Kaaskiri

TARTU ÜLIKOOL

Majandusteaduskond

Kärolin Lamend, Annika Tilga, Kertu Vokk

ISIKUVASTASEID KURITEGUSID SELGITAVATE TEGURITE ANALÜÜS

EESTI MAAKONDADE NÄITEL

Ökonomeetriline projekt

Juhendaja: professor Tiiu Paas, lektor Liis Roosaar

Tartu 2024

SISUKORD

SISSEJUHATUS..............................................................................................................................3 1. PROBLEEMI TUTVUSTUS...................................................................................................... 5

1.1. Isikuvastaste kuritegude definitsioon..................................................................................5 1.2. Muutujate valikute tagapõhi............................................................................................... 5 1.3. Püstitatud hüpoteesid.......................................................................................................... 7 1.4. Ökonomeetriline mudel...................................................................................................... 9

2. ANDMED.................................................................................................................................. 11 2.1. Võimalikud probleemid andmetega.................................................................................. 11 2.2. Mudeli kuju....................................................................................................................... 11 2.3. Andmete esmane analüüs..................................................................................................12 2.4. Korrelatsioonanalüüs........................................................................................................ 20

3. REGRESSIOONANALÜÜS................................................................................................................... 23 3.1. Esialgse regressioonimudeli hindamine............................................................................23 3.2. Parandatud regressioonimudeli hindamine....................................................................... 23 3.3. Lõpliku regressioonimudeli hindamine............................................................................ 24

4. MUDELI SISULISED TÕLGENDUSED.................................................................................26 KOKKUVÕTE........................................................................................................................ 28

VIIDATUD ALLIKAD..................................................................................................................30 LISAD............................................................................................................................................32

Lisa 1. Algandmed................................................................................................................... 32 Lisa 2. Graafilised seosed muutujate vahel..............................................................................35 Lisa 3. Korrelatsioonanalüüs................................................................................................... 36 Lisa 4. Esialgne regressioonanalüüs........................................................................................ 37 Lisa 5. Parandatud mudeli regressioonanalüüs........................................................................38 Lisa 6. Lõplik regressioonanalüüs........................................................................................... 38 Lisa 7. Heteroskedastiivsus......................................................................................................39 Lisa 8. Multikollineaarsus........................................................................................................39 Lisa 9. Jääkliikmete normaaljaotus..........................................................................................39 Lisa 10. Erindite olemasolu kontroll........................................................................................40

2

SISSEJUHATUS Isikuvastast kuritegevust mõjutavate erinevate majanduslike ja sotsiaaldemograafiliste tegurite

tuvastamine on oluline, et hinnata, millised tegurid võivad mõjutada isikuvastaste kuritegude

arvu kasvu või langust. Kuritegevus toob kaasa ulatuslikke tagajärgi nii kannatavatele

üksikisikutele kui ka ümbritsevale kogukonnale üldisemalt. Ulatuslik kuritegevus mõjutab

negatiivselt majandustegevuse efektiivsust ja piirkonna investeeringute atraktiivsust. Kuritegudes

kannantanutel võivad tekkida pikaajalised füüsilised ja vaimseid terviseprobleemid, mis

koormavad tervishoiusüsteemi. Samuti peab suunama rohkem ressursse, mida võiks kasutada

hariduse, infrastruktuuri ja sotsiaalteenuste parandamiseks, hoopis selliste meetmete

rakendamiseks, mis tagaksid ühiskonnaliikmete turvalisuse. Ressursside selline jaotus pärsib

piirkondade arengut ja elanike heaolu. (Macwan, 2023)

Käesoleva ökonomeetrilise projekti eesmärgiks on uurida, millises seoses on isikuvastaste

kuritegude arv 10 000 elaniku kohta Eesti maakondades1 tööhõive määra, kõrgharitud või

keskerihariduse keskhariduse baasil osakaalu, politseinike arvuga 10 000 elaniku kohta2, kuu

keskmise netosissetulekuga leibkonnaliikme kohta ja rahvastiku tiheduse näitajatega. Uuringus

vaadeldakse aastaid 2012, 2015, 2018 ja 2021.

Uurimisküsimused sõnastasime järgnevalt:

1) Millised tegurid on seotud isikuvastaste kuritegude arvuga Eesti maakondade lõikes?

2) Kuidas on antud tegurid seotud isikuvastaste kuritegude arvuga Eesti maakondade lõikes?

Lisaks oli töö autoritel eesmärk leida vastused järgnevatele küsimustele:

1) Kas suurem tööhõive määr on seotud väiksema isikuvastaste kuritegude arvuga Eesti

maakondade lõikes?

2) Kas suurem keskmine netosissetulek kuus leibkonnaliikme kohta on seotud väiksema

isikuvastaste kuritegude arvuga Eesti maakondade lõikes?

3) Kas suurem asustustihedus on seotud suurema isikuvastaste kuritegude arvuga Eesti

maakondade lõikes?

2 Politseinike arv 10 000 elaniku kohta Eesti maakondades on töös edaspidi politseinike arv. 1 Isikuvastaste kuritegude arv 10 000 elaniku kohta Eesti maakondades on töös edaspidi isikuvastaste kuritegude arv.

3

4) Kas suurem kõrghariduse või keskerihariduse keskhariduse baasil osakaal on seotud

väiksema isikuvastaste kuritegude arvuga Eesti maakondade lõikes?

5) Kas suurem politseinike arv maakonnas on seotud väiksema isikuvastaste kuritegude

arvuga Eesti maakondade lõikes?

Autorid jagasid töö nelja peatükki. Esimene peatükk käsitleb uurimistöö teoreetilist tausta ning

loob aluse edasisele analüüsile. Teine peatükk annab ülevaate kasutatavatest andmetest ja

koostatud ökonoomeetrilisest mudelist. Ühtlasi on sealt leitav ka andmete esmane analüüs ja

selle tulemused. Kolmandast peatükist on leitav regressioonanalüüs ning viimane ehk neljas

peatükk keskendub saadud tulemuste sisulisele tõlgendamisele. Kokkuvõttes on välja toodud

ettepanekud edasiseks uurimiseks. Töö lisades on välja toodud kasutatud tabelid ja graafikud.

4

1. PROBLEEMI TUTVUSTUS 1.1. Isikuvastaste kuritegude definitsioon

Kuritegu on karistusseadustikus §3 all sätestatud kui süütegu, mille eest on füüsilisele isikule

põhikaristusena ette nähtud rahaline karistus või vangistus ja juriidilisele isikule rahaline karistus

või sundlõpetamine. Isikuvastased kuriteod hõlmavad tegusid, mis on suunatud inimese elu,

tervise ja vabaduse vastu. Lühidalt kuuluvad sinna alla:

1. eluvastased kuriteod: tapmine, mõrv, provotseeritud tapmine, lapse tapmine,

surma põhjustamine ettevaatamatusest;

2. tervisevastased kuriteod: raske tervisekahjustuse tekitamine, kehaline

väärkohtlemine, ähvardamine, piinamine;

3. vabadusevastased süüteod: orjastamine, pantvangi võtmine, vabaduse võtmine

seadusliku aluseta;

4. seksuaalse enesemääramise vastased süüteod: vägistamine, suguühtele sundimine,

suguühe lapseealisega.

Neid kuritegusid iseloomustab otsene rünnak inimese elu, tervise, psüühika või vabaduse vastu.

