SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

Transkript

1 SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden alınan pols suç ver tabanı kullanılarak lojstk regresyon model tahmn edlmeye çalışılmaktadır yılları arasını kapsayan suç ver tabanı 3 alt büroya ayrıldıktan sonra büroların ve pols merkezlernn performans değerlendrmeler yapılmaktadır. Ver tabanın tümü kullanılarak değşkenlere lşkn elde edlen frekanslar le ver tabanı alt bürolara ayrıldıktan sonra her br büroya at değşkenlern frekansları belrlenmştr. Daha sonra ver tabanının tümü çn elde edlen frekanslar ve her br büro çn elde edlen frekanslar, parametreler tahmn edlen lojstk regresyon modelnde yerne yazılmıştır. Böylece k grup arasında belrl özellklere sahp breylern suç şleme olasılıklarının farklılığı ortaya konmaya çalışılmıştır. Anahtar Kelmeler: Suç, Lojstk Regresyon, Sınıflandırma, Uyumun İylğ, Hosmer- Lemeshow Test. I Abstract n ths study, a logstc regresson model s tred to be estmated by usng polce crme database obtaned from Bursa Polce Headquarters. After the database coverng the years between s dvded nto 3 sub-offces, an evaluaton of performance n offces and polce head offces s carred out. Both the frequences related to varables by usng the whole database and the frequences of varables belongng to each offce after the database was dvded nto sun-offces were determned. Later, the frequences obtaned for the whole database and the ones for each offce were wrtten n ther places n logstc regresson model the parameters of whch were estmated. Thus, the dfference between the possbltes of commttng a crme of ndvduals havng certan characterstcs n two groups s tred to be shown. Key Words: Crme, Logstc Regresson, Classfcaton, Goodness of Ft, Hosmer- Lemeshow Test. Grş * Araştırma Görevls, Uludağ Ünverstes İktsad ve İdar Blmler Fakültes, Ekonometr Bölümü, mnargele@uludag.edu.tr.

2 .Amaç ve Kapsam Bu çalışmada, Bursa Emnyet Müdürlüğünden alınan ve tarhler arasını kapsayan ver tabanı kullanılarak suçların lojstk regresyon model yardımıyla tahmn yapılmaya çalışılmaktadır. Bursa Emnyet müdürlüğünden alınan ver kütüğü dönemlernde yakalanan breylern sorguları sonucunda oluşturulmuştur. BEMTAP-2000 (Bursa Emnyet Müdürlüğü Teknolojk Adaptasyon Projes) ver tabanından alınan bu ver kütüğü 7930 gözlem değernden oluşmaktadır. Ver tabanı ncelendğnde breyn şledğ suç türüne bağlı olarak sorgulandığı ve brey sorgulayan büroların kayıtlarının ayrı ayrı grldğ görülmektedr. Bu nedenle analz aşamasında çalışmanın amacına bağlı olarak her br büro çn tek tek lojstk regresyon analz yapılacak ve tahmn sonuçları karşılaştırılacaktır. Lojstk model parametrelernn tahmn çn kullanılan bağımlı değşken çn brey lglenlen büroya at suç şlemşse, büroya bağlı suç şlememşse 0 değer verlmektedr. BEMTAP ver tabanında sıfır değerler çok fazla olduğundan yorumların daha anlamlı olması çn referans kategors her br değşkenn son kategorler olarak kullanılmıştır. Bu nedenle yorum aşamasında tüm değşkenlern lk kategorler yorumlanmayacaktır. Lojstk regresyon model tahmnnde modelde yerne yazılacak değşken kategorler tüm büroların frekans ve hstogramları yardımıyla belrlenmştr. Buna göre, pols merkez Çarşı (2), olay saat (0), cnsyet erkek (), yaş 26, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) değerlerne ulaşılmıştır. Model tahmnlernn uyum ylğ değerlendrmeler Hosmer-Lemeshow test yardımıyla oluşturulmaktadır. 2.Teork Çerçeve İk veya daha fazla değer alan kukla değşkenler bağımlı değşken olarak regresyon modelnde yer alablrler (Gürş ve Çağlayan, 2000:653). Bu tür modellerde bağımlı değşken evet-hayır gb k değer alır ve k karardan br verlr. Dolayısıyla verlen özel kararın nedenn açıklamak çn bağımlı değşken k durumlu olan kl seçm modeller kullanılır (Judge, Hll ve Grffths, 988:783). Bununla beraber, bağımlı değşkenn k seçenekl olduğu durumda doğrusal regresyon model bazı dezavantajları nedenyle uygulanmamaktadır (Akın, 2002a:5). Lojstk regresyon; bağımlı değşkenn kategork, kl, üçlü ve çoklu kategorlerde gözlendğ durumlarda açıklayıcı değşkenlerle neden sonuç lşksn belrlemede yararlanılan br yöntemdr (Özdamar, 999:475). Dğer br anlamda lojstk regresyon analznde bağımsız değşkenlern, bağımlı değşken üzerne etkler, bağımlı değşkenn k düzeynden herhang brne karşı dğernn olma olasılığından yararlanarak belrlenmeye çalışılır (Arabacı, 2002:8). Lojstk regresyon modelnde bağımlı değşkenn kl değerler alması nedenyle hata termn dağılımı artık normal br dağılım göstermeyecektr. Hata termn dağılımı kl değer alan bnomal 2

