屈茂輝,郝士銘

(湖南大學 法學院，湖南 長沙 410082)

宏觀經濟因素與財產類犯罪的相關性
——基于1986～2010年的數(shù)據*

屈茂輝,郝士銘

(湖南大學 法學院，湖南 長沙 410082)

財產類犯罪是所有犯罪類別中所占比重最高的犯罪類型，探討財產類犯罪變遷與社會經濟之間的關系有著重要的意義?！吨袊y(tǒng)計年鑒》、《中國財政年鑒》、《中國法律年鑒》數(shù)據表明，社會經濟增長水平、收入分配狀況、通貨膨脹、失業(yè)率以及城市化率等宏觀經濟因素會影響犯罪數(shù)量的變化。社會失業(yè)率與通貨膨脹水平對我國財產類犯罪數(shù)量的變遷具有顯著影響作用，降低失業(yè)率與通貨膨脹水平不失成為一種控制我國財產類犯罪數(shù)量的新途徑。

財產類犯罪；經濟影響因素；實證分析；犯罪控制

改革開放三十余年以來，財產類犯罪人數(shù)不斷以較大的幅度快速增長，*所謂侵犯財產罪，是指以非法占有為目的的犯罪類別，按照我國刑法，該類犯罪包含了搶劫、盜竊、搶奪、詐騙、侵占、聚眾哄搶、職務侵占、挪用資金、挪用特定款物、敲詐勒索、故意損壞財物、破壞生產經營12種犯罪種類。其中搶劫、盜竊、詐騙、侵占與敲詐勒索是最主要也是最能代表財產類犯罪性質與產生原因的犯罪種類。其在刑事案件中所占的比例一般可達到90%左右，[1]對我國社會穩(wěn)定和經濟發(fā)展造成的破壞性影響歷年來備受社會各界的關注。然而目前我國國內尚沒有學者采用計量法學的研究方法對影響我國財產類犯罪變遷的社會經濟因素進行專項研究，同時也沒有學者基于計量實證分析結果提出更為具體可行的財產類犯罪預防與控制系統(tǒng)理論。鑒于此，本文以1986～2010年25年的財產類犯罪人數(shù)為樣本，采用多元逐步回歸分析方法(Stepwise OLS)探究可能影響我國財產類犯罪持續(xù)升高的社會經濟因素，并以此為基礎提出我國財產類犯罪預防與控制的看法。

一 研究的數(shù)據及變量定義

國內關于犯罪率影響因素的實證研究大多采用面板數(shù)據，時間跨度較小而無法反映出長期以來的客觀現(xiàn)象。為了克服面板數(shù)據的缺陷，本文采用25年的宏觀時間序列數(shù)據進行分析，將控制變量劃分為：收入差距類指標、收入水平類指標、社會經濟發(fā)展水平類指標以及市場環(huán)境類指標?；诖?，利用含有13個指標的4大類經濟要素來解決實證研究中可能出現(xiàn)的異方差性問題，盡可能地包含能夠全面反映社會經濟發(fā)展狀況的要素。

《中國統(tǒng)計年鑒》關于財產類犯罪的專項統(tǒng)計年限始于1996年，至今可以形成的樣本容量過小而不能滿足時間序列分析的精確度要求，所以本文采用《中國法律年鑒》1986年開始統(tǒng)計的財產類犯罪數(shù)據作為樣本，其他所有解釋變量的時間起點因而也始于1986年。樣本為1986～2010年的歷年年度數(shù)據，共計25次有效觀察，具體的變量定義及描述性統(tǒng)計見下表1：

表1 變量定義與描述性統(tǒng)計

其中財產類犯罪人數(shù)以及四大類經濟指標的選取理由和統(tǒng)計口徑如下：

(一)財產類犯罪人數(shù)(用y表示)

