Analyse des déterminants de la criminalité en Espagne

Cette analyse fait partie de la TFG réalisé par Andriana Ivashkiv, pour plus d'informations, allez à ceci lien

Analyse effectuée par Andriana Ivashkiv: https://www.linkedin.com/in/kateryna-andriana-ivashkiv-shulhan-a833ba193/

ANALYSE DES FACTEURS DÉTERMINANTS DE LA CRIMINALITÉ

Cette étude est réalisée avec des données extraites des statistiques du ministère de l'Intérieur et de l'Institut national de statistique (AUTRE). Les deux organisations étant étroitement liées dans leur activité, on peut affirmer que le contraste des informations provenant de ces deux sources est fiable. En outre, les données collectées ne correspondront qu'à 2017, puisqu'il s'agit de la dernière année pour laquelle des statistiques sont disponibles pour certains des facteurs à analyser. également, les calculs de cette section ne seront effectués qu'avec les crimes pour chaque 100.000 habitants de l'année 2017.

De cette façon, une étude de corrélation entre les crimes et les différents facteurs de chaque communauté autonome sera menée; indice de vieillissement, pourcentage d'étrangers, tourisme, PIB par habitant, revenu annuel moyen, taux de risque de pauvreté, taux de chômage, niveau éducatif, abandonner ses études, dépenses d'éducation, dépenses en unités de culture et de travail social. Cela vous permettra de vérifier s'il existe une relation directe, inverse ou il n'y a pas de relation entre les variables. Plus tard, et en tenant compte des résultats obtenus, le graphique à barres correspondant sera interprété.

VIEILLISSEMENT DE LA POPULATION

En premier lieu, une étude de corrélation sera menée pour savoir si le vieillissement de la population influence l'activité criminelle sur un territoire. La variable dépendante (et) sont les crimes pour chacun 100.000 population, tandis que l'indépendant (X) est l'indice de vieillissement^[1]. De cette façon, les valeurs suivantes sont obtenues:

• Coefficient de corrélation: 0,68
• Coefficient de détermination: 0,47
• Valeur p: 0,001
• x = 1600,03 - 5 * et

Parce que le coefficient de corrélation est plus proche de 1 qu'a 0, on peut dire que la relation entre les variables est modérément forte. D'autre part, le coefficient de détermination montre que l'indice de vieillissement explique le 47% d'activité criminelle. Finalement, la valeur p est inférieure à 0,05, il existe donc une relation statistiquement significative entre les deux variables.

Graphique 18. Élaboration propre

Le graphique montre une droite de régression décroissante. Cela indique que, plus le taux de vieillissement de la population est élevé, moins de crimes commis pour chacun 100.000 population. Finalement, les valeurs indiquent que les deux variables sont liées, mais pas assez pour expliquer au 100%.

Graphique 19. Élaboration propre

En observant le graphique à barres et, en tenant compte de la relation inverse entre les variables, On peut voir que certaines des zones qui sont au-dessus de la moyenne nationale de vieillissement ont un taux de criminalité moyen ou faible (Principauté des Asturies, Castille et León ou Galice, par exemple). Au contraire, les régions moins vieillissantes connaissent des taux de criminalité plus élevés (les îles Baléares, Communauté de Madrid ou les villes autonomes de Ceuta et Melilla).

POPULATION ÉTRANGÈRE

L'étude de corrélation suivante adopte des crimes pour chaque 100.000 habitants comme variable dépendante (et) et le pourcentage d'étrangers comme variable indépendante (X)^[2]. Donc, ces valeurs sont obtenues:

• Coefficient de corrélation: 0,73
• Coefficient de détermination: 0,53
• Valeur p: 0,0003
• x = 482,96 + 55,34 * et

La première valeur indique une relation et le coefficient de détermination indique que le modèle explique une 53% des données. Finalement, la valeur p est bien inférieure à 0,05, il existe donc une relation statistique significative entre les variables.

Graphique 20. Élaboration propre

La ligne de régression croissante indique que plus il y a d'étrangers sur un territoire, plus il y a de crimes commis, existant ainsi une relation directe significative, bien que pas total, entre les deux variables.

Graphique 21. Élaboration propre

Ensuite, le graphique à barres confirme que certaines des communautés où le pourcentage d'immigrants est le plus élevé coïncident avec celles dont le taux de criminalité est le plus élevé, comme Balearic Islands, Catalogne ou Communauté de Madrid. Au contraire, certains des territoires avec moins d'immigration ont le moins de criminalité, comme Principauté des Asturies, Estrémadure ou Galice. Cependant, Il convient de noter qu'Aragon et La Rioja comptent également plus d'étrangers que la moyenne nationale, bien qu'elles soient des communautés avec un taux de criminalité moyen-faible.