3 dağılımına sahp olacaktır (Hosmer ve Lemeshow, 2000:7). Lojstk regresyon modelnde kümülatf lojstk olasılık fonksyonları kullanılır (Özmen, 996:4). Lojstk dağılım fonksyonu probt model çn normal dağılım fonksyonu smetrktr (Johnston ve Dnardo, 997:49). Probt model çn normal dağılım ve lojstk dağılım arasındak temel fark lojstk fonksyonun kümülatf normal fonksyona göre kuyruk uç bölgelernn daha kalın olmasıdır (İşyar, 994:268). Bunun dışında lojstk model ve probt model formülasyonları benzerlk gösterecektr. Çünkü her ks de kümülatf normal fonksyon formuna benzerlk gösterdkler ve lojstk modeln hesaplama kolaylığı nedenyle çok sık olarak probt modeln yerne kullanılmaktadır (Pndyck ve Rubnfeld, 98:287). P = F(Z) = F( β () + β 2 X ) P = E(Y = / X ) = Z = β + β2x (2) + e Z Bu durumda Z le + arasında değştğnde P, 0 le arasında değşecek ve aralarında doğrusal olmayan br lşk olacaktır (Gujarat, 999:554). Br olayın olma olasılığının ( P ), olmama olasılığına ( P ) bölümü bahs oranını (odds rato) vermektedr ve aşağıdak gb ölçülmektedr (Agrest, 2002:44). Z P + e Ω = = P Z + e (3) Z = e Bu oran negatf olmayan br değer olmalıdır. Bahs oranı, nsb rsk le yakın lgldr (Powers ve Xe, 2000:5). Şöyle k, eğer lglenlen durumun olma olasılığı düşük se bahs oranı nsb rske yakın sonuç verr. Eğer bahs oranı olursa, lojstk değer 0 a eşt olacaktır. Bahs oranı den büyük değer aldığında lojstk değer yavaşça artar. Aks durumda bahs oranı den küçük olduğunda se lojstk değer hızla azalır. Sonuç olarak modelde gerekl düzenlemeler yapıldığında lojstk denklem aşağıdak bçmde oluşturulablr. 3

4 L P = In = Z P (4) = β + β X 2 Burada, L, lojtler temsl etmektedr. Lojstk regresyon modelnn özellkler aşağıdak bçmde özetleneblr (Akın, 2002b:60). P 0 dan e gderken yan, Z dan + a doğru gderken lojt Z dan + a gder. Olasılıklar se 0 le aralığında bulunmasına rağmen lojtler sınırlı değldr. Lojtler, X değşkenlernde doğrusal olmasına rağmen olasılıkları doğrusal değldr. Bu durumda olasılıkların X lerle doğrusal olarak artmaktadır. Lojstk regresyon model le tahmn edlen değşken parametreler β, X dek br brm değşmenn Z dek değşmesn ölçer. Kesme termnn anlamı yoktur. Bu özellklere ek olarak lojstk regresyon modelnn varsayımları kısaca aşağıdak bçmde verleblr. Y (0,) =,2,..., n P = + e Z, Y2, Y3,..., Yn Y değerler statstksel olarak bağımsızdır. Açıklayıcı değşkenler brbrlernden bağımsızdır. Yukarıdak açıklamalar ışığında lojstk regresyon model tahmn edlmes, açıklayıcı değşkenlern sayısında artış olduğunda da şleyş sürec gelştrlerek uygulanablmektedr. Lojstk regresyon model tahmn edldkten sonra, tahmn edlen modeln nasıl br uyum gösterdğn belrlemek çn br çok test kullanılmaktadır. Ancak çalışmada, Hosmer-Lemeshow uyumun ylğ test le tahmn edlen modeln sınıflandırma oranı kullanılacaktır. 4

5 Lojstk regresyon model tahmn edldkten sonra tahmn edlen modeln uyumunun ylğ, bağımlı değşken çn kurulan modeln ne kadar etkn olduğunu göstermektedr. Br modeln uyum ylğ aşağıdak şeklde tanımlanablmektedr. Bağımlı değşken( Y ) le tahmn edlen küçük olması, Ŷ arasındak uzaklığın Her br ( Y, Ŷ ) kls çn lşknn, modeln hata yapısından bağımsız ve sstematk olmayışı uyumun ylğn göstermektedr. Hosmer-Lemeshow test sürecnde hesaplanan olasılık değerler grubu oluşturulmaktadır. Hosmer-Lemeshow testnde teork frekansların 5 den büyük olması sağlanmaya çalışılmaktadır. Böylece serbestlk derecesnn düşmes 2 sağlanır ve o serbestlk derecesnde χ dağılımına uygun güvenlr br ölçüt oluşturulur. Test sürecnde tahmn edlen değerler gruplandırılmaktadır. Testn güvenlrlğ çn gözlenen ve beklenen frekanslar tablosundan 5 den büyük değer olması gerekmektedr. Ayrıca grupların sayısı 6 dan az olmamalıdır (Arabacı, 2002:33). Ĉ = g ı 2 (O k n k Pk ) ı k= n k Pk ( Pk ) (5) Burada, ı n k, k-nc gruptak brlkte hareket etme sayısı, n ı k ve O =, dır. P k ortalama tahmn edlen olasılıklar ve P k y j j= dır. Hesaplanan test statstğ Ĉ, (g-2) serbestlk derecesnde yaklaşır. O k gözlenen frekans m Pˆ k = n j j ı k 2 χ dağılımına Hosmer-Lemeshow testnn yanında tahmn edlen modeln uyumunun ylğ ölçütü sınıflandırma tablolarıdır. Sınıflandırma tablosunda, bağımlık değşkenn gerçek ve tahmn edlen değer çaprazlanmaktadır. Eğer tahmn edlen değer 0.5 aşarsa, aks halde sıfır grubuna atanma yapılacaktır. Sınıflandırma tablosunda bazı olumsuz yönler olmasına karşın yne de uyumun ylğn göstermede uygun br araçtır. Çünkü sınıflandırma tablosu 5

