34. ábra - Mezőkovácsházi rendőrkapitányság sorrendje az egyes bűncselekmény típusokban.................................................................................................................................................. 15
35. ábra - Bajai rendőrkapitányság sorrendje az egyes bűncselekmény típusokban .............. 15
36. ábra - A regressziós modell ábrája ..................................................................................... 15
37. ábra – Összes bűncselekmény – 1000 főre jutó távfűtésbe bekapcsolt lakások száma.... 15
38. ábra – Összes bűncselekmény – 1000 főre jutó egyéb szálláshelyek férőhelyeinek száma összesen ................................................................................................................................... 15
39. ábra– Összes bűncselekmény – helyi autóbusz megállók aránya...................................... 15
40. ábra– Összes bűncselekmény –18-59 évesek aránya ........................................................ 15
41. ábra – Összes bűncselekmény – 60+ évesek aránya.......................................................... 15
42. ábra – Könnyű testi sértés, regressziós modell.................................................................. 15
43. ábra – Könnyű testi sértés – bölcsőde aránya ................................................................... 15
44. ábra - Könnyű testi sértés –kábeltelevíziós hálózatba bekapcsolt lakások száma ............ 15
45. ábra – Súlyos testi sértés regressziós modell..................................................................... 15
46. ábra - Súlyos testi sértés – nyilvántartott pályakezdő álláskeresők száma ....................... 15
47. ábra - Súlyos testi sértés – halálozások száma................................................................... 15
48. ábra - Közúti balest okozása regressziós modell................................................................ 15
49. ábra - Közúti balest okozása – kiskereskedelmi üzletek száma ......................................... 15
50. ábra - Közúti balest okozása – bankfiókok száma .............................................................. 15
51. ábra - Közúti balest okozása – nyilvántartott álláskeresők száma..................................... 15
52. ábra - A közúti jármű ittas vezetés regressziós modellje................................................... 15
53. ábra - Közúti jármű ittas vezetés – a helyi önkormányzatnak átengedett gépjárműadó.. 15
54. ábra - Közúti jármű ittas vezetés – bölcsőde aránya ......................................................... 15
55. ábra - Tartás elmulasztása regressziós modell................................................................... 15
56. ábra - Tartás elmulasztása – szociális étkezésben részesülők száma ................................ 15
57. ábra - Tartás elmulasztása – 8 osztálynál kevesebb végzettséggel rendelkezők............... 15
58. ábra - Tartás elmulasztása - egyetemi végzettségű nyilvántartott álláskeresők száma.... 15
59. ábra - A garázdaság regressziós modellje .......................................................................... 15
60. ábra – Garázdaság – nyilvántartott pályakezdő álláskeresők száma................................. 15
61. ábra – Garázdaság – összes zöldterület ............................................................................. 15
62. ábra - Közokirat-hamisítás regressziós modellje................................................................ 15
63. ábra - Közokirat-hamisítás – vállalkozások száma ............................................................. 15
64. ábra - Közokirat-hamisítás – szellemi foglalkozású álláskeresők száma............................ 15
65. ábra - Közokirat-hamisítás- vasútállomás aránya .............................................................. 15
66. ábra - A magánokirat-hamisítás regressziós modellje ....................................................... 15
67. ábra - Magánokirat-hamisítás – 8 osztálynál kevesebbet végzett álláskeresők ................ 15
68. ábra - Magánokirat-hamisítás – főiskolai végzettségű álláskeresők.................................. 15
69. ábra – Okirattal való visszaélés regressziós modellje ........................................................ 15
70. ábra – Okirattal való visszaélés – egyetemi végzettségű álláskeresők .............................. 15
192/194. oldal
71. ábra - Okirattal való visszaélés – rendszeres szociális segélyben részesítettek átlagos száma........................................................................................................................................ 15
72. ábra - Okirattal való visszaélés – egyéb szállásadás férőhelyeinek száma ........................ 15
73. ábra – A lopás regressziós modellje ................................................................................... 15
74. ábra – Lopás – 18-59 évesek aránya .................................................................................. 15
75. ábra – Lopás - közüzemi ivóvízvezeték hálózatba bekapcsolt lakások száma ................... 15
76. ábra – Lopás – 60+ évesek aránya...................................................................................... 15
77. ábra - A betöréses lopás regressziós modellje................................................................... 15
78. ábra - A betöréses lopás – egyéb szálláshelyek vendégeinek száma................................. 15
79. ábra - A betöréses lopás – vendégek száma a fizetővendéglátásban................................ 15
80. ábra – vendégéjszakák száma az egyéb szállásadásban .................................................... 15
81. ábra – A sikkasztás regressziós modellje............................................................................ 15
82. ábra - A sikkasztás – kiskereskedelmi üzletek száma......................................................... 15
83. ábra - A sikkasztás – A helyi önkormányzatok helyi adó bevételeiből az iparűzési adó.... 15
84. ábra – A csalás regressziós modellje .................................................................................. 15
85. ábra – Csalás – egyetemi végzettségű nyilvántartott álláskeresők száma ........................ 15
86. ábra – A rablás regressziós modellje.................................................................................. 15
87. ábra – Rablás – középiskola aránya.................................................................................... 15
88. ábra – Rablás - regisztrált jogi személyiségű vállalkozások száma .................................... 15
89. ábra – Rongálás regressziós modellje ................................................................................ 15
90. ábra – Rongálás – vállalkozások száma .............................................................................. 15
91. ábra – Lakáscélú helyi támogatásban részesültek aránya ................................................. 15
92. ábra – Rongálás – közüzemi ivóvízvezeték-hálózatba bekapcsolt lakások száma............. 15
93. ábra – 8 osztálynál kevesebbet végzett álláskeresők száma ............................................. 15
