《Crime Science》:Hukou-based residential composition, inbound routine activity mobility, and recorded theft in Shanghai
编辑推荐:
**摘要**
**目的** 犯罪与地点研究日益区分居住环境与通过日常活动进入邻里的流动人口。本研究旨在考察入向日常活动流动性(inbound routine activity mobility)与记录盗窃的关联是否因上海社区不同的户籍(hukou)居住构成而
**摘要**
**目的** 犯罪与地点研究日益区分居住环境与通过日常活动进入邻里的流动人口。本研究旨在考察入向日常活动流动性(inbound routine activity mobility)与记录盗窃的关联是否因上海社区不同的户籍(hukou)居住构成而异。**方法** 本研究关联了2010年人口普查(Population Census)数据、2016年中国电信(China Telecom)通勤与游客流入数据,以及来自法院判决书的盗窃记录地理编码数据,覆盖4,067个社区。采用逻辑回归(logistic regression)模型分析记录盗窃的发生,采用负二项回归(negative binomial regression)模型分析2017年盗窃计数,并以2010年普查常住人口(usual-resident population)作为暴露变量。标准误按街道聚类,条件关系通过平均边际效应(average marginal effects)和调整预测值进行评估。**结果** 在加法模型中,非户籍居民比例(non-hukou resident share)和入向流动性各自与盗窃发生呈正相关,但发生概率的交互项未能精确估计。在盗窃强度方面,入向流动性与盗窃计数呈正相关,且随着非户籍比例的上升,该正向关联更为明显。计数模型中的交互项在替代性计数和空间设定下保持稳健,而探索性检验未提供证据表明该效应在广泛的城区之间存在系统性差异。**结论** 研究结果表明,动态活动空间暴露(activity-space exposure)在与其接收端的居住环境一并解释时可能更具信息量。在上海,基于户籍的居住构成为该环境提供了一个制度化的结构维度。研究结果涉及社区层面记录盗窃的关联,并不代表因果机制的确立,也不暗示非户籍居民或流动人口具有犯罪性特征。
**论文解读**
**一、研究背景与问题提出**
长期以来,社区犯罪研究将邻里人口的社会特征置于核心位置,社会解组(social disorganization)与集体效能(collective efficacy)等经典理论主要依据居民的长期特征,如凝聚力、非正式社会控制与自然监控(guardianship)来解释犯罪的空间分布。然而,当代城市社区正经历深刻转型:日常通勤、旅游及其他跨边界流动使得实际出现在社区中的人口与登记居住人口之间日益脱节。仅从居住人口出发理解犯罪生态,已难以完整捕捉城市机会结构(opportunity structure)的动态变化。
近年来,犯罪与地点研究开始将活动空间(activity spaces)和人口流动性纳入分析框架,强调日常人口移动如何改变潜在犯罪者、合适目标与监控者的时空汇聚条件。然而,现有研究的核心问题已不是“居住结构与人口流动是否都重要”,而是“动态活动空间暴露与犯罪之间的关联是否因接收端的居住环境不同而存在差异”。这一条件性命题在理论上具有重要性,但在实证层面尚未得到充分探讨。
中国超大城市为检验上述命题提供了独特的研究场景。上海的快速城市化同时伴随着居住构成的重大变化和日常跨边界流动的加剧。更具制度特殊性的是,户籍制度(household-registration system, hukou)持续构建着居民在住房、教育、社会保障等地方资源获取上的差异化地位。由此,两种基于不同时间尺度和制度基础的人口结构在同一社区空间中叠加:一种是相对持久的、基于户籍的居住分化,另一种是高动态的、基于日常活动的流动空间结构。这两种过程不应被简单视为可互换的人口流动形式。前者关乎在制度化居住体系中“谁在此居住”,后者关乎在日常活动中“谁进入并使用该空间”。
基于上述背景,本研究将非户籍居民比例(non-hukou resident share)作为基于户籍的居住构成的指标,将中国电信手机信令数据(mobile-phone signaling data)构建的入向通勤流入和游客流入整合为入向日常活动流动性(inbound routine activity mobility)指标,以分析动态活动空间暴露与基于制度分层的居住环境在社区盗窃风险中的共同作用。
**二、研究方法概览**
本研究整合了三类主要数据来源:其一,2010年人口普查的社区层面居住人口与户籍构成数据,构建非户籍居民比例(定义为社区常住人口中无上海户籍者的比例)及人口密度等背景变量;其二,中国电信2016年通勤与游客信令数据,分别构建通勤流入(commuter inflow)和游客流入(tourist inflow)的相对指标,并通过主成分分析(principal component analysis)提取第一主成分(解释72%方差)作为入向日常活动流动性的综合测量;其三,通过中国裁判文书网(China Judgements Online)公开的法院判决书提取并地理编码的盗窃记录,2017年数据作为结果变量,2015至2016年数据用于构建前期犯罪控制变量。最终分析样本覆盖上海4,067个社区,嵌套于177个街道层级聚类中。
