基于GIS的中国拐卖儿童犯罪时空特征及影响因素分析

李光一，李海萍，白晓琼

(中国人民大学 环境学院，北京 100872)

0 引 言

拐卖人口、贩卖毒品和走私军火是三大世界性犯罪现象。据统计，全球每年有近十万的人口拐卖犯罪，其中妇女和儿童占80%以上[1]。最高人民法院的统计数据显示，2010—2014年各级法院审结拐卖妇女、儿童犯罪案件7 719起。儿童因辨别能力和抵抗能力较弱，且容易受外界诱惑，相比于妇女更易受到侵害，拐卖儿童犯罪具有时间跨度长、空间距离远、追查线索少等特点，犯罪团伙行为隐蔽，找回难度极大，被拐儿童找回往往需要数十年时间[2]。有关犯罪研究的文章多集中于法学、经济学和社会学领域，主要对犯罪的驱动力因素进行了探讨。在拐卖儿童犯罪方面，如朱兵阳[3]从近年中国所发生的拐卖儿童事件切入，以犯罪经济学为剖析视角，构建了成本-收益模型，研究了犯罪行为背后的经济动因；刘星[4]对收集的90个江苏省拐卖儿童案例进行统计分析，研究了拐卖儿童犯罪行为的基本情况以及对为什么会出现拐卖儿童这一现象进行了探讨，并提出相应的建议；马瓅[5]从如何有效遏制拐卖儿童犯罪，分析了中国拐卖儿童犯罪的特点、原因，并提出打击对策；刘和平[6]分析了四川省广元市拐卖妇女儿童犯罪的特点和形式，指出了拐卖妇女儿童犯罪屡禁不止的原因并提出了打击对策。与此同时，在其他犯罪类型方面，如陈征等[7]以武汉市为例，探讨了城市犯罪的时间特征及城市间、城市与农村间的差异；王玉梁[8]对中国1978年以来的犯罪率情况进行了分析，研究发现，城乡收入差距的扩大与犯罪率呈显著正相关；P.Fajnzylber等[9]对39个国家的犯罪数据研究发现，经济水平、失业率、贫困率是导致犯罪的重要原因；P.Buonanno等[10]和S.Machin等[11]分别对西班牙和英国犯罪数据进行研究,发现教育水平的提高降低了犯罪率；A.M.Cerro等[12]对阿根廷的犯罪数据分析发现，收入不平衡、失业率的增高导致犯罪概率的增加。以上研究大多只是单一地从犯罪学角度进行定性分析，未考虑犯罪地点的地理空间特性。

由于中国各地区间的自然经济条件差异，区域性是拐卖儿童犯罪的一个重要特性，而拐卖儿童的空间分布及其影响因素研究归于犯罪地理学范畴[13]，地理空间信息技术的发展为犯罪地理学研究提供了新的方法和视角。李钢等[14]综合运用数量统计、探索性空间数据分析和宏观环境分析等方法，针对拐出侧从宏观视角探讨了1960—2015年中国拐卖儿童犯罪的时空格局演变及其影响因素；谭然[15]利用空间计量分析、质性分析等方法对拐卖儿童犯罪进行研究，空间分析主要依赖GIS技术，借助ArcGIS软件可视化，从拐入与拐出侧解析拐卖犯罪主客体的空间分布与场流路径等；武丹等[16]采用空间马尔可夫矩阵分析1997—2014年儿童拐卖在时空上的分布变化，然后利用地理加权回归模型解释了造成拐卖犯罪的主要影响因子对儿童拐卖空间分布变化的影响。另外，在其他犯罪类型方面，毛媛媛等[17]基于公安年鉴和报刊报导的犯罪数据，采用回归分析等方法研究了上海市犯罪案件的空间特征及与环境间的关系；刘大千等[18]分析了长春市各类城市犯罪的空间分布特征和影响因素，并且从城市规划管理方面提出了长春市城市犯罪防控策略；S.F.Messner等[19]和C.C.Beato Filho等[20]利用空间自相关的方法分别对美国和巴西某区市内杀人犯罪案件进行了空间热点分布分析;耿莎莎等[21]采用GIS技术综合利用中原某县城区犯罪数据及土地利用数据分析了犯罪的空间特征。可见，随着互联网技术的进步，从地理学视角观察犯罪，通过大数据分析技术和网络平台数据相结合，能够揭示犯罪数据的时空分布特征[22]。无论是拐卖儿童犯罪还是其他类型犯罪，地理空间信息技术已经在犯罪学领域得到了广泛应用，且应用技术也日渐成熟，能够为分析犯罪时空变化特征和探究各大类型犯罪动机及原因提供有效的技术手段和方法支持。

