犯罪空間依賴性分析

潘振生 王宏玉

摘要：一個(gè)地區(qū)犯罪高發(fā)，其周邊鄰近地區(qū)為何也犯罪高發(fā)？這一現(xiàn)象應(yīng)該如何描述，又該如何解釋？本文使用犯罪空間依賴性來概括這一現(xiàn)象，以廣東地區(qū)犯罪為例進(jìn)行描述性分析，發(fā)現(xiàn)該地區(qū)犯罪空間依賴性呈增強(qiáng)趨勢(shì)，廣州、東莞和中山形成犯罪熱點(diǎn)地區(qū)?；诖耍疚臉?gòu)建了空間計(jì)量經(jīng)濟(jì)學(xué)中的空間計(jì)量模型，研究不僅發(fā)現(xiàn)了本地區(qū)犯罪與鄰近地區(qū)犯罪的強(qiáng)相關(guān)，而且計(jì)量出犯罪影響因素具有顯著的空間溢出效應(yīng)，以犯罪及其影響因素的空間交互效應(yīng)對(duì)犯罪空間依賴性的成因進(jìn)行了解釋。

關(guān)鍵詞：犯罪空間依賴性；空間計(jì)量經(jīng)濟(jì)學(xué)；溢出效應(yīng)

中圖分類號(hào)：D917文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-5103（2021）05-0036-12

作者簡(jiǎn)介：潘振生，中國(guó)人民公安大學(xué)犯罪學(xué)學(xué)院碩士研究生；王宏玉，中國(guó)人民公安大學(xué)犯罪學(xué)學(xué)院副教授，碩士生導(dǎo)師，博士。

一、問題的提出

空間依賴性是一種客觀存在的空間地理現(xiàn)象，主要指空間觀測(cè)單位之間的地理依賴或空間相關(guān)[1]。例如，犯罪在空間上并不是均勻分布的，犯罪較多的區(qū)域，其周邊鄰近地區(qū)的犯罪也相對(duì)較多，這種現(xiàn)象被稱為犯罪空間依賴性。人口、國(guó)內(nèi)生產(chǎn)總值（GDP）等也已被證實(shí)存在類似現(xiàn)象[2]。

目前，國(guó)內(nèi)外針對(duì)犯罪空間依賴性的研究主要有兩類：一類是對(duì)犯罪的空間依賴性進(jìn)行描述，屬于犯罪現(xiàn)象研究范疇。較為常見的是對(duì)不同犯罪類型進(jìn)行空間依賴性等空間特征分析，例如故意殺人、搶劫、入室盜竊、詐騙、毒品犯罪。當(dāng)研究尺度從宏觀地區(qū)轉(zhuǎn)向微觀的街區(qū)、地點(diǎn)，犯罪依賴性的描述便成為了“犯罪熱點(diǎn)”的識(shí)別與分析。由于足夠微觀，往往能夠提出具體實(shí)用的犯罪治安防控對(duì)策；另一類是基于犯罪空間分布的視角分析影響犯罪的各種因素，屬于犯罪原因研究范疇。根據(jù)因素側(cè)重不同具體又可分為兩種，一種是側(cè)重社會(huì)經(jīng)濟(jì)因素，實(shí)質(zhì)是對(duì)傳統(tǒng)的社會(huì)學(xué)犯罪原因研究范式中對(duì)空間效應(yīng)考量不足的變革。如，在考慮社區(qū)空間依賴性的基礎(chǔ)上分析資源匱乏對(duì)故意殺人罪數(shù)量的影響，分析暴力犯罪的種族差異，借助空間計(jì)量模型研究就業(yè)狀況對(duì)城市犯罪的影響，對(duì)社會(huì)人口學(xué)特征與入室盜竊行為的關(guān)系進(jìn)行空間分析等；另一種是側(cè)重空間因素，探究城市建成環(huán)境因素中，城市建設(shè)用地性質(zhì)、居住區(qū)環(huán)境、娛樂與商業(yè)場(chǎng)所、交通設(shè)施等空間因素對(duì)犯罪的影響。我國(guó)學(xué)者單勇在理論上提出利用空間相關(guān)性（包含空間依賴性）解釋犯罪熱點(diǎn)成因[3]。

犯罪空間依賴性是犯罪與空間關(guān)系研究的新領(lǐng)域，是一種對(duì)犯罪現(xiàn)象的新的包含空間效應(yīng)的總體描述，能夠引導(dǎo)我們從空間角度非線性地探求犯罪原因，為全面預(yù)防和治理犯罪提供重要啟示。但隨著犯罪空間依賴性觀測(cè)技術(shù)的日臻成熟，對(duì)犯罪空間依賴性成因進(jìn)行探析便順理成章且必要，而目前國(guó)內(nèi)關(guān)于犯罪空間依賴性成因的研究和分析相對(duì)薄弱?；诖?，本文擬解決以下問題：一、試用我國(guó)數(shù)據(jù)證明，我國(guó)犯罪是否存在空間依賴性？二、哪些結(jié)構(gòu)性的因素和空間過程導(dǎo)致了犯罪空間依賴性的形成？三、在我國(guó)實(shí)施區(qū)域一體化戰(zhàn)略背景下，犯罪空間依賴性對(duì)犯罪治理有何啟示？

二、犯罪空間依賴性分析路徑

1.學(xué)科背景與理論基礎(chǔ)

