盧 楊， 丁 寧,2

(1.中國人民公安大學偵查學院， 北京 100038；2.中國人民公安大學公共安全行為科學實驗室， 北京 102623)

0 引言

我國自改革開放初期以來做出“嚴打”的決定，在過去的幾十年中通過多次嚴打活動實現(xiàn)降低犯罪的目的。盡管幾次“嚴打”使得犯罪率在一定時期內(nèi)有所下降，但總體來看刑事犯罪案件數(shù)依然呈現(xiàn)上升趨勢，刑事案件案發(fā)率高的情況并不容輕視。隨著時代的發(fā)展，刑事犯罪案件不僅在數(shù)量上有所增加，更是依托于科技進一步衍生出多種形式。為何會有如此龐大數(shù)量的刑事犯罪案件的發(fā)生，又應當如何對刑事案件發(fā)生率進行預測和監(jiān)控？了解哪些因素會導致更高的犯罪數(shù)量，對于減少犯罪、提高人民生活質(zhì)量至關重要。

基于刑事偵查偵破案件和預防犯罪的目的，研究影響刑事犯罪數(shù)量的因素，據(jù)此對犯罪趨勢進行預測以做好預防犯罪的工作是十分必要的。

1 A市部分刑事犯罪情況的現(xiàn)狀分析

近年來，A市城市建設的不斷推進，區(qū)縣之間也經(jīng)歷過規(guī)劃整合，而刑事犯罪數(shù)量卻呈現(xiàn)總體上升趨勢。選取盜竊罪、詐騙罪、搶劫罪、搶奪罪這4類A市案發(fā)量較高的刑事犯罪類型為研究對象，對10年間不同類型犯罪在各轄區(qū)的分布情況，以及犯罪數(shù)量與相關因素之間的趨勢發(fā)展關系進行分析，研究2004～2014年期間內(nèi)A市的犯罪狀況。

1.1 不同類型犯罪的變化趨勢分析

將A市2004～2014年盜竊罪、詐騙罪、搶劫罪、搶奪罪這4類犯罪的案件數(shù)量分別繪制成折線圖，以便直觀地觀察不同種類犯罪在10年間的變化趨勢。從圖中可看出，以2008～2010年為轉(zhuǎn)折期，搶奪罪、搶劫罪的案件數(shù)量有著顯著下降，但盜竊罪和詐騙罪的數(shù)量有著明顯提升。

圖1 2004～2014年A市4類犯罪數(shù)量趨勢分析

1.2 犯罪數(shù)量與相關因素的趨勢分析

區(qū)域經(jīng)濟差異對犯罪狀況有重要影響，經(jīng)濟發(fā)展水平高、流動人口集中、城市化水平高的地區(qū)，犯罪狀況相對嚴重，收入差距是影響我國刑事犯罪率的主要因素[1-5]。除收入差距對犯罪率有較大影響外，另一關鍵影響因素便是警察威懾力[6-8]，我國公共安全支出的增加有利于提升公共安全績效水平。

以A市B區(qū)的相關數(shù)據(jù)為例，自2005年起，其犯罪數(shù)量總體呈現(xiàn)上升趨勢，在2012年以后有輕微下降。在2012年之前，人均GDP的變動、城鄉(xiāng)收入差距的變動趨勢大致與犯罪數(shù)量變動的趨勢相同，可能存在一定的正相關關系，人口密度的增長幅度則相對較緩。2010年前公共安全支出并沒有較大的變動，但2010～2013年期間，公共安全支出與犯罪數(shù)量呈現(xiàn)出較為明顯的負相關關系。

圖2 2005～2014年A市B區(qū)犯罪數(shù)量趨勢分析

本文將綜合運用計量經(jīng)濟學的方法，選取A市16個轄區(qū)自2005～2014年的相關數(shù)據(jù)為研究樣本，構建面板數(shù)據(jù)固定效應模型進行分析，聚焦于A市各轄區(qū)刑事犯罪率的影響因素。通過計算各轄區(qū)內(nèi)犯罪案件數(shù)量確定為被解釋變量，在解釋變量的選擇上，根據(jù)犯罪經(jīng)濟學的相關理論，綜合經(jīng)濟、人口、警察威懾力等多維度因素，選取各項指標，研究其對A市犯罪案件數(shù)量的影響是否顯著，將以何路徑對犯罪率產(chǎn)生影響，針對A市的犯罪情況提出相應的應對措施。

