哪些地方盗窃频发?邻里收入不平等和财产犯罪研究

摘要

本文利用美国田纳西州纳什维尔、俄勒冈州波特兰和亚利桑那州图森这三个城市的人口普查街区数据,分析了收入不平等与财产犯罪之间的关系。本文是在精细的地理层面(一般小于 1 平方英里)来审视这种关系的研究之一。作者发现,不同街区的收入不平等在决定财产犯罪水平方面发挥关键作用。在相对富裕的街区中,随着与相邻最贫困街区收入差距扩大,财产犯罪水平也提高了。此外,在其他一切不变的情况下,一个城市最贫困街区遭遇的财产犯罪往往较少。

前言

理论表明收入不平等与犯罪之间存在重要联系。根据贝克尔的犯罪经济理论,与收入分配更均匀的社区相比,收入不平等的社区犯罪相对利益更大。因此,随着犯罪益处的增加,犯罪程度也会增加。埃利希(Ehrlich,1973)对贝克尔的理论进行了扩展,他认为低收入者在更多财富的包围下更有动力去从事非法活动。

Chiu和Madden(1998)对收入不平等与财产犯罪(如入室盗窃)之间的联系提供了理论解释。他们的研究表明,收入不平等的增加导致整个地理区域内的盗窃案件数量增加,而富裕邻居的犯罪率可能会更高。这一结果是由于收入差距扩大,富裕家庭成为低收入窃贼更具吸引力的目标。因此,犯罪的利益正在增加,而监管成本不变,导致财产犯罪增加。他们的财产犯罪理论为作者在本文中估计的经验模型提供了动力。

由于不平等和财产犯罪缺乏一致的结果,作者进一步研究了这种关系,试图澄清当前研究结果中的模糊与误解。与暴力犯罪相比,财产犯罪特别令人感兴趣,因为收入差异可能会创造强大的经济效益,从而成为实施财产犯罪的激励。本文使用人口普查区块数据来探讨收入不平等与财产犯罪之间的关系。人口普查区块的面积通常为一平方英里,是人口普查收入数据的最小地理水平。作者使用小规模数据,因为大多数犯罪都是在地方一级犯下的,通常为一到两英里间的短距离内犯罪。如果想要准确地确定收入不平等与犯罪之间关系的性质,那么国家、州、县或市级数据可能在地理范围上过大。

使用田纳西州纳什维尔市,俄勒冈州波特兰市和亚利桑那州图森市的财产犯罪和人口普查数据,作者评估了收入不平等与财产犯罪之间的关系。该分析采用改进的邻近单位不平等度量,并解释了财产犯罪与其他不可观察的空间相关性。首先关注的是区块层面的财产犯罪和收入不平等,这是收入数据可用的最小地理范围。虽然小规模会存在一些问题,但要注意犯罪分子通常短途作案(1-2英里)。因此对于财产犯罪,小规模的收入变化对于准确解释这种关系是必要的。分析结果表明,随着与最贫穷邻居收入差距的增加,自己区块中遭受的财产犯罪率也会增加。作者还发现,最贫困的区块往往有较低的财产犯罪率。最后,作者发现在一个区块中,基尼系数在财产犯罪水平上几乎没有解释力。

数据

作者从几个来源获得了本研究中使用的数据。财产犯罪数据来自Cahill(2006)的一项研究;数据收集由国家司法研究所(NIJ)资助,可通过大学政治和社会研究联合会(ICPSR)获得。这些数据包含了1998年至2002年三个城市街区(纳什维尔市,波特兰和图森市)平均财产犯罪率。

因变量是每百户家庭的平均财产犯罪率,而财产犯罪则被定义为不使用或威胁使用武力的入室盗窃、非法侵占或机动车盗窃。

自变量:收入和社会经济变量的测量来自2000年人口普查。利用地理信息系统,作者绘制了人口普查收入数据以构建额外的收入不平等指标。图1提供了波特兰市的区块地图,其中包括财产犯罪和家庭收入中位数数据。由于三个城市的面积相似,这个地图可以作为例子。可以看到样本中的收入中位数、犯罪率和街区群的规模,而在数据集中包含1292个这样区块级别的观测值。



与犯罪水平相关的几个控制变量也包括在分析中。这些变量包括人口密度、教育水平、失业率、空置住房率、到中央商务区(CBD)的距离和收入。人口密度控制潜在窃贼和受害者的数量,其定义为每平方公里的人数。 高中和大学学历的人口比例表明了教育水平。 作者希望受过更多教育的地区犯罪率更低。对失业率和空置住房率的控制表明了一个地区的经济福利水平。与CBD的距离用于控制犯罪机会的数量,因为在一天中的某些时段可能比居住区有更多或更少的游客。表1提供了每个变量的描述统计。

模型

本文分析目标是确定收入不平等与犯罪之间的关系,作者使用OLS回归来估计半对数函数的系数,该函数表示控制社会经济特征下,财产犯罪与收入不平等之间的关系。模型估计如下:



为了解释数据中的空间自相关,作者采用具有空间自回归扰动的Cliff-Ord空间自回归模型。作者估计以下模型:



