劳动力市场状况与刑事犯罪：基于城市面板数据的实证研究_犯罪率论文

劳动力市场状况与刑事犯罪——基于城市面板数据的经验研究，本文主要内容关键词为：刑事犯罪论文,劳动力市场论文,面板论文,状况论文,经验论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      过去三十年里中国经济的持续高速增长，无疑是这个时代世界经济史上最重要也是最引人注目的现象。围绕这个“增长奇迹”背后原因的解读，以及对快速增长所伴生的负面经济社会现象成因的诠释，成为时下增长发展经济学领域倍受关注的研究主题。一定意义上是后面这类文献的一部分，本文关注我国经济快速增长和社会迅速转型过程中的刑事犯罪率攀升现象。但是，和既有文献主要从宏观收入差距扩大(陈春良和易君健，2009；吴一平和芮萌，2011)、刑罚威慑作用有限(陈硕，2012；陈硕和章元，2013)、性别比例失调(Edlund et al.，2013)及社会福利支出不足(陈刚，2011)等因素入手解析我国犯罪率上升的成因不同，本文探讨刑事犯罪率上升背后的城市劳动力市场状况因素。我们这种研究视角的选取是因为注意到，除了已有文献提及的加总层面的刑事犯罪率上升，我国转型期刑事犯罪率增加还呈现地区分布“不均”问题，即东部沿海经济发达地区的刑事犯罪率往往高达全国平均水平的5-10倍，而这些刑事犯罪主体中外来人口占据了70%-80%①或甚至更高的比例。②这个简单的观察提醒我们，和外来流动人口生存状况关系更加直接密切的城市劳动力市场变量指标，可能是导致我国转型期发达地区刑事犯罪率上升更为重要的因素；相应地，现阶段改善经济发达地区城市犯罪治理局面的政策措施，重点应当放在提升外来人口边际产出和竞争力的培训类政策上，简单的收入再分配或福利补贴类政策的作用可能比较有限。显然，以上两个问题的回答，都需要对劳动力市场状况影响发达地区犯罪率的机理和定量关系展开更详细的讨论。

      除了引言，本文剩余内容的结构安排如下：第二节简要梳理国内外有关劳动力市场状况影响犯罪的理论和实证研究文献，以及有关我国转型期刑事犯罪率上升问题的国内外研究进展，并在此基础上进一步阐述本文的研究动机与创新；第三节是一个简单的劳动力市场状况影响犯罪率的机理模型；第四节讨论计量模型设定、数据及分析策略；第五节报告实证研究结果和稳健性检验；第六节总结全文并讨论政策启示。

      二、文献回顾与研究动机

      劳动力市场状况对犯罪率的影响，一直是Becker(1968)以来国际犯罪经济学研究中的一个重要主题(Mustard，2011)。有关我国转型期刑事犯罪率攀升问题的研究，近些年开始受到国内法经济学研究者们的重视，也逐渐形成了一些有代表性的见解和文献。

      (一)国外劳动力市场状况与犯罪率关系的相关研究

      理论研究方面，有关劳动力市场状况与犯罪关系的理论分析大致沿着Becker(1968)开创，但是由Ehrlich(1973)深化发展的犯罪—劳动时间配置模型展开，近些年则在Chiu和Madden(1998)、Burdett等(2003)的倡导下，开始将一些新的劳动力市场分析工具应用到宏观犯罪分析框架中。总的来看，早期模型主要强调，劳动力市场状况的恶化使得参与非法市场的机会成本降低，犯罪的潜在收益的增加，激励潜在犯罪分子在非法市场上配置更多劳动时间(替代效应)(Grogger，1998)。略有不同，近些年基于劳动搜寻和一般均衡分析框架的宏观犯罪模型主要考虑更广泛的劳动工资(能力)分布恶化，使得更多人符合进入非法市场的“门槛工资”条件，犯罪市场的参与规模扩大，宏观犯罪率上升(陈春良和史晋川，2011)。

      与理论方面相对简单一致的预测不同，有关劳动力市场状况和犯罪率关系的实证研究结论存在分歧(Aaletonen et al.，2013)。总体上，早期研究大多利用截面数据讨论劳动力市场状况(尤其是低收入群体工资)与地区犯罪率的相关关系(DiIulio，1996)。而20世纪90年代以来的研究，开始注重利用新发展的面板数据分析技术控制犯罪供给方程中不可观测的异质性和遗漏变量等内生性问题，着重挖掘劳动力市场状况影响犯罪的因果关系(Cornwell and Trumbull，1994)。相比早期文献，后期研究已经得到较为稳健的劳动力市场状况恶化导致犯罪率上升的证据，但是结论并非一致(Freeman，1999；Mocan and Unel，2011)。已有研究的分歧主要体现在：(1)长期和短期中低收入群体工资率还是失业率对地区犯罪率上升更有解释力③(Raphael and Ebmer，2001；Gould et al.，2002；Lin，2008；Jeremy et al.，2010；Mocan and Bali，2010)；(2)旨在改善低收入群体生存状况的社会福利项目(Zhang，1997；Donohue and Seigelman，1998；Kling et al.，2005)，以及工资补贴及培训项目为代表的劳动市场公共政策，在犯罪治理中的有效性取决于哪些政策实施细节(Engelhardt et al.，2008；Ochsen，2010；Foley，2011；Perrson，2012)；(3)低收入群体更多参与非法活动本身是否内嵌于性格特征和人力资本积累差异(Huang et al.，2004；Heckman et al.，2006；Cunha et al.，2010)。另外，和早期研究主要基于发达国家样本不同，近年发展中国家经济发展过程中的劳动力市场状况变化对地区犯罪率的影响，开始受到越来越多发展经济学家们的重视和关注，并被置于更广泛的经济增长发展框架内加以考察和审视(Mehlum et al.，2005；Iyengar et al.，2011)。

