北京市外来犯罪者的户籍地空间分布及其演变——以2005-2014年入室盗窃犯罪为例

原鹏辉 陈 鹏 姜 超 侯 超 石少冲 明红霞



北京市外来犯罪者的户籍地空间分布及其演变——以2005-2014年入室盗窃犯罪为例

原鹏辉 陈 鹏 姜 超 侯 超 石少冲 明红霞*

城市犯罪案件是本地与外地犯罪者共同作用的结果，因此犯罪预防策略不应仅局限于本地区域。为拓展犯罪预防思路、实现有效犯罪防控，以北京市外来入室盗窃者为研究对象，通过空间统计、Moran散点图、非参数检验等方法对2005-2014年北京市外来犯罪者户籍地的空间分布及其演变进行研究。结果表明：(1)北京市外来犯罪者主要来自距北京市较近的河北、河南、山东及黑龙江等区域；但相较于2005年，2014年犯罪者户籍地分布出现向西南偏移的趋势；(2)北京市外来犯罪者户籍地在空间上呈聚集状态，其中河北、河南、山东形成了稳定的犯罪者户籍地高集聚区，但其聚集性有所降低；(3)相较于犯罪者户籍地低集聚地，犯罪者户籍地高集聚地具有至北京市的交通距离短、经济发展水平低、失业人数多、人口规模大等特征。因此，各地政府应结合本地犯罪防控和外地户籍地干预，以达到降低和预防城市犯罪的目的。

外来犯罪者；户籍地；空间分布；北京市；犯罪地理

一、引言

近年来，随着我国城镇化进程的不断加快，治安问题日益复杂，并带来了一系列的安全问题，其中盗窃类犯罪尤为突出。据统计，2011年至2016年间我国盗窃类刑事案件立案数量在所有刑事案件中的比重接近三分之二[1]，而由于“失窃金额小”、“嫌麻烦”等原因，现实中有大量的受害群众在遭受盗窃类犯罪后并未选择报案，实际发生的盗窃类案件数量可能要远大于此。因此，如何在城镇化的快速发展过程中准确、高效地防范和控制盗窃类犯罪的发生，确保人民安居乐业、社会安定有序，是当前中国城市发展和公共管理面临的主要问题和挑战。

随着20世纪70年代行为地理学的发展，地理学研究逐渐突破以统计描述为主的机械实证主义，开始以人的主体性角度来理解个人行为与其所处空间的关系[2]。而行为主义方法论的确立和兴起也为城市犯罪问题的研究提供了新的思路方法[3]，犯罪研究逐渐从受害者特征、犯罪案事件时空分布转向犯罪者行为的空间过程。研究表明不同尺度下的城市犯罪在空间上呈聚集分布状态[4]，然而大部分研究主要依赖于犯罪发生地的信息[5]，而犯罪者户籍来源地的关注相对较少。由于犯罪详细数据稀缺等原因，目前学者们针对城市外来犯罪人群体户籍来源地分析的实证研究相对欠缺；不同于本地犯罪者，外来犯罪人群体具有更强的流动性，导致城市内部的传统犯罪预防方式无法全面有效地遏制城市犯罪态势；因此，犯罪预防视野和角度需要从本地预防扩宽至犯罪者的户籍地干预管理，以达到高效的城市犯罪防控。

鉴于此，本文以北京市外来入室盗窃者为研究对象，通过空间统计、非参数检验等方法对北京市外来犯罪者的户籍地地域分布及区域特征进行分析总结，旨在从犯罪者户籍地的角度为盗窃类犯罪的预防提供策略建议。

二、研究区域、数据来源与研究方法

（一）研究区域与数据来源

本文采用2005年与2014年北京市公安局执法办案平台数据库中的入室盗窃类案件犯罪者数据，包含犯罪者的户籍地信息、作案时间、作案地点、作案手段等。本研究中外来犯罪者的界定条件为所持身份证或户籍地为非北京市的外来流动人口，即该类人员以正常务工等目的迁移至北京市一段时间后，由于自身文化素质低、收入水平低、城市管理不善等原因，开始参与或实施入室盗窃犯罪。据此条件，共筛选出北京市外来犯罪者3683人，其中2005年和2014年犯罪者数量分别为2187人和1513人。随后，按照犯罪者的户籍信息进行各户籍地的空间定位。

