收入差距、威慑效应与犯罪率研究——基于1991~2010年的实证分析,本文主要内容关键词为:犯罪率论文,实证论文,收入差距论文,效应论文,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。
【中图分类号】D917.3 【文献标志码】A 【文章编号】1672-2140(2014)01-0023-10
改革开放以来,中国社会经济建设取得了辉煌成就。经济持续高速增长,居民收入大幅提升,人民生活水平日益提高。①与此同时,整个国家也面临着严峻的社会转型压力,居民收入分配状况持续恶化,②房价历经二十多年的上涨,③贫富分化进一步扩大,引发了一系列社会问题,其中之一为社会治安状况恶化及刑事犯罪率的不断攀升。④如何认识经济增长、收入不平等对犯罪率的影响以及作用机制,众多学者从不同角度进行研究。一是犯罪社会学从社会解构(Social Disorganization)[1-4]、失范及紧张(Anomie/Strain)[5-7]、资源及经济剥夺(Resource/Economic deprivation)[8-11]、日常活动(Routine Activity)[12-14]、社会支持及利他主义(Social Support/Altruism)[15-18]和亚文化(Subculture)[19-21]等视角解释犯罪成因,认为收入不平等、贫富分化引发社会失序、混乱、紧张以及亚文化冲突导致对抗性社会心理或“相对剥夺感”的上升,并且随着社会异质性程度的提高,对个人控制的各种传统社会关系纽带的逐渐弱化,外界机会条件的丰富及同群效应的影响,最终都将使得个体行为偏离社会规范要求,犯罪参与增加。二是犯罪经济学认为,犯罪参与是一种理性选择行为,潜在罪犯会衡量犯罪收益、成本与相应的风险进而做出决策。收入差距扩大会增加犯罪收益进而增加犯罪供给,而威慑提高(惩罚严厉性、及时性、确定性等)会增加犯罪成本进而减少犯罪供给[22-28]。
本文基于犯罪经济学的分析框架,结合中国实际,对犯罪经济学经典模型进行扩展,推导了相关因素对犯罪率的影响,并进行实证计量分析,据此提出犯罪治理的建议与对策。
一、犯罪经济学研究概述
(一)理论起源与发展
在犯罪经济学研究理论中,Becker(1968)[22]指出“一种行之有效的犯罪行为理论只是经济学常用的选择理论的扩展,用不着以道德的颓废、心理机能的欠缺和遗传特征等因素来解释犯罪行为”,并构建了一套体现犯罪成本行为关系的模型,这些关系包括:(1)犯罪数量和犯罪成本之间的关系;(2)犯罪数量和量刑之间的关系;(3)违法、逮捕与定罪数量和在警察与法庭方面的公共支出之间的关系;(4)定罪数量和监禁或其他形式惩罚的成本之间的关系;(5)违法数量和用于防护的私人支出之间的关系。在此基础上分析了最优社会政策决策使犯罪造成的社会损失最小,并指出犯罪数量同定罪可能性、判定有罪后的惩罚、从事合法与其他非法劳动可得到的收入、逃避逮捕的机会、违法意愿等其他变量之间存在某种关联,尝试建立了犯罪供给函数和社会损失函数。该文的主要价值在于:对付犯罪行为的最优政策是资源最优配置的一部分。由于经济学已经有了一套资源配置理论,“经济分析”有助于分析犯罪行为,而犯罪行为的特殊方面也丰富了经济分析。Ehrlich(1973)[27]在Becker的基础上,发展了较为完整的不确定条件下的犯罪参与实践配置理论,其核心内容为:(1)定义了成本和收益机会概念,使得收益和成本可以同时置入效用函数中;(2)将犯罪参与决策表示成不确定性情形下的资源最优配置问题,而不是二选一的简单模型;(3)分析了犯罪与司法活动的关系,完善犯罪供给函数和建立司法活动生产函数。