      (二)有关我国转型期刑事犯罪率上升原因的研究及本文的研究动机

      作为最大的发展中国家，我国经济社会转型期刑事犯罪率上升并没有引起国际学界应有的重视。④近些年，国内学者的一系列实证研究使得这种状况有所改观。基于国家层级的时间序列数据，胡联合等(2005)、黄少安和陈屹立(2007)、白雪梅和王少瑾(2007)曾分别利用现代计量经济学方法，对我国转型期刑事犯罪率上升背后的收入差距因素做了初步的探索。然而，由于时间序列较短，控制变量有限，这些研究结论的稳健性需要进一步讨论。如前所述，最近国内的研究也开始注意基于分省面板数据利用面板数据分析技术，对犯罪供给方程估计中不可观测的异质性和遗漏变量等内生性问题进行控制，对我国转型期刑事犯罪率的影响做了详细的实证分析，将这个领域的研究进一步推向深入。然而，值得指出的是，已有这些研究基本都还停留在较为宏观的加总层面，对更微观更多样的行业层面的劳动力市场状况对刑事犯罪率影响的讨论基本阙如。从现阶段我国刑事犯罪率呈现出向发达地区“集聚”和外来人口“集中”的态势来看，和流动人口在城镇生存状况更加密切相关的行业层面的劳动力市场变量影响的研究，可能更加贴近实际同时也更具有政策参考价值。

      综合起来，本文将在以下两个方面对已有文献构成创新和发展：首先，相比已有国内文献普遍关注相对单一的宏观收入差距对犯罪率的影响，本研究考察更微观更丰富的劳动力市场指标变化对地区犯罪率的影响，这种做法为已有偏宏观的犯罪研究增添了必要的微观传导机制支撑；同时，也为理解和化解发达地区犯罪率“集聚”，增添了一个更直接可操作的新政策思考方向。其次，相比已有基于分省面板数据和国家层面的时间序列研究，本研究第一次使用城市面板数据，数据加总层面更低，更少受到地区加总和平均偏误的困扰，也为我国转型期犯罪问题的实证研究增加了新观察和新证据。

      三、劳动力市场状况影响犯罪的机理分析

      考虑到本文的重心是实证研究，因而接下来我们用一个简化的犯罪—劳动时间配置框架，讨论劳动力市场状况恶化对我国转型期刑事犯罪率上升的影响。

      (一)基准模型

      

      T为总时间约束，

为代表性个体可能处的两种收入状态。于是，以上预期效用最大化问题的一阶条件(FOC)可以表示为：

      

      其中，

分别为劳动者在合法市场、非法市场上的工资率及犯罪的边际惩罚。进一步，求解上述最优化问题的二阶条件，可得：

      

      注意到上述一阶条件实际上是隐含定义了代表性个体符合预期效用最大化的劳动时间配置。因而，如果定义合法市场和非法市场的工资收入差距为g，只考虑内点解的情况，则按照隐函数求导法则，工资收入差距对非法市场时间配置影响的比较静态可以表达为：

      

      上式意味着，保持其他条件不变，合法市场和非法市场工资收入差距扩大将激励犯罪分子在非法活动中配置更多时间。类似地，求解非法活动的时间配置(

)对惩罚概率(b)上升的比较静态可得：

由于代表性个体预期效用最大化问题的一阶条件可以移项整理为：

      

      所以，非法劳动市场的时间配置对惩罚概率上升的比较静态应该是：

      

      这个发现和Becker(1968)的刑罚威慑模型的推论保持一致，即犯罪被发现概率上升，将威慑潜在犯罪分子在非法市场中减少时间配置。

      (二)劳动力市场状况与犯罪供给

      进一步考察犯罪—劳动时间配置模型的角点解情况。对代表性个体预期效用最大化问题的库恩—塔克条件展开分析，不难发现，潜在犯罪分子在非法市场上配置时间的临界条件是，第一个单位时间在非法市场上的预期工资收益应当超过合法市场的工资率，否则代表性个体将不在非法市场上配置时间(

=0)。因而，临界工资率条件可以表达为：

      

