SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
EMPIRIJSKO ISTRAŽIVANJE POVEZANOSTI KRIMINALA I TURIZMA U HRVATSKOJ I IZABRANIM MEDITERANSKIM ZEMLJAMA
DIPLOMSKI RAD
Predmet: Statističke metode za poslovno odlučivanje
Mentor: Ana Štambuk
Student: Edi Furijan
Studijski smjer: Informatičko poslovanje
JMBG: 1501988360077
Rijeka, 12.09.2013.
Sadržaj
Sadržaj .................................................................................................................................................... 2
1. Uvod ................................................................................................................................................... 1
1.1. Predmet istraživanja .................................................................................................................... 1
1.2. Svrha istraživanja ......................................................................................................................... 1
1.3. Znanstvene metode ..................................................................................................................... 1
1.4. Struktura rada .............................................................................................................................. 1
2. Pregled dosadašnjih istraživanja ......................................................................................................... 2
2.1. Cornwall (regija u Velikoj Britaniji) ............................................................................................... 4
2.2. Južna Afrika .................................................................................................................................. 7
2.3. Karipske zemlje ............................................................................................................................ 8
2.4. Deset najopasnijih turističkih zemalja u svijetu ........................................................................... 8
3. Turizam i kriminal u Republici Hrvatskoj .......................................................................................... 10
3.1. Turizam i kriminal u Grčkoj, Italiji i Turskoj ............................................................................... 12
3.1.1. Grčka ................................................................................................................................... 13
3.1.2. Turska ................................................................................................................................. 13
3.1.3. Italija ................................................................................................................................... 14
4. Testiranje utjecaja kriminala na dolaske turista ............................................................................... 14
4.1. F test .......................................................................................................................................... 18
4.2. T test .......................................................................................................................................... 19
4.3. Test normalnosti grešaka (Jarque Bera test) .............................................................................. 19
4.4. Multikolinearnost (faktor inflacije varijance VIF) ....................................................................... 19
4.5. Autokorelacija (Breusch Godfrey LM test) ................................................................................. 20
4.6. Heteroskedastičnost i homoskedastičnost (Breusch Pagana test) ............................................ 25
4.7. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1- za Hrvatsku ............................................................ 27
4.7.1. Testiranje multikolinearnosti .............................................................................................. 29
4.7.2. Testiranje autokorelacije .................................................................................................... 30
4.7.3. Testiranje heteroskedastičnosti .......................................................................................... 31
4.7.4. Testiranje normalnosti grešaka (Jarque Bera test) .............................................................. 31
4.8. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Grčku .................................................................. 32
4.9. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Tursku ................................................................ 33
4.9.1. Testiranje multikolinearnosti .............................................................................................. 35
4.9.2. Testiranje autokorelacije .................................................................................................... 36
4.9.3. Testiranje heteroskedastičnosti .......................................................................................... 37
4.9.4. Testiranje normalnosti grešaka (Jarque Bera test) .............................................................. 38
4.10. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Italiju ................................................................ 39
5. Usporedba odabranih zemalja kroz model lnARRt = b0 + b1lnCRt + b2lnCRt-1 ................................ 40
6. Zaključak ........................................................................................................................................... 41
Literatura: ............................................................................................................................................. 43
1. Uvod
Pod kriminalom se smatraju sve one aktivnosti koje u određenom vremenskom razdoblju
ugrožavaju pojedine osobe ili pak dobra u materijalnom i moralnom smislu, koja pripadaju
tim pojedincima.
Kriminal se dijeli na onaj u užem smislu i na onaj u širem smislu. Pod onaj u užem smislu se
misli na sva registrirana i sankcionirana krivična djela na nekom teritoriju u određenom
vremenskom razdoblju. Pod kriminalom u širem smislu se misli na sva ponašanja kojima su
prekršena krivično-pravne norme, bez obzira na to da li su krivci poznati ili ne, da li je prema
njima pokretan krivični postupak i izrečena sankcija ili ne.
Turizam je skup odnosa i pojava koje proizlaze iz putovanja i boravka posjetioca nekog
mjesta, ako se tim boravkom ne zasniva stalno prebivalište ako s takvim boravkom nije
povezana nikakva njihova djelatnost.
1.1. Predmet istraživanja
Predmet ovoga istraživanja je utvrđivanje da li kriminal utječe na dolaske turista u izabranim
zemljama: Hrvatskoj, Italiji, Turskoj i Grčkoj.
1.2. Svrha istraživanja
Svrha ovoga istraživanja je utvrditi na koji način kriminal utječe na turizam, te koji su to
čimbenici koji uz kriminal mogu utjecati na turizam.
1.3. Znanstvene metode
Kod pisanja ovoga diplomskog rada korištene su: povijesna, istraživačka, matematička i
statistička metoda te metode indukcije i dedukcije.
1.4. Struktura rada
Ovaj istraživački rad sastoji se od šest dijelova. U uvodu su dani predmet, svrha i znanstvene
metode. U drugom dijelu je dan pregled dosadašnjih istraživanja u svijetu o povezanosti
kriminala i turizma. U trećem dijelu se govori općenitio o kriminalu i turizmu u zemljama za
koje je provedeno istraživanje o povezanosti kriminala i turizma. U četvrtom dijelu je dan
model kojim će se provesti testiranje o povezanosti kriminala i turizma. U petom dijelu se
1
uspoređuju dobiveni rezultati. Dok je u šestom dijelu dan zaključak o kompletnom
istraživanju.
2. Pregled dosadašnjih istraživanja
Turizam je jedna od najdinamičnijih industrija u svijetu koja se svake godine povećava: 1950.
godine dolasci turista su iznosili 25 milijuna, 1980. godine taj se broj popeo na 277 milijuna,
438 milijuna u 1990. godini, na 684 milijuna 2000. godine, dok je 2012. godine bilo 1035
milijuna dolazaka (UNWTO, 2013.). Predviđa se da će se do 2030. godine dolasci turista
povećati na 1,8 milijardi ljudi (UNWTO, 2013.).
Poznato je da turizam može značajno utjecati na gospodarsku, društvenu, kulturnu i ekološku
strukturu destinacije jer donosi željene i neželjene promjene. Jedan od neželjenih društvenih
učinaka turizma je kriminal. U današnje vrijeme sve je više izražen utjecaj kriminala na brzo
rastuću industriju turizma. Zbog velikog utjecaj kriminala na turizam veliku ulogu imaju
mediji koje izvještavaju o pojedinim destinacijama i predstavljaju ih opasnim odredištima
zbog velikog kriminala koji se događa u tim zemljama, te tako utječu na percepciju turista
koji će automatski zaobilaziti tu zemlju. Osim medija dolazi i do političkog utjecaja na
turizam koji je u zadnje vrijeme sve više prisutan. Mediji sve više izvještavaju o slučajevima
poput Madaleine Mcann, koja je 2007. godine oteta iz portugalskog ljetovališta, te Meredith
Kercher koja je ubijena 2007. godine na odmoru u Italiji. Tim „bombardiranjem“ o takvim i
sličnim slučajevima mediji utječu na svijest turista.
Da bi se uopće moglo govoriti o povezanosti kriminala i turizma potrebno je uspostaviti vezu.
Za kriminal se smatra da je to ponašanje protivno zakonskim odredbama i sudovima (Ryan,
1993.). Kad se govori o turizmu mora biti jasno da ono što je zakonito u jednoj zemlji u
drugoj može biti nezakonito, odnosno da svaka zemlja ima drukačije zakone.
Većina istraživanja koja su se provodila na ovu temu bavila su se proučavanjem stopa
kriminala jednog područja nasuprot stopi kriminala drugog područja (McPheters i Stronge
1974.; Chesney-Lind i Lind 1986.; Kelly 1993.), percepcijom domicilnog stanovništva o stopi
kriminala u turističkim destinacijama nasuprot stopi u drugim područjima (Pizam 1978.) te
porastom stope kriminala tijekom turističke sezone (Walmsey, Boskovic i Pigram 1983.).
Npr. Chesney-Lind i Lind (1986.) dolaze do podatka da su turisti na Havajima
neproporcionalno često bili žrtve kriminala u odnosu na lokalne stanovnike, dok Kelly (1993.)
2
otkriva da nije bilo veće učestalosti kriminala u turističkim destinacijama odmaralištima kao
što su Cairns i Golden Coast u Australiji. Pizamovo istraživanje (1982.) o vezi između
kriminala i turizma na nacionalnoj razini (SAD) pomaknulo je naglasak s istraživanja „ima li
tu povezanosti?“ prema dubljoj analizi učinaka kriminala i turizma u društvenom kontekstu.
Ryan (1993.) je povezanost kriminala i turizma podijelio u pet kategorija:
1. Turisti kao slučajne žrtve
2. Turističko mjesto kao mjesto zločina
3. Turizam kao dobavljač žrtava
4. Zadovoljenje turističke potražnje kao razlog kriminalne aktivnosti
5. Turisti i turistički resursi kao specifična meta kriminalnih radnji
Turisti posjeduju najmanje četri elementa koji ih čine pogodnim žrtvama (Felson i Cohen
1980.):
1. Vrijednost turista kao meta utječe na njihovu poželjnost među motiviranim
napadačima
2. Turisti su jako uočljivi
3. Turističke destinacije osiguravaju okružje koji motivira napadače da napadaju turiste
4. Nesklonost žrtve i/ili organa reda da nastave s istragom nakon što je ustanovljena
mogućnost naknade štete od osiguranja.
