犯罪率影响因素的线性回归分析

犯罪率影响因素的线性回归分析

摘要

犯罪是人类社会的顽疾，人类为对付犯罪付出了沉重的代价。据国际社会统计，犯罪所造成的危害远远超过二战所造成的损失。犯罪作为一种社会现象，是由各种因素决定的，马克思认为是社会客观历史条件，特别是经济条件决定着犯罪。故我们运用现代科学技术方法，充分利用信息资源，尝试建立一个回归模型，解释刑事犯罪率的变化，降低刑事犯罪率，保障社会和谐。

关键词：刑事犯罪率；基尼系数；城市化率；

Linear regression analysis of factors influencing the criminal

crime rate

ABSTRACT

Crime is disease in the human society, mankind against crime to pay a high price. According to international society .The harm of crime, is beyond the losses of lives and property caused by warⅡ. Crime, as a social phenomenon, is decided by various factors, the mark thinks social objective history conditions, and especially economic condition decides crime. We use modern science and technology, make full use of information resources, and try to establish a regression model to explain the changes in crime rates, lower crime rate, ensure social harmony.

Key words: crime；criminal Gini coefficient；Urbanization rate；

刑事犯罪率影响因素的线性回归分析

一引言

犯罪集中暴露出社会的缺陷和人类心灵的阴暗面。整个二十世纪是一个犯罪迅速增长的世纪，这个趋势到下个世纪也无法抑制。到了二十一世纪，毒品犯罪、有组织犯罪、经济犯罪均大幅增加，经济全球化与经济社会的快速发展更加使犯罪复杂化、严重化。在二十世纪初，犯罪学家萨瑟兰发现犯罪并不是穷人的专利，富裕阶层的白领犯罪更是严重。正如路易斯·谢利在《犯罪与现代化》所说“也许到了21世纪，犯罪学家将揭露出认知精英中存在更严重的犯罪，毕竟现代化必将导致犯罪，而高速的经济发展也将于高发犯罪率共生”。

犯罪是一种复杂的社会现象，它不是孤立存在的，是由各种因素综合决定的，是随着国家的政治，经济形势的变革而变化。纵观各学者的观点，我们知道引起犯罪的因素包括政治，经济，文化以及犯罪人自身条件等因素。但是其中经济因素才是引起犯罪的最根本因素。所谓“饥寒起盗心”，“饥年出盗贼”，“仓癝使则知礼节，衣食足则知荣辱”的提法就朴素的反映了经济因素是影响刑事犯罪率的最活跃因素的观点。

二问题的提出

犯罪是人类社会的顽疾，人类为对付犯罪付出了沉重的代价。据国际社会统计，犯罪所造成的生命财产损失远远超过二战所造成的损失。犯罪作为一种社会现象，是由各种因素决定的，马克思认为社会客观历史条件，特别是经济条件引起犯罪的。所以我们运用现代科学技术方法，充分利用信息资源，尝试建立一个回归模型，解释刑事犯罪率的变化，降低刑事犯罪率，保障社会和谐。

现阶段我国犯罪情况同二十世纪五六十年代相比，在犯罪的类型、结构、规模等方面已发生剧大变化，其特点概括起来有以下几个方面。

1 青少年犯罪突出

我国青少年刑事犯罪一直持续上升。20世纪五十年代我国青少年犯罪约占整个刑事犯罪人员总数的20%，六十年代上升为30%，到了八十年代以后，青少年犯罪则高达70%至75%，已是危害社会安定和和谐的严重问题。总体上看，目前在我国的刑事犯罪中，青少年犯罪占有很大比例，且逐年上升。近年来青少年犯罪的平均年龄越来越小，未成年人犯罪越来越多。

2 经济犯罪严重

随着改革开放，由于国内国外的不良因素的影响，尤其是市场经济中的负面因素，以及新旧体制转换过程中存在的大量漏洞，一些不法分子乘机大肆进行各种经济犯罪活动。1980年至1988年的9年时间内，经济犯罪案件的受理数和立案数分别增加了3.9倍和3.1倍。尤其是利用职务之便的权力腐败型的经济犯罪的数量及其危害程度也明显的呈现与日俱增的趋势。这些经济犯罪不仅给国家，社会造成经济和财产损失，并且给国家和政府带来了不信任感和对社会风气、社会关系，以及人们的道德价值观念带来了严重的腐蚀。