      上式意味着随着合法市场工资率的下降，市场中将有更多个体符合进入非法市场的条件。然而，值得注意的是，非法市场的工资率实际上不可观测。但是，Ehrlich(1973)曾指出，就侵财犯罪而言，犯罪侵犯对象往往是高收入人群，而实施犯罪的是低收入群体。所以，市场中高收入群体的工资收入可以作为非法市场工资率的代理变量。这样一来，作为劳动力市场状况重要表征的工资收入差距扩大，一方面意味着潜在犯罪分子合法市场工资率下降，非法市场上的工资率上升，激励犯罪分子在非法活动中配置更多时间；另一方面，工资收入差距扩大也意味着进入犯罪市场的临界工资率上升，将有更多个体选择进入非法市场。前者是时间配置模型中常见的相对工资率变化引致的替代效应，后者是规模效应。二者共同作用使得犯罪供给增加，宏观犯罪率上升。最终，市场层面加总的刑事犯罪率将是非法市场临界工资率以下的每个个体非法劳动时间配置

的累积加总。

      四、数据、变量与计量分析策略

      前面一节对劳动力市场状况影响犯罪率的机理做了解释，本节讨论二者关系实证研究所使用的数据、变量及计量分析策略。

      (一)计量模型与分析策略

      按照犯罪经济学实证研究的惯例，本文接下来基于如下计量模型，讨论劳动力市场状况对刑事犯罪率上升的数量影响。

      

       除了年份虚拟变量、城市固定效应和一些本身为百分比度量的变量，进入方程(2)左右两边的变量都做了对数变换，所以得出的估计系数可以简便地解释为弹性。

      通常，基于横截面数据对犯罪供给方程(2)进行简单的OLS估计，并不能得到劳动力市场状况影响刑事犯罪率的一致估计量。这是因为，一方面，一些不可观测的影响地区犯罪率的异质性因素，可能和地方劳动力市场状况或刑事犯罪率相关，从而出现典型的不可观测的异质性或遗漏变量偏误；另一方面，改革开放以来，我国刑事司法领域时常有政策和策略调整，例如著名的“严打”运动，这些政策调整可能使得刑事犯罪统计出现异质性变化，而且刑事犯罪和执法威慑相关变量本身也可能受到诸如“统计保护”、“统计黑数”等度量误差的困扰。有鉴于此，和国际犯罪经济学实证研究领域的主流做法保持一致，本文实证研究将基于一个全新的面板数据，利用固定效应模型讨论劳动力市场状况恶化对刑事犯罪率上升的数量影响，并重点对犯罪供给方程估计中的典型内生性问题展开讨论。

      具体计量分析策略方面，就不可观测的异质性和遗漏变量而言，我们一方面在犯罪供给方程中加入更多文献中提到的影响地区刑事犯罪率变化的重要控制变量，缓解地区层面可观察的异质性因素的困扰；另一方面，我们在基准回归设定中控制了每个地区层面的虚拟变量，固定效应模型的组内变化能够处理掉那些地方特色且沿时间变化缓慢的影响因素。就刑事犯罪相关变量的度量误差和刑事政策调整造成的异常冲击来说，我们的策略是在地区固定效应模型分析的基础上，加入每个年度的时间虚拟变量进行控制；由于诸如“严打”或政策调整类变化往往是“至上而下”的统一调整，所以年度虚拟变量可以很好捕捉这种时间维度的异常冲击；而同时控制地区和时间维度的固定效应，事实上也有助于缓解那种地区层面由于报案登记习惯等造成度量误差；另外，我们也尝试利用更多的替代性度量代替关键变量，或有选择地逐一舍去一些可疑的变量，对基准回归设定进行重复，观察主要回归结果是否受到影响。综上，本文实证研究的基准设定是双侧固定效应模型。

      

      (二)数据与变量定义

      本文接下来的实证研究将基于一个全新的包含长江三角洲和珠江三角洲22个城市，从2000年到2008年一共192个观测点的非平衡面板数据。⑤和国内已有实证研究普遍采用的分省面板数据相比，这套数据的独特性和重要性至少体现在：第一，数据加总层次更低，一致性更好；第二，所应用的刑事犯罪率定义和刑罚威慑变量定义更契合国际研究惯例。本研究所使用的刑事犯罪和执法威慑数据均来源于《长江和珠江三角洲及港澳台统计年鉴》(历年)和各个地方的年鉴。各城市其他经济社会变量的原始数据，均摘取自各省历年的统计年鉴。方程(2)中涉及的主要变量定义及统计描述情况参见表1。以下对变量度量、构造及存在的问题做一些简要的讨论。