犯罪作為特殊的人類行為，發(fā)生在地理空間中，自然也應(yīng)當(dāng)具有空間依賴性。

犯罪與空間的關(guān)系研究最早可追溯到19世紀(jì)30年代犯罪學(xué)的“制圖學(xué)派”，巴爾比（Adriano Balbi）和格雷（Guerry）對(duì)法國(guó)大行政區(qū)之間的犯罪水平和犯罪率做了比較。凱特萊（Quetelet）還注意到大行政區(qū)犯罪的多變性，發(fā)現(xiàn)一些最貧窮地區(qū)的犯罪率最低，這種從空間角度思考犯罪的做法打破了當(dāng)時(shí)人們“貧窮導(dǎo)致犯罪，越貧窮地區(qū)犯罪越多”的主觀臆想。

20世紀(jì)初，犯罪學(xué)重心從歐洲轉(zhuǎn)移到了美國(guó)，其中“芝加哥學(xué)派”代表人物帕克（Park）和伯吉斯（Burgess）通過研究城市環(huán)境的特點(diǎn)提出了“同心圓理論”[4]。肖（Shaw）和麥凱（Mckay）在研究中系統(tǒng)地建立起了影響犯罪因素的指標(biāo)體系，并運(yùn)用時(shí)空分析的方法，一方面從時(shí)間維度，縱向比較某一區(qū)域不同時(shí)間指標(biāo)體系中某些因素的變化對(duì)犯罪數(shù)量變化的影響；另一方面從空間維度，橫向比較不同區(qū)域指標(biāo)體系中某些因素的差異對(duì)這些區(qū)域犯罪數(shù)量差異的影響[5]。這種不同空間地理區(qū)域的比較研究成為探求犯罪規(guī)律和原因的重要研究范式。

20世紀(jì)60年代以后，美國(guó)學(xué)者雅各布斯（Jane Jacobs）、紐曼（Oscar Newman）和杰佛瑞（Jeffery）分別提出了“街道眼”理論[6]、“可防衛(wèi)空間”理論[7]和“通過環(huán)境設(shè)計(jì)預(yù)防犯罪”（Crime Prevention Through Environmental Design，簡(jiǎn)稱CPTED）理論[8]，開創(chuàng)了通過設(shè)計(jì)城市物理空間布局以預(yù)防抑制犯罪的道路，至今仍在城市規(guī)劃和建筑設(shè)計(jì)等領(lǐng)域發(fā)揮著重要的作用。

20世紀(jì)70年代以后，隨著日?；顒?dòng)理論、理性選擇理論和犯罪形態(tài)理論等環(huán)境犯罪學(xué)理論的提出，人們逐漸認(rèn)識(shí)到空間環(huán)境不只是犯罪產(chǎn)生的原因，更是犯罪發(fā)生的條件。雖然就犯罪目的而言，犯罪是人類的非理性行為，但就犯罪的過程來說，犯罪卻是犯罪人理性實(shí)施的。根據(jù)日?；顒?dòng)理論，犯罪只會(huì)在易獲得的目標(biāo)和被害人、缺失的監(jiān)管看護(hù)、有犯罪動(dòng)機(jī)的犯罪人三個(gè)條件同時(shí)具備時(shí)發(fā)生。根據(jù)理性選擇理論，犯罪人會(huì)衡量犯罪的收益和風(fēng)險(xiǎn)成本，只有當(dāng)凈收益大于零時(shí)，才會(huì)做出實(shí)施犯罪行為的決策。空間位置對(duì)犯罪動(dòng)機(jī)、犯罪機(jī)會(huì)和犯罪監(jiān)管都會(huì)產(chǎn)生影響，進(jìn)而影響犯罪的成本、風(fēng)險(xiǎn)和收益。布蘭廷厄姆夫婦提出的犯罪形態(tài)理論更是直接辯稱，一個(gè)地點(diǎn)的空間背景將激發(fā)個(gè)人的犯罪動(dòng)機(jī)，進(jìn)而影響是否犯罪的可能[9]。這些理論都可以從微觀角度解釋犯罪人會(huì)對(duì)不同區(qū)域進(jìn)行“理性”的選擇，從而使得犯罪形成不同的空間分布格局，具有相似空間因素的鄰近區(qū)域會(huì)形成犯罪依賴性現(xiàn)象。

在1989年，謝爾曼（Sherman）發(fā)現(xiàn)一個(gè)城市50%的犯罪發(fā)生在3%-4%的犯罪地點(diǎn)[10]，這引起了犯罪學(xué)界對(duì)“犯罪熱點(diǎn)”的極大興趣。大衛(wèi)·威斯勃德等人對(duì)西雅圖市1989—2002年街面犯罪熱點(diǎn)的研究得出了類似的結(jié)論，進(jìn)而提倡“地點(diǎn)犯罪學(xué)”和指導(dǎo)警務(wù)實(shí)踐的“基于地點(diǎn)警務(wù)”[11]。

2.研究數(shù)據(jù)

本文選用的數(shù)據(jù)來源于《2019年廣東社會(huì)統(tǒng)計(jì)年鑒》《2019年廣東統(tǒng)計(jì)年鑒》，主要包括2009-2018年廣東省各地級(jí)市的公安機(jī)關(guān)刑事案件立案數(shù)量，2018年廣東省各地市國(guó)內(nèi)生產(chǎn)總值、居民人均可支配收入、登記失業(yè)人數(shù)、暫住人口分布等數(shù)據(jù)。我們選取公安機(jī)關(guān)刑事案件立案數(shù)量作為犯罪的衡量指標(biāo)，2018年的數(shù)據(jù)特征如表1所示。