2 實證檢驗及分析

2.1 變量選擇和數(shù)據(jù)描述

考慮到數(shù)據(jù)的可得性和犯罪的情況，在被解釋變量的選擇上，本文選取盜竊罪、詐騙罪、搶劫罪、搶奪罪這4類案發(fā)量較高的刑事犯罪數(shù)量作為衡量犯罪數(shù)量的依據(jù)，且排除了不夠立案、不予立案、轉(zhuǎn)治安等非刑事犯罪范圍的報案。

解釋變量方面結合犯罪經(jīng)濟學的相關理論和現(xiàn)有研究，地區(qū)經(jīng)濟發(fā)展會對犯罪率和犯罪類型有著一定影響，人口方面、社會治安方面等多個角度都會對地區(qū)犯罪帶來不同的變化效應，故選取以下9個指標作為被解釋變量，所有數(shù)據(jù)均從北京區(qū)域統(tǒng)計年鑒和北京市統(tǒng)計年鑒中獲取。對部分數(shù)據(jù)采取對數(shù)方式處理。

(1)經(jīng)濟發(fā)展水平(lngdp)：區(qū)域的經(jīng)濟發(fā)展在一定程度上會對該地區(qū)的犯罪情況有相互間的影響。大多數(shù)犯罪類型在總體經(jīng)濟績效方面表現(xiàn)出反周期的行為[9]。采用人均GDP作為衡量各轄區(qū)經(jīng)濟發(fā)展水平的指標。

(2)通貨膨脹(lnconsumer)：由于通貨膨脹率無法直接計算得出，通常采用CPI的增長率代替，而北京區(qū)域統(tǒng)計年鑒中缺少各轄區(qū)的該項指標數(shù)值，故以社會消費品零售總額進行代替。

(3)城鄉(xiāng)收入差距(lnincome)：隨著收入不平等的加劇，財產(chǎn)犯罪也隨之增加，兇殺、搶劫等暴力犯罪也隨著時間的推移對收入不平等產(chǎn)生較為顯著的影響[10]。貧困則對犯罪率有很強的非線性影響，這一發(fā)現(xiàn)推翻了過去線性關系的假設，刑事犯罪率與經(jīng)濟增長之間都存在U型關系[11-12]。本文采用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民純收入之差對該指標進行衡量。

(4)失業(yè)率(unemployment)：失業(yè)率的增加降低了犯罪的機會成本并增加了犯罪率，大量的實證研究表明，失業(yè)的增加對犯罪率有著顯著的影響，且要強于收入水平的影響，在一定程度上或取決于逮捕率的高低[13-15]。該指標為各轄區(qū)城鎮(zhèn)登記失業(yè)人員與從業(yè)人數(shù)、失業(yè)人數(shù)之和比值。

(5)城市化率(urban)：城市的發(fā)展會在一定程度上影響犯罪的空間和機會，采用戶籍登記的非農(nóng)村住戶數(shù)與總戶數(shù)的比值衡量。

(6)人口密度(lndensity)：在人口密度比較高的地區(qū)或者場合，犯罪分子就更有可能實施犯罪行為,此指標為各轄區(qū)常住人口密度。

(7)性別比例(gender)：性別比例方面，有相當一部分研究認為男性犯罪率高于女性，也易多次犯罪[16-19]。以男性人口與女性人口的比值為衡量依據(jù)性別這一指標對犯罪率影響的依據(jù)。

(8)教育水準(education)：教育水平的提高也對與生產(chǎn)力相關的經(jīng)濟變量產(chǎn)生了顯著影響，有利于犯罪率的下降[20-22]。由于各區(qū)的接受高等教育的人員數(shù)據(jù)無法獲取，故選取教育支出占財政支出的比重代替。

(9)警力投入(police)：相關研究表明警察效率與犯罪率之間成反比關系，每日通勤率可作為預測犯罪率的重要因素[23][24]，但也有相關研究發(fā)現(xiàn)較高的監(jiān)禁率對減少犯罪的影響并不顯著[25]。故本文采取公共安全支出占財政支出的比重作為衡量警力投入對刑事犯罪率影響的依據(jù)。