虽然我国的犯罪地理学研究在多方面取得了一定进展，但是因数据获取难度较大而未有重大突破，实证研究也严重不足。目前，部分学者尽管针对拐卖儿童方面进行了探究，但大多研究还不够全面与完善，比如定性研究方面定量研究缺乏，而定量研究方面定性研究不足。因此，本文综合前人的研究，将以网络数据为基础，爬取样本数据，借助地理信息系统空间分析技术对我国大陆范围内拐卖儿童犯罪的时空分布特征进行定量分析，并从定性的角度探讨其发生原因与机理，进一步研究区域间影响因素的空间差异，不仅可为当地政府制定因地制宜的防控政策提供实际参考，而且也有助于研究人员和警务工作者对研究区域的犯罪地理分布情况有更深入了解，同时为我国儿童安全环境改善及防控拐卖儿童犯罪提供科学依据。

1 数据与方法

1.1 拐卖儿童样本数据

目前我国尚未官方公开拐卖儿童信息数据，最大反拐寻亲公益平台“宝贝回家网”(http：www.baobeihuijia.com/)提供了我国拐卖儿童的大量数据信息，该平台已在公安部备案，并与公安部打拐办建立了长期合作关系，一定程度上保证了数据的可信度。因此本文基于拐卖儿童的时间和地理位置，运用Python软件从该平台获取了1977—2017年全国各省拐卖儿童数据共18 461余条，所获信息包括被拐卖儿童姓名、性别、出生年份、被拐时间和地点，对所获数据通过Excel、SPSS等软件进行预处理，经过筛选信息不全数据，最终确定出有效数据共17 621条。

通过大量文献检索与资料收集，最终选取与拐卖儿童犯罪最密切相关的3个影响因素入手，即当地教育、经济和人口。由于数据获取限制，选取2016年人均受教育年限、城乡收入差距和流动人口数为指标，与拐卖儿童数量进行空间分析，最终获得各个指标对拐卖儿童犯罪的影响程度，为防控拐卖儿童犯罪提供科学依据。流动人口为各省跨省流动人口数据，来源于《全国暂住人口统计资料汇编》。城乡收入差距为城镇居民人均可支配收入和农村居民人均纯收入的比值，均来自《中国统计年鉴》。教育水平用人均受教育年限度量，分为小学(6年)、初中(3年)、高中(3年)、大学及以上(4年)共4个层次，各教育程度(年限)乘以其受教育人数得到各教育年限存量储备，求和后再除以总人口数得到人均受教育年限，各教育程度人数来自《中国统计年鉴》。

本研究的空间区域为中国大陆31个省级行政单元，未涉及港澳台地区，以1977—2017年为研究时段，考虑到行政区划的变更，对1996年以前的犯罪地点(琼、渝等)均按现行区域进行统计。

1.2 方法

1.2.1 空间自相关

根据Tobler地理学第一定律，任何事物都是相互联系的，并且距离越近的事物相关性越强[23]。局域空间自相关是检验具有空间位置的某要素的观测值与周边地区该观测值的空间差异程度，即分析其与相邻空间单元之间空间变量的相关程度。由于所研究对象具有地理位置属性，因此符合局部空间自相关分析。根据属性值的均值划分4个象限，即空间单元i的属性值与其邻域属性值存在4种空间关系组合，即高值区被高值区包围的高-高型(H-H)、高值区被低值包围的高-低型(H-L)、低值区域被高值包围的低-高型(L-H)以及低值区被低值包围的低-低型(L-L)。将局部空间指数Moran’sI定义为[24]