Becker建立了犯罪经济学的理论基础,Ehrlich完善其分析框架,并使得分析框架可运用计量分析,但这些理论和框架显得过于抽象和简单,无法有效解释现实世界中的复杂现象。以后众多学者从多个方面进一步完善了Becker和Ehrlich的理论和分析框架。一是在影响犯罪的因素变量中加入主观概率。Block(1975)[23]将合法劳动与犯罪的“精神与道德成本差异”,即罪犯对于惩罚的主观看法以概率形式引入效用函数中,改变了Ehrlich模型中参与时间在合法劳动与非法活动中无差异的假设,使原有静态比较结果的成立需要考虑个人评价因素。Sah(1991)[29]将个人关于犯罪时可能被惩罚的概率主观内生化,并将获得的信息生成主观概率变量加入模型中,分析人的犯罪倾向,解释了在不同社会群体中尽管人们面临大致相同的经济环境却有不同的犯罪率。二是在影响犯罪的因素变量中置入时间因素。Witte(1990)[30]在Ehrlich和Block的基础上,进一步将合法活动与非法活动细分为取得合法收入活动、合法消费活动、取得非法收入活动和非法消费活动,并将上述的时间加入效用函数,在提高效用函数完备性的同时也使得比较静态的结果更加不确定性。Davis(1988)[31]考虑了合法收入和非法收入、惩罚的时间折现问题,使得Block与Heineke模型中收入差距对犯罪的激励作用有所降低,惩罚及时性比严厉性更具威慑。三是在模型中考虑社会意义和社会交互在经济分析中的作用。Kahan(1998)[32]认为即使面对完全相同的风险,对于具有不同社会意义的事情,行为人的反映可能是不一样的,比如逃税和赌博,但是这种观点并没有被模型化。Glaser(1996)[33]研究了犯罪中社会交互作用对犯罪率的影响,在其模型中,一个人的犯罪由他和他周围人犯罪态度决定。四是考虑影响犯罪的因素变量之间的交互作用。Glaser(1995)[34]研究表明犯罪会影响一个人未来的劳动机会和工资收入。Burdett(2003)[25]考察了犯罪、失业与不平等的相互影响,将这三个变量内生化,并分析了一般均衡影响,发现将犯罪引入标准的劳动力市场模型后能显著地影响这些模型预测能力。为了提高模型解释力,以后又有一些学者对原有模型的参数进行了调整,并将经济学研究的一些新的理论成果引入犯罪经济学中。Chiu(1998)[26]从工资(财产)分布函数入手,将Ehrlich的微观模型应用于宏观分析,以解决犯罪经济学中微观模型与宏观加总数据实证研究的不匹配问题。Burdett(2004)[35]进一步扩展了搜索模型以解释犯罪、不平等和失业之间的关系。
(二)实证研究
根据犯罪经济学分析框架,在实证研究方面,学者主要从收入差距及威慑效应对犯罪的影响进行实证分析。最早从经济学角度分析犯罪问题的学者Fleisher(1963)[36]认为,低收入将导致犯罪参与的增加,并在1960年对101个美国城市的实证研究表明,失业率与男性青年的犯罪率显著正相关。Sjoquist(1973)[37]、Stack(1984)[38]等研究以地区的截面数据为基础,以多元回归为基本方法,认为收入差距与犯罪率存在正相关。但上述结论研究控制变量较少,误差项中可能包含同时影响收入差距与犯罪率的未控制因素,并无法控制难以观察的异质性问题,从而影响结论的科学性。20世纪90年代以来,由于统计数据越来越完善,学者更多使用面板数据,在计量模型中逐步控制地区固定效应与时间固定效应,得出的结论并不一致。Kelly(2000)[39]发现抢劫、所有暴力犯罪与收入不平等存在显著正相关关系。