犯罪數(shù)量的衡量問題一直是犯罪學所長期關注的重點，根據我國刑事司法制度以及數(shù)據公開機制，犯罪指標的統(tǒng)計口徑一共有5大類。*1.公安機關刑事立案數(shù)：包括公安機關或檢察院自行發(fā)現(xiàn)的犯罪事實、犯罪嫌疑人、單位個人的報案舉報、被害人的報案控告以及犯罪人的自首。我國刑事立案制度中立案審查與立案條件相脫節(jié)的缺陷導致實踐中往往出現(xiàn)“不破不立，破而不立”的立案不實現(xiàn)象，造成立案數(shù)或過高或過低而嚴重失真。此外，“立案率”往往成為公安機關工作考核的重要指標，在年度考核中許多地方公安機關盲目地為了提升“立案率”而對許多不滿足立案條件的案件予以立案，使立案數(shù)失真；2.檢察院批準逮捕人數(shù)：指檢察院對公安機關提請批捕進行審查后認為符合批捕條件的予以批捕。此指標考量了公安機關立案的因素，剔除了不必要的案件是對刑事案件數(shù)的“修正”，數(shù)據更加準確嚴格；3.檢察院自行決定逮捕人數(shù)：在公安機關以外，檢察院通過立案偵查發(fā)現(xiàn)有犯罪嫌疑人的，經審查后可以直接批捕。決定逮捕人數(shù)擴大了立案面，挖掘出更多的犯罪案件，且包含了需要逮捕的自訴案件被告人以及公訴案件中未被逮捕的被告人；4.人民法院宣告有罪人數(shù)：此指標可能會遺漏自訴案件中犯罪已超過訴訟時效、被告人死亡、被告人下落不明的可能構成犯罪的案件；此外，法院的錯誤判決也會使此指標失真；5.監(jiān)獄在押犯人人數(shù)：此指標會因取保候審，刑滿釋放等因素嚴重失真，無法衡量社會存在的犯罪數(shù)，一般不為學者采用。相比于真實犯罪人數(shù)，5個統(tǒng)計口徑都存在著“犯罪黑數(shù)”問題，而且部分公安機關與檢察院存在著盲目追求“立案率”“逮捕率”的現(xiàn)象，但是這種現(xiàn)象在部分各級公安機關中表現(xiàn)得更為普遍，所以本文認為采用檢察院批準逮捕人數(shù)與決定逮捕人數(shù)之和作為財產類犯罪人數(shù)的統(tǒng)計衡量指標更為合理科學。國內學者大多利用公安機關刑事案件立案數(shù)、治安違法人數(shù)、被刑事起訴率作為犯罪人數(shù)的統(tǒng)計指標，本文認為這些數(shù)據會或過高或過低地估計了真實犯罪情況而有失偏頗。為了一方面盡可能地減少“犯罪黑數(shù)”會給數(shù)據準確性帶來的誤差，另一方面尋求更為真實合理可靠的數(shù)據，本文最后選取《中國法律年鑒》1986～2010歷年全國檢察機關批準逮捕財產類犯罪人數(shù)與決定逮捕財產類犯罪人數(shù)之和作為我國財產類犯罪的衡量指標。

其次對收集到的數(shù)據進行數(shù)據預處理分析，發(fā)現(xiàn)2006年的觀測值171169在整個樣本群中異常偏低，不符合常理，故懷疑2006年的觀測值是一個異常值不能參與統(tǒng)計分析。根據統(tǒng)計學的一般方法，采用奈爾準則、格拉布斯準則、肖維勒準則和狄克遜準則對其進行判斷，所有的結論都顯示2006年的觀測值為異常值，而這可能是由于我國數(shù)據公布機制缺陷造成的，故應將其剔除。剔除后在樣本群中形成了一個缺失值，*在犯罪率影響因素的其他實證研究中，當發(fā)現(xiàn)缺失值時，學者們大多采用前后兩年的平均值作為缺失值的替代值，筆者認為這種處理方法值得商榷。數(shù)學上可以證明平均值替代是一個過高的有偏估計，如果都用平均值標準替代樣本中的缺失值則有可能使樣本群失真，影響到后面實證分析的準確性。缺失值的處理應該遵循統(tǒng)計學上專業(yè)的缺失值處理方法。且屬于隨機缺失模式，用倒數(shù)加權調整法、分層均值插補法和比率插補法進行填補，計算出的填補值都為451259，數(shù)據符合樣本群序列的變遷趨勢，用其作為2006年的財產類犯罪人數(shù)。