      和国际犯罪经济学实证研究的主流保持一致，本文实证研究应用的刑事犯罪率定义为每十万人口的公安部门刑事犯罪立案数。该变量一个显而易见的缺陷是，未能对侵财和暴力犯罪进行区分，而二者的驱动因素可能有差别。但是，考虑到我国转型期侵财犯罪在总体刑事犯罪中占绝对比重，比例也一直比较稳定(陈春良，2012)；而Fajnzylber等(2002)也曾指出，暴力犯罪往往伴随侵财目的，因而严格区分二者意义可能比较有限。这个意义上，本文的加总刑事犯罪率定义，可以视为是主要反映了对侵财犯罪的影响。刑事犯罪率变量定义的另一个困扰是作为分母的地区人口变量的选择问题。由于户籍制度的影响，发达地区户籍人口和常住人口差别显著。显然，这种情况下，利用户籍人口计算刑事犯罪率将导致地区刑事犯罪率被明显高估。对此，我们的做法是利用2000年普查数据及2004年开始逐年公布的城镇常住人口数，用线性插值法构造出城市的常住人口数，并以此作为基础计算城市每十万常住人口的刑事犯罪率，作为实证研究的因变量。为检查估计结果是否受这种犯罪率定义和构造的影响，我们也分别使用外推法估算常住人口并据此计算的刑事犯罪率、每十万户籍人口的刑事犯罪率，以及分省面板数据计量分析中所采用的“不理想的”刑事犯罪率定义——每十万户籍人口逮捕数和起诉数⑥作为刑事犯罪率度量误差的稳健性检验。如果采用几个犯罪率的估计结果接近或可比，则说明我们的刑事犯罪率定义较少受到度量误差问题的困扰。

      文献中一般用工资收入差距、低收入群体工资率或失业率，作为劳动力市场状况的度量指标(Mustard，2011)。本文的计量分析对这三类指标都做了考察，但是具体分析中我们重点考察国内已有研究关注较少的行业工资收入差距。之所以没有把分析重心放在失业率指标上，我们的考虑是：第一，Macan & Bali(2010)曾指出，长期来看失业率指标波动幅度较小，而且往往和其他影响犯罪率的经济指标的影响混合在一起，需要做较为复杂的工具变量估计等处理；第二，具体就我国现行官方公布失业率而言，已有的共识性判断是城镇部门登记失业率并非城市劳动力市场状况的良好度量；而且，犯罪问题实证研究方面，章元等(2012)已经对此做了较充分的讨论，因而，我们的计量分析中虽然也包括了失业率指标，但并不将其作为分析重点。具体行业间工资不平等指标的构建方面，我们利用平减后的最高工资的三个行业的平均工资减去除了农林牧渔以外的工资最低的三个行业的平均工资，将其作为基准的行业工资收入差距度量(rwagegap3)。考虑到这个度量指标可能还是不够全面反映劳动力市场状况，我们也进一步构建了另外两个行业工资收入差距指标作为补充，分别是平减后的最高工资行业的平均工资减去除了农林牧渔以外的最低工资行业的平均工资(rwagegap1)，以及不同行业平均工资收入对数的标准离差(standard deviation of log)。最后，除此以外，计量分析中，我们还使用工资收入最高最低三行业平均工资的相对比值(wageinequa3)，最高行业平均工资和最低行业平均工资之比(wageinequal)，以及行业实际平均工资收入等指标作为劳动力市场状况的补充度量，也将其作为一项稳健性分析，考察主要回归结果是否受到工资收入差距指标择取的影响。根据第三节的机理分析，我们预期工资收入差距扩大，对刑事犯罪率上升有正向影响。

      犯罪供给方程的其他控制变量方面，和分省面板数据分析中应用间接的人均公检法支出不同，我们用直接的刑事犯罪破案率(probcrack)作为惩罚概率(b)度量，我们也进一步利用逮捕及起诉概率(cprobarst)、五年及以上的重型判罚概率(cprobhrd)度量惩罚严厉程度。和威慑假说保持一致，我们预期惩罚概率和严厉程度上升将显著威慑刑事犯罪。人口结构变量方面，一般来说年轻男性占比越高犯罪率越高，由于缺乏逐年人口结构统计数据，依惯例我们基于2000年和2010年两次普查的人口结构数据信息，利用线性插值法构建了15-24岁年轻男性在总人口中的占比变量。城市经济社会变量的异质性方面，我们还进一步控制了城镇化率(urban)、人口密集度(density)和人均实际GDP(rgdp)。和城市犯罪领域的文献相一致，我们预期城镇化率提高和人口密集度增加，均意味着更多人口在城镇部门聚集犯罪率上升(Zenou，2008)。最后，由于人均实际GDP同时捕捉了地区相对富裕程度和平均收入水平，两者对刑事犯罪的影响方向相反，其对犯罪率的影响需要计量分析进一步确定。

      五、计量分析结果

      本部分计量分析结果的呈现逻辑如下：我们首先报告基准回归，讨论不可观测的异质性和遗漏变量等因素对犯罪供给方程估计的影响；进而，考察不同犯罪率度量，以及劳动力市场状况指标对基准回归的影响。最后，我们讨论方程形式设定和样本依赖等其他内生性问题。

      (一)基准回归

      表2报告了基准回归的结果。其中，第(1)列省略了其余控制变量，与(2)、(3)列构成对比，呈现可观测的异质性、年份固定效应及地区固定效应对估计结果的影响。第(4)列用时间趋势变量代替年份虚拟变量，观察核心估计结果是否有变化。第(5)列去除了构造并非理想的人口结构变量，(6)、(7)两列则进一步控制了惩罚严厉程度。