關于各變量的描述性統(tǒng)計如表1所示。

表1 描述性統(tǒng)計

2.2 模型構建

本文參考前人構建的模型的基礎上，選擇A市2005～2014年各轄區(qū)形成的面板數(shù)據(jù)構建模型。設lncrime為轄區(qū)個體i在t期的刑事犯罪案件數(shù)量，Xit為該轄區(qū)個體在t期的解釋變量，εit為模型的殘差項。模型如下所示：

lncrimeit=α+βXit+εit

在下文中將建立起6個模型中，模型1是基本回歸模型，以考察A市刑事案件犯罪率與5個定量因素的關系。由于小模型很可能存在遺漏變量誤差，模型2～6是在模型1的基礎上逐步增加或減少其他解釋變量，以提高模型的解釋力。

2.3 協(xié)整檢驗

首先對各因素的時間序列進行平穩(wěn)性檢驗，以滿足面板數(shù)據(jù)模型應用的前提條件。在ADF檢驗下，大部分指標均可通過，對個別不平穩(wěn)的指標進行一階差分后再次進行平穩(wěn)性檢驗。當所有數(shù)據(jù)均通過平穩(wěn)性檢驗后，進一步進行格蘭杰因果檢驗，以確保各時間序列能夠通過協(xié)整檢驗。結果表明，各指標與被解釋變量犯罪案件數(shù)量存在著統(tǒng)計意義上的因果關系，說明本文的指標選取是合理的。

2.4 回歸結果及分析

該部分對面板數(shù)據(jù)進行回歸分析。在處理面板時，為進一步確定使用固定效應模型還是隨機效應模型，選擇Hausman檢驗，所得的P值為0.017 3，小于0.05，在5%的水平上強烈拒絕原假設，故最終確定采取固定效應模型進行分析。樣本估計結果如表2所示。

表2 樣本估計結果

在面板數(shù)據(jù)模型中逐步增加指標，可見隨著指標數(shù)量的增加，部分指標的顯著性在增強，R2的數(shù)值逐步上升，表明模型的擬合優(yōu)度也在提高。模型(5)包含了列出的所有解釋變量，9項指標中有4項在1%的顯著性水平下顯著，有1項在5%的顯著性水平下顯著，1項在10%顯著性水平下顯著，2項指標顯著性不強。

在模型(5)的基礎上適當剔除模型中不顯著的指標，最終選擇擬合優(yōu)度相對較高的模型(6)，8項指標中有4項在1%的顯著性水平下顯著，有1項在5%的顯著性水平下顯著，2項在10%顯著性水平下顯著，僅有1項指標顯著性不強。

2.5 小結

對回歸結果進行分析可見，社會消費品零售總額、城鄉(xiāng)收入差距、失業(yè)率、人口密度這4項因素對A市犯罪案件數(shù)量的影響是較為顯著的，即通貨膨脹可能會帶來更多的犯罪現(xiàn)象。失業(yè)率的增加和人口密度的增加同樣會提高犯罪率，還由于社會閑散人員的增多，存在著更大的犯罪隱患。當失業(yè)率增加1%，對數(shù)犯罪案件數(shù)量增加8.963件；當人口密度增加1%，對數(shù)犯罪案件數(shù)量增加0.649件。公共安全支出和教育支出的增加則意味著加大刑事案件懲治力度和提高教育水平，對犯罪數(shù)量的降低有一定作用，而這符合現(xiàn)實情況的規(guī)律。當性別比例提高1%，對數(shù)犯罪案件數(shù)量增加3.125件；城市化率在模型中的相關系數(shù)并不顯著且系數(shù)絕對值僅為0.7，對于A市而言，城市化率對犯罪數(shù)量的影響并不明顯。

在所研究的因素中，失業(yè)率和性別比例對犯罪數(shù)量的影響較大，在失業(yè)率的增加和性別比例的失衡的情況下，可能會出現(xiàn)地區(qū)的犯罪案件數(shù)量增加的現(xiàn)象；在發(fā)生通貨膨脹的情況下，犯罪案件數(shù)量可能會有所增加，而城鄉(xiāng)收入差距對犯罪數(shù)量的影響為負值。在所研究時間范圍內(nèi)，A市收入不平等這一因素對犯罪案件數(shù)量帶來一定的負面影響，且能夠抵消由通貨膨脹帶來的正向影響；教育支出與公共安全支出比例的提高，則對犯罪案件數(shù)量的減少起著積極作用，可見重視地區(qū)的教育水平和警察威懾力在一定程度上有利于減少犯罪案件的發(fā)生。