TOURISME

L'étude de corrélation utilise des crimes pour chaque 100.000 habitants comme variable dépendante (et) et le nombre de touristes comme variable indépendante (X)^[3]. Il convient de mentionner que les données touristiques ne sont pas converties en 100.000 population, On considère que ce facteur est davantage lié au type de loisir qui peut être fait dans le lieu de destination qu'à sa population.. Cependant, il convient de prendre en compte l'extension de chaque territoire lors de l'interprétation des résultats. En outre, ajouter que les villes autonomes de Ceuta et Melilla n'apparaissent pas dans la base de données INE pour cette section, donc ils ne seront pas pris en compte. De cette façon, les valeurs suivantes sont obtenues:

• Coefficient de corrélation: 0,8
• Coefficient de détermination: 0,62
• Valeur p: 0,0001
• x = 756,6 + 3,91 * et

Les premières données indiquent qu'il existe une forte relation entre les variables, c'est assez proche de 1. En outre, le coefficient de détermination montre que les données touristiques expliquent jusqu'à un 62% des crimes commis par chacun 100.000 population. Concernant la valeur p, c'est bien moins que 0,05. Donc, les variables sont statistiquement significativement liées.

Graphique 22. Élaboration propre

La droite de régression augmente, indiquant que lorsqu'il y a plus de tourisme dans un territoire, plus de crimes sont commis. Prise en compte de cette relation directe et des valeurs précédemment obtenues, on peut dire qu'il existe un lien assez fort entre les variables.

Graphique 23. Élaboration propre

Le graphique à barres indique que presque toutes les communautés qui sont au-dessus du nombre moyen de touristes par an sont celles avec les taux de criminalité les plus élevés. (les îles Baléares, Catalogne ou Communauté de Madrid). D'autre part, les communautés où le taux de criminalité est avéré plus faible, Ce sont ceux qui ont le moins de tourisme (Principauté des Asturies, Cantabrie ou Estrémadure). D'après ce qui a été observé, l'activité criminelle en Espagne augmente considérablement dans les zones baignées par la côte méditerranéenne (sauf la capitale). De la même manière, Il est courant que les zones côtières au climat chaud attirent un plus grand nombre de touristes. Pour lui, pas étonnant que les deux variables soient liées.

COMMENCER PAR CÁPITA

L'analyse de corrélation suivante recueille les crimes pour chaque 100.000 habitants comme variable dépendante (et) et le PIB par habitant de chaque communauté autonome en tant que variable indépendante (X)^[4]. Les résultats sont les suivants:

• Coefficient de corrélation: 0,25
• Coefficient de détermination: 0,06
• Valeur p: 0,28
• x = 590,72 + 0,01 * et

Comme vous pouvez le voir, le coefficient de corrélation indique que la relation entre les deux variables est faible, puisque la valeur est proche de 0. En outre, le coefficient de détermination montre que le modèle n'explique qu'une 0,6% des données. De la même manière, la valeur p est considérablement supérieure à 0,05, Par conséquent, il n'y a pas de relation statistiquement pertinente entre les crimes commis et le PIB par habitant des communautés autonomes.

Graphique 24. Élaboration propre

La droite de régression augmente, ce qui indiquerait une relation directe entre x et y. Cependant, les résultats montrent que le lien entre les variables est quasiment inexistant, on peut donc affirmer que le PIB de chaque communauté n'est pas capable d'expliquer efficacement la criminalité.

Graphique 25. Élaboration propre

Pour sa part, le graphique à barres montre que les territoires dont le PIB est supérieur à la moyenne sont tous deux ceux dont le taux de criminalité est élevé (Îles Baléares ou Catalogne) comme ceux à indice moyen ou faible (Aragon ou La Rioja). Finalement, il n'y a pas de relation entre ces deux facteurs.

REVENU ANNUEL MOYEN DES MÉNAGES

L'étude de corrélation suivante établit les crimes pour chaque 100.000 habitants comme variable dépendante (et) et le revenu annuel moyen des ménages en tant que variable indépendante (X)^[5]. Les valeurs obtenues sont indiquées ci-dessous:

• Coefficient de corrélation: 0,5
• Coefficient de détermination: 0,25
• Valeur p: 0,02
• x = -71,1 + 0,03 * et

Les premières données indiquent qu'il existe une relation médiane entre les variables, bien que ce soit relativement faible étant au milieu de la 0 et de 1. En outre, le coefficient de détermination montre que les données touristiques n'expliqueraient qu'une 25% des crimes commis par chacun 100.000 population. Concernant la valeur p, c'est moins que 005. Donc, les variables sont statistiquement significativement liées.

