Η ποσοτική έρευνα στη διασύνδεση
οικονομικής κρίσης και εγκλήματος
ΠΕΓΚΥ Κ. ΓΙΑΝΝΑΚΟΠΟΥΛΟΥ*
ΕΙΣΑΓΩΓΗ
Σε όλες τις περιόδους οικονομικής κρίσης ή ύφεσης, έχει υπάρξει έντονη ρητορεία σχετικά με τη φαινομενικά εντονότερη εγκληματικότητα που οφείλεται στις οικονομικές δυσχέρειες. Έτσι και η πρόσφατη παγκόσμια οικονομική κρίση αναζωπύρωσε το λαϊκό και ακαδημαϊκό ενδιαφέρον σχετικά με τη διασύνδεση των οικονομικών δυσχερειών και της εγκληματικότητας.
Οι διάφορες εγκληματολογικές θεωρίες, γενικότερα, και σε μεγαλύτερο βαθμό οι νέο-κλασσικές θεωρίες που βασίζονται, ανάμεσα σε άλλες, στις έννοιες τις «έντασης» (βλ. ενδεικτικά Merton, 1938 και Agnew, 2001) και στα μοντέλα «ορθολογικών επιλογών» [βλ. ενδ. οικονομική θεωρία εγκλήματος και θεωρία ορθολογικής επιλογής (Cornish & Clarke, 1984; Becker, 1974)]. προτείνουν ότι είναι «λογικό» ότι τα υψηλά επίπεδα ανεργίας και η «κακή» οικονομία, γενικότερα, θα πρέπει να αυξάνουν τα ποσοστά εγκληματικότητας και ότι η «καλή» οικονομία θα πρέπει να μειώνει την εγκληματική δραστηριότητα. Ο συλλογισμός αυτός, όμως, καθώς και οι σχετικές έρευνες που έχουν εκπονηθεί για να επαληθεύσουν ή να διαψεύσουν τις θεωρίες αυτές, αφορά κυρίως στις οικονομικές δυσχέρειες γενικότερα, χωρίς να εστιάζει σε περιόδους όπου υπάρχει συλλογική αντιμετώπιση μιας οικονομικής κρίσης σε εθνικό ή παγκόσμιο επίπεδο.
Είναι προφανές ότι μια περίοδος οικονομικής κρίσης ή ύφεσης παρουσιάζει διαφορετικά χαρακτηριστικά, από ότι μια οποιαδήποτε περίοδο οικονομικής δυσχέρειας, καθώς έχει συλλογικό αντίκτυπο, και για αυτόν τον λόγο, οι έρευνες που διεξάγονται πάνω στο θέμα της εγκληματικότητας, κατά τη διάρκεια μιας τέτοιας περιόδου, αποτελούν ιδιάζουσες περιπτώσεις και, ως αποτέλεσμα, οι μέθοδοι που χρησιμοποιούνται σε έρευνες που διεξάγονται σχετικά με τη σχέση των οικονομικών κρίσεων ή υφέσεων και της εγκληματικότητας, θα πρέπει να είναι εξίσου ξεχωριστές.
Πολλοί ερευνητές έχουν αποπειραθεί να εξετάσουν τη διασύνδεση οικονομικής κρίσης και εγκλήματος σε ποσοτικό επίπεδο και έχουν χρησιμοποιήσει ποικιλία μεθόδων. Στο ερευνητικό όμως αυτό επίπεδο φαίνεται να επαναδιατυπώνονται, σε μεγάλο βαθμό, τα μεθοδολογικά εργαλεία που χρησιμοποιούνται. Ως αποτέλεσμα, αυτές οι έρευνες φαίνεται να παρουσιάζουν κοινά και επαναλαμβανόμενα θεωρητικά αλλά και πρακτικά εμπόδια τα οποία εκδηλώνονται κυρίως σε μεθοδολογικό επίπεδο.
Στο παρόν κείμενο, γίνεται μια προσπάθεια ανάδειξης ορισμένων μεθοδολογικών προβλημάτων που παρουσιάζονται στις σχετικές ποσοτικές έρευνες, με σκοπό να ερμηνευτεί το θέμα της πιθανής σχέσης μεταξύ των οικονομικών υφέσεων ή κρίσεων και της εγκληματικότητας με μεγαλύτερη σαφήνεια. Άλλωστε, η ανάδειξη των κοινών και επαναλαμβανόμενων μεθοδολογικών προβλημάτων αυτών, καθώς και οι προτάσεις «καλών» πρακτικών με βάση την ανάδειξη αυτή, είναι απαραίτητοι συντελεστές ώστε να εκπονηθούν στο μέλλον πιο «άρτιες» και αξιόπιστες έρευνες.
Η πολυπλοκότητα της ποσοτικής έρευνας στη διασύνδεση οικονομικής κρίσης και εγκλήματος
Στην ποσοτική εγκληματολογική έρευνα, η σύνδεση μεταξύ της οικονομικής κρίσης και του εγκλήματος γίνεται κυρίως λαμβάνοντας υπόψη έναν ή περισσότερους δείκτες οικονομικής υγείας, σε σχέση με τη συνολική εγκληματικότητα ή σε σχέση με ένα ή παραπάνω είδη εγκλημάτων, που, με τη σειρά τους συγκρίνονται είτε ανάμεσα σε δυο ή παραπάνω χρονικές περιόδους, ή παρατηρώντας τις διακυμάνσεις των φαινομένων σε μια συγκεκριμένη χρονική περίοδο, σε μια ή παραπάνω τοποθεσίες.
