刑事案件的分析

1、对刑事案发率的分析法学教育是高等教育的重要组成部分，是建设社会主义法治 国家、构建社会主义和谐社会的重要基础，并居于先导性的战略 地位。在我国社会转型的新世纪、新阶段，法学教育不仅要为建 设高素质的法律职业共同体服务，而且要面向全社会培养大批治 理国家、管理社会、发展经济的高层次法律人才。近年来，法学 教育取得了长足的进步，法科数量增长很快，教育质量稳步提高, 培养层次日渐完善，目前已经形成了涵盖本科生、第二学士学位 生、法学硕士研究生、法律硕士研究生、法学博士研究生的完整 的法学人才培养体系，接受法科教育已经成为莘莘学子的优先选 择之一。随着中国法治事业的迅速发展，我们有理由相信，中国 法学

2、教育的事业大有可为，中国法学教育的前途充满光明。为了预防和减少犯罪，我们需要对案发的客观条件做具体分析, 从而为建造更和谐的美好社会做出努力。因此我对刑事案发率作出 分析。在犯罪与罪犯研究领域，常常会遇到彼此有关系的两列或多列 变量。对于这些变量之间的关系，可以根据不同的研究目的，从不 同的角度去分析。如果要分析变量之间关系的强度，我们可以采用 相关分析的方法，但是，如果要确定变量之间所可能具有的数量关 系，并将这种形式表示为某个数学模型，就需要用回归分析。回归分析应用非常广泛。在犯罪学领域，如果建立了变量之间 的数学模型，实际上就是确立了变量之间的关系模型，从而可以从 某些变量的变化来预测其

3、他变量的变化情况。例如，我国台湾学者 杨家騄建立了物价指数与盗窃犯罪案件之间的数学模型，从而依据 某年度的物价指数来预测该年度的盗窃案件数量；我国学者高树桥 等在犯罪人的受教育年限与犯罪次数之间建立了数学模型，根据某 犯罪人的教育年限，我们就可以预测其可能的犯罪次数。但是，由于犯罪现象是一种非常复杂的社会现象，往往牵扯到 多个变量之间的关系问题。因此在回归分析中常常需要分析两个及 两个以上的自变量，分析变量之间的关系，推导出含有多个自变量 的函数，这种方法就是多元回归分析。事实上，一种现象常常是与 多个因素相联系的，由多个自变量的最优组合共同来预测或估计因 变量，比只用一个自变量进行预测或估计

4、更有效，更符合实际。因 此多元线性回归比一元线性回归的实用意义更大。多元回归分析要 比一元回归分析更为科学，这是由事物的复杂性决定的。例如，盗 窃案件的数量不单与价格指数有关，还受其他一系列因素的影响， 国外有学者甚至研究了防盗门的销售量与盗窃案件的关系。可见， 当我们研究某一个犯罪问题时，多元回归分析更为准确和有效。多元回归自变量的个数很多，计算相当繁琐，一般手工计算几 乎不大可能，我借助SPSS来满足计算要求。一、 多元线性回归分析方法多元线性回归简介：多元线性回归的基本原理和基本计算过程与一元线性回归相 同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时 都要借助统计软件。这里只介

5、绍多元线性回归的一些基本问题。但由于各个自变量的单位可能不一样，比如说一个消费水平 的关系式中，工资水平、受教育程度、职业、地区、家庭负担等 等因素都会影响到消费水平，而这些影响因素（自变量）的单位 显然是不同的，因此自变量前系数的大小并不能说明该因素的重 要程度，更简单地来说，同样工资收入，如果用元为单位就比用 百元为单位所得的回归系数要小，但是工资水平对消费的影响程 度并没有变，所以得想办法将各个自变量化到统一的单位上来。 前面学到的标准分就有这个功能，具体到这里来说，就是将所有 变量包括因变量都先转化为标准分，再进行线性回归，此时得到 的回归系数就能反映对应自变量的重要程度。这时的回归方

6、程称 为标准回归方程，回归系数称为标准回归系数。多元线性回归的数学模型为：7二矗+煜疋1+对 + F其 y中，为应变量宀兀为p自变量。矗为常数项，煜，心 称为偏回归系数；F为随机误差，又称残差，它是的变化中不能用 自变量解释的部分，服从分布。多元线性回归分析的前提条件是：线性、独立、正态和等方差， 在进行回归分析时，应当首先进行这些假设检验。还有一个重要问题就是如何选择自变量。实际上，模型中包含的 自变量是无法事先确定的，如果把一些不重要的或者对应变量影响很 弱的变量引入模型，则会降低模型的精度。所以自变量的选择是必要 的，基本思路是:尽可能将对应变量影响大的自变量选入回归方程中, 并尽可能将