(Karistusseadustik, 2024)

1.2. Muutujate valikute tagapõhi

Kõrghariduse suurem osakaal elanikkonnas on sageli seotud madalama üldise kuritegevuse

tasemega, kuna haridus parandab inimeste võimalusi tööturul ja suurendab seega ka võimalikke

sissetulekuid. Kui inimesel on suurem potentsiaal teenida raha seaduslikul viisil, tundub

kuritegude toimepanemine vähem atraktiivsem. Vahelejäämise korral ei kaotaks inimene mitte

ainult vabadust, vaid ka võimaluse edendada oma karjääri ning teenida ausa tööga stabiilset

sissetulekut. Lisaks võib vangistusaeg takistada tulevasi töövõimalusi, sest karistusregistrisse

sattumine vähendab usaldust tööandjate silmis. (Lochner & Moretti, 2004) Haridus võib

suurendada ka kannatlilkkust ja riskikartlikkust (Machin et al., 2010). Sellest tulenevalt

otsustasime ökonomeetrilisse mudelisse lisada leibkonnaliikme keskmise netosissetuleku kuus

ning kõrghariduse või keskerihariduse keshariduse baasil osakaalu.

5

Kuritegevuse taset võib mõjutada ka asustustihedus. Väiksema tihedusasutusega aladel on

inimestel väiksem anonüümsus, mis suurendab tõenäosust vahele jääda ehk madalamad

kuritegevuse määrad võivad olla seotud tugevama kogukonna sidususe ja koostööga, mis aitab

ennetada kuritegelikku käitumist ning toetab sotsiaalsete normide järgimist. Tihedamalt asustatud

piirkondades on indiviididel suurem tõenäosus sattuda ka kurjategijate tutvusringkondadesse.

(Raus & Timmusk, 2005) Seda, et suurem asustustihedus on seotud suurema kuritegevusega

toetab ka Durkheimi anoomiateooria, mille kohaselt võivad ühiskonna normid ja väärtused

muutuda, kui kogukondades esineb liiga suur individuaalne vabadus ja madal sotsiaalne sidusus

(Marks, 1974).

Töötuse määra ja kuritegevuse vahelist seost on palju uuritud. Seejuures on leitud, et selle seos

varavastaste kuritegudega on oluliselt suurem kui vägivaldsete kuritegude puhul (Lin, 2008;

Raphael & Winter‐Ebmer, 2001). Siiski on mõnes uurimuses tuvastatud ka töötuse määra ja

isikuvastase kuritegevuse vaheline seos (Lundqvist, 2018; Nordin & Almén, 2011). Töötus võib

tekitada frustratsiooni, mis viib sageli enesehinnangu languseni. Rahulolematus ja madal

enesehinnang suurendavad omakorda agressiivse käitumise tõenäosust. (Fischer et al., 2008)

Pikaajaline töötus ja ka sotsiaaltoetuse saamine võivad tekitada inimeses võõrandumise tunde ja

seeläbi suurendada irratsionaalset ja vägivaldset käitumist (Nordin & Almén, 2011). Suurem

tööhõive võib aga vähendada kõiki kuritegude liike, sest inimestel on lihtsalt vähem aega nende

sooritamiseks (Lundqvist, 2018). Tuginedes eeltoodud uurimustele lisasime töös kasutatavasse

mudelisse tööhõive määra. Töötuse määra kasutamine polnud võimalik, sest maakondlike

andmete kättesaadavus oli mõnel juhul puudulik. Tööhõive määr kajastab seda, kui suur osa

tööealisest elanikkonnast on tööga hõivatud (Statistikaameti kodulehekülg, s.a.), andes seeläbi

kaudselt teavet ka töötuse kohta. Kuna eelnevad uuringud on tuvastanud, et suurem töötuse määr

on seotud kõrgema vägivaldsete kuritegude arvuga, siis kõrgem tööhõive määr võib viidata

väiksemale kuritegevuse tasemele.

Varasemad uuringud on näidanud, et politseinike arvu suurenemine on tihedalt seotud

varavastaste kuritegude vähenemisega, kuid politseinike arvu mõju hindamine isikuvastaste

kuritegude toimepanekule on keerulisem. Seda mõjutavad eelkõige politsei kuritegude

registreerimispraktikad, mis võivad viia olukorrani, kus politseinike arvu kasv suurendab varem

6

alaraporteeritud isikuvastaste kuritegude registreerimist. Seetõttu võib tunduda, et kuritegude arv

tõuseb, kuna statistika kajastab ainult registreeritud kuritegude arvu, kuigi tegelik

esinemissagedus ei pruugi muutuda (Vollaard & Hamed, 2012) Siiski võimaldab täpsem

kuritegevuse statistika õigusorganitel resursse tõhusamalt jaotada ja kasutatavaid praktikaid

efektiivsemaks muuta (Walden University, s.a). Seega võib kuritegevuse suurem tuvastamine

aidata lõppkokkuvõttes kuritegevust vähendada.

Iseloomustamaks ajaperioode, tuleb sisse tuua 3 fiktiivset muutujat:

1) kui 1. periood (2012), siis = 0, = 0, aasta 2012 on valitud referentsaastaks ehk 1

2

baasaastaks;

2) = 1, kui 2. periood (2015), teistel perioodidel = 0; 1

1

3) = 1, kui 3. periood (2018), teistel perioodidel = 0; 2

2

4) = 1, kui 4. periood (2021), teistel perioodidel = 0. 3

3

1.3. Püstitatud hüpoteesid

Eelpool toodud uurimusküsimuste ja muutujate alusel püstitasid autorid järgnevad sisukad

hüpoteesid ja hüpoteeside paarid:

Sisuline hüpotees 1: Mida suurem on tööhõive määr maakonnas, seda väiksem on isikuvastaste

kuritegude arv.

Hüpoteesipaar 1:

● : Isikuvastaste kuritegude arvu ja tööhõive määra vahel maakonnas ei ole statistiliselt 0

olulist seost.

● : Isikuvastaste kuritegude arvu ja tööhõive määra vahel maakonnas on statistiliselt 1

oluline seos.

Sisuline hüpotees 2: Mida suurem on leibkonnaliikme kuu keskmine netosissetulek maakonnas,

seda väiksem on isikuvastaste kuritegude arv.

Hüpoteesipaar 2:

7

● : Isikuvastaste kuritegude arvu ja leibkonnaliikme kuu keskmise netosissetuleku vahel 0

maakonnas ei ole statistiliselt olulist seost.

● : Isikuvastaste kuritegude arvu ja leibkonnaliikme kuu keskmise netosissetuleku vahel 1

maakonnas on statistiliselt oluline seos.

Sisuline hüpotees 3: Mida suurem on asustustihedus maakonnas, seda suurem on isikuvastaste

kuritegude arv.

Hüpoteesipaar 3:

● : Isikuvastaste kuritegude arvu ja asustustiheduse vahel maakonnas ei ole statistiliselt 0

olulist seost.

● : Isikuvastaste kuritegude arvu ja asustustiheduse vahel maakonnas on statistiliselt 1

oluline seos.

Sisuline hüpotees 4: Mida suurem on kõrghariduse või keskerihariduse keskhariduse baasil

osakaal maakonnas, seda väiksem on isikuvastaste kuritegude arv.

Hüpoteesipaar 4:

● : Isikuvastaste kuritegude arvu ning kõrghariduse või keskerihariduse osakaalu vahel 0

maakonnas ei ole statistiliselt olulist seost.

● : Isikuvastaste kuritegude arvu ning kõrghariduse või keskerihariduse keskhariduse 1

baasil osakaalu vahel maakonnas on statistiliselt oluline seos.

Sisuline hüpotees 5: Mida suurem on politseinike arv maakonnas, seda väiksem on isikuvastaste

kuritegude arv.

Hüpoteesipaar 5:

● : Isikuvastaste kuritegude arvu ja politseinike arvu vahel maakonnas ei ole statistiliselt 0

olulist seost.

● : Isikuvastaste kuritegude arvu ja politseinike arvu vahel maakonnas on statistiliselt 1

oluline seos.