Όσον αφορά τους οικονομικούς δείκτες που συνήθως χρησιμοποιούνται στις έρευνες για την ανάδειξη ή μη της διασύνδεσης οικονομικής κρίσης ή ύφεσης και εγκλήματος, συνήθως επιλέγονται παράμετροι όπως η ανεργία, το Ακαθάριστο Εγχώριο Προϊόν (ΑΕΠ), η κατανάλωση, οι κατασχέσεις κατοικιών, η φτώχεια και άλλοι οικονομικοί δείκτες όπως ο Δείκτης Τιμών Κατανάλωσης (ΔΤΚ) και ο Δείκτης Εμπιστοσύνης Καταναλωτών (ΔΕΚ). Επιπροσθέτως, σε ορισμένες περιπτώσεις, το ζήτημα εξετάζεται λαμβάνοντας υπ’ όψη την συνολική περίοδο οικονομικής ύφεσης ή κρίσης, χωρίς να αναλογίζονται οι διάφορες ιδιαίτερες παράμετροι (βλ. ενδεικτικά Kriesburg, Guzman & Vuong, 2009 και Rodriguez & Larrauri).
Οι οικονομικοί δείκτες που επιλέγονται, στη συνέχεια, συγκρίνονται με ένα ή παραπάνω είδη εγκλημάτων, ώστε να εντοπιστεί η διασύνδεση, ή η απουσία της διασύνδεσης, μεταξύ των φαινομένων. Αν και έχει υπάρξει πληθώρα συγκριτικών ερευνών που έχουν αποπειραθεί να επιβεβαιώσουν ή να καταρρίψουν την φαινομενικά αυτή αιτιώδης σχέση, η διερεύνηση της σχέσης μεταξύ οικονομικής κρίσης και εγκληματικότητας έχει περιοριστεί κυρίως σε ένα στενό πεδίο συγκεκριμένων εγκληματικών δραστηριοτήτων.
Πιο συγκεκριμένα, οι προσπάθειες εξέτασης της σχέσης των δυο φαινομένων έχουν γίνει βασιζόμενες, σε πολύ μεγάλο βαθμό, μέσα από το πρίσμα των εγκλημάτων ιδιοκτησίας (βλ. ενδεικτικά de Blasio & Menon, 2013; NIEIR, 2009; Krisberg, Guzman & Vuong, 2009) και των βίαιων εγκλημάτων (ενδεικτικά βλ. Campos, Dent, Fly & Reid, 2011; Krisberg, Guzman & Vuong, 2009; Nilsson & Estrada, 2003). Επιπλέον, υπάρχουν ελάχιστες εξαιρέσεις ερευνών που μελετούν άλλα είδη εγκλημάτων, όπως, για παράδειγμα, η έρευνα των Blomberg, Hess & Weerapana (2004) που αξιολόγησε τη σχέση οικονομικών συνθηκών και τρομοκρατίας. Το γεγονός αυτό έχει οδηγήσει σε μια αναλυτική παραμέληση των τρόπων με τους οποίους η οικονομική κρίση και τα επίπεδα και οι μορφές του εγκλήματος μπορεί να συνδέονται, αγνοώντας ταυτόχρονα την παράνομη πολιτική βία και άλλες μορφές εγκλημάτων που φαίνεται να παρουσιάζονται σε περιόδους οικονομικής κρίσης (Xenakis & Cheliotis, 2013, p. 719).
Ένας από τους λόγους που επιλέγονται κατά κύριο λόγο τα εγκλήματα κατά της ιδιοκτησίας και τα βίαια εγκλήματα είναι επειδή, βασιζόμενοι στις κλασσικές εγκληματολογικές θεωρίες, είναι πιο «εύκολο» να γίνει λόγος για τις οικονομικές δυσχέρειες, γενικότερα, και για το αντίκτυπο που μπορεί να έχουν στην «κοινή» εγκληματικότητα. Επιπροσθέτως, τα εγκλήματα αυτά είναι εκτενώς «ορισμένα», και, ως αποτέλεσμα, είναι πιο εύκολο να αναλυθούν καθώς επίσης – σε πρακτικό επίπεδο – αναφέρονται συχνότερα στην αστυνομία κι, έτσι, είναι διαθέσιμος ένας μεγάλος και σχετικά έγκυρος όγκος στατιστικών δεδομένων (UNODC, 2011, p. 10).
Το γεγονός ότι συνήθως «προτιμούνται» ορισμένα είδη εγκλημάτων έχει επιφέρει ως αποτέλεσμα τη χρήση ενός (βλ. Braithwaite, Chapman & Kapuscinski,1992), ή δύο (βλ. Wolff, Cochran & Baumer, 2013) ειδών εγκλήματος, ή μιας κατηγορία εγκλήματος (βλ. Hollis, 2011; NIEIR, 2009; Police Federation of England & Wales, 2009), που στη συνέχεια παρουσιάζονται ως ενδεικτικά μεταξύ της σχέσης της οικονομικής κρίσης και της εγκληματικότητας, γενικότερα. Η χρήση μεμονωμένων ειδών εγκλήματος είναι πιθανό να οδηγήσει σε μεροληψία και σε ψευδώς θετικά ή αρνητικά πορίσματα αναμεταξύ της οικονομικής υγείας μιας χώρας ή περιοχής και της εγκληματικότητας. Για παράδειγμα, εάν οι βανδαλισμοί φαίνονται να είναι ελάχιστοι σε μια γειτονιά με υψηλά ποσοστά ακατοίκητων σπιτιών λόγω κατάσχεσης, αυτό μπορεί να οφείλεται στο γεγονός ότι οι βανδαλισμοί δεν αναφέρονται στην αστυνομία, χωρίς αυτό απαραίτητα να σημαίνει την μείωση των κρουσμάτων αυτών. Ως αποτέλεσμα, είναι σημαντικό να λαμβάνουμε υπόψη μας το γεγονός ότι εάν δυο φαινόμενα διαδραματίζονται την ίδια χρονική περίοδο δεν τα καθιστά απαραίτητα αλληλοεξαρτώμενα.
