منابع پایان نامه با موضوع انحراف معیار، آماره موران، توزیع فضایی، آزمون فرضیه

دانلود پایان نامه ارشد

مي شد، اما با گسترش پايگاه داده ها و افزايش جرايم، به تكنيك هاي جديدتري براي تحليل الگوهاي فضايي آنها نياز بود. امروزه براي تحقق اين امر از روش هاي مختلفي استفاده مي شود؛ از جمله اين تكنيك‏ها، تحليل اكتشافي داده هاي فضايي است كه براي دانشمندان علوم اجتماعي مجموعه‏اي از ابزارها را براي تمايز بين الگوهاي فضايي تصادفي و غير تصادفي90 نقاط وقوع جرم فراهم مي‏كند (برتاو و همکاران، 1392: 1).
براي شناسايي الگوهاي مكاني بزه کاری از مدل‌های آماري و گرافيك مبنا در محيط سامانه اطلاعات(GIS) استفاده شده است. مهمترين آزمونهاي مورد استفاده در این پژوهش عبارتند از: آزمون مركز متوسط1، فاصله از انحراف معيار2 ، بيضي انحراف معيار3 شاخص نزديكترين همسايه4 و روش تخمين تراكم كرنل 5.

مدلهای تعیین نقاط کانونی جرم
مدل معکوس وزن فاصله (IDW)91
برآورد چگالی هسته92
تصویرگر مکانی93
مدل تعیین موقعیت‏های آسیب پذیر امنیتی- اجتماعی شهری
در پژوهش حاضر براي شناسایی الگوي بزهکاري سرقت در شهر کرمانشاه از روش هاي آماري و گرافیکی استفاده خواهد شد، از جمله آزمون هاي آماري (ساده و جامع) براي تحلیل مکان های جرم‏خیز که به تحلیل گر کمک کند تا الگوهاي عمومی بزهکاري را درك نماید که عبارتند از:
– مرکز متوسط؛
– فاصله از انحراف معیار؛
– بیضی انحراف معیار؛
– آزمون هاي دسته بندي و خوشه بندی
– شاخص نزدیک ترین همسایگی
– آزمون تراکم کرنل
– تحلیل شبکه
– ضرایب همبستگی
– تحلیل‏های آماری و رگرسیون فضایی
از بین روش هاي آماري اولیه، سه روش مرکز متوسط، بیضی انحراف معیار و آزمون خوشه بندي (شاخص نزدیکترین همسایه) براي توصیف الگوها و خصوصیات فضایی کلی بزهکاري سرقت مورد استفاده قرار خواهد گرفت. این روش ها به عنوان آمارهاي رتبه اول شناخته می شوند و امکان بهتري براي تشخیص توزیع کلی جرایم فراهم می کند. پس از شناسایی الگوهاي کلی بزهکاري، براي ترسیم نقشه هاي بزهکاري از روش درون یابی و هموار سازي سطح پیوسته استفاده شد که از میان روش هاي درون یابی، روش تخمین تراکم کرنل مورد استفاده قرار خواهد گرفت.
در ابتدا، به منظور ایجاد مدلی برای شناسایی عوامل موثر بر مکان‌یابی کلانتری‌های پلیس، پس از مطالعات کتابخانه‌ای و مصاحبه با خبرگان انتظامی استان کرمانشاه از روش آزمون فرضیه فازی استفاده شد و در نهایت از روش FAHP و تحلیل ویکور (Vicor) و روشهای تصمیم گیری چند معیاره (MCDM) برای مکانیابی مراکز انتظامی در شهر کرمانشاه مورد استفاده قرار داده شده است.

