基于多元线性回归模型的道路密度对盗窃罪的影响研究.docxVIP

基于多元线性回归模型的道路密度对盗窃罪的影响研究 1 不同类型道路与犯罪关系定性分析 公共空间盗窃是与人们日常旅行活动最密切相关的犯罪之一。也是发生的最常见的事件之一。他在影响城市公共安全和其他问题方面发挥了重要作用。这已成为国内外学术界的中心。 道路密度对犯罪率存在影响已经得到了大量的实证研究 还有相关研究着眼于道路通达度等属性对犯罪率的影响及其机制的分析。相关研究主要存在以下观点: (1) 部分学者认为高的道路通达度等属性容易产生犯罪 不同类型道路密集的区域建成环境和社会环境存在较大的差异, 成为不同类型道路密度对犯罪率的影响存在差异的原因, 因此针对建成环境和社会环境的犯罪防控显得尤为重要。早在20世纪80年代, 西方城市对犯罪防控的探索就已经着眼于建成环境 总结前人的研究, 有学者将所有类型道路作为一个整体探讨道路密度与犯罪的关系, 有的学者仅仅着眼于主干道和次干道作为道路的代表探讨道路密度与犯罪的关系, 还有学者探讨不可通车道路密度与犯罪的关系。然而不同类型道路在建成环境、社会环境等各种属性方面存在较大的差异, 将所有类型道路归为一类或者选取其中某几类作为代表忽略了不同类型道路建成环境和社会环境等属性的差异。 采用何种方式来探讨不同类型道路与犯罪的关系对结果产生一定的影响。定性分析 基于上述分析, 本文以ZG市的城市主干道、城市次干道、城市支路、其他可通车道路和不可通车道路为研究对象, 将不同类型的道路属性考虑在内建立多元线性回归模型, 探讨不同类型道路密度对公共空间盗窃犯罪率的影响。接下来本文将回答两个问题: (1) 不同类型道路密度对公共空间盗窃犯罪率有什么样的影响? (2) 不同类型道路密度对公共空间盗窃犯罪率产生不同影响的原因。 2 理论基础和研究框架 2.1 道路类型密度对公共空间盗窃犯罪率的影响 本文主要基于日常活动理论, 同时在理性选择理论、犯罪分布理论和社会失序理论的综合视角下探讨道路类型密度对公共空间盗窃犯罪率的影响。日常活动理论 2.2 道路密度与公共空间盗窃犯罪率关系的提出 首先, 本文根据道路的社会环境、建成环境等各方面属性将道路分为两大类别, 一类由城市主干道、城市次干道、城市支路和其他可通车道路组成;另一类由不可通车道路组成。其次, 我们基于理性选择理论和社会失序理论等, 考虑不同类型道路密集区域社会环境的差异对公共空间盗窃犯罪率的影响, 并基于犯罪分布理论等, 考虑不同类型道路密集区域建成环境差异对公共空间盗窃犯罪率的影响 (图1) 。 城市主干道、城市次干道、城市支路和其他可通车道路与外界联系密切 不可通车道路与外界联系不密切, 其设施大多为本地居民服务的, 不易吸引人流的聚集, 因此不容易吸引易受害者和潜在犯罪者的聚集;聚集的大多是本地的街坊, 相互熟知, 匿名性差, 对犯罪者的识别性强, “守望效应” 3 研究领域、研究数据和研究方法 3.1 公共空间盗窃的人口普查 本文的研究区为中国东南沿海城市——ZG市的中心城区, 研究区的总面积3525.6平方公里, 分布在10个区, 共177个派出所。ZG市经济发达, 各种服务设施齐全, 社会环境多元化。研究区内2013年公共空间盗窃警情约为9万件, 占全市的83%左右。根据第六次人口普查的结果, 研究区内总人数约为1000万人, 其中外来人口425.3万人, 占总人口的40%左右。本文中公共空间盗窃指的是在公共空间中 (不包括公共交通上) 盗取他人财物的行为。研究区内道路网密集, 道路类型多元, 包括城市主干道、城市次干道、城市支路、其他可通车的道路和不可通车道路。城市主干道、城市次干道、城市支路、其他可通车道路与不可通车道路的描述如表1所示, 在图2中我们抽象的描述了各类型道路周边的用地性质和设施分布, 与表1对各道路类型特征的描述相结合, 更为直观的表征了各类型道路周边的建成环境特征。 3.2 侦查数据来源 本文以派出所为研究单元, 本文的研究数据主要有110接警数据、人口普查数据、POI数据和交通道路网数据等基础地理数据。其中警情数据主要来源于2013年110案件类接警数据中公共空间盗窃警情数据, 人口数据来自于第六次人口普查数据, 汇总到派出所单元;POI数据则是来源于2014年“电子地图”导航数据和路网数据。 在城市空间中造成公共空间盗窃犯罪聚集的原因有很多, 包括建成环境、社会环境和道路属性等因素, 所以在探讨不同类型道路密度对公共空间盗窃犯罪率的影响时要考虑其他建成环境、社会环境等因素的影响。考虑文献的梳理 3.3 可变量y的影响 Spearman 多元线性回归 式中:k为解释变量的数目, β 使用多元线性回归的前提条件是因变量服从正态分布, 但本文中因变量不满足正态分布, 因此在此引入BoxCox变换 Box-Cox变换