Από την άλλη, υπάρχει αισθητή απουσία ποσοτικών ερευνών που να εστιάζουν στη σχέση οικονομικής κρίσης, ή ύφεσης, και εγκλημάτων «λευκού περιλαιμίου» και, στις λιγοστές έρευνες αυτές, τα εγκλήματα «λευκού περιλαιμίου» συνήθως απορροφούνται στο σύνολο της εγκληματικότητας και δεν υπόκεινται σε βαθύτερη ανάλυση (βλ. ενδεικτικά Rodriguez & Larrauri, 2012; Cui, 2010). Αυτό είναι ένα θέμα το οποίο αναλογίζονται οι Xenakis & Cheliotis (2009) και όπου, συγκεκριμένα, αναφέρουν πως η έλλειψη ερευνών που να μελετούν τις συνέπειες των οικονομικών δυσχερειών στα εγκλήματα «λευκού περιλαιμίου» μπορεί να οφείλεται στην άποψη ότι αυτά τα εγκλήματα τείνουν να είναι αριθμητικά σπανιότερα, ως καταγεγραμμένα γεγονότα, απ’ ότι είναι τα εγκλήματα κατά της ιδιοκτησίας και τα βίαια εγκλήματα. Δεδομένης, όμως, της σημασίας των ανθρώπινων, οικονομικών και πολιτικών προεκτάσεών τους, όπως και των αντιστοίχως παράλληλων επιπτώσεων μιας οικονομικής κρίσης, είναι προφανές ότι θα έπρεπε να εξετάζονται πιο διεξοδικά.
Ιδανικά, θα έπρεπε να συγκρίνεται η κάθε κατηγορία εγκλήματος ξεχωριστά, αλλά και στο σύνολο των εγκλημάτων, σε σχέση με την κάθε συνέπεια οικονομικής κρίσης σε συγκεκριμένες τοποθεσίες. Με αυτόν τον τρόπο, ίσως να είναι πιο εφικτή η δημιουργία μιας πιο κατατοπιστικής «εικόνας» σχετικά με τη σχέση οικονομικής υγείας και εγκληματικότητας. Είναι προφανές, όμως, ότι για να πραγματοποιηθεί μια τέτοια ανάλυση, απαιτείται και η ανάλογη χρονική και οικονομική δαπάνη, κάτι που, δεν είναι πάντοτε άμεσα διαθέσιμο σε μια ακαδημαϊκή μελέτη.
Μια από τις σημαντικότερες παραμέτρους που επηρεάζει σε μεγάλο βαθμό την ποιότητα της ποσοτικής έρευνας, που έχει ως κεντρικό άξονα τη σχέση οικονομικής δυσχέρειας και οικονομικής κρίσης, είναι η ίδια η μέθοδος ανάλυσης των ποσοτικών δεδομένων. Συγκεκριμένα, αναφέρεται πως οι ποσοτικές μελέτες που διερευνούν τη σχέση μεταξύ των οικονομικών συνθηκών και της εγκληματικότητας, συνήθως διεξάγονται με τη χρήση διατμηματικών (ή συγχρονικών) δεδομένων (cross-sectional data) ή με δεδομένα χρονολογικών σειρών (time-series data) (Box, 1987; Dongil, 2006).
Τα διατμηματικά δεδομένα είναι δεδομένα από μονάδες που παρατηρούνται την ίδια χρονική στιγμή ή στην ίδια χρονική περίοδο. Τα δεδομένα μπορεί να είναι απλές παρατηρήσεις από δειγματοληπτική έρευνα ή συμπεράσματα από όλες τις μονάδες σε έναν πληθυσμό (Biørn, 2013, p. 1). Μολαταύτα, η χρήση διατμηματικών δεδομένων έχει κατακριθεί, καθώς έχει θεωρηθεί ότι «φωτογραφίζει» τα δεδομένα μιας συγκεκριμένης περιόδου (Box, 1987, p. 87) και, για το λόγο αυτό, τα αποτελέσματα δεν μπορούν να συγκριθούν με επιτυχία με άλλες χρονικές περιόδου.