3-4-2- روشهای شناسایی و تعیین کانونهای جرم خیز
براي شناسایی و تعیین کانونهای جرم خیز روشها و فنون مختلفی به کار گرفته میشود از جمله روشهای رایج استفاده از فنون آماري، ترسیم نقشههای نقطهای، نقشههای تراکمی، نقشههای شنیداری و … میباشد. که هر یک با توجه به نوع و هدف مطالعه و اطلاعات مورد استفاده به کار گرفته میشود. آنچه اهمیت دارد این که در تعیین محدودههای جرم خیز آستانه یا مرز قطعی وجود ندارد و بین اندیشمندان و صاحبنظران نیز توافق بر سر تعریف این محدودهها وجود ندارد. به عنوان مثال نمیتوان به طور مشخص و دقیق اظهار داشت: یک محدوده بایستی از حداقل چه میزان جرم برخوردار باشد تا مکانی جرم خیز تلقی شود. بدیهی است عواملی چون اندازه، ناحیه، میزان تمرکز و تراکم و تکرار بزه در طول زمان میتواند در این تشخیص مؤثر باشد و در بیشتر موارد محدودههای جرم خیز با روش مشاهده و درك بصری تعیین میگردد. یکی از دلایلی که تشخیص حدود و ثغور کانونهای جرم خیز را دشوار میسازد اینکه تحقیقات نشان میدهد مرز این محدودهها در طول زمان تغییر مییابد و نه تنها اندازه محدودههای جرم خیز کوچک یا بزرگ میگردد. بلکه این احتمال وجود دارد یک کانون جرم خیز در طول زمان از بین رفته یا جابجا شده و به محدودههای دیگری از شهر منتقل گردد. و به دیگر سخن تغییر و دگرگونی در شرایط مکانی، اجتماعی، فرهنگی و جمعیتی یک شهر باعث میشود تعداد کانونهای جرم خیز یک شهر در طول زمان کم یا زیاد شده و یا اینکه موقعیت مکانی این محدودهها تغییر کند یا اندازه و وسعت آنها کوچکتر یا بزرگتر گردد. علی رغم تمامی محدودیتهای فوق و نبود توافق بر سر تعریف یا حد و مرز محدودههای جرم خیز «کیت هریس» در کتاب خود سه معیار برای تشخیص و تعیین حدود نقاط جرم بیان داشته است وی فراوانی بزه، کوچک بودن محدوده محل وقوع جرایم و محدودیت زمانی براي تکرار بزه را از جمله معیارهای تعیین محدوده جرم خیز ذکر نموده است. گفتنی است بین دانشمندان بر سر تعداد و فراوانی بزه در مکانهای جرم خیز وحدت نظر وجود دارد. لیکن بر سر وسعت و حدود جغرافیایی و محدوده زمانی اختلاف نظر دیده میشود به گونهای که برخی محدوده جرم خیز را یک ساختمان یا یک مجتمع مسکونی و برخی وسعت آن را یک مایل مربع یا یک محله یا یک ناحیه دانستهاند. در تعریف دوره زمانی نیز از یک هفته تا یک سال اختلاف نظر دیده میشود (توکلی، 1384: 69).
3-4-2-1- آزمونهای آماری یکپارچه اولیه
برخی آزمونهای ساده و جامع آماری که میتواند به تحلیلگر کمک کند تا الگوهای عمومی بزهکاری را درك نماید در اینجا ارائه شده است. این آزمونها عبارتند:
– مرکز متوسط
نقطۀ مرکز متوسط را میتوان به عنوان معیاری تقریبی برای مقایسۀ توزیع فضایی انواع گوناگون جرم یا برای بررسی وقوع یک نوع جرم خاص در دورههای زمانی مختلف به کار گرفت. اندازهگیری جابجایی فضایی یک نوع جرم خاص از این جمله است.
– بیضی انحراف معیار
سطوح پراکندگی را میتوان به وسیلۀ بیضی انحراف معیار نیز نشان داد. اندازه و شکل بیضی، میزان پراکندگی را معین میکند و امتداد آن جهت حرکت رفتارهای مجرمانه را نشان میدهد.
آزمون خوشهبندی
