针对儿童的性犯罪的犯罪路径：一种基于犯罪史揭示不同路径的新颖方法学方法

《Legal and Criminological Psychology》：Commission pathways for sexual offences against children: A novel methodological approach exposing distinct pathways as a function of offending history

　　

目的：研究人员采用神经网络分析（neural network analysis），考察特定性格因素（dispositional factors）和情境因素（situational factors）如何影响针对儿童的性犯罪（sexual offending against children）的犯罪路径。在心理学和犯罪学研究中使用非线性多因素模型仍处于发展阶段，这使其成为对这些领域的独特贡献。
方法：研究人员将先前犯罪状态（prior offence status）作为结果变量，采用多阶段分析策略，包括卡方分析（chi-squared analysis）、序贯二元回归（sequential binary regression）和神经网络建模（neural network modelling）。研究对象来自一个包含西澳大利亚州已实施性犯罪的男性既往心理和犯罪学信息的数据库。初始样本为因针对儿童的性犯罪被定罪的罪犯（N=539），用于指导相关变量的选择。其中近半数罪犯有暴力、性犯罪或暴力与性犯罪并存的先前指控（N=260）。
结果：有先前指控的罪犯遵循三条路径：冲动性（impulsivity）、一致性（congruence）和性化应对（sexualized coping）。每条路径均反映了已知的犯罪风险因素（criminogenic risk factors）和罪犯模型。无先前指控的罪犯遵循两条路径：机会（opportunity）和性功能障碍（sexual dysfunction）。路径间的差异和不一致性揭示了当前对该群体认知的空白。
结论：研究结果支持存在不同路径。关于个体性格如何与情境因素相互作用以影响针对儿童的性犯罪的新见解，可直接为风险评估、康复治疗和犯罪预防提供信息。

**论文解读：基于犯罪史的儿童性犯罪路径——一项新颖的方法学探索**

**研究背景与问题**
针对儿童的性犯罪（sexual offences against children）是心理学和犯罪学领域的核心议题。现有研究已识别出影响犯罪进程和再犯可能性的共同因素，如无效应对技能、物质滥用和童年虐待经历，这些因素既可作为未来犯罪的预测指标，也可为康复提供信息（Cale et al., 2016; Osbourne & Christensen, 2020）。然而，尝试用这些因素解释犯罪实施（offence commission）的努力大多未获成功，部分原因在于这些因素之间缺乏一致性，需要更复杂的多层次分析模型（Zych & Marín-López, 2024）以及对因素间相互关系的理解（Abbott, 2021; van den Berg et al., 2020）。因此，当代研究者关注前因、动机、机会、环境、决策和行为如何相互作用，以形成性犯罪（Beauregard & Chopin, 2023; Leclerc & Proulx, 2018）。国际上，学者们越来越多地将性犯罪概念化为因果变量的复杂交互作用结果（Blokland & Lussier, 2015; Thornton, 2021），并采用多因素方法，如犯罪脚本（crime scripts）和儿童性犯罪路径模型（pathways model to child sexual offending）。然而，澳大利亚在此领域的研究有限，尤其是西澳大利亚州尚无相关研究。为填补这一空白，本研究旨在通过神经网络分析（neural network analysis），识别解释性格因素（dispositional factors）和情境因素（situational factors）相互关系的路径，以深化对儿童性犯罪实施机制的理解，并为风险评估、康复治疗和犯罪预防提供直接依据。论文发表在《Legal and Criminological Psychology》。

**主要技术方法**
本研究采用多阶段分析策略。数据来源于西澳大利亚州司法部与埃迪斯科文大学联合创建的回顾性性犯罪数据库（Retrospective Sexual Offender Database, RSOD），包含已定罪性犯罪男性的心理和犯罪学信息。初始样本为539名针对儿童的性犯罪罪犯，其中260人有暴力或性犯罪前科。研究方法包括：卡方分析（chi-squared analysis）筛选显著相关的变量；序贯二元回归（sequential binary regression）评估变量的增量贡献；多层感知器神经网络分析（multilayer perceptron neural network analysis, MLP NNA）识别非线性的路径关系。最终纳入11个变量（5个性格因素：童年身体虐待、性虐待、情感虐待、亲密关系问题、应对技能缺陷；6个情境因素：束缚受害者、伤害受害者、受害者陌生性、信任/权力/责任职位、大麻滥用、酒精滥用），在189名完整数据被试上进行神经网络建模。