8

1.4. Ökonomeetriline mudel

Sõltuv muutuja on isikuvastaste kuritegude arv 10 000 elaniku kohta i-ndas maakonnas t-ndal

aastal. Sõltumatuteks muutujateks on leibkonna keskmine netosissetulek kuus i-ndas maakonnas

t-ndal aastal, tööhõive määr i-ndas maakonnas t-ndal aastal, asustustihedus i-ndas maakonnas

t-ndal aastal, kõrghariduse või keskerihariduse keskhariduse baasil osakaal i-ndas maakonnas

t-ndal aastal ja politseinike arv 10 000 elaniku kohta i-ndas maakonnas t-ndal aastal.

Regressioonimudeli võrrand:

= β 0

+ β 1

1 + β

2

2 + β

3

3 + β

4

4 + β

5

5 + ∂

1

1 + ∂

2

2 + ∂

3

3 +

Kus:

- sõltuv muutuja: isikuvastaste kuritegude arv 10 000 elaniku kohta i-ndas maakonnas t-ndal

aastal;

- sõltumatu muutuja: leibkonnaliikme keskmine netosissetulek kuus i-ndas maakonnas t-ndal 1

aastal (eurodes);

- sõltumatu muutuja: tööhõive määr i-ndas maakonnas t-ndal aastal (protsentides); 2

- sõltumatu muutuja: asustustihedus i-ndas maakonnas t-ndal aastal (elanikku kohta); 3

2

- sõltumatu muutuja: kõrghariduse või keskerihariduse keskhariduse baasil osakaal i-ndas 4

maakonnas t-ndal aastal (protsentides);

- sõltumatu muutuja: politseinike arv 10 000 elaniku kohta i-ndas maakonnas t-ndal aastal; 5

- vabaliige; β 0

, , , , - marginaalset efekti näitavad parameetrid: kui sõltumatu muutuja muutub ühe β 1

β 2

β 3

β 4

β 5

ühiku võrra, siis mitme ühiku võrra muutub sõltuv muutuja;

- fiktiivne muutuja: tähistab aastat 2015 ( = 1, kui 2. periood, teistel perioodidel = 0); 1

1

1

- fiktiivne muutuja: tähistab aastat 2018 ( = 1, kui 3. periood, teistel perioodidel = 0); 2

2

2

- fiktiivne muutuja: tähistab aastat 2021 ( = 1, kui 4. periood, teistel perioodidel = 0); 3

3

3

9

, , - hinnatavad parameetrid, mis on y tase võrreldes baasaastaga; ∂ 1

∂ 2

∂ 3

j = 1, 2, …, k; k = 5 - selgitavate muutujate arv ehk sisendite arv;

i = 1, 2, 3, … , 15; i - maakondade arv;

t = 1, 2, 3, 4; t - valitud aastate arv;

- vealiige;

n = = 60; n - valimi maht; 4 · 15

n - (k + 1) = 60 - (8 + 1) = 51 - vabadusastmete arv.

Varasemate uurimuste põhjal järeldame, et leibkonnaliikme keskmine netosissetulek kuus,

tööhõive määr, kõrghariduse või keskerihariduse keskhariduse baasil osakaal ning politseinike

arv 10 000 elaniku kohta on isikuvastaste kuritegude arvuga vastassuunalises seoses.

Asutustiheduse ja isikuvastaste kuritegude arvu vahel on samasuunaline seos.

10

2. ANDMED

Käesolevat ökonomeetrilist projekti uuriti andmete põhjal, mis pärinevad Eesti Statistikaameti

kodulehelt. Politsei- ja Piirivalveameti käest saime andmed politseinike arvu kohta Eesti

maakondades. Valimi mahuks on nelja aasta (2012, 2015, 2019, 2021) ja viieteistkümne

maakonna korrutis 60 (4 * 15). Kõigi nelja aasta puhul olid muutujate või muutujate

arvutamiseks vajalikud andmed autoritele kättesaadavad. Algandmed on leitavad lisadest (vt lisa

1).

2.1. Võimalikud probleemid andmetega Kuna uurime erinevate muutujate seost isikuvastaste kuritegude arvuga maakondade lõikes, tuleb

arvestada sellega, et alates 2017. aastast on andmed arvutatud uue haldusjaotuse järgi.

Haldusjaotuse käigus muutusid osade maakondade piirid, kuid seda väga vähesel määral. Lisaks

on Statistikaamet välja toonud, et kuni 2015. aastani määratleti inimese elukoht ütlus- või

registripõhiselt, alates 2015. aastast aga kasutatakse rahvastikuregistri järgset elukohta.

Kõrghariduse puhul tuli autoritel teha mõningaid arvutusi, kuna erinevatel aastatel liigitati

andmeid mõneti erinevalt. Aastatel 2012 ja 2015 polnud eraldi kõrghariduse või keskerihariduse

keskhariduse baasil andmerida, mistõttu koondasime keskeri- või tehnikumiharidus keskhariduse

baasil, bakalaureuse-, magistri- ja doktorikraadi või sellega võrdsustatud hariduse kategooriad, et

oleks võimalik kõiki aastaid omavahel võrrelda (Haridus- ja teadusministeerium &

Statistikaamet, 2021).

2.2. Mudeli kuju

Autorid analüüsisid sõltuva ja sõltumatute muutujate vahelisi graafilisi seoseid (vt lisa 2), et

saada vajalikku teavet mudeli kuju kohta. Visuaalse vaatluse põhjal otsustati punktide lineaarsele

paigutusele tuginedes valida lineaarne (lin-lin) mudel.

11

2.3. Andmete esmane analüüs

Töö autorid on teinud andmete esmase analüüsi, et anda koondvaade andmete kirjeldavast

statistikast. Kirjeldav statistika on toodud iga vaadeldava aasta kohta eraldi ja alapeatüki lõpus

on kokkuvõttev tabel kõigi aastate kohta kokku. Kirjeldav statistika on koostatud Eesti

Statistikaameti ja Politsei- ja Piirivalveameti käest saadud andmete põhjal. Andmed on võetud

2012, 2015, 2018 ja 2021 aastate kohta Eesti maakondade lõikes. Esmaste andmetena on välja

toodud järgnevad kirjeldava statistika suurused:

● miinimum;

● maksimum;

● keskmine;

● standardhälve;

● dispersioon;

● variatsioonikordaja.

2012. aastal oli isikuvastaste kuritegude arv kõige kõrgem Harju ja Lääne-Viru maakonnas,

mõlemal juhul 60,8. Asustustihedus oli Harju maakonnas 130,8 ja Lääne-Viru maakonnas 16,9

ehk antud näitaja on märkimisväärselt erinev (vt tabel 1). Kõige suurem varieeruvus

(dispersioon) oli leibkonnaliikme keskmise netosissetuleku osas kuus, väikseim sissetulek oli

Võru maakonnas (354,2€) ja suurim Harju maakonnas (576,1€). 2012. aastal oli tööhõive määr

stabiilseim muutuja, maakondade keskmine 56,38%. Seejuures oli oodatult kõige kõrgem

tööhõive määr Harju maakonnas (67,2%) ja kõige väiksem tööhõive määr Valga maakonnas

(44%). Ainult Valga ja Põlva maakonnas oli tööhõive määr alla 50%. Politseinike arv oli

keskmiselt 31,82. Politseinike arvul oli ka kõrge variatsioonikordaja, näiteks ainult neljas

maakonnas on politseinike arv üle keskmise.

