Vliv vzdělanostní úrovně na kriminalitu obyvatelstva

Ing. Erika Urbánková, PhD. Katedra ekonomických teorií Provozně ekonomická fakulta Česká zemědělská univerzita Mgr. František Hřebík, Ph.D. prorektor pro zahraniční styky a vnější vztahy Katedra managementu a informatiky Fakulta bezpečnostního managementu Policejní akademie ČR v Praze

Vliv vzdělanostní úrovně na kriminalitu obyvatelstva Anotace Teorie lidského kapitálu hovoří o pozitivních dopadech růstu vzdělanostní úrovně obyvatel na snižování kriminality. Investice do vzdělávání s sebou přináší přímé i nepřímé ekonomické a sociální náklady a výnosy. Příspěvek se zabývá vlivem vzdělanostní úrovně obyvatelstva České republiky na kriminalitu v ČR v období 1993 – 2013 a dále se zaměřuje na zkoumání tohoto vztahu ve vybraných zemích EU v roce 2010. Klíčová slova: Vzdělanost, kriminalita, Česká republika, země EU, korelační analýza, regresní analýza.

Cíl a metodika Cílem příspěvku je verifikovat teorii lidského kapitálu z pohledu nepřímých dopadů na společnost. Je zkoumán korelační a regresní vztah mezi vzdělanostní úrovní obyvatelstva nad 15 let v ČR a počtem zjištěných trestných činů v ČR. Dále je modelován vztah mezi populací ve věku 25 až 64 let se středním a vysokoškolským vzděláním v zemích EU a počtem hlášených trestných činů na 100.000 obyvatel v zemích EU. Při zpracování příspěvku je vycházeno ze sekundárních dat Českého statistického úřadu (ČSÚ), databáze Policie České republiky a EUROSTATu. Při zkoumání vztahu mezi veličinami jsou využity statistické metody korelační a regresní analýzy. Korelační analýza představuje vzájemný vztah mezi dvěma veličinami, měřící sílu a směr závislosti. V příspěvku jsou zkoumány vztahy mezi dvěma veličinami, kde nezávisle proměnná x ovlivňuje závisle proměnnou y. Korelační koeficient: a) nabývá hodnot od <-1;1> jenž značí lineární vztah (nepřímou nebo přímou závislost); b) je nezávislý na jednotkách původních proměnných, tedy je bezrozměrný; c) při změně pořadí proměnných se výše korelačního koeficientu nemění; d) je platný pouze v rozmezí daném použitými daty. Korelační koeficient v absolutní hodnotě, potažmo závislost mezi proměnnými lze interpretovat následovně: a) 0 až 0,3 slabá závislost; 1

b) 0,3 až 0,8 střední závislost; c) 0,8 až 1 silná závislost [7]. Matematické vyjádření Pearsonova korelačního koeficientu [5]: n

r

 (x i 1

n

 (x i 1

i

 x )( y i  y ) n

i

.

 x ) 2  ( yi  y ) 2 i 1

Kde: x je nezávislá proměnná, x je aritmetický průměr nezávislé proměnné, y je závislá proměnná, y je aritmetický průměr závislé proměnné. Nejprve se testuje nulová hypotéza H0, která říká, že výběr pochází z dvourozměrného normálního rozdělení, v němž je korelační koeficient nulový. Za platnosti H0:  = 0, má veličina rozdělení t o n - 2 stupních volnosti, kde n je počet dvojic (xi, yi). Pokud korelační koeficient  není roven nule, nemají jeho výběrové hodnoty normální rozdělení se střední hodnotou . Pokud nemají data normální rozdělení, je nutné využít transformaci dat. Druhá odmocnina koeficientu korelace se nazývá koeficient determinace a značí se r2, představuje míru těsnosti lineární závislosti a násoben stem r2*100 udává, z kolika procent jsou změny závisle proměnné vysvětlitelné zvolenou lineární regresní funkcí. Lineární regrese je matematicky zapsána následovně: y = a + bx. Proměnná y je závislá proměnná, parametr a je konstanta, parametr b je regresní koeficient, proměnná x je nezávislá proměnná [7].

