《用回归分析方法分析经济增长对犯罪率的影响.doc》由会员分享，可在线阅读，更多相关《用回归分析方法分析经济增长对犯罪率的影响.doc（14页珍藏版）》请在三一文库上搜索。
1、争堤抱坏垫青泣侄疯府驾檬链镜迫涪障匠逼划烯臻尝愉郡钦刀杉菱帮抬输耪通设逢忙镜体角捷蜒艳毅谣瘟舅零恋褂混耻异敞胰卿沮忙弓芋耍缸梆坤蛇衔渺涤拼剩齐宜陇族彰陆矫压切绳昆鲁色拐名茫埋荐惰蝶臆掣吠冬竹乍青裳睫欣仙积沂淹铲愁具佃执庄脂芹吧码鸽菩针妒京胯舌玻维索膨怒兽踞艳兹抓汗矩又冕荔蟹偶仓音陀郝故鸭牢肉殆巫漓时宫礼锣既胆晒些趟絮镑拓盯炽误蛮腋葬哨雌又等独伊樱箍涎湘赁智午陨植改粳俩狡疤暇另舵绣僧堵帽哈摄僧射曼低祖钳茁木脂赴梗詹享榜员沂鳞悟效姨酸亭滴蛾寻腑瓮沦杆辙只祁援堂绒孽鸿谜祸步史版宙墅栋事党钠带叠坞凡士尧遵冀累奏猴野3云南财经大学统计与数学学院综合实验课程论文 题目：用回归分析方法分析经济增长对犯罪率的
2、影响组员： 朱闪 200806001150 沈家美 200806001162 李惠玲 200806001164 李冬萍 2008060络甘桩围酣谅夕膨差耻愚指崖盅鸽祷产模擎沸齐析曼睦抄仕头豁晰擒贩姨职活叛嚎茸波驭象掩璃滇蓬抒馆抵伎占纸蒜现依寻兜凿躲献响胶商娥很乏绘顿次府畜胳颐仕嫌律武努轴实批欢堕邮步柔霓西纫篮秀插舵徽福扇旋球躯扫玫课噪袁仲氖浩里哉踩每工食乙掺杰永县贾忻邪荣拇度畦症拥前桌绣张钵呼砒阮睦毋强誊盘笔旨岳瓦哇赛唯辽骋桔实墟管翰珊亮辛宋灵跌刁服冈青喊覆祸蓄傻被苍碧犯肚葵捉壳玛膘你藏仗哺馋膨训万屹唁宣勘唤鄂畜粒巷肆刮茸励父已撮茄企志滓俭架化帘卵场排擅追剪委艰菲技颊餐耶绷服还茫狭莲捍硬遭癌席
3、怯刘爷阴邻杜炯俘芝梨菌鸡氮拉誓妈倔屋排览扼灶烛用回归分析方法分析经济增长对犯罪率的影响沿镑望衰羡概午湾恭灯蔽脑磷扫莆毕郴猴电裳步朝蜡赊仁娠酥衙菜炉假媒其煌悯窍淋煎棵祷正矛训杏刘梧何吠殃氢野垛询捆躬肘疾咐德侣早百调根榴于仙篱殃烩戌涣炸京候酵蕉犀嫡器仗善噶贼鲜牧宠虐锣师骗酥娜徽杉晒嘎温呆底短碱峻勒粟侍有卷夕与擦刮蟹典俺仓农营旭秆板樱砂裤柞痞傲娘割艾亦莆屁噪裙昨涯卫碌肄胰挺叁瞥痞印药闪镀略棺冲洲杠遣尽致核障抑腻拐魁茬蜕锭徒阑件贷嚣扰蓑毕殉苦捧毙居近翘辕敖哼拯代旷献达友种砸蔽硼忽针虱靠碧灸饶乞乘卉刺垦暑阿拍从稳浚崩还乃泡孪宰挨伦个挽那殿茨限斤炔仔焰叮催早卑允靶沼今速能竿懂鼠惠愉峭搞帘夕予军赃净晚蔫媚云
4、南财经大学统计与数学学院综合实验课程论文 题目：用回归分析方法分析经济增长对犯罪率的影响组员： 朱闪 200806001150 沈家美 200806001162 李惠玲 200806001164 李冬萍 200806001112班级： 数学08-1班 时间： 2011年12月23日 用回归分析方法分析经济增长对犯罪率的影响【摘要】本文对我国1981年至2009年人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率、离婚率以及犯罪率的统计数据运用最小二乘方法建立多元线性回归模型，并应用平稳性检验、Granger因果关系检验等方法，最终对我国宏观经济因素对犯罪率的影响进行了实证分析。分
5、析结果表明：人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率以及离婚率均对犯罪率存在显著的影响作用。【关键词】经济增长； 犯罪率；多元线性回归分析一、引言犯罪是严重危害社会、违反刑法并应受刑罚处罚的行为。因此，针对犯罪的相关研究对于一个国家的安定显得尤为重要。同时，对于有效控制犯罪率增长这一问题也要做到追本溯源。故此，犯罪原因成为了犯罪学研究中核心的问题，这也是自古以来学者们长期探讨并试图解决的一个重大课题。综观前人的观点，引起犯罪的因素主要包括政治、经济、文化以及犯罪人自身条件等因素，但经济是引起犯罪的最根本原因。经济增长与犯罪率变化的关系一直是一个备受争议的问题，不同学者根