另外，LISA集聚图是空间自相关的另一种表达方式，既可以显示各研究区域的观测值位于Moran散点图的哪个象限，又可以反映出LISA指标的显著性。

1.2.2 空间马尔可夫矩阵

空间马尔可夫矩阵是用于研究背景条件下区域未来的发展，与传统马尔可夫矩阵进行对比，不仅可得到该省不同类型间的转移概率，而且还可以表达其背景条件对区域转移类型的影响[25-26]。已知初始条件为t0时刻研究对象的状态，t>t0的过程只与t0时刻的状态有关，不考虑t0前的状态。据此，本文将各省域内的拐卖儿童数量离散化为4个等级，构建4×4的马尔可夫矩阵，计算出相应等级的概率分布及变化，可近似反映省际间不同等级的转移过程，矩阵中各元素的计算公式为[27]

mij=nij/Ni，

(2)

式中：mij为由t年份状态转变为t+1年份状态的概率；nij为在研究时段内t年份i等级的空间单元到t+1年份时转化为j等级的省份数；Ni为整个研究时段内属于i等级的省份数总和。

若被拐卖儿童数量等级初始和最终状态相同，说明该省拐卖儿童数量变化不大且平稳发展，若等级提高向上转移，说明犯罪日趋严重，反之则等级降低向下转移，犯罪减少。则4个等级的马尔可夫矩阵(4×4)如表1所示。

表1 空间马尔可夫矩阵

矩阵的对角线为平稳转移，对角线右上部为向上转移，左下部为向下转移。

1.2.3 地理加权回归

传统回归模型是基于最小二乘法(OLS)对参数进行“平均”或“全局”估计的参数估计模型[28-29]。当自变量具有空间属性，且存在空间自相关时，OLS模型将无法满足残差项独立的假设，不再适于对参数进行估计。地理加权回归模型(GWR)引入了多个影响因素，并对不同区域的影响程度进行估计，通过计算回归模型的局部参数，可揭示不同空间范围内各参数的空间非平稳性[30-31]。由于本研究因变量和解释变量的关系随空间位置的变化而变化，因此，该模型结果更客观且符合实际情况。GWR模型的结构为

yi=β0(μi,vi)+∑kβk(μi,vi)xik+εi，

(3)

式中：yi第i个样本单元的空间位置;β0(μi,vi)为第i个样本点的常数项估计值；βk(μi,vi)为连续函数在i样本单元的值；xik为第i个样本点的独立变量;εi为误差修正项。