3 贪污腐败犯罪加剧

八十年代后，我国开始了改革开放，此后反腐败一直是司法领域乃至整个中国社会生活的主旋律之一。然而，由于制度建设和体制改革总是要相对滞后于经济和生产力的发展，故在社会转型期，腐败现象随着经济的发展而加剧。这种腐败由经济生活领域蔓延至政治生活的权力领域，出现了买官卖官的现象。被处罚的高官数量越来越多，职位越来越高，

犯罪程度越来越严重。这表明国家反腐败的决心和力度，同时也反映了腐败的程度和状况。

4 暴力犯罪突出

近几年，杀人，抢劫，强奸，伤害以及爆炸等暴力犯罪不断加重，特别是因盗窃，抢劫，强奸等犯罪而杀人灭口，杀人越货等混合型暴力案件明显增多。中国社科院发布的2010年《法治蓝皮书》显示，2009年中国犯罪数量打破了2000年以来一直保持的平稳态势，出现大幅增长。其中，暴力犯罪案件大量增加。

5 重新犯罪加剧

由于“严打”中被判短期徒刑和劳动教养的人员开始陆续回到社会，使有过违法犯罪经历的人员基数增大。重犯率都有较大幅度的上升，其中青少年的重犯率明显高于成人。这些重新犯罪的少年，他们就学无望，长期待业，生活无着，悲观失望，对社会有强烈的报复心理。有的恶习不改，受坏人唆使，容易产生自暴自弃，有的甚至到了与社会势不两立的疯狂地步。

6 有组织犯罪增加

随着经济社会的发展和犯罪状况的变化，有组织犯罪不断增多，八十年代时团伙犯罪的问题比较突出，进入九十年代后，结构紧密的犯罪集团，犯罪组织特别是黑社会组织的犯罪突出，受到社会日益高度的关注。由于官僚腐败，失业增多等情况的加剧，全国普遍出现了不同形式和程度的黑社会和带有黑社会性质的有组织犯罪，而他们背后，毫无例外的受到某些权力腐败分子的保护

7 国家安全方面的犯罪更加尖锐

国外仇华势力、敌对势力，时刻在企图“西化”中国。我国加入WTO后，跟世界联系更紧密，更加开放，客观上便于境外敌对势力实施这一罪恶目的。我国加入世贸组织后境外的敌对势力披着商业的外衣，行颠覆政府之实，如7·5新疆打砸抢烧暴力事件，就是一起典型的境外指挥、境内行动，有预谋、有组织的分裂破坏活动。

三分析问题

城乡收入差距：本文用城镇居民家庭人均可支配收入与农村居民家庭人均纯收入的绝对差额之比值表示城乡收入差距。

城市化率：指城镇人口占总人口（包括农业与非农业）的百分比。中心城区、县(市、区)及建制镇,凡列入城镇建设规划且城区建设已延伸到乡镇、居委会及村委会并已实现水、电、路“三通”的,都纳入市镇人口计算,这样能客观反映城市化进程。

基尼系数，是20世纪初意大利经济学家基尼，根据劳伦茨曲线所定义的判断收入分配公平程度的指标。是比例数值，在0和1之间，是表示贫富差距国际上用来综合考察居民内部收入分配差异状况的一个重要分析指标。

联合国依据基尼系数可以反映一个国家内贫富的差距，遂做出规定：

一个国家内贫富的差距，其基尼系数低于0.2表示收入绝对平均；

基尼系数 0.2-0.3表示比较平均；

基尼系数 0.3-0.4表示相对合理；

基尼系数 0.4-0.5表示收入差距较大；

基尼系数 0.6以上表示收入差距悬殊

本文采用的刑事犯罪率的影响因素有：城乡收入差距，城市化率，基尼系数。得表1。

0.5000

0.4500

0.4000

0.3500

基尼系数

70.0000

60.0000

50.0000

40.0000

刑事犯罪率（

十万分之

）

表1

注：数据来源《中国统计年鉴2008》，国家统计局，《中国法律年鉴》。

第一步：作散点图

作散点图的目的是观察因变量0y 与各自变量间是否有比较好的线性关系, 以便选择恰当的数学模型形式. 下图分别为刑事犯罪率0y 、基尼系数1x 、城乡收入差距2x 、城市化率3x 之间的散点图,从图1至图3看出这些点大致分布在一条直线旁边,有比较好的线性关系,可以采用线性回归。