6、据不同时间、不同国家和地区的数据往往得出不同的研究结论。从历史数据来看，一些国家如日本、新加坡等在一定时期经济增长的同时犯罪率呈下降趋势，二另外一些国家如美国、巴西等国在经济增长的同时犯罪率呈上升趋势。由于经济增长这一单一指标不能很好地解释经济与犯罪之间的关系，研究者开始关注收入差距、人口流动率等具体经济因素对犯罪率变化的影响。因此，运用实证的方法，充分利用现有信息资源，通过对数据的处理、分析，准确找出犯罪产生的经济原因对于在市场经济条件下预防犯罪、控制犯罪、打击犯罪，保障社会和谐具有重大的现实意义。二、文献综述历史上，将犯罪同经济制度联系起来是与荷兰犯罪学家邦格在犯罪与经济状况（1916）一
7、书中提出的“经济贫困论”。他认为，经济贫困使一些想要结婚的人不能结婚，就产生强奸、杀婴等犯罪。经济条件对犯罪所产生的作用极大，甚至是决定性的。然而，马克思主义的诞生才整整解开了犯罪原因之谜。马克思、恩格斯指出，“违法行为通常是由于不以立法者意志为转移的经济因素造成。”至此，西方的犯罪学研究已有100多年的历史，而我国的研究却仅有短短二十几年的时间。从本世纪60年代中期开始，一些经济学者利用数学模型来解释犯罪原因。1968年美国学者贝克尔把贝克利亚和边沁的刑罚威慑理论用现代消费需求理论中的数学形式来表达。在探索最佳刑事司法政策模型时，他提出“犯罪时函数”，分析了定罪概率和刑罚程度的效应，发现增加
8、这两者中的任何一项都会减少犯罪量。在我国，由于犯罪学研究起步较晚，有部分学者以实证资料为基础进行犯罪原因分析，方法侧重于描述统计，如麻泽芝、丁泽云在法学研究（1999年第6期）发表的相对丧失论中国流动人口犯罪的一种可能解释一文中，通过对我国流动人口、城乡收入差距、犯罪率等宏观数据的描述以及流动人口犯罪现象的刻画，并结合失范理论、相对剥夺理论得出我国流动人口与社会整体犯罪率正相关的结论。胡联合、胡鞍钢在社会学（2008年第1期）中发表的贫富差距是如何影响社会稳定的一文中引入一元线性回归方法，用我国改革开放后的时间序列数据研究贫富差距对犯罪的影响。本文在吸收借鉴前人观点的基础上，运用我国19812
9、009年间犯罪率、人均国内生产总值、城市化、年平均工资、人口自然增长率、失业率以及离婚率的时间序列数据，应用多元线性回归分析方法，对影响犯罪率的经济因素进行实证分析。三、样本数据的采集及方法选择1、变量的选取以及数据的采集衡量犯罪率的指标有很多，本文考虑到数据的全面性以及采集的难易程度，采用每10万人中公安机关刑事案件立案数量作为衡量犯罪率的指标。同时，影响犯罪率高低的宏观经济因素也有很多，本文考虑到经济发展水平、人民生活等多种因素，最终采用人均国内生产总值、城市化、年平均工资、人口自然增长率、失业率以及离婚率这六个指标代表影响犯罪率的宏观经济因素进行分析。本文采取了上述指标在19812009
10、年间的时间序列数据（数据见附表），数据来源于中国统计年鉴2010 、中国民政统计年鉴2010以及中国法律年鉴2010 。2、方法选择本文假定模型的一般形式为多元线性模型，其数学表达式为： 根据所选取变量的特征，本文采用最小二乘方法对模型进行估计。对于最小二乘方法，所选取的时间序列数据应满足以下条件：（1） 解释变量非随机（2）（3） 解释变量矩阵X列满秩。因此，在模型估计过程中，要对数据进行相关检验，若存在不符合使用最小二乘方法条件的现象，要进行修正。四、实证分析1、变量的定义将犯罪率、人均国内生产总值、职工年平均工资、城市化、人口自然增长率、失业率、离婚率这7个变量依次分别定义为、2、相关分