Graphique 26. Élaboration propre

La droite de régression augmente, qui montre une relation directe entre les deux variables. C'est-à-dire, plus le revenu annuel moyen est élevé, plus grand nombre de crimes. Cependant, le lien entre les deux facteurs n'est pas assez fort pour valider l'explication du crime par le revenu. En outre, Il est intéressant d'ajouter qu'à de nombreuses reprises une relation entre la criminalité et la pauvreté a été établie (annexe bibliographique). Pour lui, si le lien entre les variables était plus fort, ce serait un sujet intéressant à analyser plus en profondeur en raison de la contradiction que.

Graphique 27. Élaboration propre

Comme on peut le voir dans le graphique à barres, Les communautés dont le revenu annuel est supérieur à la moyenne sont toutes deux celles où la criminalité est élevée (Ville autonome de Ceuta et ville autonome de Melilla) comme ceux qui ont un crime moyen ou faible (Glass Country ou La Rioja). De la même manière, il existe des régions où les taux de criminalité sont à la fois élevés et faibles et dont le revenu est inférieur à la moyenne (Communauté valencienne ou Estrémadure) (annexé). En résumé, le revenu annuel moyen n'a pas une relation suffisamment forte avec l'activité criminelle pour être explicatif.

RISQUE DE PAUVRETÉ

Cette analyse de corrélation adopte des crimes pour chaque 100.000 habitants comme variable dépendante (et) et le taux de risque de pauvreté pour chaque territoire en tant que variable indépendante (X)^[6]. Il est à noter que le risque de pauvreté a été calculé par l'INE à partir du revenu annuel moyen de l'année précédente. Les résultats obtenus sont les suivants:

• Coefficient de corrélation: 0,14
• Coefficient de détermination: 0,01
• Valeur p: 0,56
• x = 883,27 + 4,94 * et

Le coefficient de corrélation indique que la relation entre le risque de pauvreté et la criminalité est très faible. En outre, le coefficient de détermination montre que le modèle n'explique que 0,01% des données. C'est-à-dire, n'explique pratiquement aucune donnée. Pour sa part, la valeur p est supérieure à 0,05, par conséquent, il n'y a pas de relation statistiquement pertinente entre les variables.

Graphique 28. Élaboration propre

La droite de régression augmente, ce qui indiquerait une relation directe entre x et y. Cependant, la connexion entre les deux variables est extrêmement faible, donc cela n'a aucune pertinence.

Graphique 29. Élaboration propre

Le graphique à barres permet d'identifier les territoires du pays à faible taux de risque de pauvreté, mais avec un taux de criminalité élevé (Catalogne ou ville autonome de Ceuta), ou avec un taux de risque élevé, mais faible criminalité (Estrémadure). C'est-à-dire, la relation entre les variables est pratiquement inexistante dans ce cas.

CHÔMAGE

Cette étude de corrélation présente les crimes pour chaque 100.000 habitants comme variable dépendante (et) et le taux de chômage comme variable indépendante (X)^[7]. Les données seront relatives à la population qui se situe entre 25 et les 64 âge. Donc, les valeurs obtenues sont les suivantes:

• Coefficient de corrélation: 0,05
• Coefficient de détermination: 0,003
• Valeur p: 0,82
• x = 934,29 + 3,43 * et

Comme on peut le voir avec les premières données, la relation entre les variables est pratiquement nulle, et le coefficient de détermination indique que le chômage n'explique qu'une 0,03% du crime. également, la valeur p est bien supérieure à 0,05, Par conséquent, il est confirmé qu'il n'y a pas de relation statistiquement pertinente entre les variables.

Graphique 30. Élaboration propre

La droite de régression augmente légèrement. Cependant, car il n'y a pas de relation entre la population au chômage dans chaque communauté autonome et les crimes qui y sont commis, ce graphique n'est pas pris en compte.

Graphique 31. Élaboration propre

Dans ce cas, le graphique à barres montre à la fois les taux d'emploi et de chômage. En premier lieu, On peut voir qu'il y a des communautés qui sont en dessous du taux de chômage moyen et qui ont à la fois un taux de criminalité élevé et faible (Communauté de Madrid ou Asturies). La même chose se produit avec les zones qui sont au-dessus de la moyenne du chômage., parce qu'il y a des communautés avec un taux de criminalité élevé (Ville autonome de Ceuta) et d'autres à faible indice (Estrémadure). En outre, il en va de même avec le taux d'emploi, ce qui signifie qu'il n'y a pas de relation significative entre cela et le crime.

