101. Türkiye'de suç ekonomisinin mekânsal analizi
- Author
-
Sevim, Feride Özge, Özcan, Süleyman Emre, and İktisat Ana Bilim Dalı
- Subjects
Corruption ,Economic crimes ,Economics ,Money laundering ,Fraud ,Spatial analysis ,Tax offences ,Crime ,Cyber crimes ,Ekonomi ,Falsification ,Smuggling crimes - Abstract
Evrensel bir olgu olmasına rağmen, evrensel bir tanımı olmayan suç, kültürden kültüre değişim gösterir. Suçu ortaya çıkaran en önemli unsur ekonomik yapıdır. Ancak ekonomik yapı ana unsur değildir. Gelir dağılımı, işsizlik, ücret düzeyi, yoksulluk vb. etkenler suçun boyutlarını etkilemektedir. Diğer yandan, insanların yaşadığı çevre – mekân da suç açısından önem arz etmektedir. Yasaların suç olarak nitelendirmiş olduğu faaliyetlerden gelir elde edilmesi (mal ve parasal akımlar), elde edilen gelirlerin işletilmesi ve harcamalar yoluyla ekonomiye sirayet edişi süreci, suç ekonomisi olarak adlandırılır. Suç ekonomisi; bilişim suçları, kaçakçılık, kara para aklama, yolsuzluk, vergi suçları, dolandırıcılık suçları ve sahtecilik suçları alt başlıklarına ayrılabilmektedir. Çalışma; suç ekonomisi unsurları ile kişi başına düşen mili gelir ve işsizlik oranları gibi ekonomik yapıyı ifade eden makroekonomik değişkenler arasındaki mekânsal ilişkiyi incelemektedir. Kişi başına düşen milli gelirin düşük olduğu ve işsizlik oranlarının yüksek olduğu bölgelerde, suç ekonomisi kapsamındaki suçların yüksek olması beklenmektedir. Bu yüzden, hem suç ekonomisi kapsamında suçların dağılım haritalarının oluşturulması, hem de mekânsal istatistik boyutu için LISA analizi kullanılmıştır. LISA sonuçları bazı iller açısından uyuşturucu imalatı ve kaçakçılık suçları için istatistikî anlamlılığa sahip mekânsal benzerlik tespit etmiştir. Sonuçlar, kişi başına düşen milli gelir değişkenine göre Türkiye'nin doğu bölgelerinde belirgin bir LL, işsizlik oranı değişkenine göre ise aynı bölgede HH kümelenmesini göstermektedir. Doğu bölgesindeki bazı illerde uyuşturucu imalatı ve kaçakçılık suçları için istatistikî anlamlılığa sahip mekânsal benzerlik olduğu görülmektedir. Kişi başına düşen milli gelir değişkeninde LL kümelenmesinde yer alan Diyarbakır, Gaziantep ve Şanlıurfa uyuşturucu imalatı suçunda HH kümelenmesinde yer almaktadır. İşsizlik oranı değişkeni açısından bakıldığında, HH kümelenmesinde yer alan Diyarbakır ve Şanlıurfa, yine aynı şekilde uyuşturucu imalatı suçunda HH kümelenmesinde yer almaktadır. Kaçakçılık suçu açısından değerlendirildiğinde ise kişi başına düşen milli gelirde LL kümelenmesinde yer alan Gaziantep, Hakkâri ve Iğdır, kaçakçılık suçunda HH kümelenmesinde yer almışlardır. İşsizlik oranında HH kümelenmesinde yer alan Hakkâri, benzer şekilde kaçakçılık suçunda da HH kümelenmesinde yer almaktadır. Much as being a universal fact, crime types change from culture to culture. The most significant thing to discover the crime is structure of the economy. But structure of the economy is not the main factor. Distribution of income, unemployment, wage level and poverty etc. affect the extent of the crime. On the other hand the environment where the people are living can be important in terms of the crime level. The proses of earning income from activities that the legislature refers to as criminal operating the earned income and the process of enure to economy through expenditures is called crime economy. The crime economy is classified into cyber crimes, smuggling, money laundering, corruption, tax crimes, fraud and forgery. The study dicsusses the spatial relationship among the macroeconomic factors such as per capita income and unemployment rates describing the economic structure. It is expected that the crime rates should be high in the regions where per capita income is low and unemployment rate is high. Therefore the LISA analysis is used both for creating the maps that show the distribution of the crimes that the crime economy includes and the dimension of the spatial statistics. LISA results confirm that the spatial resemblance has statistical meaningfulness for drug manufacturing and smuggling in some towns. According to per capita income factor, the results show that a clear LL in the east districts of Turkey and when it comes to unemployment rate factor, it shows HH clustering in the same region. In some towns in the east of Turkey, spatial resemblance that has statistical meaningfulness is observed. Diyarbakır, Gaziantep and Şanlıurfa that are located in the LL clustering according to the per capita income are in HH clustering when it comes to drug manufacturing. When it is looked at the angle of unemployment rate factor, Diyarbakır and Şanlıurfa in the HH clustering are located once again in the same position as for drug manufacturing. As it is assessed by looking smuggling, Gaziantep, Hakkari and Iğdır are standing at HH clustering according to per capita income and smuggling. 127
- Published
- 2018