其中PCic是在城市c中人口普查区块i的财产犯罪率。Xic是一个区块内社会经济变量的向量。 Yic是一个区块内收入不平等的向量。Zic是一个跨越邻近区块群的收入不平等度量的向量。δc是城市虚拟变量。W是空间权重矩阵,λ和ρ是空间自回归系数,分别表示财产犯罪中的空间自相关强度和误差项。空间权重矩阵解释了跨区块组犯罪率的空间依赖性。作者使用空间邻接矩阵,指示区块是否共享边界。如果区块共享边界,则空间权重矩阵的元素值为1,否则为0。



实证分析



初步分析使用等式(3)中的OLS模型,并且仅包含区块内的收入不等,这允许作者检验基尼系数的性能,结果则如表2所示。作者提出五个模型来检验收入水平(按贫困率和高收入百分比衡量)和基尼系数的表现。在所有模型中,贫困率和高收入率的系数都很重要。较低的收入与更多的财产犯罪相关,而较高收入则相反。

基尼系数的结果表明它可能无法解释一个区块内的财产犯罪。表2中的第1列和第2列包括贫困率和高收入率,另外第2列也包括基尼系数。对这两个模型的检验表明,当存在绝对收入水平时,基尼系数并不能解释财产犯罪的差异。基尼系数在第2列中无关紧要,R平方从第1列到第2列没有变化。这个结果并不太令人惊讶,因为穷人和富人的百分比已经代表了一个区组内的不平等程度。然而,第4栏和第5栏的贫困率下降,而基尼系数为正并显著。这一结果表明,基尼系数代表的较高的收入不平等程度与较高的财产犯罪几率相对应。



表3包含跨区块财产、收入不平等系数的结果。第1列中的结果表明,作为最贫穷的群体,其财产犯罪率显著降低,大约低50.3%。这个结果并不令人意外。较富裕的社区几乎没有动力从穷人那里偷窃。如果附近的社区比较富裕并且拥有的物品比自己的社区更有价值,那么就可以保持其他所有社区的财产犯罪相对较少。第3栏中贫穷邻居其收入差异百分比系数表明,收入差距增加1%导致财产犯罪率上升0.72%。即较大的收入差距会激励较贫困社区的居民从较富裕的街区偷窃,从而导致财产犯罪率上升。该结果与Chiu和Madden(1998)提出的理论相符。

另一方面,最富裕区块的收入不平等系数表明与财产犯罪率不存在显著关联。第1列和第2列的结果表明,与邻居相比最富有的区块,在财产犯罪率上没有显著差异。这个结果与人们的期望相反。例如,如果一个区块的收入高于其邻居区块,那么较贫穷的邻居就会有动力从最富有的街区集团中窃取。因此,人们会期望这一系数为正,但作者的结果不支持此声明。最富有的人可能知道穷人有动机从他们那里偷窃,因此他们增加了安全措施,以防止财产犯罪。富人的这种行为很可能导致这里看不到结果。

第3和第4列表明收入差距的变化不会导致财产犯罪的显著差异。这一结果表明,当自己的区块与最富裕区块之间的收入差距变小时,自己区块的财产犯罪率没有变化。这个结果与人们的预期相反。例如,最富裕邻居收入增加的区块可以吸引更多的财产犯罪,因为有更多有价值的东西需要窃取。类似地,系数表明如果最富裕邻居的区块收入减少,财产犯罪率也会减少,因为窃取的贵重物品变少了。该系数没有表明与最富邻居的不平等度量是不相关的。与最富裕邻居收入差异的关系不会改变在自己的街区中犯下财产犯罪的动机或概率。

对于关键控制变量,表3中的所有列表明失业和贫困的增加导致财产犯罪率的统计显著增加。此外,人口密度、空置住房和与CBD距离的增加导致财产犯罪率的统计显著下降。这些结果与先前的研究一致。虽然自变量的多重共线性是一个问题,但表3中回归的方差膨胀因子(VIF)值表明多重共线性没有问题.。

结论

作者发现收入不平等会影响微观层面的财产犯罪率。分析得出一个有趣的结果是,相对最贫穷的街区,其财产犯罪率显著低于邻居。这表明最贫困地区的财产价值较低,相对较富裕的邻居几乎没有偷窃的意愿。作者进一步发现,一个地区相对最富裕的街区,虽然收入较高,但是遭受财产犯罪的经历几乎没有变化。这种结果可能表明最富裕的社区增加了他们的安全水平,这减少了穷人从富人那里偷窃的机会。结果还表明,与最贫穷的邻居相比,自己地区变得相对富裕,与邻居的收入差距增大,邻居的财产犯罪率就会增加

文献来源:Neil Metz and Mariya Burdina.Neighbourhood income inequality and property crime .Urban Studies,2018, Vol. 55(1) 133–150.

※ 本文源自微信公众号【社论前沿】(ID:shelunqianyan),作者:张炎汉。原文链接请点击本行文字,转载敬请直接联系原出处。

评论 (0)

评论加载中...

我要评论

一枚小编
ta的文章更多

猜你喜欢

李银河:女性创业者的努力为性别平等做了贡献|GET2018
11月15日,在主题为“碰撞·演变”的GET2018教育科技大会上,芥末堆创始人梅初九、社会学家
二维码