Nix, J., Huff, J., Wolfe, SE, Pyrooz, DC, & Mourtgos, SM (2024). Ketika polisi menarik diri: Dampak de-polisian di tingkat lingkungan terhadap kejahatan kekerasan dan kejahatan properti, catatan penelitian. Kriminologi, 62 (1), 156–171. https://doi.org/10.1111/1745-9125.12363
Dalam versi terbitan artikel ini (Nix et al., 2024), kesalahan pengkodean mengakibatkan data sensus dan bobot spasial yang salah dicocokkan dengan 54 dari 78 lingkungan (data ini digunakan untuk membuat kontrol Level 2 untuk populasi, komposisi ras, imigrasi, dan kerugian, dan kontrol Level 1 untuk kelambatan spasial). Data kejahatan salah dicocokkan dengan 2 dari 78 lingkungan.
Setelah mengoreksi kesalahan ini, kami mengidentifikasi dua kesalahan tambahan, meskipun kecil. Pertama, variabel AQI kami hanya mencatat kadar karbon monoksida harian. Kami telah mengoreksi ukuran ini sehingga mencakup partikel, NO 2 , dan ozon, yang lebih mencerminkan cara kami mendeskripsikan variabel dalam artikel. Kedua, data cuaca kami mencakup stasiun cuaca Colorado di luar Kota dan Kabupaten Denver. Dalam koreksi ini, kami telah mengecualikan stasiun tersebut.
Temuan kami secara substantif serupa setelah melakukan koreksi ini (lihat Tabel 1 di bawah). Hubungan antara penyimpangan pemberhentian pejalan kaki dan kejahatan dengan kekerasan tetap signifikan secara statistik ( b = −0,009, SE = 0,002, p < 0,001). Hubungan antara penyimpangan pemberhentian kendaraan dan kejahatan dengan kekerasan tidak lagi signifikan secara statistik, tetapi besarnya koefisien sangat mirip ( b = −0,00175, SE = 0,001, p = 0,137; sebelumnya b = −0,00245, SE = 0,001, p = 0,042). Hubungan antara penangkapan narkoba dan kejahatan properti tidak lagi signifikan secara statistik ( b = −0,027, SE = 0,006, p < 0,001 dalam model asli, dibandingkan dengan b = −0,012, SE = 0,009, p = 0,181 dalam model yang dikoreksi). Akhirnya, dalam model yang dikoreksi, hubungan antara penghentian pejalan kaki dan kejahatan properti secara statistik signifikan ( b = −0,005, SE = 0,001, p < 0,01; sebelumnya b = 0,002, SE = 0,003, p = 0,51).
TABEL 1. Hubungan antara kepolisian dan kejahatan di lingkungan Denver pada tahun 2020 ( N = 78, N * T = 4056).
Panel 1: Model regresi linier efek campuran dari rata-rata tertimbang 4 tahun dengan deviasi 3 minggu aktivitas polisi
Komponen DV: Pemberhentian pejalan kaki DV: Kendaraan berhenti DV: Penangkapan terkait narkoba DV: Penangkapan gangguan
Tetap b (SE) b (SE) b (SE) b (SE)
Periode COVID -2.295 ** -6.868 *** -.533 ** -.341 ***
(.721) (1.781) (.187) (.081)
Periode Floyd -2.373 ** -5.846 *** -.556 ** -.300 ***
(.821) (1.761) (.195) (.068)
Konstan -.809 ** -3,023 * -.386 *** .106
(.309) (1.379) (.109) (.064)
Acak SD SD SD SD
Lingkungan Sekitar 2.150 10.220 .810 .439
Periode COVID 5.776 11.680 1.422 .427
Periode Floyd 7.005 13.680 1.620 .446
Panel 2: Model regresi binomial negatif efek campuran dari jumlah kejahatan kekerasan
Komponen Hanya periode Mediator: Penghentian pejalan kaki Mediator: Kendaraan berhenti Mediator: Penangkapan Narkoba Mediator: Penangkapan gangguan
Tetap b (SE) b (SE) b (SE) b (SE) b (SE)
Periode COVID .114 .090 .108 .122 .107
(.121) (.122) (.122) (.121) (.122)
Periode Floyd .212 * .188 * .210 * .220 * .205 *
(.088) (.091) (.089) (.088) (.089)
Penengah – -0,009 *** -.002 0,013 -.020
– (.002) (.001) (.012) (.020)
Konstan -1.320 *** -1.270 *** -1.340 *** -1,335 *** -1,323 ***
(.141) (.139) (.139) (.141) (.140)
Acak SD SD SD SD SD
Lingkungan Sekitar .426 .429 .425 .425 .420
Periode COVID .132 .162 .162 .137 .153
Periode Floyd .181 .232 .202 .182 .194
Penengah – .006 .001 .008 .014
Panel 3: Model regresi binomial negatif efek campuran dari jumlah kejahatan properti