分析策略区分了记录盗窃的两个维度:盗窃发生(recorded theft occurrence)采用逻辑回归建模,盗窃强度(recorded theft intensity)采用负二项回归建模,并以2010年普查常住总人口作为暴露变量。所有模型标准误在街道层面聚类,交互项通过结果尺度上的平均边际效应和调整预测值进行解释。此外,研究实施了多项敏感性检验,包括零膨胀负二项模型(zero-inflated negative binomial model)对比、替代性空间权重设定、莫兰指数(Moran’s I)空间自相关检验及特征向量空间滤波(eigenvector spatial filtering)等。
**三、主要研究发现**
**(一)描述性统计结果**
在4,067个分析社区中,1,722个(42.3%)在2017年至少记录了一起盗窃事件,总记录盗窃事件为7,266起,社区平均计数为1.79。非户籍居民比例的均值为0.414,入向日常活动流动性呈右偏分布。
**(二)记录盗窃发生——逻辑回归模型结果**
加法模型显示,非户籍居民比例和入向日常活动流动性各自与盗窃发生概率呈显著正相关。但在包含交互项的模型中,乘积项在对数几率尺度上未达到统计显著水平(b = 0.235, SE = 0.180, p = 0.191)。概率尺度上的平均边际效应显示,入向流动性的边际效应随非户籍比例上升而趋于正向,尽管这些边际效应在数值上存在差异,但交互项不显著表明发生概率模型未提供系统性调节效应的有力证据。
**(三)记录盗窃强度——负二项回归模型结果**
此为本文的核心发现。在加法模型中,入向日常活动流动性与盗窃计数呈显著正相关(b = 0.116, p < 0.001),而非户籍居民比例不显著。当引入交互项后(Model 4),交互项呈正向且高度显著(b = 0.365, SE = 0.108, p = 0.001, 95% CI [0.154, 0.576])。调整后的盗窃率尺度上的平均边际效应显示:当非户籍比例为0.10时,入向流动性每增加一个单位,每万人盗窃率变化为?0.227起(不显著);当比例为0.40时,为0.312起(p = 0.005);当比例为0.70时,为0.973起(p < 0.001);当比例为0.90时,为1.554起(p = 0.005)。这表明,入向日常活动流动性与记录盗窃强度之间的正向关联随着社区非户籍居住比例的上升而系统性增强,支持了条件性假设。
**(四)敏感性分析与探索性检验**
上述计数模型中的交互效应在多项敏感性分析中保持稳健:零膨胀负二项模型对比未显示单独的结构性零组件改善拟合;使用KNN4至KNN12、2,000米距离及修剪Queen等多种空间权重设定重构2016年盗窃计数的空间滞后项,交互项估计值在0.362至0.366之间且始终显著(p < 0.001);莫兰检验虽识别出残差中残余的微弱正空间自相关(I = 0.0300),但纳入11个莫兰特征向量后交互项仍保持显著(b = 0.370, p < 0.001)。此外,探索性三阶交互分析在内城、近郊和远郊三个城区之间未发现焦点交互效应的系统性差异,表明上述条件性关联并非由特定城市区域的局部模式所驱动。
**四、讨论与结论**
本研究区分了盗窃发生与盗窃强度两个维度上的不同模式:非户籍居民比例和入向流动性各自与盗窃发生在加法意义上相关,但发生概率的交互效应未能精确估计;而在盗窃强度(即盗窃事件的累积计数)上,入向流动性越高的社区,其记录的盗窃数量越多,且该关联在非户籍居民比例更高的社区中更为突出。这一发现将近期关于流动性-犯罪关系可随地方语境而变异的学术讨论拓展至一种由制度所构建的居住分化维度——户籍构成。
值得注意的是,本研究并未将非户籍比例视为集体效能或非正式社会控制的直接测量,也未将入向流动性等同于犯罪者移动。研究所观察到的条件性关联仅为社区层面的统计规律,其机制——是地方对瞬时人口的识别监控能力差异,还是特定场所管理模式的调节作用——仍有待未来纳入更精细的社会过程测量予以检验。
研究的若干局限亦需明确。第一,盗窃数据源自法院判决文书,历经报案、侦查、起诉、判决、地址提取和地理编码等环节,并非上海盗窃事件的完整普查,无法确定这些环节的选择性是否与居住构成和流动性的联合分布存在系统性关联。第二,入向流动性是聚合层面的暴露指标,未能区分通勤与游客两类流入中何种成分对盗窃更为关键,也未能捕捉活动时间、目的地类型等行为维度。第三,本研究是观察性、生态性且基于单一城市的研究,其结果不应被解读为个体层面或因果效应,也不意味着非户籍居民或流动人口具有犯罪倾向。该结论在多大程度上适用于其他城市体系中类似制度维度的居住分化,仍需比较研究来回答。
**研究结论(原文翻译):** 本研究识别出城市流动性与记录盗窃之间的一种特定条件性关系:随着居住人口中非户籍比例的上升,入向日常活动流动性与盗窃强度的正向关联变得更为显著。因此,本研究的贡献并非表明流动性或非户籍居住本身会直接增加犯罪,而是表明动态活动空间暴露与犯罪之间的关联因居住环境而异。更广泛而言,上述发现支持了近年来将人口流动置于其接收端居住与制度环境中加以考察的研究方向。上海展示了这种关系的一种形态:日益加剧的日常流动性与持久的户籍居住分化体系并存,而入向活动空间暴露与记录盗窃强度的关联因这一居住环境的不同而呈现差异。其更广泛的启示并非局限于户籍制度本身,而是:基于流动性的测量,只有在与接收这些流动的地点特征一并解释时,才可能最具信息价值。