Iz ovoga proizlazi zaklučak da turizam pridonosi porastu kriminala tamo gdje potencijalni
napadači lako postižu cilj, a opasnost od otkrivanja je mala.
Turisti su češće žrtve kriminalnih djela počinjenih iz koristoljublja nego neimovinskih,
nasilničkih kaznenih djela (Alberqerque i McElroy 1999.). Budući da turisti uz sebe nose
pokretnu imovinu kao što su gotovina, nakit i kamere (Fujii i Mak 1980.;Chesney-Lind i Lind
1986.), to je za potencijalne napadače izazov. Sklonost turista da borave u točno određenim
područjima čini ih „legitimnim metama kriminala“ (Lui i Var 1986.).
Turističko nepoznavanje mjesta koja domicilno stanovništvo smatra opasnim također rezultira
povećanim brojem kaznenih djela nad turistima. Velika fluktuacija turista u određenoj
3
destinaciji i s time povezana anonimnost dovodi do toga da turisti lako postaju mete napadača
koji se mogu stopiti s tim anonimnim okružjem i počiniti kriminalni čin oportunističke naravi
(Walmsley et al. 1983.). Sklonosti turista da se izlažu opasnosti i poduzimaju aktivnosti na
koje ne bi pomišljali u svojim zemljama također utječe na to da postaju žrtve kaznenih djela.
Riskantno ponašanje turista važan element za doživljaj odmora u smislu „mašte i bijega“
(Uzell 1984.). Pod time se misli na posjete noćnim klubovima, uzimanje opojnih droga,
korištenje usluga prostitucija, odnosno noćne izlaske na nepoznata mjesta.
Kaznena djela počinjena nad turistima u destinacijama poput Egipta, Floride i Kenije
dobivaju značajan publicitet. Tu se opet dolazi do toga da mediji oblikuju svijest turista o
sigurnosti pojedinih destinacija. Za primjer je uzeti napad na turiste na Floridi 1992./1993.
godine nakon toga zabilježen je pad turista od 11%, a godinu nakon toga dolazi do pada
posjete engleskih i njemačkih turista od 22% (Bradshaw 1995.). Unatoč sve većim
kriminalom nad turistima prevladava opći stav da turisti ne doživljavaju strah od kriminala
nego to smatraju kao trenutak smanjenog opreza ili plod loše sreće, te povećana stopa
kriminala nad turistima nije prerasla u sveprisutan problem (Brunt et al 2000.).
2.1. Cornwall (regija u Velikoj Britaniji)
Za primjer istraživanja uzet je istraživački rad iz 2003. (Shepard, Brunt 2003.). koji se odnosi
na područje Cornwalla kao glavne turističke destinacije u Velikoj Britaniji. Cornwall ostvari 5
milijuna posjeta godišnje (Cornwall Tourist Bord 2003.). 30% ukupnih posjetitelja zapadnog
dijela Velike Britanije boravi u određenom dijelu svoga godišnjeg odmora u Cornwallu od
čega je njih 92% domaćih putnika. Od turista i izletnika na jednodnevnom izletu Cornwallsko
je gospodarstvo 2002 godine ostvarilo priljev od 1.639.482.899 funti, a kad je riječ o
zapošljavanju, u turizmu se ostvaruje 29% od svih poslova u toj pokrajni (Cornwall Tourist
Bord). Cornwall se može pohvaliti vjernom turističkom klijentelom te ostvaruje 34%
ponovljenih posjeta godišnje (Tourism Research Group 1994.). Tako se može reći da
posjetitelji imaju itekako značajan utjecaj na značajke te pokrajine i život u njoj tijekom ljeta.
Podaci koji se odnose na kriminal podvedeni su pod policijsku upravu ili se prikazuju
regionalno. U pogledu Cornwalla, ti su podaci spojeni s podacima Devona. Na razini Velike
Britanije policija je zabilježila 2002. godine 5,9 milijuna prijavljenih kriminalnih djela
(Simmons i Dodd 2003.). U Devonu i Cornwallu zabilježen broj zločina odgovara prosjeku
4
Velike Britanije kod prijavljenih kriminalnih djela kao što su silovanje, krađe, provale,
oštećivanje vozila i druge štete. Britansko izvješće o kriminalu (British Crime Survey – BCS)
pokazuju da je stopa viktimizacije na jugozapadu (područje Cornwalla) niža od prosjeka
Velike Britanije i za zločine nad osobama i za kućanstva. Međutim, zločini su prema BCS-u
locirani prema mjestu stanovanja žrtve te se iz toga ne vidi nužno gdje se incident dogodio.
U ovom istraživanju autori su se odlučili na metodu uzorka. Podaci su se prikupljali putem
ankete. Anketa se sastojala od otvorenih i zatvorenih pitanja. Smatra su da bi ta kombinacija
mogla do određene mjere ublažiti razinu pristranosti jer se time ne gubi spontanost odaziva
što bi se dogodilo da su u anketni upitnik uvrstili samo zatvorena pitanja (Oppenheim 1992.).
Pitanja su bila od socio-demografskih do onih koja su se odnosila na kriminal čija je žrtva bio
sam ispitanik. Druga se grupa pitanja odnosila na dužinu i vrstu odmora u Cornwallu,
smještaj, razloge putovanja te bavljenje aktivnosti. Upitnik je bio podijeljen prema sljedećim
temama:
• Prijašnje ponašanje na odmoru
• Svrha i tip odmora
• Večernje i dnevne aktivnosti na posljednjem (Cornwallskom) odmoru
• Sastav skupine na posljednjem odmoru
• Vrsta pretrpljenog kriminalnog djela
• Učinak kriminalnog djela tada kada se zbio i pri planiranju sljedećeg odmora
• Stav o Cornwallu
• Socio-demografske osobine ispitanika.
Za izradu uzorka koristilo se policijskom bazom podataka za Devon i Cornwall o pojedincima
koji su prijavili da su bili žrtve kriminalnog djela u Cornwallu tijekom lipnja, srpnja i
kolovoza 2000. godine i to onih čije je stalno mjesto prebivališta izvan Devona i Cornwalla.
Ovime se ustanovilo 623 žrtve i svakoj je poslan upitnik. Ispitani su samo oni koji imaju
prebivalište u Velikoj Britaniji. Inozemni posjetitelji su bili izuzeti iz ovoga istraživanja.
Glavni nedostatak ovoga istraživanja je taj što su u uzorak uvršteni samo oni koji su prijavili
kriminal.
5
Anketom se prikupilo 178 odgovora od toga su 173 dale žrtve koji su bili pravi turisti.
• 40% ispitanika je bilo starosne dobi između 16 i 34 godina, 21% stariji od 55%
• 54% muških ispitanika
• 46% su bili mlađi menadžeri, nefizički radnici i kvalificirani radnici, 14%
polukvalificirana i nekvalificirana zanimanja
• 81% bilo je na odmoru (dulje od 4 noćenja), ostali na kratkom odmoru
• 62% izabralo je apartmanski smještaj
• 46% boravilo je između 7 i 9 dana u Cornwallu
• 32% ispitanika izabralo je Cornwall zbog prijašnjeg boravka, a zbog njegovih plaža i
krajolika izabralo ga je 21% posjetitelja
• 60% je provelo najmanje 3 večeri izvan mjesta smještaja, a 65% provelo je najmanje 5
sati dnevno izvan mjesta smještaja
• 50% se osjećalo vrlo sigurnim pri večernjim izlascima, dok je 6% ustvrdilo da se
osjaćalo pomalo nesigurno
• 33% je doživjelo kriminalni čin povezan sa smještajem, 54% prometnu nezgodu, a
preostalih 13% je doživjelo kriminalni čin protiv osobe.
Iz rezultata istraživanja vidljivo je da su žrtve kriminala za vrijeme odmora u prosjeku bile
osobe od 16 godina do 34 godine. Većina ih je pripadala skupini slabije plaćenih zanimanja, s
dužim boravkom od 7 do 9 dana i već su bili u Cornwallu. Najučestalija vrsta kaznenog djela
koje su ispitanici pretrpjeli bile su počinjene provale 33%. „Krađa od osoba“ je bilo 15%.
Prevladavala su kaznena djela vezana za vozila kao i zločini u vezi sa smještajem. Više od
70% ispitanika neposredno nakon viktimizacije osjećalo se „vrlo loše“ ili „prilično loše“, dok
su ostali izjavili da je na njih to djelovala „malo“ ili „nimalo“. 50% ispitanika smatra da je
policija „vrlo dobro“ ili „prilično dobro“ obavila svoj posao vezan za njihov slučaj. S obzirom
na percepciju žrtava o razini kriminala u Cornwallu 40% smatra da se njihova percepcija
promijenila, dok za 54% nije bilo promjene. Prema lokaciji 53% kaznenih djela se dogodio u
ruralnim sredinama, a 47% u urbanim područjima. U vezi s planiranjem odmora, 63%
6
ispitanika drži da njihova viktimizacija neće utjecati na njihove buduće planove. Ostali se više
neće vraćati u Cornwall.