6 oluşturulurken 0.5 olarak alınan kesm değernde yapılan küçük değşklkler sınıflandırma oranını büyük ölçüde değştrmektedr. 3.Model Parametrelernn Tahmn Lojstk regresyon modelnn parametreler tahmn edlrken kullanılacak değşkenler aşağıdak şeklde tanımlanmaktadır. Bağımlı değşken çn brey suç şledkten sonra sorgusu lglenlen büro tarafından yapılmış se, dğer tüm bürolar tarafında yapılmış se 0 değernn verldğn daha önce söylemştk. Açıklayıcı değşkenler se; POLMER suçu şleyen brey yakalayan pols merkezn, OLAYSAAT şlenen suçun hang saatler arasında olduğunu, CINSIYET suçu şleyen breyn cnsyetn, YAS suçu şleyen breyn yaşını, DOGYER suçu şleyen breyn doğduğu bölgey, OGRENİM suçu şleyen breyn eğtm durumu, MESLEK suçu şleyen breyn ş veya mesleğn göstermektedr. Bu değşkenlern kategorler le lgl detaylı blg EK- de gösterlmektedr. Emnyet müdürlüğünden alına ver tabanını 3 tane alt büroya ayrılmıştır. Bu bürolar; Ağır Suçlar Bürosu, Ahlak Bürosu, Bölücü Terör Bürosu, Büro Suçları Bürosu, Çocuk Bürosu, Genel Suçlar Bürosu, Hırsızlık Bürosu, Kaçakçılık Bürosu, Kayıp Şahıslar Bürosu, Mal Suçlar Bürosu, Narkotk Bürosu, Organze Suçlar Bürosu, Yankesclk ve Dolandırıcılık Bürosudur. Analz aşamasında tüm bürolar çn lojstk regresyon modelnn parametreler tahmn edlmştr. Ancak burada sadece öneml olduğu düşünülen sonuçlar verlmştr. Analzn son aşamasında se her br büro çn tahmn edlen lojstk regresyon modeller kullanılarak pols merkez Çarşı (2), olaysaat (0), cnsyet erkek (), yaş 26, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) olan breyn şledğ suçun hang büronun lg alanına grdğn lojstk regresyon olasılıkları kullanılarak özetlenmeye çalışılmaktadır. 3..Ağır Suçlar Bürosu Brey adam öldürme, darp etme, kasten yaralama gb suçları şledğnde ağır suçlar bürosunda sorgulaması yapılmaktadır. Bu nedenle emnyet müdürlüğünden alınan ver tabanında 7930 gözlemlk ver tabanının 5380 adednn ağır suçlar bürosuna at olduğu görülmektedr. Ağır suçlar bürosu çn yapılacak lojstk regresyon analznde bağımlı değşken büro değşken olacağı çn yapılacak kategor tanımlamasında breyn şledğ suç ağır suç se, dğer bürolar se 0 değer verlecektr. Açıklayıcı değşken olarak kullanılacak kategork ve sürekl değşkenler yukarıda 6

7 belrtldğ üzere pols merkez, olay saat, cnsyet, yaş, doğum yer bölges, öğrenm durumu ve meslek değşkenlerdr. 3.2.Adımsal Değşken Seçm İlk olarak bağımlı değşken (BURO) le öneml olduğu düşünülen değşkenler aşamalı olarak modele dahl edlerek değşkenlern modele yaptıkları katkılar test edlmştr. Modele değşken eklendğnde. her eklenen değşken modele katkıda bulunmaktadır. Zra yapılacak breysel t-test statstğ veya parametrelern marjnal anlamlılık düzeyler her eklenen değşkenn anlamlı olduğunu göstermektedr. Tablo adımsal değşken seçm sonucunda tahmn edlen lojstk regresyon model parametrelernn tahmnn göstermektedr. Kesme term çn bulunan -.24 katsayısı statstksel olarak anlamlı olmasına karşın parametre yorumunun yapılması oldukça güçtür. Bu nedenle lojstk regresyonda çoğu zaman kesme term yorumlanmamaktadır. Kısm eğm katsayılarından br olan pols merkez değşkennn katsayıları her br kategor çn hesaplanmış olup Tablo de gösterlmektedr. Pols merkez değşkennn her br kategorsne lşkn elde edlen sonuçlardan Polmer3 (Çekrge) ve Polmer0 (Küçük Sanay) merkezler dışındak tüm kategorler (merkezler) % anlamlılık düzeynde anlamlı bulunmuştur. Pols merkez değşken çn hesaplanan bahs oranlarının çoğunluğu brden büyük değerldr. Tablo : Ağır Suçlar Bürosu İçn Lojstk Regresyon Tahmn Değşkenler Parametre Standart Hata Serbestlk Dereces Olasılık Değer Bahs Oranı Bahs Oranı %95 Güven Aralığı Alt Sınır Üst Sınır Kesme POLMER POLMER() POLMER(2) POLMER(3) POLMER(4) POLMER(5) POLMER(6) POLMER(7) POLMER(8) POLMER(9) POLMER(0) POLMER() POLMER(2) POLMER(3) POLMER(4) POLMER(5) POLMER(6) POLMER(7) POLMER(8)