Από την άλλη, τα δεδομένα χρονολογικών σειρών είναι δεδομένα από μια μονάδα ή από μια ομάδα μονάδων που παρατηρούνται σε αρκετές διαδοχικές περιόδους. Μια χρονολογική σειρά είναι μια ακολουθία σημείων δεδομένων, που μετράται συνήθως σε διαδοχικές χρονικές στιγμές που απέχουν κατά ομοιόμορφα διαστήματα χρόνου. Η χρονική διακύμανση των δεδομένων, εάν είναι αρκετά εκτενείς, επιτρέπει στον ερευνητή να εξετάσει τις επιπτώσεις των οικονομικών διακυμάνσεων στην εγκληματικότητα, καθώς και να εξετάσει την υπόθεση της απουσίας των διακυμάνσεων στον παράγοντα της εγκληματικότητας (Fajnzylber, Lederman & Loayza, 2000, p. 236). Ως κριτική των χρονολογικών σειρών, έχει σχολιαστεί (βλ. Levitt, 2001, p. 377) ότι τα δεδομένα χρονολογικών σειρών είναι ένα εξαιρετικά αργό μέσο για την απάντηση εγκληματολογικών ζητημάτων. Επιπροσθέτως, η αναζήτηση της πιθανής αλληλεξάρτησης δυο φαινομένων έχει χαρακτηριστεί ως δύσκολη να εντοπιστεί με τη χρήση χρονολογικών σειρών διότι υπάρχει μικρή πιθανότητα επιτυχούς προσδιορισμού της αιτιώδους, ή μη, σχέσης μεταξύ των μεταβλητών και, ως εκ τούτου, τα αποτελέσματα είναι πιθανό να είναι παραπλανητικά (Levitt, 2001).
Ως απόκριση στα ζητήματα που παρουσιάζονται με τις δυο παραπάνω μεθόδους, ορισμένοι ερευνητές (βλ. ενδεικτικά Arvanites & Defina, 2001; de Blasio & Menon, 2013) χρησιμοποιούν συγκεντρωτικά μοντέλα «πάνελ» (panel data). Τα δεδομένα αυτά αποτελούν ένα σύνολο δεδομένων όπου ένα διαστρωματικό δείγμα απεικονίζεται διαχρονικά. Πρόκειται δηλαδή για έναν συνδυασμό χρονολογικών σειρών και διαστρωματικών δεδομένων που επιτρέπει στον ερευνητή να εκμεταλλευτεί τις χωρικές και χρονικές μεταβολές στις μεταβλητές ενδιαφέροντος.
Οι επιπλέον βαθμοί ελευθερίας που δίδονται, σε σχέση με τα δεδομένα χρονοσειρών ή των διατμηματικών δεδομένων, επιτρέπουν σε πιο ακριβείς εκτιμήσεις, και επιτρέπουν τη χρήση περισσότερων μεταβλητών ελέγχου, ώστε οι ερευνητές να μπορούν να ερμηνεύουν, με μεγαλύτερη ακρίβεια, στατιστικά σημαντικές σχέσεις και να κλείνουν στη διασύνδεση των φαινομένων σε μεγαλύτερο βαθμό ως αιτιώδης σχέσεις και όχι απλές διασυνδέσεις. Η ικανότητα να χρησιμοποιούν και τους δύο τύπους δεδομένων είναι σημαντική, δεδομένου ότι συμβάλλει στην άμβλυνση των πιθανοτήτων αοριστίας και λάθους της πραγματικής σχέσης μεταξύ των οικονομικών κύκλων και του εγκλήματος. Από την άλλη, είναι πιθανό να προκύψουν σφάλματα μεταξύ των χωρικών και χρονικών μονάδων, διότι οι παράμετροι είναι ετερογενείς στα υποσύνολα των μονάδων. Ως αποτέλεσμα, δεδομένου ότι οι διαδικασίες που συνδέουν τις εξαρτώμενες και τις ανεξάρτητες μεταβλητές τείνουν να διαφέρουν μεταξύ των υποομάδων σε μια συγκεκριμένη τοποθεσία ή σε ένα συγκεκριμένο χρονικό διάστημα, είναι πιθανό να προβληθεί κάποια, πιθανώς εσφαλμένη, αιτιώδης ανομοιογένεια ή ομοιογένεια ανάμεσα στις χωρικές και χρονικές παραμέτρους.
Αν και οι παραπάνω μέθοδοι ανάλυσης δεδομένων αποτελούν και τις επικρατέστερες, έχουν χρησιμοποιηθεί, ωστόσο, και άλλες μέθοδοι όπως η μέθοδος συνταιριάσματος παρατηρήσεων με βάση την πιθανότητα[1] (βλ. Wolff, Cochran & Baumer, 2014), η στατιστική τεχνική των «διαφορών στις διαφορές»[2] (βλ. Cui, 2010), και το οικονομικό μοντέλο παλινδρόμησης[3] (βλ. Police Federation of England & Wales, 2010). Αυτές οι μέθοδοι, αν και λιγότερο διαδεδομένες, ίσως να είναι χρήσιμες εναλλακτικές των «κουρασμένων» μεθόδων που προαναφέρθηκαν. Δεν παύουν, όμως, να παρουσιάζουν και αυτές παρόμοια με τις παραπάνω μεθόδους εγγενή προβλήματα.
Ως συμπέρασμα στις παραπάνω αναφερθείσες μεθόδους θα μπορούσαμε να πούμε ότι παρουσιάζουν τρία βασικά επαναλαμβανόμενα μεθοδολογικά κωλύματα. Πρώτον, όταν η οικονομική κρίση και η εγκληματικότητα μετρώνται ταυτόχρονα, κατά την ίδια χρονική περίοδο, η ανάλυση δεν μπορεί να περιγράψει επαρκώς ποια μεταβλητή είναι η αιτία και ποια μεταβλητή είναι το αποτέλεσμα. Δεύτερον, στις περιπτώσεις κατά τις οποίες ανιχνεύεται η αντιστοιχία των δυο φαινομένων, αυτές οι μέθοδοι δεν εξηγούν τους τρόπος προσδιορισμού του εάν εκείνοι που είναι λιγότερο πιθανό να διαπράξουν ένα έγκλημα υπό «φυσιολογικές συνθήκες» είναι επίσης εκείνοι που επιλέγουν να ενεργήσουν κατά αυτόν τον τρόπο όταν αντιμετωπίζουν οικονομικές δυσκολίες. Τρίτον, οι αιτιώδεις διαδικασίες που προβάλλονται από τις «μεγάλες» εγκληματολογικές θεωρίες, εξετάζονται με μεγαλύτερη ακρίβεια όταν αναλογίζεται η συμπεριφορά των ανθρώπων από πριν από την έναρξη οικονομικών δυσχερειών και όχι κατά τη διάρκεια.