Fajnzylber(2002)[40]通过研究也得出抢劫、杀人犯罪与收入不平等有着类似的关系。Nilsson(2004)[41]进一步证实了所有暴力犯罪、抢劫犯罪与收入不平等有着显著关系。Choe(2008)[42]研究得出盗窃、抢劫犯罪与收入不平等存在强相关。但,有学者研究结果与上述结论大相径庭。Allen(1996)[43]发现抢劫犯罪与收入不平等在统计上不显著。Neumayer(2005)[44]通过研究未能发现抢劫、盗窃犯罪与收入不平等存在强相关。Brush(2007)[24]分别用横截面和时间序列分析方法分析美国犯罪数据,用横截面方法得出来的结论是收入不平等与犯罪率正相关,而用时间序列方法得出的结论恰恰相反。
相对于收入差距对犯罪率的影响实证研究,威慑效应对犯罪率实证研究较为匮乏。自从Becker在犯罪供给函数中将犯罪数量表示成惩罚概率和严厉性的函数后,不少学者运用计量方法研究了犯罪被惩罚概率、严厉性和犯罪率之间的关系,也即威慑效应。20世纪90年代以后,威慑效应研究扩展至警察、监禁、司法力量、惩罚形式及合法收入等对犯罪的威慑效应。Ehrlich(1996)[28]通过大量实证研究得出与Becker一致的结论:惩罚概率和严厉程度提高具有非常显著的威慑效应。Corman(2000)[45]研究得出犯罪惩罚概率和严厉性的提高具有非常显著的威慑效应。Entorf(2000)[46]针对财产犯罪进行了研究,发现惩罚的严厉性和概率对财产犯罪威慑效应特别明显。不过也有一些研究发现,威慑效应尤其是犯罪惩罚严厉性对财产性犯罪不显著。上述研究均假设收入差距及威慑效应为外生变量,有些学者则认为收入差距和威慑效应是内生变量,并研究了人口结构、国民教育水平、移民、体育、宗教、吸毒等对犯罪的影响。
国内基于犯罪经济学分析框架广泛采用统计分析、计量经济学的方法对犯罪成因问题进行研究起步时间较晚,经过一批中青年学者的努力,基本奠定了国内犯罪经济研究的基本范式和数据规范[47-49]。陈屹立研究了收入差距、经济增长等宏观经济因素对财产犯罪的影响后发现,全国、城镇内部以及城乡之间的收入差距对财产犯罪产生了显著的影响,经济增长与财产犯罪呈现显著的负相关关系。陈春良等利用省级面板数据对收入差距与刑事犯罪行为之间的因果关系进行计量分析,发现相对收入差距、绝对收入差距与刑事犯罪率存在显著的正相关性。史晋川等侧重研究人口流动对犯罪影响,结果显示我国人口流动与犯罪在历史周期、空间布局、结构特征等方面存在诸多相似之处。
(三)评述
犯罪经济学,特别是有关收入差距与犯罪理论,无论是在理论推导上还是经验研究上,都形成了较为稳定的经济分析范式。首先,犯罪经济学具有坚实的微观分析基础,它将犯罪决策者视为理性经济人,通过梳理建模方式从收益、成本角度讨论犯罪决策机制。它抛弃了传统社会学对犯罪形成原因的分析模式,将犯罪决策问题纳入经济学分析框架内,利用经济学强大的微观分析机制以提升犯罪研究的规范性和科学性。Ehrlich在Becker的基础上巧妙地用被害人的合法劳动收入衡量犯罪人的非法活动收入,从而使得难以衡量的非法劳动收益市场化,为微观经济理论推导奠定了基础。当然,Ehrlich理论假设过于简单,未考虑合法劳动与犯罪的“精神与道德成本差异”、收益的时间折现等问题。此后,Block和Heineke、Witte、Chiu等通过不断放松有关理性人假设,使收入差距与犯罪的决策机制对现实世界具有更强解释力。但是犯罪是一个现实性很强的社会问题,受到社会、经济、文化等诸多因素的综合影响。因此,犯罪经济学在进行理论规范研究的同时,从20世纪90年代之后逐步将研究重点转移至实证研究领域,它改变了传统犯罪社会学以截面数据、多元线性回归为主的研究方法,而大量采用面板数据、时间序列数据,并在模型中逐步控制地区、时间效应,大大提高了实证研究的普适性与科学性。
