地理科学  2018 , 38 (8): 1218-1226 https://doi.org/10.13249/j.cnki.sgs.2018.08.003

Orginal Article

ZG市非接触型诈骗被害相对发生概率的性别差异

张春霞12, 柳林34, 周素红2

1.广东工程职业技术学院管理工程学院,广东 广州 510520
2.中山大学地理科学与规划学院综合地理信息研究中心,广东 广州 510275
3.广州大学地理科学学院公共安全地理信息分析中心,广东 广州 510006
4.辛辛那提大学地理系,辛辛那提OH45221-0131,美国

Gender Difference on Relative Probability of Non-contact Fraud in ZG City

Zhang Chunxia12, Liu Lin34, Zhou Suhong2

1. Department of Management Engineering, Guangdong Engineering Polytechnic, Guangzhou 510520, Guangdong, China
2. Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, Guangdong, China
3. Center of Geographic Information Analysis for Public Security, School of Geographic Sciences, Guangzhou University, Guangzhou 510006, Guangdong, China
4. Department of Geography, University of Cincinnati, Cincinnati OH45221-0131, Ohio, USA

中图分类号:  K901

文献标识码:  A

文章编号:  1000-0690(2018)08-1218-09

通讯作者:  通讯作者:周素红,教授。E-mail:eeszsh@mail.sysu.edu.cn

收稿日期: 2018-05-25

修回日期:  2018-07-5

网络出版日期:  2018-08-20

版权声明:  2018 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家重点研发计划项目(2018YFB0505500,2018YFB0505503)、国家自然科学基金重点项目(41531178)、广州市科学研究计划重点项目(201804020016)、广东省自然科学基金研究团队项目(2014A030312010)资助、广州市哲学社会科学发展“十三五”规划项目(2018GZGJ129)资助

作者简介:

作者简介:张春霞(1982-),女,山东郓城人,讲师,博士研究生,主要从事犯罪地理与旅游地理研究。E-mail:zcx020@163.com

展开

摘要

利用ZG市老城区2015~2016年具有个人属性的诈骗警情数据,分析女性和男性遭受非接触型诈骗相对接触型诈骗的发生概率,建立多层次Logit回归模型研究其影响因素的差异。结果表明,两性别非接触型诈骗被害的相对发生概率均受制于个体和社区两个层次因素的影响,且社区层次均发挥主要作用。其中,女性和男性在个体层次的影响因素类似,表现为本地户籍的高水平受教育者在白天更易遭受非接触型诈骗的侵害。但在社区层次的影响因素迥异,在外来人口少、银行网点少、离婚丧偶率低、有高校的本地年轻人为主的社区,女性非接触型诈骗被害相对发生概率高;而在租房比例高、农业人口少、大型零售商业网点少、低教育水平人口比例少的外来中高收入白领为主的社区,男性非接触型诈骗被害相对发生概率则更高。

关键词: 非接触型诈骗 ; 被害发生概率 ; 被害性别差异 ; 分层线性模型

Abstract

While fraud has become more prevalent in today's society, there has been few study on gender differences on fraud, and even fewer on the contributing factors of such differences, especially in the context of non-contact fraud (NCF) vs contact fraud (CF). This article aims to narrow this gap by examining fraud data from the police of ZG old city, covering the period from 2015 to 2016, to reveal possible relationships between fraud and individual characteristics of the victims. Results of hierarchical linear models (HLM) on the ratio of NCF/CF suggest that both personal and community factors play an important role for females and males, especially the latter. Specifically, local household registration status, time of fraud in terms of day vs night, and the level of education of the individuals, show similar strength and direction for both females and males. At the community level, risk factors are totally different across different genders. The percent of colleges and the young people show significant positive correlation, while the number of bank branches, percent of migrant population and divorce rate pose a negative impact for female victims. For male victims, percent of rental properties shows a positive correlation while level of education, percent of agricultural population and existence of large retail outlets have negative impacts. Findings of this study adds to the literature on fraud, and may provide insight on developing strategies for fraud prevention and reduction.