Teorie lidského kapitálu a vzdělanost Za zakladatele teorie lidského kapitálu v šedesátých letech 20. století lze označit teoretiky Chicagské školy T. W. Schultze a G. S. Beckera, J. Mincera, kteří následovali otce pojmu lidský kapitál M. Friedmana. Tito autoři považují vzdělání za investici, nesoucí přínos jak jedinci, tak společnosti. Nenahlíželi tedy na vzdělání jako na formu spotřeby a na peněžní výdaje jako na spotřební [1]. Výnosy ze vzdělávání zahrnují vedle zlepšení mzdového ohodnocení a snížení rizika nezaměstnanosti také kulturní a ostatní nepeněžní užitky, zatímco náklady závisí především na nepřímých nákladech (náklady ušlé příležitosti) a na přímých nákladech do vzdělávání. Tabulka 1 sdružuje vybrané náklady a výnosy ze vzdělávání jedince, jenž jsou dále členěny podle charakteru na přímé a nepřímé a dále podle subjektu na veřejné a soukromé. Nižší kriminalita je charakterizována jako nepřímý veřejný výnos či užitek, který získává celá společnost jako pozitivní externalitu související s vyšší vzdělanostní úrovní obyvatelstva. V příspěvku je vycházeno z předpokladu, že nižší kriminalita představuje nižší počet krádeží a loupeží (činy převážně motivované nedostatečnou finanční zajištěností subjektů a hmotnou nouzí) a také nižší počet násilných činů, které souvisejí s frustrací nezaměstnaného či nízce platově hodnoceného člověka (např. domácí násilí, vandalismus aj.).

2

Tabulka 1: Vybrané náklady na vzdělávání a výnosy ze vzdělání Náklady nepřímé

Náklady přímé

Veřejné

Soukromé

Výdaje ze státního rozpočtu, normativní financování školství Poplatky za studium, výdaje na studijní pomůcky a životní náklady studentů

Ušlé příjmy z daní z příjmu do státního rozpočtu

Výnosy přímé Vyšší HDP, nižší výdaje ze státního rozpočtu na politiku zaměstnanosti

Ušlá mzda po dobu studia (vypočteno jako průměrná hrubá měsíční mzda středoškoláka)

Vyšší hrubá průměrná měsíční mzda

Výnosy nepřímé

Nižší kriminalita

Vyšší osobní uspokojení, seberealizace, vyšší společenský status

Zdroj: vlastní zpracování Vzdělávání je členěno na formální, neformální a informální. Formální vzdělávání představuje školní systém vzdělávání – primární, sekundární a terciární úroveň a tedy dosažený stupeň vzdělání jedince. Formální vzdělávání je realizováno ve vzdělávacích institucích. Neformální vzdělávání představuje proces profesního vzdělávání, tedy rozšiřování a prohlubování si znalostí v průběhu produktivního věku jedince. Neformální vzdělávání může být poskytováno v zařízeních zaměstnavatelů, soukromých vzdělávacích institucích, nestátních neziskových organizacích, ve školských zařízeních. Informální vzdělávání představuje formu sebevzdělávání, jedinec získává znalosti a dovednosti samostudiem, ovšem nejedná se o pasivní učení, ale o záměrnou činnost k získání nových znalostí [6]. Pro stanovování úrovní je vycházeno především z Mezinárodní normy pro klasifikaci vzdělávání ISCED (1997). ISCED je kvalifikace, jenž člení formální vzdělání do sedmi vzdělanostních úrovní (stupňů). Na nejnižším stupni se nacházejí osoby bez vzdělání, naopak na nejvyšším stupni jsou osoby, které disponují vysokoškolským vzděláním (jež zahrnuje bakalářské, magisterské a doktorské studium) [3]. Tabulka 2: Vzdělanostní úrovně podle klasifikace ISCED 1997 Úroveň/stupeň vzdělání

