警察资源的有效部署:印度随机打击酒后驾驶的理论和新证据

The Efficient Deployment of Police Resources: Theory and New Evidence from a Randomized Drunk Driving Crackdown in India

【作者】 Abhijit Banerjee, ; Esther Duflo, ; Daniel Keniston ; Nina Singh

查看原文
分享到:
警察活动应该是集中范围窄、兵力大,还是分散范围广、强度适中?强烈的“热点”治安的批评者认为,这主要是取代而不是减少犯罪。但是,如果了解执法需要时间,警方可能会利用这段时间在最有成效的地点进行集中干预。我们提出了一个犯罪学习的多武装土匪模型,并使用印度拉贾斯坦邦反酒后驾驶运动的随机对照实验数据对其参数进行了结构估计。在每个警察局,清醒检查点要么在3个地点轮换,要么固定在最佳地点,打击力度是交叉随机的。轮换检查站将夜间事故减少了17%,夜间死亡减少了25%,而固定检查站没有显著影响。在结构估计中,我们展示了驾驶员学习和战略反应的明确证据。我们使用这些参数来模拟特定于环境的最优执行策略。

相关资源

智库报告
2023-09
Gary Charness ,Brian Jabarian ,John A. List
智库报告
2023-09
Kasey Buckles ,Adrian Haws ,Joseph Price ,Haley E.B. Wilbert
智库报告
2023-09
Marshall Burke ,Mustafa Zahid ,Noah Diffenbaugh ,Solomon M. Hsiang