12

Tabel 1. 2012. aasta kirjeldav statistika

N Miinimum Maksimum Keskmine Standarthälve Dispersioon Variatsioonikordaja(%)

Isikuvastaste

kuritegude arv

10 000 elaniku

kohta

15 18,56 60,83 40,90 13,13 184,65 32,10

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

15 354,20 576,10 417,84 58,62 3682,17 14,03

Tööhõive määr

(%) 15 44,00 67,20 56,38 5,73 35,18 10,16

Asustustihedus,

elanikku

ruutkilomeetri

kohta

15 8,40 130,80 25,74 30,61 1004,17 118,94

Kõrghariduse või

keskerihariduse

keskhariduse

baasil osakaal

maakonna

rahvaarvust (%)

15 15,85 33,10 19,42 4,95 26,23 25,48

Politseinike arv

10 000 elaniku

kohta

15 14,61 66,01 31,82 16,59 294,90 52,13

Allikad: (Statistikaamet, PPA); autorite koostatud.

2015. aastal oli leibkonnaliikme keskmine netosissetulek kuus 514,47€, näitaja oli kõige suurem

Harju maakonnas ja kõige väiksem Põlva maakonnas (vt tabel 2). 2012. aastal oli Põlva

maakonna leibkonnaliikme keskmine netosissetulek kuus võrdne maakondade keskmisega

(417,84€), aastaks 2015 on eelmainitu kukkunud aga maakondade järjestuses kõige madalamale

13

kohale. Tööhõive määr oli kõige kõrgem jätkuvalt Harju maakonnas ning kõige madalam Põlva

maakonnas. Viimasel oli ainsana 2015. aastal tööhõive määr alla 50%. Asustustihedus oli

võrdlemisi sarnane eelmise vaatluse all oleva aastaga. Kõrghariduse või keskerihariduse

keskhariduse baasil osakaal on stabiilselt tõusnud igas maakonnas võrreldes 2012. aastaga 1-3%.

Kõrgeim neist oli Harju maakonnas ning madalaim Järva maakonnas. Politseinike arvu

miinimum oli langenud kolme andmepunkti võrra võrreldes aastaga 2012 ja varieeruvus

maakonniti oli selle arvelt tõusnud.

Tabel 2. 2015. aasta kirjeldava statistika tabel

N Miinimum Maksimum Keskmine Standarthälve Dispersioon Variatsioonikordaja (%)

Isikuvastaste

kuritegude arv

10 000 elaniku

kohta

15 26,03 74,35 49,66 15,33 251,64 30,86

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

15 445,70 681,00 514,47 55,53 3304,38 10,79

Tööhõive määr

(%) 15 47,60 71,00 60,14 5,90 37,35 9,82

Asustustihedus,

elanikku

ruutkilomeetri

kohta

15 8,30 132,70 25,41 31,07 1034,25 122,29

Kõrghariduse või

keskerihariduse

keskhariduse

baasil osakaal

maakonna

rahvaarvust (%)

15 17,74 34,38 21,41 4,78 24,46 22,31

14

Politseinike arv

10 000 elaniku

kohta

15 11,91 64,87 29,26 15,82 268,08 54,07

Allikad: (Statistikaamet, PPA); autorite koostatud.

2018. aastal kasvas leibkonnaliikme keskmise netosissetuleku varieeruvus hüppeliselt, kõrgeim

leibkonnaliikme keskmine netosissetulek kuus oli Harju maakonnas ja kõige madalam Valga

maakonnas (vt tabel 3). Samuti kasvas isikuvastaste kuritegude arv, keskmine näitaja oli 53,55.

Isikuvastaste kuritegude arv oli kõrgeim Ida-Viru maakonnas (111,1) ja madalaim Hiiu

maakonnas (23,4). Tööhõive määr oli kõige väiksem Valga maakonnas. Asustustihedus oli

kõikjal mõne andmepunkti võrra kasvanud, suurim erinevus võrreldes 2015. aastaga esineb Tartu

maakonnas, kus asustustihedus langes 50,6-lt 45,1-le. Politseinike arv on sarnane eelmisele

vaatlusele, suurima arvuga Põlva maakond on saanud ühe andmepunkti juurde.

Tabel 3. 2018. aasta kirjeldava statistika tabel

N Miinimum Maksimum Keskmine Standardhälve Dispersioon Variatsioonikordaja (%)

Isikuvastaste

kuritegude arv

10 000 elaniku

kohta

15 23,44 111,09 53,55 20,58 453,77 38,43

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

15 558,20 861,10 673,74 72,11 5571,50 10,70

Tööhõive määr

(%) 15 56,40 73,90 63,79 4,70 23,63 7,36

Asustustihedus,

elanikku

ruutkilomeetri

kohta

15 9,10 136,30 25,48 31,70 1076,37 124,39

15

Kõrghariduse või

keskerihariduse

keskhariduse

baasil osakaal

maakonna

rahvaarvust (%)

15 17,85 34,27 22,14 4,40 20,72 19,87

Politseinike arv

10 000 elaniku

kohta

15 11,76 66,03 28,27 16,06 276,42 56,82

Allikad: (Statistikaamet, PPA), autorite koostatud.

Viimasel vaatlusesse valitud aastal langes isikuvastaste kuritegude arv võrreldes aastaga 2018

Ida-Viru maakonnas 111,1-lt 98,9-le (vt tabel 4). Kuigi näitaja langes, pandi maakondade lõikes

kõige rohkem isikuvastaseid kuritegusid toime ikkagi antud maakonnas. Leibkonnaliikme

keskmine netosissetulek kuus oli jätkuvalt kõrgeim Harju maakonnas 1115,7 euroga ja kõige

madalam Võru maakonnas 830,4 euroga. Tööhõive määr langes enamus maakondades kuni paari

andmepunkti võrra. Eranditeks olid Hiiu, Valga, Pärnu, Lääne-Viru ja Jõgeva maakonnad, kus oli

näha vastupidist tendentsi. Asustustiheduse ja kõrghariduse või keskerihariduse keskhariduse

baasil osakaal kasvasid või vähenesid võrreldes 2018. aastaga vähesel määral. Politseinike arvus

on näha kasvu Võru maakonnas. Kui 2018. aastal oli seal 58 politseinikku, siis kolm aastat

hiljem (2021) on antud maakonnas 90 politseiniku. Võrreldes teiste andmetega on isikuvastaste

kuritegude arv langenud vaid ühe andmepunkti.

Tabel 4. 2021. aasta kirjeldava statistika tabel

N Miinimum Maksimum Keskmine Standarthälve Dispersioon Variatsioonikordaja(%)

Isikuvastaste

kuritegude arv

10 000 elaniku

kohta

15 26,15 98,85 48,79 16,75 300,69 34,33

16

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

15 830,40 1115,70 901,19 71,45 5470,45 7,93

Tööhõive määr

(%) 15 56,10 71,60 62,97 4,78 24,45 7,59

Asustustihedus,

elanikku

ruutkilomeetri

kohta

15 9,10 140,80 25,50 32,77 1150,91 128,53

Kõrgharidus või

keskeriharidus

keskhariduse

baasil osakaal

maakonna

rahvaarvust (%)

15 18,53 36,23 23,23 4,73 23,97 20,36

Politseinike arv

10 000 elaniku

kohta

15 12,21 89,98 28,08 18,53 367,98 66,00

Allikad: (Statistikaamet, PPA); autorite koostatud.

Isikuvastaste kuritegude arv kasvas valitud aastate lõikes järjepidevalt kuni aastani 2021 (vt tabel

5). 2021. aastal on näha antud muutuja langust, mida võib osaliselt seletada pandeemia

tõkestamiseks riigis kehtestatud eriolukorraga. Suurt muutust on märgata leibkonnaliikme

keskmise netosissetuleku osas kuus. Nii 2012. aastal kui ka 2021. aastal oli antud näitaja kõige

kõrgem Harju maakonnas ehk vastavalt kas 576 või 1116 eurot. Märkimisväärset kasvu võib

seletada euroalaga liitumine 2011. aastal, mis tähendab, et Eestis oli 2012. aastal pooleli veel

üleminekuperiood. Netosissetuleku kasvu tõukab tagant ka inflatsioon.