      就我们关心的劳动力市场状况变量——工资收入差距而言，在所有的估计方程设定中均显著为正，本文理论分析的预测初步得到验证和肯定。地区层面可观测的异质性对犯罪供给方程估计也有显著的影响。从第(1)列到第(3)列，不仅方程整体拟合系数显著提高，劳动力市场状况变量前面的估计系数也从0.225下降到0.167，并从不显著变得显著。第(2)列和第(3)列的对比表明，忽略地区层面不可观测的异质性因素，使得劳动力市场状况对犯罪率的影响被高估。第(4)列把基准回归(3)中的时间固定效应控制替换成为年份趋势变量后，劳动力市场状况和其他控制变量的估计比较接近或可比，而第(4)列中方程总体拟合系数略低，所以我们倾向于认为第(3)列的估计结果比较稳健，年份固定效应控制要优于年份趋势变量。最后，第(6)列和第(7)列的对比，再一次肯定了城市层面可观测异质性控制的重要性，加入完整的人口结构变量和经济社会变量控制后，劳动力市场状况对刑事犯罪率增加的影响从0.307下降到0.198。虽然，由于加入惩罚严厉程度的控制，样本显著缩小，但是第(3)列和第(7)列的对比显示，主要变量的估计系数和显著程度都维持不变或可比，这再次肯定了我们第(3)列基准回归结论的稳健性。

      

      其他控制变量方面，第(3)列基准回归的估计结果显示，惩罚概率提高显著威慑了刑事犯罪，其中破案率和条件逮捕概率的提高对犯罪率的弹性分别为-0.769和-0.759，这个估计结果在Levitt & Miles(2007)概括的主流刑罚威慑弹性的区间内(-0.3到-1.1)。刑罚威慑弹性方面，第(7)列的估计提示我们惩罚概率(probability)提高的弹性要明显高于惩罚严厉程度(severity)的弹性，后者仅为-0.209，这个发现与刑罚威慑实证研究的结果相一致，即惩罚概率的刑罚威慑弹性通常高于惩罚强度。作为劳动力市场状况衡量的另一个指标——失业率，对犯罪率的影响为正但不显著，可能的原因是我国现行城镇登记失业率并没有很好捕捉城市劳动力市场的失业状况；或者失业率的影响已经体现在其它经济周期变量中。和预期一致，城镇化人口集聚和流动人口增加都显著增加了犯罪率。但是，令我们感到有些费解的是，当地15-24岁年轻人口在总人口中的比重为负并显著，这与国际研究大多发现该变量对犯罪率影响为正不一致。对此，我们认为，一个可能的解释是，所应用的人口结构变量的构造并不理想，存在度量误差。第(5)列中，我们将人口结构变量去除重复了第(3)列的估计，结果显示包括劳动力市场状况在内的主要变量估计系数及显著程度大多不变或可比，这意味着虽然人口年龄结构变量的度量误差对其系数的正确估计产生影响，但是这并没有对本文主要发现构成根本挑战。最后，可能正是同时度量了地区的相对繁荣程度和部分捕捉了犯罪的机会成本，综合起来人均实际GDP对犯罪率的影响为正但并不显著。

      

      (二)变量的度量误差问题

      我们从以下两个方面检验基准回归是否对核心变量的度量误差保持稳健。

      1.刑事犯罪率的度量误差问题

      刑事犯罪率的度量误差对计量分析结果有影响是犯罪问题实证分析经常提及的一个话题(Soarce，2004)。理论上，形成度量误差的一个重要原因是不同时点不同地区犯罪报案率有差别(Levitt，1998)。就本文的实证分析而言，我们认为：(1)由于基准回归同时控制了时间维度的冲击和地区固定效应，因而即便某地区报案率具有地方色彩，或者2001年的“严打”使得犯罪率存在异常波动，那么这种地区层面的报案率系统性差异和时间维度的统一截面冲击对基准回归结论的冲击应当较为有限；(2)我们也采用其他刑事犯罪率的度量指标，比如应用不同的常住人口构造和户籍人口数计算了新的刑事犯罪率，以及分省层面普遍使用的刑事逮捕率和起诉率作为刑事犯罪率定义，对基准回归做了重复，如果不同刑事犯罪率构造作为因变量得到的估计结果比较接近或可比，那说明基准回归结果较少受到刑事犯罪率度量误差的影响。