U svezi s viktimizacijom posebnih „tipova“ turista, otkrilo se da postoji povezanost između
nekoliko parova varijabli. Spol je bio povezan s vrstom pretrpljenog kaznenog djela, pri čemu
su žene više bile žrtve kriminala povezanog sa smještajem i krađom od osoba, a muškarci su
više bili žrtve kriminala vezana za vozila. Dob ispitanika također je povezana s vrstom
kriminala, gdje su mlađi ispitanici (16-34) češće bili žrtve provala i napada na osobu, dok su
srednjovječni ispitanici (35-54) više trpjeli zločine vezane za vozila. Kriminal povezan sa
smještajem i krađom od osoba također je povezan sa duljim večernjim zbivanjima izvan
smještaja. Test (Pearsonov Hi-kvadrat) kojim se ispitivao učinak kriminala na turiste poslije
viktimizacije također otkrivaju nekoliko važnih činjenica. Utvrđena je povezanost između
vrste kriminala i učinka na buduće planove. Uočeno je da kriminal vezan za smještaj najviše
utječe na buduće planove za odmor. U odnosu na promjenu predodžbe o Cornwallu, oni koji
su pretrpjeli provalu u vozilo imaju najlošiju predodžbu o njemu.
2.2. Južna Afrika
Za drugi primjer navedena je Južna Afrika i istraživanje iz 2008. godine (Marthinus van
Schalkwyk, 2008.). Ovdje je ustanovljeno da će zbog sve većeg kriminala u toj zemlji, Južna
Afrika u sljedećih 5 godina od 2008. do 2012. izgubiti 22 milijuna turista (telegraph.co.uk.,
Charles Stermer-Smith). Kriminal u toj zemlji svake godine postaje sve veći problem, a od
2008. godine taj problem počeo sve više utjecati na turizam u toj zemlji. Kriminal svake
godine sve više odvraća turiste da posjete Južnu Afriku. Južnoafrička vlada je provela
istraživanje i ustanovilo se da od 2002. godine više od trećine potencijalnih turista zaobišlo tu
zemlju zbog sve veće prisutnosti kriminala. Južnoafrička vlada postavila je cilj od 10
milijuna turista na godinu, taj cilj planiralo se ostvariti 2010. godine kada je Južna Afrika
domaćin svjetskog nogometnog prvenstva. Trenutno Južnu Afriku posjeti 8 milijuna turista
godišnje (telegraph.co.uk., Charles Stermer-Smith, 2008.). Planiralo se da se u 2009. godini
stopu kriminala umanje za 7% do 10%. Umjesto toga novi podaci (zadnji kvartal 2008.
godine) pokazuju da su se ubojstva povećala za 2,4% (19,202), provala u banke za 118% ,
provale u kuće 24%, krađa auti za 6%, kriminal povezan s drogom za 8,2%, trgovački
kriminal za 12,6%. Broj silovanja (52,617) i pokušaj ubojstva (20,142) također su povećani
(telegraph.co.uk., Charles Stermer-Smith). Podatke o kriminalu u kojima su mete bili strani
7
turisti ne postoje. Smatra se da su prave brojke o kriminalu u stvarnosti mnogo veće. Smatra
se da 32% svih vrsta kriminala uopće nije prijavljen policiji. Južna Afrika je sa 40,5 ubojstva
na 100,000 stanovnika 8 zemlja u svijetu. Njihova vlada smatra da turisti ne bi smjeli
zaobilaziti Južnu Afriku jer se većina kriminala odvija izvan glavnih turističkih destinacija i
njima je prioritet sigurnost stranih turista. Vlada Južne Afrike nastoji naći način kako odvojiti
i slomiti kriminal nad turistima kako bi promjenili percepciju Južne Afrike kao zemlje koja
nije sigurna (Marthinus van Schalkwyk, 2008.). Planira se povećati broj policijskih snaga sa
dosadašnje brojke od 152,000 na 190,000 do 2010. godine. Južnoafrička vlada tvrdi da
usprkos kriminalu broj turista u toj zemlji polako raste, makar mnogi kritiziraju da su u taj
broj uračunali veliki broj migranata koji dolaze iz susjednih zemalja.
2.3. Karipske zemlje
Levantis i Gani (2000) su proveli istraživanje o povezanosti kriminala i turizma u 8 karipskih
zemalja (Fidži, Papua Nova Gvineja, Solomonski otoci, Tonga, Bahami, Barbados, Jamajka,
Trinidad i Tobago) podjeljenih u dvije regije (Južni Pacifik i Karibi). U članku je uzet jedan
od Levantisovih modela (Theodore Levantis, 2000.):
lnXjrt = b0 + b1lnCjr
t + b2lnCjrt-1
gdje je:
Xjrt – turistička potražnja u zemlji (j) u regiji (r)
Cjrt – kriminalna stopa u zemlji (j) u regiji (r)
Cjrt-1 – kriminalna stopa u zemlji (j) u regiji (r) u prethodnoj godini
Rezultati ovog istraživanja pružaju dokaze da ako u navedenim zemljama dođe do povećanja
kriminala (u odnosu na druge zemlje u regiji) doći će do negativnog pada potražnje za
turizmom u navedenim zemljama.
2.4. Deset najopasnijih turističkih zemalja u svijetu
8
Na temelju jednog istraživanja (Travelway, 2013.) napravljen je popis 10 najopasnijih
turističkih zemalja, a to su: Brazil, Venezuela, Mount Everest, Rusija, Zimbabve, Haiti,
Jemen, Kenija, Libanon i Somalija. Premda na ovome popisu nisu sve zemlje vezane uz
kriminal.
10. Brazil
Stopa ubojstava u Brazilu je 4 puta veća od one u Sjedinjenim Američkim državama. Brazil
ima i visoku stopu silovanja, razbojstava i tzv. “quicknappings”, odnosno “brzotmice”. To je
nova vrsta kriminala u porastu, a radi se o tzv. “brzim otimačinama” gdje otmičari svoje žrtve
obično doprate do najbližeg bankomata ili sličnog izvora gotovine kojojm raspolažu.
9. Venezuela
Stopa ubojstava u glavnom gradu Venezuele, Caracasu je najveća na svijetu, a većina ih
prolazi neriješenima. U Venezueli su česte i lažne policijske zasjede u organizaciji lokalnih
bandi.
8. Mount Everest
Stopa kriminala u Nepalu je niska, prava opasnost leži u izazovima same prirode.
7. Rusija
Raspadom Sovjetskog Saveza dolazi do sve većeg porast turista, a time i porast kriminala.
Kriminal je najzastupljeniji u većim turističkim gradovima kao što su Moskva i Sankt
Petersburg. Putovanja u južnije dijelove Rusije npr. Čečeniju je vrlo riskantno zbog političkih
nemira. U tom južnijem dijelu Rusije dešavaju se teroristički napadi i otmice.
6. Zimbabve
Zimbabve je vrlo nestabilna i promjenjiva regija zbog političkog stanja. Stanje u zemlji je
toliko nestabilno da su pljačke, razbojstva, otmice auta i “brzotmice” vrlo uobičajena stvar.
5. Haiti
9
Haiti je najnerazvijenija i najsiromašnija država u zapadnoj hemisferi. Zbog toga ima visoku
stopu kriminala. Od svih vrsta kriminala najčešće su: otmice, pljačke, brzootmice, šverc. Te
vrste kriminala zastupljenije su u mnogo većim omjerima nego drugdje.
4. Jemen
Od svih vrsta kriminala u Jemenu najveću stopu ima krađa automobila.
3. Kenija
U Keniji je kriminal u porastu; oružana pljačka, džepari, napadi, otmice, upadi u hotelske
sobe, silovanje, itd. Česti su i teroristički napadi zbog nestabilne političke situacije u zemlji.
U jednom takvom napadu 1998. godine, poginulo je 225 ljudi, a ozlijeđeno je 1000.
2. Libanon
Zbog napetih odnosa s Izraelom, Libanon je postao nepoželjno turističko odredište
1. Somalija
U Somaliji se odvija građanski rat i borba između bandi za prevlast na tržištu droge i oružja.
Somalija je od 1990. godine kada je izbio građanski rat podijeljena na 12 različitih “ratničkih
grupa”.
3. Turizam i kriminal u Republici Hrvatskoj
Turizam je najrazvijenija i najvažnija gospodarska grana u Hrvatskoj. Hrvatska je jedna od
najvažnijih turističkih destinacija na mediteranu.
Hrvatska je zahvaljujući svojim geografskim položajem privlačna turistima. Najveća prednost
Hrvatske pred konkurentima na mediteranu (Grčka, Italija, Turska, Španjolska, Francuska) je
čisto Jadransko more koje je prema istraživanju Europske agencije za okoliš provedenom
2010. godine drugo najčišće more u Europi. Glavni nedostaci Hrvatske turističke ponude su
nedostatak dodatnih sadržaja i visoke cijene.
Turistička ponuda Hrvatske sastoji se od: nautičkog, izletničkog, ronilačkog, kongresnog,
kulturnog, ekološkog, seoskog, vjerskog, pustolovnog, zdravstvenog, lovnog i ribolovnog
turizma.
10
Hrvatsku kao turističku destinaciju su tokom godina posjećivali razni turisti među kojima su
najčešći bili Njemci, a već tradicionalni turisti u Hrvatskoj su Česi, Slovaci, Talijani, Slovenci
i Austrijanci.
Ukupan broj turista 1980. je iznosio 7,929 dolazaka turista dok je 2010. bilo 10,604 dolazaka
turista (podaci su iskazani u 000). Ta brojka je 2011. iznosila 11,455 dok je 2012. bilo 11,834
dolazaka turista (podaci su iskazani u 000), (www.hgk.hr), (www.mint.hr).