(二)收入差距類指標

Stonffer和Merton創(chuàng)立的“相對剝奪”理論認為當人們將自己的處境與某種標準或參照物相比較而發(fā)現(xiàn)自己處于劣勢時，就會覺得自己受到了剝奪，長期以來這種心理狀態(tài)會影響個人或者群體的態(tài)度與行為，從而引起犯罪、暴亂、恐怖主義甚至社會運動。[2]國內外很多研究都證實了收入差距導致的“相對剝奪感”與犯罪率持續(xù)上升有顯著的正關系，但也有學者的研究認為收入差距即便會引起“被剝奪感”，但并不一定就會因此導致犯罪率上升。為了徹底證實我國收入差距是否會導致我國財產類犯罪高升，本文引入了以下變量：全國基尼系數(shù)(用X1表示)，由于我國官方未公布歷年全國基尼系數(shù)，所以本文采用了一篇較權威且被引用率較高的研究中自行計算的數(shù)據；[3]城鎮(zhèn)基尼系數(shù)(用X2表示)，國家統(tǒng)計局一直未公布歷年我國城鎮(zhèn)基尼系數(shù)，鑒于此本文同樣采用了一份被引用率較高的研究中自行計算的數(shù)據；[4]農村基尼系數(shù)(用X3表示)，國家統(tǒng)計局從2000年起開始公布中國農村基尼系數(shù)，2005年以前的數(shù)據來源于《中國農村統(tǒng)計年鑒》，之后的數(shù)據來自權威學者的研究。[4]此外，本文用城市人均可支配收入與農村人均純收入之差作為城鄉(xiāng)收入差距(用X6表示)的衡量指標，數(shù)據來源于歷年的《中國統(tǒng)計年鑒》。

(三)收入水平類指標

犯罪經濟學認為提高收入水平能增加潛在犯罪者進行犯罪的機會成本，降低犯罪的相對期望收益從而遏制他們進行犯罪。[5]據此，本文引入兩類收入水平指標：城鎮(zhèn)人均收入(用X4表示)，指居民家庭全部現(xiàn)金收入能用于安排日常生活的那部分收入，而與城鎮(zhèn)不同的是農村人均純收入(用X5表示)是指農民的總收入扣除相應的各項費用性支出后歸農民所有的收入。兩項數(shù)據來源于《新中國55年統(tǒng)計資料匯編》和《中國統(tǒng)計年鑒》，數(shù)據顯示這兩項指標一直呈快速上升趨勢且波動性不大。

(四)社會經濟發(fā)展類指標

城市化率(用X8表示)，流動人口大量涌入城市造成的城市化率升高致使社會矛盾的激化程度大大超出了城市能夠承載的負荷范圍，大多數(shù)研究證實城市化率的提高顯著地增加了犯罪數(shù)量，經濟發(fā)展的快速增長與傳統(tǒng)社會故有價值觀念的沖突、物質文明與精神文明的不協(xié)調發(fā)展亦有可能極大地提升犯罪率。與城市化率一樣，人均GDP(用X9表示)，GDP增長率(用X10表示)的數(shù)據都來自《中國統(tǒng)計年鑒》的歷年統(tǒng)計。

(五)市場環(huán)境類指標。

失業(yè)率是衡量社會勞動力市場環(huán)境狀況的重要指標，也是度量社會環(huán)境安定與否的評價指標。用于統(tǒng)計城鎮(zhèn)登記失業(yè)人數(shù)占可以參與社會勞動人數(shù)比重的城鎮(zhèn)登記失業(yè)率(用X7表示)是唯一我國目前公布的官方權威數(shù)據。盡管城鎮(zhèn)登記失業(yè)率因存在著統(tǒng)計對象年齡限制過窄、不能反映“隱性失業(yè)”狀況等問題而被質疑為嚴重失真的統(tǒng)計指標，但由于非官方統(tǒng)計推算結果的差異而無法確定唯一結論，所以在關于犯罪率影響因素的實證研究中學者們通常就采用官方公布的城鎮(zhèn)登記失業(yè)率作為社會失業(yè)狀況的統(tǒng)計衡量指標，數(shù)據來源于《中國財政年鑒》和《中國統(tǒng)計年鑒》。而消費者物價指數(shù)(用X12表示)與社會商品零售價格指數(shù)(用X13表示)都是衡量社會通貨膨脹程度的指標，二者的數(shù)據皆取自《中國統(tǒng)計年鑒》各期。