94. ábra – nyilvántartott pályakezdő álláskeresők száma ....................................................... 15
95. ábra – A jármű önkényes elvételének regressziós modellje.............................................. 15
96. ábra - A jármű önkényes elvétele – a helyi önkormányzatok helyi adó bevételeiből az iparűzési adó ............................................................................................................................ 15
97. ábra - A jármű önkényes elvétele – szakiskola és speciális szakiskolai feladatellátási hely aránya....................................................................................................................................... 15
98. ábra - A jármű önkényes elvétele – kábeltelevízió előfizetőinek száma ........................... 15
99. ábra – Erőforrás mutató I. – 1000 főre jutó közúti balesetek száma................................. 15
100. ábra - – Erőforrás mutató I. – 1000 főre jutó lopások száma .......................................... 15
101. ábra - – Erőforrás mutató I. –1000 főre jutó rablások száma.......................................... 15
102. ábra - – Erőforrás mutató I. – 1000 főre jutó rongálások száma ..................................... 15
103. ábra – Erőforrás mutató II. – 1000 főre jutó betöréses lopások száma .......................... 15
104. ábra – Erőforrás mutató II. –1000 főre jutó testi sértések száma ................................... 15
105. ábra – Erőforrás mutató II. – 1000 főre jutó tartás elmaradások száma......................... 15
106. ábra – Erőforrás mutató II. – 1000 főre jutó okirattal való visszaélések száma .............. 15
107. ábra – 1000 főre jutó lopások száma ............................................................................... 15
193/194. oldal
11 Táblázatok jegyzéke
1. Táblázat – Leggyakrabban előforduló bűncselekmények .................................................... 15
2. Táblázat – Társadalmi-területi adatok ................................................................................. 15
3. Táblázat – Személyi adatok .................................................................................................. 15
4. Táblázat - Rendőrkapitányságok sorrendje az egyes bűncselekménytípusok szerint ......... 15
5. Táblázat – A bűncselekményi rangsor első és utolsó tíz helyén szereplő rendőrkaptányságok................................................................................................................. 15
6. Táblázat - A bűncselekményi rangsor első és utolsó tíz helyén szereplő rendőrkaptányságok (2. rész)................................................................................................... 15
7. Táblázat - A bűncselekmények teljes számával korreláló változók...................................... 15
8. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
9. Táblázat - Könnyű testi sértéssel korreláló változók............................................................ 15
10. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
11. Táblázat - A súlyos testi sértéssel korreláló változók......................................................... 15
12. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
13. Táblázat - A közúti baleset okozásával korreláló változók................................................. 15
14. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
15. Táblázat - A közúti jármű ittas vezetésével korreláló változók.......................................... 15
16. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
17. Táblázat - Tartás elmulasztásával korreláló változók......................................................... 15
18. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
19. Táblázat - A garázdasággal korreláló változók ................................................................... 15
20. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
21. Táblázat - A közokirat-hamisítással korreláló változók ...................................................... 15
22. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
23. Táblázat - A magánokirat-hamisítással korreláló változók................................................. 15
24. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
25. Táblázat - Az okirattal való visszaéléssel korreláló változók.............................................. 15
26. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
27. Táblázat - A lopással korreláló változók ............................................................................. 15
194/194. oldal
28. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
29. Táblázat - A betöréses lopással korreláló változók ............................................................ 15
30. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
31. Táblázat - A sikkasztással korreláló változók...................................................................... 15
32. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
33. Táblázat - A csalás korreláló változók ................................................................................ 15
34. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
35. Táblázat - A rablással korreláló változók............................................................................ 15
36. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
37. Táblázat - A rongálással korreláló változók........................................................................ 15
38. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
39. Táblázat - A jármű önkényes elvételével korreláló változók.............................................. 15
40. Táblázat - A regressziós modellben szereplő változók értékei kapitányságonként bűncselekménytípusok szerinti növekvő sorrendben ............................................................. 15
41. Táblázat - Erőforrás-mutató I. – (bűnügy, közlekedés, közrend/összes) ........................... 15
42. Táblázat - Erőforrás-mutató II. – (1000 főre jutó bűnügy, közlekedés, közrend létszám) 15
43. Táblázat - Erőforrás-mutatók összevetése – (erőforrás-mutató I. és II. rangsorszámai alapján, valamint az összbűncselekmények alapján kialakult rangsorszámok)....................... 15
44. Táblázat - Erőforrás-mutató I. – (bűnügy, közlekedés, közrend/összes) korrelációi az egyes bűncselekmény típusokkal [kiemelve a szignifikáns összefüggést mutatók, ezek ábrázolva és táblázatba foglalva] ............................................................................................. 15
45. Táblázat - – Erőforrás mutató I. ......................................................................................... 15
46. Táblázat - Erőforrás-mutató II. – (1000 főre jutó bűnügy, közlekedés, közrend létszám) korrelációi az egyes bűncselekmény típusokkal [kiemelve a szignifikáns összefüggést mutatók, ezek ábrázolva és táblázatba foglalva] ..................................................................... 15
47. Táblázat – Erőforrás mutató II............................................................................................ 15