Prijavljenih kaznenih djela u Hrvatskoj je 2002. bilo 77905 dok je 2010. bilo 73328
prijavljenih kaznenih djela (www.mup.hr).
U Hrvatskoj su tipična kaznena djela protiv povijesne i kulturne baštine kao što su krađe slika
i ikona iz slabo osiguranih crkvi, muzeja, galerija, devastacije podvodnih arheoloških
nalazišta ilegalnim iskopavanjem amfora, artefekata iz potopljenih brodova. Usprkos svemu
broj takvih kaznenih djela nije visok, ali nanose neprocjenjivu i nepopravljivu štetu hrvatskoj
povijesnoj i kulturnoj baštini. Počinitelji ovih djela ostaju nepoznati (to su organizirane grupe
stranih turista povezanih sa lokalnim stručnjacima arheologije). Ta kaznena djela su povezana
sa turizmom, jer svoj vrhunac dosežu u ljetnim mjesecima. Tijekom turističke sezone
kriminalna statistika (pogotovo krađe) pokazuje isti trend kao indikator turističkih tokova:
njeno povećanje počinje tijekom predsezone (svibanj i lipanj) vrhunac doseže u srpnju i
kolovozu dok u post sezoni počinje lagano opadati (rujan, listopad). To ima negativan utjecaj
na efikasnost policije u otkrivanju počinitelja ovakvog tipa kriminala, zbog čega tijekom
turističke sezone veliki dio počinitelja ostaje neotkriven. Broj kriminalnih djela povezanih sa
turizmom je puno veći nego kod ostalih tipova kriminala koji nisu povezani sa turizmom.
Istraživanje provedeno na Makarskoj rivijeri u Hrvatskoj za vrijeme trajanja sezone
(Carić,1999.) pokazalo je da broj kriminalnih djela počinjenih od nepoznatog počinitelja prati
sezonski trend ukupnog kriminala povezanog s turizmom. Stopa između kriminalnih djela
počinjenih od strane poznatog počinitelja nasuprot stopi nepoznatih počinitelja je
najnepovoljnija tijekom turističke sezone, kada policija uspije otkriti tek svakog petog
počinitelja u Splitsko Dalmatinskoj Županiji. Kao rezultat tako slabe efikasnosti, građani i
oštećeni turisti gube povjerenje u službe koje su odgovorne paziti na njihovu sigurnost.
Stoga to povećava osjećaj izloženosti opasnosti da ostaju u turističkim područjima.
Tipične karakteristike ili okolnosti koje će povećati vjerojatnost da pojedinac ili grupa
pojedinaca postanu žrtve kriminala su poznate u viktimološkj literaturi kao “predispozicije
11
žrtve” (Fattah 1971.). Kada osoba posjeduje jednu ili više “predispozicija žrtve”
predispozicionirana je za žrtvu.
Provedeno je istraživanje na 56 domaćih i 124 stranih turista (Carić, 1999.) koji su bili
oštećeni u Splitu, Dubrovniku i Makarskoj, pokazuje da pojedinačni faktori viktimizacije,
povezani sa turistovom osobnosti mogu ekstremno puno varirati. Postoje tri predispozicije za
žrtvu, a to su: socijalni faktori, psihološki faktori i situacijski faktori.
Socijalni faktori – turisti imaju tendenciju nositi različite pokretnine kojima pokazuju svoj
statusni simbol.
Psihološki faktori – turisti kada dođu na odmor žele se opustiti pa manje obraćaju pažnju na
stvari koje su ponjeli sa sobom.
Situacijski faktori – to su različite situacije i okolnosti s kojima se turisti susreću u trenutku
počinjenja kriminala.
U Hrvatskoj su mete kriminalnih djela najčešće kampovi. To je smještaj na otvorenom, gdje
su turistove vrijednosti lako dostupne. Dobro je poznata činjenica da je u prošlom
ekonomskom sustavu većina kampova u Hrvatskoj bila u društvenom vlasništvu i da su
njihove zaštitne i sigurnosne mjere bile slabe ili uopće nisu postojale. Kampovi su glavna
poprišta krađa. Od svih počinjenih krađa u Hrvatskoj za vrijeme trajanja sezone u kampu se
dogodi svaka sedma krađa. Kao dodatak tome opasnost od otkrivanja je mala, pa prema tome
kamp je uvršten među veoma važne situacijske faktore viktimizacije. Žrtvino ponašanje u
trenutku kriminala ili odmah poslije može se isto smatrati kao situacijski viktimizacijski
faktor.
Zbog svega toga Hrvatska je 2006. godine došla do zaključka da treba oformiti posebnu radnu
skupinu za prevenciju kriminaliteta, koja će djelovati pod imenom “turistička policija”.
Glavna svrha turističke policije je da u Hrvatskoj tijekom ljetne sezone dolaze policajci iz
zemalja čiji su turisti najčešći gosti, te surađuju s hrvatskim kolegama.
3.1. Turizam i kriminal u Grčkoj, Italiji i Turskoj
Radi usporedbe uz Hrvatsku u ovome radu uzete su: Grčka, Italija i Turska. Te zemlje
odabrane su zbog toga što su to glavni Hrvatski konkurenti na Mediteranu.
12
3.1.1. Grčka
Grčki turizam je 2011. godine zapeo u velike problem zbog krize koja vlada u toj zemlji.
Veliki prosvjedi koji su pogodili Atenu utjecali su na dolaske turista. Zbog krize stopa
kriminala u Grčkoj sve više raste pa se svaka dva dana dogodi ubojstvo, 18 pljački dnevno,
11 krađa na sat (www.astynomia.gr). Sve to u zemlji koja je nekad imala najnižu stopu
kriminala u Europi.
Samo u Ateni od početka 2011. do kraja 2011. zatvoreno je 18 hotela, a popunjenost onih koji
i dalje rade pala je ispod 37 posto kapaciteta. S radom je prestao i poznati hotel „Jason
Prime“, hotel koji se nalazio u samom centru Atene. U obnovu je uloženo više od tri milijuna
eura, ali mu je presudio porast kriminala koji je drastično smanjio broj gostiju. Slike nereda i
masovnih prosvjeda u Ateni koje su obišle svijet smanjile su broj rezerviranih aranžmana za
45 posto u odnosu na 2010. Ta 2010. godina je za trgovce i hotelijere ostala upamćena i po
najnižem profitu u vrijeme božićnih i novogodišnjih blagdana. Masovno propadaju i Atenske
trgovine, a država samo na porezima gubi oko milijardu dolara godišnje (www.bljesak.info).
Atenski gradonačelnik Giorgos Kaminis smatra da za spas turizma trebaju poduzeti radikalne
mjere kako bi zaustavili rast kriminala u centru Atene. U 2013. godini dolazi do oporavka
turizma te dolazi do laganog porasta broja dolazaka turista. Zbog krize i prosvjeda u Grčkoj
model nije prikladan za prognoziranje te rezultati testiranja ne bi bili realni.
3.1.2. Turska
U proteklih deset godina (2001. - 2010.) Turska je zabilježila veliki porast broja turista koji se
popeo od 2001. sa 13 milijuna do 2010. na 27 milijuna. Godine 2011. Turska je skočila na 6
mjesto u svijetu po posjećenosti turista (UNWTO, 2011.).
Što se tiče kriminala Turska je veoma sigurna zemlja. U većini slučajeva, tamo je u porastu
samo ulični kriminal u većim gradovima kao što su Istanbul, Ankara, Smirna. Ali kao i većina
zemalja Turska nije više sigurna kao što je prije bila. U porastu su krađe auta i male krađe.
Turisti se posebno moraju paziti džepara koji su prisutni u turističkim područjima. Otmice i
nestanci turista su rijetki, ali se događaju kao što je bio slučaj koji se dogodio početkom 2013.
godine kada je američka turistkinja Sarai Sierra nestala u Istanbulu, te je kasnije pronađena
mrtva. To su izdvojeni slučajevi koji se događaju u svim većim gradovima svijeta te ne bi
trebali predstavljati prijetnje turistima koji žele posjetiti Tursku.
13
3.1.3. Italija
Sa približno 43 milijuna stranih turista Italija je peta najposjećenija država na svijetu, dok je u
Europi treća (UNWTO, 2011.).
Na jednom istraživačkom radu o utjecaju kriminala na turizam Italije (Biagi, Brandano,
Detotto, 2012.) došli su do zaključka da turistička područja imaju veću stopu kriminala od
neturističkih područja. Uspoređujući dolaske turista i ukupni kriminal za vremensko razdoblje
od 1985. godine do 2003. godine utvrđeno je da povećanje broja turista dovodi do povećanja
ukupnog kriminala. Treba napomenuti da su u istraivanju došli do zaključka da turizam više
utječe na neke tipove zločina kao što su džeparenje, krađa torbi, prijevare, dok manje utječe
na druge tipove ilegalnih aktivnosti kao što su financijski kriminal, ucjene.