图1

年份 刑事犯罪率（十万分之） 城市化率 城乡收入差距 基尼系数 1993 37.9625 27.99 2.80 0.3742 1994 45.4970 28.51 2.86 0.3875 1995 44.8540 29.04 2.71 0.3794 1996 54.3804 30.48 2.51 0.3728 1997 42.5729 31.91 2.47 0.3598 1998 42.3450 33.35 2.51 0.3918 1999 47.8893 34.78 2.65 0.4043 2000 50.4812 36.22 2.79 0.4011 2001 58.4773 37.66 2.90 0.4337 2002 54.6393 39.09 3.11 0.4512 2003 57.4385 40.53 3.23 0.4580 2004 58.8086 41.76 3.21 0.4700 2005 64.4364 42.99 3.22 0.4830 2006 67.6345 43.90 3.28 0.4960 2007 70.5178 44.94 3.33 0.5094

图2

图3

由以上的散点图可看出，刑事犯罪率与基尼系数、城市化率、城乡收入差距都有较好的线性关系，我们采用Stepwise 法分析各自变量与因变量的线性关系。因此我们将表1的数据输入SPSS 中。在Analyze(分析)中选择Regression(回归)，在Regression(回归)的子目录中选择Linear(线性)，用Stepwise 法（逐步剔除法）进行线性回归分析。

45.00

40.0035.0030.0025.00城市化率

70.0000

60.000050.000040.0000

刑

事犯

罪率（十

万分

之）

3.40

3.203.002.802.602.40城乡收入差距

70.000060.000050.0000

40.0000刑

事犯

罪率（十万分之

）

表3

表4

表5

系数a

模型 偏回归系数

标准化回归系数 t

Sig.

B 标准误差 Beta

1

(常量) -23.342 9.494

-2.459 .029 基尼系数

180.170

22.208

.914

8.113

.000

a. 因变量: 刑事犯罪率（十万分之）

描述性统计量

均值 标准偏差 N 刑事犯罪率（十万分之） 53.195652 9.7935434 15 城市化率 36.2100 5.86146 15 城乡收入差距 2.9055 .30387 15 基尼系数

.424811

.0496726

15

模型汇总

模型 R R 2

调整R 方 标准估计的误差 1

0.914a

0.835

0.822

4.1275953

a. 预测变量: (常量), 基尼系数。

方差分析

模型 平方和 df 均方 F Sig. 1

回归 1121.307 1 1121.307 65.816

.000a

残差 221.482 13 17.037

总计

1342.789

14

a. 预测变量: (常量),基尼系数。

b. 因变量: 刑事犯罪率（十万分之）

相关性

刑事犯罪率（十万分之） 城市化率 城乡收入差距 基尼系数 Pearson 相关性

刑事犯罪率（十万分之） 1.000 .898 .801 .914 城市化率 .898 1.000 .827 .955 城乡收入差距 .801 .827 1.000 .930 基尼系数

.914 .955 .930 1.000 Sig. （单侧） 刑事犯罪率（十万分之） . .000 .000 .000 城市化率 .000 . .000 .000 城乡收入差距 .000 .000 . .000 基尼系数

.000 .000 .000 . N 刑事犯罪率（十万分之） 15 15 15 15 城市化率 15 15 15 15 城乡收入差距 15 15 15 15 基尼系数

15

15

15

15

第二步：

表2、表3，表4和表5分别是描述统计量，模型汇总(拟合度检验)，方差分析(回归方程的显著性检验)和系数检验(回归系数的显著性检验)，表6表示各自变量与因变量的相关性。