8 POLMER(9) POLMER(20) POLMER(2) OLAYSAAT OLAYSAAT() OLAYSAAT(2) OLAYSAAT(3) OLAYSAAT(4) CINSIYET() YAS DOGYER DOGYER() DOGYER(2) DOGYER(3) DOGYER(4) DOGYER(5) DOGYER(6) DOGYER(7) DOGYER(8) OGRENIM OGRENIM() OGRENIM(2) OGRENIM(3) OGRENIM(4) OGRENIM(5) OGRENIM(6) OGRENIM(7) MESLEK MESLEK() MESLEK(2) MESLEK(3) MESLEK(4) MESLEK(5) MESLEK(6) MESLEK(7) MESLEK(8) MESLEK(9) MESLEK(0) Yan pols merkeznn ağır suç şleme olasılığı üzernde etkl olduğu bulunmuştur. Dğer br anlamda ağır suç şleyen brey tutuklayan pols merkez önemldr. Bu yüksek br rsk faktörüdür. Çünkü değşkenn parametres statstksel olarak anlamlı çıkmıştır. Örneğn kesme termne terk edlen (referans kategor) pols merkez kategors Yıldırım pols merkezdr. Buna göre Polmer2 (Yavuz Selm) tarafından yakalanan breyn Polmer22 (Yıldırım) pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığını yaklaşık % 26 oranında daha fazladır. Çünkü Polmer2 çn hesaplanan bahs oranı 2.58 olarak hesaplanmıştır ve değşkenn katsayısı anlamlı olarak bulunmuştur. Pols Merkez çn katsayıların referans kategorsndek br artış olarak tahmn edlmştr. Marjnal anlamlılık düzey (probablty) parametrenn % düzeynde anlamlı olduğunu göstermektedr. Ş. Şerafettn Yılmaz pols 8

9 merkez tarafından yakalanan breyn Yavuz Selm pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 42 oranında daha fazladır. Santral Garaj pols merkez tarafından yakalanan breyn Ş. Şerafettn Yılmaz pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 86 oranında daha fazladır. S. Türkoğlu pols merkez tarafından yakalanan breyn Santral Garaj pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 44 oranında daha fazladır. Organze Sanay pols merkez tarafından yakalanan breyn S. Türkoğlu pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 76 oranında daha azdır. Çünkü parametre değer negatf olarak tahmn edlmş ve % düzeynde anlamlıdır. Nlüfer pols merkez tarafından yakalanan breyn Organze Sanay pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 57 oranında daha fazladır. N. Pamr pols merkez tarafından yakalanan breyn Nlüfer pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 64 oranında daha fazladır. Muradye pols merkez tarafından yakalanan breyn N. Pamr pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 53 oranında daha fazladır. Muammer Sencer pols merkez tarafından yakalanan breyn Muradye pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 25 oranında daha fazladır. Mernos pols merkez tarafından yakalanan breyn Muammer Sencer pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 64 oranında daha fazladır. Kültürpark pols merkez tarafından yakalanan breyn Mernos pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 299 oranında daha fazladır. Küçük Sanay pols merkez tarafından yakalanan breyn Kültürpark pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 0 oranında daha fazladır. Ancak değşken anlamsız olduğundan yüksek br rsk değer olmayacaktır. İhsanye pols merkez tarafından yakalanan breyn Küçük Sanay pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 37 oranında daha fazladır. 9

10 Işıklar pols merkez tarafından yakalanan breyn İhsanye pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 39 oranında daha fazladır. Ertuğrul Gaz pols merkez tarafından yakalanan breyn Işıklar pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 52 oranında daha fazladır. Emr Sultan pols merkez tarafından yakalanan breyn Ertuğrul Gaz pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 40 oranında daha fazladır. Emek pols merkez tarafından yakalanan breyn Emr Sultan pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 47 oranında daha fazladır. Duaçınar M. Canbaz pols merkez tarafından yakalanan breyn Emek pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 24 oranında daha fazladır. Çekrge pols merkez tarafından yakalanan breyn Duaçınar M. Canbaz pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 00 oranında daha fazladır. Ancak değşken anlamsız olduğundan yüksek br rsk değer olmayacaktır. Çarşı pols merkez tarafından yakalanan breyn Çekrge pols merkeznde yakalanan breye göre ağır suçu şlemş olma olasılığı yaklaşık % 39 oranında daha fazladır. Olay Saat değşken çn referans kategors saatler arasında şlenen suçlar kategorsdr arası şlenen suçların ağır suç olma olasılığı arasında şlenen suçların ağır suç olma olasılığına göre % 78 daha düşüktür. Çünkü parametre değer negatf tahmn edlmekle beraber % düzeynde anlamlıdır. Benzer bçmde saatler arasında şlenen suçların ağır suç olma olasılığı aralığında şlenen suçların ağır suç olma olasılığına göre % 95 daha düşüktür. Bu kategor çn hesaplanan parametre 0.05 anlamlılık düzeynde anlamlı olduğundan rsk faktörü olarak dkkate alınablr saatler arasında şlenen suçların aralığında şlenen suçlara göre ağır suç olma olasılığı % 43 daha düşüktür. Cnsyet değşken çn hesaplanan değer 0.27 olmakla beraber % düzeynde anlamlıdır. Hesaplanan bahs oranı.3 parametre değernn anlamlı olması nedenyle cnsyetn öneml br rsk faktörü olduğunu göstermektedr. Buna göre erkek breyn ağır suç şleme olasılığı kadınların ağır suç şleme olasılığına göre % 3 daha fazladır. Yaş değşken çn hesaplanan parametre olarak bulunmuştur. Bu değer çn hesaplanan marjnal anlamlılık düzey (prob.) parametrenn % düzeynde anlamlı olduğunu göstermektedr. Hesaplanan bahs oranı se.005 0