二 實證檢驗及結果分析

為了檢驗我國財產類犯罪變遷與上述四大類經濟指標之間的關系，本文將采用多元逐步回歸分析方法(Multiple Stepwise Regression Analysis)對1986～2010年的相關數(shù)據進行實證研究。*逐步回歸法又稱為Frisch綜合分析法，首先分別建立被解釋變量y對每一個解釋變量Xi的回歸方程，對每個方程進行統(tǒng)計檢驗和分析，從中刷選出一個最優(yōu)方程作為基本模型，然后逐一引入其他解釋變量擴大模型的規(guī)模直至得到最好的模型估計形式。這種方法的核心思想是保留顯著而重要的解釋變量，刪除次要或可替代的變量。值得注意的是，學者利用時間序列數(shù)據對犯罪影響因素進行的實證研究中所采用的方法大都是多元回歸方法(OLS)，在進行回歸分析前沒有注意到解釋變量間可能存在的多重共線性問題，因而不能滿足回歸分析的前提假設。多元回歸分析將產生巨大的估計誤差使檢驗出錯。所以本文首先需要對4大類經濟變量進行共線性檢驗，檢驗結果如表2所示。

多重共線性是指解釋變量間的高度相關，所以只要發(fā)現(xiàn)矩陣主對角線上方某個相關系數(shù)的絕對值很大(一般大于0.8)，便可認為相應的兩個解釋變量間存在共線性關系。[6]從表2.1中可以看出解釋變量X2、X3、 X4、X5、X6、X7、X8、 X9、 X1、X11、X12、X13之間的相關系數(shù)都很大，說明4大類經濟因素間存在著很嚴重的多重共線性問題。我們認為造成這種現(xiàn)象的原因在于：(1)經濟系統(tǒng)中各個因素之間都是相互依存，相互制約的，在數(shù)量關系上必然存在一定的聯(lián)系；(2)在樣本考察期內，13個變量變化方向的一致性使變量間存在高度的相關關系。為了解決多重共線性帶來的破壞影響，本文進而采用Frisch綜合分析法進行分析，首先建立變量X7與被解釋變量y的一元回歸方程，發(fā)現(xiàn)方程顯著后進而納入變量X12，做變量X7、X12對被解釋變量y的二元回歸，發(fā)現(xiàn)方程顯著后進而逐步納入剩余的11個變量，計量分析的最后結果如表3所示。

表2 解釋變量間的相關系數(shù)矩陣

注：表中加黑數(shù)字代表高度相關的系數(shù)(相關系數(shù)大于0.8)。

表3給出的是逐步回歸分析在基本回歸方程上納入變量X12顯著后再分別納入變量X1、X6、 X4、 X9 、X5 、X11、X8、X3、 X2、 X13、X10進行檢驗的結果。結果顯示在納入變量X1、X8、 X10后回歸模型的擬合判決系數(shù)由0.851208*這是解釋變量X7 、X12與被解釋變量y回歸方程的擬合判決系數(shù)，即逐步回歸分析中基本回歸方程的判決系數(shù)。分別上升到了0.85351、0.85126、0.85332，說明此時回歸效果的擬合優(yōu)度得到了提高，但是他們的t檢驗值-1.160489、-1.004507、-1.1481321都過小，無法通過系數(shù)顯著性的統(tǒng)計檢驗，故不能將其納入回歸方程；而其余的變量因為既沒有使擬合系數(shù)得到提高也無法通過t值檢驗，所以同樣也不能納入回歸方程。[7]最后逐步回歸分析結果顯示，在收入差距類、收入水平類、社會經濟發(fā)展類與市場環(huán)境類經濟因素指標中，能決定我國財產類犯罪變遷的是社會失業(yè)率和社會通貨膨脹水平。據此可以得到解釋變量X7 、X12對被解釋變量y的OLS回歸結果如表4所示。