Σε απάντηση των παραπάνω προβλημάτων, προτείνεται η χρήση διαχρονικών μελετών (longitudinal studies). Με τη χρήση διαχρονικών μελετών, που θα έδινε την δυνατότητα παρακολούθησης μιας ομάδας ανθρώπων επί σειρά πολλών ετών συλλέγοντας πολλαπλές παρατηρήσεις σχετικά με όλες τις πτυχές της ζωής τους, θα μπορούσαν να αναδειχτούν με μεγαλύτερη ακρίβεια οι παράμετροι με τις οποίες οι οικονομικές δυσχέρειες επηρεάζουν ή δεν επηρεάζουν την εγκληματικότητα των ανθρώπων και θα προσέφεραν ένα τρόπο προβολής της αιτιώδης, ή μη, σύγκλησης των δυο φαινομένων.
Ως επακόλουθο, το μεγαλύτερο πρακτικό εμπόδιο στη χρήση διαχρονικών ερευνών για τη μελέτη που συγκεκριμένου θέματος, είναι ότι μια οικονομική κρίση δεν εμφανίζεται ανά τακτά ή προγραμματισμένα χρονικά διαστήματα ή σε συγκεκριμένες τοποθεσίες κι έτσι, δεν είναι απολύτως βέβαιο ότι η ομάδα η οποία παρακολουθείται θα αντιμετωπίσει, κατά τη διάρκεια της παρακολούθησής της, μια οικονομική κρίση. Από την άλλη, το γεγονός ότι μια τέτοια έρευνα θα επέτρεπε στο να ανιχνεύσουμε με μεγαλύτερη ευκρίνεια τις συνέπειες μιας οικονομικής κρίσης ή ύφεσης στην εγκληματικότητα, και σε άλλες κοινωνικές συνέπειες, δικαιολογεί και τη χρήση του και, για αυτόν τον λόγο, θα μπορούσε να θεωρηθεί ως η πιο επιτυχής μέθοδος, εάν δοθεί και η ανάλογη σημασία όχι μόνο στις ποσοτικές αλλά και στις ποιοτικές παραμέτρους της μεθόδου.
Επιπροσθέτως, η διαχρονική μέθοδος, θα βοηθούσε στο να ξεπεραστεί το πρόβλημα της χρονικής υστέρησης (lag effect) που συνήθως παρουσιάζεται στις έρευνες που εξετάζουν τη σχέση οικονομικής κρίσης και εγκλήματος, οι οποίες διεξάγονται χωρίς να έχει περάσει αρκετός χρόνος μετά την οικονομική κρίσης ή ύφεση ώστε να αναλογιστούν οι μακροοικονομικές συνέπειές της (όπως, ενδεικτικά, συμβαίνει στις έρευνες των Campos, Dent, Fry & Reid, 2010; Cui, 2010; de Blasio & Menon, 2013; 2011; Þórisdóttir, R. & Árnason, 2011; Rodriguez & Larrauri, 2012; UNODC, 2011; Wolff, Cochran & Baumer, 2013) ή που κάνουν προβλέψεις σχετικά με αυτές (βλ. ενδεικτικά NIEIR, 2009; Police Federation of England & Wales, 2009). Αυτό σημαίνει ότι, εάν θεωρήσουμε ότι οι οικονομική ύφεση ή κρίση μιας χώρας έχει αντίκτυπο στην εγκληματικότητά της, οι συνέπειες μπορεί να εμφανιστούν σε μεταγενέστερο στάδιο και όχι αμέσως μετά την εμφάνιση οικονομικών δυσχερειών. Με τη χρήση των διαχρονικών ερευνών, αυξάνεται η δυνατότητα να περιλαμβάνονται επαναλαμβανόμενες παρατηρήσεις των μεταβλητών για μεγάλο χρονικό διάστημα, ακόμη και για δεκαετίες.
Ένα ακόμη πρόβλημα που παρουσιάζεται συχνά στις έρευνες που αναλογίζονται το υπό κρίση ζήτημα είναι η χρήση αποκλειστικά «σκληρών» δεδομένων, για μεγάλες χωρικές εκτάσεις (π.χ. για ολόκληρη τη χώρα) χωρίς γίνεται λόγος για τις πιθανές αιτίες της αύξησης συγκεκριμένων εγκλημάτων σε συγκεκριμένες περιοχές. Αν και, γενικότερα, σε εθνικό επίπεδο υπάρχει κάποια ομοιογένεια μεταξύ των περιοχών, δεν υφίσταται η κάθε περιοχή μιας χώρας να αντιμετωπίζει τα ίδια προβλήματα, κατά τη διάρκεια μιας οικονομικής κρίσης, με μια άλλη.