（二）研究方法

在分析方法上，采用全局和局部空间自相关方法，分别对2005年与2014年北京市外来犯罪者的户籍地进行空间集聚性分析。其后，利用非参数检验方法，对犯罪者户籍地高集聚地与犯罪者户籍地低集聚地的区域特征进行对比。

1．区域重心

假设一个大区域由若干个小区域组成，第个小区域的中心空间坐标为(X,Y)，M为该区域的特定属性值，则该属性下的区域重心坐标定义式为[6]：

其中，为小区域的总数量。

2．全局Moran’ s I指数

全局Moran’ s I指数能够反映空间邻接或空间邻近的区域单元属性值的相似程度[7]，其定义式为：

3．Moran散点图

Moran散点图常用来研究和反映空间单元观察值之间的局部空间关系[8]。以变量x为X轴，以该变量的空间滞后因子wx为Y轴，Moran散点图共分为4个象限，其中第1、3象限代表观测值的正向空间自相关性，第2、4象限代表观测值的负向空间自相关性。第1象限表示观测值高的区域单元被高值区域所包围（高-高）；第2象限表示观测值低的区域单元被高值区域所包围（低-高）；第3象限表示观测值低的区域单元被低值区域所包围（低-低；第4象限代表观测值高的区域单元被低值区域所包围（高-低）。

4．Mann-Whitney非参数检验

非参数检验遵循假设检验的基本思想和准则，在缺乏总体分布信息的支撑下，利用统计思想、数学方法构造相应的统计量进行检验。Mann-Whitney是由H.B. Mann和D.R. Whitney在秩和的基础上发展而来，以检验两个独立样本是否取自同一总体[9]。设1，…，m和1，…，n两个总体具有连续分布，假设H0：两总体分布的中心位置相同；H1：两总体分布的中心位置不同。令两组样本混合升序排序，将每个数值在混合样本中所在位置的次序称为其等级或秩，分别计算两组样本的秩和x，Y；若H0成立，则x应接近理论秩和(++1)/2，Y应接近理论秩和(++1)/2；如果x，Y和理论值差别较大，则可推断两总体的中心位置有差异。为了对结果进行检验，可计算每个样本的-统计量，计算公式如下：

其中U表示的观察值大于观察值的个数；U表示的观察值大于观察值的个数，x，Y分别为样本和Y的秩和；，分别为样本和的个数。当混合样本有相同的值时，即混合样本有结时，近似服从标准正态分布的Z统计量修正公式为：

其中i是由相同秩次的数据数量，是结的个数，，，的定义同式(3)。

三、北京市外来犯罪者的户籍地空间分布特征及其演变

利用空间统计方法，分别在省级和市级尺度上，对北京市外来入室盗窃犯罪者的户籍地分布特征进行研究。

（一）北京市外来犯罪者户籍地的空间分布及其变化

1．省级尺度的空间分布与变化

分别对2005年与2014年各省级行政区的犯罪者数量进行统计。将各省级行政区按照犯罪者数量进行排序，分别取前5%、前5%~前25%、前25%~前50%、后50%为高、中高、中低、低四个等级，结果如图1所示，可以看出，犯罪者户籍地在空间上存在明显的分级现象。具体来看，2005年北京市外来犯罪者的户籍地主要集中在河北、河南、山东、内蒙古、黑龙江以及四川、湖北、安徽等省。2014年北京市外来犯罪者户籍地主要集中在河北、河南、山东、黑龙江以及四川、湖南、云南、甘肃等省。同时，省级户籍地犯罪者人口重心结果显示，2005年犯罪者人口重心位于东经113.66°，北纬35.88°，2014年犯罪者人口重心转变为东经112.00°，北纬34.89°。相比于2005年，2014年犯罪者人口重心向西南方向移动了186.45km，反映出犯罪者户籍地分布变化呈现出向西南方向偏移趋势。2005年与2014年北京市外来犯罪者的户籍地空间分布等级变化分析表明（表1），近71%的犯罪者户籍地空间分布等级基本保持不变，且其他户籍地的空间等级转变几乎全部发生在相邻等级之间，反映出各省级户籍地的犯罪者人数排名基本呈稳定不变状态。