11 parametre değer anlamlı olduğundan yaş değşken öneml br rsk faktörüdür. Suç şleyen breyn yaşı arttığında şledğ suçun ağır suç olma olasılığı yaklaşık % 00 kat artmaktadır. Doğum yer değşken suçu şleyen breyn doğduğu bölgey göstermektedr. Referans kategors ağır suçu şleyen breyn göçmen veya yurt dışı doğumlu olma olasılığını göstermektedr. Buna göre, Marmara bölges doğumlu breyn ağır suç şleme olasılığı göçmen (yurt dışı) doğumlu breyn ağır suç şleme olasılığına göre % 28 kat daha fazladır. Karadenz bölges doğumlu breyn ağır suç şleme olasılığı Marmara bölges doğumlu breye göre ağır suçu şlemş olma olasılığından yaklaşık % 272 oranında daha fazladır. İç Anadolu bölges doğumlu breyn ağır suç şleme olasılığı Karadenz bölges doğumlu breye göre ağır suçu şlemş olma olasılığından yaklaşık % 33 oranında daha fazladır. Güney Doğu Anadolu bölges doğumlu breyn ağır suç şleme olasılığı İç Anadolu bölges doğumlu breye göre ağır suçu şlemş olma olasılığından yaklaşık % 94 oranında daha fazladır. Ege bölges doğumlu breyn ağır suç şleme olasılığı Güney Doğu Anadolu bölges doğumlu breye göre ağır suçu şlemş olma olasılığından yaklaşık % 58 oranında daha fazladır. Doğu Anadolu bölges doğumlu breyn ağır suç şleme olasılığı Ege bölges doğumlu breye göre ağır suçu şlemş olma olasılığı yaklaşık % 77 oranında daha fazladır. Akdenz bölges doğumlu breyn ağır suç şleme olasılığı Doğu Anadolu bölges doğumlu breye göre ağır suçu şlemş olma olasılığından yaklaşık % 50 oranında daha düşüktür. Öğrenm değşken suçu şleyen breyn eğtm durumunu göstermektedr. Lojstk regresyon model tahmn edlrken referans kategors Ünverste mezunu kategors alınmıştır. Buna göre, meslek yüksek okulu mezunu breyn ağır suç şleme olasılığı ünverste mezununun ağır suç şleme olasılığından % 69 kat fazladır. Lse mezunu breyn ağır suç şleme olasılığı meslek yüksek okulu mezununun ağır suç şleme olasılığından % 227 kat fazladır. Ortaokul mezunu breyn ağır suç şleme olasılığı lse mezununun ağır suç şleme olasılığından % 25 kat fazladır. İlkokul mezunu breyn ağır suç şleme olasılığı ortaokul mezununun ağır suç şleme olasılığından % 35 kat fazladır. Okur yazar breyn ağır suç şleme olasılığı lkokul mezununun ağır suç şleme olasılığından % 06 kat fazladır. Ancak bu kategor çn parametre anlamlı değldr bu nedenle rsk faktörü değldr. Okur yazar olmayan breyn ağır suç şleme olasılığı Okur yazar breyn ağır suç şleme olasılığından % 28 kat fazladır. Meslek değşken 0 kategorden oluşmaktadır. Suçu şleyen breyn emekl olması referans kategory göstermektedr. Yönetc breyn ağır suç şleme olasılığı emekl breyn ağır suç şleme olasılığına göre % 27 kat daha azdır. Esnaf ve sanatkar breyn ağır suç şleme olasılığı yönetc breyn ağır suç şleme olasılığına göre % 70 kat daha azdır. Serbest mesleğe sahp breyn ağır suç şleme olasılığı esnaf ve sanatkar breyn ağır suç şleme olasılığına göre % 68 kat daha azdır. Kamu personel breyn ağır suç şleme olasılığı

12 serbest mesleğe sahp breyn ağır suç şleme olasılığına göre % 24 kat daha fazladır. Ancak bu kategor çn hesaplanmış parametre değer 0.0 çn anlamsız ken 0.05 düzey çn anlamlıdır. İşçnn ağır suç şleme olasılığı kamu personel breyn ağır suç şleme olasılığına göre % 88 kat daha azdır. Ancak parametre değer 0.05 düzeynde anlamsız olduğundan rsk faktörü değldr. Ev hanımının ağır suç şleme olasılığı şçnn ağır suç şleme olasılığına göre % 03 kat daha fazladır. Ancak parametre değer 0.05 düzeynde anlamsız olduğundan rsk faktörü değldr. Çftçnn ağır suç şleme olasılığı ev hanımının ağır suç şleme olasılığına göre % 86 kat daha düşüktür. Ancak parametre değer 0.05 düzeynde anlamsız olduğundan rsk faktörü değldr. Öğrencnn ağır suç şleme olasılığı çftçnn ağır suç şleme olasılığına göre % 45 kat daha düşüktür. İşsz breyn ağır suç şleme olasılığı öğrencnn ağır suç şleme olasılığına göre % 39 kat daha düşüktür. Ağır suçlar bürosu çn tahmn edlen lojstk regresyon model, modele dahl edlen açıklayıcı değşkenler açısından y sonuçlar vermektedr. Açıklayıcı değşkenlern tamamı çn hesaplanan bahs oranları sonucunda tüm değşkenlern öneml rsk faktörler oldukları (her ne kadar toplam altı kategor anlamsız olsa da genel olarak değşkenler anlamlıdır) sonucuna varılmıştır. Ancak modeln uyumunun ylğ testler yapılmalıdır. 4.Ağır Suçlar Bürosu İçn Uyum İylğ Testler Gözlenen ve beklenen frekans tablosu kullanılarak Hosmer-Lemeshow test le test sürecnde hesaplanan olasılık değerler grubu oluşturulmaktadır. Tablo 2: Hosmer-Lemeshow Test K-kare 2 ( c ) Serbestlk Dereces Olasılık Değer Hesaplanan Hosmer-Lemeshow statstğ değer 8 serbestlk derecesnde marjnal anlamlılık düzeynn (olasılık değernn) bulunması olasılıkların uyumlu olduğunu göstermektedr. Kurulan lojstk regresyon modelnn doğru sınıflandırma yapılıp yapılmadığını göstermek çn sınıflandırma tablosu kullanılmaktadır. 2