Έρευνες έχουν δείξει ότι, σε γενικές γραμμές, οι οικονομικές υφέσεις και κρίσεις γίνονται πιο αισθητές στις αστικές περιοχές (Sanogo & Luma, 2010; Ruel, Garrett, Hawkes & Cohen, 2010; Baker, 2008). Αυτό είναι πιθανό να οφείλεται στους καλύτερους μηχανισμούς αντιμετώπισης που μπορεί να έχουν οι επαρχίες (π.χ. αυτάρκεια και παραγωγή γεωργικών και κτηνοτροφικών τροφίμων) καθώς επίσης και λόγω της έντονης εξάρτησης των ανθρώπων που ζουν σε αστικές περιοχές στην κυκλοφορία των μετρητών και σε έναν «καθορισμένο» τρόπο ζωής.
Ως αποτέλεσμα, και ξεκινώντας ακόμη με την υπόθεση ότι η οικονομική κρίση προκαλεί εγκληματικότητα, θα ήταν άτοπο να θεωρήσουμε ότι οι οικονομικές δυσχέρειες θα έχουν το ίδιο αντίκτυπο στην εγκληματικότητα στις αστικές όσο και στις επαρχιακές περιοχές. Επιπροσθέτως, τα συμπεράσματα που προκύπτουν αναφορικά με τη σχέση μεταξύ των εθνικών ποσοστών εγκληματικότητας και των οικονομικών μεταβλητών μπορεί να μην είναι σε θέση να γενικευθούν σχετικά με την οικονομία και την εγκληματικότητα σε όλα τα διαμερίσματα και τις περιοχές μιας χώρας. Στην ουσία, μπορεί να υπάρχει μια σχέση μεταξύ της οικονομίας και εγκληματικότητας σε συγκεκριμένες περιοχές της χώρας, ακόμη και αν η σχέση αυτή δεν είναι ορατή σε εθνικό επίπεδο. Η ανάλυση των δεδομένων σε τοπικό επίπεδο μπορεί να είναι δύσκολη, λόγω της διαφορετικής φύσης των εγκλημάτων σε διάφορες πολιτείες, επαρχίες, πόλεις, γειτονιές, ή ακόμα και στους διάφορους δρόμους, πόσο μάλιστα σε ολόκληρες χώρες. Ωστόσο, η ανάλυση σε μικρότερη κλίμακα ίσως να είναι και πιο χρήσιμη στο να μπορέσουμε να παρατηρήσουμε τις διακυμάνσεις της εγκληματικότητας σε περίοδο κατά τη διάρκεια ή μετά από μια οικονομική κρίση, κάτι που είναι πιο εύκολο να συμβεί σε μια διαχρονική έρευνα.
Παρόμοιο πρόβλημα, καθιστά και η σύγκριση των ποσοστών εγκληματικότητας σε διαφορετικές περιοχές αλλά και σε διαφορετικές περιόδους λόγω της «εννοιολόγησης» της εγκληματικότητας. Οι ορισμοί που δίδονται στις διάφορες μορφές εγκλήματος, καθώς και το τι θεωρείται αξιόποινη πράξη, διαφέρουν ανά περιοχή, αλλά και ανά χρονική περίοδο. Με τον τρόπο αυτό, οι δείκτες που χρησιμοποιούνται στις έρευνες σχετικά με την οικονομική κρίση και την εγκληματικότητα, μπορεί να μην είναι συγκρίσιμοι ούτε ανά περιοχή αλλά ούτε και ανά χρονική περίοδο.
Ως εκ τούτου, όλες οι διαφορετικές παράμετροι στις έννοιες του χρόνου, του χώρου, του εγκλήματος αλλά και της οικονομίας θα πρέπει να λαμβάνονται υπόψη στις έρευνες σχετικά με τις οικονομικές δυσχέρειες και την εγκληματικότητα, και να προσφέρονται επεξηγηματικές συζητήσεις, και όχι μόνο απλές επιδείξεις και αναφορές στατιστικών στοιχείων που «εκθέτουν» τα φαινόμενα που διαδραματίζονται.
ΣΥΜΠΕΡΑΣΜΑΤΙΚΕΣ ΣΚΕΨΕΙΣ
Είναι σημαντικό να λαμβάνουμε υπόψη μας το γεγονός ότι το έγκλημα είναι ένα επεισοδιακό και σποραδικό φαινόμενο και ότι δεν υπάρχει μια μοναδική και ιδιότυπη επίδραση της οικονομίας στην εγκληματική πράξη. Επιπροσθέτως, το θέμα είναι, σαφώς, πιο περίπλοκο από μια απλή αιτιώδης σχέση «δράσης – αντίδρασης». Επομένως, ώστε να μπορέσουμε να κατανοήσουμε τους μηχανισμούς που επηρεάζουν την εγκληματικότητα, είναι απαραίτητο να αναλογιστούμε και να κατανοήσουμε τη χρονική και χωρική έκταση για την οποία συζητάμε και τις «κινητήριες δυνάμεις» που διαδραματίζονται σε τοπικό, εθνικό και παγκόσμιο επίπεδο, και να μην περιοριζόμαστε μόνο σε μεμονωμένες παραμέτρους που μπορεί να παρουσιάζουν κάποια συνάφεια.