基于此模型可对拐卖儿童犯罪的影响因素进行解析。

2 结果与分析

2.1 拐卖儿童数量基本特征

2.1.1 时间特征

首先对拐卖儿童犯罪进行分析，揭示1977—2017年40年间拐卖儿童数量的时间变化特征，根据网络爬取的样本数据统计各年被拐儿童数量，结果见图1。

图1 1977—2017年被拐儿童数量变化

由图1可知，自20世纪70年代起，拐卖儿童数量在时间上呈现出上升-平缓波动-下降3个变化阶段。样本数据显示，1977—1983年被拐儿童数量较少，这与早期网络和信息采集水平有关，但整体上数量呈缓慢上升趋势，拐卖犯罪现象开始萌芽。1983—1990年，被拐儿童数量迅速增加，虽年际间有小幅波动，但整体上处于高位时期，一方面受中国80年代以来计算机网络技术迅速发展的影响，通过网络获取的拐卖儿童数量有所增加；另一方面，这一阶段国家处于社会发展的不稳定时期，社会主义经济体制发生转变，一系列政策推出并开始实施，1982年9月党的十二大把计划生育确定为基本国策后，同年12月写入宪法，受到中国传统的重男轻女、传宗接代等封建思想和其他生育因素的影响，加上计划生育的限制，社会开始动荡，特别是收入水平极低的人群，即农村等贫困山区为躲过“超生”罚款以及富裕家庭重男轻女的生育观念，“供需+利益”链条完整，为儿童贩卖交易提供了买卖市场，更为重要的是，实施拐卖儿童犯罪成本与收益悬殊，儿童贩卖现象开始逐渐猖獗，同时从另一方面还体现出国家计划生育政策也越来越严格。1990—1991年，政府强力实施打拐行动，防范拐卖犯罪发生，拐卖儿童数量开始小幅度下降。在政府的强力打压后，1991—1998年犯罪频率开始稳定，波动发展，但拐卖数量仍处于高位阶段。随着21世纪的到来，独生子女一代进入育龄期，2002年各地根据《人口与计划生育法》制定“双独二孩”政策，并陆续在全国实行，由于不是双独的家庭不能享受二孩政策，因此在短时期内双独人群和非双独人群中又形成了一个“供-求”关系的贩卖儿童市场，以至于2003年拐卖儿童数量相比2002年有所增加。随后，人们的生育观念也逐渐开始转变，加上社会安全保障不断完善，经济发展、互联网技术逐渐进步，于2013年十八届三中全会审议通过《中共中央关于全面深化改革若干重大问题的决定》，“单独二孩”政策由此开始启动；2015年12月27日通过的《关于修改〈中华人民共和国人口与计划生育法〉的决定》，于2016年1月1日起开始执行全面二孩政策后，被拐儿童数量显著下降，从双独到单独、再到全面二孩政策，各时间点前后拐卖儿童数量都会随着发生显著性改变，这说明拐卖儿童犯罪与国家政策具有明显的关系。

2.1.2 社会人口特征

对1977—2015年间被拐卖儿童数据进行整理，统计0～16岁不同年龄段的被拐儿童数量。并运用人口学中男女性别比来表征被拐儿童中男孩对女孩的比率(通常是以每100位女性所对应的男性数目为计算标准)，结果见图2。

由图2可知，通过拐卖儿童总量可以看出，拐卖对象主要针对6岁以下儿童，且低龄化特征明显，这可能是与部分儿童由父母出卖，养父母希望淡化儿童对生父母的记忆并尽快融入新家庭有关。其中2～5岁是儿童幼年成长期，辨别能力和抵抗能力极弱，也极易成为犯罪分子的拐卖对象。

图2 1977—2017年被拐卖儿童数量特征

此外，按社会人口学中性别比统计各年龄阶段拐卖儿童的男女比率。可以看出，每个年龄被拐卖的男孩数量都远多于女孩，拐卖儿童的社会人口特征具有以男孩为主的性别特征，由于贫困人口受高额利润的金钱诱惑，高收入家庭受传宗接代、重男轻女传统观念以及计划生育等因素，使男孩成为拐卖犯罪的主要交易对象。另外，性别比最大值出现在5～8岁，这与该阶段男孩易跑动、喜欢独处、意志不坚定、容易被欺骗等因素有关，为犯罪分子提供了拐卖机会。

2.2 拐卖儿童数量空间特征

2.2.1 犯罪水平空间分布

为清楚反映我国拐卖儿童数量等级的空间变化特征，选取间隔大约13年为一时间节点即1977年、1990年、2003年、2017年，并利用ArcGIS 10.2软件以更加直观的方式将拐卖儿童数量的空间分布和地区差异可视化，如图3所示。

图3 1977—2017年拐卖儿童数量空间分布及变化

图3显示几乎各省拐卖儿童数量明显呈先上升再平缓波动后降低的正态变化。总体上，拐卖犯罪高峰期出现在1990—2003年前后，这与图1中全国拐卖儿童总量变化趋势大体一致。此外，在南方地区如贵州、广东、湖北、河南、四川等省份拐卖数量较高且变化相似，至2017年底全国大部分地区拐卖儿童数量都普遍较低，这说明随着国家生育政策的全面完善与实施，拐卖犯罪能够得到很好地抑制，但相比全国，在云贵川地区，山区较多，城乡发展差距大，打拐行动还需要进一步加强。

此外，将各年拐卖儿童数量划分4类，即低、中低、中高、高，划分方法以该年全国拐卖儿童数量的均值S为基准，即

(4)

其中，Ni为i省的拐卖儿童数量。按照某一省份的拐卖儿童数量Ni小于均值S的75%、居于均值S的75%～100%、居于均值S的100%～125%、大于均值S的125%分别定义为低水平区域、中低水平区域、中高水平区域、高水平区域，结果，如表2所示。