چهارمین و مفیدترین آزمون آماری جامع مقدماتی، آزمون خوشهبندی است. تحلیلگران جرم اغلب فرض میکنند توزیع جرم شکلی خوشهای و گرد آمده دارد، چه این خوشهها وجود داشته باشد چه وجود نداشته باشد، تعدادی از این خوشهها در توزیعهای تصادفی بزهکاری قابل مشاهده است. آزمون خوشهبندي، اولین گام براي شناسایی کانون جرمخیز است. چند روش برای آزمون خوشهبندی در توزیع بزهکاری قابل استفاده است. اکثر این روشها در بر گیرنده اصل اولیۀ آزمون فرضیه و آمار کلاسیک است. که در آن فرض میشود توزیع بزهکاری از نظر فضایی کاملاً تصادفی است (CSR). در نظر گرفتن فرض توزیع فضایی کاملاً تصادفی جرایم به عنوان فرضیه صفر، میتوان توزیع جرایم را با سطح معناداری فرضیه صفر مقایسه نمود تا اعتبار آن قبول یا رد شود.“شاخص نزدیکترین همسایه”و آزمون “خود همبستگی فضایی” از جمله آزمونهای خوشهبندی است.
– شاخص نزدیکترین همسایه (NNI)94
شاخص نزدیکترین همسایه روشی ساده و سریع برای آزمودن گرد آمدگی و تجمع بزهکاری در یک محدوده جغرافیایی است. در آزمون شاخص نزدیکترین همسایه، توزیع واقعی دادههای جرم با گروهی از دادهها به همان تعداد نمونه و با توزیع بیقاعده مقایسه میشود. این روش را هنگامی میتوان به کار گرفت که کاربر به دادههایی دسترسی دارد که هر نقطه به یک جرم منفرد مربوط است (بدون توجه به این که بعضی از این جرایم در نقشه، دقیقاً در یک نقطه و بر روی هم قرار میگیرند). مراحل آزمون شاخص نزدیکترین همسایه شامل محاسبه فاصله هر نقطه جرم، تا نزدیکترین نقطۀ بزه مجاور، محاسبه جمع فاصله نزدیکترین نقاط مجرمانه مجاور و تقسیم حاصل جمع بر تعداد نقاط مجرمانه است. این مقدار، متوسط فاصله از نزدیکترین همسایۀ واقعی است؛ شرح سایر مراحل در این مجال نمیگنجد.
اگر نتیجۀ آزمون شاخص نزدیکترین همسایه برابر یک باشد، دادههای بزهکاری به صورت تصادفی توزیع شدهاند. اگر نتیجۀ کوچکتر از یک باشد، بیانگر خوشهای بودن دادههای مجرمانه است و اگر شاخص نزدیکترین همسایه بزرگتر از یک باشد، نشان دهنده الگوی توزیع یکنواخت دادههای مجرمانه است. همچنین این تحلیل نشان میدهد، تفاوتهایی میان نتایج آزمون شاخص نزدیکترین همسایه براساس سطح کوچکتری مستطیل احاطه کننده و سطح واقعی ناحیهی تحت پوشش نقاط جرم، وجود دارد. هنگامی که ناحیهی تحت پوشش واقعی، معین است یا به راحتی میتوان آن را تعیین نمود، باید از آن در محاسبهی شاخص نزدیکترین همسایه استفاده کرد. اگر حدود ناحیه معین نباشد، اغلب از کوچکترین مستطیل احاطه کننده اطراف محدوده توزیع جرایم براي تعیین محدوده تحت پوشش دادههای جرم استفاده میشود.
آزمون شاخص نزدیکترین همسایه با روش غلاف گوژ احاطه کننده و ناحیهی تحت پوشش واقعی نتایج یکسانی را نشان میدهد، یعنی این آزمونها به درستی توزیع با قاعده دادهها را توصیف میکند. نتیجهی کوچکترین مستطیل احاطه کننده، نشان از توزیع تصادفی براي همین دسته از دادهها دارد. هنگامی که ناحیهی تحت پوشش واقعی مشخص نیست، یک غلاف گوژ که حدود توزیع نقاط را در بر میگیرد، نسبت به کوچکترین مستطیل احاطه کننده نتایج دقیقتری از احتمال وجود توزیع خوشهای به دست میدهد.