尽管20世纪90年代以来犯罪经济学在许多方面都取得了重要进展,但仍有许多工作有待深入研究。首先,理论研究有待加强,某些犯罪的因素还未被模型化,尤其是宏观经济因素影响犯罪的微观机理尚待深入,一些社会学、心理学的研究成果也未能很好地纳入经济模型用来解释犯罪,这常常影响了模型的解释力。其次,犯罪经济学理论上推导出一致的结论,但在实证研究上却存在诸多不同的观点,如收入不平等的影响,威慑效应在不同国家、地区、时间段有着不同的表现。这些都表明,犯罪经济学分析框架远没有达到经济分析方法在传统经济领域的成就,需要就基础理论、模型、统计指标、计量方法等进行全面的完善。
二、中国犯罪率实证研究
(一)数据
本文数据取自《中国统计年鉴》(1991-2010)、《中国检察年鉴》(1991-2010)和《最高人民法院工作报告》(1991-2010)及《中国法律年鉴》(1991-2010)。首先简要介绍我国公检法系统刑事犯罪办案的流程,便于解释后面数据含义。根据《刑事诉讼法》第7条规定:“人民法院,人民检察院和公安机关进行刑事诉讼,应当分工负责,互相配合,相互制约,以保证准确有效地执行法律。”公安机关主要负责案件立案、侦查、执行逮捕工作,产生立案数和破案数有关数据,当然检察机关、安全机关、监狱机关也会执行部分类似职能,但后者处理案件的数量与公安机关相比非常少。大部分刑事案件需要执行逮捕,须经检察机关批准。检察机关主要职能是决定、批准逮捕以及提起公诉,产生决定逮捕、批准逮捕数及起诉数。法院主要职能是执行审判工作,产生判刑数。
(二)变量
犯罪率:由于政治、经济、文化在较短时间保持稳定,假定真实犯罪率和立案率的比例保持大致不变,用立案率来衡量犯罪率。根据研究惯例,将总犯罪分为暴力犯罪和财产性犯罪,分别研究收入差距、威慑效应对不同类型犯罪率的影响。
惩罚的确定性:惩罚的确定性定义为所有犯罪中被惩罚的概率,一般以破案率度量。在可供查询的公开资料中,破案率一般指的是年度立案数中破案的数据,并不涵盖以往年度立案而在本年度破案的数据。因此,破案率的高低表明了两个方面的指标,一是犯罪惩罚概率高低,二是犯罪惩罚及时性,即多少案件是在一年内侦破的。破案率本质上是一个概率累计指标,现有公安统计只统计年度破案率,无法全面度量惩罚的确定性和及时性。
惩罚的严厉性:本文以五年以上有期徒刑及死刑惩罚为重刑,重刑率为重刑数除以判刑数,表示犯罪惩罚严厉性。2002、2003、2008年判刑数及1993、1999、2000、2001、2003、2004、2005、2010年重刑数缺失,根据有关信息和统计分析方法对上述年份进行补齐。
惩罚的及时性:用一年以内破案率来表示惩罚的及时性。实际上,应使用犯罪发案到破案(逮捕或判刑)间隔的时间均值来表示较为妥当,但由于司法统计实践限制,我们无法收集到该数据。
收入差距:根据我国实际,在收入差距中除工资性收入外,还应包括财产性收入,特别是由房产增值、房租收入导致的收入差距。1991至2010年,特别是2001~2010年房地产市场飞速发展,住房除了消费功能外还具有相当比重的金融功能,是居民重要的投资渠道。本文用城镇居民平均工资与农民人均纯收入比值衡量工资性收入差距,房地产价格、上证综指年度变化率衡量居民财产性收入差距,即房价越高,上证综指变化加大,居民财产性收入差距越大。
(三)模型及推导