17

Tabel 5. Kokkuvõttev kirjeldava statistika tabel

N Miinimum Maksimum Keskmine Standarthälve Dispersioon Variatsioonikordaja(%)

Isikuvastaste kuritegude arv 10 000 elaniku kohta

60 18,56 111,09 48,23 17,29 304,02 35,85

Leibkonnaliikme keskmine netosissetulek kuus (eurot)

60 354,20 1115,70 626,81 194,04 38288,95 30,96

Tööhõive määr (%)

60 44,00 73,90 60,82 6,05 37,16 9,94

Asustustihedus, elanikku ruutkilomeetri kohta

60 8,30 140,80 25,53 31,55 1012,22 123,57

Kõrgharidus või keskeriharidus keskhariduse baasil osakaal maakonna rahvaarvust (%)

60 15,85 36,23 21,55 4,92 24,59 22,82

Politseinike arv 10 000 elaniku kohta

60 11,76 89,98 29,36 16,85 288,76 57,40

Allikad: (Statistikaamet); autorite koostatud.

Sarnaselt leibkonnaliikme keskmise netosissetulekuga kuus on tõusnud ka tööhõive määr. Seda

selgitab 2008. aasta majanduskriisist taastumine ehk majanduse elavnedes hakkas tööhõive määr

taas tõusma. Väikest langust 2021. aastal seletab koroonapandeemia. Suurt asustustiheduse

varieeruvust iseloomustab suur variatsioonikordaja, mis kirjeldab hästi Eesti elanikkonna

18

paiknemist riigis, kus suur osa rahvast on koondunud pealinna ümbrusesse, ning kõige

hõredamalt on asustatud saared ehk Saare ja Hiiu maakonnad.

Antud analüüsis täheldati, et isikuvastaste kuritegude arv oli mitmetel aastatel keskmisest suurem

Ida-Viru, Harju (vaid 2018. aastal 0,8 andmepunkti alla keskmise), Lääne-Viru ja Valga

maakondades (vt joonis 1). Eraldi paistis silma Põlva maakond, kus oli isikuvastaste kuritegude

arv kuni 2021. aastani samuti keskmisest arvestatavalt suurem. Viimasel vaatluse all oleval aastal

on aga näha näitaja olulist langust, mille tulemusena sai Põlva maakonnast ka kõige madalama

isikuvastaste kuritegude arvuga maakond.

Joonis 1. Isikuvastaste kuritegude arv 10 000 elaniku kohta maakonniti

Allikad: (Statistikaamet); autorite koostatud.

19

2.4. Korrelatsioonanalüüs Korrelatsioonanalüüsi eesmärgiks oli selgitada uuritavate tunnuste vaheliste seoste olemasolu,

tugevust, suunda ja statistilist olulisust (vt lisa 3 ja tabel 6). Antud töö raames valisid autorid

usaldusnivooks 0,95. Korrelatsioonanalüüsiks sobis Pearson’i korrelatsioonikordaja, sest kõik

tunnused on arvulised.

Tabel 6. Korrelatsioonanalüüs

Isikuvastaste

kuritegude

arv 10 000

elaniku kohta

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

Tööhõive

määr (%)

Asustustihedus,

elanikku

ruutkilomeetri

kohta

Kõrgharidus või

keskeriharidus

keskhariduse baasil

osakaal maakonna

rahvaarvust (%)

Politseiametnike

arv 10000

elaniku kohta

Isikuvastaste

kuritegude arv

10 000 elaniku

kohta

1.000 0.059 -0.199 0.225 0.237 0.276

Leibkonnaliikme

keskmine

netosissetulek

kuus (eurot)

0.059 1.000 0.580 0.251 0.471 -0.146

Tööhõive määr

(%) -0.199 0.580 1.000 0.419 0.549 -0.327

Asustustihedus,

elanikku

ruutkilomeetri

kohta

0.225 0.251 0.419 1.000 0.873 0.011

20

Kõrgharidus või

keskeriharidus

keskhariduse

baasil osakaal

maakonna

rahvaarvust (%)

0.237 0.471 0.549 0.873 1.000 -0.007

Politseiametnike

arv 10 000

elaniku kohta

0.276 -0.146 -0.327 0.011 -0.007 1.000

Allikad: (Statistikaamet, PPA); autorite koostatud programmis RStudio

Korrelatsioonanalüüsi põhjal on näha, et isikuvastaste kuritegude arvul on leibkonnaliikme

keskmise netosissetulekuga kuus peaaegu olematu samasuunaline seos (r = 0 ,059) ja

kõrghariduse või keskerihariduse keskhariduse baasil osakaaluga nõrk samasuunaline seos

(r = 0,237). Teoreetilisele tagapõhjale tuginedes oleks oodanud mõlema muutuja puhul saadud

tulemusele vastupidise suuna ilmnemist. Varasemate uurimustega lähevad kokku aga

isikuvastaste kuritegude arvu nõrk vastassuunaline seos tööhõive määraga (r = - 0,199) ja nõrk

samasuunaline seos asustustihedusega (r = 0,225). Politseinike arvu ja isikuvastaste kuritegude

arvu vahelist nõrka samasuunalist seost (r = 0,276) võib põhjendada varem mainitud

registreerimise praktika mõjudega. Kuna korrelatsioonanalüüsi põhjal selgus, et sõltuva ja

sõltumatute muutujate vahel esinevad vaid nõrga ja väga nõrga tugevusega seosed, võivad

mudelist olla välja jäänud osad olulised muutujad.

Asustustiheduse ja kõrghariduse või keskerihariduse keskhariduse baasil osakaalu vahel on

olulise tugevusega seos (r = 0,873). Nende muutujate vahel on multikollineaarsus. See tähendab,

et antud näitajad on omavahel tugevalt seotud ja seejuures on mõlemal muutujal sõltuva

muutujaga nõrgem korrelatsioon kui omavahel. Samuti on tööhõive määral mitme sõltumatu

muutujaga tugev seos ehk esineb multikollineaarsuse oht.

Lisaks sellele uurisid töö autorid korrelatsioonanalüüsi tulemuste statistilisi olulisusi (vt lisa 3)

ning selgus, et isikuvastaste kuritegude arvul ilmneb olulisusnivool 0,05 statistiliselt oluline seos

ainult politseinike arvuga, mille p-statistiku väärtus on vastavalt 0,03. Tööhõive määra,

21

kõrghariduse või keskerihariduse keskhariduse baasil osakaaluga, leibkonnaliikme keskmise

netosissetulekuga kuus ja asustustihedusega pole isikuvastaste kuritegude arvul statistiliselt

olulist seost. Kuna korrelatsioonanalüüs väljendab kahe näitaja vahelise suhte tugevust, mitte ühe

muutuja mõju teisele, siis ei saa antud tulemusi lugeda lõplikuks. Selleks, et teada saada, milline

mõju on sõltumatul muutujal sõltuvale muutujale tuleb läbi viia regressioonanalüüs.

22

3. REGRESSIOONANALÜÜS Mudeli hindamiseks on kasutatud tavalist vähimruutude meetodit. Antud meetodi kasutamine

aitab välja selgitada, millised töös käsitletavad sõltumatud muutujad avaldavad statistiliselt

olulist mõju sõltuvale muutujale ehk isikuvastaste kuritegude arvule.

3.1. Esialgse regressioonimudeli hindamine Esmase regressioonanalüüsi tulemusel asendasid autorid hinnatud arvulised parameetrid

esialgsesse mudelisse (vt lisa 4).