**研究结果**
**表1：双变量分析结果**
卡方分析显示，有前科与无前科罪犯在性格和情境因素上存在显著差异。有前科罪犯更可能经历童年身体虐待（p<.001）、性虐待（p=.034）或情感虐待（p<.001），以及亲密关系问题（p=.017）和应对技能缺陷（p=.005）。无前科罪犯较少束缚（p=.005）或伤害（p=.030）受害者，更可能认识受害者（p<.001）且未滥用大麻（p<.001），但更常处于信任/权力/责任职位（p<.001）。有前科罪犯更可能滥用酒精（p<.001）。效应量均为小（Phi值0.10-0.29）。

**表2：序贯二元回归结果**
模型1（仅性格因素）显示，童年情感虐待（OR=2.201，p=.031）和亲密关系问题（OR=1.924，p=.041）显著增加有前科可能性。模型2（仅情境因素）显示，大麻滥用（OR=3.121，p<.001）和酒精滥用（OR=2.496，p=.002）显著增加有前科可能性，而信任/权力/责任职位（OR=0.370，p=.041）降低有前科可能性。模型3（综合模型）显示，情感虐待（OR=2.519，p=.001）、大麻滥用（OR=1.963，p=.034）和酒精滥用（OR=2.129，p=.025）显著增加有前科可能性，信任/权力/责任职位（OR=0.282，p=.008）降低有前科可能性。模型3正确分类率65.6%，Nagelkerke R²=0.195。

**表3和图1：神经网络分析结果**
MLP NNA模型（AUC=0.762）识别出5条隐藏层路径。有前科罪犯对应三条正权重路径：路径5（冲动性路径）——童年情感和身体虐待、亲密关系问题、陌生受害者、束缚/伤害受害者、大麻和酒精滥用；路径4（一致性路径）——童年性虐待、亲密关系问题、应对技能缺陷、信任/权力/责任职位、大麻和酒精滥用；路径2（性化应对路径）——童年情感虐待、亲密关系问题、大麻和酒精滥用、信任/权力/责任职位、束缚/伤害受害者。无前科罪犯对应两条正权重路径：路径3（机会路径）——仅情境因素：信任/权力/责任职位、伤害受害者、陌生受害者；路径1（性功能障碍路径）——童年身体和性虐待、亲密关系问题、信任/权力/责任职位、束缚/伤害受害者。

**讨论与结论**
讨论部分指出，有前科罪犯的路径支持了Ward和Siegert（2002）的情绪失调（emotional dysregulation）路径模型，并与Osbourne和Christensen（2020）在澳大利亚样本中的验证结果一致，具体表现为冲动性、一致性和性化应对三个亚型。无前科罪犯的路径揭示了当前认知的空白：机会路径主要依赖情境因素，而性功能障碍路径与越轨性脚本（deviant sexual script）路径相符。研究同时指出，现有研究对无前科罪犯的认知不足，需进一步探索未知的影响因素。研究结论翻译如下：
根据指导理解、预测和应对犯罪的框架，有必要研究影响性犯罪实施因素间的相互关系，以持续为有效的犯罪风险因素评估、罪犯康复和犯罪预防提供信息。性犯罪是因果变量的复杂交互作用，应用多因素性犯罪理论代表了对这类犯罪进行更深入和情境化理解的进展。本研究通过使用神经网络分析，调查了西澳大利亚州针对儿童的性犯罪中识别出的性格因素和情境因素的影响，为犯罪路径的不断演变的理解做出了贡献。研究结果扩展了Osbourne和Christensen（2020）在澳大利亚的工作，利用当代统计建模识别了西澳大利亚州的独特路径。这些因果影响、决策和行动模型中具体可测量变量的识别，直接为精算风险评估、基于需求的康复干预和情境犯罪预防策略提供了信息。本研究的多项发现进一步支持了儿童性犯罪路径模型的有效性，特别是对有性犯罪或暴力犯罪史的罪犯的情绪失调路径。研究结果可为澳大利亚对性犯罪男性风险评估工具的开发和完善提供依据，并直接指导基于需求的犯罪治疗目标的制定。此外，对处于信任、权力或责任职位但无前科罪犯使用暴力犯罪行为的识别，可改善典型指标缺失时的情境犯罪预防策略。相反，与无正式性犯罪或暴力犯罪史罪犯相关的发现缺失，突显了当前评估、康复和预防努力可能无法解决的认知空白。未来研究应验证本研究结果，并扩展调查以纳入RSOD中未包含的情境因素。