Keywords: non-contact fraud ; the probability ; gender differences ; hierarchical linear model

0

PDF (658KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

张春霞, 柳林, 周素红. ZG市非接触型诈骗被害相对发生概率的性别差异[J]. 地理科学, 2018, 38(8): 1218-1226 https://doi.org/10.13249/j.cnki.sgs.2018.08.003

Zhang Chunxia, Liu Lin, Zhou Suhong. Gender Difference on Relative Probability of Non-contact Fraud in ZG City[J]. Scientia Geographica Sinica, 2018, 38(8): 1218-1226 https://doi.org/10.13249/j.cnki.sgs.2018.08.003

随着信息技术的进步、支付手段的多样化,犯罪分子以网络、电话、短信等方式进行的诈骗犯罪持续高发,诈骗方式的隐蔽化、多样化、高科技化及跨境化,使诈骗犯罪成为现代城市中亟待解决的一大难题。

已有对诈骗犯罪的研究,多为在经济学、社会学和犯罪学的学科背景下对受害者的研究[1, 2]。基于“日常活动理论”[3]、“生活方式理论”[4]、“低自我控制理论”[5,6]等理论视角,探讨导致人们诈骗被害或重复受害的影响因素[7]。研究发现人们遭受各类诈骗被害的影响因素具有多面性,既受个体经济属性和日常活动行为属性的影响[8],也受家庭结构、建成环境和社会环境的制约[9]。现有成果主要为对电话诈骗、网络诈骗[10,11]、身份盗窃[9]、远程购物诈骗等非接触型诈骗和商品促销诈骗[12]、拾物平分、贷款抵押等[13] 等接触型诈骗分别展开的研究。但作为作案手段迥异的两种诈骗类型,挖掘二者在空间上的形成机制与相对发生概率问题,对深化诈骗犯罪研究意义重大,目前尚少有研究探及。

随着环境犯罪学和犯罪地理学的发展,部分学者开始关注个体和社区多层次因素与暴力受害的交互关系,如Burgason等利用公安局的警情数据,从个体和社区两个层次探讨不同受害程度的街头抢劫发生概率的多层次影响因素[14,15],但鲜有针对诈骗犯罪的相关成果。自2017年,柳林等学者开始从犯罪地理学视角,解释各类诈骗被害的时空分布与影响因素,发现诈骗犯罪和其他类型的犯罪相似,符合日常活动理论的理论假设,同样具有时空热点,且受制于各类社会环境和建成环境的影响[16]。这对从犯罪地理学视角开展诈骗专项犯罪的研究具有开创意义,但研究并未对非接触型诈骗进行系统探讨。作为与被害者无直接接触的非接触型诈骗,受害者的空间分布是否也受到个体与建成环境的共同影响?相对于接触型诈骗而言其影响因素又有何不同?这些问题仍值得深入探讨。目前,从犯罪地理学视角开展的诈骗专项研究已经起步,但急需丰富与深化[17]

性别差异与犯罪被害关系紧密[18]。现有成果主要集中在暴力犯罪[19,20,21]、盗窃[22]、白领犯罪和街道犯罪[23]等类型,对诈骗犯罪鲜有涉及。发现除由亲密关系或性侵犯引发的暴力犯罪外,男性普遍比女性更易遭到暴力侵害[24,25],这与男性的男子气概有直接关系[26];而盗窃被害则被认为不存在显著的性别差异[22]。有学者基于性别差异视角探讨暴力受害者的多层次影响因素,如Lauritsen等从个体、家庭和社区3个层次解释两性在遭遇各类暴力受害的显著性因素[27]。性别差异已成为探讨暴力受害的一个重要视角,但针对诈骗犯罪的相关研究成果还十分罕见。

为弥补犯罪地理学基于性别差异视角,对不同诈骗类型相对发生概率的多层次影响因素研究成果的不足,本研究以中国东南沿海的ZG市为例(出于数据保密原因,城市名使用代号代称),基于个体尺度,分别对男性和女性遭受非接触型诈骗被害相对接触型诈骗被害发生概率(下文简称为非接触型诈骗相对发生概率)的影响因素进行数理建模分析,成果对深化非接触型诈骗被害的发生机理有现实指导意义,可为诈骗专项犯罪防控提供参考。

1 数据与方法

1.1 数据来源

已有研究证实了日常活动理论在解释诈骗被害的影响因素方面具有很好的适用性[16,28],该理论主要包括3类要素:有动机的犯罪分子、合适的目标和监管的缺失[29]。本文基于日常活动理论,以ZG市非接触型诈骗为研究对象,利用多层次Logit回归分析方法,分别探讨男性和女性非接触型诈骗相对发生概率的影响因素。模型指标的选取主要考虑受害者的个人属性和与其日常活动紧密相关的社区环境要素[29,30]