13 Tablo 3: Sınıflandırma Tablosu (Kesm Değer 0.50) Tahmn Edlen BURO 0 Doğru Sınıflandırma Yüzdes Gözlenen BURO Genel Yüzde 65.2 Sınıflandırma tablosuna göre, şlenen suçun ağır suç bürosuna at olmaması % 72.9 ken şlenen suçun ağır suç olması % 55 olarak bulunmuştur. Genel olarak kurulan modeln sınıflandırması % 65.2 dr. Bu sonuç modeln uyumunun ylğnn başarısını göstermektedr. Daha önce yapılan denemeler sonucunda tüm değşkenler modele dahl edldğnde ble % 67 ye çıktığı görülmüştür. Ancak bu durumda model kullanışsız br durum almaktadır. Lojstk model parametrelernn tahmnnde kullanılan açıklayıcı değşkenlern frekansı en yüksek çıkan kategorler değerler frekans ve hstogramlar yardımıyla elde edlerek ağır suçlar bürosu çn tahmn edlen modelde yerne yazılması, belrlenen referans değerler özellğne sahp breyn ağır suç şleme olasılığını verecektr. Lojstk regresyon model tahmnnde kullanılan açıklayıcı değşkenlern kategorler çn referans kategor sonuncu seçenek olduğundan; pols merkez Çarşı (2), olaysaat (0), cnsyet erkek (), yaş 26, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) değerler yerne yazılırsa aşağıdak değerlere ulaşılır. Z Z = (26) = 0.36 P = + e Z = + e 0.36 = =

14 Bu sonuca göre Marmara bölges doğumlu, 26 yaşında, erkek, okur yazar olmayan ve şsz breyn şledğ suç saatler arasında ve çarşı pols merkez tarafından tutuklanmış se bu brey yaklaşık % 47 olasılıkla ağır suç kategorsne gren br suç şlemştr. Sonuç ve Değerlendrme Dğer tüm bürolar çn lojstk regresyon model benzer bçmde tahmn edlerek uyumun ylğ testler yapılmıştır. Tahmn şlem sırasında bürolar arasında karşılaştırma yapablmek amacıyla her büro çn kurulan lojstk modelne aynı değşkenler dahl edlmştr. Kurulan lojstk model tahmn sonuçlarında gözlem sayısı yüksek olan bürolar değşkenlern anlamlılığı açısından y sonuçlar verrken, gözlem sayısı az olan bürolar çn tahmn sonuçları çok y sonuç vermemştr. Ancak tüm bürolar çn modeln doğru sınıflandırma oranı yüksek bulunmuştur. Doğru sınıflandırma tabloları ncelendğnde en düşük doğru sınıflandırma oranının ağır suçlar bürosunda (% 65) olduğu görülmüştür. Dğer bürolar çn elde edlen doğru sınıflandırma oranları se daha yüksek bulunmuştur. Emnyet müdürlüğünden alınan tüm ver kütüğünde yukarıda belrtlen değşkenler çn frekans ve hstogramlar çzldkten sonra her br değşken çn alt kategor değerlern frekansı en yüksek olanlar belrlenmştr. Buna göre, pols merkez Çarşı (2), olaysaat (0), cnsyet erkek (), yaş 26, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) olanlar en yüksek frekansa sahptr. Her lojstk regresyon model tahmn edldkten sonra bu değerler lojstk regresyon modelnde yerne yazılarak bu özellklere sahp breyn lgl büronun kategorsne gren suç şleme olasılığı belrlenmştr. Bulanan sonuca göre, yukarıdak özellkler taşıyan brey; ağır suçlar bürosunun lg alanına gren suç şleme olasılığı %47 dr. Dğer bürolara lşkn tahmn sonuçları Tablo 4 te sunulmaktadır. 4

15 Tablo 4: Tüm vertabanı çn Lojstk Regresyon Tahmn Sonuçları Büro Kesme Polme r OlaySaa t Cnsyet Yaş DoğYer Öğren m Meslek Ağır Suçlar Ahlak Bölücü Terör Büro Suçları Çocuk Genel Suçlar Hırsızlık Kaçakçılık Kayıp Şahıs Mal Suçlar Narkotk Org. Suçlar Yankesclk P Ahlak Suçları (Kumar, fuhuş, zna, tombala oynatmak gb suçlar) bürosunun kategorsne gren suç şleme olasılığı yaklaşık % 6 dır. Bölücü Terör Suçları (Propaganda türü eylemler, örgütlere yardım ve yataklık, yasak yayın bulundurma, rtca faalyetler gb suçlar) bürosunun kategorsne gren suç şleme olasılığı yaklaşık % 0 dır. Büro Suçları (Evrakta sahteclk, sahte para basma, görev kötüye kullanma gb suçlar) bürosunun kategorsne gren suç şleme olasılığı yaklaşık % 0 dır. Çocuk bürosu (kayıp şahıs olması, hırsızlık suçlarına karışma, laç le zehrlenme, yankesclk gb suçlar) suçları kategorsne gren suç şleme olasılığı yaklaşık % 0 dır. Genel Suçlar (Şahsa karşı tasnf dışı suçlar, mala karşı tasnf dışı suçlar, düşme sonucu yaralanma, emnyet sustmal gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı yaklaşık % 2 dır. Hırsızlık (Evden hırsızlık, şyernden hırsızlık, otodan hırsızlık gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı yaklaşık % 29 dır. Kaçakçılık (Gümrük kaçakçılığı, kültür ve tabat varlıkları kaçakçılığı gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı % 0 dır. Kayıp Şahıslar (Kayıp şahıs gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı % 0 dır. Mal Suçlar (Dolandırıcılık, sahteclk, markalar kanununa muhalefet, çek kanununa muhalefet, pyasaya sahte para basmak, naylon fatura gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı % 0 dır. Narkotk Suçlar (Teşekkül halnde uyuşturucu 5