本文对Ehrlich(1973)进行扩展,剔除了失业变量,加入了犯罪惩罚的及时性变量,并推导收入差距、惩罚概率变动对犯罪率的影响。
个体行为模型:
加总模型:假设所有个体都有同样的上述个体行为函数形式,且规模不变,则有
由此,犯罪决策行为本质上是一种不确定条件下的风险决策活动,即理性行为人基于现有的信息(自身收入状况、犯罪收益、犯罪被惩罚的概率等)分配一种资源(如何将有限时间在合法和非法劳动中分配)以达到效用最大化。上述问题可以表示成规划问题:
(四)模型的经济学规范
根据Ehrlich(1973),将受害者的合法工资收入视为犯罪者的非法活动的效率工资。考虑实证过程计算方便,我们将分别用社会群体最高收入和最低收入表示,并用收入差距[工资性收入差距(SRCJ)、房价(FJ)、证券资产变动(ZQ)]来表示某时间段的收入差距来综合衡量两个要素,则可得到如下分析方程:
(五)数据验证及分析
根据数据的具体情况,对式(3)进行修订。由于均是百分比,为了解释方便,不再将数据转换成自然为底的对数,其他变量均求出自然对数。
1.序列平稳性检验
对因变量总犯罪率对数、暴力犯罪率对数及财产犯罪率对数序列及自变量破案率、重刑率、收入比对数、房价对数、证券指数变动序列进行平稳性检验。经检验,犯罪率对数、暴力犯罪率对数、财产犯罪率对数序列均是一阶单整,其中暴力犯罪率对数序列在10%水平下显著,其他在1%水平下显著。破案率、重刑率、收入比对数、房价对数序列均是一阶单整,其中,房价对数序列在5%水平下显著,收入比对数序列在10%水平下显著,其他在1%水平下显著。证券指数变动序列是水平平稳的。除证券指数变动序列是水平平稳外,其他序列均是一阶单整序列,有可能存在协整关系。具体情况参见表1。
2.多重共线性检验
计算房价对数、收入比对数、证券指数变动、破案率、重刑率、总犯罪率对数相关矩阵,结果显示除证券指数变动与总犯罪率对数相关性不显著外,其他均显著相关。其中,破案率和重刑率与总犯罪率对数负相关,房价对数和收入比对数与总犯罪率对数正相关,并且自变量存在高度相关性。暴力犯罪率对数与财产犯罪率对数有上述类似结论。
3.方程系数估计
由于自变量间存在多重共线性,我们采用逐步回归和岭回归分别对时间序列数据进行分析,结果显示,岭回归⑥结果较好。最终结果见表2。
(六)结果分析
从近二十年数据看,破案率、房价变化、收入比对犯罪率影响较为明显,破案率上升1个百分点,分别影响总犯罪率、财产犯罪率、暴力犯罪率降低1.78、1.87、0.5个百分点;房价上涨1%,影响总犯罪率、财产犯罪率、暴力犯罪率均上升0.04个百分点;收入比上升1%,分别影响总犯罪率、财产犯罪率、暴力犯罪率上升0.77、0.80、0.22个百分点。暴力犯罪与财产犯罪不同的是,重刑率显著影响其变动。下面分别解释各因素变动对总犯罪率、财产犯罪率、暴力犯罪率的影响。
1.总犯罪率影响。20年间,总犯罪率从199.91人/10万人口上升至447.78人/10万人口,破案率从61.7%下降至39.0%,收入比从3.41上升至6.28,房价从786元/平方米上升至5032元/平方米,根据上述方程估计结果,破案率下降、收入比上升、房价上涨对犯罪率影响贡献率为43.10%、42.66%、14.24%,收入差距影响总共贡献约57%。
2.财产犯罪率影响。与总犯罪率类似,破案率下降、收入比上升、房价上涨对犯罪率影响贡献率为43.60%、42.68%、13.71%,收入差距影响总共贡献约57%。
3.暴力犯罪率影响。破案率下降、重刑率下降、收入比上升、房价上涨对犯罪率影响贡献率为27.17%、13.53%、27.35%、31.95%,威慑效应总共贡献约41%,收入差距影响总共贡献约59%,房价影响超过收入比影响。