ISCED

V analýze značeno

Bez vzdělání

0

ISCED_0

Základní vzdělání

1, 2

ISCED_1,2

Střední vzdělání bez maturity

část 3

ISCED_3

Střední vzdělání s maturitou

část 3, 4

ISCED_3,4

Vysokoškolské vzdělání

5, 6

ISCED_5,6

Zdroj: ČSÚ [3]

Vliv vzdělanosti na kriminalitu V rámci tohoto příspěvku je ověřována teorie lidského kapitálu, předpokládající nepřímou úměru mezi zvyšující se vzdělanostní úrovní obyvatelstva a snižující se 3

kriminalitou obyvatelstva, jakožto veřejného nepřímého efektu investic vložených do vzdělávání. Na národní úrovni jsou zkoumány párové vztahy mezi proměnnými v České republice v letech 1993-2013 a dále z nadnárodního hlediska situace mezi proměnnými ve vybraných zemích EU v roce 2010. Pro analýzu vztahu mezi proměnnými v České republice v letech 1993-2013 jsou použita sekundární data z Českého statistického úřadu a ze statistik Policie České republiky za celou ČR pro období 1993-2013. Je stanovena hypotéza: Počet trestných činů závisí na vzdělanostní úrovni obyvatelstva nad 15 let. Graf 1 a graf 2 zobrazují průběh proměnných ve spojnicovém vyjádření v ČR za sledované období 1993-2013. Graf 1: Procentuální složení obyvatel nad 15 let podle vzdělanostní úrovně v ČR v letech 1993-2013 100% vysokoškolské

80% 60%

střední s maturitou

40%

střední bez maturity

20%

základní vzdělání a bez vzdělání

1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013

0%

Zdroj: data ČSÚ [3], vlastní znázornění Graf 2: Počet zjištěných trestných činů v ČR v letech 1993-2013

2013

2011

2009

2007

2005

2003

2001

1999

1997

1995

1993

440 000 420 000 400 000 380 000 360 000 340 000 320 000 300 000

Zdroj: data Policie ČR [8], vlastní znázornění Procentuální složení obyvatelstva České republiky staršího 15-ti let vykazuje za poslední dekádu rostoucí tempo podílu vysokoškolských osob a osob se středním vzděláním s maturitou na tomto obyvatelstvu. Podíl osob se středním vzděláním bez maturity se v průběhu období snižuje a stejně tak podíl osob se základním vzděláním a bez vzdělání. Úroveň vzdělanosti se tedy zvyšuje, přičemž Česká republika dlouhodobě disponuje širokou základnou středoškolsky vzdělaných osob. Počet 4

zjištěných trestných činů vykazuje v ČR od roku 1994 do roku 1999 rostoucí a poté již klesající trend s mírnými výkyvy. V roce 2012 dosahoval počet zjištěných trestných činů svého minima, a to hodnoty 304 528, od roku 1999 se jednalo o 40% pokles. Korelační analýza byla použita k vyhodnocení vlivu vzdělanostní úrovně na počet zjištěných trestných činů v České republice. Statistická data z let 1993-2013 u obou proměnných byla před korelační analýzou standardizována pomocí logaritmické transformace. Závisle proměnou představuje počet zjištěných trestných činů. Nezávisle proměnné, počty osob v jednotlivých vzdělanostních úrovních, jsou pro účely korelační analýzy zpožděny o 2 období, tedy dva roky. Předpokládá se tímto, že ovlivnění počtu trestných činů vzdělanostní úrovní se může projevit s časovým zpožděním. Z výsledků korelační analýzy v tabulce 3 je patrné, že: mezi vysokoškolskou úrovní a počtem trestných činů existuje nepřímá silná závislost v čase (t); mezi středoškolskou úrovní s maturitou a počtem trestních činů existuje nepřímá středně silná závislost v čase (t) a (t-1); mezi středoškolskou úrovní bez maturity a počtem trestních činů existuje přímá středně silná závislost v čase (t) a (t1); mezi základním vzděláním a bez vzdělání a počtem trestních činů existuje přímá středně silná závislost v čase (t) a (t-1). Tyto výsledky poukazují na nepřímou úměru počtu zjištěných trestných činů s vyšší úrovní vzdělanosti a na přímou úměru počtu zjištěných trestných činů s nižší úrovní vzdělanosti. Tabulka 3: Korelační koeficienty u vzdělanostních úrovní v ČR ISCED_5,6