模型汇总(拟合度检验)：

测定多元线性回归的拟合程度，其定义为：

21SSR SSE

R SST SST

=

=- 2

22()?()?()i i i i SST y y SSR y y

SSE y y

=-=-=-∑∑∑ 式中SSR 为回归平方和，SSE 为残差平方和，SSE=SST-SSR ，SST 为总平方和，201R ≤≤，2

R 越接近1，回归平面拟合程度越高。i y 为y 的观测值，?i y

为又回归方程得出的y 的预测值，y 为y 的均值

1

n

i

i y

y n

==

∑。

方差分析(回归方程的显著性检验) F - 检验：

2

2

?()///(1)

?()/(1)

i

i y y p

SSR p

F SSE n p y y

n p -==

-----∑∑

~(p,1)F F n p --，12,p x x x …，p 为自变量个数。

系数检验(回归系数的显著性检验) t-检验：

回归系数的显著性检验是检验各自变量12,p x x x …对因变量y 的影响是否显著。

~(1)i

i

t t n p S ββ=

--

其中n 为样本容量，1n p --为自由度，i S β为回归系数i β的标准差。

Sig 就是概率，R 值是看自变量与应变量联系的密切程度，取值范围在0-1，越接近1越密切。表3反映的是拟合情况，相关系数R 为0.914，决定系数R 2值0.835因而回归效果较好。通过表4方差分析，模型1的F 值为65.816，概率为0.000<0.05，可知上述方程通过了F 检验，也表明了上述回归方程是极其显著的。从表5结果模型中常数项为-23.342，基尼系数的偏回归系数为180.170，标准化回归系数为0.914，t 值8.113比显著性0.05水平的t 值2.160大。从表6可以将城市化率，城乡收入差距和基尼系数对刑事犯罪率的相关性进行排序，依次是城市化率、基尼系数和城乡收入差距。根据以上的检验，我们可以得到一元线性回归数学模型：1x 表示基尼系数，0y 表示刑事犯罪率。

0123.342180.17y x =-+

显然，刑事犯罪率与基尼系数呈正相关关系，随着基尼系数的增大，刑事犯罪率也随之增大，基尼系数每增大0.01，刑事犯罪率上升1.8017。

第三步：

下面我们分析基尼系数与城市化率和城乡收入差距的关系。同样用SPSS 进行线性回归分析。

表7

表8

方差分析

模型 平方和 df 均方 F Sig. 1

回归 .034 2 .017 229.765

.000a

残差 .001 12 .000

总计

.035

14

a. 预测变量: (常量), 城市化率, 城乡收入差距。

b. 因变量: 基尼系数

模型汇总 模型 R R 2

调整 R 2

标准估计的误差 1 .987a

.975 .970 .0085591 a. 预测变量: (常量), 城市化率, 城乡收入差距。

表9

系数a

模型 非标准化系数

标准系数 t Sig. B 标准误差 Beta

1

(常量) .034 .023

1.454 .171 城乡收入差距 .073 .013 .444 5.420 .000 城市化率

.005

.001

.588

7.187

.000

a. 因变量: 基尼系数

表10

第四步：

从表7知相关系数R 为0.987，决定系数2R 值0.975，调整决定系数为0.970。因而回归效果很理想。

而表8可知F 值为229.765，对应概率0.000<0.05，所以该模型具有统计学意义，表明回归方程极显著。

然后由表9可得多元线性回归方程：1x 表示基尼系数，2x 表示城乡收入差距，3x 表示城市化率。常数项t 值为1.454，对应概率0.171>0.05，所以常数项不显著则应将该常数项从回归方程中剔除，则回归方程得：

32105.073.0x x x +=

该模型表示，基尼系数与城乡收入差距，城市化率呈正相关关系，随着城乡收入差距的扩大和城市化率的提高，难以避免的造成了基尼系数的增大从而影响着刑事犯罪率的上升。基尼系数对刑事犯罪率存在显著的正效应，其次再是城市化率和城乡收入差距对刑事犯罪率的影响。当城乡收入差距和城市化率同时变化0.01时，城乡收入差距对基尼系数影响大于城市化率对基尼系数的影响。而缩小城乡收入差距我们可以通过改变收入分配制度达到。