表2 各省1977—2017年拐卖儿童犯罪等级变化

续表2

表2显示，自1977—1990年，拐卖儿童的高发区逐渐扩大并向东南沿海和长江中游地区集聚，低发区主要在西北地区，1990—2003年，犯罪高发区空间上比较分散，2003—2017年，高发区向云南、四川等地集中，但整体范围有所缩小。总体上，1977—2017年，东北、西北地区一直是拐卖儿童的低发区，拐卖高发区向西南、中南地区延伸并呈集聚状态。

2.2.2 区域间拐卖儿童犯罪的空间集聚性

为了探究拐卖儿童犯罪在空间上的集聚性和异质性，研究其空间相互作用机制，对面域数据进行了局部空间自相关分析。首先利用Geoda软件计算1977年、1990年、2013年和2017年各年拐卖儿童数量的Moran’sI指数并检验其空间相关性，检验结果见表3，系统同时产生Moran散点图和LISA聚集图，分别如图4～5所示。

表3 空间自相关参数检验

表3显示，各年份的Moran’s I指数均大于0，且均在0.45以上，明显呈现空间集聚现象。且Z值得分(Z-score)均在6.63以上，说明拐卖儿童犯罪在空间上具有较强的相关性，不同省份的拐卖儿童犯罪在空间上呈现出高-高或低-低的集聚状态。

图4显示，四个时间节点的二、四象限点数均多于一、三象限内的，即高-高和低-低集聚类区域多于高-低和低-高类型的区域，说明拐卖儿童犯罪存在明显的空间集聚特征，犯罪高发区域被高发区域包围、犯罪低发区域被低发区域包围。从不同时间看，图4中1977年散点分布较其他年份相对较为分散，这可能是由于拐卖儿童犯罪初步涌现，犯罪团伙分散，集聚现象相对较小，而2017年，大部分散点分布于二、四象限内，且较为集中，说明我国拐卖儿童犯罪存在明显空间相关性，犯罪团伙作案区域集中。

图4 1977—2017年拐卖儿童Moran散点图

Fig.4 Moran scatter charts of child trafficking in 1977—2017

图5显示，1977年5个高-高集聚区主要分布于西南地区，其拐卖儿童犯罪不仅高发而且周边地区的拐卖儿童数量也较高，说明该地区与周围地区犯罪数量变化联系紧密，空间相关性强，集聚性明显；新疆则被周围的低水平区环绕，形成一个数量低和集聚度低的低-低区；其次，北京之所以属于高-低区，是由于北京属于拐卖儿童犯罪高发区，但又被周围的犯罪低发区包围，因此北京与周围地区空间相关性较弱。1990年高-高区有所增加，但仍以西南地区为主，位于低-高区的江西本身属于犯罪低发区，但由于被犯罪高发区所包围，因此与周围地区相关性小，集聚性低；内蒙古和吉林为低-低区，说明这些地区不仅为拐卖儿童犯罪的低发区，而且周围地区犯罪率也较低，因此出现低发区集聚现象。2003年，高-高区依然以西南和中部地区为主要分布区，低-低区分布于北部，江西仍然是低-高区。2017年，高-高区主要分布在四川、云南、贵州和湖南；低-高区较2003年增多，除江西外，还有湖北、广西和重庆，这是由于这些地区在2017年犯罪率较周围高发区有所降低。总体上，1977—2017年，高-高集聚区呈先增后减的变化，并经历了由西南部向中部转移的过程，最终稳定在西南部，说明该区域不仅拐卖儿童犯罪严重，犯罪率高，而且犯罪团伙也高度集聚。

图5 1977—2017年拐卖儿童LISA集聚图

Fig.5 LISA map of child trafficking in 1977—2017

2.2.3 拐卖儿童犯罪等级的转移特征

为探究各地区拐卖儿童犯罪等级的时空转移规律，分别采用空间马尔可夫矩阵进行分析，得到4个等级间的转移矩阵，如表4所示。

表4 1977—2017年省域被拐儿童数量等级的空间马尔可夫矩阵(概率)