Επίσης, φαίνεται «λογική» η υπόθεση ότι θα υπάρχει αύξηση των ποσοστών εγκληματικότητας κατά την περίοδο μιας οικονομικής κρίσης ή ύφεσης, όχι όμως, αποκλειστικά, γιατί οι θεωρητικές ορθολογικές επιλογές ενεργοποιούνται ώστε να εγκληματούν άνθρωποι οι οποίοι υπό άλλες συνθήκες δεν θα εγκληματούσαν αλλά, ίσως και, επειδή «φθείρονται» ή απενεργοποιούνται άλλοι συσχετιζόμενοι μηχανισμοί. Πιο συγκεκριμένα, όταν μια χώρα αντιμετωπίζει οικονομικές δυσκολίες, είναι αναμενόμενο να μην δαπανώνται τα ίδια κονδύλια σε προστατευτικούς μηχανισμούς για την πρόληψη του εγκλήματος, αυξάνοντας έτσι τους κινδύνους θυματοποίησης. Αυτοί οι μηχανισμοί μπορεί να περιλαμβάνουν, ενδεικτικά, τις περιπολίες της αστυνομίας μέχρι και την αδυναμία της Πρόνοιας να προσφέρει κοινωνική και φαρμακευτική αγωγή σε αυτούς που τη χρειάζονται, με όλες τις πιθανές συνέπειες που μπορεί να επιφέρει αυτό.
Για το λόγο αυτό, είναι σημαντικό, οι έρευνες που αφορούν στην οικονομική κρίση και το έγκλημα, να εξετάζονται και ποιοτικά κατά τη διάρκεια και μετά από περιόδους οικονομικής κρίσης ή ύφεσης αντί να ερευνώνται αποκλειστικά τα συμπτώματα μιας κρίσης (π.χ. ανεργία) σε ποσοτικό επίπεδο. Ως αποτέλεσμα, ιδανικά, θα πρέπει να διεξάγονται έρευνες που να συνδυάζουν μια ποικιλία ποσοτικών και ποιοτικών μεθοδολογικών προσεγγίσεων και διαδικασιών, όπως συμβαίνει στην περίπτωση της διαχρονικής μεθόδου, η οποία έχει χαρακτηριστεί και ως η «γέφυρα» ανάμεσα στην ποσοτική και την ποιοτική μέθοδο (Ruspini, 1999).
Στην πραγματικότητα, το κατά πόσο και με ποιόν ακριβώς τρόπο οι οικονομικές δυσχέρειες, ιδιαίτερα κατά την περίοδο μιας οικονομικής κρίσης, επηρεάζουν την εγκληματικότητα παραμένει ένα αναπάντητο ερώτημα. Αν και, λόγω της συνήθης έλλειψης κονδυλίων και χρόνου για την εκπόνηση ακαδημαϊκών μελετών, γίνεται λόγος ειδυλλιακών καταστάσεων, πιθανώς με μια διεξοδική και ολοκληρωμένη έρευνα, που να κάνει χρήση όλων των «καλών» μεθοδολογικών πρακτικών, να απαντηθεί το ερώτημα του εάν, και με ποιους τρόπους, οι οικονομικές δυσχέρειες σε επίπεδο οικονομικής κρίσης ή ύφεσης μπορούν να επηρεάσουν την εγκληματικότητα.
ΒΙΒΛΙΟΓΡΑΦΙΑ
Agnew, R. (2001). Building on the foundation of general strain theory: Specifying the types of strain most likely to lead to crime and delinquency [Electronic version]. Journal of research in crime and delinquency, 38(4), pp. 319-361.
Arvanites, T. M. & Defina, R. H. (2006). Business cycles and street crime [Electronic version]. Criminology, 44(1), pp. 139 – 165.
Baker, J. L. (2008). Impacts of financial, food, and fuel crisis on the urban poor. The World Bank, Urban Development Unit. Retrieved 20 December 2014, from https://openknowledge.worldbank.org/bitstream/ handle/10986/ 10263/475250BRI0GLB01ections020Box334118B.pdf?sequence=1
Becker, G. S. (1974). Crime and Punishment: An Economic Approach. In: G. S. Becker & W. M. Landes (Eds.) Essays in the economics of crime and punishment. National Bureau of Economic Research.
Biørn, E. (2013). On models and data types in econometrics. Introductory econometrics: Lecture note no. 1. Retrieved 20 June, 2014 from http://www.uio.no/studier/emner/sv/oekonomi/ECON4150/v13/undervisningsmateriale/econ3150_v12_note01.pdf
Box, S. (1987). Recession, crime and punishment. London: Macmillan Education ltd.
Blomberg, S. B., Hess, G. D. & Weerapana, A. (2004). Economic conditions and terrorism [Electronic version]. European journal of political economy, 20 (2), pp. 463 – 478.
Braithwaite, J., Chapman, B. & Kapuscinski, C. A. (1992). Unemployment and crime: resolving the paradox. Australian national university. Retrieved 09 May, 2014 from http://crg.aic.gov.au/reports/50-89.pdf.
Campos, C., Dent, A., Fry R. & Reid, A. (2011). Impact of the recession. Regional trends, 43 (10-11). London: Office for national statistics
Cornish, D., & Clarke, R. (1987). Understanding crime displacement: An application of rational choice theory [Electronic version]. Criminology, 25(4), pp. 933–947.
Cui, L. (2010). Foreclosure, vacancy and crime. Working Paper, Department of Economics, University of Pittsburgh. Retrieved 20 October, 2014 from http://www.ewi-ssl.pitt.edu/econ/files/faculty/wp/linforeclosure,%20 vacancy% 20and %20crime.pdf
De Blasio, G. & Menon, C. (2013). Down and out in Italian towns: Measuring the impact of economic downturns on crime. Bank of Italy (Working paper No. 924).