4. Testiranje utjecaja kriminala na dolaske turista
U ovom diplomskom radu koristiti će se Levantisov model (Theodore Levantis, 2000.):
lnXjrt = b0 + b1lnCjr
t + b2lnCjrt-1
U diplomskom radu se želi utvrditi kako kriminalna stopa i kriminalna stopa prethodne
godine utječu na turističku potražnju odnosno dolaske turista u razdoblju od 2001. godine do
2010. godine. Za turističku potražnju uzeti su dolasci turista, a za kriminalnu stopu su uzeta
sveukupna kriminala djela podijeljena sa brojem stanovnika.
lnARR = b0 + b1lnCR + b2lnCRt-1
Objašnjenje skraćenica:
ARR – dolasci turista
CR – stopa kriminala (ukupni kriminal podijeljen s brojem stanovnika)
CRt-1 – stopa kriminala za prethodnu godinu (ukupni kriminal podijeljen s brojem stanovnika)
Svaka država sveukupni kriminal drukčije mjeri, ono šta se smatra kriminalnim dijelom u jednoj zemlji u drugoj je legalno, tako je na euorstatu za kriminal uzet opći kriminal koji je za svaku zemlju jednak.
14
U tablici 1. prikazani je sveukupni kriminal u navedenim državama (Hrvatska, Grčka, Turska, Italija). Kod sveukupnog kriminala na primjeru Hrvatske vidljiv je pad kriminalnih djela tokom godina, isto vrijedi za Grčku, dok je kod Turske vidljiv veliki porast kriminalnih djela. U Turskoj je 2001. godine bilo prijavljeno 400337 kaznenih djela dok je 2010. godine taj broj porastao na 1521723 kaznenih djela. Na primjeru Italije vidljiv je lagani porast kriminalnih djela.
Tablica 1: Sveukupni kriminal u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine
Države/godine Hrvatska Grčka Turska Italija2001 78351 439629 400337 21638262002 77905 441138 438714 22315502003 80377 441839 472153 24568872004 85416 405627 507539 24177162005 79949 455952 667820 25791242006 81049 463750 975118 27714902007 75857 423422 970554 29331462008 74571 417391 1012291 27098882009 73497 386893 1288085 26298312010 73328 333988 1521723 2621019Izvor: www.eurostat.com
U tablici 2. prikazana je populacija odnosno broj stanovništva u navedenim zemljama (Hrvatska, Grčka, Turska, Italija). Grčka, Turska i Italija bilježe porast stanovništva dok je na primjeru Hrvatske vidljiv pad stanovništva.
Tablica 2: Broj stanovnika u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine
Država/godina Hrvatska Grčka Turska Italija2001 441738 10949957 68366825 569772172002 4443676 10987543 69304048 571574062003 4442239 11023514 70231018 576046582004 4442817 11061701 71151009 581753102005 4443393 11103965 72064992 586070432006 4442061 11148460 72971474 589414992007 4438820 11192763 70137756 593752892008 4435729 11237094 71051678 598321792009 4430402 11282760 72039206 601926982010 4418942 11307502 73142150 60483385Izvor: www.eurostat.com
15
U tablici 3. prikazana je kriminalna stopa u navedenim zemljama (Hrvatska, Grčka, Turska, Italija). Kriminalna stopa dobivena je tako da se podijelio broj sveukupnih kriminalnih djela u tablici 1. sa populacijom u tablici 2. Od svih navedenih zemalja (Hrvatska, Grčka, Turska, Italija) Hrvatska ima najmanju stopu kriminala, dok Italija ima najveću stopu kriminala. Tu je uzeta i 2000. godina zbog toga da se vidi kriminalna stopa za prethodno razdoblje.
Tablica 3: Kriminalna stopa u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2000. godine do 2010. godine
Država/godina Hrvatska (%) Grčka (%) Turska (%) Italija (%)2000 1,17 2,82 3,52 5,362001 1,76 4,01 0,58 3,792002 1,75 4,01 0,63 3,902003 1,81 4,01 0,67 4,272004 1,92 3,67 0,71 4,162005 1,79 4,11 0,93 4,412006 1,82 4,16 1,33 4,702007 1,71 3,78 1,38 4,942008 1,68 3,71 1,42 4,532009 1,66 3,43 1,79 4,372010 1,66 2,95 2,10 4,33Izvor: izradio student
U tablici 4. prikazani su dolasci turista u navedenim zemljama (Hrvatska, Grčka, Turska, Italija). Iz tablice 4. vidljiv je porast dolazaka turista u svim zemljama (Hrvatska, Grčka, Turska, Italija), a najveći porast zabilježila je Turska koja je 2001. godine zabilježila 9,5 milijuna dolazaka turista, a 2010. godine taj broj popeo se na 27 miljuna dolazaka turista.
Tablica 4: Dolasci turista u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine
Država/godina Hrvatska Grčka Turska Italija2001 5831000 13096000 9586000 411810002002 8320000 14180000 12790000 397990002003 8878000 13969000 13341000 396040002004 9412000 13313000 16826000 370710002005 9995000 14765000 20273000 365130002006 10385000 16039000 18916000 410580002007 11162000 16165000 22248000 436540002008 11261000 15939000 24994000 427340002009 10270000 14915000 25506000 432390002010 10604000 15007000 27000000 43626000Izvor: www.eurostat.com
16
U tablicama 5. i 6. sve varijable su logaritmirane
U tablici 5. prikazani su logaritmirani dolasci turista iz tablice 4.
Tablica 5: Logaritmirani broj dolazaka turista u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine
Država/godine Hrvatska Grčka Turska Italija2001 15,5787 16,38782 16,07581 17,533492002 15,9342 16,4673 16,36417 17,499352003 15,9991 16,4524 16,40635 17,494442004 16,0575 16,4043 16,63844 17,428352005 16,1176 16,5078 16,8248 17,413182006 16,1559 16,5905 16,75552 17,53052007 16,228 16,5984 16,91776 17,591812008 16,2369 16,5843 17,03415 17,570512009 16,1447 16,5179 17,05442 17,582252010 16,1767 16,524 17,11135 17,59116Izvor: izradio student
U tablici 6. prikazana je logaritmirana stopa kriminala iz tablice 3. Tu je uzeta i 2000. godina zbog toga da se vidi kriminalna stopa za prethodno razdoblje.
Tablica 6: Logaritmirana stopa kriminala u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2000. godine do 2010. godine
Država/godina Hrvatska Grčka Turska Italija2000 -4,44586 -3,568 -3,34773 -2,92692001 -4,03759 -3,21516 -5,14029 -3,270772002 -4,0437 -3,216 -5,06246 -3,243122003 -4,0122 -3,2168 -5,00222 -3,15472004 -3,9515 -3,3058 -4,94302 -3,180642005 -4,0178 -3,1927 -4,6813 -3,121982006 -4,0038 -3,1797 -4,31527 -3,057162007 -4,0693 -3,2747 -4,28034 -3,00782008 -4,0857 -3,293 -4,25121 -3,094652009 -4,099 -3,3729 -4,02407 -3,130642010 -4,0987 -3,5221 -3,87256 -3,13879Izvor: izradio student
17
Model i prikupljeni podaci provedeni su kroz sljedeće testove:
1. F test
2. T test
3. Jarque Bera test
4. VIF test za otkrivanje multikolinearnosti
5. Breusch Godfrey test za otkrivanje autokorelacije
6. Breusch Pagan test za otkrivanje heteroskedastičnosti
4.1. F test
Pomoću F-testa testira se statistička značajnost prilagođenosti modela, odnosno daje se
odgovor na pitanje odražava li koeficijent determinacije stvarnu povezanost među varijablama
modela ili je slučajan rezultat korištenih podataka iz odabranog uzorka. Pri tom se služi
analizom varijance u regresiji ili ANOVA (engl. Analysis of Variance) prikazano u tablici 7.
Tablica 7: ANOVA
Izvor
varijacijeSuma kvadrata
Stup.
slobodeSredina kvadrata F vrijednost
objašnjena
regresijom
2)( yyESS i −=∑ k
k
yy
k
ESS i∑ −=
2)(
)1/(
)/(
−−=
knRSS
kESSF
neobjašnjen
a
(rezidualna)
odstupanja
∑= 2ieRSS 1−−kn 2
2
11s
kn
e
kn
RSS i =−−
=−−
∑
Ukupna 2)( yyTSS i −=∑ 1−n
Izvor: Lovrić, 2005.
18
Kakvoća ocijenjenog modela prosuđuje se testiranjem značajnosti prisutnosti svih
regresorskih varijabli u modelu. Provodi se F-testom.
Testiranje se provodi na razini signifikantnosti α, usporedbom empirijskog F omjera i
teorijske vrijednosti F distribucije (Fc). U nultoj hipotezi tvrdi se da ni jedna regresorska
varijabla nije značajna u modelu. Alternativna hipoteza tvrdi da postoji bar jedna od k
regresorskih varijabli koja je značajna za objašnjenje varijabilnosti zavisne varijable, tj. da
postoji barem jedan parametar βj od njih k, koji je različit od nule.
4.2. T test
Za testiranje pouzdanosti ocijenjenog parametra koristi se Studentov t-pokazatelj, uz
pretpostavku da su ocjene parametara normalno distribuirane. T-pokazatelj ima svoju
primjenu u statistici kod procjene parametara osnovnog skupa i kod testiranja hipoteza na
osnovi uzorka. (Biljan-August, Pivac, Štambuk, 2007.)
Test hipoteze o značajnosti parametra βu regresijskom modelu može biti dvostran i
jednostran (dvosmjeran i jednosmjeran). Dvostranim testom testira se hipoteza o
pretpostavljenoj vrijednosti, a jednostranim predznak parametra uz regresorsku varijablu.