表10显示预测值、残差、标准化预测值。标准化残差的极小值、极大值、均值、标准差以及样本容量。残差是由回归方程计算得到的预测值与实际样本值之间的差距

残差统计量a

极小值 极大值 均值 标准差 N 预测值 .367728 .499095 .424811 .0490365 15 残差 -.0151623

.0102702 .0000000 .0079242 15 标准化预测值 -1.164 1.515 .000 1.000 15 标准化残差 -1.771 1.200

.000

.926

15

a. 因变量: 基尼系数

i 01122?e ()i i i p p y y

y x x x ββββ=-=-++++ 它是回归模型中随机误差i ε的估计值。表中残差极小值-0.0151623，极大值0.0102702，均值.0.000，所以回归模型拟合效果不错。根据概率的3σ-原则，标准化残差的绝对值

1.7713<，说明数据中没有奇异数据。

图4是标准化残差的P-P 图，点基本在直线上或附近，说明回归模型是合理、恰当的。 图4

那我们如何影响城市化率的变化和从而减小刑事犯罪率呢？于是我们再进行如下分析。

城市化率虽然表现城镇人口占总人口的比重,但实质则是反映一个国家和地区经济社会结构演变的程度，城市化率不能只与经济简单挂钩，必须要强调城市化率还受文化教育、消费观念、传统习俗等的深刻影响。为了分析的简便，我们选取三个变量：人均GDP 、城镇居民恩格尔系数、普通高等学校在校学生数（十万分之），看这三个变量是否与城市化率存在联系，如存在联系，我们期望通过影响这三个变量，来影响城市化率的变化。 第五步：

下面分析城市化率与城镇居民恩格尔系数、普通高等学校在校学生数（十万分之）、人均GDP 的关系（如表11）用SPSS 软件对其进行Stepwise 法（逐步法）线性回归分析得表12至表18和图5。

表11

年份城市化率普通高等学校

在校学生数

（十万分之）城镇居民恩格尔系数人均GDP

1993 27.99 253.60 50.3167 2998.364 1994 28.51 279.90 50.0393 4044.004 1995 29.04 290.60 50.0906 5045.730 1996 30.48 302.10 48.7609 5845.887 1997 31.91 317.40 46.5950 6420.180 1998 33.35 340.90 44.6610 6796.030 1999 34.78 413.40 42.0680 7158.502 2000 36.22 556.09 39.4422 7857.676 2001 37.66 719.07 38.1990 8621.706 2002 39.09 903.36 37.6764 9398.054 2003 40.53 1108.60 37.1000 10541.970 2004 41.76 1333.50 37.7000 12335.580 2005 42.99 1561.78 36.7000 14053.000 2006 43.90 1738.80 35.8000 16165.000 2007 44.94 1884.90 36.2895 19524.100

注：数据来自《中国统计年鉴2008》

表12

描述性统计量

均值标准偏差N

城市化率36.2100 5.86146 15

人均GDP 9120.385526 4.6567141E3 15

城镇居民恩格尔系数42.095904 5.6968098 15

普通高等学校在校学生数（十万分

之）

800.2661 583.38986 15

表13 相关性

城市化率人均GDP 城镇居民恩格尔

系数

普通高等学校在校学

生数（十万分之）

Pearson 相关性城市化率 1.000 .945 -.965 .946

人均GDP .945 1.000 -.839 .973

城镇居民恩格尔系数-.965 -.839 1.000 -.839

普通高等学校在校学生数

（十万分之）

.946 .973 -.839 1.000

Sig.（单侧）城市化率. .000 .000 .000

人均GDP .000 . .000 .000

城镇居民恩格尔系数.000 .000 . .000

普通高等学校在校学生数

（十万分之）

.000 .000 .000 .