7、对应变量影响小的自变量排除在外，这样才能建立最优方 程。这里就涉及到筛选自变量的方法，现在比较常用的是逐步回归法。这种方法的特点在于，每引入一个自变量，都会对已在方程中的变量 进行检验，对符合剔除标准的变量要逐一剔除。另外，在进行多元线性回归分析中，由于自变量之间还可能具有 高度相关关系，导致所建立的模型的解释力受到削弱，因此，还要对 模型进行多重共线性检验，最后计算出相对更优的数学模型。二、SPSS软件简介SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几 乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示

8、各种管理和分析数据方法的功能，对话框展示出各 种功能选择项。用户只要掌握一定的Windows操作技能，粗通统 计分析原理，就可以使用该软件为特定的科研工作服务。SPSS采 用类似EXCEL表格的方式输入与管理数据，数据接口较为通用， 能方便的从其他数据库中读入数据。其统计过程包括了常用的、 较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。 输出结果十分美观，存储时则是专用的SPO格式，可以转存为HTML 格式和文本格式。对于熟悉老版本编程运行方式的用户，SPSS还 特别设计了语法生成窗口，用户只需在菜单中选好各个选项，然 后按“粘贴”按钮就可以自动生成标准的SPSS程序。极大的方便

9、了中、高级用户。SPSS for Windows是一个组合式软件包，它集数据整理、分 析功能于一身。用户可以根据实际需要和计算机的功能选择模块， 以降低对系统硬盘容量的要求，有利于该软件的推广应用。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。 SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、 相关分析、回归分析、对数线性模型、聚类分析、数据简化、生 存分析、时间序列分析、多重响应等几大类，每类中又分好几个 统计过程，比如回归分析中又分线性回归分析、曲线估计、 Logis tic回归、Prob it回归、加权估计、两阶段最小二乘法、非 线性回归等多个统计过程

10、，而且每个过程中又允许用户选择不同 的方法及参数。SPSS也有专门的绘图系统，可以根据数据绘制各 种图形。SPSS for Windows的分析结果清晰、直观、易学易用，而且 可以直接读取EXCEL及DBF数据文件，现已推广到多种各种操作 系统的计算机上，它和SAS、BMDP并称为国际上最有影响的三大 统计软件。在国际学术界有条不成文的规定，即在国际学术交流 中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法， 由此可见其影响之大和信誉之高。最新的12.0版采用DAA （Distributed Analysis Architechture，分布式分析系统），全 面适应互联网，支持动态

11、收集、分析数据和HTML格式报告，依靠 于诸多竞争对手。但是它很难与一般办公软件如Office或是WPS2000直接兼容，在撰写调查报告时往往要用电子表格软件及 专业制图软件来重新绘制相关图表，已经遭到诸多统计学人士的 批评；而且SPSS作为三大综合性统计软件之一，其统计分析功能 与另外两个软件即SAS和BMDP相比仍有一定欠缺。虽然如此，SPSS for Windows由于其操作简单，已经在我国 的社会科学、自然科学的各个领域发挥了巨大作用。该软件还可 以应用于经济学、生物学、心理学、地理学、医疗卫生、体育、 农业、林业、商业、金融等各个领域。三、对刑事发案率的多元线性回归分析刑事发案率的影

12、响因素很多，有经济、政治、文化等社会因素， 也有个体性因素，所涉及的变量相当复杂，创建一个完全周延的数学 模型几乎是不可能的。在社会指标的选择上，参照了报告所采用 的指标，包括人均GDP、受教育状况、城市化和基尼系数。报告 中只是计算了这四项指标与刑事发案率的相关系数，如果要确定他们 之间的数量关系，就需要建立数学模型，进行回归分析。刑事发案率与其他社会指标统计表：刑事发案率人均GDP受教育状况城市化基尼系数年份1992135.9288.418.627.4636.921993137.2323.621.427.9937.931994139.3360.423.428.5138.341995140.

13、33942429.0437.761996131.5427.124.730.4835.971997131.2460.325.731.9136.811998159.9491.427.333.3536.841999179.4521.732.834.7838.212000288.1559.243.936.2240.132001350.7596.756.337.6642.952002338.764270.339.0946.72003341697.986.340.5347.66数据来源：朱景文，中国法律发展报告，中国人民大学出版 社，2007；中国统计年鉴(1993-2005)。其中，刑事发案率是指每 1