NIVEAU ÉDUCATIF

L'analyse de cette section est réalisée à travers une étude de corrélation multiple, établissant les crimes pour chacun 100.000 habitants comme variable dépendante (et). Les variables indépendantes (X) sont les suivants; indice de la population ayant terminé le premier cycle du secondaire (X₁), indice de la population ayant terminé le deuxième cycle du secondaire (X₂) et indice de la population diplômée de l'enseignement supérieur (X₃)^[8]. En outre, Il convient de souligner que les données sont relatives à la population qui fait partie des 25 et 64 âge. De cette façon, Les résultats sont les suivants:

• Coefficient de corrélation: 0,62
• R² serré: 0,26
• Valeur p de x₁: 0,03
• Valeur p de x₂: 0,04
• Valeur p de x₃: 0,03
• Ŷ = 237299,71 – 2376,84 * X₁ – 2314,61 * X₂ – 2376,32 * X₃

En premier lieu, le coefficient de corrélation indique que la relation entre les variables est modérément forte, c'est plus proche de 1 que pour 0. D'autre part, el R² ajusté montre que le modèle n'explique qu'un 26% des données, ce qui est peu, bien il y a un 74% données inexpliquées. Dans le cas de la régression multiple, le coefficient de détermination n'est pas observé car il a tendance à augmenter lorsqu'il y a plusieurs variables indépendantes, donc le R est pris en compte² serré. Finalement, la valeur p de toutes les variables indépendantes est inférieure à 0,05, afin que nous puissions voir qu'il existe une relation statistiquement significative entre eux.

Graphique 32. Élaboration propre

Graphique 33. Élaboration propre

Graphique 34. Élaboration propre

Le graphique relatif à la population ayant des études jusqu'au premier cycle du secondaire est légèrement en baisse, ce qui indiquerait que le plus grand nombre de personnes qui ont jusqu'au premier cycle du secondaire, moins de crime. Le chiffre relatif à la population ayant des études jusqu'au deuxième cycle du secondaire est en augmentation et montre que, plus de personnes ayant des études jusqu'au deuxième cycle du secondaire, plus de crimes. Finalement, la référence à la population diplômée de l'enseignement supérieur diminue légèrement, alors combien il y a de plus de personnes avec l'enseignement supérieur, moins de crime. Finalement, il n'y a pas de relation très forte entre les variables, arriver à n'en expliquer qu'un 26% des données.

Graphique 35. Élaboration propre

Comme on peut le voir dans le graphique à barres, la moyenne nationale la plus élevée est celle des personnes qui ont jusqu'au premier cycle du secondaire, suivi de la moyenne de l'enseignement supérieur et se terminant par la moyenne des personnes qui ont des études jusqu'au deuxième cycle. Cependant, il n'y a pas de relation claire entre le niveau d'études et les crimes commis dans la communauté autonome.

RETRAIT PRÉCOCE DE L'ÉDUCATION

Poursuivre le domaine de l'éducation, l'analyse de corrélation suivante adopte des crimes pour chaque 100.000 habitants comme variable dépendante (et) et le taux de décrochage scolaire en tant que variable indépendante (X)^[9]. Il convient de noter que les données sur le taux de décrochage sont relatives à la population qui a entre 18 et 24 âge. De cette façon, Les résultats sont les suivants:

• Coefficient de corrélation: 0,41
• Coefficient de détermination: 0,17
• Valeur p: 0,07
• x = 567 + 23,96 * et

Le coefficient de corrélation indique qu'il existe une relation faible entre les variables x et y, c'est plus proche de 0 qu'a 1. Le coefficient de détermination montre que l'abandon scolaire précoce n'explique qu'une 17% du crime, un pourcentage assez faible. En outre, la valeur p est supérieure à 0,05, donc les variables n'ont pas de relation statistiquement significative.

Graphique 36. Élaboration propre

La droite de régression augmente, ce qui indiquerait que lorsqu'il y a plus d'abandon de l'éducation, plus de crimes sont commis. Cependant, il n'y a pas assez de relation entre les variables pour accepter ce modèle, donc le graphique n'est pas pertinent.

Graphique 37. Élaboration propre

Le graphique à barres montre que les deux communautés avec des taux de criminalité élevés et faibles peuvent être au-dessus du taux de décrochage moyen. (Îles Baléares ou Castille-la Manche, par exemple). également, ils peuvent aussi être en dessous (Cantabrie ou Communauté de Madrid). Finalement, Il n'est pas confirmé que le taux de décrochage scolaire explique l'activité criminelle d'une communauté autonome.

DÉPENSES PUBLIQUES POUR L'ÉDUCATION

Pour finir avec le domaine éducatif, Une étude de corrélation est réalisée qui recueille les crimes pour chaque 100.000 habitants comme variable dépendante (et) et les dépenses d'éducation pour chacun 100.000 habitants comme variable dépendante (X)^[10]. Les valeurs obtenues sont:

• Coefficient de corrélation: 0,45
• Coefficient de détermination: 0,20
• Valeur p: 0,05
• x = 1433,16 - 5,14 * et

Le coefficient de corrélation dénote une relation faible entre les variables x et y, c'est encore plus bas que 0,5. En outre, le coefficient de détermination indique que les dépenses d'éducation n'expliquent qu'une 20% des crimes. Pour sa part, la valeur p est 0,05, il y aurait donc une relation statistiquement pertinente.