      表3报告了应用不同刑事犯罪率构造重复基准回归的结果。其中，第(1)列应用户籍人口定义的刑事犯罪率重复了表2第(3)列的估计，第(2)列进一步控制了惩罚严厉程度，重新估计了表2的第(7)列。相对应地，运用第二种常住人口计算方法构造的刑事犯罪率的估计结果则分别报告在第(3)-(4)列。令我们感到放心的是，虽然由于户籍人口显著低于常住人口数，导致地区刑事犯罪率虚高，使得劳动力市场状况对犯罪率影响的估计系数明显增大，但是(1)-(4)列中工资差距变量前的估计系数均显著为正，且大体上和表2第(3)列的估计接近可比。再者，我们同样也使用刑事逮捕率和刑事起诉率对基准回归做了重复。虽然由于这种犯罪率定义自身的问题，刑罚威慑变量方向与预期不一致，⑦但是不同方程设定下，劳动力市场状况影响刑事犯罪率的估计仍旧显著为正。⑧这些意味着，我们之前基准回归的结果应该较少受到度量误差的影响，比较稳健。最后，表3各列中其他控制变量估计系数的方向和显著性，大体和表2中接近，限于篇幅，这里不再展开。

      2.劳动力市场状况指标的度量误差问题

      控制变量度量误差对估计结果也可能有影响。对此，我们的处理方法是应用更多相类似的劳动力市场状况指标对基准回归结果进行重复估计。这种做法之下，我们实际上也可以更详细考察多种劳动力市场状况指标对刑事犯罪率的影响，相关回归结果报告在表4中。

      

      和基准回归中应用的前三个和末三个行业的平均工资收入的绝对差距不同，第(1)列我们用工资最高和最低的两个行业工资差距作为劳动力市场状况的度量；第(2)-(3)列则使用工资收入差距的相对比值作为劳动力市场收入不平等的度量，同时我们也分别控制了平均工资最低的三个行业的实际平均工资，或者城镇平均工资作为相对工资收入差距的基数，对基准回归结果做了重复；而第(4)-(5)列则是应用最高最低工资的两个行业的相对工资收入差距指标，重复了(2)-(3)两列的估计；最后，第(6)-(7)列中，我们应用行业工资收入对数的标准离差作为行业总体工资收入差距的度量，对基准回归做了重复，其中第(7)列则是进一步控制了城市部门的平均工资。

      

      总的来看，尽管由于不同工资不平等指标的均值大小存在差别，使得估计系数的绝对数值上有差别，但是(1)-(7)列，不同工资收入差距指标前的估计系数均显著为正，这再一次印证了基准回归的判断，即以工资收入差距扩大为表征的劳动力市场状况恶化，是刑事犯罪率上升的重要原因。值得注意的是，由于平均工资收入提高不仅反映了潜在犯罪收益增加和绝对收入差距扩大，同时也捕捉了犯罪的机会成本上升，所以综合来看该变量对犯罪率上升的影响并不确定。但是，第(3)、(5)列城镇平均工资收入(lrawage)高于前三最低工资行业的平均工资，对应的估计系数也从第(2)、(4)列的正变为负，这实际上从侧面验证了我们前面的观察，即不显著的平均工资变量和人均实际GDP是同时捕捉了犯罪潜在收益和犯罪机会成本的共同影响。表4中，其余变量估计系数的大小及显著性均与基准回归接近或可比，此处不再展开。

      3.更多劳动力市场指标控制与其余方程形式设定

      

      除了劳动力市场状况指标度量误差的顾虑，我们也检查了基准回归是否受到方程形式设定及其他重要变量度量取舍的影响。表5的(1)-(4)列分别报告了应用不同组合的刑罚威慑变量对基准回归重复的结果，第(4)列进一步控制了刑事案件的条件审结概率。总的来看，虽然威慑变量系数略有调整，但劳动市场工资差距变量系数均保持显著，并与基准回归非常接近，说明基准回归结果比较稳健，较少受到刑罚威慑变量不同设定的影响。表5剩下的四列进一步应用其他设定对基准回归的稳健性做了检验。第(5)列用城镇实际可支配收入替代人均实际GDP，第(6)-(8)列则直接使用最高三个行业实际平均工资和最低三个行业实际平均工资作为劳动力市场状况的变量控制，其中第(7)列同样舍去了年龄结构变量，第(8)列则利用常住人口规模作为城市规模的控制。⑨第(5)列的结果再次肯定了我们之前的猜测，即反映相对富裕程度的实际人均GDP不显著，是因为同时捕捉了收入水平上升的犯罪收益增加效应和犯罪机会成本上升效应。城镇部门实际可支配收入的系数显著为负，说明平均收入提升的犯罪机会成本上升效应超过了犯罪潜在收益增加的激励。另外，再次让我们对基准回归结果感到放心的是，第(6)-(8)列作为犯罪潜在收益表征的最高行业平均工资上升增加了犯罪的激励，而低收入群体聚集的低收入行业平均工资上升抬高了犯罪的机会成本，犯罪率倾向于下降。