16 kaçakçılığı, hnt kenevr ekclğ, esrar maddes bulundurma satma ve çme, uyuşturucu amaçlı hap kullanma gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı yaklaşık % 0 dır. Organze Suçlar (Cürüm şlemek amacıyla teşekkül oluşturmak, zorla çek senet mzalatmak, haraç kesmek gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı % 0 dır. Yankesclk ve Dolandırıcılık (Yankesclk ve dolandırıcılık suretyle hırsızlık, dolandırıcılık, kapkaç le hırsızlık gb suçlar) bürosu suçları kategorsne gren suç şleme olasılığı yaklaşık % 3 dür. Tüm bürolara at lojstk regresyon tahmn sonuçları karşılaştırıldığında yukarıdak özellklere sahp breyn şledğ suç yaklaşık % 47 olasılıkla ağır suçlar bürosunun lg alanına gren suç şleyecektr. Benzer br analz her br büro farklı alt örneklemlere ayrıldığında da yapılablr. BEMTAP ver tabanı sstemnden alınan verler alt örneklemlere ayrıldığında her br büro çn frekanslar çzldğnde farklı sonuçlara ulaşılmıştır. Buna göre sadece ağır suçlar bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çarşı (2), olaysaat (0), cnsyet erkek (), yaş 26, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek serbest meslek (8) değerler yerne yazılırsa Tablo 5 tek sonuçlara ulaşılacaktır. Tablo 5: Alt Örneklem çn Lojstk Regresyon Tahmn Sonuçları Büro Kesme Polmer OlaySaat Cnsyet Yaş DoğYer Öğren m Meslek Ağır Suçlar Ahlak Bölücü Terör Büro Suçları Çocuk Genel Suçlar Hırsızlık Kaçakçılık Kayıp Şahıs Mal Suçlar Narkotk Org. Suçlar Yankesclk P Bu sonuca göre Marmara bölges doğumlu, 26 yaşında, erkek, okur yazar olmayan ve serbest mesleğe sahp breyn şledğ suç saatler arasında se çarşı pols merkez tarafından tutuklanmış se bu brey % 60 olasılıkla ağır suç kategorsne gren br suç şlemştr. O halde her k modeln parametrelernn tahmn çn kullanılan kategorler meslek değşken dışında aynı olmasına rağmen aynı özellklere sahp şsz breyn ağır suç şleme 6

17 olasılığı serbest meslek sahb breyn ağır suç şleme olasılığından braz fazladır. Sadece ahlak suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Ş. Şerafettn Yılmaz (20), olaysaat (0), cnsyet erkek (), yaş 43, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek serbest meslek (8) değerlerne ulaşılır. Tablo 5 tek sonuçlara göre Marmara bölges doğumlu, 43 yaşında, erkek, okur yazar değl ve serbest mesleğe sahp breyn şledğ suç saatler arasında se Ş. Şerafettn Yılmaz pols merkez tarafından tutuklanmış se bu brey % 42 olasılıkla ahlak suçu kategorsne gren br suç şlemştr. Sadece bölücü terör suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çekrge (3), olaysaat (0), cnsyet erkek (), yaş 32, doğum yer Doğu Anadolu Bölges (3), öğrenm durumu Ünverste Mezunu (0), meslek şsz (2) değerlerne ulaşılır. Tablo 5 tek sonuçlara göre Doğu Anadolu Bölges doğumlu, 32 yaşında, erkek, Ünverste Mezunu ve şsz breyn şledğ suç saatler arasında se Çekrge pols merkez tarafından tutuklanmış se bu brey % 67 olasılıkla bölücü terör suçu kategorsne gren br suç şlemştr. Sadece büro suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Muammer Sencer (3), olaysaat (3), cnsyet erkek (), yaş 35, doğum yer Marmara bölges (8), öğrenm durumu lkokul mezunu (4), meslek şsz (2) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 35 yaşında, erkek, lkokul mezunu ve şsz (boşta gezer) breyn şledğ suç saatler arasında se Muammer Sencer pols merkez tarafından tutuklanmış se bu brey % olasılıkla büro suçu kategorsne gren br suç şlemştr. Sadece çocuk bürosu suçlarına at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çarşı (2), olaysaat (4), cnsyet erkek (), yaş 8, doğum yer Marmara bölges (8), öğrenm durumu lkokul mezunu (4), şsz (2) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 8 yaşında, erkek, lkokul mezunu ve şsz (boşta gezer) breyn şledğ suç saatler arasında se Çarşı pols merkez tarafından tutuklanmış se bu brey % 2 olasılıkla çocuk bürosu suçu kategorsne gren br suç şlemştr. Genel suçlar bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çarşı (2), olaysaat (4), cnsyet erkek (), yaş 34, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 34 yaşında, erkek, okur yazar olmayan ve şsz breyn şledğ suç saatler arasında se çarşı pols merkez tarafından tutuklanmış se bu brey % 9 olasılıkla genel suç kategorsne gren br suç şlemştr. 7