Graphique 38. Élaboration propre

La droite de régression diminue, indiquant une relation inverse entre x et y. C'est-à-dire, augmentation des dépenses d'éducation par la communauté autonome, commission inférieure de crimes. Cependant, les valeurs obtenues dans l'étude montrent un lien insuffisant entre les variables, donc ce modèle n'est pas accepté.

Graphique 39. Élaboration propre

Le graphique à barres montre légèrement que les communautés avec un taux de criminalité plus faible sont plus susceptibles d'investir dans l'éducation que les communautés avec plus de criminalité. Par exemple, La Cantabrie ou le Pays basque ont des dépenses plus élevées que la Catalogne ou la Communauté valencienne. Cependant, ce n'est pas assez, puisque l'étude de corrélation détermine que les dépenses d'éducation ne sont pas capables d'expliquer correctement la criminalité.

DÉPENSES PUBLIQUES POUR LA CULTURE

L'analyse de corrélation suivante prendra des crimes pour chaque 100.000 habitants comme variable dépendante (et) et les dépenses publiques de culture pour chacun 100.000 habitants comme variable indépendante (X)^[11]. Les valeurs sont les suivantes:

• Coefficient de corrélation: 0,23
• Coefficient de détermination: 0,05
• Valeur p: 0,33
• x = 890,08 + 3,05 * et

Les premières données indiquent une relation très faible entre les dépenses culturelles et les délits commis par la communauté autonome. En outre, le coefficient de détermination montre que le modèle est à peine capable d'expliquer un 0,5% des données. Pour ça, il faut ajouter que la valeur p est considérablement plus élevée que 0,05, il n'y a donc pas de relation statistiquement significative entre x et y.

Graphique 40. Élaboration propre

La droite de régression augmente, ce qui voudrait dire que, les dépenses plus élevées pour la culture, la plus haute commission de crimes. Cependant, Cela est refusé car les données montrent qu'il n'y a pas de relation entre les dépenses culturelles pour chaque 100.000 habitants et crimes commis par chacun 100.000 population.

Graphique 41. Élaboration propre

Comme l'étude de corrélation, le graphique à barres ne montre à première vue aucun type de relation entre les dépenses culturelles et les crimes commis. Territoires à taux de criminalité élevé, comme la ville de Melilla, avoir des dépenses culturelles supérieures à la moyenne. également, il en va de même pour les autres communautés avec un indice moyen-bas, comme la Communauté Forale de Navarre ou le Pays Basque (annexé).

UNITÉS DE TRAVAIL SOCIAL

L'unité du travail social (UTS) Il s'agit de toute unité administrative et territoriale dont la fonction principale est d'assister les citoyens dans leur accès aux services sociaux, notamment à travers un service d'information et d'orientation. Il s'agit du niveau le plus élémentaire du système public de services sociaux et exécute les activités suivantes: actions de promotion et de sensibilisation, études systématiques des besoins sociaux de la population et coopération technique dans le cadre de programmes globaux de promotion et d'insertion sociale.

Donc, Cette analyse de corrélation recueille les crimes pour chaque 100.000 habitants comme variable dépendante (X) et les unités de travail social pour chaque 100.000 habitants comme variable indépendante (et)^[12]. Il est important d'ajouter que cette section ne contient pas de données de la Communauté régionale de Navarre ou du Pays basque car ils ont un régime économique spécial. De cette façon, les valeurs obtenues sont les suivantes (annexé):

• Coefficient de corrélation: 0,66
• Coefficient de détermination: 0,44
• Valeur p: 0,03
• x = 1268,37 - 26,95 * et

Le coefficient de corrélation indique qu'il existe une relation modérément forte entre les variables. D'autre part, le coefficient de détermination montre que les unités de travail social expliquent les crimes commis 44%, un peu moins de la moitié. La valeur p est inférieure à 0,05, on peut donc dire qu'il existe une relation statistiquement significative entre x et y.

Graphique 42. Élaboration propre

La droite de régression diminue, montrant une relation inverse entre les variables. C'est-à-dire, plus le nombre d'unités de travail social est élevé, moins de crime. Ce modèle peut être accepté, bien qu'avec prudence. Il existe une relation entre x et y, mais ce n'est pas excessivement fort. Pour lui, plus d'études dans le domaine du travail social seraient souhaitables.

Graphique 43. Élaboration propre

Le graphique à barres montre que, effectivement, plusieurs des communautés ayant le taux de criminalité le plus bas sont celles qui sont au-dessus de la moyenne des unités de travail social (Castille et Leon, Castilla-La Mancha et La Rioja, par exemple). Au contraire, les communautés avec les taux de criminalité les plus élevés sont inférieures à la moyenne (Catalogne, Communauté valencienne ou Communauté de Madrid).

