Cette recherche longitudinale analyse le lien entre la criminalité, mesurée par l’activité de différentes instances engagées dans la procédure pénale, et les conditions économiques, d’un côté, et les fluctuations la population pénitentiaire en France et en Belgique entre 1831 et 2019. Pour ce faire, elle utilise et compare différentes techniques d’analyse. D’un côté, elle introduit des techniques issues de l’économétrie que jusqu’à présent ont rarement été utilisées en criminologie. Il s’agit de l’analyse de cointégration, le modèle vectoriel à correction d’erreurs (VECM), l’auto régression vectorielle (VAR), et l’analyse de causalité (au sens de Granger) par la procédure de Toda-Yamamoto. De l’autre côté, elle reprend la technique traditionnellement utilisée en criminologie, qui est celle de l’analyse de corrélation, à travers le coefficient de corrélation de Spearman.
Les résultats de cette recherche montrent que, pour de nombreuses séries chronologiques, l’analyse de corrélation aboutit à de résultats statistiquement significatifs, alors que les techniques d’analyse économétriques indiquent le contraire. Or, les techniques d’analyse de corrélation, et spécifiquement l’analyse du coefficient de Pearson, ne sont pas appropriées pour l’étude de séries temporelles. En effet, les observations de chaque variable ne sont pas indépendantes, mais liées entre elles par le facteur temps qui peut leur donner une structure interne, un facteur qui n’est pas considéré lors de l’analyse de corrélation. Cela suggère que les résultats des recherches qui ont analysé précédemment les liens entre criminalité, économie et emprisonnement sont questionnables en termes de validité et fiabilité.
En outre, les résultats de cette recherche infirment des hypothèses proposées par l’économie politique de la punition, dans la mesure où ils indiquent qu’une hausse de la criminalité et une amélioration des conditions économiques se font accompagner généralement d’une hausse de la population détenue.
Globalement, cette recherche met en évidence l’impact des choix méthodologiques — dans l’espèce, la technique d’analyse de données privilégiée — sur les résultats obtenus. Elle permettrait ainsi d’expliquer les divergences et les contradictions dans les résultats obtenus par les recherches qui, par le passé, ont étudié la relation entre criminalité, économie et emprisonement.
--
This longitudinal research analyzes the relationship between crime, measured by the activity of different bodies involved in criminal proceedings, and economic conditions, and the fluctuations of the prison population in France and Belgium between 1831 and 2019. In one hand, it uses and compares different analysis techniques. In one hand, it introduces techniques from econometrics which have been used in criminology until now. These are cointegration analysis, vector-error correction model (VECM), vectorial auto-regression vectorial (VAR), and Granger causality analysis using the Toda-Yamamoto’s procedure. On the other hand, it considers the correlation analysis, a technique traditionally used in criminology, through Spearman's correlation coefficient.
The results of this research show that, for many time series, correlation analysis leads to statistically significant results, while econometric analysis techniques indicate the opposite. Yet, correlation analysis, and specifically Pearson’s coefficient, are not appropriate for the study of time-series. Indeed, each variable observations are not independent but linked by the factor time, which influences their internal structure, a factor which is not considered during correlation analysis. This suggests that the results of previous researches analysing the relationship between crime, economy and imprisonment are questionable in terms of validity and reliability.
Furthermore, the results invalidate hypotheses proposed by the political economy of punishment, insofar as they indicate that an increase in crime and an improvement in economic conditions are generally accompanied by an increase in the prison population.
Overall, this research highlights the impact of methodological choices — in this case, the preferred data analysis technique — on the results. It would thus make it possible to explain the divergences and contradictions in the results obtained by research which, in the past, has studied the relationship between crime, economy and imprisonment.