由于财产犯罪占总犯罪数量85%以上,两者高度相关,因此总犯罪率方程与财产犯罪率方程基本一致也较好理解。破案率对财产犯罪和暴力犯罪均有显著影响,但对财产犯罪的影响远大于暴力犯罪,说明财产犯罪更加注重成本效益分析,破案意味着罪犯需付出高昂的成本,因此,破案率的提高能极大抑制犯罪。由于财产犯罪中被判处重刑的极少,重刑率对财产犯罪几乎没有影响,而对暴力犯罪影响显著。总犯罪率方程中,收入比弹性为0.78,这一弹性系数略高于陈春良(2009)[48]对国内省级面板数据的分析估算出的结果0.37,也高于Fajnzylber(2002)[40]基于39个国家的跨国面板数据所估算的结果0.1,但低于陈屹立(2007)[50]中的1.08。证券指数变动对犯罪率影响极小,这是因为与房产投资相比,我国居民家庭财产中,金融资产特别是股票投资占比极小。⑦从全国数据看,20年间,房价涨幅为540.2%,中心城市的涨幅远大于全国平均涨幅。房价快速上涨使得有房群体和无房群体在财产性收入方面产生了巨大的差距,而且这种差距的影响远大于工资性收入(暴力犯罪中较为显著),实证研究的结论也证实了这一点。
三、建议与对策
(一)犯罪问题本质上还是一个社会经济问题。在中国近20年表现为工资性收入差距扩大、房价持续上涨与犯罪率持续上升高度正相关,工资性收入差距扩大对财产犯罪率增长贡献率为42.7%,房价持续上涨对暴力犯罪率增长贡献率为31.95%,两者对总犯罪率、财产犯罪率、暴力犯罪率的贡献率为57%、57%和59%。因此解决犯罪问题先从社会问题入手,特别是民生问题,如收入分配、住房保障、医疗改革和教育公平等问题。
(二)对不同类型犯罪采取不同治理策略。现有刑事犯罪中,财产犯罪约占85%,暴力犯罪约占15%。对财产犯罪率影响贡献较大的因素有破案率和工资性收入差距,分别占43.60%、42.68%;对暴力犯罪率影响贡献较大的因素有房价、工资性收入差距及破案率,分别占31.95%、27.35%、27.17%。因此,对财产犯罪应主要做好以下几个方面工作:提高破案率及改善低收入群体工资性收入,并适度增加高收入群体的个人所得税,提高政府转移支付力度。对暴力犯罪应主要从房地产价格调控、提高保障房覆盖范围、改善低收入群体工资性收入及提高破案率等措施着手。
(三)关于惩罚严厉性的思考。1979年,我国制定了新中国成立后的第一部刑法典,这部刑法典在刑罚轻重选择的设置上,选择了刑罚轻缓化之路。死刑的条文只有7条,可以适用死刑的罪名28条,可以适用无期徒刑的条文为12条。从1980至1996年,由于社会犯罪形势变化,国家立法机关先后通过了二十多个决定和补充规定加大了刑法的从重力度。16年间,在刑事立法中,增加死刑的达14种,死刑条文33个,若将刑法中原有的死刑罪名同分散在单行刑法中的死刑罪名相加,整个刑事立法中的死刑罪名达74个,占全部罪名的30%左右。1997年,新修订刑法规定的死刑条文达36条,死刑罪名68个。从1979年至今,刑罚选择上具有明显的重刑主义色彩,刑罚趋于重刑化。刑事犯罪率除1984年及1992年因盗窃罪定罪标准发生改变略有下降外,其他年份均有增长,1987年至2011年,公安机关刑事犯罪立案数增长近10倍。由此可见,刑罚重刑化并未取得遏制犯罪的理想效果,本文研究结果也证实了这一结论,重刑率对总犯罪率及财产犯罪率均无统计性上的显著性,在暴力犯罪中贡献率仅为13.53%。因此,有必要重新审视刑罚重刑化对犯罪的影响,法学界、司法机关及立法部门对此进行了积极的探讨。2011年,全国人大常委会通过刑法修正案(八)取消了13个罪名的死刑,将死刑罪名减少至55个。