Dehejia, R. H. & Wahba, S. (2002). Propensity score-matching methods for nonexperimental causal studies. The Review of Economics and Statistics, 84(1), pp. 151–161.
Dongil, K. (2006). The effect of economic conditions on crimes [Electronic version]. Development and society, 35(2), pp. 241-250.
Fajnzylber, P., Lederman, D. & Loayza, N. (2000). Crime and victimization: An economic perspective [Electronic version]. Economia, 1(1), pp. 219 – 278.
Hollis, C. M. (2011). Identifying the effect of unemployment on property crimes: Analysing the impact of the 2007/2008. Thesis submitted at Georgetown University. Retrieved 20 August, 2014 from https:// repository.l ibrary.georgetown.edu/bitstream/handle/10822/553773/hollisChristiana. pdf?sequence=1
Krisberg, B., Guzman, C., Vuong, L. (2009). Crime and economic hard times. National council on crime and delinquency. Retrieved, 10 May, 2014 from http://www.shoplifter.co/Crime_Economy.pdf
Lechner, M. (2011). The Estimation of Causal Effects by Difference-in-Difference Methods. Foundation and trends in econometrics, 4(3), pp. 165-224.
Levitt, S. D. (2001). Alternative strategies for identifying the link between unemployment and crime. Journal of Quantitative Criminology 17(4), pp. 377–390.
Merton, R., K. (1938). Social structure and anomie [Electronic version]. American sociological review, 3(5), pp. 672-682.
National Institute of Economic and Industry Research (NIEIR) (2009). The global financial crisis: Projections of property crime rates. A report for Victorian police association. Retrieved 20 May, 2014
Nilsson, A. & Estrada, F. (2003). Victimization, inequality and welfare during an economic recession: A study of self-reported victimization in Swede 1988-99 [Electronic version]. British journal of criminology, 43(4), pp. 655-672.
Police Federation of England and Wales (2009). Crime and the Economy: Research Conducted by the Police Federation of England and Wales. Retrieved 23 August, 2014 from http://www.polfed.org/crime_and_the_economy_paper_(2)
Þórisdóttir, R. & Árnason, S., O. (2011). Crime in Iceland (before) and after the banking crisis. In: H. Gunnlaugsson (Ed.) When the unforeseen is seen. Reykjavik: Scandinavian research council for criminology workshop.
Rodriguez, J. & Larrauri, E. (2012). Economic crisis, crime and prison in Spain [Electronic version]. Newsletter of the European Society of Criminology: Criminology in Europe, 11(2), pp. 10 – 13.
Ruel, M. T., Garrett, J. L., Hawkes C. & Cohen M. J. (2010). The food, fuel, and financial crises affect the urban and rural poor disproportionately: a review of the evidence [Electronic version]. The journal of nutrition, 140(1), pp. 170 – 176.
Ruspini, E. (1999). Longitudinal Research and the Analysis of Social Change. In E. Ruspini, (Ed.) Longitudinal Analysis: A Bridge between Quantitative and Qualitative Social Research, Special Issue of Quality and Quantity, 33(3).
Sanogo, I. & Luma, J. K. (2010). Assessments of the impacts of global economic crises on household food security: innovative approaches, lessons and challenges. In S. W. Omamo, U. Gentilini & S. Sandström (Eds.): Revolution: From Food Aid to Food Assistance — Activities and Platforms, chapter 16, pp. 259-273, Rome: World Food Programme.
Sykes, A. (1992). An introduction to regression analysis. 1992 Coase lecture, University of Chicago. Retrieved 13 November, 2014 from http://www. law.uchicago.edu/files/files/20.Sykes_.Regression.pdf
United Nations Office on Drugs and Crime (UNODC) (2011). Monitoring the impact of economic crisis on crime [Electronic version]. Vienna: Global Pulse
Wolff, K. C., Cochran, J. C. & Baumer, E. P. (2014). Reevaluating foreclosure effects on crime during the “Great Recession” [Electronic version]. Journal of contemporary criminal justice, 30(1), pp. 41-69.
Xenakis, S. & Cheliotis, L. (2013). Crime and economic downturn: The complexity of crime and crime politics in Greece since 2009 [Electronic version]. British Journal of Criminology, 53, pp. 719-745.
* Εγκληματολόγος.
1.Μέθοδος συνταιριάσματος παρατηρήσεων με βάση την πιθανότητα (Propensity score matching): στατιστική τεχνική αντιστοίχισης που επιχειρεί να εκτιμήσει την επίδραση της θεραπείας (ερεθίσματος), πολιτικής ή άλλης παρέμβασης μέσω της λογιστικοποίησης των συνμεταβλητών που προβλέπουν τη λήψη της θεραπείας (Dehejia & Wahba, 2002).
- Στατιστική τεχνική των «διαφορών στις διαφορές» (difference-in-difference research design): τεχνική που χρησιμοποιείται στην οικονομετρία και στην ποσοτική κοινωνιολογία, η οποία «μιμείται» ένα πειραματικό ερευνητικό σχέδιο χρησιμοποιώντας δεδομένα παρατήρησης (Lechner, 2011, p. 167).
- Οικονομικό μοντέλο παλινδρόμησης (economic regression model): στατιστικό εργαλείο για τη διερεύνηση των σχέσεων μεταξύ μεταβλητών (Sykes, 1992).