從表1中可以看出，數(shù)據(jù)的標(biāo)準(zhǔn)差較大，四分之三位數(shù)與四分之一位數(shù)之差較大，這意味著廣東各地市之間犯罪數(shù)量差距較大。但是，這樣的數(shù)據(jù)展示方式不能體現(xiàn)空間信息，需要將數(shù)據(jù)從圖表形式轉(zhuǎn)化為地圖形式，用更直觀的形式進(jìn)一步探究犯罪數(shù)據(jù)中與空間相關(guān)的統(tǒng)計(jì)特征。如圖1所示，現(xiàn)代犯罪繪圖技術(shù)能夠在地圖上將犯罪事件可視化，以分析空間中犯罪的分布情況，并識(shí)別犯罪模式。從圖中可以粗略地觀察到，廣東省的犯罪數(shù)量呈現(xiàn)出以珠三角地區(qū)為中心，向周邊遞減的分布模式。佛山、廣州、東莞、深圳四市的犯罪數(shù)量作為第一等級(jí)，處于2.9萬(wàn)件至11.8萬(wàn)件范圍內(nèi)，遠(yuǎn)遠(yuǎn)高于省內(nèi)其他地區(qū)，而且四市地理邊界鄰接，人員流動(dòng)頻繁，社會(huì)經(jīng)濟(jì)聯(lián)系密切，都處在粵港澳大灣區(qū)區(qū)域一體化的歷史進(jìn)程中。故而我們推測(cè)廣東省內(nèi)犯罪可能存在空間依賴性，而且是影響犯罪的各項(xiàng)社會(huì)經(jīng)濟(jì)因素的空間溢出效應(yīng)造成了犯罪空間依賴性。這些條件使得本項(xiàng)研究工作具有潛在的現(xiàn)實(shí)意義，但犯罪的空間依賴性是否真實(shí)存在以及為何存在，需要地理計(jì)算科學(xué)、空間計(jì)量經(jīng)濟(jì)學(xué)等學(xué)科提供的方法進(jìn)行客觀邏輯檢驗(yàn)。

3.研究方法與框架

（1）描述犯罪空間依賴性的方法

我們使用探索性空間分析（ESDA）對(duì)廣東地區(qū)犯罪在地級(jí)市層次上是否表現(xiàn)出犯罪空間依賴性進(jìn)行檢驗(yàn)，并將整個(gè)過程通過可視化制圖展示出來。探索性空間分析（Exploratory Spatial Data Analysis，ESDA）是一系列地理信息統(tǒng)計(jì)分析技術(shù)的集合，在交互式計(jì)算環(huán)境中融合了描述性和探索性，它通過制圖來可視化空間模式的假設(shè)檢驗(yàn)[12]。本文對(duì)探索性空間分析（ESDA）主要包括的莫蘭指數(shù)（Morans I）、局部空間關(guān)聯(lián)指數(shù)（LISA）進(jìn)行簡(jiǎn)要說明。

莫蘭指數(shù)。莫蘭指數(shù)（Morans I）是使用最廣泛的能夠檢驗(yàn)空間依賴性的統(tǒng)計(jì)量。莫蘭指數(shù)分為全局莫蘭指數(shù)和局部莫蘭指數(shù)。在實(shí)證分析中，我們通常使用全局莫蘭指數(shù)來探測(cè)是否存在空間依賴性，該指數(shù)的取值在[-1，1]范圍內(nèi)，指數(shù)是正值表示存在正向空間依賴性，負(fù)值表示存在負(fù)向空間依賴性，絕對(duì)值越大，并且顯著，證明空間依賴強(qiáng)度越大。其計(jì)算公式為：

空間聯(lián)系局部指標(biāo)（LISA）。空間聯(lián)系局部指標(biāo)（LISA）是安塞林（Anselin）提出的一組指標(biāo)，既能用于度量空間數(shù)據(jù)的局部相關(guān)性，識(shí)別空間聚集，也能為進(jìn)一步分析異常值奠定基礎(chǔ)，其中就包括局部莫蘭指數(shù)。

其中，Ii表示第i個(gè)空間單元的局部莫蘭指數(shù)，因此莫蘭指數(shù)I就是所有局部莫蘭指數(shù)的平均值。

局部莫蘭指數(shù)可以和莫蘭散點(diǎn)圖配合使用，篩選出通過局部莫蘭指數(shù)檢驗(yàn)而表現(xiàn)出顯著空間依賴性的空間單元。莫蘭散點(diǎn)圖是指將各個(gè)空間單元的觀測(cè)值作為橫坐標(biāo)與其空間滯后項(xiàng)作為縱坐標(biāo)繪制成的散點(diǎn)圖。莫蘭散點(diǎn)圖的坐標(biāo)軸形成的四個(gè)象限將散點(diǎn)分為了四類，第一、二、三、四象限分別對(duì)應(yīng)著“高-高”“低-高”“低-低”“高-低”四種不同的空間相關(guān)狀態(tài)，將這四種狀態(tài)在地圖上表示出來，就成了經(jīng)典的LISA圖。