(四)关于财产性收入差距的思考。在我国居民财产构成的6个方面中,房产占57.88%,金融资产占21.79%,土地占9.35%。在人均财产分布方面,房产分布不平等程度高于金融资产,以最高20%与最低20%之比指标衡量,房产是62.7:1,金融资产是29.13:1。在集中率上,房产为0.6302,金融资产为0.6291,财产总额的基尼系数是0.55[51]。因此,房产价格波动对居民财产性收入具有重大影响,这也是本文选取房地产价格作为衡量居民财产性收入差距的重要原因,即随着房价增长,有房者和无房者之间的财产性收入差距也将扩大。但现有的国内外研究鲜有评估房产价格波动对犯罪率的影响,本文作为一种尝试,结果显示房价波动对暴力犯罪的影响远大于对财产犯罪,其对暴力犯罪率的贡献为31.95%,超过其他因素。
四、结论及展望
本文选取1991至2010年国家层级的时间序列数据,基于犯罪经济学的分析框架构建了犯罪供给模型,结果显示:收入差距拉大、房价快速上涨显著地刺激了犯罪率的增长,破案率的下降加剧了这一增长趋势。为了进一步考虑模型的稳定性和适应性,下一步将从以下几个方面来加强研究:(一)扩展数据的时间范围。(二)将考察的范围从全国深入到分省数据。(三)真实犯罪率的估计。(四)确定性和严厉性(死刑)指标进一步研究。(五)收入不平等的综合指标进一步研究。(六)除了收入不平等和威慑效应外,还有哪些因素可纳入犯罪经济学模型范畴。
注释:
①人均GDP从1987年1112元增长至2011年35181元,城镇居民平均工资从1978年615元增长至2011年42452元,农村居民人均纯收入从1991年686元增长至2011年6977元。数据来源《中国统计年鉴》。
②城镇居民平均工资与农民人均纯收入比值,1991年为3.41,2010年为6.28。数据来源《中国统计年鉴》。
③全国商品房平均房价1987年为408元/平方米,2010年为5032元/平方米。数据来源《中国统计年鉴》。
④总犯罪率1987年为51.4人/10万人口,2010年为447.8人/10万人口,其中暴力犯罪率(包括凶杀、伤害、强奸)1987年为6.8人/10万人口,2010年为16.7人/10万人口;财产犯罪率(除暴力犯罪外)1987年为44.5人/10万人口,2010年为431.1人/10万人口。23年来,总犯罪率增长了771.21%,暴力犯罪率增长了145.59%,财产犯罪率增长了868.76%。数据来源《中国法律年鉴》。
⑤由于篇幅限制,公式推导过程在此不再展开,如读者有需要,可联系作者。
⑥统计工具用E-view和R,岭回归详见:http://stat.ethz.ch/R-manual/R-patched/library/MASS/html/lm.ridge.html.
⑦中国家庭资产平均为121.69万元,城市家庭平均为247.60万元,农村家庭平均为37.70万元。家庭资产中金融资产(股票是金融资产的一部分)为6.37万元,占总资产8.76%,非金融资产(房产占非金融资产绝大部分)为66.40万元,占91.24%。数据来源中国家庭金融调查与研究中心《中国家庭金融调查报告2012》。房地产销售额占居民工资收入比值,1987年为5.85%,2010年为111.53%。数据来源《中国统计年鉴》。
标签:犯罪率论文; 收入差距论文; 中国统计年鉴论文; 概率计算论文; 社会因素论文; 社会经济学论文; 社会问题论文; 实证分析论文; 经济学论文;