14、0万人口的(公安机关)立案数量；GDP按照人均国内生产总值指数 计算，1978年为100；城市化按照城镇人口占总人口的比例计算；受 教育状况按照每100000人口大学生数量计算；4.基尼系数是笔者根 据中国统计年鉴中的收入分组数据计算得出。用SPSS软件进行分析模型拟合信息模型模型拟合标 准似然比检验-2倍对数 似然值卡方df显著水平仅截距59.638最终0.00059.6381211.000似然比检验效应模型拟合标准似然比检验简化后的模型的-2倍 对数似然值卡方df显著水平截距0.000a0.0000人均GOP0.000a0.0000受教育状况0.000a0.0000城市化0.000a0.0

15、000基尼系数0.000a0.0000卡方统计量是最终模型与简化后模型之间在-2倍对数似然值中的差值。通过从最终模型中省略效应而形成 简化后的模型。零假设就是该效应的所有参数均为0。a.因为省略效应不会增加自由度，所以此简化后的模型等同于最终 模型。输入/移去的变量模型输入的变量移去的变量方法1基尼系数，人均 GOP,城市化，受 教育状况a输入a.已输入所有请求的变量。模型汇总模型RR方调整R方标准估计的误差10.963a0.9270.88631.58916a.预测变量：（常量），基尼系数，人均G0P,城市化，受教育状 况。Anovab模型平方和df均方FSig.1回归88918.433422

16、229.60822.2770.000a残差6985.1277997.875总计95903.56011a.预测变量：（常量），基尼系数，人均GOP,城市化，受教育状况。b.因变量：刑事案发率系数a模型非标准勺化系数标准系数tSig.B标准误差试用版1（常量）人均GOP受教育状况城市化基尼系数-1078.102-0.756-0.95833.52014.481556.4470.6273.59516.99214.395-1.040-0.2251.6350.614-1.937-1.207-0.2661.9731.0060.0940.2670.7980.0890.348a.因变量：刑事案发率根据以上的检验

17、，我们可以初步列出此数学模型予=-1240 +452也 +13.1x4四、共线性检验及其处理一一主成分分析在多重回归分析中，无法避免的一个问题就是多重共线性问题。 所谓多重共线性是指自变量之间存在近似的线性关系，即某个自变量 能近似的用其他自变量的线性函数来表示。一般而言，自变量较低程 度上的相关不会对回归结果造成严重影响，然而，当共线性趋势非常 明显时，就会对模型的拟合带来严重影响。一般来说，如果两个自变 量的相关系数超过0.9,对模型的影响就会很大。当然，仅靠相关系 数仅仅是初步判断，实践中借助SPSS，常常使用方差膨胀因子、特征根或条件指数来判断。当膨胀因子大于10、特征根为0或条件指数

18、大于30时，提示存在共线性。在SPSS中，共线性诊断仍然是通过多元线性回归分析来实现的。 表6是SPSS线性诊断的结果，从中我们可以发现，特征根有两项为0, 条件指数有两项分别为178.8、199.3，在常数项、城市化和人均GDP 这三项中，VP值均很高，分别为0.99、0.85、0.93,提示三者高度相 关。原回归模型存在严重的共线性，我们必须对其进行处理 根据以上数据，可以写出两个主成分的表达式(方程1)：二 0.257+ 0.26成必$ + 0.258d?x3 + 0.252d?x4z2 = 一1.126皿跖 + 0.729成必2 - 106甌必j +1.487sx4这里的为标准指标变量

19、。我们可以创建标准指标变量和原指标的关 系(方程2)：E血、=(心-527.088)/124.478=-46.3331)/23.081戎氓=(x3 -34.8082)/4.4345成出耳=习一411関最后，对主成分进行回归分析，分析主成分回归结果。通过SPSS的 运算：尹=244.877 +38.309zt - 0.665z2将公式习、习（方程1）的表达式代入上述回归方程，得到应变量歹与标准自变量曲九的线性回归方程（方程4）：卩=244.877+23.4442 灯站 +22.47556 贞必：+23.49394 成必+21.26501 成必4根据标准自变量和原自变量之间的关系，可以将标准自变量

20、还原 为原自变量。将方程2代入方程4,即得到应变量y与原自变量之间 的线性回归方程：y = - 292.942 +0.18834 + 0.97377x2 +5.29799x3 +5.07506x4刑罚只是惩治犯罪的手段,而不是根治犯罪的法宝,一个国家犯 罪率的高低,取决于这个国家的上层建筑和经济基础,我国目前的犯 罪率居高不下,与我国的很多现实问题分不开,严重的社会分配不公, 贫富两极严重分化,老百姓深恶痛绝的腐败,特别是司法部门的腐败, 有些是有法可依,而有些是有法不依或者是执法不严,严重的还有循 私枉法,情大于法,凡此种种,不是老百姓力所能及的,而在于国家体 制的改革.如果全国公民平等,物价稳定,市场繁荣.每人都能安居乐 业,