4.3. Test normalnosti grešaka (Jarque Bera test)
Jarque-Bera testom, koji koristi koeficijent asimetrije i koeficijent zaobljenosti reziduala
procijenjenih metodom najmanjih kvadrata, ispituje se odstupaju li procijenjene veličine
značajno od vrijednosti tih mjera za normalnu distribuciju.
H0: greške relacije su normalno distribuirane
H1: greške relacije nisu normalno distribuirane
Iznos p vrijednosti Jarque - Bera testa uspoređuje se sa uobičajenim razinama pouzdanosti:
1%, 5% ili 10%. Ukoliko je p (probability) vrijednost veća od razine pouzdanosti ne odbacuje
se H0 hipoteza i tvrdi se da su greške relacije normalo distribuirane. Jarque Bera test je
asimptotski test i ima ga smisla primjenjivati za velike uzorke.
4.4. Multikolinearnost (faktor inflacije varijance VIF)
19
Multikolinearnost je linearna funkcijska veza između 2 ili više nezavisnih varijabli koja je
tako jaka da može značajno utjecati na ocjenu koeficijenata varijabli. Postoji savršena i
nesavršena multikolinearnost.
Savršena multikolinearnost je pojava kad se varijacije jedne nezavisne varijable mogu
potpuno objasniti varijacijama druge nezavisne varijable.
Nesavršena multikolinearnost (u praksi češća) nastaje kad veza među varijablama nije
egzaktna već uključuje i odstupanja. Odnosno da se varijance varijable X1 mogu predstaviti
varijancama varijable X2 ali ne u potpunosti, već neke neobjašnjene varijacije još postoje.
Posljedice: t – nizak, R2 – vrlo visok, krivi predznaci
Otkrivanje: vrlo visok R2, niske t-vrijednosti, visok koeficijent korelacije (r > od 0,8) među
nezavisnim varijablama (Lovrić, 2005.)
Rješavanje: (više mogućnosti) povećati uzorak podataka, transformirati podatke, izbaciti
nezavisnu varijablu koja je u korelaciji. Ako je uzrok pogreška – ispuštena varijabla ili kriva
funkcijska veza – ispraviti grešku, a ako je uzrok u podacima (ekonomski šokovi)
ocjenjivanje parametara ispituje se pomoću GLS (generalizirana metoda najmanjih kvadrata)
Faktor inflacije varijance (VIF) korišten je za za otkrivanje multikolinearnosti.
Ozbiljan problem multikolinearnosti je prisutan ako je VIFj > 5.
4.5. Autokorelacija (Breusch Godfrey LM test)
Autokorelacija predstavlja odstupanje od teorijskih pretpostavki u analizi modela i negativno
se odražava na rezultate, te ograničava primjenu određenih postupaka i ostavlja takve
posljedice na model da on kao takav nije pogodan niti za prognozu. Zbog toga je važno
razumjeti o kakvom se problemu radi, kakve posljedice ostavlja na ocijenjeni model i kako ga
riješiti.
Uzrok autokorelacije grešaka relacije može biti različit. Najčešći uzroci su:
20
- pogrešna specifikacija modela (izostavljanje signifikantnih varijabli),
- pogrešan izbor oblika modela
- pogrešna specifikacija svojstava slučajnih varijabli,
- transformacija izvornih vrijednosti varijabli izraženih kao vremenske serije, i dr.
Autkorelacija je češće prisutna kod ocjenjivanja modela na osnovi podataka vremenskih
nizova nego na osnovi podataka vremenskog presjeka. Prema tome kad su odstupanja
autokorelirana, može se pisati:
( ) 0, ≠−stt uuE (t>s)
Taj izraz znači da je odstupanje koje se zbilo u vremenu t povezano s odstupanjem u vremenu
(t-s).
Na grafikonu 1. prikazana su rezidualna odstupanja kod pozitivne i negativne autokorelacije,
te kada je autokorelacija približno jednaka nuli.
Grafički prikaz je ujedno jedan od načina otkrivanja autokorelacije, uz Durbin-Watsonov test
(DW).
Grafikon 1: Dijagram rasipanja rezidualnih odstupanja
(autokorelacija rezidualnih
odstupanja približno
jednaka nuli)
(pozitivna autokorelacija
rezidualnih odstupanja)
(negativna autokorelacija
rezidualnih odstupanja)
Izvor: Šošić, 2006.
21
Postoje dvije vrste autokorelacije: pozitivna i negativna. Kod pozitivne autokorelacije
odstupanja Ui obično imaju isti predznak. Kod negativne autokorelacije pozitivna odstupanja
slijede negativna, pa opet pozitivna itd.
Osim pozitivne i negativne, autokorelacija može biti prava i neprava. Prava korelacija se
pojavljuje kod ekonomskih podataka kroz vrijeme, npr. iz recesije preko razdoblja oporavka,
podaci vremenskih nizova idu po uzlaznoj putanji i u svakoj točki im je vrijednost veća nego
u prethodnoj, sve dok se ne dogodi promjena slijedom ekonomskih ciklusa. Tako sukcesivne
vrijednosti opažanja izgledaju međusobno korelirane, bilo da se prati bruto domaći proizvod,
proizvodnju, zaposlenost, kretanje cijena, itd.
Razlog tome može biti i "friziranje" statističkih podataka, npr. umjesto prikupljanja podataka
za razna razdoblja, oni se izračunavaju kao prosjeci iz kraćih vremenskih razdoblja. Zato
podaci izgledaju "izglađeno", pa odstupanja pokazuju pravilnost pojavljivanja, tj.
autokorelaciju.
U slučaju neprave autokorelacije čest je razlog specifikacijska pogreška, a to je izostavljena
signifikantna varijabla ili odabir pogrešne funkcijske veze. Odstupanja na sebe preuzimaju tu
pogrešku, nisu više slučajna, nego se ponašaju po određenom pravilu.
Durbin-Watsonov d test najpoznatiji je test za otkrivanje autokorelacije.
∑
∑
=
=−−
= n
tt
n
ttt
e
eed
1
2
2
21)(
Test veličina predstavlja omjer zbroja kvadrata prvih diferencija rezidualnih odstupanja i
zbroja kvadrata rezidualnih odstupanja. Zbog diferenciranja u brojniku se gubi jedno
opažanje, pa sumiranje kreće od drugog opažanja (t=2).
Autokorelacija je pojava gdje je greška nekog opažanja u zavisti od greške prethodnog
opažanja. Ako je riječ o pozitivnoj ili negativnoj korelaciji odbacuje se Ho. Ako nema
autokorelacije ne odbacuje se Ho. Više o tome prikazano je u tablici 8.
Tablica 8: Autokorelacija
22
Vrijednost DW Odluka
O < d < dL Odbaciti Ho ; pozitivna autokorelacija je prisutna.
dL ≤ d ≤ dU Bez odluke.
dU < d ≤ 4 Ne odbaciti Ho ; nema autokorelacije.
4 ≤ d < 4 - dU Ne odbaciti Ho ; nema autokorelacije.
4 - dU ≤ d ≤ 4 – dL Bez odluke.
4 – dL < d < 4 Odbaciti Ho ; negativna autokorelacija je prisutna.
Izvor: Baddeley, Barrowclough, 2009.
Kako je 11 ≤≤− ρ to znači da vrijedi:
2d 0ˆ ≈≈ρ nije prisutan problem autokorelacije
0d 1ˆ ≈≈ρ prisutan je problem pozitivne autokorelacije
4d 1ˆ ≈−≈ρ prisutan je problem negativne autokorelacije
Ukoliko je izračunati d bliže vrijednosti 0, to je pokazatelj pozitivne autokorelacije, a ako je
bliže vrijednosti 4, to je pokazatelj negativne autokorelacije. Kad se vrijednost d kreće oko 2,
znači da nema autokorelacije. No postoje i vrijednosti kad nismo sigurni u postojanje
autokorelacije. Grafikon 2. prikazuje auokorelaciju.
Grafikon 2: Prikaz Durbin-Watsonova testa
23
Izvor: Šošić, 2006.
Breusch Godfrey LM test korišten je za otkrivanje autokorelacije
U općem slučaju autokorelacija može biti reda m:
Nulta i alternativna hipoteza
H0 : r1 = r2 = … = rm = 0 (ne postoji autokorelacija)
H1 : bar jedan od parametara je različit od nule (postoji autokorelacija)
Algoritam testiranja:
1. Pretpostavi se da je polazni model oblika:
2. Ocjenjuje se model iz 1., dobivaju se reziduali, a zatim se ocjenjuje pomoćna regresija:
3. Određuje se koeficjent determinacije R2 iz pomoćne regresije i potom ga množimo obimom
uzorka T. To je (T R2) Breusch – Godfrey t – statistika. Pokazuje se da važi: T R2 sa m
stupnjeva slobode, pri uvjetu istinitosti nulte hipoteze.
24
4.6. Heteroskedastičnost i homoskedastičnost (Breusch Pagana test)
Heteroskedastičnost se javlja među podacima kod kojih su velike razlike između najmanjih i
najvećih opažanja. Karakteristična je za podatke vremenskog presjeka i povezana je s
nezavisnim varijablama. U regresijskom modelu za pogreške relacije ei pretpostavlja se, među
ostalim, da imaju jednaku varijancu 2σ (svojstvo homoskedastičnosti) U suprotnom imamo
problem promjenjivosti varijance – heteroskedastičnost koja se javlja kad odstupanja imaju
konstantnu varijancu, odnosno jednaku raspršenost ( )( )2var σ=iu .