图1 2005-2014年北京市外来犯罪者的省级户籍地空间分布

表1 2005年与2014年省级户籍地的空间等级变化

空间等级(20052014)低等级中低等级中高等级高等级 低等级中低等级中高等级高等级13200143012300002

2．市级尺度的空间分布与变化

分别对北京市2005年和2014年犯罪者户籍地的地市级行政区分布进行分析。同样，将各地市级行政区按照犯罪者数量进行排序，分别取前5%、前5%~前25%、前25%~前50%、后50%为高、中高、中低、低四个等级。结果如图2所示，可见2005年犯罪者户籍地主要集中在河北张家口、承德、保定、衡水、邯郸、邢台、廊坊，河南周口、南阳、信阳、驻马店，山东菏泽，安徽安庆，黑龙江哈尔滨，重庆等地。而2014年犯罪者户籍地主要集中在河北张家口、承德、保定、沧州、邢台、邯郸，河南周口、南阳、信阳、驻马店，四川凉山，云南昭通，湖南衡阳，甘肃陇南，重庆等地。该结果表明2014年北京市外来犯罪人群体仍主要来自与北京市具有相同地理背景的河北、河南等地。同时，2005年犯罪者人口重心位于东经114.21°，北纬35.45°；而2014年重心转变为东经112.70°，北纬34.46°。相较于2005年，2014年犯罪者人口重心向西南方向偏移176.22km，该结果反映出北京市外来犯罪人群体的地市级户籍地分布同样出现向西南方向偏移的趋势。

图2 2005-2014年北京市外来犯罪者的地市级户籍地空间分布

（二）北京市外来犯罪者户籍地的空间集聚态势与变化

利用空间计量经济学中的Moran’s I统计值，进一步从定量的角度分析北京市外来犯罪者户籍地的空间自相关性，判断其空间模式类型。

1．省级尺度的空间集聚态势与变化

分别计算2005年与2014年北京市外来犯罪者户籍地省级分布的Moran’s I统计量。结果表明，其Moran’s I指数从2005年的0.196下降至2014年的0.027，反映出北京市外来犯罪者户籍地的整体空间分布聚集性有所降低。进一步，分别对2005年与2014年北京市外来犯罪者在各户籍地的人数分布绘制Moran散点图，挖掘局部区域的空间关系。结果（图3）显示，2005年呈现为高-高态势的省份共7个，分别为河北、河南、山东、黑龙江、内蒙古、安徽、湖北。而2014年具有高-高态势的省份数量则下降至5个，分别为河北、河南、山东、甘肃、云南。该结果反映出河北、河南、山东等距北京市较近的地区是北京市外来犯罪者的主要输出来源，形成了高聚集带。同时，从Moran散点图各象限的区域数量可知，低-低态势的省份数量从2005年的12个下降至2014年的8个，低-高态势地区和高-低态势地区的数量均出现上升现象，该结果表明在省级层面犯罪者较多的户籍地和犯罪者较少的户籍地之间彼此相邻的情况增加，空间差异性在逐渐扩大。

图3 2005-2014年各省级户籍地犯罪者人数分布的Moran散点图

2．市级尺度的空间集聚态势与变化

分别对2005年与2014年北京市外来犯罪者户籍地的地市级分布进行空间自相关分析，发现其Moran’s I值从2005年的0.315下降至2014年的0.180，该结果反映出北京市外来犯罪人群体户籍地在空间上呈现聚集状态，犯罪者较多的户籍地之间彼此聚集，犯罪者较少的户籍地之间彼此聚集，但相较于2005年，2014年的聚集程度有所下降。进一步，分别对2005年与2014年北京市外来犯罪者在各户籍地的人数分布绘制Moran散点图，结果（图4a和图4b）表明，2005年呈现为高-高态势的地级市共54个，其中29个城市来自河北、河南及山东省份，而2014年呈现为高-高态势的地级市数量下降至44个，其中23个城市来自河北、河南、山东省份。此外，低-低态势的地级市数量从2005年的145个下降至2014年的112个，高-低态势的地级市和低-高态势的地级市数量均有所上升，反映出在地级市层面犯罪者较多的户籍地和犯罪者较少的户籍地之间彼此相邻的情况增加，空间差异性在逐渐扩大。