18 Hırsızlık suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çarşı (2), olaysaat (2), cnsyet erkek (), yaş 23, doğum yer Marmara bölges (8), öğrenm durumu okur yazar değl (2), meslek şsz (2) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 23 yaşında, erkek, okur yazar olmayan ve şsz breyn şledğ suç saatler arasında se çarşı pols merkez tarafından tutuklanmış se bu brey % 65 olasılıkla hırsızlık suçu kategorsne gren br suç şlemştr. Kaçakçılık suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çekrge (3), olaysaat (2), cnsyet erkek (), yaş 38, doğum yer Doğu Anadolu bölges (3), öğrenm durumu okur yazar değl (2), meslek serbest meslek (8) değerlerne ulaşılır. Bu sonuca göre Doğu Anadolu bölges doğumlu, 38 yaşında, erkek, okur yazar olmayan ve serbest mesleğe sahp breyn şledğ suç saatler arasında se çekrge pols merkez tarafından tutuklanmış se bu brey yaklaşık % 4 olasılıkla kaçakçılık suçu kategorsne gren br suç şlemştr. Kayıp şahıslar bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Işıklar (8), olaysaat (4), cnsyet kadın (0), yaş 8, doğum yer Doğu Anadolu bölges (3), öğrenm durumu lkokul mezunu (4), meslek ev hanımı (5) değerlerne ulaşılır. Bu sonuca göre Doğu Anadolu bölges doğumlu, 8 yaşında, kadın, lkokul mezunu ve ev hanımı ve saatler arasında olay olmuş ışıklar pols merkezne hbar edlmş se bu brey yaklaşık % 62 olasılıkla kayıp şahıslar kategorsne gren br suç şlemştr. Mal suçlar bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Muammer Sencer (3), olay saat (2), cnsyet erkek (), yaş 39, doğum yer Marmara Bölges (8), öğrenm durumu lkokul mezunu (4), meslek Serbest meslek (8) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 39 yaşında, erkek, lkokul mezunu ve serbest mesleğe sahp ve saatler arasında olay olmuş Muammer Sencer pols merkezne hbar edlmş se bu brey yaklaşık % olasılıkla mal suç kategorsne gren br suç şlemştr. Narkotk suçları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Muammer Sencer (3), olay saat (2), cnsyet erkek (), yaş 28, doğum yer Doğu Anadolu bölges (2), öğrenm durumu okur yazar (2), meslek serbest meslek (8) değerlerne ulaşılır. Bu sonuca göre Doğu Anadolu bölges doğumlu, 28 yaşında, erkek, okur yazar ve serbest mesleğe sahp breyn şledğ suç saatler arasında se Muammer Sencer pols merkez tarafından tutuklanmış se bu brey % 2 olasılıkla narkotk suçu kategorsne gren br suç şlemştr. Organze suçlar bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez 0 (), olay saat (4), cnsyet erkek (), yaş 36, doğum yer Marmara bölges (8), öğrenm durumu okur yazar (3), 8

19 meslek serbest meslek (8) değerlerne ulaşılır. Bu sonuca göre Marmara bölges doğumlu, 36 yaşında, erkek, okur yazar ve serbest mesleğe sahp breyn şledğ suç saatler arasında se bu brey % 0.3 olasılıkla organze suç kategorsne gren br suç şlemştr. Yankesclk veya dolandırıcılık suçluları bürosuna at ver grubu çn frekanslar ve hstogramlar çzldğnde, pols merkez Çarşı (2), olaysaat (4), cnsyet erkek (), yaş 28, doğum yer Akdenz bölges (2), öğrenm durumu okur yazar değl (2), meslek şsz (2) değerlerne ulaşılır. Bu sonuca göre Akdenz bölges doğumlu, 28 yaşında, erkek, okur yazar olmayan ve şsz breyn şledğ suç saatler arasında se çarşı pols merkez tarafından tutuklanmış se bu brey % 92 olasılıkla yankesclk veya dolandırıcılık suçu kategorsne gren br suç şlemştr. Kaynakça Agrest, Alan, (2002), Categorcal Data Analyss, New Jersey: John Wley and Sons Inc. Akın, Fehamet, (2002a), Kategork Data Analz, Bursa: Ekn Ktabev (2002b), Ekonometr, Bursa: Ekn Ktabev. Arabacı, Özer, (2002), Lojstk Regresyon Analz ve Br Uygulama Denemes, Uludağ Ünverstes Basılmamış Yüksek Lsans Tez, Sosyal Blmler Ensttüsü, Bursa. BURSA Emnyet Müdürlüğü, (2002), Bursa. Gujarat, Damodar N.,(999), Temel Ekonometr, Çev. Ümt Şenesen, Gülay. G. Şenesen, İstanbul:Lteratür Yayıncılık. Gürş, Selahattn ve Çağlayan, Ebru, (2000), Ekonometr, İstanbul: DER Yayınları. Hosmer, Davd W. and Lemeshow, Stanley, (2000), Appled Logstc Regresson, New York: John Wley and Sons. İşyar, Yüksel, (994), Ekonometrk Modeller, Bursa: Uludağ Ünverstes Güçlendrme Vakfı Yayını No:92. Johnston, Jack and Dnardo, John, (997), Econometrc Methods, New York: McGraw-Hll Companes. Özdamar, Kazım, (999), Paket Programlarla İstatstksel Ver Analz-, Eskşehr: Kaan Ktabev. Özmen, Şule, (996), Doğrusal Olasılık, Logt, Probt Modeller ve Br Uygulama, İstanbul: Marmara Ünverstes Yayınları. 9

20 Pndyck, Robert S. and Rubnfeld, Danel L., (98), Ecocometrc Models and Economc Forecasts, New York: MacGraw-Hll Companes. Power, Danel A. and Xe, Yu, (2000), Statstcal Methods for Cateorcal Data Analyss, San Dego: Academc Press. 20