由表4可知，无论在哪个时期，低发区和高发区的平稳转移概率都在0.67以上，且最高达到0.920 2，远高于其他等级的平均水平，并且对比4个时期的变化可知，相邻等级间的转移概率均远大于跨等级间的，说明时空转变是逐步而非跳跃的。中高发区、中低发区的转移相对不稳定，最高平稳转移概率分别只有0.371 4和0.444 4。总体上，1977—1987年向下转移概率与向上转移概率相差不大，说明犯罪相对处于平稳状态；1988—1997年向上转移概率大于向下转移概率，表明犯罪现象开始慢慢加剧；1998—2007年向上转移概率增大，最高达到0.310 3，相反向下转移概率降低，平均水平维持在0.1左右，说明拐卖儿童犯罪开始猖獗；2008—2017年，向下转移概率增大，最大达到0.4以上，说明在以后的发展中，随着经济发展等一系列因素的影响，警方和政府制定的防控措施和打拐行动使拐卖儿童犯罪得到了一定的遏制。

2.3 拐卖儿童犯罪影响因素的空间差异

在经过一系列定量分析，得到拐卖犯罪的基本特征、结构、规律之后，对拐卖犯罪进一步开展定性分析是相当必要的。拐卖儿童犯罪是一种社会条件作用下的犯罪，其影响因素涉及多个方面，宏观层面主要是社会、经济特征方面，微观层面则涉及犯罪环境[1-2]。传宗接代、重男轻女的传统思想为拐卖儿童提供了“市场”，乡村人口比例较大、文盲率高、人均受教育程度偏低都会致使犯罪行为发生[32]。另外，随着区域经济发展极度不平衡，人们被迫离开贫困的家乡外出打工谋生，这些地区人口组成复杂，流动人口众多，往往成为了犯罪分子的避难所和落脚点。公安部统计显示，在2004年抓获的刑事案件作案人员中，流动人口成员高达60.4万人，占作案总人数的40%[33]。同样也有学者证实，犯罪率与人口迁移规模呈正相关关系[34]。

综合大量文献检索，基于数据的可得性，本研究从已知的3个主要方面，即受教育水平、城乡收入差距、流动人口进行分析，以2016年拐卖儿童数量为因变量，以当地人均受教育年限、城乡收入差距、流动人口数量为自变量进行地理加权回归分析，得到各省拐卖儿童数量与影响因子间的回归系数，结果见图6。

图6 各因子回归系数空间分布

由图6可知，受教育水平方面，回归系数除西藏外，其余地区基本为负值，说明与拐卖儿童数量呈负相关关系，且系数由西向东递减，表明在受教育水平相对较高的东部地区，该指标对拐卖儿童犯罪影响较弱，而在受教育水平较低的西部地区，其影响程度相对较大。城乡收入差距方面，回归系数由西北向东南递增，且基本大于0，最大值在福建广东一带，表明东南部地区拐卖儿童犯罪受城乡收入差距影响较大。从流动人口看，回归系数由西向东递增，说明流动人口对东部地区的拐卖儿童犯罪具有重要影响，流动人口越多，人口组成越复杂，往往成为犯罪分子的避难所和落脚点。虽然收入差距和流动人口2个指标的回归系数在31个省份中基本为正值，与拐卖儿童数量呈正相关关系，但是两者的值域大小和空间差异却十分显著，流动人口的回归系数更大，说明人口迁移对拐卖儿童犯罪的影响力度远高于收入差距，因此，通过对流动人口制定一些有效的社会保障措施，提高外来人口就业率，以减少刑事犯罪行为，从而降低犯罪率。

另外，在3种影响因素中，由于人均受教育水平、城乡收入差距、流动人口的值域大小不同，空间差异也就十分显著。从同一区域内各影响因素的回归系数看，3种因素对该区域的影响程度不同。由于在任何省份，流动人口的回归系数远大于其他因子系数，且与拐卖儿童犯罪数量呈正相关关系，表明流动人口是全国拐卖儿童犯罪的首要因素。因此，根据同一地区3种因子的回归系数大小排序，有3种类型，即流动人口-收入差距-受教育水平、流动人口-受教育水平与-收入差距、流动人口-(收入差距与受教育水平相当)。其各地区的空间差异如图7所示。