Komponen Tetap Periode hanya b (SE) Mediator: Pemberhentian pejalan kaki b (SE) Mediator: Kendaraan berhenti b (SE) Mediator: Penangkapan Narkoba b (SE) Mediator: Gangguan penangkapan b (SE)
Periode COVID .180 *** .170 ** .180 *** .170 ** .183 ***
(.054) (.054) (.053) (.053) (.054)
Periode Floyd .428 *** .419 *** .427 *** .418 *** .431 ***
(.045) (.047) (.045) (.046) (.045)
Penengah – -0,005 ** -.0003 -0,012 .003
Panel 3: Model regresi binomial negatif efek campuran dari jumlah kejahatan properti
Komponen Tetap Periode hanya b (SE) Mediator: Pemberhentian pejalan kaki b (SE) Mediator: Kendaraan berhenti b (SE) Mediator: Penangkapan Narkoba b (SE) Mediator: Gangguan penangkapan b (SE)
– (.001) (.001) (.009) (.014)
Konstan 1.087 *** 1.109 *** 1.086 *** 1.109 *** 1.096 ***
(.156) (.151) (.156) (.157) (.156)
Acak SD SD SD SD SD
Lingkungan Sekitar .484 .488 .481 .483 .485
Periode COVID .211 .219 .201 .207 .210
Periode Floyd .259 .274 .256 .263 .258
Penengah – .005 .002 .028 .041
Catatan : Semua model mengontrol kerugian, % Kulit Hitam, % Hispanik, imigrasi, total populasi, jumlah kecelakaan kendaraan bermotor, curah hujan, suhu, kualitas udara, dan reservasi Open Table; semua variabel kontrol berpusat pada rata-rata; model kejahatan kekerasan dan properti mencakup bobot spasial; hasil lengkap tersedia di Materi Tambahan.
*** p < 0,001; ** p < 0,01; * p < 0,05.
Satu perbedaan penting adalah bahwa dalam analisis yang dikoreksi, kami mengamati bahwa hubungan antara berkurangnya pemberhentian pejalan kaki dan kejahatan properti lebih jelas terlihat di lingkungan dengan tingkat kerugian yang lebih tinggi (lihat Tabel S14 dan Gambar S4).
Kami telah memperbarui Harvard Dataverse dan berkas replikasi kami untuk mencerminkan koreksi ini. Selain perubahan kecil pada hasil yang disajikan dalam Tabel 1 artikel, ada juga berbagai perbedaan kecil dalam tabel dan gambar yang disertakan dalam Materi Tambahan. Materi Tambahan yang diperbarui tersedia di bawah tab “Informasi Pendukung” pada versi daring artikel.
Berikut ini adalah bagian hasil yang direvisi dengan estimasi poin yang diperbarui:
Panel 1 dari Tabel 1 menampilkan hasil dari empat model efek campuran yang meregresikan perilaku diskresioner polisi pada variabel yang mencerminkan dimulainya periode COVID dan Floyd, masing-masing (bersama dengan kontrol). Konstanta tersebut menangkap deviasi rata-rata lingkungan-minggu dalam hasil yang dikumpulkan di seluruh periode pra-COVID, ketika semua variabel kontrol ditetapkan ke nol. Penghentian pejalan kaki, penghentian kendaraan, dan penangkapan narkoba berbeda secara statistik dalam periode pra-COVID, masing-masing dalam arah negatif. Sementara itu, penangkapan gangguan tidak dapat dibedakan dari nol. Periode ini juga berfungsi sebagai kategori referensi untuk periode gabungan guncangan eksogen. Selama periode COVID, ada pengurangan yang jauh lebih besar dalam aktivitas polisi daripada periode pra-COVID, relatif terhadap rata-rata tertimbang 4 tahun sebelumnya. Polisi melakukan sekitar 3,10 lebih sedikit penghentian pejalan kaki di seluruh lingkungan-minggu (konstanta -0,809 + koefisien COVID -2,295), 9,89 lebih sedikit penghentian kendaraan, 0,92 lebih sedikit penangkapan narkoba, dan 0,24 lebih sedikit penangkapan gangguan setiap minggu. Penurunan ini berlanjut selama periode Floyd, ketika sekali lagi menggunakan periode pra-COVID sebagai kategori referensi, polisi melakukan sekitar 3,18 lebih sedikit penghentian pejalan kaki, 8,87 lebih sedikit penghentian kendaraan, 0,94 lebih sedikit penangkapan narkoba, dan 0,19 lebih sedikit penangkapan gangguan setiap minggu.
