EXPLORING ECONOMIC AND SPATIAL DEPENDENCIES OF CRIME RATES IN EUROPE AT THE NUTS-3 LEVEL

Artykuł koncentruje się na przestrzennej analizie eksploracyjnej danych związanych z przestępczością i rozwojem gospodarczym w UE na poziomie NUTS-3. NUTS jest statystyczną klasyfikacją terytorialną w UE i dla EUROSTATU, a jego 3 poziom obejmuje najmniejsze regiony. Analiza składa się z trzech etapów. Po pierwsze, zidentyfikowano najczęściej stosowane wskaźniki wyrażające relacje pomiędzy przestępczością a warunkami gospodarczymi. W drugim etapie, po poszukiwaniach tychże wskaźników w bazach EUROSTATU, na poziomie NUTS-3 utworzono zestaw danych wejściowych. Wreszcie, dane geograficznie zidentyfikowane poddano testom zależności przestrzennych oraz zaproponowano badania lokalnej korelacji niektórych wskaźników. Hierarchiczne grupowanie wskaźników zastosowano zarówno dla 2009 i 2010. Z badań wynika występowanie przepływów i nierówności w danych, jak również brak istotnych danych statystycznych na poziomie NUTS-3 dla kilku wskaźników, pomimo ich dostępności na wyższych poziomach klasyfikacji terytorialnej. Niezależnie jednak od trudności, rozpoznawcza analiza przestrzenna wskazuje, by kontynuować badania na temat relacji między wskaźnikami infrastrukturalnymi, takimi jak: odległość od portów i autostrad a przestępczością. Graficzna prezentacja zidentyfikowanych klastrów na mapach wskazuje na istnienie stabilnych grup regionów z podobnymi wartościami. Innym pozytywnym rezultatem wynikającym z badania jest możliwość sklasyfikowania, wizualizacji i analizy podobieństwa oraz różnic wśród najmniejszych regionów statystycznych UE.

The paper is focused on the spatial exploratory analysis of data related to crime and economic development in EU on the NUTS-3 level. NUTS is the statistical territorial classification of EU and EUROSTAT and its 3rd level includes the smallest regions. The analysis has three steps. First of all, the most commonly used indicators in studies investigating the relationship crime-economic conditions were identified. In the second stage, after search for these indicators in EUROSTAT NUTS-3 level datasets the research dataset was established. Finally, the data is geographically referenced and tests for spatial dependencies and local correlation of some indicators are introduced. Hierarchical clustering of indicators is used both for 2009 and 2010. The research shows the existence of flows and inequalities of data, as well as absence of data on NUTS-3 level for important indicators, despite their presence on higher levels of the territorial classification. Regardless of these shortcomings, the exploratory spatial analysis generates the idea to continue the research on the relations between infrastructural indicators such as distance to ports and highways and crime rates. The mapping of identified clusters shows the existence of stable geographically formed groups of regions from similar clusters. Another positive result is the possibility to classify, visualize and study the similarities and differences in EU smallest statistical regions.