RÉSULTATS ET CONCLUSIONS DE LA SECTION

L'étude de corrélation a montré que les facteurs liés, dans une plus ou moins grande mesure, avec le nombre de crimes commis par chacun 100.000 population, fils: vieillissement de la population, population étrangère, tourisme, niveau d'éducation et unités de travail social.

Hors de ces, l'élément le plus explicatif de la criminalité est le tourisme. Il existe une relation forte et directe entre les deux variables, avec un coefficient de corrélation de 0,8 et avec une explication de la 62% des données. D'après les études réalisées sur le sujet, le tourisme peut avoir un double effet sur la criminalité. En premier lieu, l'activité touristique génère de plus grandes opportunités d'emploi et des salaires plus élevés que dans d'autres secteurs, ce qui signifie un coût d'opportunité plus élevé pour la commission de crimes. Cependant, cela crée également de nouvelles opportunités pour les criminels^[13]. Par exemple, il est courant que les touristes emportent de l'argent liquide ou des objets de valeur avec eux. Si à cela s'ajoute une attitude plus passive et insouciante que les habitants du quartier, le résultat est qu'ils deviennent une cible attrayante pour le criminel^[14]. Il est également possible que les touristes soient les auteurs et non les victimes. Ceci est dû au fait, ne pas être dans votre environnement habituel, ils changent leur comportement en un comportement plus désinhibé et moins responsable. En outre, cela peut augmenter si la destination touristique est liée à des environnements dans lesquels l'alcool et les drogues sont présents^[15].

Le deuxième facteur le plus influent de l'activité criminelle est la population étrangère. Il présente un coefficient de corrélation de 0,73 et on peut dire que le modèle explique un 53% des données. Donc, et selon les résultats de cette étude, combien plus d'immigration, plus de crime. Cependant, Plusieurs auteurs commencent à découvrir que l'immigration et la criminalité ont une relation négative. Alonso-Borrego, Garoupa et Vázquez ^[16] a réalisé une étude sur le lien entre ces deux variables, avec une approche exhaustive et appuyée par une analyse économique. Ils ont observé que, pendant les années d'immigration forte, L'Espagne a vu sa criminalité croître à un rythme similaire à celui de la croissance démographique (la croissance de la criminalité et de la population étrangère s'explique par 50%). Malgré le fait que l'Espagne a accueilli plus d'étrangers que les autres pays européens, la croissance de la criminalité était plus faible que dans les régions comptant moins d'immigrants. Cela s'est également produit dans d'autres pays du monde, Par conséquent, des éléments ont été trouvés qui montrent que l'augmentation du nombre d'étrangers empêche les taux de criminalité d'augmenter également (et dont il faut tenir compte lors de la réalisation d'études). Ces facteurs peuvent être l'éducation ou le sexe, Cela ne veut pas dire qu'il n'y a pas de groupes d'immigrants avec un niveau d'éducation inférieur qui contribuent à la croissance de la criminalité..

De la même manière, Garcia Espagne^[17] affirme que de plus en plus d'enquêtes reconnaissent qu'il y a moins de criminalité dans les pays à plus forte population d'immigrants. Les étrangers ont tendance à avoir un taux de criminalité plus faible que les nationaux et sont plus résistants à la criminalité dans des contextes désorganisés. Cependant, puisque la criminalité est un phénomène multi-causal et que l'activité criminelle des immigrants est très diversifiée, il serait inapproprié de dire que ces variables sont pleinement expliquées sans prendre en compte d'autres facteurs de conditionnement analysés par la recherche empirique.

Poursuivant l'étude de corrélation réalisée dans ce travail, il a été observé que le vieillissement de la population occupe la troisième position des déterminants de la criminalité. Le modèle montre une relation inverse, avec un coefficient de corrélation de 0,68 et une explication de la 47% des données. Ceci signifie que, si une communauté a un taux de vieillissement plus élevé, il a également un taux de criminalité plus faible. Donc, on pourrait s'aventurer que les jeunes commettent plus de crimes que les personnes âgées. Si les données des adultes condamnés sont consultées dans 2017 fourni par l'INE^[18], on observe que le 8,97% des condamnés avaient de 18 une 20 années, il 14,66% de 21 une 25 années, il 14,46% de 26 une 30 années, il 14,65% de 31 une 35 années, il 14,20% de 36 une 40 années, il 20,34% de 41 une 50 années, il 8,91% de 51 une 60 années, il 2,87% de 61 une 70 ans et le 0,89% avait plus de 71 années. Comme vous pouvez l'apprécier, il 66,94% des détenus fait partie des 18 et 40 âge. Après, un pic se produit entre 41 et les 50 et, finalement, le nombre de condamnés commence à diminuer considérablement à plus de 50 années. En plus de ces données, Il faut également tenir compte du fait qu'il existe un chiffre pour la délinquance juvénile: «Cela commence autour du 13/14 années, commence à décliner à la fin de l'adolescence (18 années), cela se fait en compagnie d'autrui et les comportements les plus fréquents restent la consommation d'alcool, vol à l'étalage, les combats et le vandalisme "^[19].