      (三)其他内生性和样本依赖问题

      除了关键变量的度量误差和方程形式设定以外，对基准回归结果可能构成不一致影响的因素还包括某些变量的内生性问题及样本选择和依赖问题。虽然，由于关注点差异和数据可得性局限，我们无法逐一对可能存在内生性偏误的变量展开讨论，但是我们确实通过舍去可疑变量的做法检查了基准回归的稳健性，相关结果报告在表6中。其中，第(1)列去除了通常认为和犯罪率之间存在典型共时决定偏误(simultaneous bias)的刑罚威慑变量，第(2)列舍去了不理想的失业率度量，第(3)列去除了城市化率，第(4)列则尝试加入滞后项缓解劳动力指标和犯罪率之间的共时决定偏误(Mocan and Bali，2011)。总体上，除了第(1)列由于舍去刑罚威慑变量后样本异质性显著提高标准差变大，使得劳动力市场状况变量的估计系数变得不显著，在所有估计中劳动力市场状况对刑事犯罪的影响均显著为正，且系数大小和基准回归维持可比。以上检验说明，虽然有可能这些变量存在可疑的内生性问题，但基准回归估计较少受到这些内生性问题的冲击，结果比较稳健。

      基准回归结果是否对样本敏感方面，我们做了如下几个方面的检查。首先，我们把样本分成大城市⑩和小城市两个子样本，对基准回归做了重复，对应的结果汇报在表7前两列；其次，由于“严打”可能对犯罪率统计有异常冲击，而不同地方2001年到2002年“严打”开展的时间略有差别；有鉴于此，我们将2001年和2002年的观察点从回归样本中逐一删除，观察基准回归结果是否受到影响；另外，2008年的经济金融危机对我国外向型经济的劳动力市场可能有异常冲击，因而我们也去除了当年的样本，这些估计结果分别是第(3)-(6)列。再次，考虑到2004年开始我国官方统计才开始统一公布年度常住人口数量，而2003年前后劳动力市场的统计中细分行业从16个调整到19个，虽然这两个问题事实上在控制了年份虚拟变量后应该都得到较大的缓解和处理，但是这里我们还是将分析样本缩减到只包含2004年以后的样本点，将其作为一个样本依赖敏感性的检验。最后，我们也使用隔一年的偶数年样本对基准回归结论进行了重复计算。这两项检查的结果回报在表7最后两列。除了第(1)、(2)列分别基于大城市和小城市样本，劳动力市场状况对犯罪率上升影响的估计有些差别以外，其余各列劳动力市场状况的估计系数和基准回归都显著为正，弹性系数分布在0.15-0.19之间，和基准回归结果比较接近。这个发现说明，我们之前的估计结果较少受到样本依赖问题的困扰。

      (四)小结与分解讨论

      

      按照表2第(3)列的估计，工资收入差距每扩大1%，平均而言将导致刑事犯罪率上升0.167%。这个结果略低于国内已有研究总体收入不平等影响刑事犯罪率的估计，但是和Fagan和Freeman(1999)有关工资差距对侵财犯罪影响的弹性估计比较接近。基于这个估计弹性，我们也粗略计算了样本大城市和小城市刑事犯罪率差异，多大程度上可以由劳动力市场状况差别和刑罚威慑差异得到解释。按照户籍人口刑事犯罪率衡量，样本大城市的刑事犯罪率大约分别是同时期全国刑事犯罪率和样本小城市的4倍和2.3倍。而如果按照常住人口计算，样本大城市刑事犯罪率有所下降，但是刑事犯罪率仍旧达到全国刑事犯罪率的2.2倍，是样本小城市刑事犯罪率的1.16倍。以上对比，一定程度上印证了大城市及发达地区犯罪率集聚的现象判断。一般认为，发达地区大城市刑事犯罪率高的原因包括：大城市集聚了更多非法获利机会，犯罪潜在收益更高(Glaeser and Sacerdote，1999)；另外，大城市刑事犯罪人数更多，人口更加密集，犯罪受到惩罚概率相应下降(Zenou，2008)。解释因素方面，作为犯罪潜在收益度量的劳动力市场工资收入差距，样本大城市的实际工资收入差距比小城市平均高出25.09%。惩罚概率方面，按照刑事破案率度量，样本大城市犯罪被发现的概率比小城市平均大概低8.3个百分点。因而，按照表2第(3)列的弹性系数估计，样本大城市刑事犯罪率高于小城市，大概分别有26.18%和39.89%可以由大城市更高的犯罪潜在收益和相对低的惩罚概率得到解释。我们也用另一个劳动力市场状况指标——最高最低行业工资收入差距及表4第(1)列的估计结果做了类似的计算，结果表明：劳动力市场工资收入差距大概可以解释23.17%的样本大城市刑事犯罪率相对于小城市偏高的问题。