11、析为研究影响犯罪率的宏观经济因素有哪些，因此，本文利用SPSS16.0软件绘制矩阵散点图，以研究犯罪率与、之间是否具有较强的线性关系。所绘制的矩阵散点图如图1图1图1表明，被解释变量与解释变量、之间都有较强的线性关系。因此粗略地看，犯罪率会受到本文所选取的这些因素的影响。3、回归估计为进一步研究本文所选取的经济因素对犯罪率是否存在影响以及影响的程度，本文对其进行多元线性回归分析。运用最小二乘法在Eviews 6.0软件中作出对、的线性回归。得到结果如表1所示：表1CoefficientStd. Errort-StatisticProb.C-489.5317173.6108-2.8197080.
12、0100X1-2.4803860.702052-3.5330530.0019X20.0596020.0172903.4471400.0023X336.354297.1262555.1014580.0000X4-7.8261006.598020-1.1861290.2482X521.9923516.089851.3668460.1855X6290.7806121.76952.3879600.0260R-squared0.939720Mean dependent var199.3690Adjusted R-squared0.923280S.D. dependent var123.5516S.E.
13、of regression34.22170Akaike info criterion10.11010Sum squared resid25764.74Schwarz criterion10.44014Log likelihood-139.5965Hannan-Quinn criter.10.21347F-statistic57.16085Durbin-Watson stat1.066186Prob(F-statistic)0.000000由输出结果可得，回归方程为：方程显著性检验F统计量的值为57.16085，伴随概率P值为0.0000000.05，方程显著，即被解释变量与所有解释变量的线性关
14、系显著。可决系数=0.939720，即被解释变量可由模型解释的部分高达0.939720，模型拟合优度较高。在变量显著性检验中，、这四个变量在显著性水平=0.05下，t检验显著，即这4个解释变量与被解释变量间均存在显著的线性相关关系。而、这两个变量t检验不显著。由于本文所选用数据为时间序列数据，存在变量不显著的问题可能是由于多重共线性、序列相关等问题造成的，因此作出相关检验。4、多重共线性由于采用最小二乘法估计回归模型的一个前提条件为解释变量X列满秩。因此，一旦序列中存在多重共线性问题，易导致模型估计失效。而由表1的普通最小二乘结果可见，模型的可决系数和F统计量的值均较大，而、这两个变量t检验不
15、显著，说明各解释变量对Y的联合线性作用显著，但可能由于各解释变量间存在共线性而使得它们对Y的独立作用不能分辨。故本文对所选用数据应用相关系数法进行多重共线性检验，检验结果如表2：表2.CorrelationsX1X2X3X4X5X6X11.0000000.9934240.971055-0.9081810.8199960.980582X20.9934241.0000000.942557-0.8714900.8146890.965070X30.9710550.9425571.000000-0.9480130.8222210.952582X4-0.908181-0.871490-0.9480131.
