影响A市犯罪案件数量因素的实证研究

卢 杨， 丁 宁,2

(1.中国人民公安大学侦查学院， 北京 100038；2.中国人民公安大学公共安全行为科学实验室， 北京 102623)

0 引言

我国自改革开放初期以来做出“严打”的决定，在过去的几十年中通过多次严打活动实现降低犯罪的目的。尽管几次“严打”使得犯罪率在一定时期内有所下降，但总体来看刑事犯罪案件数依然呈现上升趋势，刑事案件案发率高的情况并不容轻视。随着时代的发展，刑事犯罪案件不仅在数量上有所增加，更是依托于科技进一步衍生出多种形式。为何会有如此庞大数量的刑事犯罪案件的发生，又应当如何对刑事案件发生率进行预测和监控？了解哪些因素会导致更高的犯罪数量，对于减少犯罪、提高人民生活质量至关重要。

基于刑事侦查侦破案件和预防犯罪的目的，研究影响刑事犯罪数量的因素，据此对犯罪趋势进行预测以做好预防犯罪的工作是十分必要的。

1 A市部分刑事犯罪情况的现状分析

近年来，A市城市建设的不断推进，区县之间也经历过规划整合，而刑事犯罪数量却呈现总体上升趋势。选取盗窃罪、诈骗罪、抢劫罪、抢夺罪这4类A市案发量较高的刑事犯罪类型为研究对象，对10年间不同类型犯罪在各辖区的分布情况，以及犯罪数量与相关因素之间的趋势发展关系进行分析，研究2004～2014年期间内A市的犯罪状况。

1.1 不同类型犯罪的变化趋势分析

将A市2004～2014年盗窃罪、诈骗罪、抢劫罪、抢夺罪这4类犯罪的案件数量分别绘制成折线图，以便直观地观察不同种类犯罪在10年间的变化趋势。从图中可看出，以2008～2010年为转折期，抢夺罪、抢劫罪的案件数量有着显著下降，但盗窃罪和诈骗罪的数量有着明显提升。

图1 2004～2014年A市4类犯罪数量趋势分析

1.2 犯罪数量与相关因素的趋势分析

区域经济差异对犯罪状况有重要影响，经济发展水平高、流动人口集中、城市化水平高的地区，犯罪状况相对严重，收入差距是影响我国刑事犯罪率的主要因素[1-5]。除收入差距对犯罪率有较大影响外，另一关键影响因素便是警察威慑力[6-8]，我国公共安全支出的增加有利于提升公共安全绩效水平。

以A市B区的相关数据为例，自2005年起，其犯罪数量总体呈现上升趋势，在2012年以后有轻微下降。在2012年之前，人均GDP的变动、城乡收入差距的变动趋势大致与犯罪数量变动的趋势相同，可能存在一定的正相关关系，人口密度的增长幅度则相对较缓。2010年前公共安全支出并没有较大的变动，但2010～2013年期间，公共安全支出与犯罪数量呈现出较为明显的负相关关系。

图2 2005～2014年A市B区犯罪数量趋势分析

本文将综合运用计量经济学的方法，选取A市16个辖区自2005～2014年的相关数据为研究样本，构建面板数据固定效应模型进行分析，聚焦于A市各辖区刑事犯罪率的影响因素。通过计算各辖区内犯罪案件数量确定为被解释变量，在解释变量的选择上，根据犯罪经济学的相关理论，综合经济、人口、警察威慑力等多维度因素，选取各项指标，研究其对A市犯罪案件数量的影响是否显著，将以何路径对犯罪率产生影响，针对A市的犯罪情况提出相应的应对措施。

2 实证检验及分析

2.1 变量选择和数据描述

考虑到数据的可得性和犯罪的情况，在被解释变量的选择上，本文选取盗窃罪、诈骗罪、抢劫罪、抢夺罪这4类案发量较高的刑事犯罪数量作为衡量犯罪数量的依据，且排除了不够立案、不予立案、转治安等非刑事犯罪范围的报案。

解释变量方面结合犯罪经济学的相关理论和现有研究，地区经济发展会对犯罪率和犯罪类型有着一定影响，人口方面、社会治安方面等多个角度都会对地区犯罪带来不同的变化效应，故选取以下9个指标作为被解释变量，所有数据均从北京区域统计年鉴和北京市统计年鉴中获取。对部分数据采取对数方式处理。

(1)经济发展水平(lngdp)：区域的经济发展在一定程度上会对该地区的犯罪情况有相互间的影响。大多数犯罪类型在总体经济绩效方面表现出反周期的行为[9]。采用人均GDP作为衡量各辖区经济发展水平的指标。