（2）研究犯罪空間依賴性成因的方法

建立空間計(jì)量模型

本文擬在判定犯罪存在空間依賴性后，選擇和建立多個(gè)空間計(jì)量模型，進(jìn)而對(duì)空間溢出效應(yīng)進(jìn)行估算以解釋犯罪空間依賴性。

其中，Y為N×1階向量，是每個(gè)空間單元（i=1，2，？，N）被解釋變量的觀測(cè)值。lN是一個(gè)N×1階元素為1的單位列向量，與常數(shù)項(xiàng)參數(shù)α相對(duì)應(yīng)。X是解釋變量矩陣，β是解釋變量參數(shù)，ε是誤差項(xiàng)。

對(duì)于大多數(shù)空間實(shí)證分析而言，空間計(jì)量建模首先是從非空間計(jì)量模型如經(jīng)典線性回歸模型（OLS）開始的，然后討論或者檢驗(yàn)這個(gè)模型能否加入空間效應(yīng)以建立空間分布。空間計(jì)量經(jīng)濟(jì)學(xué)家伯里奇（Burridge）、安塞林（Anselin）以及埃爾霍斯特（Elhorst）在模型的選擇和檢驗(yàn)中做出大量貢獻(xiàn)，提出了LM-error、LM-lag準(zhǔn)則和robust LM-error、robust LM-lag準(zhǔn)則。所以，建立經(jīng)典線性回歸模型以后，需要進(jìn)行LM相關(guān)檢驗(yàn)，根據(jù)檢驗(yàn)結(jié)果討論能否建立有關(guān)空間滯后的空間計(jì)量模型。

計(jì)量本地效應(yīng)與溢出效應(yīng)

建立空間計(jì)量模型可以利用回歸系數(shù)，但仍不足以解釋犯罪空間依賴性的形成，需要進(jìn)一步計(jì)算本地效應(yīng)與溢出效應(yīng)。本地效應(yīng)，又稱直接效應(yīng)，是指本空間單元變量對(duì)本空間單元變量的解釋；溢出效應(yīng)，又稱間接效應(yīng)，是指其他空間單元變量對(duì)本空間單元變量的解釋。本文的目的在于通過空間計(jì)量模型計(jì)算解釋變量的空間溢出效應(yīng)，以此對(duì)犯罪的空間依賴性進(jìn)行一定的合理解釋。在本文使用J·保羅·埃爾霍斯特提出的空間本地效應(yīng)（直接效應(yīng)）與溢出效應(yīng)（間接效應(yīng)）的估算方法[13]，總結(jié)見表2。

（3）研究框架

本研究是在試驗(yàn)過程中逐步完成的。首先，我們將廣東地區(qū)的犯罪數(shù)據(jù)與空間數(shù)據(jù)結(jié)合起來，制作犯罪分級(jí)地圖以觀察是否可能存在空間依賴性。其次，我們對(duì)犯罪是否具有犯罪空間依賴性進(jìn)行檢驗(yàn)，如果通過檢驗(yàn)則繼續(xù)探究下去，對(duì)犯罪的空間依賴性依次進(jìn)行全局描述和局部描述，以回答“犯罪空間依賴性是什么，具體是怎樣的”的問題，否則結(jié)束試驗(yàn)。最后，我們建立空間計(jì)量模型，構(gòu)建犯罪及其影響因素的空間交互關(guān)系并計(jì)量本地效應(yīng)和溢出效應(yīng)，以此來解釋犯罪空間依賴性，回答“犯罪空間依賴性為什么會(huì)存在”的問題。本文的總體研究框架如圖2所示。

三、犯罪空間依賴性的描述性分析與解釋性分析

1.犯罪空間依賴性的描述性分析

（1）全局性描述

本文使用全局莫蘭指數(shù)來檢驗(yàn)2009至2018年十年間廣東省犯罪在地市級(jí)層面上是否存在犯罪空間依賴性，結(jié)果如圖3所示。

從檢驗(yàn)結(jié)果上看，實(shí)線代表的全局莫蘭指數(shù)呈現(xiàn)出一定的趨勢(shì)性，虛線代表的莫蘭指數(shù)顯著性檢驗(yàn)在2012年以后達(dá)到了5%的顯著水平，全局莫蘭指數(shù)從不顯著變成顯著，方向?yàn)檎医^對(duì)值整體上不斷增大。這說明2009年至2018年十年間廣東省內(nèi)犯罪的聚集性在增強(qiáng)，犯罪空間依賴性在增強(qiáng)。

犯罪空間依賴性顯著的年份為2013年至2018年，這說明犯罪空間依賴性并不是必然存在的現(xiàn)象，其出現(xiàn)有一定的條件，限于篇幅和不考慮時(shí)間效應(yīng)，本文以2018年的犯罪空間依賴性為例（圖4）進(jìn)行展示并進(jìn)行解釋性分析。