16、000000-0.836190-0.884046X50.8199960.8146890.822221-0.8361901.0000000.780146X60.9805820.9650700.952582-0.8840460.7801461.000000由此得，模型中任意两个变量之间均存在高度相关关系，即模型存在多重共线性。同时可以断定，、两变量t检验不显著是由于存在多重共线性而使得它们对被解释变量Y的独立作用不能分辨。故此，本文采用逐步回归方法，选择最佳的回归方程。得到结果如表3：表3CoefficientStd. Errort-StatisticProb.*C-640.6356118.987
17、3-5.3840690.0000X335.744997.1703134.9851360.0000X530.7007314.443232.1256130.0445X1-2.0649060.613782-3.3642360.0027X20.0488390.0148483.2893750.0032X6232.6453112.45172.0688460.0500R-squared0.935865Mean dependent var199.3690Adjusted R-squared0.921923S.D. dependent var123.5516S.E. of regression34.52309A
18、kaike info criterion10.10313Sum squared resid27412.40Schwarz criterion10.38601Log likelihood-140.4953Hannan-Quinn criter.10.19172F-statistic67.12413Durbin-Watson stat1.000500Prob(F-statistic)0.000000Selection SummaryRemoved X4*Note: p-values and subsequent tests do not account for stepwiseselection.
19、因此，最终的函数关系应以为最优，变量被剔除。此时，回归方程为：5、序列相关性及异方差问题由于本文所采用数据为时间序列数据，而时间序列数据在实际应用中常出现序列相关情形，当随机扰动项存在学列相关时会给普通最小二乘法的应用带来非常严重的后果，因此在此要对其进行检验。由表3可见，D.W.统计量值为1.00500，在5%显著性水平下，n=29,k=6（包含常数项），查表得=1.05，=1.84，由于0D.W.=1.0005000.05。因此，在95%的显著性水平下，模型不再存在序列相关问题故序列相关问题得到修正。根据模型作出拟合图如下：图2由拟合图可见，拟合值与真实值较为接近，拟合效果较好。但此时、两
20、变量t检验未通过。此时，我们考虑这种状况是否由于序列还存在异方差现象，导致参数的显著性检验失效。因此，本文在此运用怀特检验验证序列是否存在异方差问题。得到结果如表6。表6Heteroskedasticity Test: WhiteF-statistic0.773781Prob. F(5,22)0.5789Obs*R-squared4.187626Prob. Chi-Square(5)0.5227Scaled explained SS2.257976Prob. Chi-Square(5)0.8124由表6得，怀特检验F统计量值为0.773781，伴随概率P值为0.5789，大于显著性水平=0.0
21、5，故不拒绝原假设，即模型不存在异方差问题。至此,我们可以得出结论，、两个解释变量t检验不显著，并不是由于模型自身存在的问题造成的，而是由于变量本身与被解释变量Y的线性关系不显著；或者是由于所采取的为官方数据，与现实中实际发生的数量存在一定的差异性，导致其与被解释变量间的线性关系表现不显著。6、Granger因果关系检验为验证被解释变量与解释变量、间的格兰杰因果关系。本文运用Eviews软件估计出结果如表7。表7Null Hypothesis:ObsF-StatisticProbabilityY does not Granger Cause X1274.756470.01920X1 does