Na grafikonu 3. prikazana je heteroskedastičnost, odnosno rasipanja u svezi s nestabilnosti
varijance.
Grafikon 3: Heteroskedastičnost
25
Izvor: Šošić I. Primijenjena statistika
Otkrivanje heteroskedastičnosti nije lako zbog toga što je stvarna varijanca 2iσ nepoznata jer
se ne raspolaže podacima za cijelu populaciju. Ne postoji opći efikasan i siguran test za
otkrivanje heteroskedastičnosti. Postoji samo nekoliko načina koji mogu pomoći kod
otkrivanja heteroskedastičnosti: Spearmanov koeficijent korelacije ranga, RESET, Whiteov
test, grafička metoda, Park test, Goldfeld-Quandt test, Breusch-Pagana test i drugi.
Postoji prava i neprava heteroskedastičnosti. Prava heteroskedastičnosti ne uzrokuje
pristranost ocijenjenih koeficijenata. Kod neprave heteroskedastičnosti posljedica je
specifikacijska pogreška kao što je ispuštena varijabla.
Breusch Pagana test korišten je za otkrivanje heteroskedastičnosti
Bazira se na testiranju zavisnosti variranja reziduala od visine svih regresora.
Promatra se model:
Nulta hipoteza da nema heteroskedastičnosti, prema alternativnoj da je varijanca grešaka
linearna funkcija regresora.
Algoritam:
1. Ocjenjuje se polazni model da bi se dobili reziduali.
2. Izračunava se ocjenjena vrijednost varijance reziduala metodom MV:
3. Izračunati promjenjivu:
26
4. Novu promjenjivu regresirati na sve regresore polaznog modela:
i izračunati sumu objašnjenih varijacija:
5. Formirati sljedeću statistiku testa, kaja posjeduje asimptotsku X2 raspodjelu:
Gdje je k broj stupnjeva slobode, jednak broju regresora (bez konstante).
Napomena: riječ je o asimptotskom LM testu
Navedeni testovi provedeni su u računalnom programu Eviews 7, kojim su dobiveni sljedeći
rezultati:
4.7. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1- za Hrvatsku
27
lnARRt = 14,18 – 1,73*lnCRt + 1,25* lnCRt-1
St. pog. (2,72) (0,67) (0,23)
t (5,21) (-2,57) (5,38)
p (<0,001) (0,04) (<0,001)
Statistička značajnost prilagođenosti modela je F (2,7) = 15,87, p = 0,003
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbacuje se nul hipoteza i tvrdi se da je model statistički značajan.
T vrijednost za parametar b1 t(9) = -2,57, p = 0,037 i za parametar b2 t(9) = 5,38, p = 0,001
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se nul hipoteza i tvrdi
se da su parametri b1 i b2 statistički značajni za model.
Koeficjent determinacije R2 = 0,82 i korigirani koeficjent determinacije koji iznosi 2R = 0,77
Pomoću ovog modela objašnjeno je 82% varijacije zavisne varijable.
28
4.7.1. Testiranje multikolinearnosti
Faktor inflacije varijance pokazuje da u modelu nije prisutna multikolinearnost jer je
vrijednost VIF-a uz nezavisne varijable manja od 5.
29
4.7.2. Testiranje autokorelacije
2χ (2, N=10) = 0,54, p = 0,76 stoga se zaključuje da u modelu nije prisutna autokorelacija.
30
4.7.3. Testiranje heteroskedastičnosti
2χ (2, N=10) = 0,49, p
= 0,78 stoga se
zaključuje da u modelu
nije prisutna
heteroskedastičnost.
4.7.4. Testiranje normalnosti grešaka (Jarque Bera test)
31
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. Vjerojatnost
kod Jarque-Bera testa iznosi 0,49. Kako je vjerojatnost veća od signifikantnosti (α = 0,01, α =
0,05, α = 0,1) odbija se alternativna hipoteza i tvrdi da su reziduali normalno distribuirani.
4.8. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Grčku
32
lnARRt = 17,09 – 0,15*lnCRt + 0,32*lnCRt-1
St. pog. (0,96) (0,24) (0,21)
t (17,86) (-0,61) (1,51)
p (<0,001) (0,56) (0,17)
Statistička značajnost prilagođenosti modela je F(2,7) = 1,21, p = 0,35
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se alternativna hipoteza i tvrdi se da model nije statistički značajan.
T vrijednost za parametar b1 t(9) = -0,61, p = 0,56 i za parametar b2 t(9) = 1,51, p = 0,17
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se alternativna hipoteza
i tvrdi se da parametri b1 i b2 nisu statistički značajni za model.
Koeficjent determinacije R2 = 0,26 i korigirani koeficjent determinacije koji iznosi 2R = 0,04
Pomoću ovog modela objašnjeno je 26% varijacije zavisne varijable.
Zbog krize i prosvjeda koji se događaju u toj zemlji, model nije prikladan za prognoziranje te
rezultati testiranja ne bi bili realni.
4.9. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Tursku
33
lnARRt = 19,34 + 0,74*lnCRt – 0,17*lnCRt-1
St. pog. (0,43) (0,09) (0,07)
t (45,22) (8,60) (-2,36)
p (<0,001) (<0,001) (0,05)
Statistička značajnost prilagođenosti modela je F(2,7) = 37,03, p = <0,001
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se nul hipoteza i tvrdi se da je model statistički značajan.
T vrijednost za parametar b1 t(9) = 8,60, p = <0,001 i za parametar b2 t(9) = -2,36, p = 0,05
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se nul hipoteza i tvrdi
se da je parametar b1 statistički značajan za model.
Koeficjent determinacije R2 = 0,91 i korigirani koeficjent determinacije koji iznosi 2R = 0,88
Pomoću ovog modela objašnjeno je 91% varijacije zavisne varijable.
34
4.9.1. Testiranje multikolinearnosti
Faktor inflacije varijance pokazuje da u modelu nije prisutna multikolinearnost jer je
vrijednost VIF-a uz nezavisne varijable manja od 5.
35
4.9.2. Testiranje autokorelacije
2χ (2, N=10) = 6,60, p = 0,04 stoga se zaključuje da je na razini signifikantnosti od 5% u
modelu prisutna autokorelacija, dok na razini signifikantnosti od 1% u modelu nije prisutna
autokorelacija.
36
4.9.3. Testiranje heteroskedastičnosti
2χ (2, N=10) = 2,22, p = 0,33 stoga se zaključuje se da u modelu nije prisutna
heteroskedastičnost.
37
4.9.4. Testiranje normalnosti grešaka (Jarque Bera test)
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. Vjerojatnost
kod Jarque-Bera testa iznosi 0,43. Kako je vjerojatnost veća od signifikantnosti (α = 0,01, α =
0,05, α = 0,1) odbija se alternativna hipoteza i tvrdi da su reziduali normalno distribuirani.
38
4.10. Model lnARRt = b0 + b1lnCRt + b2lnCRt-1 za Italiju
lnARRt = 19,21 + 0,25*lnCRt + 0,29*lnCRt-1
St. pog. (0,96) (0,25) (0,19)
t (20,01) (0,99) (1,49)
p (<0,001) (0,35) (0,18)
Statistička značajnost prilagođenosti modela je F (2,7) = 1,73 p = 0,25
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbacuje se alternativna hipoteza i tvrdi se da model nije statistički značajan.
T vrijednost za parametar b1 t(9) = 0,99, p = 0,35 i za parametar b2 t(9) = 1,49, p = 0,18
Na razini signifikantnosti od 5% odnosno uz 95% vjerojatnosti odbija se alternativna hipoteza
i tvrdi se da parametri b1 i b2 nisu statistički značajni za model.
Koeficjent determinacije R2 = 0,33 i korigirani koeficjent determinacije koji iznosi 2R = 0,14
Pomoću ovog modela objašnjeno je 33% varijacije zavisne varijable.
Kako model nije statistički značajan nije se provelo testiranje multikolinearnosti,
autokorelacije, heteroskedastičnosti i normalnosti pogrešaka (Jarque Bera test).
39
5. Usporedba odabranih zemalja kroz model lnARRt = b0 + b1lnCRt + b2lnCRt-1
Vrijednosti parametara u usporedbi dolazaka turista iz 4 država dobiveni su pomoću
računalnog programa Eviews 7 i prikazane su u tablici 9.
Tablica 9: Usporedba odabranih zemalja
Hrvatska Grčka Turska Italija
F test
(p)
15,87
(0,003)
1,21
(0,35)
37,03
(<0,001)
1,73
(0,25)
R2 0,82 0,26 0,91 0,33
2R 0,77 0,04 0,89 0,14
Ocjena regresijsko
g koeficjenta konstante
(t)
(p)
14,18
(5,23)
(0,001)
17,09
(17,86)
(<0,001)
19,34
(45,22)
(<0,001)
19,21
(20,01)
(<0,001)
Ocjena regresijsko
g koeficjenta
lnCR
(t)
(p)
-1,73
(-2,57)
(0,04)
-0,15
(-0,61)
(0,56)
0,74
(8,60)
(<0,001)
0,25
(0,99)
(0,35)
Ocjena regresijsko
g koeficjenta
lnCRt-1
(t)
(p)
1,25
(5,37)
(0,001)
0,32
(1,52)
(0,17)
-0,17
(-2,36)
(0,05)
0,29
(1,49)
(0,18)
Izvor: izradio student
40
Kod usporedbe F testa na razini signifikantnosti od 5% tj. uz 95% vjerojatnosti, kod Hrvatske
i Turske se odbija se nul hipoteza dok se za Grčku i Italiju odbija alternativna hipoteza. Za
Hrvatsku i Tursku se prema tome može tvrditi da je model statistički značajan.