آماره آزمون نمره Z را میتوان برای اطمینان از صحت آزمون شاخص نزدیکترین همسایه به کار گرفت. این آزمون در مفهوم آماري معین میکند متوسط فاصله از نزدیکترین همسایهی واقعی نسبت به متوسط فاصله از نزدیکترین همسایهی تصادفی چه مقدار تفاوت دارد. مفهوم آزمون نمره Z را میتوان در هر جدول انحراف معیار نرمالی یافت. قاعده عمومی این است که هر چه نمره Z عدد منفی بزرگتری باشد، بیشتر میتوان به درستی نتیجهی آزمون شاخص نزدیکترین همسایه اطمینان کرد. باید به خاطر داشت نمره Z در نمونههایی با تعداد کمتر نسبت به نمونههایی با تعداد بیشتر نقاط جرم، کمتر خواهد بود.
– آزمون خود همبستگی فضایی
روشهای آزمون خود همبستگی فضایی ارتباط میان توزیعهای نقطهای جرایم را با یکدیگر بررسی میکند. آزمون خود همبستگی فضایی هنگامی مثبت است که وقایع نقطهای به صورت خوشهای قرار گرفتهاند و یا وقایعی که نزدیک یکدیگر قرار دارند در مقایسه با آنهایی که در فاصلهی دورتری از هم قرار گرفتهاند، مقدار مشابهی دارند. از جمله آزمونهای خود همبستگی فضایی، روش کاربردی و متداول موران I است. که برای اثبات خوشهای بودن جرایم مورد استفاده قرار میگیرد. روشهای خود همبستگی فضایی به مقدار شدت نیاز دارد. مقدار شدت، وزن جرم تعداد جرایمی است که به نقطهای از مختصات ناحیهای که جرایم در آن تجمع یافته است، نسبت داده میشود. (براي مثال، مرکز ثقل ناحیه). روشهای تحلیل خود همبستگی فضایی عبارتند از:
آماره موران I
اگر تنها دادههای نقطهای جرم به شکل شمارش کل دادهها در دسترس باشد (اعدادی که نشانگر تعداد جرم در محدوده جغرافیایی معینی مانند واحد سرشماری است)، روش صحیح و مناسب براي آزمودن خوشهای بودن توزیع، روش آزمون خود همبستگی فضایی موران I است. آماره موران I ارزش هر مکان را با ارزش تمام مکانهای دیگر مقایسه میکند. روش موران I به ارزش شدت برای نقاط جرم نیاز دارد که اغلب به عنوان مرکز ثقل یک محدوده جغرافیایی در نظر گرفته میشوند و در نتیجه ارزش شدت (مقدار شدت) به این نقطه نسبت داده میشود. در تحلیلهای بزهکاری، این مقدار اغلب تعداد جرم شمارش شده درون یک محدوده جغرافیایی است. نتایج در روش موران I بین 1- و 1+ متغیر است. وقتی نقاطی که در نزدیکی یکدیگر قرار گرفتهاند مقادیر مشابهی دارند، نتیجهی آماره موران I بزرگ میشود. معنادار بودن نتایج این آزمون را میتوان به وسیلۀ یک توزیع فرضی (توزیع نرمال) مورد آزمایش قرار داد. به این صورت که آن را بر انحراف معیار فرضی تقسیم میشود.
ضریب موران از 1- تا 1+ مرتب می شود. مقدار بالای آن بیانگر الگوی كاملا تك قطبي و خوشه ای pattern) (Clustered مقدار صفر به معنای الگوی چند قطبي یا تصادفی (Radnom pattern) و مقدار 1- نشانگر الگوی پراکنده یا شطرنجی (Dispersed pattern) است و هر چه اين ضريب مقدار بالاتري داشته باشد بيانگر تجمع زياد و هرچه مقدار پايين تري داشته باشد ، بيانگر پراكنش جرایم شهری بيشتر است.
انواع خودهمبستگی فضایی

Lee and Wong, 2005: 151
شاخص موران به شرح زیر است (فرمول 1)
(1)

Xi ضریب

پایان نامه
Previous Entries منابع پایان نامه با موضوع مکانیابی، توزیع فضایی، استان کرمانشاه، ساختار شهر Next Entries منابع پایان نامه با موضوع تسهیلات عمومی، توزیع فضایی، سطح شهری، ارتکاب جرم