太原市城市社区犯罪的诱因分析.docVIP

太原市城市社区犯罪的诱因分析 　　一、太原市城市社区犯罪空间的影响因子与研究方法 　　1.数据来源与指标选取 　　该文所使用的犯罪数据来源于太原市公安局提供的基于各市区派出所记录的警情数据。由于所获取的数据有限，最小到空间的尺度是以市内各辖区分局为单位。研究所用的人口数据、房屋建筑面积、居住用地面积、外来人口等数据采取的是2013年太原市统计年鉴里的相关数据。涉及到就业，就业者学历层次与行业分布状况等方面数据，由统计局提供。 　　2.太原市城市社区犯罪影响因子选取 　　在犯罪因子的选取上，本文参考前人关于犯罪因子选取的研究成果，如《刘大千在长春市犯罪空间分析及规划管理防控》一篇的博士论文中所提，并结合太原市的实际情况，参考国外研究犯罪影响因子考察的主要方面，本文着重从下面几个主要因子进行分析。 　　（1）社会经济变量：收入水平，市人均住房面积，服务活跃度，市各区内年经营总收入，失业人口作战比例，城镇人口收入最低保障人口所占比例。 　　（2）人口变量：外来人口比例，户籍人口比例，人口密度，年轻人口比例，60岁以上人口比例，高学历就业人口比例，高学历就业人口比例，人均图书拥有量。 　　（3）土地利用变量：商业用地面积，工业区数量，主要商业区。 　　3.犯罪影响因子基本统计 　　本文研究义工选取人口、社会经济和土地利用18个变量指标，利用SPSS软件统计分析，对所选取的变量进行基本的统计，包括各个变量的最大值、最小值、平均值。如图所示，各变量在统计上存在明显的差异，表明各变量在空间分布上并不是均衡的，正是这种异质性，可能同犯罪现象的空间分布存在着某些关联，从而直接或间接影响力犯罪的发生过程。 　　二、犯罪因子的研究方法 　　通过收集整理大量相关数据，选取出社会经济、人口等相关变量，利用SPSS软件进行回归分析，以太原市各类犯罪的万人发案率为因变量，选取各个因子为自变量，采用强行进入法做最小二乘法的多元回归分析，建立回归模型，探究太原市各类犯罪同人口、社会经济等因子的相互关系。同时输出VIF值检验各自变量的共线性，并对各变量西系数进行双尾t检验，根据各变量系数的t值及显著性确定该变量是否同犯罪率的变化有显著相关。由于研究难以获得为应用的变量因子，绝大多数采取的是替代变量，很可能存在变量不能解释犯罪率的变异，因此本研究提出不显著的变量，保留显著性的变量，确定其与犯罪率有显著的相关性。通过各保留变量系数的绝对值确定影响强度的大小，根据正负判断影响的分析，并结合这些参数做进一步分析。 　　三、太原市犯罪影响因子分析 　　为了探究各类案件发案率的影响因素，分别以两抢类、盗窃类、公交扒窃类、诈骗类以及全市万人发案率为因变量，就业活跃度指数、人均消费品、商品和批发零售业年经营总收入、失业投保人数比例、城镇最低生活保障人数比例、人均图书拥有量、户籍常住人口比例、人均住房面积、年轻人口比例、老年以上人口比例、大专以上学历人口比例、初中以下学历人口比例、外来人口比例、主要商业区、主要客运枢纽为自变量，选用逐步筛选法（Stepwise）进行多元回归分析，逐步多元回归可以将未达显著的自变量剔除除在回归模型之外，进入回归模型的自变量都对因变量有显著影响。 　　各回归模型的结果汇总分别见表1-5。 　　1.总犯罪率影响因子分析 　　如表1所示，最终进入模型的有城镇最低生活保障人数比例、年轻人口比例、主要商业区3个自变量，表示这3个自变量对全市万人发生率有显著影响。 　　由表1可知，3个自变量的容差分别为0.400、0.300、0.479，都在0到1之间，VIF值分别为2.500、3.334、2.087，都在0到10之间，表明变量之间不存在多重共线性问题。判定系数R2为0.966，调整后的R2为0.951，说明3个自变量一共可以解释因变量96.6%的变异量，拟合程度较高，说明回归效果较好。方差分析的F统计量为66.011，其相应的显著性p值为0.000，达到显著水平，说明3个自变量和因变量之间存在显著的线性关系，回归方程总体上达到显著。 　　城镇最低生活保障人数比例的非标准化回归系数为3.640，p值为0.000，小于0.05，达到显著水平，可见城镇最低生活保障人数比例对全市万人发案率有显著的正向影响；年轻人口比例的非标准化系数为-0.012，p值为0.006，达到显著水平，可见年轻人口比例对全市万人发案有显著的负向影响；主要商业区的非标准化系数为-0.052，p值为0.050，可见主要商业区对全市万人发案率有显著的负向影响；由标准化回归系数的绝对值可知，三个变量对全市万人发案率的影响由强到弱依次为：城镇最低生活保障人数比例、年轻人口比例、主要商业区。 　　2.盗窃类 　　由表2可知，最终进入模型的有人均消费品、