ISCED_3,4

t

-0,83269

t

0,632829

t-1

0,774174 ISCED_3

t-1

0,634387

t-2

0,610571

t-2

0,523619

t

-0,77144

t

0,789939

t-1

-0,78125 ISCED_0,1,2 t-1

0,773261

t-2

-0,45535

0,518714

t-2

Zdroj: vlastní výpočet v programu Microsoft Excel Na základě korelační analýzy z tabulky 3 je vybrána vzdělanostní úroveň vysokoškolské vzdělání. Pro tuto vzdělanostní úroveň je provedena lineární regresní analýza. Vstupní proměnná byla zvolena podle nejvyšší hodnoty naměřeného korelačního koeficientu u dané vzdělanostní úrovně, tedy proměnná ISCED_5,6 v čase (t) -0,83269, tento korelační koeficient poukazuje na 83% nepřímý vliv vzdělanostní úrovně obyvatelstva na kriminalitu obyvatelstva. Výsledky regresní analýzy jsou uvedeny v grafu 3, kde je znázorněn průběh lineární regresní funkce.

5

Graf 3: Regresní analýza pro vzdělanostní úroveň ISCED_5,6(t) 450 000 y = -0,1064x + 457742 R² = 0,6934

430 000 410 000 390 000 370 000 350 000 330 000 310 000 290 000 500 500

1 000 500

1 500 500

Zdroj: vlastní výpočet v programu Microsoft Excel Na vodorovné ose je umístěna nezávislá proměnná počet vysokoškolsky vzdělaných osob v období 1993-2013; na svislé ose je umístěna závislá proměnná počet trestných činů v ČR v období 1993-2013. Funkce lineární regrese u vzdělanostní úrovně ISCED_5,6 (t) má tvar: Počet zjištěných trestných činů = -0,1064 * počet vysokoškolsky vzdělaných osob + 457742. Koeficient determinace má hodnotu 0,6934, vybraný lineární trend vysvětluje vztahy mezi proměnnými ze 70 %. Regresní koeficient b má hodnotu -0,1064 a konstanta má hodnotu 457742. Konstantní hodnota ukazuje, jak vysoko by se počet trestných činů vyšplhal v případě, že by procento vysokoškolsky vzdělaných osob v ČR bylo nulové. Parametr b říká, že pokud by se počet vysokoškoláků v ČR zvýšil o 1 %, snížil by se počet trestných činů v ČR o 0,11 %. Analýza párových vztahů byla dále využita při zkoumání vztahu mezi vzdělanostní úrovní obyvatel a počtem trestných činů ve vybraných zemích Evropské unie. Závisle proměnou zde představuje počet hlášených trestných činů na 100.000 obyvatel a nezávisle proměnnou procento dospělých osob ve věku 25-64 let, kteří završili alespoň střední vzdělání (jsou zde tedy zahrnuty osoby se středním vzděláním a vysokoškolským vzděláním). V bodovém grafu 4 je na svislé ose závislá proměnná a na vodorovné ose nezávislá proměnná v roce 2010. Z grafu 4 je patrné, že země Evropské unie jsou velice disparitní, co se týká úrovně vzdělanosti a současně trestné činnosti. Výsledky jsou následující:  Malta a Portugalsko disponují nízkým procentem vzdělanějších osob (v průměru 35 %) a současně nízkým počtem trestných činů (v průměru 3.604 na 100.000 obyvatel),  Španělsko, Itálie a Řecko disponují středním procentem vzdělanějších osob (v průměru 56,93 %) a současně nižším počtem trestných činů (v průměru 4.090 na 100.000 obyvatel), 6