图4 2005-2014年各地市级户籍地犯罪者人数分布的Moran散点图

四、北京市外来犯罪者户籍地的区域特征变化

为了解北京市外来犯罪者户籍地，特别是犯罪者较多的户籍地和犯罪者较少的户籍地之间的区域特征差异，对不同犯罪者户籍地之间的社会经济等特征进行对比分析。

（一）犯罪者户籍地的区域特征选择

犯罪者在北京市实施犯罪前，其以务工等正常活动为目的从户籍地至北京市的行为同样具有流动人口的迁移行为属性。因此，本文从人口迁移理论角度对犯罪者户籍地的区域特征进行选择。自19世纪末，列文斯坦提出了“人口迁移法则”后[10]，西方学者从人口地理学、政治经济学等学科角度出发，提出了一系列相应的人口迁移理论，如“推力—拉力”理论、二元经济理论、双重劳动力市场理论等[11]，其中“推力—拉力”理论为最具影响力的人口迁移理论之一[12]。该理论假设迁移者充分了解其迁出地及迁入地信息，并且其会在迁出地不利因素的推力和迁入地改善生活条件因素的拉力作用下做出迁移行为。在区域特征选取上，本文以“推力—拉力”理论为基础，结合前人已有研究[13]，从人口特征、收入水平、教育普及、居住环境、迁移距离、就业情况六个方面共选取7个特征变量，分别为各户籍地的总人口数量、普通高等院校在校学生人数占当地总人口之比（以下简称为学生人数占总人口之比）、人口密度、城镇失业人数、各户籍地与北京市之间的人均地区生产总值差距（以下简称为人均GDP差距）、职工平均工资差距以及交通距离。由于犯罪者省级户籍地的样本数量相对较少，本文以地市级户籍地为研究单元对犯罪者户籍地之间的区域特征差异进行研究。研究数据中的犯罪人群体在京居住时间主要为半年至一年间，因此分别选取2005年与2014年《中国城市统计年鉴》作为犯罪者户籍地的社会经济等区域基础数据。

（二）犯罪者户籍地的区域特征及其变化

针对空间统计中的犯罪者户籍地高集聚地（高-高地区）与犯罪者户籍地低集聚地（低-低地区），分别对2005年与2014年犯罪者户籍地高-高地区和低-低地区的城镇失业人数、人口密度、总人口数量、学生人数占总人口之比及其与北京市之间的交通距离、人均GDP差距、职工平均工资差距进行Mann-Whitney非参数检验。结果（表2）显示：2005年与2014年，犯罪者户籍地高-高地区和低-低地区之间的城镇失业人数、总人口数量及其与北京市的人均GDP差距、职工平均工资差距、交通距离一致的原假设下概率值均小于0.05，即以上变量在犯罪者户籍地高-高地区和低-低地区之间存在显著的区域特征差异。而在2005年与2014年间，犯罪者户籍地高-高地区和低-低地区之间的人口密度相同的原假设概率值均远大于0.05，反映出人口密度在犯罪者户籍地高-高地区和低-低地区之间并无显著差异。

表2 2005-2014年高-高地区与低-低地区之间区域特征差异的显著性结果

年份原假设测试显著性 20052005200520052005200520052014201420142014201420142014城镇失业人数的分布在地区类型类别上相同人均GDP差距的分布在地区类型类别上相同交通距离的分布在地区类型类别上相同人口密度的分布在地区类型类别上相同职工平均工资差距的分布在地区类型类别上相同学生人数占总人口之比的分布在地区类型类别上相同总人口数量的分布在地区类型类别上相同城镇失业人数的分布在地区类型类别上相同人均GDP差距的分布在地区类型类别上相同交通距离的分布在地区类型类别上相同人口密度的分布在地区类型类别上相同职工平均工资差距的分布在地区类型类别上相同学生人数占总人口之比的分布在地区类型类别上相同总人口数量的分布在地区类型类别上相同Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验Mann-Whitney U检验0.038*0.004**0.000***0.2460.002**0.4240.000***0.035*0.000***0.000***0.8900.000***0.003**0.000***