在圖4中，左圖是2018年犯罪數(shù)據(jù)的全局莫蘭指數(shù)圖示，其莫蘭指數(shù)值為0.44，屬于較強(qiáng)的正相關(guān)，陰影部分是經(jīng)過蒙特卡洛模擬大量計(jì)算后形成的莫蘭指數(shù)的經(jīng)驗(yàn)分布，右邊紅色直線為計(jì)算出來的莫蘭指數(shù)，偏離于陰影部分，屬于小概率事件，拒絕了“當(dāng)空間單元隨機(jī)分布時(shí)，變量不存在空間依賴性”的原假設(shè)。因此，2018年廣東省的犯罪在地級(jí)市層次上表現(xiàn)出較強(qiáng)的空間依賴性。右圖是進(jìn)行了線性回歸的莫蘭散點(diǎn)圖，圖中直線斜率顯著不為0，同樣可以證明存在空間依賴性。此外，莫蘭散點(diǎn)圖四個(gè)象限代表四種不同的狀態(tài)：第一象限中，呈現(xiàn)了“高-高”狀態(tài)，即本地區(qū)犯罪較高的，其鄰近地區(qū)犯罪也較高，這類情況體現(xiàn)了正向的空間依賴性；第二象限中，呈現(xiàn)了“低-高”狀態(tài)，即本地區(qū)犯罪較低，其鄰近地區(qū)犯罪卻較高，體現(xiàn)了反向的空間依賴性；第三象限中呈現(xiàn)了“低-低”狀態(tài)，即本地區(qū)犯罪較低，其鄰近地區(qū)犯罪也較低，體現(xiàn)了正向的空間依賴性；第四象限中呈現(xiàn)了“高-低”狀態(tài)，即本地區(qū)犯罪較高而鄰近地區(qū)犯罪較少，體現(xiàn)了反向的空間依賴性?？梢钥闯觯谝?、三象限中的散點(diǎn)較多，說明這些地區(qū)的犯罪以體現(xiàn)正向空間依賴性為主。

（2）局部性描述

通過空間關(guān)聯(lián)局部指標(biāo)（LISA）對(duì)每個(gè)空間單元進(jìn)行蒙特卡洛模擬檢驗(yàn)，將顯著的點(diǎn)在莫蘭散點(diǎn)圖標(biāo)記出來，如圖5所示，可以看出有3個(gè)表現(xiàn)出“高-高”狀態(tài)的空間單元具有顯著的局部空間依賴性，有2個(gè)表現(xiàn)出“低-低”狀態(tài)的空間單元具有顯著的局部空間依賴性。將這種情況表示在地圖上則如圖6所示，可以直觀形象地看到，共有5個(gè)地市的犯罪表現(xiàn)出局部的空間依賴性。其中，廣州、東莞、中山三地的犯罪高發(fā)且呈現(xiàn)“高-高”聚集，即鄰近地區(qū)犯罪高，本地區(qū)犯罪也高，屬于“犯罪熱點(diǎn)地區(qū)”，梅州、揭陽(yáng)兩地低發(fā)且呈現(xiàn)“低-低”聚集，即鄰近地區(qū)犯罪較少，本地區(qū)犯罪也較少，屬于“犯罪冷點(diǎn)地區(qū)”。

2.犯罪空間依賴性的解釋性分析

（1）空間依賴性解釋性分析的基礎(chǔ)

解釋性分析的基礎(chǔ)——建立OLS模型

本文試建立空間計(jì)量模型以對(duì)犯罪空間依賴性進(jìn)行解釋性分析，首先建立經(jīng)典線性回歸模型（OLS）作為基礎(chǔ)模型，這一步的關(guān)鍵是選取變量。本文使用“逐步回歸法”（stepwise）篩除不顯著的變量，在保證模型的方差膨脹因子（VIF）不大于30的情況下，考慮到變量的可解釋性，最終從國(guó)民經(jīng)濟(jì)、人口、就業(yè)和社會(huì)保障等類別的眾多變量中篩選出了國(guó)內(nèi)生產(chǎn)總值（GDP）、居民人均可支配收入（INCOME）、登記失業(yè)人數(shù)（EUE）、暫住人口分布（TRP）等4個(gè)變量。因此，本文以犯罪數(shù)量為被解釋變量，以上述4個(gè)變量為解釋變量，建立經(jīng)典線性回歸模型（OLS），求解結(jié)果作為基準(zhǔn)參考與其他模型一并展示在表3中。

解釋性分析的基礎(chǔ)——LM檢驗(yàn)分析

根據(jù)LM-error、LM-lag準(zhǔn)則和robust LMerror、robust LM-lag準(zhǔn)則對(duì)OLS模型的殘差進(jìn)行檢驗(yàn)，結(jié)果如表2所示。

綜上，根據(jù)各項(xiàng)拉格朗日乘子統(tǒng)計(jì)量的檢驗(yàn)，我們應(yīng)當(dāng)繼續(xù)建立體現(xiàn)空間滯后的空間計(jì)量模型來進(jìn)一步探索和評(píng)估犯罪空間依賴性的形成原因。

（2）空間計(jì)量模型分析

空間計(jì)量模型可以分析犯罪及其影響因素在空間中的交互效應(yīng)，進(jìn)而為犯罪空間依賴性的成因解釋奠定基礎(chǔ)。在本文建立的空間計(jì)量模型中，自變量空間滯后模型（SLX）是使用最小二乘法求解的，一階自回歸模型（FAR）、空間滯后模型（SAR）、空間杜賓模型（SDM）是使用極大似然方法進(jìn)行參數(shù)估計(jì)的，求解結(jié)果如表3所示。