 Rumunsko, Kypr, Chorvatsko a Bulharsko disponují vyšším procentem vzdělanějších osob (v průměru 76,1 %) a současně velmi nízkým počtem trestných činů (v průměru 1.537 na 100.000 obyvatel),  Slovinsko a Maďarsko disponují vyšším procentem vzdělanějších osob (v průměru 82,3 %) a současně nižším počtem trestných činů (v průměru 4.418 na 100.000 obyvatel),  Polsko, Lotyšsko, Estonsko, Litva, Slovensko a Česká republika disponují vysokým procentem vzdělanějších osob (v průměru 90,2 %) a současně nízkým počtem trestných činů (v průměru 2.675 na 100.000 obyvatel),  Belgie, Dánsko, Finsko, Nizozemsko, Lucembursko, Spojené království, Německo, Rakousko, disponují vyšším procentem vzdělanějších osob (v průměru 77,9 %) a současně vyšším počtem trestných činů (v průměru 7.565 na 100.000 obyvatel),  Švédsko disponuje vyšším procentem vzdělanějších osob (81,2 %) a současně vysokým počtem trestných činů (14.671 na 100.000 obyvatel). Graf 4: Vztah mezi vzdělanostní úrovní a počtem trestných činů ve vybraných zemích EU v roce 2010 16 000 Švédsko

14 000 12 000 10 000

Belgie Dánsko

8 000 Nizozemsko

y = 2,9719x + 4611,5 R² = 0,0002

6 000

Španělsko Itálie

Portugalsko

4 000

Malta

Finsko

Spojené království Německo Rakousko Lucembursko Maďarsko

Řecko

2 000

Slovinsko Estonsko Česká republika Litva Bulharsko Slovensko

Polsko Chorvatsko Lotyšsko

Rumunsko

Kypr

0 30

40

50

60

70

80

90

100

Zdroj: data ČSÚ [2] a EUROSTAT [4], vlastní znázornění v programu Microsoft Excel Na svislé ose je umístěna závisle proměnná počet hlášených trestných činů na 100.000 obyvatel a vodorovné ose nezávisle proměnná procento dospělých osob ve věku 25-64 let, kteří završili alespoň střední vzdělání. Funkce lineární regrese má tvar: Počet hlášených trestných činů = 2,9719 * procento osob se středním vzděláním a vyšším + 4611,5. Koeficient determinace má hodnotu 0,0002, vybraný lineární trend vysvětluje vztahy mezi proměnnými z 0,02 %. Lze tedy říci, že mezi proměnnými v rámci 7

Evropské unie neexistuje vzájemný vztah a procento osob s vyšším než středoškolským vzděláním neovlivňuje počet trestných činů. Lineární vztah nevysvětluje zvolený model.