      六、结论与政策启示

      作为最大的发展中国家和正在全面崛起的大国，中国经济“增长奇迹”背后伴随的负面社会现象，正受到越来越多研究者和政策家们的关注和重视，也是中国下一步经济社会和谐发展亟需面对并妥善解决的重要环节和关隘。本文关注我国经济快速发展背景下的刑事犯罪率攀升问题。但和已有研究大多关注宏观收入差距的影响不同，我们探讨刑事犯罪的发达地区“集聚”和向外来人口“集中”背后的劳动力市场机制，并利用一套全新的东部发达地区的城市面板数据对此展开详细的实证分析。基于双侧固定效应模型的回归估计结果显示，工资收入差距每上升1个百分点，平均将导致刑事犯罪率上升0.167%。我们还发现，就实证分析涉及的2000年到2008年之间22个发达地区城市样本而言，样本大城市刑事犯罪率偏高，大约平均分别有26.18%和39.89%可以由大城市更高的犯罪潜在收益集聚，以及相对更低的犯罪被发现概率中得到解释。以上估计结果对犯罪供给方程常见的不可观测的异质性、遗漏变量、关键变量的度量误差以及样本选择等内生性问题均保持稳健，因而对我国转型期刑事犯罪治理的公共政策制定存在相应的参考价值。

      就当前我国的新型城镇化发展道路而言，本文实证研究发现最直接的政策蕴涵是：新时期应当通过多样化的政策组合设计，着力改善并提升城市部门低收入群体在劳动力市场中的竞争力和生存状况，尤其要通过技能培训、在岗培训计划等方式，增强农村转移劳动力的人力资本积累提升边际产出，要打破劳动力市场的“二元”分割，实行平等就业制度，只有这样才能更好地发挥并兑现城镇化发展的要素集聚效益。作为已有文献的补充，本文提醒既有犯罪治理的公共政策应当充分注意城市劳动力市场传导机制，应当关注城市外来务工群体生存境况的改善，这事实上也是呼应了十八大和十八届三中全会第一次在国家层面上明确提出要加速推进农业转移人口的市民化，提升城镇化发展的质量。最后，结合我们的估计，就化解城市劳动力集聚的刑事犯罪率攀升问题，未来的研究还需要继续降低分析加总维度，探寻哪些劳动力市场政策更加有利于改善低收入群体竞争力，降低他们参与非法市场的激励。

       感谢匿名审稿人的建设性意见和建议。本文的前期版本曾分别在清华大学中国农村研究院内部研讨会和中国法经济学论坛(2014)上做过汇报，感谢清华大学孟庆国教授、王亚华教授，山东大学乔岳教授及论坛参与者们的有益评论。

      ①《浙江省公安年鉴》(历年)有关刑事犯罪作案主体的统计。

      ②在和长三角中心区J县公安部门的调研访谈中，刑侦部门的负责人告诉作者，近些年该县刑事犯罪外来人口达到90%以上。

      ③比较普遍的观点是，长期中失业率波动较小或其影响被其他周期指标吸收，所以并不是良好的解释犯罪率变动的指标(Mocan and Bali，2010)。所以，有关失业率与刑事犯罪的回归，最重要是处理反向因果等内生性问题。

      ④Edlund et al.(2013)是有限的例外。社会学领域，Liu(2006)等犯罪社会学的研究者，曾分别基于国家层面的时间序列数据对工业化所引发的社会紧张对我国犯罪率的影响，做了初步的讨论。Bakken(2005)等的一系列研究则主要关心我国改革开放以来的刑事政策变化问题。

      ⑤由于某些变量指标数据缺失，实际计量分析使用的样本数量略有差别。

      ⑥由于数据可得性限制，使用每十万人口刑事逮捕率和刑事起诉率作为刑事犯罪率的代理变量是已有我国犯罪问题的分省面板数据计量分析中的一种惯例。这种不理想的刑事犯罪率定义显而易见的缺陷是，刑事犯罪率较低的“严打”年份，逮捕和起诉比例较高，刑事犯罪率出现虚高和扭曲的现象。

      ⑦一定程度上，正是刑事犯罪率定义有问题，国内基于分省面板数据的犯罪问题的实证研究，往往得出刑罚威慑增加，犯罪率反而上升的“奇怪”结论。

      ⑧限于篇幅，我们并没有报告这种“有问题”的刑事逮捕率和起诉率作为因变量的回归，如有需要请联系作者，核心的劳动力变量系数对犯罪率的弹性分别为0.296和0.156，分别在95%的置信水平上保持显著。

      ⑨审稿人提醒我们教育变量可能也对犯罪率有影响。我们认为：(1)在静态一阶段的犯罪决策模型中，并不涉及人力资本积累，这时候教育变量对犯罪决策的影响实际上是包含在收入变量中；事实上，如果要对教育和犯罪问题专门讨论，需要更合适的包含人力资本积累的动态框架进行讨论，比如Huang et al(2004)，显然这已超出本文的讨论范围；(2)实证研究中，我们已经控制了大部分的犯罪问题研究文献提示的地区层面的异质性，并且同时控制了所有城市和年份的固定效应，所以遗漏教育变量对核心估计结果带来根本性挑战或冲击的可能性很低。

      ⑩本文应用了一个简单的大小城市区分标准，在2005年常住人口超过500万的归类为大城市，不足500万的为小城市。按照这个区分标准，22个样本城市中，各一半为大城市和小城市。

标签：犯罪率论文;  工资率论文;  面板数据论文;  控制变量论文;  异质性论文;  社会平均工资论文;  误差分析论文;  统计学论文;