從一階自回歸模型（FAR）的結(jié)果來看，自回歸參數(shù)估計(jì)值為0.696506，并且顯著性很高，這意味著鄰近地區(qū)犯罪對(duì)本地區(qū)犯罪的平均空間效應(yīng)約為0.70，鄰近地區(qū)的犯罪每增加一個(gè)單位的犯罪，本地區(qū)犯罪也要增加0.7個(gè)單位。但同時(shí)我們發(fā)現(xiàn)，F(xiàn)AR模型的R2僅為0.2895，R2統(tǒng)計(jì)量表示模型的擬合程度，R2值越大，表明模型對(duì)被解釋變量的解釋程度越高。所以，雖然FAR模型揭示了鄰近地區(qū)之間犯罪的強(qiáng)相關(guān)性，但不足以完全用鄰近地區(qū)犯罪來解釋本地區(qū)犯罪，需要結(jié)合其他解釋變量。

從空間滯后模型（SAR）的計(jì)量結(jié)果看，在加入了犯罪的空間滯后項(xiàng)之后，相較OLS模型，國(guó)內(nèi)生產(chǎn)總值（GDP）對(duì)犯罪數(shù)量的影響依然十分顯著，但影響程度從OLS模型中的10.4487提高到了10.8020。該參數(shù)作為本地效應(yīng)表明，國(guó)內(nèi)生產(chǎn)總值每增加1億元，犯罪數(shù)量增加10.8020件。由此可知，國(guó)內(nèi)生產(chǎn)總值會(huì)正向影響犯罪發(fā)生的可能性。暫住人口（TRP）的影響無(wú)較大變化，顯著性從1%置信水平降至5%置信水平，該參數(shù)作為本地效應(yīng)表明，暫住人口每增加100人，犯罪數(shù)量減少1.18件，由此可知，暫住人口會(huì)反向影響犯罪在本地發(fā)生的可能性?？芍涫杖耄↖NCOME）、注冊(cè)失業(yè)人數(shù)（RUE）對(duì)犯罪的影響不再具有統(tǒng)計(jì)顯著性。最為重要的是，犯罪的空間滯后項(xiàng)（W_CRIME）在SAR模型中對(duì)犯罪的影響是0.2721，在統(tǒng)計(jì)上極為顯著，周邊鄰近地區(qū)犯罪每增加1件，本地區(qū)犯罪增加0.27件，反映出明顯的正向溢出效應(yīng)。

在自變量空間滯后模型（SLX）中，體現(xiàn)本地效應(yīng)的回歸系數(shù)表明，國(guó)內(nèi)生產(chǎn)總值、暫住人口對(duì)犯罪的影響與前述相同，不同的是，注冊(cè)失業(yè)人數(shù)每增加1人，犯罪數(shù)量減少0.49件。由此可見，注冊(cè)失業(yè)人數(shù)對(duì)犯罪有明顯的負(fù)向影響，促使社會(huì)上的失業(yè)人員進(jìn)行登記，使失業(yè)人數(shù)可知可控，能夠有效降低犯罪在本地發(fā)生的可能性。在體現(xiàn)空間效應(yīng)的回歸系數(shù)中，只有國(guó)內(nèi)生產(chǎn)總值滯后項(xiàng)和暫住人口滯后在統(tǒng)計(jì)顯著性上略有起色。有趣的是，回歸系數(shù)表明，周圍鄰近地區(qū)的國(guó)內(nèi)生產(chǎn)總值每增加1億元，本地區(qū)犯罪減少5.33件，國(guó)內(nèi)生產(chǎn)總值在本地區(qū)是正的影響，在鄰近地區(qū)卻是負(fù)的影響。

在空間杜賓模型（SDM）中，體現(xiàn)本地效應(yīng)的變量均顯著，國(guó)內(nèi)生產(chǎn)總值、暫住人口和注冊(cè)失業(yè)人數(shù)與前述結(jié)果相似，本地區(qū)人均可支配收入每增加1元，本地區(qū)犯罪增加0.32件。體現(xiàn)空間效應(yīng)變量中，僅暫住人口的空間滯后變量顯著，周圍鄰近地區(qū)的暫住人口每增加100人，本地區(qū)犯罪增加0.96件。作為四個(gè)空間計(jì)量模型中綜合性最強(qiáng)，空間效應(yīng)假設(shè)最多的模型，空間杜賓模型（SDM）其對(duì)數(shù)似然值（Log Likelihood）最小，表現(xiàn)最好。

（3）本地效應(yīng)與溢出效應(yīng)分析

參照表4，我們進(jìn)一步探討犯罪影響因素的本地效應(yīng)和溢出效應(yīng)。結(jié)果表明，國(guó)內(nèi)生產(chǎn)總值（GDP）的本地效應(yīng)在各個(gè)模型中均表現(xiàn)正值且較強(qiáng)，表明國(guó)內(nèi)生產(chǎn)總值對(duì)本地犯罪是正的影響，差異在于溢出效應(yīng)在空間滯后模型（SAR）中是正效應(yīng)，在自變量空間滯后模型（SLX）和空間杜賓模型（SDM）中是負(fù)效應(yīng)。考慮到空間滯后模型的本地效應(yīng)與溢出效應(yīng)的比值不隨解釋變量改變的特性，空間效應(yīng)是負(fù)效應(yīng)的說服力更強(qiáng)。由此可知，國(guó)內(nèi)生產(chǎn)總值即地區(qū)的整體經(jīng)濟(jì)狀況對(duì)犯罪是吸引作用，本地區(qū)的經(jīng)濟(jì)越發(fā)達(dá)，犯罪越嚴(yán)重，而周邊鄰近地區(qū)經(jīng)濟(jì)水平的相對(duì)提升，會(huì)將本地區(qū)犯罪“吸引”到鄰近地區(qū)。暫住人口（TRP）與注冊(cè)登記失業(yè)人數(shù)（RUE）對(duì)本地區(qū)同樣是負(fù)影響，其溢出效應(yīng)同樣是正效應(yīng)。這表明一個(gè)城市社會(huì)治理與保障的能力越強(qiáng)，本地區(qū)犯罪就會(huì)受到抑制，而周邊鄰近地區(qū)社會(huì)治理與保障能力的相對(duì)提高，會(huì)將鄰近地區(qū)犯罪“驅(qū)趕”到本地區(qū)。