注：*表示在0.05的水平下显著，**表示在0.01的水平下显著；***表示在0.001的水平下显著。

进一步，Mann-Whitney检验结果（图5）显示出，2005年与2014年间，犯罪者户籍地高集聚地的城镇失业人数、总人口数量及其与北京市的人均GDP差距、职工平均工资差距的平均秩均高于犯罪者户籍地低集聚地；犯罪者户籍地高-高地区与北京市之间的交通距离的平均秩均低于犯罪者户籍地低-低地区。区域特征的秩次统计量越高，表示该特征数值在混合样本中所在位置次序越高。因此，犯罪者户籍地高-高地区和低-低地区之间区域特征平均秩的对比结果反映出，相对于低-低地区，犯罪者户籍地高-高地区具有城镇失业人数多、经济发展水平低、总人口数量多以及距北京市交通距离短的显著区域特征。同时，犯罪者户籍地高-高地区和低-低地区之间学生人数占总人口之比的差异性由2005年的不显著转变为2014年的显著。如图5所示，2014年犯罪者户籍地高集聚地的学生人数占总人口之比的平均秩低于犯罪者户籍地低集聚地，即2014年犯罪者户籍地高-高地区的教育普及率总体上低于犯罪者户籍地低-低地区。

通过“推力—拉力”理论在犯罪者户籍地高-高地区与低-低地区之间选取了7个区域经济、人口等特征进行比较后发现，相对于低-低地区，犯罪者户籍地高-高地区具有城镇失业人数多、经济发展水平低、人口规模大、教育普及率低以及距北京市交通距离短的显著区域特征。

图5 2005-2014年高-高地区与低-低地区之间区域特征差异的Mann-Whitney U检验结果

五、结论

在犯罪防控由“犯罪控制”向“犯罪预防”拓展的背景下，理解城市中外来犯罪人群体的户籍地分布及其区域特征，有助于拓展犯罪预防的实施思路以及精准地发现犯罪预防所应关注的重点。对此，本文对北京市外来入室盗窃者的户籍地分布进行探索研究，结论如下：

第一、在省级尺度下，北京市外来入室盗窃者的户籍地主要位于河北、河南、山东、黑龙江等距北京市较近的地区；在市级尺度下，北京市外来犯罪人群体主要来自河北张家口、承德、保定；河南周口、南阳、信阳等与北京市具有相同地理背景的城市；但相较于2005年，2014年犯罪者户籍地分布出现向西南方向偏移趋势。

第二、在省级和市级层面，犯罪者户籍地在空间上呈聚集状态，反映出犯罪者较多的户籍地之间以及犯罪者较少的户籍地之间相邻的情况较多，但其聚集程度在逐渐下降。

第三、在不同类型地区方面，犯罪者户籍地高集聚地与犯罪者户籍地低集聚地之间的区域特征存在显著差异，即相较于低-低地区，犯罪者户籍地高-高地区具有经济发展水平低、城镇失业人数多、人口规模大、教育普及率低及其距北京市交通距离短的区域特征。

本文对北京市外来入室盗窃者的户籍地空间分布进行了实证性研究，研究结论对城市盗窃类犯罪预防具有一定的借鉴参考意义。一方面，随着经济发展和交通的便利，犯罪者户籍来源地分布出现多源性和集中性现象，较远地域的潜在犯罪者向北京市迁移的情况逐渐增加；另一方面，相比于犯罪者户籍地低集聚地，犯罪者户籍地高集聚地具有经济发展水平低、城镇失业人数多等明显的社会、经济、人口等区域特征。因此，政府等管理部门可根据本地区外来犯罪人群体的户籍地聚集区进行有效的犯罪者流出地和流入地管理，加强犯罪者的户籍地干预管理，将本地犯罪防控和外地户籍干预策略有效结合，从而达到降低和预防城市盗窃类犯罪的目的。