Kod T testa za Hrvatsku i Tursku odbija se nul hipoteza jer su varijable statistički značajne za
model. Za Grčku i Italiju varijable su manje od kritične vrijednosti te se odbija alternativna
hipoteza te se tvrdi da varijable nisu statistički značajne za model.
Kod regresijskih koeficjenata zaključuje se da logoritmirana stopa kriminala (lnCR) ima
najveći utjecaj na Hrvatsku, a najmanji na Grčku. Logoritmirana stopa kriminala za prethodnu
godinu (lnCRt-1) ima najveći utjecaj na Hrvatsku, a najmanji na Tursku.
6. Zaključak
Turizam utječe na gospodarski, kulturni i društveni razvoj neke zemlje. Gospodarski utjecaji
turizma su uglavnom pozitivni, jer dolazi do ekonomskog razvoja zemlje, ali se gospodarstvo
ne bi trebalo isključivo orjentirati na razvoj turizma jer u slučaju ratova, političkih nemira ili
elementarnih nepogoda dolazi do smanjenje potražnje za turizmom. Kod kulturnog i
društvenog utjecaja češći su negativni učinci kao što su štete učinjene nad kulturnom i
povijesnom baštinom. Pod negativnim učincima ubrajaju se i sukobi lokalnog stanovništva te
porast kriminala. Nekontrolirani razvoj masovnog turizma snažno djeluje na prirodni okoliš,
ali i na razvoj sredine.
U razdoblju od 2001. do 2010. u Hrvatskoj, Grčkoj, Turskoj i Italiji došlo je do naglog porasta
dolazaka turista. Uz povećanje broja dolazaka turista došlo je i do naglog porasta kriminala u
svim zemljama. Razlog tome su velike količine ljudi i njihova fluktuacija na određenim
mjestima. Felson i Cohen (1980) ustanovili su da su turisti češće žrtve krminalnih djela te je
utvrđeno da posjeduju četiri elemenata koji ih čine potencijalnim žrtvama (vrijednost turista
kao meta utječe na njihovu poželjnost među motiviranim napadačima, turisti su jako uočljivi,
turističke destinacije osiguravaju okružje koji motivira napadače da napadaju turiste,
nesklonost žrtve i/ili organa reda da nastave s istragom nakon što je ustanovljena mogućnost
naknade štete od osiguranja). Na primjeru istraživačkog rada za Hrvatsku (Carić, 1999.)
utvrđeno je da je rješavanje kriminalnih djela najslabije u ljetnim mjesecima, uspije se otkriti
tek svaki peti počinitelj. Najčešća kriminalna djela nad turistima su sve vrste krađa.
41
Za istraživanja u ovom diplomskom radu izgrađen je model kojim se htjelo utvrditi
povezanost dolazaka turista sa stopom kriminal. Uz Hrvatsku izabrane se Grčka, Turska i
Italija kao konkurentske zemlje na Mediteranu. Istraživanje je provedeno u razdoblju od 2001.
do 2010. godine. varijable kojima se htijela utvrdit povezanost sa dolaskom turista su stopa
kriminala i stopa kriminal za prethodnu godinu. Istraživanje je provedeno na razini
signifikantnosti od 5% tj. uz 95% vjerojatnosti.
Taj model nije bio statistički značajan za Grčku i Italiju, ali se uspio dokazati njihov utjecaj na
Hrvatsku i Tursku. Ustanovljeno je da povećanje logoritmirane stope kriminala uzrokuje
smanjenje dolazaka turista u Hrvatskoj, ali ne i u Turskoj. U Turskoj na smanjenje dolazaka
turista utječe logoritmirana stopa kriminala za prethodnu godinu.
Za Italiju se nije uspjela dokazati povezanost kriminala i turizma, te bi se trebalo dodatno
proširiti model. Na primjeru Grčke se isto nije uspjela dokazati povezanost kriminala i
turizma, ali se u obzir treba uzeti kriza koja vlada Grčkom.
42
Literatura:
Knjige:
Baddeley M. & Barrowclough D. 2009., Runing regressions, Cambridge, UK
Barković D. 1997., Operacijska istraživanja, Sveučilište u Osijeku, Osijek
Biljan-August. M., Pivac S., Štambuk A. 2007., Upotreba statistike u ekonomiji, Ekonomski
fakultet sveučilišta u Rijeci, Rijeka
Cicvarić A. 1990., Ekonomika turizma, Zagreb – poduzeće za grafičku djelatnost, Zagreb
Lovrić Lj. 2005., Uvod u ekonometriju, Ekonomski fakultet Sveučilišta u Rijeci, Rijeka
Šošić I. 2006, Primijenjena statistika, Školska knjiga, Zagreb
Vranić V. 1958, Vjerojatnost i statistika, Tehnička knjiga, Zagreb
Članci:
Brayshaw D. 1995., Negative Publicity About Tourism Destinations: A Florida Case Study.
Travel and Tourism Analyst, 5, 62-71
Biagi B., Brandano M., Detotto C. 2012. The Effect of Tourism on Crime in Italy: A
Dynamic Panel Approach. Economics: The Open-Access, Open-Assessment E-Journal, Vol.
6, 2012-25.
Brunt P., Mawby R. i Hambly Z., 2000. Tourist Victimisation and the Fear of Crime on
Holiday. Tourism Management, 21(4), 417-424
Carić A. 1990. Turizam i kriminalitet. Zbornik radova Pravnog fakulteta u Splitu, vol. 27 (1),
35-48
Chesney-Lind M. i Lind I. Y. 1986. Visitors as Victims, Crimes Against Tourists in Hawaii.
Annals of Tourism Management, 21(4), 417-424
Levantis T., Gani A. 2000. "Tourism demand and the nuisance of crime", International
Journal of Social Economics, Vol. 27 Iss: 7/8/9/10, 959 – 967
43
Lui T. i Var T. 1986. Residents Attitudes Towards Tourism Impacts in Hawaii. Annals of
Tourism Research, 13(2), 193-213
Internet izvori:
http://www.astynomia.gr/index.php?lang=EN
http://www.bljesak.info/web/article.aspx?a=8efa928f-78a8-4162-b9a4-
ad1e992d0d48&c=a76d03e1-6e68-46ef-9626-00aa1c12c7ae
http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home
http://www.hgk.hr/
http://www.mint.hr/
http://www.mup.hr/
http://www.telegraph.co.uk/travel/destinations/africaandindianocean/southafrica/737860/Crim
e-puts-tourists-off-South-Africa.html
http://www.travelway.hr/top-10-najopasnijih-turistickih-destinacija-koje-trebate-posjetiti-dio-
prvi/
Popis tablica i grafova:
Tablice:
1. Sveukupni kriminal u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine……………………………………………………………………….14
2. Broj stanovnika u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001. godine do 2010. godine….……………………………………………………………………15
3. Kriminalna stopa u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2000.
godine do 2010. godine……….………………………………………………………………15
4. Dolasci turista u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje od 2001.
godine do 2010. godine ……………………………………………………………………....16
44
5. Logaritmirani broj dolazaka turista u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko
razdoblje od 2001. godine do 2010. godine. ...……………………………………………….16
6. Logaritmirana stopa kriminala u Hrvatskoj, Grčkoj, Turskoj i Italiji za vremensko razdoblje
od 2000. godine do 2010. godine………….…….……………………………………………17
7. ANOVA……………………………………………………………………………………18
8. Autokorelacija……….……………………………………………………………………..22
9. Usporedba odabranih zemalja…….………………………………………………………..39
Grafovi:
1. Dijagram rasipanja rezidualnih odstupanja………………………………………………21
2. Prikaz Durbin-Watsonova testa…………………………………………………………..23
3. Heteroskedastičnost………………………………………………………………………25
45
(Primjer sadržaja "Izjave" koju potpisanu student "stavlja" na kraju teksta diplomskog rada iza "Literature", "Popisa ilustracija" i "Priloga".)
IZJAVA
kojom izjavljujem da sam diplomski rad s naslovom EMPIRIJSKO ISTRAŽIVANJE
POVEZANOSTI KRIMINALA I TURIZMA U HRVATSKOJ I ODABRANIM
MEDITERANSKIM ZEMLJAMA izradio samostalno pod voditeljstvom prof. dr. sc. Ane
Štambuk. U radu sam primijenio metodologiju znanstveno-istraživačkog rada i koristio
literaturu koja je navedena na kraju diplomskog rada. Tuđe spoznaje, stavove, zaključke,
teorije i zakonitosti koje sam izravno ili parafrazirajući naveo u diplomskom radu na
uobičajen, standardan način citirao sam i povezao s korištenim bibliografskim jedinicama.
Rad je pisan u duhu hrvatskog jezika.
Također, izjavljujem da sam suglasan s objavom diplomskog rada na službenim stranicama
Fakulteta.
Student
Edi Furijan
46