N 城市化率15 15 15 15

人均GDP 15 15 15 15

城镇居民恩格尔系数15 15 15 15

普通高等学校在校学生数

（十万分之）

15 15 15 15

表14

输入／移去的变量a

模型输入的变量移去的变量方法

1 城镇居民恩格尔系数. 步进（准则: F-to-enter 的概率 <= .050，

F-to-remove 的概率 >= .100）。

2 普通高等学校在校学生数

（十万分之）. 步进（准则: F-to-enter 的概率 <= .050，

F-to-remove 的概率 >= .100）。

3 人均GDP . 步进（准则: F-to-enter 的概率 <= .050，

F-to-remove 的概率 >= .100）。

a. 因变量: 城市化率

表15

模型汇总

模型R R 方调整 R 方标准估计的误差

1 .965a.931 .925 1.60247

2 .997b.99

3 .992 .52531

3 .998c.996 .99

4 .43549

a. 预测变量: (常量), 城镇居民恩格尔系数。

b. 预测变量: (常量), 城镇居民恩格尔系数, 普通高等学校在校学生数（十万分之）。

c. 预测变量: (常量), 城镇居民恩格尔系数, 普通高等学校在校学生数（十万分之）, 人均GDP。

表16

方差分析

模型平方和df 均方 F Sig.

1 回归447.61

2 1 447.612 174.309 .000a

残差33.383 13 2.568

总计480.995 14

2 回归477.68

3 2 238.842 865.535 .000b

残差 3.311 12 .276

总计480.995 14

3 回归478.909 3 159.636 841.751 .000c

残差 2.086 11 .190

总计480.995 14

a. 预测变量: (常量), 城镇居民恩格尔系数。

b. 预测变量: (常量), 城镇居民恩格尔系数, 普通高等学校在校学生数（十万分之）。

c. 预测变量: (常量), 城镇居民恩格尔系数, 普通高等学校在校学生数（十万分之）, 人均GDP。

d. 因变量: 城市化率

表17

系数a

模型 非标准化系数

标准系数 t Sig. B 标准误差 Beta

1

(常量)

77.993 3.192

24.436

.000

城镇居民恩格尔系数

-.993 .075 -.965

-13.203 .000 2

(常量)

57.572 2.218

25.952

.000

城镇居民恩格尔系数

-.595

.045 -.579 -13.131 .000 普通高等学校在校学生数（十万分之）

.005 .000

.460

10.439

.000

3

(常量)

55.914 1.951

28.655 .000

城镇居民恩格尔系数

-.578

.038 -.562 -15.130 .000 普通高等学校在校学生数（十万分之） .003 .001

.258

2.941

.013

人均GDP

0.00028

.000 .223 2.542 .027

a. 因变量: 城市化率

表18

第六步：

人均GDP 即是GDP/总人口。

恩格尔系数(Engel's Coefficient)是食品支出总额占个人消费支出总额的比重。19世纪德国统计学家恩格尔根据统计资料，对消费结构的变化得出一个规律：一个家庭收入越少，家庭收入中（或总支出中）用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中（或总支出中）用来购买食物的支出比例则会下降。简单的说就是，恩格尔系数越小，一个国家就越富裕。由表十二相关性可知，城镇恩格尔系数与城市化率相关性最高，其次是普通高等学校在校学生数（十万分之）和人均GDP ，而且三个自变量之间也存在较大程度的相关，在一定程度下可以相互代替。

从表15模型汇总得出，模型3中，复相关系数R 为0.998，决定R 2值0.996，调整决定系数0.994，模型拟合效果相当的好。

从表16模型3中F 值841.751，概率0.000<0.05所以回归方程是极其显著的、是成立的。

残差统计量a

极小值 极大值 均值 标准差 N 预测值 28.3291 45.2871 36.2100 5.84874 15 残差

-.53808 .72865 .00000 .38602 15 标准化预测值 -1.347 1.552 .000 1.000 15 标准化残差

-1.236

1.673

.000

.886

15

a. 因变量: 城市化率

表17回归方程的系数，模型3中常数项t 值28.665，城镇恩格尔系数t 值-15.130，普通高等学校在校学生数t 值2.941，人均GDP 的t 值2.542，它们t 值均>2.201，概率为0.000，0.013，0.027且<0.05。 所以回归方程是：

65430.00028003.0578.0914.55x x x x ++-=

4x 表示城镇恩格尔系数，5x 表示通高等学校在校学生数（十万分之），6x 表示人均GDP 。

表18是残差统计量表，残差极小值-0.53808，极大值0.72865，均值0.000，说明回归模型拟合效果还不错，标准化残差1.673<3，由概率的3σ-原则，说明数据中没有奇异数据。

