No description available.

Le taux d’homicide est un bon indicateur de la violence générale dans un pays. De plus, il s’agit du crime le mieux mesuré car il est rare qu’un homicide passe inaperçu. De nombreux auteurs ont donc cherché à expliquer ce qui pouvait influencer la variation du taux d’homicide dans les pays du monde. Leurs résultats ont mis à jour certains prédicteurs qui influenceraient le taux d’homicide dans les pays du monde. Il s’agit notamment du niveau de vie mesuré à l’aide du PIB par habitant, de l’inégalité, mesuré à l’aide du coefficient GINI ou encore des facteurs démographiques. Ces facteurs criminogènes sont tous de niveau macroscopique sur lesquels il est difficile d’agir. Ce mémoire intégrera au modèle, en plus des prédicteurs déjà connus, des variables plus proximales (consommation d’alcool, de drogue, présence de criminalité organisée, corruption, taux de criminalité, etc.) afin de voir s’ils pourraient également influencer la variation du taux d’homicide. Cette étude se concentrera sur le taux d’homicide de 41 pays européens. Une sélection de nos variables sera effectuée à l’aide d’analyses bivariées (corrélation, corrélation partielle) avant d’intégrer les variables restantes dans plusieurs modèles de régression multiple qui permettra in fine d’isoler les variables ayant une réelle influence sur le taux d’homicide. Les résultats indiquent que les facteurs proximaux ont une réelle influence sur le taux d’homicide. En effet, non seulement deux variables proximales (l’abus de la consommation d’alcool, et le pourcentage de personne s’étant déclaré victime de cambriolage) sont, après avoir pris en considération de nombreuses variables de niveau macroscopique, significativement liées au taux d’homicide mais en plus, le fait d’intégrer ce type de variables dans un modèle de régression multiple fait augmenter la variance expliquée. Ces variables de type proximales ont donc une grande importance dans l’explication de la variation du taux d’homicide. / The homicide rate is a good indicator of the general violence in a country. Moreover, it is the best measured crime because it is rare that a homicide goes unnoticed. Many authors have therefore sought to explain what might influence the variations in homicide rates throughout the world. These include the standard of living measured by GDP per capita, inequality, measured by the GINI coefficient or demographic factors. Their results have revealed some predictors that could influence homicide rates. These criminogenic factors are all at a macroscopic level, where it is difficult to react. This thesis will integrate the model, in addition to known predictors, variables, which are proximal (alcohol and drug consumption, presence of organized crime, corruption, crime rate, etc.) to see if they could also influence the variation in homicide rates. This study will focus on the homicide rate from 41 European countries. A selection of our variables will be implemented using bivariate analysis (correlation, partial correlation) before joining the remaining variables in several multiple regression models that will ultimately isolate the variables that influence the real rate homicide. The results indicate that proximals factors have a real influence on homicide rates. After taking into consideration many variables at the macroscopic level, not only are the two proximal variables (abuse of alcohol, and the percentage of victim of burglary) significantly related to homicide rates, but incorporating such variables in a multiple regression model also increases explained variance. So, this proximal variables are very important in explaining the variation of homicide rates.

No description available.