OLS分析表明回歸模型的F值檢驗顯著(0.0000<0.05)，回歸模型整體顯著；而兩個參數(shù)的t值檢驗也很顯著(0.0000<0.05，0.0011<0.05)，參數(shù)X7 、X12對y的影響是顯著的。結果顯示如果我國城鎮(zhèn)登記失業(yè)率每提高1%，那么財產類犯罪人數(shù)就會增加0.327251%；而若消費者物價指數(shù)每提高1%，我國財產類犯罪人數(shù)則會增加0.010163%(即若以2010年我國財產類犯罪人數(shù)404584為起算點，每提高1%的失業(yè)率與通貨膨脹水平，全國財產類犯罪人數(shù)將分別增加1324人與41人)，由此不難看出，失業(yè)率對我國財產類犯罪變化的影響權重遠遠高于消費者物價指數(shù)產生的影響。

表3 多元逐步回歸分析的最后結果

注：括號上方的數(shù)值是變量的回歸系數(shù)，而括號內的數(shù)值為回歸系數(shù)的t檢驗值。

表4 OLS回歸結果

注：**表示在5%的顯著性水平下顯著；括號內的數(shù)字為相應統(tǒng)計量的P值。

此外，對于經典線性回歸模型，一般都要求回歸變量為平穩(wěn)的時間序列，因而才具有統(tǒng)計一致性和無偏性。[8]通過檢驗我們發(fā)現(xiàn)變量X7、X12與y都是非平穩(wěn)序列，需要進行協(xié)整分析，分析的方法采用Engle-Granger兩步法，[9]最后處理結果顯示變量X7、X12與y的線性組合是平穩(wěn)的序列，相互間構成協(xié)整關系回歸分析的結果穩(wěn)健，*限于篇幅，本文沒有給出具體的檢驗過程，有興趣的讀者可向作者索取。失業(yè)狀況與通貨膨脹對財產類犯罪變遷的影響是長期存在的。根據以上實證檢驗結果，以下對失業(yè)率與通貨膨脹作用于財產類犯罪的機理進行剖析。

(一)失業(yè)與財產類犯罪

需要注意的是本文實證研究的結論并不是說明失業(yè)者一定會進行財產犯罪，而是旨在表明失業(yè)率的提高與財產類犯罪的增加在宏觀群體性的意義下具有正向的規(guī)模效應。西方經濟學認為失業(yè)分為自愿失業(yè)、摩擦性失業(yè)、季節(jié)性失業(yè)、需求不足型失業(yè)、結構型失業(yè)與就業(yè)失業(yè)，[10]而從基本常識看，并非所有類型的失業(yè)人群都會走向財產犯罪，摩擦性失業(yè)、增長不足型失業(yè)與結構型失業(yè)人群比其他類型的失業(yè)者更有可能進行盜竊、搶劫、搶奪等犯罪。因為勞動力市場運行機制不完善、用工需求增長速度慢于勞動力與勞動生產率增長速度、勞動者工種技術熟練程度與用工需求的脫節(jié)等原因造成的失業(yè)與下崗使大量的失業(yè)人群如單位用工、建筑、搬運、收舊拾荒者、社會游手好閑的年輕人等逐漸淪為社會的弱勢群體，他們唯一的經濟收入來源可能僅僅局限于政府最低生活保障與社會的救助或借貸。根據犯罪經濟學的犯罪理性理論，[11]當缺乏收入來源與完善社會保障的潛在犯罪者發(fā)現(xiàn)從事違法行為的預期效用超過將時間及資源用于從事其他正當活動帶來的效用時，他們便會通過搶劫、盜竊、詐騙等財產犯罪來滿足自我的物質需求。而大量從農村流入城市的農民工由于缺乏良好的教育或技能培訓導致應聘時無法與企業(yè)的用工標準相匹配的“用工荒”、“招工難”現(xiàn)象也提高了城市流動人口財產類犯罪的可能性。