La quatrième place appartient aux unités de travail social (UTS) en ce qui concerne les facteurs déterminants de la criminalité. Le coefficient de corrélation est 0,66 et il est indiqué que la variable explique un 44% de la criminalité dans les communautés autonomes. La relation établie est inverse, c'est-à-dire, plus le nombre d'UTS est élevé, taux de criminalité plus bas. Comme mentionné ci-dessus, Ce sont les unités administratives dont la fonction essentielle est d'aider les citoyens dans leur accès aux services sociaux, formant ainsi le niveau le plus élémentaire de cette structure du système public. Comme ils ne constituent que le niveau le plus élémentaire, le champ d'action du travail social est beaucoup plus étendu et l'investissement de l'État dans ce domaine est également. Comme le pasteur l'indique^[20], les entités d'initiative sociale sont devenues l'un des éléments les plus importants de la Welfare Society. En outre, le multiculturalisme dû à l'immigration nécessite une action d'intégration socioprofessionnelle et de prise en charge des citoyens sans noyau familial ou de coexistence.

Bien que le travail social ne consiste pas directement dans la prévention et le traitement de la criminalité comme la criminologie, leur travail affecte et améliore la qualité de vie de la population qui peut présenter des facteurs de risque de comportement criminel. Pour lui, il conviendrait de mener des études approfondies sur cette question, découvrir ainsi s'il existe réellement une relation inverse entre le travail social et le taux de criminalité.

Pour finir, le niveau d'éducation est le dernier facteur qui a présenté une certaine relation avec la criminalité. Le coefficient de corrélation est 0,62, bien que cette variable ne puisse expliquer qu'une 26% du crime. Donc, on ne peut pas dire que les deux variables sont expliquées efficacement. Cependant, peut-être que le facteur déterminant n'est pas le niveau d'éducation de la population, mais la qualité de l'éducation elle-même. Une étude de l'Université de Cadix, réalisé par Ruiz-Morales^[21], englobe cet inconnu. Celui-ci calcule la corrélation entre les délits commis dans les communautés autonomes et la qualité de l'éducation selon le rapport PISA (un système global d'évaluation de l'éducation). également, La corrélation entre la criminalité et le niveau d'éducation de la population est également calculée. Les résultats de l'étude concernant la qualité de l'éducation montrent qu'elle a un fort degré de relation inverse avec la criminalité. C'est-à-dire, plus la qualité de l'éducation est élevée, baisse de la criminalité. Cependant, et juste comme dans ce travail, les résultats de l'étude de corrélation concernant le niveau d'éducation n'indiquent pas de relation, contredisant ainsi la littérature empirique sur le sujet.

Concernant le reste des facteurs, aucune relation significative n'a pu être trouvée entre les variables. Celui qui se rapproche le plus de la criminalité est le revenu annuel moyen par ménage, avec un coefficient de corrélation de 0,5 et avec une explication de la 25% des données. Cependant, cette relation est jugée trop faible pour accepter la valeur prédictive du modèle. Donc, les variables économiques ou d'emploi ne sont pas en mesure d'expliquer efficacement le taux de criminalité (PIB par habitant, revenu annuel moyen des ménages, taux de risque de pauvreté et taux de chômage). Cela coïncide avec l'étude de Rodríguez Andrés^[22], dont les résultats déterminent que les variables démographiques semblent avoir un plus grand impact que les variables socio-économiques pour expliquer les niveaux de criminalité.

également, les variables choisies dans le domaine de l'éducation ne sont pas non plus décisives (indice du niveau d'éducation et des dépenses publiques d'éducation) ou dans la culture (dépenses publiques pour la culture). Sur ce dernier cas, il peut être plus révélateur de choisir les dépenses moyennes par habitant pour les activités culturelles que les dépenses publiques de culture de l'État. Cependant, cette possibilité est laissée pour d'éventuelles recherches futures.

ANNEXES

Table 17, graphique 18 et 19: Relation entre le vieillissement de la population et les crimes pour chacun 100.000 population.

Table 18, graphique 20 et 21: Relation entre le pourcentage d'étrangers et les crimes pour chacun 100.000 population.

Table 19, graphique 22 et 23: Relation entre le nombre de touristes et les délits pour chacun 100.000 population.

Table 20, graphique 24 et 25: Relation entre le PIB par habitant et la criminalité pour chacun 100.000 population.