图5表示回归方程观测量累计概率P-P 图，点基本在直线上或附近，因此回归方程式合适的。

图5

四 结论

0123.342180.17y x =-+ 32105.073.0x x x +=

65430.00028003.0578.0914.55x x x x ++-=

0y 表示刑事犯罪率，1x 表示基尼系数； 2x 表示城乡收入差距，3x 表示城市化率，4x 表示城镇恩格尔系数，5x 表示普通高等学校在校学生数（十万分之），6x 表示人均GDP 。通过以上三个回归模型，我们应从以下几个方面入手，降低刑事犯罪率。

4.1 基尼系数不断增大，居民收入分配的不公正，造成贫富的悬殊，从而使我国刑事犯罪率上升。

我国正处于经济转轨、社会转型的特殊历史时期;社会保障建设滞后以及立法滞后，造成打击犯罪不利；执法不严、有法不依；而且由于我国正处于工业化、城镇化加快推进的特殊历史阶段，经济基础和社会结构剧烈变动，利益关系和利益格局深刻调整，影响社会稳定的不确定因素明显增多，导致刑事犯罪率呈高发态势。我国30年的改革开放取得的巨大成就，使国家获得了空前的发展，但是两级分化很严重，这是所有发展中国家包括社会主义转轨国家的“通病”和社会难题。由于两级分化越来越严重，民间弥漫着“三仇”的心理：

一是仇富，特别是作为当今富翁群体的出现, 加剧了贫富差距, 再加上新闻媒体未正确引导和推波助澜，强烈地冲击着人们的心理。人们普遍认为现有的富翁人员中相当数量是靠投机倒把、打法律的“擦边球”及其他非法途径致富的, 其巨额资财里的合法成份很低，再加上富人的为富不仁、飞扬跋扈如像杭州富家子飙车撞人，这些使得穷人看到富人就来气，仇富心理愈来愈严重。

二是仇官，认为当官的都没有好人，都是腐败分子，现在官场的腐败现象确实也很厉害，损害了党和政府的形象。贪污腐败的行为直接导致党和政府的形象被严重破坏。从根本上讲，官员的腐败考验着党的执政能力，也事关党的生死存亡，贪污腐败的行为侵犯了人民的根本利益，损害了党领导下的政府的威信，一个贪污腐败的政府机构必然导致其领导权威的降低，导致社会矛盾的加剧。

三是仇警，恨警察，认为警察最坏，所以警察出现问题老百姓揭竿而起。贵州瓮安的动乱就是认为警察在处理一个女性的死因不公平，纠集几千人，烧了公安局，砸了县政府。这是一个导火索。

4.2 妥善处理城乡收入差距、城市化率与刑事犯罪率的关系

32105.073.0x x y +=

根据回归方程，城乡收入差距系数0.73 >城市化率系数0.05，所以城乡收入差距的变

化对基尼系数影响较大，城市化率的变化对基尼系数的较小。但是出于现代化建设的需要和我国的基本国情，我们不能靠牺牲我国现代化、城市化的进程来降低刑事犯罪率，因此，我们必须一方面努力缩小城乡收入差距，另一方面也要合理加快城市化。而且前者要花更大的精力。对此我们可以采取如下对策： 4.2.1 缩小城乡收入差距

改变收入分配不公格局是缩小基尼系数、降低刑事犯罪率的有效途径。我们对此可以采取如下对策：

深化分配制度改革，健全社会保障体系。

第一是坚持市场化方向，创新生产要素按贡献参与分配的机制。保护劳动者按劳分配收入，创造公平择业竞争环境，逐步放开限制劳动者竞争、自由流动的户籍制度、福利保障制度，以及一些限制劳动力流动的地方性保护规章。

第二是逐步破除城乡分割的二元分配机制。包括打破城乡户籍藩篱，建立新型的现代城乡户籍管理制度；建立进城农民工的社保制度和公共服务制度，建立失地农民的补偿制度和社保体系。在再分配领域，继续推进改革，将城镇居民的各种隐性补贴“阳光化”、货币化；同时，加大对农村和落后地区的财政补贴和转移性支付力度。