(二)通貨膨脹與財產類犯罪

通貨膨脹的一個顯著性后果是再分配效應，這使得收入和社會財富從固定收入手中轉移到非固定收入手中，從債權人手中轉移到債務人手中，從消費者手中轉移到生產者手中，從價格上漲幅度小的企業(yè)轉移到價格上漲幅度大的企業(yè)，最終使得分配更加不公。[12]針對低收入人群甚至失業(yè)者來說，手中的錢貶值使他們產生一種強烈的“被剝奪感”，從而引發(fā)其對社會強烈的不滿，如此緊張的狀態(tài)使下層民眾更傾向于采取非法手段來提升自己的生活水平，進而滋生財產犯罪。[13]此外，通貨膨脹會直接降低居民的普遍生活水平，其中社會弱勢群體的生活水平下降得最嚴重，食品、衣著、生活必須用品、交通、醫(yī)療等商品與服務價格的上漲大大提高了弱勢群體的生活成本，長期以來越來越多的人將不愿去從事正當?shù)纳a經營活動，而是期望在一片混亂中進行各種投機活動。當搶劫、盜竊等財產類犯罪的機會成本下降程度與速度遠遠高于違法犯罪期望收益的增長程度與速度時，潛在的犯罪者就會選擇犯罪與違法。

失業(yè)率與通貨膨脹是推動我國財產類犯罪數(shù)量上升的經濟性根本原因，而除此之外，政策制度等社會性的因素也會對我國財產類犯罪產生影響。1989年全國各級公安機關對以往存在的“立案不實現(xiàn)象”進行了調整，使得更多的盜竊類案件得以立案，極大的提高了財產類犯罪的立案率，因而也提高了檢察院批準逮捕犯罪的人數(shù)，從統(tǒng)計數(shù)據可以看出1990年就出現(xiàn)了財產類犯罪的第一個高峰，也被學者們稱為“第五次犯罪高峰”。而1992年公安部下發(fā)的《公安部關于修改盜竊案件立案統(tǒng)計辦法的通知》對盜竊案件的立案標準進行了調整，提高了盜竊罪的立案標準勢必會減少統(tǒng)計的財產類犯罪數(shù)，而這也說明了1992年我國財產類犯罪人數(shù)驟降的原因。此后1996年、2001年政法系統(tǒng)分別開展了兩次“嚴打”活動，大量的犯罪份子被逮捕，從而1996年我國財產類犯罪人數(shù)達到了第二個高峰，相較1987年全國財產類犯罪人數(shù)增長了113.08%，而2001年的財產類犯罪人數(shù)較1987年增長了99.51%。

三 灰色理論：我國財產類犯罪控制的新視角

社會系統(tǒng)論與控制論認為控制對象的發(fā)展與變化必然在整個社會系統(tǒng)網絡中具有因果鏈性的效應，如果要對某個系統(tǒng)要素進行控制就必須找到它在子系統(tǒng)結構中的原因因素，通過原因因素的控制與調節(jié)就能有效的對控制對象的“行為”、“運動”與“表現(xiàn)特征”進行改變。犯罪可以被視為是整個社會系統(tǒng)中的一個子系統(tǒng)，而財產類犯罪則是這個子系統(tǒng)的一個構成元素，所以財產類犯罪同時也是社會系統(tǒng)的構成元素。社會系統(tǒng)是一個開放復雜適應性系統(tǒng)(CAS)，[14]其內部的每個子系統(tǒng)與所有的元素相互間有著緊密的作用關系，其中本文的研究發(fā)現(xiàn)經濟系統(tǒng)中的失業(yè)和通貨膨脹要素對財產類犯罪有著因果效應關系。為了進一步研究經濟子系統(tǒng)中其他要素與失業(yè)、通貨膨脹之間的關系對財產類犯罪變化的作用效應，需要進步探討13個經濟元素之間的相關關系與因果關系，采用的探討方法為相關系數(shù)檢驗法和Granger因果關系檢驗法。[15]

首先進行相關系數(shù)檢驗，檢驗結果顯示在13個經濟元素構成的78種相關關系中有43條高度相關的關系鏈，其中與X7(城鎮(zhèn)登記失業(yè)率)、X12(通貨膨脹水平)呈高度相關的關系鏈有14條分別對應變量X1、 X3、X8、 X9、 X10、X11與X13。然而相關關系體現(xiàn)的是兩變量間的直接或間接關系，相關關系高并不能說明他們之間存在因果關系，犯罪控制模式的選擇不能基于相關關系之上。這種機理可以如下圖所示：