Table 21, graphique 26 et 27: Relation entre le revenu annuel moyen des ménages et la criminalité pour chacun 100.000 population.

Table 22, graphique 28 et 29: Relation entre le taux de risque de pauvreté et les crimes pour chaque 100.000 population.

Table 23, graphique 30 et 31: Relation entre le taux de chômage et la criminalité pour chacun 100.000 population.

Table 24, graphique 32, 33, 34 et 35: Relation entre le niveau d'éducation de la population et les crimes pour chacun 100.000 population.

Table 25, graphique 36 et 37: Relation entre le décrochage scolaire et les crimes pour chacun 100.000 population.

Table 26, graphique 38 et 39: Relation entre les dépenses d'éducation pour chacun 100.000 habitants et crimes pour chacun 100.000 population.

Table 27, graphique 40 et 41: Relation entre les dépenses culturelles pour chacun 100.000 habitants et crimes pour chacun 100.000 population.

Table 28, graphique 42 et 43: Relation entre les unités de travail social pour chacune 100.000 habitants et crimes pour chacun 100.000 population.

1. Annexé: Table 17, graphique 18 et 19: Relation entre le vieillissement de la population et les crimes pour chacun 100.000 population. ↑
2. Annexé: Table 18, graphique 20 et 21: Relation entre le pourcentage d'étrangers et les crimes pour chacun 100.000 population. ↑
3. Annexé: Table 19, graphique 22 et 23: Relation entre le nombre de touristes et les délits pour chacun 100.000 population. ↑
4. Annexé: Table 20, graphique 24 et 25: Relation entre le PIB par habitant et la criminalité pour chacun 100.000 population. ↑
5. Annexé: Table 21, graphique 26 et 27: Relation entre le revenu annuel moyen par ménage et les crimes pour chacun 100.000 population. ↑
6. Annexé: Table 22, graphique 28 et 29: Relation entre le taux de risque de pauvreté et les crimes pour chaque 100.000 population. ↑
7. Annexé: Table 23, graphique 30 et 31: Relation entre le taux de chômage et la criminalité pour chacun 100.000 population. ↑
8. Annexé: Table 24, graphique 32, 33, 34 et 35: Relation entre le taux de chômage et la criminalité pour chacun 100.000 population. ↑
9. Annexé: Table 25, graphique 36 et 37: Relation entre le décrochage scolaire et les crimes pour chacun 100.000 population. ↑
10. Annexé: Table 26, graphique 38 et 39: Relation entre les dépenses publiques d'éducation et la criminalité pour chacun 100.000 population. ↑
11. Annexé: Table 27, graphique 40 et 41: Relation entre les dépenses publiques d'éducation et la criminalité pour chacun 100.000 population. ↑
12. Annexé: Table 28, graphique 42 et 43: Relation entre les dépenses publiques d'éducation et la criminalité pour chacun 100.000 population. ↑
13. Gould, E.; Moutarde, ré. & Weinberg, B. (2002). «Taux de criminalité et opportunités sur le marché du travail local aux États-Unis: 1977-1997." Rev Econ Stat, pp. 45-61. ↑
14. Maxfield, M.G. (1987) "Composition du ménage, activité de routine et victimisation: Une analyse comparative. » Journal de criminologie quantitative, pp. 301-320. ↑
15. Sharpley, R. (1994). "Tourisme, touristes et société »Huntingdon: Orme. ↑
16. Alonso-Borrego, C.; Mérou N. & Vazquez P. (2012). «L'immigration cause-t-elle un crime? Témoignages d'Espagne » Revue américaine de droit et d'économie 14 (1), pp. 165-191. ↑
17. Garcia Espagne, E. (2019). "Plus d'immigration, moins de crime " Critique et pouvoir criminels: publication de l'Observatoire du système pénal et des droits de l'homme (18), pp. 194-205. ↑
18. Institut national de la statistique: Résultats nationaux des adultes condamnés pour crime selon l'âge, 2017. ↑
19. Fernandez Molina, E.; Bartolomé Gutiérrez, R.; Poêle Alberola, C., et Megías Boró, UNE. (2009). "Évolution et tendances de la délinquance juvénile en Espagne". Journal espagnol de recherche criminologique (7), pp. 1-30. ↑
20. Vendeur pasteur, E. (2001). "Initiative sociale et travail social communautaire". Alternatives. Cahiers de travail social. (9), pp. 169-191. ↑
21. Ruiz-Morales, M. (2018). "Facteurs déterminants de la criminalité en Espagne. Etude de la corrélation statistique ". Via Iuris Magazine, pp. 1-41. ↑
22. Rodriguez Andres, UNE. (2003). "Les déterminants socio-économiques de la criminalité en Espagne". Journal espagnol de recherche criminologique (1): REIC, ISSN 1696-9219, N. 1. ↑

Funete des données: Ministre de l'Intérieur