[1]刘宏斌、高雨潮：《当前我国盗窃犯罪研究》，载《中国人民公安大学学报（社会科学版）》2018年第2期。

[2]柴彦威、塔娜：《中国行为地理学研究近期进展》，载《干旱区地理》2011年第1期。

[3]杜德斌：《国外有关城市犯罪出行问题的研究》，载《城市问题》1998年第1期。

[4]参见Brantingham, P. J, Brantingham, P. L. The spatial patterning of burglary, The Howard Journal of Criminal Justice, 1975, pp.11-23. Johnson S D, Bowers K J. Permeability and Burglary Risk: Are Cul-de-Sacs Safer?, Journal of Quantitative Criminology, 2010, pp.89-111. Braga, A. A, Papachristos, A. V, Hureau, D. M. The concentration and stability of gun violence at micro places in Boston, 1980-2008, Journal of Quantitative Criminology, 2010, pp.33-53. Ye X, Wu L. Analyzing the dynamics of homicide patterns in Chicago: ESDA and spatial panel approaches, Applied Geography, 2011, pp.800-807.

[5] Johnson S D, Summers L. Testing Ecological Theories of Offender Spatial Decision Making Using a Discrete Choice Model, Crime & Delinquency, 2015, pp.454-480.

[6]徐建华、余庆余：《人类生态系统》，兰州大学出版社1993年版。

[7] Odland J. Spatial autocorrelation, London: Sage Publications, 1988.

[8]王雪青、陈媛、刘炳胜：《中国区域房地产经济发展水平空间统计分析——全局Moran’s I、Moran散点图与LISA集聚图的组合研究》，载《数理统计与管理》2014年第1期。

[9] Mann H B, Whitney D R. The Annals of Mathematic Statistics, 1947, pp.50.

[10] Ravenstein E G. The Laws of Migration, Journal of the Statistical Society of London, 1976, pp.289–291.

[11]参见Bogue D J. Internal Migration, Chicago: University of Chicago Press. 1959. Lee E S. A theory of migration, Demography, 1996, pp.47-57. Piore M J. The Dual Labour Market, Theory and Application, Cambridge: Cambridge Mass Winthrop. 1970.

[12]李强：《影响中国城乡流动人口的推力与拉力因素分析》，载《中国社会科学》2003年第1期。

[13]参见刘晏玲、冯健：《中国人口迁移特征及其影响因素-基于第六次人口普查数据的分析》，载《人文地理》2014年第2期。陈明星、郭莎莎、陆大道：《新型城镇化背景下京津冀城市群流动人口特征与格局》，载《地理科学进展》2018年第3期。鲁奇、吴佩林、鲁礼新等：《北京流动人口特征与经济发展关系的区域差异》，载《地理学报》2005年第5期。

* 原鹏辉(1996-)，男，陕西渭南人，中国人民公安大学信息技术与网络安全学院，硕士研究生，研究方向为犯罪分析与犯罪制图；

陈鹏(1981-)，男，辽宁营口人，中国人民公安大学信息技术与网络安全学院副教授，博士，研究方向为犯罪地理与犯罪制图，社会仿真与地理模拟；

姜超(1988-)，男，河北衡水人，北京大学地球与空间科学学院遥感与地理信息研究所博士后、讲师，博士，研究方向为犯罪地理学、地理信息科学、犯罪时空分析与模拟；

侯超(1994-)，女，山西平遥人，中国人民公安大学信息技术与网络安全学院，硕士研究生；

石少冲(1994-)，男，河北衡水人，中国人民公安大学信息技术与网络安全学院，硕士研究生；

明红霞(1987-)，女，山东东营人，东营市公安局，科员。

北京市自然科学基金项目(9192022)；社会安全风险感知与防控大数据应用国家工程实验室主任基金项目；中国人民公安大学基本科研业务费课题(2018JKF228)；中国人民公安大学2019年拔尖人才培养专项资助硕士研究生科研创新项目(2019ssky002)。

（责任编辑：廖根为）