圖1 犯罪控制模式的選擇

如圖1所示，假設Xi與Xj之間存在很高的相關關系，但這種相關關系是由變量Xz造成的，Xz的變動會引起Xi與Xj的變動，所以Xi與Xj會顯現(xiàn)出相關關系。在控制模式的選擇中，若控制對象是Xi，那么通過Xj對Xi進行控制是不可靠的，因為Xj的變動不一定會引起Xi的變動，而此時只能通過Xz進行控制。Xz與Xi間有因果關系，所以Xz的變動會引起Xi的變動從而達到控制效果?；诖?，為了更進一步探討財產類犯罪與各經濟要素間的因果關系層次，并分解他們之間的效應，我們采用路徑分析法(Path Analysis)來尋找最優(yōu)的犯罪控制模式。[16]

根據計算機計算結果可以做出路徑分析網絡圖2，在此網絡中變量X9是獨立只能作為自變量的外生變量，而變量X11、X7、X12是既能做因變量又能做自變量的內生變量，變量間直接和間接的因果關系構成了一個非遞歸路徑模型。[17]

實現(xiàn)網絡化的犯罪治理必須構建同中國社會結構相適應的，以社會關聯(lián)為基礎的犯罪控制模式。[18]基于上述建立的非遞歸模型，通過針對性的信息篩選，我們最終可以找到我國財產類犯罪的最優(yōu)控制模式，篩選的方法是在網絡圖2中找出與控制對象y有因果關系的變量，剔除掉多余的變量。經過處理后最終形成的我國財產類犯罪控制網絡如圖3所示，對此網絡我們可以進行變量間的因果關系分解，經過換算后最終得到關于y的整體方程：

y=(p7y+p6yp76)·x7+p6yp96·x9+p12y·x12+μ

式(1-1)

其中Pij表示變量Xi與Xj之間的路徑系數(shù)，反映了Xi對Xj的影響大??；μ表示13個經濟因素之外還可能對y造成影響的其他因素。

圖2 路徑分析網絡

圖3 財產類犯罪控制網絡

式(1-1)說明在13種經濟因素中能夠通過直接或間接效應影響我國財產類犯罪變遷的變量是X7、X9、X12，其中變量X7會通過兩條路徑對y造成影響：一個是通過中間變量X6產生間接因果作用，另一個是通過自身產生直接因果作用；而變量X9將通過X6對y產生間接因果作用；變量X12通過自身產生直接因果作用。多元逐步回歸分析只能識別出X7、X12與y之間的直接因果關系，而路徑分析不僅識別出直接因果關系還識別出了間接因果關系，彌補了回歸分析的不足?；谝陨辖Y論，我們可以通過失業(yè)(X7)、人均GDP(X9)與通貨膨脹水平(X12)對我國財產類犯罪進行控制，控制的機理可借助控制論中的模型來表示：

圖4 財產類犯罪灰色控制箱模型

控制箱運行在功能上具有與社會系統(tǒng)的耦合性、與其它社會子系統(tǒng)的匹配性，能有效調節(jié)、緩解引發(fā)現(xiàn)代型財產犯罪行為背后的社會矛盾與利益沖突，最終能有效地控制我國財產類犯罪，而控制的手段應該是促進就業(yè)降低失業(yè)率、降低并維持通貨膨脹水平、提高人均GDP增加低收入人群收入。此外，犯罪控制的運行還要求建立完善具體的控制評價體系以對控制方法進行評估。犯罪控制在實施后的一定時間內產生的效果會通過特定的信息與社會反應表現(xiàn)出來，表現(xiàn)形式有：(1)財產類犯罪數(shù)量減小，犯罪人數(shù)減??；(2)財產類犯罪數(shù)量趨于平緩；(3)財產類犯罪數(shù)量變化起伏幅度加大(或降低)；(4)財產類犯罪數(shù)量減小，但其他類犯罪或違法活動卻猛然增加；(5)財產類犯罪的犯罪形式、手段等發(fā)生更新。通過上述5種反饋信息，我們需要對本文提出的灰色控制模型做出評價，對于運行中的不足與缺陷可以進行更改修正，從而提高下一階段財產類犯罪控制的效率與效果。

四 結 論

通過對我國財產類犯罪變遷的實證研究，本文發(fā)現(xiàn)改革開放三十余年來社會宏觀經濟與財產類犯罪具有長期的協(xié)同作用關系，失業(yè)率與通貨膨脹水平的提高會通過直接或間接效應推動財產類犯罪人數(shù)的增加，而其中失業(yè)率對我國財產類犯罪變遷的影響權重高于通貨膨脹產生的影響。