由于不同地區(qū)的功能和定位各不相同，影響犯罪案件數(shù)量因素的側重點有所不同。故將16個轄區(qū)按照功能劃分為4個分地區(qū)后再次進行回歸分析。功能核心區(qū)和功能拓展區(qū)由于樣本量過小，無法得出擬合優(yōu)度較高的回歸方程；對發(fā)展新區(qū)犯罪案件數(shù)量有顯著影響的因素為收入不平等，收入差距越大，犯罪案件數(shù)量越多；對生態(tài)發(fā)展區(qū)犯罪案件數(shù)量有顯著影響的因素為人均GDP、通貨膨脹、失業(yè)率、人口密度、教育支出，均為正向影響，但經(jīng)濟因素內(nèi)，通貨膨脹對犯罪率升高的影響要大于人均GDP的影響。

針對4種不同的犯罪類型分別進行回歸分析?？梢妼尳僮锓缸锇讣?shù)量有顯著正向影響的因素為人口密度，城市化率和教育水平的提高也對犯罪有抑制效果。經(jīng)濟因素方面，人均GDP的提高有利于犯罪案件數(shù)量的減少，而通貨膨脹則對犯罪數(shù)量的增加有一定的正向影響，二者的影響程度大致相同，在一定程度上抵消；對盜竊罪犯罪案件數(shù)量產(chǎn)生影響的因素有城鄉(xiāng)收入差距、人口密度、公共安全支出，其中增加公共安全支出占比會對犯罪數(shù)量的減少產(chǎn)生顯著影響；對詐騙罪犯罪案件數(shù)量有顯著影響的因素為教育支出和公共安全支出，且二者對犯罪數(shù)量的抑制作用較其他因素相對明顯，失業(yè)率仍然為影響其數(shù)量的主要因素；對搶奪罪犯罪案件數(shù)量有顯著正向影響的因素為失業(yè)率、人口密度，教育水平和公共安全支出提高對降低犯罪量的影響并不大。

3 結論

本文主要通過采用面板數(shù)據(jù)固定效應模型的計量方法對A市各轄區(qū)2005～2014年的犯罪率的影響因素進行了研究，同時針對不同區(qū)域和犯罪類型分別進行了回歸分析。結合前文的內(nèi)容可知，A市詐騙案件和盜竊案件的數(shù)量在所研究的10年期間呈現(xiàn)遞增的趨勢。隨著科技的不斷發(fā)展，電信詐騙案件多發(fā)，團伙作案現(xiàn)象較為嚴重，且該類案件偵查難度大，取證困難；無論是入室盜竊、公交扒竊還是盜竊電力設施、車輛等等都是A市發(fā)生率較高的盜竊案件。對盜竊案件數(shù)量影響較大的因素有人口密度和公共安全支出占比。隨著社會治安水平的提升，搶劫搶奪這類暴力型犯罪的數(shù)量正在逐年減少，但仍存在如盜竊等侵財類犯罪轉(zhuǎn)化為暴力型犯罪的情況。人口密度的增加可能會引起盜竊罪發(fā)生數(shù)量的增加，而公共安全支出比重的適當提高在一定程度上對盜竊犯罪數(shù)量的減少有正面影響。

安全問題向來是一個城市需要引起重視的問題。從宏觀層面上分析各影響因素，有利于從整體把握近年來A市各轄區(qū)的犯罪特點及趨勢，結合偵查工作的整體現(xiàn)狀進行研究，為打擊、預防A市的犯罪提供思路。通過關注失業(yè)率、外來人口、性別比例數(shù)據(jù)的變動情況，可以對各地區(qū)采取相應的犯罪預防工作。在偵查過程中重視串并案的偵查思路，積極同相關部門建立起協(xié)作機制，做好關鍵信息的收集與分析工作，則有利于加強網(wǎng)絡犯罪偵查能力。通過對異動因素進行實時監(jiān)控，充分依托并利用大數(shù)據(jù)信息，建立起風險預警機制，及時發(fā)現(xiàn)并堵塞相關行業(yè)的漏洞。另一方面，針對性地開展各地區(qū)的預警宣傳工作加強法制教育，提高公眾防范意識，盡可能從源頭上減少和控制犯罪案件發(fā)生的可能性。