人均可支配收入（INCOME）的本地效應(yīng)是正影響，溢出效應(yīng)同樣是正效應(yīng)，越重視本地區(qū)可支配收入情況的犯罪人，也越重視鄰近地區(qū)的人均可支配收入情況。同時(shí)，這也說明，人均可支配收入對(duì)犯罪的吸引尺度超出了我們分析的地級(jí)市尺度，至少需要從全國(guó)的尺度，人均分析可支配收入較高的廣東省“吸引”了鄰近地區(qū)犯罪。

四、結(jié)論與啟示

1.犯罪存在空間依賴性

本文通過廣東省的犯罪數(shù)據(jù)證明了犯罪具有空間依賴性，與前人研究相似。同時(shí)發(fā)現(xiàn)，犯罪空間依賴性并不是必然存在的一種空間現(xiàn)象，在2009年至2018年十年期間，犯罪空間依賴性逐漸增強(qiáng)，直到2012年以后的五年，犯罪空間依賴性方才顯著起來。這說明，整個(gè)廣東省內(nèi)的犯罪越來越集中。如果把犯罪看作社會(huì)中客觀存在的一方面，可以發(fā)現(xiàn)其有著如同經(jīng)濟(jì)規(guī)律一樣的客觀規(guī)律，該現(xiàn)象是社會(huì)實(shí)踐的產(chǎn)物，也符合區(qū)域一體化的發(fā)展趨勢(shì)。

2.空間計(jì)量模型是解釋犯罪空間依賴性的有效工具

由于經(jīng)典線性回歸模型（OLS）以獨(dú)立樣本為基本假設(shè)，在進(jìn)行以空間單元為樣本的分析時(shí)，獨(dú)立樣本原則就演變成了“空間均質(zhì)”的假設(shè)，即認(rèn)為相鄰兩個(gè)空間單元間的犯罪是相互獨(dú)立且沒有關(guān)聯(lián)的，這與我們觀察到的犯罪空間依賴性現(xiàn)象是相矛盾的。因此，傳統(tǒng)的模型不能分析空間依賴性，需要通過加入了空間效應(yīng)的空間計(jì)量模型來構(gòu)建犯罪與犯罪影響因素之間的數(shù)學(xué)關(guān)系來探究為何犯罪會(huì)表現(xiàn)出空間依賴性。

3.犯罪空間依賴性源于犯罪及其影響因素的溢出效應(yīng)

本研究的探因過程，是為犯罪空間依賴性尋求合理解釋。根據(jù)一階自回歸模型（FAR）我們發(fā)現(xiàn)本地區(qū)犯罪與鄰近地區(qū)犯罪存在較強(qiáng)正相關(guān)，但不足以憑此來解釋全部的本地區(qū)犯罪，需要考慮犯罪影響因素。此后，我們根據(jù)其他容納犯罪影響因素的空間計(jì)量模型計(jì)算發(fā)現(xiàn)，相對(duì)于本地效應(yīng)，各個(gè)犯罪影響因素溢出效應(yīng)較強(qiáng)。例如，根據(jù)空間滯后模型（SAR），本地區(qū)的犯罪在74.6%程度上由本地因素決定，在25.4%程度上是受鄰近地區(qū)犯罪影響因素的溢出影響。這表明鄰近地區(qū)犯罪影響因素也會(huì)對(duì)本地區(qū)犯罪產(chǎn)生重要影響，犯罪影響因素的這種較強(qiáng)的空間溢出效應(yīng)能夠?qū)Ψ缸锟臻g依賴性進(jìn)行一定的合理解釋，根據(jù)影響因素的不同，可以如前述進(jìn)行細(xì)致的解釋。

4.基于犯罪空間依賴性的犯罪預(yù)防與治理

本文對(duì)犯罪空間依賴性進(jìn)行了描述性分析和解釋性分析，這兩方面都對(duì)犯罪預(yù)防與治理具有重要啟示。

首先，從描述性分析來看，犯罪空間依賴性能夠幫助我們從全局角度評(píng)價(jià)一個(gè)地區(qū)犯罪的聚集程度，了解犯罪動(dòng)態(tài)變化。如本文發(fā)現(xiàn)十年間廣東地區(qū)犯罪聚集性呈明顯聚集趨勢(shì)。從邏輯上講，犯罪聚集的同時(shí)，打擊預(yù)防犯罪的力量也應(yīng)當(dāng)聚集。事實(shí)上警察人數(shù)的配備遠(yuǎn)遠(yuǎn)滯后于防治犯罪的需要，導(dǎo)致部分地區(qū)警力長(zhǎng)期相對(duì)不足，甚至仍按照常住人口配備警力，這也是近年來部分地區(qū)非在編警務(wù)人員超過在編人員的根源。因此，我們建議創(chuàng)新警務(wù)分配模式，在區(qū)域內(nèi)根據(jù)犯罪需要合理分配警務(wù)資源，從根源上解決公安部門局部基層壓力過大的困境。此外，犯罪空間依賴性還可以探測(cè)識(shí)別犯罪熱點(diǎn)地區(qū)，如本文LISA圖中廣州、東莞、中山三個(gè)相鄰地市連成的犯罪熱點(diǎn)地區(qū)。本文使用的地市尺度的數(shù)據(jù)，如果使用空間尺度較小，如縣區(qū)、街道、社區(qū)，同理可以得到的犯罪熱點(diǎn)地區(qū)也會(huì)較小。空間尺度越大，治理犯罪的策略越宏觀，空間尺度越小，分析得出的策略越具體。