(2)通货膨胀(lnconsumer)：由于通货膨胀率无法直接计算得出，通常采用CPI的增长率代替，而北京区域统计年鉴中缺少各辖区的该项指标数值，故以社会消费品零售总额进行代替。

(3)城乡收入差距(lnincome)：随着收入不平等的加剧，财产犯罪也随之增加，凶杀、抢劫等暴力犯罪也随着时间的推移对收入不平等产生较为显著的影响[10]。贫困则对犯罪率有很强的非线性影响，这一发现推翻了过去线性关系的假设，刑事犯罪率与经济增长之间都存在U型关系[11-12]。本文采用城镇居民人均可支配收入与农村居民纯收入之差对该指标进行衡量。

(4)失业率(unemployment)：失业率的增加降低了犯罪的机会成本并增加了犯罪率，大量的实证研究表明，失业的增加对犯罪率有着显著的影响，且要强于收入水平的影响，在一定程度上或取决于逮捕率的高低[13-15]。该指标为各辖区城镇登记失业人员与从业人数、失业人数之和比值。

(5)城市化率(urban)：城市的发展会在一定程度上影响犯罪的空间和机会，采用户籍登记的非农村住户数与总户数的比值衡量。

(6)人口密度(lndensity)：在人口密度比较高的地区或者场合，犯罪分子就更有可能实施犯罪行为,此指标为各辖区常住人口密度。

(7)性别比例(gender)：性别比例方面，有相当一部分研究认为男性犯罪率高于女性，也易多次犯罪[16-19]。以男性人口与女性人口的比值为衡量依据性别这一指标对犯罪率影响的依据。

(8)教育水准(education)：教育水平的提高也对与生产力相关的经济变量产生了显著影响，有利于犯罪率的下降[20-22]。由于各区的接受高等教育的人员数据无法获取，故选取教育支出占财政支出的比重代替。

(9)警力投入(police)：相关研究表明警察效率与犯罪率之间成反比关系，每日通勤率可作为预测犯罪率的重要因素[23][24]，但也有相关研究发现较高的监禁率对减少犯罪的影响并不显著[25]。故本文采取公共安全支出占财政支出的比重作为衡量警力投入对刑事犯罪率影响的依据。

关于各变量的描述性统计如表1所示。

表1 描述性统计

2.2 模型构建

本文参考前人构建的模型的基础上，选择A市2005～2014年各辖区形成的面板数据构建模型。设lncrime为辖区个体i在t期的刑事犯罪案件数量，Xit为该辖区个体在t期的解释变量，εit为模型的残差项。模型如下所示：

lncrimeit=α+βXit+εit

在下文中将建立起6个模型中，模型1是基本回归模型，以考察A市刑事案件犯罪率与5个定量因素的关系。由于小模型很可能存在遗漏变量误差，模型2～6是在模型1的基础上逐步增加或减少其他解释变量，以提高模型的解释力。

2.3 协整检验

首先对各因素的时间序列进行平稳性检验，以满足面板数据模型应用的前提条件。在ADF检验下，大部分指标均可通过，对个别不平稳的指标进行一阶差分后再次进行平稳性检验。当所有数据均通过平稳性检验后，进一步进行格兰杰因果检验，以确保各时间序列能够通过协整检验。结果表明，各指标与被解释变量犯罪案件数量存在着统计意义上的因果关系，说明本文的指标选取是合理的。

2.4 回归结果及分析

该部分对面板数据进行回归分析。在处理面板时，为进一步确定使用固定效应模型还是随机效应模型，选择Hausman检验，所得的P值为0.017 3，小于0.05，在5%的水平上强烈拒绝原假设，故最终确定采取固定效应模型进行分析。样本估计结果如表2所示。

表2 样本估计结果

在面板数据模型中逐步增加指标，可见随着指标数量的增加，部分指标的显著性在增强，R2的数值逐步上升，表明模型的拟合优度也在提高。模型(5)包含了列出的所有解释变量，9项指标中有4项在1%的显著性水平下显著，有1项在5%的显著性水平下显著，1项在10%显著性水平下显著，2项指标显著性不强。

在模型(5)的基础上适当剔除模型中不显著的指标，最终选择拟合优度相对较高的模型(6)，8项指标中有4项在1%的显著性水平下显著，有1项在5%的显著性水平下显著，2项在10%显著性水平下显著，仅有1项指标显著性不强。

