关键词多元线性回归 盗窃犯罪 影响因素

一、引言

　　每个少年的心中都曾有一个武侠梦，除暴安良，劫富济贫，白衣飘飘潇洒来去。远至《史记》中的鸡鸣狗盗之辈，近到武侠中拥香偎玉的“盗帅”楚留香，再到影视剧中的义贼“一枝梅”，盗窃这种本该被人民群众唾骂的行为被洗洗涮涮，撒上了惑人的香水，变成了一种引人入胜的江湖梦想。但就像《武林外传》中的“盗圣”白展堂所说，盗窃的危害是不能用盗窃的财物的价值来衡量的，就算盗窃的财物价值很小，它所造成的恶劣影响依然是难以磨灭的，社会秩序乱了，社会风气坏了，人与人之间的信任顷刻之间荡然无存。盗窃，必须是一种被人民群众所唾弃的，被法律所禁止的行为。
　　《中华人民共和国刑法》第二百六十四条规定，盗窃罪是指以非法占有为目的，盗窃公私财物数额较大或者多次盗窃、入户盗窃、携带凶器盗窃、扒窃公私财物的行为。随着时代的进步，人民生活水平的极大提高，盗窃这种行为看似已经远去。前几年人人自危的公交车中手机被盗事件、自行车丢失事件、大学生水房水壶被偷事件，都很少再发生。村头的老奶奶也不再为了田里的玉米少了一根从村头骂街骂到村尾，反而会笑呵呵的给小娃娃几根。那么，盗窃这种历史悠久、影响恶劣的犯罪行为，真的已经消失了吗？我们从中国第三产业统计年鉴查询可知，2001、2002年公安机关立案的盗窃案件数分别为2924512件和2861727件;2016、2017年公安机关立案的盗窃案件数分别为4304321件和3459742件。盗窃罪的治理形势并不如想象中良好，研究盗窃罪的新特点，提出有针对性的防范对策，依然是非常必要的、有意义的研究课题。

二、相关文献

　　多篇论文以某一特定地区数据为基础，研究如何打击防范盗窃犯罪。福州师范大学硕士论文认为，福州市盗窃犯罪与地理环境有着非常紧密的联系，盗窃犯罪是由城市中心至边缘圈形衰减的，商圈、交通枢纽、广场是犯罪高发区域，通过合理规划可以对盗窃犯罪起到一定防控效果。对辽宁省东部地区F县2009年2013年的盗窃案件进行统计分析，得出进城务工的农民及外来打工者成为主要犯罪主体，缩小各区域之间的贫富差距及安保设施的差距，加强对外来人口的管理可以减少犯罪产生。通过对北京市昌平区入户盗窃犯罪嫌疑人进行特异性分析，统计昌平区2014年上半年110接报入户盗窃警情情况，分析了入户盗窃犯罪问题的主要原因是社会管理不重视、公安打击不足和群众防范意识缺乏。文献归纳2016年北京市入室盗窃案件数据的规律特点，利用大数据警务构建了以重点关注人群为主的监控体系，以高发案地区、高发案时段为基础的巡控体系。以东莞市2006-2016年数据为基础的盗窃犯罪研究表明，流动人口聚集地盗窃机动车案件数量减少，入室盗窃数量上升，犯罪人员以青壮年无业男性居多，文化程度普遍偏低。
　　国家层面数据显示，2011年至2016年我国盗窃案件宏观数据增长回落，盗窃刑事案件占刑事案件总数的比例接近2/3，盗窃治安案件波浪上升。我们将要以我国2006年至2017年的公安机关立案的盗窃刑事案件数和公安机关受理的盗窃治安案件数为基础，利用多元线性回归技术，量化分析教育因素和城乡收入差距因素对盗窃犯罪的影响。

三、模型建立

　　（一）数据选择
　　在选择能反映2006-2017年教育情况的数据时，考虑到教育与社会投入密切相关，我们选择了教育业固定资产投资作为参考数据;教育对社会产生的影响与受教育者在人群中占的比例有关，考虑到义务教育的普及，我们选择了高中阶段毛入学率和高等教育毛入学率作为参考数据;在城乡收入差距方面，我们选择了城镇居民人均可支配收入绝对数与农村居民人均纯收入绝对数的差值作为表现数据。数据来自中国统计年鉴和中国第三产业统计年鉴，相关数据表格如下表1：

表1

　　（二）相关性分析
　　利用MATLAB软件计算公安机关立案的盗窃刑事案件数与其他数据之间的相关系数矩阵（如表2所示），相关性结果表明公安机关立案的盗窃刑事案件数和高中阶段毛入学率、城乡居民收入差距之間中度正相关。公安机关受理的盗窃治安案件数与城乡居民收入差距之间高度正相关，与教育业固定资产投资、高中阶段毛入学率、高等教育毛入学率之间中度正相关。

表2

　　（三）利用多元线性回归来探究盗窃犯罪的影响因素
　　令y1代表公安机关立案的盗窃刑事案件数，y2代表公安机关受理的盗窃治安案件数，我们希望找到如下线性关系：
　　将数据导入MTAMATLAB软件，利用软件中统计工具箱中的回归分析命令regress，运行得到公安机关立案的盗窃刑事案件数与教育业固定资产投资、高中阶段毛入学率、高等教育毛入学率、城乡居民收入差距之间的拟合线性关系为：
　　其中相关系数r2=0.8342，F=8.807，p=0.007，由p