如图7所示，大多数城市拐卖犯罪的影响因素排序为流动人口-收入差距-受教育水平，表明社会保障和就业率是拐卖犯罪的主要因素，这与当今社会发展问题是一致的，同时在解决外来人口社会生活保障时，也需要提高当地人均受教育水平，扩大受教育范围。此外，只有一个省份即云南省，是以流动人口-受教育水平-收入差距为影响顺序，表明在该地区教育尤为重要，要着力扩大教育范围，提高全地区受教育水平。此外，还有5个省份属于流动人口-收入差距与受教育水平相当的模式，表明这些地区的收入差距与受教育水平处于相对重要的发展方向，呈带状分布，且主要分布在中国的西部地区，除流动人口因素外，收入差距与受教育水平是相互的，因此，在这些区域的社会发展中收入与受教育同等重要，需要平等对待，避免倾斜现象。基于以上分析，在防控拐卖儿童犯罪方面，解决我国流动人口的社会生活保障是首要问题，采取有效的保障措施，提高流动人口就业率对于打击拐卖犯罪至关重要。同时，针对影响因素空间差异，政府应当因地制宜，制定相关政策，减少拐卖犯罪，降低犯罪率。

ABB：流动人口-(收入差距与受教育水平相当)；ABC：流动人口-收入差距-受教育水平；ACB：流动人口-受教育水平-收入差距

图7 影响因子空间差异模式

Fig.7 Spatial difference patterns of impact factors

3 结 论

通过网络获取的样本数据，对我国1977—2017年拐卖儿童犯罪进行研究分析，揭示了拐卖儿童犯罪在时间和空间上的区域特性，并对其驱动力因素进行了进一步探讨。研究结果表明：(1)1977—2017年，我国省域拐卖儿童的高发区不仅有所增加，而且随着时间的推移最终集聚在西南地区；(2)省域间的拐卖儿童犯罪存在明显的空间正相关，且空间集聚现象明显，高集聚区和低集聚区长期并存，说明拐卖儿童高发区和低发区与其周边区域联系都十分密切且对其影响较大，相关性强且具有联动性；(3)除此之外，拐卖儿童高发区和低发区在下一时间的发展中更倾向于维持原本的状态，也就是说高发区在下一年中保持高水平状态的概率较大，低发区同理，并且发生在相邻等级之间的转移概率大于跨等级之间的，说明拐卖儿童犯罪的时空转变是“逐步而非跳跃”的；(4)通过地理加权回归分析可以得出，在拐卖儿童的高发区域和各省流动人口集聚区应加强防范，强化对流动人口的法制宣传，提高乡村居民收入水平，缩小城乡收入差距，提高受教育水平等，都是抑制或减少拐卖儿童犯罪的有效措施；(5)另外，不同影响因素在同一城市的影响程度不同，同一影响因素对不同城市的影响程度也具有空间差异，政府部门应当根据该地区经济、教育、社会发展状况，针对性地制定合理、恰当地防控犯罪行为，高效打击犯罪分子，降低儿童拐卖犯罪率。

由于所获取的拐卖儿童数据是通过网络采集而来，1977—2017年共40年的时间序列相对较长，各时间段数据质量和精度都参差不齐，势必会对计算结果的准确性产生相应的影响，一定程度上并不能真实反映拐卖儿童犯罪现象发展的变化。但是实际的分析表明，所采集的数据样本与我国社会发展趋势基本是一致的，总体上能够反映我国拐卖儿童犯罪问题的实际情况，因此，本研究结果依然具有较高的可信度，具有现实意义。另外，尽管流动人口数量、城乡收入差距和受教育水平是影响拐卖儿童犯罪的重要因素，但犯罪的动因并非如此简单，失业率、人均GDP、文盲率、政策生育率、法律的威慑力等其他因素也不容忽视。在之后的研究中，考虑数据可获得性的情况下，可根据不同区域特点，结合更多驱动力因素，多方面多角度地对区域拐卖儿童犯罪进一步研究探讨。