= 151, 425 − 0171

1 − 0, 930

2 + 0, 466

3 − 0, 018

4 + 0, 054

5 + 29, 125

1 + 63, 665

2 + 97, 070

3 +

(t) 5,872 -3,332 -1,922 3,129 -0,020 0,492 4,380 4,989 4,018

(se) 25,785 0,051 0,484 0,149 0,911 0,110 6,649 12,760 24,159

(p) 0,000 0,002 0,060 0,003 0,984 0,625 0,000 0,000 0,000

2 = 0, 521; = 6, 923; = 0, 000003914 Mudel suudab selgitada ligikaudu 52,1% sõltuva muutuja varieeruvusest ehk esialgse mudeli

kirjeldatavuse tase on mõõdukas. Mudel on statistiliselt oluline, sest mudeli olulisustõenäosus on

väiksem kui olulisuse nivoo (α = 0,05). Statistiliselt olulised sisendid mudelis olulisuse nivool

0,05 on leibkonnaliikme keskmine netosissetulek kuus ja asustustihedus. Muutujad tööhõive

määr, kõrghariduse või keskerihariduse keskhariduse baasil osakaal ja politseinike arv

maakonnas pole statistiliselt olulised.

3.2. Parandatud regressioonimudeli hindamine Teise regressioonanalüüsi tulemusel asendasid autorid hinnatud arvulised parameetrid mudelisse,

kust eemaldati kõrghariduse või keskerihariduse keskhariduse baasil osakaal (vt lisa 5).

= 151, 215 − 0, 171

1 − 0, 932

2 + 0, 463

3 + 0, 054

5 + 29, 082

1 + 63, 598

2 + 96, 953

3 +

(t) 6,481 -3,389 -2,003 5,530 0,497 4,664 5,216 4,179

23

(se) 23,332 0,050 0,465 0,084 0,108 6,235 12,192 23,202

(p) 0,000 0,001 0,050 0,000 0,621 0,000 0,000 0,000

2 = 0, 521; = 8, 067; = 0, 000001298

Esimesena jäeti mudelist välja statistiliselt ebaoluline muutuja kõrghariduse või keskerihariduse

keskhariduse baasil osakaal. Antud muutuja olulisuse tõenäosus oli suurem kui valitud olulisuse

nivoo 0,05 ja omas võrreldes teiste sõltumatute muutujatega ka suurimat väärtust. Mudeli

kirjeldatavuse tase jäi samaks. Mudel on statistiliselt oluline ning statistiliselt olulised sõltumatud

muutujad on endiselt leibkonnaliikme keskmine netosissetulek kuus ja asustustihedus. Muutujad

tööhõive määr ja politseinike arv maakonnas pole statistiliselt olulised.

3.3. Lõpliku regressioonimudeli hindamine Lõplikus regressioonanalüüsis asendasid autorid hinnatud arvulised parameetrid mudelisse, kust

eemaldati lisaks kõrghariduse või keskerihariduse keskhariduse baasil osakaalule ka politseinike

arv (vt lisa 6).

= 157, 189 − 0, 175

1 − 0, 982

2 + 0, 474

3 + 29, 538

1 + 64, 834

2 + 99, 086

3 +

(t) 7,916 -3,546 -2,175 5,899 4,824 5,471 4,377

(se) 19,856 0,049 0,451 0,080 6,123 11,850 22,640

(p) 0,000 0,001 0,034 0,000 0,000 0,000 0,000

2 = 0, 518; = 9, 505; = 0, 0000004415 Lõplikust mudelist jäeti välja kaks ebaolulist sõltumatut muutujat: kõrghariduse või

keskerihariduse keskhariduse baasil osakaal ja politseinike arv. Mudel on statistiliselt oluline ehk

peahüpotees peab paika. Lõpliku regressioonimudeli kirjeldatuse tase veidi langes

( ). Determinatsioonikordaja näitab, et mudel kirjeldab 51,8 % ulatuses väljundi 2 = 0, 518

varieeruvusest. Statistiliselt olulised muutujad olulisuse nivool 0,05 on tööhõive määr,

leibkonnaliikme keskmine netosissetulek kuus ja asustustihedus.

24

Heteroskedastiivsuse kontrollimiseks viisid autorid läbi Breusch-Pagani testi, kuna joonise

põhjal polnud võimalik välja lugeda, kas heteroskedastiivsus mudelis esineb või mitte (vt lisa 7).

Kuna olulisuse tõenäosus 0,083 on suurem kui olulisuse nivoo 0,05, siis jäid autorid

nullhüpoteesi juurde ehk mudel on homoskedastiivne.

Multikollineaarsuse ohu kontrollimiseks viisid autorid läbi VIF testi (vt lisa 8).

Korrelatsioonanalüüsi käigus avastatud multikollineaarsus eemaldati mudelist mõnede muutujate

välja võtmisega. VIF testi tulemus näitab, et multikollineaarsuse oht on endiselt sissetuleku

puhul (>5). Kuna VIF test ei pruugi väikeste valimite korral kõige usaldusväärsemaid tulemusi

anda, otsustasid autorid muutuja mudelisse jätta, tuginedes teoreetilistele kaalutlustele ja muutuja

statistilisele olulisusele. Seega peab arvestama, et võivad tekkida vead hüpoteeside testimisel.

Jääkliikmete normaaljaotuse kontrollimiseks kasutasid autorid Shapiro-Wilk'i testi ning

koostasid R-i abil histogrammi (vt lisa 9). Kuna olulisustõenäosus p = 0,5888 (>0,05), saab jääda

nullhüpoteesi juurde ja järeldada, et jääkliikmete normaaljaotuse eeldus on täidetud. Histogramm

näitas samuti normaaljaotuse olemasolu. See tähendab, et mudeli hinnangud on usaldusväärsed.

Erindite olemasolu kontrollisid autorid standardiseeritud jääkliikmete ja standardiseeritud

hinnangute järgi (vt lisa 10). Regressioonimudeli liikmed jäävad lõiku [-2,21; 2,44] ehk

minimaalne ja maksimaalne jäävad normaalvahemikku (|Z| < 3). Seega saab järeldada, et

andmed on ligikaudu sümmeetrilised, ilma oluliste erinditeta.

25

4. MUDELI SISULISED TÕLGENDUSED Tõlgendame lõplikku regressioonimudelit:

= 157, 189 − 0, 175

1 − 0, 982

2 + 0, 474

3 + 29, 538

1 + 64, 834

2 + 99, 086

3 +

Isikuvastaste kuritegude arv Eesti maakondades on seotud asustustiheduse, tööhõive määra ja

leibkonnaliikme keskmise netosissetulekuga kuus. Politseinike arv maakonnas ja kõrghariduse

või keskerihariduse keskhariduse baasil osakaal osutusid statistiliselt ebaoluliseks.

Leibkonnaliikme keskmine netosissetulek kuus ( ) ja isikuvastaste kuritegude arv on 1

omavahel vastassuunalises seoses. Kui leibkonnaliikme keskmine netosissetulek kuus suureneb

ühe euro võrra, siis väheneb isikuvastaste kuritegude toimepaneku arv 10 000 elaniku kohta

0,175 arvu võrra. Seega peab paika autorite poolt püstitatud sisukas hüpotees ehk suurem

leibkonnaliikme keskmine netosissetulek kuus on seotud väiksema isikuvastaste kuritegude

arvuga.

Kui tööhõive määr ( ) suureneb ühe protsendipunkti võrra, siis väheneb isikuvastaste 2

kuritegude toimepaneku arv 10 000 elaniku kohta 0,982 arvu võrra. Siit saab järeldada, et

suurem tööhõive määr ehk väiksem töötus on seotud isikuvastaste kuritegude arvu

vähenemisega. Autorite püstitatud sisukas hüpotees, mis ütles, et antud sõltumatu ja sõltuva

muutuja vahel on vastassuunaline seos, sai kinnitust.