其次，從解釋性分析來看，犯罪空間依賴性探因過程揭示了本地區(qū)犯罪及其影響因素與鄰近地區(qū)犯罪及其影響因素的空間交互效應(yīng)，本地區(qū)犯罪會(huì)影響鄰近地區(qū)的犯罪，鄰近地區(qū)的犯罪影響因素也會(huì)對(duì)本地區(qū)犯罪產(chǎn)生影響?，F(xiàn)階段我國(guó)正在實(shí)施區(qū)域一體化戰(zhàn)略，如京津冀協(xié)同發(fā)展、長(zhǎng)三角一體化、粵港澳大灣區(qū)等等，往往十分注重經(jīng)濟(jì)產(chǎn)業(yè)、人口流動(dòng)、交通運(yùn)輸?shù)确矫娴幕ヂ?lián)互通，而容易忽視區(qū)域一體化帶來的現(xiàn)代化治理挑戰(zhàn)。犯罪的空間依賴性必然要求法治在區(qū)域一體化方面更加完善，需要我們統(tǒng)籌考慮經(jīng)濟(jì)、人口等要素流動(dòng)對(duì)犯罪的影響。如本文中經(jīng)濟(jì)對(duì)犯罪起到強(qiáng)吸引作用，這意味著區(qū)域經(jīng)濟(jì)中心的打造會(huì)出現(xiàn)區(qū)域內(nèi)犯罪向經(jīng)濟(jì)中心的集中，而對(duì)外來人口的掌握和失業(yè)人口的保障可以明顯抑制犯罪發(fā)生在本地，由此可知，犯罪治理是一個(gè)系統(tǒng)工程，需要全局全面考量。因此，我們建議在大灣區(qū)建設(shè)中，設(shè)置大灣區(qū)社會(huì)安全和犯罪治理一體化機(jī)構(gòu)，從國(guó)家治理能力和治理體系現(xiàn)代化的角度出發(fā)，堅(jiān)持總體國(guó)家安全觀，統(tǒng)籌大灣區(qū)內(nèi)司法、公安、就業(yè)指導(dǎo)、社會(huì)保障等部門，及時(shí)評(píng)估經(jīng)濟(jì)發(fā)展帶來的社會(huì)成本，綜合治理犯罪。

總而言之，本文的研究成果與方法可以為我國(guó)區(qū)域一體化背景下社會(huì)治理、法治完善、機(jī)構(gòu)設(shè)置等方面的宏觀決策提供一定的智力支持和參考。

參考文獻(xiàn)：

[1]肖光恩，劉錦學(xué)，譚賽月明.空間計(jì)量經(jīng)濟(jì)學(xué)——基于MATLAB的應(yīng)用分析[M].北京：北京大學(xué)出版社，2018.

[2]沈體雁，于瀚辰.空間計(jì)量經(jīng)濟(jì)學(xué)[M].北京：北京大學(xué)出版社，2019.

[3]單勇.犯罪熱點(diǎn)成因：基于空間相關(guān)性的解釋[J].中國(guó)法學(xué)，2016（2）：280-302.

[4]Park R E. The City[M]. Chicago： The university of Chicago Press， 1968.

[5]馬瑞.城市“易犯罪”空間研究[D].北京：清華大學(xué)，2010.

[6]Jacobs J. The death and life of great Americancities[M].NewYork：VintageBooks， 1961.

[7]Newman Oscar. Defensible Space： crime preventionthroughurbandesign[M].New York： Macmillan，1972.

[8]Jeffery CR.Crime Prevention Through Environmental Design [M]. Beverly Hills， CA： Sage， 1971.

[9]Brantingham P L， Brantingham P J. Environment， routine， and situation Toward a pattern theory of crime， in Clarke R V， Felson M. Routine activity and rational choice. Advances in Criminological Theory[M]. New Brunswick， NJ： Transaction Publishers， 1993.

[10] Sherman L W， Gartin P， Buerger M E. Hot spots of predatory crime： Routine activities and the criminology of place[J].Criminology， 1989，27（1）：27-55.

[11] Weisburd D L， Telep C W. The Efficiency of Place- Based Policing[J]. SSRN Electronic Journal， 2015，17（1）：15-26.

[12] Messner S F， Anselin L， Baller R D， et al. The Spatial Patterning of County Homicide Rates： An Application of Exploratory Spatial DataAnalysis[J].JournalofQuantitative Criminology， 1999，15（4）：423-450.

[13] J·保羅·埃爾霍斯特.空間計(jì)量經(jīng)濟(jì)學(xué)——從橫截面數(shù)據(jù)到空間面板[M].肖光恩，譯.北京：中國(guó)人民大學(xué)出版社，2015.

責(zé)任編輯：陳若水