2.5 小结

对回归结果进行分析可见，社会消费品零售总额、城乡收入差距、失业率、人口密度这4项因素对A市犯罪案件数量的影响是较为显著的，即通货膨胀可能会带来更多的犯罪现象。失业率的增加和人口密度的增加同样会提高犯罪率，还由于社会闲散人员的增多，存在着更大的犯罪隐患。当失业率增加1%，对数犯罪案件数量增加8.963件；当人口密度增加1%，对数犯罪案件数量增加0.649件。公共安全支出和教育支出的增加则意味着加大刑事案件惩治力度和提高教育水平，对犯罪数量的降低有一定作用，而这符合现实情况的规律。当性别比例提高1%，对数犯罪案件数量增加3.125件；城市化率在模型中的相关系数并不显著且系数绝对值仅为0.7，对于A市而言，城市化率对犯罪数量的影响并不明显。

在所研究的因素中，失业率和性别比例对犯罪数量的影响较大，在失业率的增加和性别比例的失衡的情况下，可能会出现地区的犯罪案件数量增加的现象；在发生通货膨胀的情况下，犯罪案件数量可能会有所增加，而城乡收入差距对犯罪数量的影响为负值。在所研究时间范围内，A市收入不平等这一因素对犯罪案件数量带来一定的负面影响，且能够抵消由通货膨胀带来的正向影响；教育支出与公共安全支出比例的提高，则对犯罪案件数量的减少起着积极作用，可见重视地区的教育水平和警察威慑力在一定程度上有利于减少犯罪案件的发生。

由于不同地区的功能和定位各不相同，影响犯罪案件数量因素的侧重点有所不同。故将16个辖区按照功能划分为4个分地区后再次进行回归分析。功能核心区和功能拓展区由于样本量过小，无法得出拟合优度较高的回归方程；对发展新区犯罪案件数量有显著影响的因素为收入不平等，收入差距越大，犯罪案件数量越多；对生态发展区犯罪案件数量有显著影响的因素为人均GDP、通货膨胀、失业率、人口密度、教育支出，均为正向影响，但经济因素内，通货膨胀对犯罪率升高的影响要大于人均GDP的影响。

针对4种不同的犯罪类型分别进行回归分析。可见对抢劫罪犯罪案件数量有显著正向影响的因素为人口密度，城市化率和教育水平的提高也对犯罪有抑制效果。经济因素方面，人均GDP的提高有利于犯罪案件数量的减少，而通货膨胀则对犯罪数量的增加有一定的正向影响，二者的影响程度大致相同，在一定程度上抵消；对盗窃罪犯罪案件数量产生影响的因素有城乡收入差距、人口密度、公共安全支出，其中增加公共安全支出占比会对犯罪数量的减少产生显著影响；对诈骗罪犯罪案件数量有显著影响的因素为教育支出和公共安全支出，且二者对犯罪数量的抑制作用较其他因素相对明显，失业率仍然为影响其数量的主要因素；对抢夺罪犯罪案件数量有显著正向影响的因素为失业率、人口密度，教育水平和公共安全支出提高对降低犯罪量的影响并不大。

3 结论

本文主要通过采用面板数据固定效应模型的计量方法对A市各辖区2005～2014年的犯罪率的影响因素进行了研究，同时针对不同区域和犯罪类型分别进行了回归分析。结合前文的内容可知，A市诈骗案件和盗窃案件的数量在所研究的10年期间呈现递增的趋势。随着科技的不断发展，电信诈骗案件多发，团伙作案现象较为严重，且该类案件侦查难度大，取证困难；无论是入室盗窃、公交扒窃还是盗窃电力设施、车辆等等都是A市发生率较高的盗窃案件。对盗窃案件数量影响较大的因素有人口密度和公共安全支出占比。随着社会治安水平的提升，抢劫抢夺这类暴力型犯罪的数量正在逐年减少，但仍存在如盗窃等侵财类犯罪转化为暴力型犯罪的情况。人口密度的增加可能会引起盗窃罪发生数量的增加，而公共安全支出比重的适当提高在一定程度上对盗窃犯罪数量的减少有正面影响。

安全问题向来是一个城市需要引起重视的问题。从宏观层面上分析各影响因素，有利于从整体把握近年来A市各辖区的犯罪特点及趋势，结合侦查工作的整体现状进行研究，为打击、预防A市的犯罪提供思路。通过关注失业率、外来人口、性别比例数据的变动情况，可以对各地区采取相应的犯罪预防工作。在侦查过程中重视串并案的侦查思路，积极同相关部门建立起协作机制，做好关键信息的收集与分析工作，则有利于加强网络犯罪侦查能力。通过对异动因素进行实时监控，充分依托并利用大数据信息，建立起风险预警机制，及时发现并堵塞相关行业的漏洞。另一方面，针对性地开展各地区的预警宣传工作加强法制教育，提高公众防范意识，尽可能从源头上减少和控制犯罪案件发生的可能性。