對社會經濟因素的調控將不失成為一種很好的財產類犯罪控制方法，減少失業(yè)人口，提高就業(yè)率，完善落實政府針對失業(yè)人群的“就業(yè)技能培訓”制度，促進失業(yè)人員的再就業(yè)；穩(wěn)定物價，降低并維持市場通貨膨脹水平，采取穩(wěn)健的宏觀經濟政策；提高人均GDP，且減少城鄉(xiāng)之間、地區(qū)之間的收入差距，完善收入分配制度，加大對社會低收入人群的財政傾斜力度等等這些方法都可以為我國將來財產類犯罪治理與控制工作所采用。

[1] 陳鵬,疏學明,袁宏永,蘇國鋒,陳濤,孫占輝.時空犯罪熱點預測模型研究[J].系統(tǒng)仿真學報, 2011，(9):1782-1786.

[2] 陳潭,黃金.群體性事件多種原因的理論闡釋[J]. 政治學研究,2009，(6):55-61.

[3] 陳永宏.改革以來全國總體基尼系數(shù)的演變及其城鄉(xiāng)分解[J].中國社會科學,2007，(4):45.

[4] 陳屹立.收入不平等、城市化與中國的犯罪率變遷[J].中國刑事法雜志,2010，(11):108-118.

[5] Becker Gary S. Crime and Punishment: An Economic Approach [J].Journal of Political Economy, 1968，(2):169—217.

[6] 高惠璇.處理多元線性回歸中自變量共線性的幾種方法[J].數(shù)理統(tǒng)計與管理,2000，(5):20-29.

[7] 孫敬水.計量經濟學(第2版)[M].北京：清華大學出版社,2012.

[8] 韓兆洲,魏章進.假設檢驗的一個常見誤區(qū)[J].統(tǒng)計與信息論壇,2005，(1):9-11.

[9] 孫敬水.計量經濟學(第2版)[M].北京：清華大學出版社,2012.

[10] 梁曉明.微觀經濟學[M].北京:中國社會科學出版社,1996.

[11] Becker Gary S. Crime and Punishment: An Economic Approach [J].Journal of Political Economy, 1968，(2):169—217.

[12] 李曉西.宏觀經濟學案例[M].北京:中國人民大學出版社,2006.

[13] 陳煒,徐綾澤.“相對剝奪理論”在農村流動人口犯罪防控中的應用[J].法學雜志,2010，(3):78-80.

[14] 陳禹.復雜適應系統(tǒng)(CAS)理論及其應用—由來、內容與啟示[J]. 系統(tǒng)辯證學學報,2001，(4):35-38.

[15] 王振龍.時間序列分析[M].北京:中國統(tǒng)計出版社，2006.

[16] Duncan, Otis Dudley. Introduction to Structure Equation Models [M].New York: Academic Press, 1975.

[17] Blau, Peter M. The American Occupational Structure [M]. New York: Wiley, 1967.

[18] 焦俊峰.犯罪控制中的治理理論[J].國家檢察官學院學報,2010，(2):99-104.

MacroeconomicFactorsandPropertyCrimeinChina: ——AnEmpiricalResearchBasedon1986-2010Data

QU Mao-hui,HAO Shi-ming

(Law School, Hunan University, Changsha 410082, China)

In China the number of property crime holds the greatest rate among all kinds of crimes, finding out the relationship between the growth of economy and property crime is an important subject to study. The official statistics show that economic growth, personal income distribution, inflation, unemployment and urbanization rate will promote the growth of property crime. The unemployment and inflation have a significant impact on property crime's change, which means decreasing unemployment and reducing social inflation would be a new way to control the number of property crimes in China.

property Crime；Economical Influential Factors；Empirical Research；Crime Control

2013-07-08

湖南省軟科學項目：“法學中的數(shù)理計量方法及其應用研究”(2008ZK3132 );2012年國家級SIT項目“基于年鑒數(shù)據的我國財產類犯罪變遷研究”(531107061080)

屈茂輝(1962—)，男，湖南新寧人，湖南大學法學院教授，博士生導師，法學博士.研究方向：數(shù)理-計量法學.

D912.29

A

1008—1763(2014)02—0143—07