Kui asustustihedus ( ) suureneb ühe ruutkilomeetri kohta, siis suureneb isikuvastaste

3

kuritegude toimepaneku arv 10 000 elaniku kohta 0,474 arvu võrra. Seeläbi saab järeldada, et

autorite püstitatud sisuline hüpotees osutus tõeseks ehk asustustiheduse ja isikuvastaste

kuritegude vahel on samasuunaline seos.

Fiktiivsete muutujate põhjal on võimalik järeldada, et isikuvastaste kuritegude arv on Eesti

maakondades võrreldes baasaastaga (2012) ajas kasvanud. Aastal 2015 oli kuritegude arv

keskmiselt 29,538 võrra suurem kui 2012. 2018. aastal oli aga isikuvastaste kuritegude arv

26

keskmiselt 64,834 võrra suurem kui baasaastal ja 2021. aastaks oli isikuvastaste kuritegude arv

99,086 võrra suurem kui 2012. aastal.

27

KOKKUVÕTE

Ökonomeetrilise projekti eesmärk oli välja selgitada, millised tegurid selgitavad isikuvastaste

kuritegude arvu Eesti maakondade näitel aastatel 2012, 2015, 2018 ja 2021. Selgitavateks

muutujateks olid leibkonnaliikme keskmine netosissetulek kuus, tööhõive määr, asustustihedus,

kõrghariduse või keskerihariduse keskhariduse baasil osakaal ja politseinike arv vaadeldavas

maakonnas.

Töös kasutatavad andmed pärinevad Statistikaametist ja PPA andmebaasist. Antud töö valimi

maht saadi nelja aasta ja viieteistkümne maakonna korrutisena (4 x 15 = 60). Autorid tuvastasid

andmete hulgas mõningaid probleeme, mis võivad tehtud järelduste korrektsust mõjutada.

Näiteks alates 2017. aastast on maakondade piirid arvestades varasemaga natuke muutunud ja

andmed arvutatud uue haldusjaotuse järgi. Samuti tuli kõrghariduse puhul autoritel endil teha

mõningaid arvutusi, kuna erinevatel aastatel liigitati andmeid erinevalt. Mudelis on ka

multikollineaarsuse oht, millega võivad kaasneda vead hüpoteeside testimisel.

Uurimisprobleemi teoreetilisele tagapõhjale toetudes koostasid autorid ökonomeetrilise mudeli,

mille hindamiseks kasutati vähimruutude meetodit. Analüüsi käigus selgus, et isikuvastaste

kuritegude arvu ja kõrghariduse või keskerihariduse keskhariduse baasil osakaalu ning

politseinike arvu vahel vaadeldavas maakonnas puudub statistiliselt oluline seos, mistõttu jäid

need lõplikust regressioonimudelist välja. Lõplikkusse regressioonimudelisse kuulusid järgmised

statistiliselt olulised sõltumatud muutujad: leibkonnaliikme keskmine netosissetulek kuus,

tööhõive määr ja asustustihedus.

Leibkonnaliikme keskmine netosissetulek kuus ja isikuvastaste kuritegude arvu vahel oli nõrk

vastassuunaline seos. Seda, et suurem sissetulek on seotud madalama kuritegevuse tasemega

toetab ka teoreetiline tagapõhi. Suurem potentsiaal seaduslikul viisil elatist teenida teeb

kuritegeliku tegevuse inimese jaoks vähem atraktiivseks. Karistusregistris olev märge sooritatud

kuriteo kohta ei näita inimest heast küljest, mistõttu võivad tööandjad inimese tööle võtmist

pidada liiga riskantseks. Usaldusväärsuse vähenemine ja karistuse kandmine võib kahandada ka

inimese karjääri edendamise võimalusi.

28

Tööhõive määra ja isikuvastaste kuritegude arvu vahel oli nõrk samasuunaline seos. Tööl

käivatel inimestel on tavapäraselt suurem sotsiaalne sidusus teiste ühiskonnaliikmetega.

Pikaajaliselt tööta olnud inimestel on täheldatud madalamat enesehinnangut ja suuremat

rahulolematust, mis omakorda suurendavad agressiivse ja irratsionaalse käitumise tõenäosust.

Tööga hõivatutel esineb vähem eelmainitud emotsionaalseid seisuneid ning see võib olla ka

üheks põhjuseks, miks on tööhõive suurem määr seotud madalama isikuvastaste kuritegude

arvuga.

Asustustiheduse ja isikuvastaste kuritegude arvu vahel on samuti nõrk samasuunaline seos.

Suurem asustustihedus on seotud kõrgema isikuvastaste kuritegude arvuga. Seda saab

põhjendada väiksema kogukonna sidususe ja koostöö tegemisega, mis ei soosi sotsiaalsete

normide kohast käitumist. Tihedamalt asustatud piirkondades on inimesel suurem tõenäosus

sattuda ka kurjategijate tutvusringkondadesse.

Lõpliku regressioonimudeli kirjeldatuse tase oli 51,8% ehk see kirjeldab veidi üle poole

isikuvastaste kuritegude arvu varieeruvusest. Kuna sõltuva ja sõltumatu muutuja vahel olid väga

nõrga või nõrga tugevusega seosed, tuleks tulevikus uurida ka teisi tegureid, mis võivad

mõjutada isikuvastaste kuritegude arvu. Näiteks võiks uurida isikuvastaste kuritegude arvu seost

järgmiste teguritega: vanus, sugu, vaimne tervis, alkoholi tarbimine ja perekondlik seis.

29

VIIDATUD ALLIKAD

1. Fischer, P., Greitemeyer, T., Frey, D. (2008). Unemployment and aggression: The

moderating role of self-awareness on the effect of unemployment on aggression.

Aggressive Behavior, 34(1), 34–45. https://doi.org/10.1002/ab.20218

2. Haridusstatistika käsiraamat 2021. (2021) Haridus- ja teadusministeerium &

Statistikaamet. Kasutatud 19.10.2024,

https://www.hm.ee/sites/default/files/documents/2022-10/haridusstatistika_kasiraamat_20

21.pdf

3. Karistusseadustik. (04.07.2024). Riigi teataja I. Kasutatud 19.10.2024,

https://www.riigiteataja.ee/akt/104072024025

4. Lin, M.-J. (2008). Does Unemployment Increase Crime? Evidence from U.S. Data

1974-2000. The Journal of Human Resources, 43(2), 413–436.

5. Lochner, L., Moretti, E. (2004). The Effect of Education on Crime: Evidence from Prison

Inmates, Arrests, and Self-Reports. The American Economic Review, 94(1), 155–189.

6. Lundqvist, F. (2018). Unemployment and Crime. Kasutatud 19.10.2024,

http://www.diva-portal.org/smash/get/diva2:1252037/FULLTEXT01.pdf

7. Machin, S., Marie, O., Vujić, S. (2010). The Crime Reducing Effect of Education.

Kasutatud 19.10.2024, https://docs.iza.org/dp5000.pdf

8. Macwan, W. G. (2023). Crime and Impact on Society. International Journal of Emerging

Knowledge Studies, 2(5), 118-121

9. Marks, S. R. (1974). Durkheim’s Theory of Anomie. American Journal of Sociology,

80(2), 329–363.