Souhrn Cílem příspěvku bylo verifikovat teorii lidského kapitálu z pohledu nepřímých dopadů na společnost. Byl zkoumán korelační a regresní vztah mezi počtem osob v jednotlivých vzdělanostních úrovních obyvatelstva nad 15 let v ČR a počtem zjištěných trestných činů v ČR v letech 1993-2013. Korelační analýzou byla zjištěna: nepřímá středně silná až silná závislost mezi počtem zjištěných trestných činů a vysokoškolskou úrovní i středoškolskou úrovní s maturitou; a současně přímá středně silná závislost mezi počtem zjištěných trestných činů a středoškolskou úrovní bez maturity a základním vzděláním a bez vzdělání. Regresní analýzou bylo zjištěno, že pokud by se počet vysokoškoláků v ČR zvýšil o 1 %, snížil by se počet trestných činů v ČR o 0,11 %. Korelační a regresní analýzou byla tedy teorie lidského kapitálu o růstu vzdělanostní úrovně a poklesu kriminality (taktéž naopak, poklesu vzdělanostní úrovně a růstu kriminality) potvrzena. Dále byl analyzován párový vztah mezi populací ve věku 25 až 64 let se středním a vysokoškolským vzděláním v zemích EU a počtem hlášených trestných činů na 100.000 obyvatel v zemích EU. Prostřednictvím analýzy bylo zjištěno, že země Evropské unie jsou velice disparitní, co se týká vzdělanosti a současně trestné činnosti. Neplatí zde předpoklad, že s vyšším procentuálním zastoupením vzdělanějších osob (osoby se středoškolským vzděláním a s vysokoškolským vzděláním) v zemi, klesá počet trestných činů na 100.000 obyvatel v zemi. Česká republika společně s pobaltskými zeměmi (Lotyšsko, Estonsko, Litva), Polskem a Slovenskem disponuje vysokým procentem vzdělanějších osob (v průměru 90,2 %) a současně nízkým počtem trestných činů (v průměru 2.675 na 100.000 obyvatel). Procentuální zastoupení těchto osob se středním a vysokoškolským vzděláním je u těchto zemí současně nejvyšším v rámci sledovaných zemí EU a počet trestných činů současně druhým nejnižším v rámci skupin zemí EU. Česká republika současně ze všech sledovaných zemí EU vykazuje nejvyšší procento osob se středním a vysokoškolským vzděláním (91,9 %), a Slovensko druhou nejvyšší hodnotu (91 %), přičemž Slovensko vykazuje o 41 % nižší počet zjištěných trestných činů (1.767/100.000 obyvatel) než Česká republika (2.995/100.000 obyvatel).

Literatura 1. BECKER, G. S.: Human Capital. Chicago. University of Chicago Press, 1964. 412 s. ISBN 978-0-226-04120-9. 2. ČESKÝ STATISTICKÝ ÚŘAD: Česká republika v mezinárodním srovnání, trestné činy. [online]. [2014-12-20]. Dostupné z WWW:< http://www.czso.cz/csu/2013edicniplan.nsf/kapitola/1607-13-r_2013-94>. 3. ČESKÝ STATISTICKÝ ÚŘAD: Vzdělávání. [online]. [2014-12-20]. Dostupné z WWW:< http://www.czso.cz/csu/redakce.nsf/i/vzdelavani>. 8

4. EUROSTAT: Vzdělávání. [online]. [2014-12-22]. Dostupné z WWW:< http://apl.czso.cz/pll/eutab/html.h?ptabkod=tps00065>. 5. HEBÁK, P., HUSTOPECKÝ, J., JAROŠOVÁ, E., PECÁKOVÁ, I.: Více rozměrné statistické metody (1). Praha: Informatorium spol. s.r.o., 2010. ISBN 987-80-7333-056. 6. SEVEROVÁ, L.; ŠRÉDL, K.: Znalostní ekonomika. Česká zemědělská univerzita v Praze, 2010. ISBN: 978-80-213-2131-1. 7. SVATOŠOVÁ, L.; KÁBA, B.; PRÁŠILOVÁ, M.: Zdroje a zpracování sociálních a ekonomických dat: učební texty. Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta, 2004. 194 s. ISBN 8021311894. 8. POLICIE ČESKÉ REPUBLIKY: Statistiky, kriminalita. [online]. [2014-12-20]. Dostupné z WWW:< http://www.policie.cz/statistiky-kriminalita.aspx>. ADDRESS & © Ing. Erika URBÁNKOVÁ, PhD. Katedra ekonomických teorií Provozně ekonomická fakulta Česká zemědělská univerzita Kamýcká 6, 165 21 Praha - Suchdol Czech Republic [email protected] Mgr. František HŘEBÍK, PhD. prorektor pro zahraniční styky a vnější vztahy Katedra managementu a informatiky Fakulta bezpečnostního managementu Policejní akademie ČR v Praze Czech Republic [email protected]

9