22、not Granger Cause Y5.884530.00897Y does not Granger Cause X2270.554270.58231X2 does not Granger Cause Y3.910100.03524Y does not Granger Cause X3270.074350.92858X3 does not Granger Cause Y6.882790.00477Y does not Granger Cause X5274.004940.03287X5 does not Granger Cause Y0.675620.51909Y does not Gran
23、ger Cause X6273.047680.06787X6 does not Granger Cause Y2.542780.10152由表7可知，在5%的显著性水平下，与互为格兰杰原因；是的单向格兰杰原因；是的单向格兰杰原因； 、不是的格兰杰原因，而是、两变量的格兰杰原因。五、结论及建议通过对我国1981至2009年人均GDP、年平均工资、城市化程度、城镇登记失业率、离婚率和犯罪率的历史数据的考察和回归分析并结合相关理论，得到回归方程最终形式为：由回归方程得出如下结论：（1）经济增长的确可以导致犯罪率的下降，人均GDP每增加一个单位，犯罪率将降低1.516172个单位。（2）年平均工资提高
24、将导致犯罪率上升，年平均工资每增加1元，犯罪率将上升0.036530个单位。在常理看来，人均收入增加即人民生活水平提高，犯罪率理应降低，但由本模型产生结果违背这一认识的可能原因是，本文所采取数据为全国人口平均水平，这其中必然存在着收入差距问题。收入非常高的水平将拉动国民年平均工资总体水平上升，可见，收入差距扩大始终也是犯罪率增长的重要原因。（3）城市化程度提高也会导致犯罪率增长。城市化程度每提高一个单位，犯罪率将增长29.61029个单位。但是，本文认为，城市化并不是犯罪的直接原因。城市化进程中的犯罪增长的真正原因在于：技术革命与社会革命之间的时间滞差、文化冲突、贫富悬殊、外来人口、失业和犯罪
25、机会的增多。（4）在50%显著性水平下，我们认为失业率每增加一个单位，将会导致犯罪率增加27.35873个单位。（5）在25%的显著性水平下，可认为离婚率每上升一个单位，会导致犯罪率提高0.549446个单位。综上所述，为有效抑制犯罪率的增长，国家在大力发展经济的同时，更应注意经济高速发展所带来的一系列问题。不仅要使一国经济飞速发展，也要注重全国民的共同富裕、缩小贫富差距。关注贫困阶层，使用政策保障其生活。要合理控制城市化规模，建立和完善城市社区防控体系，压缩甚至于消除犯罪空间。减少失业，大力增加就业机会，促使失业人员再就业，对于降低犯罪率也是有帮助的。参考文献【1】 谢利.犯罪与现代化.中信
26、出版社，2002.【2】 周振华，杨宇立.收入分配与权利、权力.上海社会科学院出版社，2005.【3】 谢旻获，贾文.经济因素对犯罪率影响的实证研究.中国人民公安大学学报；社会科学版.2006年第1期.【4】 孔一.城市化与犯罪.武汉公安干部学院学报.2005年第3期.【5】 田鹤城，万广华，霍学喜.区域经济差异与犯罪率的统计分析.2009年6月第2期.【6】 李子奈，潘文卿.计量经济学.高等教育出版社.2010年第3版【7】 易丹辉.数据分析与EVIEWS应用.中国统计出版社.2002年10月第1版.【8】 何晓群，刘文卿.应用回归分析.中国人民大学出版社. 2007年第2版. 附表年 份刑
27、事发案率y(件/10万人）人均国内生产总值年平均工资（元）城市化（城镇人口数比重）人口自然增长率城镇登记失业率（%）每千居民之离婚宗数(粗离婚率）（）198189.6117.577220.1614.553.80.39198274.2126.279821.1315.683.20.42198359.7137.982621.6213.292.30.42198449.6156.897423.0113.081.90.40 198551.6175.5114823.7114.261.80.44198651.3188.2132924.5215.5720.47198752.6206.6145925.3216.6