10. Nordin, M., Almén, D. (2011). Long term unemployment and violent crimes - using

30

post-2000 data to reinvestigate the relationship between unemployment and crime. Lund

University 34. Kasutatud 19.10.2024,

https://www.researchgate.net/publication/239807566

11. Raphael, S., Winter‐Ebmer, R. (2001). Identifying the Effect of Unemployment on

Crime. The Journal of Law & Economics, 44(1), 259–283.

https://doi.org/10.1086/320275

12. Raus, T., Timmusk, L. (2005). Kuritegevust mõjutavad sotsiaalmajanduslikud ja

demograafilised tegurid (Kriminaalpoliitika uuringud 3). Justiitsministeerium. Kasutatud

19.10.2024,

https://www.kriminaalpoliitika.ee/sites/krimipoliitika/files/elfinder/dokumendid/3._kurite

gevust_mojutavad_sotsiaalmajanduslikud_ja_demograafilised_tegurid.pdf

13. Statistikaameti kodulehekülg. (s.a). Kasutatud 19.10.2024,

https://www.stat.ee/et/avasta-statistikat/valdkonnad/tooelu/tooturg/toohoive-maar

14. Vollaard, B., & Hamed, J. (2012). Why the Police Have an Effect on Violent Crime After

All: Evidence from the British Crime Survey. The Journal of Law & Economics, 55(4),

901–924. https://doi.org/10.1086/666614

15. Walden University. (s.a). Kasutatud 21.11.2024,

https://www.waldenu.edu/online-bachelors-programs/bs-in-criminal-justice/resource/why

-national-crime-statistics-are-important

31

LISAD

Lisa 1. Algandmed

Maakonnad

Isikuvastaste kuritegude arv 10000 elaniku

kohta

Leibkonnaliikme keskmine

netosissetulek kuus (eurot)

Tööhõive määr (%)

Asustustihedus, elanikku

ruutkilomeetri kohta

Kõrgharidus või

keskeriharidus keskhariduse baasil osakaal

maakonna rahvaarvust

(%)

Politsei- ametnike

arv 10000 elaniku kohta

1

2

3

2012

Harju maakond 60,8 576,1 67,2 130,8 33 33 0 0 0

Hiiu maakond 18,6 480,2 53,7 8,4 17 55 0 0 0

Ida-Viru maakond 55,0 374,4 52,0 45,7 26 43 0 0 0

Jõgeva maakond 39,1 358,6 51,9 12,3 16 24 0 0 0

Järva maakond 32,0 427,9 61,9 12,7 16 17 0 0 0

Lääne maakond 38,8 401,6 59,8 10,4 18 27 0 0 0

Lääne-Viru maakond 60,8 396,7 58,4 16,9 18 22 0 0 0

Põlva maakond 56,0 417,1 49,1 13,0 16 66 0 0 0

Pärnu maakond 45,4 399,0 58,4 17,6 19 28 0 0 0

Rapla maakond 36,1 433,4 61,7 11,9 17 15 0 0 0

Saare maakond 20,1 419,3 57,6 10,9 16 25 0 0 0

32

Tartu maakond 40,2 496,6 58,7 51,3 27 20 0 0 0

Valga maakond 40,9 355,5 44,0 15,2 17 23 0 0 0

Viljandi maakond 24,1 377,0 59,9 14,2 18 15 0 0 0

Võru maakond 45,6 354,2 51,4 14,8 17 65 0 0 0

2015

Harju maakond 60,0 681,0 71,0 132,7 34 28 1 0 0

Hiiu maakond 37,3 520,0 57,3 8,3 20 44 1 0 0

Ida-Viru maakond 70,1 468,2 53,5 44,2 27 43 1 0 0

Jõgeva maakond 39,6 485,8 59,1 11,8 18 25 1 0 0

Järva maakond 34,2 501,5 62,9 12,2 18 15 1 0 0

Lääne maakond 72,7 498,6 60,4 10,0 20 26 1 0 0

Lääne-Viru maakond 49,5 528,0 61,9 16,3 20 21 1 0 0

Põlva maakond 74,3 445,7 47,6 12,7 18 65 1 0 0

Pärnu maakond 47,1 499,4 66,7 17,1 21 25 1 0 0

Rapla maakond 49,4 509,2 64,6 11,6 19 15 1 0 0

Saare maakond 30,0 540,0 61,0 10,8 19 21 1 0 0

Tartu maakond 26,0 583,5 68,1 50,6 30 20 1 0 0

Valga maakond 65,5 452,9 54,3 14,7 19 19 1 0 0

Viljandi maakond 37,2 516,0 57,5 13,7 20 12 1 0 0

33

Võru maakond 52,2 487,3 56,2 14,4 19 61 1 0 0

2018

Harju maakond 52,6 861,1 73,9 136,3 34 27 0 1 0

Hiiu maakond 23,4 669,3 65,7 9,1 23 40 0 1 0

Ida-Viru maakond 111,1 602,3 56,8 46,5 27 44 0 1 0

Jõgeva maakond 46,4 630,1 58,7 11,4 19 24 0 1 0

Järva maakond 47,9 678,4 62,8 11,5 18 14 0 1 0

Lääne maakond 68,3 673,3 65,1 11,4 21 25 0 1 0

Lääne-Viru maakond 54,5 680,2 60,0 16,2 20 19 0 1 0

Põlva maakond 71,2 597,2 60,9 13,9 20 66 0 1 0

Pärnu maakond 48,7 684,5 65,6 15,8 21 25 0 1 0

Rapla maakond 49,6 761,6 66,7 12,0 19 14 0 1 0

Saare maakond 29,5 678,4 67,8 11,3 21 18 0 1 0

Tartu maakond 40,2 746,6 70,2 45,1 29 22 0 1 0

Valga maakond 72,9 558,2 56,4 15,0 20 15 0 1 0

Viljandi maakond 34,8 669,6 63,6 13,7 20 12 0 1 0

Võru maakond 52,0 615,3 62,7 13,0 20 58 0 1 0

2021

Harju maakond 51,6 1115,7 71,5 140,8 36 28 0 0 1

Hiiu maakond 30,9 911,0 71,6 9,1 25 35 0 0 1

34

Ida-Viru maakond 98,9 843,2 56,1 44,4 28 45 0 0 1

Jõgeva maakond 50,6 840,5 61,2 11,0 20 25 0 0 1

Järva maakond 48,0 916,0 60,0 11,2 19 14 0 0 1

Lääne maakond 51,3 887,9 63,8 11,2 22 25 0 0 1

Lääne-Viru maakond 57,5 875,5 62,2 15,8 21 22 0 0 1

Põlva maakond 26,2 883,3 56,2 13,4 21 25 0 0 1

Pärnu maakond 38,9 902,1 67,7 15,8 22 28 0 0 1

Rapla maakond 51,9 908,0 61,6 12,0 19 14 0 0 1

Saare maakond 30,9 850,6 63,7 11,2 23 18 0 0 1

Tartu maakond 40,0 1013,1 67,9 46,0 30 24 0 0 1

Valga maakond 62,9 869,0 56,9 14,6 21 16 0 0 1

Viljandi maakond 40,8 871,6 62,8 13,4 21 12 0 0 1

Võru maakond 51,6 830,4 61,3 12,6 20 90 0 0 1

Allikad: (Statistikaameti kodulehekülg (tabelid ST08, TT4645, RV0291, RV0291U, RV0231, RV0231U, RV0222, RV0222U, JS009), PPA); autorite arvutused Lisa 2. Graafilised seosed muutujate vahel

35

Lisa 3. Korrelatsioonanalüüs Korrelatsioonimaatriks

t-statistikud

36

p-väärtused

Lisa 4. Esialgne regressioonanalüüs

37

Lisa 5. Parandatud mudeli regressioonanalüüs

Lisa 6. Lõplik regressioonanalüüs

38

Lisa 7. Heteroskedastiivsus

Lisa 8. Multikollineaarsus

Lisa 9. Jääkliikmete normaaljaotus

39

Lisa 10. Erindite olemasolu kontroll

40