Tren dalam kepolisian ini tidak dijelaskan oleh variasi iklim atau mobilitas penduduk, tetapi mencerminkan pergeseran yang bertepatan dengan dua guncangan eksogen yang menentukan pengalaman warga dan polisi pada tahun 2020. Komponen varians—sebagaimana tercermin dalam deviasi standar—juga mengungkapkan adanya variasi yang signifikan di seluruh lingkungan pada periode pra-COVID, dan terdapat variasi yang jauh lebih banyak pada periode COVID dan Floyd untuk penghentian pejalan kaki (+169% dan +226%), penghentian kendaraan (+14% dan +34%), dan penangkapan terkait narkoba (+76% dan +100%), tetapi tidak untuk penangkapan terkait gangguan. Jadi, meskipun ada pengurangan besar-besaran dalam kepolisian di Denver, lingkungan mengalaminya dengan sangat berbeda.
Panel 2 dan 3 memberikan hasil model binomial negatif efek campuran yang masing-masing memprediksi kejahatan kekerasan dan properti. Dalam keduanya, periode pra-COVID terus berfungsi sebagai kategori referensi untuk periode COVID dan Floyd, dengan harapan bahwa penyertaan mediator kepolisian akan melemahkan hubungan antara periode ini dan kejahatan. Untuk kejahatan kekerasan, koefisien naif (tidak dilaporkan dalam bentuk tabel) untuk efek periode adalah 0,066 ( p = 0,248) dan 0,326 ( p < 0,001) untuk periode COVID dan Floyd. Setelah memperhitungkan perbedaan antara dan dalam lingkungan, koefisien Floyd berkurang 35% dalam besarnya, dengan periode COVID tidak dapat dibedakan secara statistik dari periode pra-COVID, sementara masih ada 0,212 lebih banyak kejahatan kekerasan per minggu lingkungan dalam periode Floyd.
Pengenalan mediator perilaku kepolisian yang bersifat diskresioner mengungkap cerita yang beragam. Penghentian pejalan kaki dan kendaraan berperilaku sesuai dengan harapan teoritis. Deviasi ke atas dalam penghentian pejalan kaki dari rata-rata tertimbang 4 tahun sebelumnya dikaitkan dengan 0,009 ( p < 0,001) unit kejahatan kekerasan yang lebih rendah per minggu lingkungan, pengurangan sebesar 0,9%. Koefisien Floyd berkurang sekitar 11% dalam model penghentian pejalan kaki. Penghentian kendaraan, bersama dengan kedua indikator penangkapan, secara statistik nol.
Panel 3 menampilkan hasil model binomial negatif yang memprediksi kejahatan properti. Koefisien untuk efek COVID dan Floyd masing-masing adalah 0,180 ( p < 0,001) dan 0,428 ( p < 0,001) (meskipun tidak ditampilkan, koefisien naif masing-masing adalah 0,166 dan 0,422). Analisis mediator mengungkapkan bahwa penghentian pejalan kaki dikaitkan dengan kejahatan properti. Deviasi ke atas satu unit dalam penghentian pejalan kaki berhubungan dengan pengurangan 0,005 unit dalam kejahatan properti. Sebaliknya, tidak ada bukti bahwa deviasi dalam penghentian kendaraan, penangkapan narkoba, atau penangkapan gangguan dikaitkan dengan variasi kejahatan properti di seluruh lingkungan.
Panel 2 dan 3 juga mengungkap bahwa dampak dari tindakan kepolisian tidak berlaku secara universal di semua lingkungan. Komponen varians yang dilaporkan di bagian bawah setiap panel mengungkap variasi yang signifikan. Deviasi standar untuk koefisien tindakan kepolisian berkisar dari serendah 0,001 (penghentian kendaraan) hingga setinggi 0,041 (penangkapan karena gangguan ketertiban). Dampak yang lebih kuat dari tindakan kepolisian terhadap kejahatan properti ditemukan di lingkungan yang lebih tertinggal di Denver (lihat Tabel S14).
Leave a Reply