Дата публикации: 04.12.2025

Регрессионное моделирование распределения преступлений против здоровья: анализ влияния частного обвинения

Аннотация

В статье исследуется влияние частного порядка уголовного преследования на статистику преступлений о причинении вреда здоровью. Регрессионный анализ выявил значительное снижение регистрации преступлений об умышленном причинении легкого вреда здоровью (ч. 1 ст. 115 УК РФ) из-за частного порядка уголовного преследования. Применяя кубическую и квадратичную аппроксимации, авторы оценили масштаб укрытых от учета преступлений и обосновали неэффективность института частного обвинения, предложив направления для реформы.




Уголовное преследование по делам о преступлениях против здоровья человека может осуществляться в публичном, частно-публичном и частном порядках, что делает эту категорию преступлений уникальной для сравнения результатов различных видов уголовного преследования (ст. 20 УПК РФ). Обязательность проведения судебно-медицинской экспертизы до возбуждения дела обеспечивает возможность проведения анализа всей совокупности установленных случаев причинения вреда здоровью и сопоставительного их сравнения с количественными показателями по возбужденным делам.

Установление формы статистической зависимости между количеством случаев причинения вреда здоровью различной степени тяжести и количеством возбужденных уголовных дел по соответствующим фактам может осуществляться с использованием различных статистических методов, а также моделей искусственного интеллекта, исследованию возможностей применения которых в криминологии посвящены работы таких ученых, как П.Н. Афонин, И.С. Ильин, С.В. Иванцов, Т.В. Молчанова, Б.А. Спасенников, А.П. Суходолов.

Получаемые модели позволяют осуществлять прогнозирование интересующих параметров с заданными уровнями допустимых вероятностей. При этом одним из наиболее доступных в практике методов является регрессионный анализ, позволяющий устанавливать связь между переменной y и значениями влияющих факторных (независимых) переменных — x1, x2, …, xn. Указанная связь может быть представлена в общем виде следующим образом:

ŷ = f(x₁x₂, …, xₙ).

Поиск функции f, описывающей представленную зависимость, составляет одну из главных задач регрессионного анализа, при этом эмпирические значения yi представимы как yᵢ = ŷᵢ + εᵢ, где ŷᵢ — значение зависимой переменной, определяемое функцией регрессионной зависимости, а εᵢ — значение случайной величины (с нулевым средним значением), соответствующее i-му наблюдению. В настоящем исследовании с учетом имеющейся статистической доступности данных о случаях причинения вреда здоровью человека в России в период с 2015 по 2023 г. регрессионная модель приобретает характер парной, где в качестве единственной независимой переменной x достаточно рассматривать количество случаев причинения вреда здоровью потерпевших в зависимости от вида причиненного вреда. Приведенные в табл. 1 данные представляют собой сведения о проводившихся в указанный период (с 2015 по 2023 г.) соответствующих судебно-медицинских экспертизах, послуживших в том числе основанием для возбуждения уголовных дел в соответствии с Уголовным кодексом Российской Федерации (УК РФ) либо дел об административных правонарушениях в соответствии с кодексом Российской Федерации об административных правонарушениях (КоАП РФ). Так, деяния, сопровождающиеся умышленным причинением тяжкого вреда здоровью, подразумевают ответственность в соответствии с ч. 1–3 ст. 111 УК РФ; сопровождающиеся умышленным причинением средней тяжести вреда здоровью — в соответствии со ст. 112 УК РФ; сопровождающиеся умышленным причинением легкого вреда здоровью — в соответствии со ст. 115 УК РФ; умышленным нанесением побоев (повреждения, не причинившие вред здоровью человека) — в соответствии со ст. 116, 116.1 УК РФ либо ст. 6.1.1 КоАП РФ.

Список литературы

1. Афонин П.Н. Статистический анализ с применением современных программных средств / П.Н. Афонин, Д.Н. Афонин. Санкт-Петербург : РИО СПб филиала РТА, 2012. 102 с.
2. Дорошков В.В. Идеи индивидуальной свободы и социальной солидарности в уголовном процессе : монография / В.В. Дорошков. Москва : МГИМО-Университет, 2019. 418 с.
3. Ильин И.С. Теоретические основы криминологического анализа и предупреждения демонстративно-протестной преступности : диссертация доктора юридических наук / И.С. Ильин. Санкт-Петербург, 2023. 489 с.
4. Катькало С.И. Судопроизводство по делам частного обвинения / С.И. Катькало, В.З. Лукашевич. Ленинград : Издательство Ленинградского университета, 1972. 208 с.
5. Суходолов А.П. Цифровая криминология: математические методы прогнозирования (часть 2) / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова, Б.А. Спасенников // Всероссийский криминологический журнал. 2018. Т. 12. № 3. С. 323–329.
6. Цифровая криминология: математические методы прогнозирования (часть 1) / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова [и др.] // Всероссийский криминологический журнал. 2018. Т. 12. № 2. С. 230–236.

Остальные статьи