第三，还要推进“第三次分配体系”建立，鼓励富人捐资建立慈善性基金，按国际通行办法免除其捐款所得税，通过发展慈善事业，缓解收入差距的不断扩大。

此外，要建立健全社会保障体系。社会保障具有调节收入差距，缓解社会矛盾，稳定社会的功能，是经济发展的安全网、稳定器。社会保障体系包括社会保险、社会救济、社会福利、优抚安置和社会互助、商业保险、慈善事业等。 4.2.2 制订合理、科学的城市化率速度

65430.00028003.0578.0914.55x x x x ++-=

我们要降低城镇居民恩格尔系数，以提高城市化率；增加普通高等学校在校学生数，以提高城市化率；增加人均GDP ，以提高城市化率；根据恩格尔系数的定义，要降低恩格尔系数，就是要减少食品支出总额占个人消费支出总额的比重，即增大消费性支出所占比重。一方面，增大居民可支配收入。另一方面增大消费性支出即刺激消费。

综上我们采取如下对策：

其一，大力发展社会生产力，增加社会财富，加快工业化、城市化建设，坚持计划生育基本国策，严格控制人口增长。不断增大人均GDP ，它是我国实现“三步走”发展战略和全面现代化的衡量标准。

其二，政府鼓励消费和旅游来降低城镇恩格尔系数。鼓励消费，扩大内需对于我国GDP 增长有巨大促进作用。刺激旅游业发展，不仅能加快发展服务性行业，而且对提高就业率有十分显著的作用还能刺激居民的消费需求。

其三，增加普通高等学校在校学生数。政府应加大对教育的投资，特别是高等教育的投资，提高财政性教育经费占GDP 的比重，合理增加普通高等学校招生规模，同时也要努力促进大学生就业，如此才能使教育资源良性发展。

同时在城市化进程中，又带来了环境污染，生态被破坏的问题。因此我们必须坚持科学发展观，做到城市化速度与城市质量的统一，城市化发展速度要同整个经济社会建设总体部署相协调；一味地强调农村人口向城镇集中是不符合事物发展规律的，要防止单纯增加城镇人口数量，为城市化而城市化和城市化过热的现象；坚持大中小城市和小城镇协调发展的城市化道路，各地方政府的城市化率速度制定需要结合自己的基本情况和发展条件。走出一条符合我国国情的城市化道路。

参考文献

[1] 王牧，王名迪，等.犯罪学丛论（第1卷）[M].北京：中国检察出版社，2003：

8.

[2] 冯树梁.中外预防犯罪比较研究[M].北京：中国人民公安大学出版社，2003：10.

[3] 李锡海.文化与犯罪研究[M].北京：中国人民公安大学出版社，2006：1.

[4] 张绍彦，陈云生，等.犯罪学[M].北京：社会科学文献出版社，2004：12.

[5] 张文彤.SPSS统计分析高级教程[M].北京:高等教育出版社,2004.

[6] 俞雷.中国现阶段犯罪问题研究[M].北京：中国人民公安大学出版社,1997.

[7] 张宇山.多元线性回归分析的实例研究[J].科技信息，2009，（9）：54-56.

[8] 丁桂茹.基于基尼系数角度分析我国收入分配问题[J].技术与市场，2009，16

（05）：39.

[9] 尹玉京，曹熙宗.犯罪率的情境分析：以韩国为个案[J].江苏警官学院学报，2007，

22（4）：14-20.

[10]王璐.SPSS统计分析基础、应用于实践[M].北京：化学工业出版社，2010.1

[11] 陆铭,陈钊,万广华.中国的收入差距、投资、教育和增长的相互影响[J].经济

究,2005 , (12) : 4-14.

[12] 陈春良,易君健.收入差距与刑事犯罪率[J].世界经济研究,2009 , (1) : 23-25.

[13] 胡联合.转型与犯罪:中国转型期犯罪问题的实证研究[M].北京:中央党校出版

社,2007.

[14] Becker，G. S. Crime and Punishment: An Economic Approach [J].Journal of

Political Economy，1968， (76):169 —217.