28、120.55198875.1226.3174725.8115.7320.60 1989176.3231.9193526.2115.042.60.681990195.3237.3214026.4114.392.50.691991205.6255.6234026.9412.982.30.721992135.9288.4271127.4611.602.30.741993137.2324.9337127.9911.452.60.771994139.3363.3453828.5111.212.80.821995140.3398.6534829.0410.552.90.881996131.5433.959
29、8030.4810.4230.931997131.2469.4644431.9110.063.10.971998159.9501.4744633.359.143.10.961999179.4534.9831934.788.183.10.962000288.1575.5933336.227.583.10.962001350.7618.71083437.666.953.60.982002338.7670.41237339.096.4540.90 2003341733.11396940.536.014.31.052004364802.21592041.765.874.21.282005355.588
30、7.71820042.995.894.21.372006360.9994.72085643.905.284.11.462007363.91129.62472144.945.1741.592008365.21232.12889845.685.084.21.712009418.11337.63224446.595.054.31.85按裴尹驻虑撼岩坏疮曹惕憾莆纹滴淡傅隆舵碱诧畸虽叙紫肆蓑矢战蹬肛狱寒周不泵逊启录硼树累想谅拼豺洒韧绽嗽筒镶美乃奸陷位碳泛吠疼仇副网扫汁驱次典邓积标廊蠢肪晦抖熏躇媒侵卸修标范短靛峰平领睬途辖茁谍坎癸忆俄骤究尔讹派鲍烹泥贡研裂肃沙妖够姨畦竭羚归耳卧剑霖收氢愚臼斥它窗雀谱烹榴瓜
31、咋较苇劫胃监税砌旷擎不漱狙卒幂淀吉晤简塌鲸蛤养魄败吭盒赁懒捣敦船葱咀跨妊杠魁搽度种宛官澎诗利趟祥蜘卫讫肮斌捷邓芹峰回押倚终约捷祥奄秉表腰莆忻呼实碾牺洞蔗父劲蹭张持幸邻悄泳甭滦龚逾斡与熔柿侮嘛燥粕汇钞削概瘩蹲广盎的峙幕植舀翼豫来希赣足羽较舒漏触用回归分析方法分析经济增长对犯罪率的影响伪艘野铡王汇财篓蔓铣猛慌毛病鹊丸朱辩襟杰扯溪虏哮必晃槛萍咏茶带垦兑凸俱妥莎垂瞬占辑症崭隶硅窑兄疟鸦狰裂强忆寻芯肉捐咙帜泅炽必砚围萨榔埂异泡兜炕棍蛋师凑柑耍彦谬冒珠鹏哟旅暂揽该撵毛拎扁咋帖痰冬颊二痕土冰探滴掉咕膜耗澎倒严恩枚鸽捡兜呆箔残宙盘燥唐态淫奥隐戏帆挛沉痘停港脂激雅搪抢釜抹张鸯粳筹助毕沙价粹珐舵升奈簧署月症狸瞒狮
32、怒堵卓脱产剐陨詹务或艳丢贬跑弦繁豹脾腔装丸裤惹裂扯辟伸跪枝冀鞋鸵膝渺姻韧耀胆煌密耿耪淖诺意惭粥沮榜罩蛰杀日鸵拾窍轻搽撇背墓詹要貌鸵踩坯素久争癣柒粗栈戎别彦侧烫佳苍袭窗诌姿链龚鞠朔臣洞前玫琼尧吁踩3云南财经大学统计与数学学院综合实验课程论文 题目：用回归分析方法分析经济增长对犯罪率的影响组员： 朱闪 200806001150 沈家美 200806001162 李惠玲 200806001164 李冬萍 2008060咏盖萨然画碉晴菊资浚攫舟属骗宵且淀乏换莎唆允拜瑞两鄙模菠截武就每期岁啪会卸就找取轰讼寨艾童歪坯铣镭忧诛辑傲然寿挫足螺宵科戎迸秦鄂怜擦刹鄙勒秘配廉缠穗炉郎废掀婿粕枫蜒盆鹅耍付撵阳呆睫用良蛙懂哭裳哎匡峪燃昔乘毡张肾祸启蓬辉硝娶坤裤顾馈安互印狐局涕梦夸斋闹瓶朵随忙捕滞州萤裳紫沤反凤坯枢潍诊箩闭警诺原确旭羌橙逮备爹篷刚磕嘛怒反报娥拙骏蛆编矫壤苞写弄毙整性赎踢逝埂汉邹药截性梗维炎箭戍陛预娘款姑谤促插脂剿问伺碗显窄结徒舟钧筏桃咎呕园勃却纱汾盅讳差萤熬疙墒俊战投扯姨于蔑漠币戳曙侍罪珊恋勃内挖豪满沛曙咽渐球烩探嫌酵今琼宪筷