ZG市是中国一特大城市,诈骗警情较多。研究数据选取2015年4月~2016年6月该市老城区具有个人属性的5 580条诈骗警情数据(数据来源于ZG市公安局),其中:非接触型诈骗3 134条,接触型诈骗2 446条。2 814个男性受骗者分布在737个社区,2 766个女性受骗者分布在764个社区。本文对诈骗警情数据根据其报警地址信息进行空间化处理。其他数据主要包括社区尺度的社会环境(如外来人口、年轻人口、低水平受教育程度人口等)和建成环境(如大型零售商业网点、高校、银行网点等),源于ZG市第六次人口普查和ZG市兴趣点(Point of Interest, POI)等数据。

1.2 研究方法

针对多水平、多层次的嵌套数据,多层模型是一种较好的统计分析技术[31,32]。诈骗受害者的日常活动除了与个体属性有关外,还受制于居住社区的社会环境和建成环境的影响[33]。社区作为国内最小的行政单元,对理解诈骗犯罪的空间分布有着基础性的解释意义[16]。故而,本研究基于个体尺度,从个体和社区两个层次进行探讨。

已有成果中,有学者曾利用警情数据对街头抢劫的类型按照是否持枪(是=1,否=0)和是否产生伤害(是=1,否=0)进行划分,采用多层次模型分析不同类型街头抢劫发生概率的影响因素问题[14,15],但对诈骗犯罪类型鲜有涉及。本文根据诈骗警情数据的特点,将因变量(Y)按照是否为非接触型诈骗(是=1,否=0)进行划分(表1)。男性Y的均值(标准差)为0.58(0.49),女性为0.54(0.50),且两者在0.01的显著性水平上存在显著差异(-2.782)。因数据具有嵌套结构,因变量为二分类的数据,应考虑采用多层次Logit回归模型,即多层广义线性模型(hierarchical generalized linear model,HGLM),由HLM6.08软件实现。多层Logit模型能很好地解释来自不同组织层面对诈骗被害类型的影响。具体模型公式为[34]:

表1   诈骗被害影响因素的性别差异描述统计

Table 1   Description of the variables in the dataset used in the study

变量指标名称变量描述女性 平均值(标准差)男性 平均值(标准差)
总被骗
(N=2766)
非接触型
N=1502)
总被骗
N=2814)
非接触型
N=1632)
个体层次工作日工作日=1,非工作日=00.76(0.43)0.76(0.43)0.76(0.43)0.76(0.43)
白天白天(早7点到晚7点)=1,其余=00.66(0.47)0.74(0.44)0.73(0.44)0.75(0.43)
学历文盲=1;小学=2;初中=3;高中中专=4;
大专=5;大学=6;硕博士=7
4.09(1.29)4.29(1.32)3.82(1.18)3.96(1.24)
年龄周岁(自然数)30.04(11.66)30.59(11.09)31.72(12.05)30.16(11.75)
汉族汉族=1,非汉族=00.99(0.11)0.99(0.11)0.98(0.13)0.99(0.12)
本市户籍本市户籍=1,其他=00.22 (0.41)0.29(0.45)0.18(0.38)0.20(0.40)
社区层次农业人口社区农业户口人口的比例(%)0.32(0.27)0.35(0.27)0.33 (0.27)0.35(0.27)
外来人口社区内外来人口的比例(%)0.52(0.23)0.56(0.23)0.53(0.23)0.58(0.22)
银行网点社区内的银行网点的个数(个)6.99(8.46)11.42(13.46)7.05(8.46)12.54(15.05)
租房社区内租房人口的比例(%)0.36(0.28)0.41(0.31)0.38(0.29)0.42(0.31)
离婚丧偶社区内离婚丧偶人口的比例(%)0.05(0.03)0.04(0.27)0.05(0.03)0.04(0.27)
19~30岁年龄为19~30岁的比例(%)0.29(0.13)0.34(0.16)0.29(0.13)0.36(0.15)
初中到高中学历为初中和高中的比例(%)0.56(0.17)0.53(0.20)0.57(0.16)0.54(0.19)
大型零售商业网点社区内大型零售商业网点数(个)0.10(0.29)0.10(0.30)0.10(0.29)0.10(0.30)
高校有无有高校=1,无高校=00.25(0.43)0.40(0.40)0.25(0.43)0.39(0.49)

注:N为样本数,表中括号内、外数字分别为各指标的标准差和均值。

新窗口打开

第一层(个体层):

Prob(Yij=1/βj) =Φij log[Φij /(1ij)] =ηij

ηij=β0j+βijXij+rij

第一层完整模型为:

ηij= log[Φij /(1ij)] =β0j+βijXij+rij (1)

第二层(社区层):

β0j=γ00+γ01Wij+ μ0j βiji0+μij

综合完整模型为:

log[Φij /(1ij)]=(γ00+γ01Wiji0Xij)+(μ0jijXij+rij) (2)

式中,log [Φij/(1ij)]为非接触型诈骗被害相对于接触型诈骗被害发生概率的自然对数;下标i表示个体层次的单位,下标j表示社区层次的单位,ηij为第j个社区内第i个个体的受诈骗类型状况(非接触型=1,接触型=0),Xij是个体层次影响非接触型诈骗被害相对发生概率的因子,Wij为社区层次影响非接触型诈骗类型相对发生概率的因子。在第一层(个体层)模型中,β0j是该层随机截距,由第二层(社区层)第j个社区诈骗类型发生概率表示,在本模型中被处理为社区层解释变量的线性函数;rij是残差或随机项。在第二层模型中,γ00是该层随机截距,μ0j是残差或随机项。将第二层模型代入第一层完整模型中,得出综合完整模型,其中,(γ0001Wiji0Xij)和(μ0jijXij+rij)分别为模型的固定和随机成分。

在变量选取方面,参考相关文献并结合ZG市实际情况[35,36],社区层面主要选取建成环境和社会环境2个维度的指标[16]。社会环境主要包括社区内农业人口比例、外来人口比例、租房人口比例、离婚丧偶者比例、19~30岁之间的人口比例、初中到高中受教育水平者比例等共6个指标;建成环境主要有银行网点个数、大型零售商业网点的个数和有无高校共计3个指标。个体指标除选取年龄、学历、民族、户籍状况4指标之外,还选取能反映受害者日常活动特征的是否工作日与是否白天2个指标。

2 ZG市不同性别诈骗被害的情况

变量的描述统计结果见表1。在所有受骗群体中,男性平均年龄比女性稍长,男性在白天受骗的均值更高;本市户籍高学历的汉族女性比该类男性均值更高;男女性两大群体在工作日被骗的情况较为类似。社区层次属性方面,在农业人口多、外来人口多、租房率高、低教育水平人口多或银行网点多的社区,男性受骗的均值高于女性;在19~30岁的低学历年轻人集聚、有高校或者大型零售商业网点的社区,男性和女性被骗的情况则较为相似。

在非接触型诈骗群体中,男女性个体层次变量统计结果与总体受骗相似,但又稍有差异。表现为女性非接触型诈骗被害的年龄较之男性会较长。社区层次变量的统计结果也验证了这一点,年轻人占比较低、或有高校的社区,女性较易有被非接触诈骗发生。

相对于总体诈骗被害情况,学历越高、越是本市户籍,男女性在白天都更易遭受非接触型诈骗;农业人口、外来人口、租房人口、19~30岁等比例越高以及银行网点个数越多、居民学历越高的社区,男女性都更易遭受非接触型诈骗,但存在一定程度上的差异。

3 不同性别ZG市非接触型诈骗被害相对发生概率影响因素差异

描述统计结果表明,ZG市非接触型诈骗被害相对发生概率存在一定的性别差异,为探究其影响因素,以及检验是否由于个体和社区层次数据存在一定的嵌套性而引起统计结果的偏差,需构建多层次模型进行深入分析。多层次模型围绕个体和社区两大层次进行逐步建模分析,具体步骤:首先,构建没有解释变量的零模型,以判断多层模型构建的必要性;继而构建基于个体属性的基本模型;最后构建加入社区变量的完整模型。

3.1 个体和社区层次影响程度差异

构建完整模型前,先对方差成分进行分析,即构建没有解释变量的零模型[34,37]表2),用以确定男性和女性在非接触型和接触型诈骗的总体变异中,有多大比例是由于第二层(社区层次)属性的差异造成的。判定标准使用大多数学者所认可的经验法则,即使用组内相关系数ICC(intra-class correlation coefficient)大于0.138为高度关联强度[31]。零模型方差估计的结果显示,不同社区的女性遭受两类诈骗的概率差异有87.66%是由社区差异造成的,而男性这一比例稍低于女性,为84.88%。可见,探讨女性和男性诈骗被害类型差异的影响因素,应使用包括个体和社区两个层次的多层次模型。

表2   零模型方差估计结果

Table 2   Results of variance component in the null model

层次女性男性
方差ICC指数卡方检验方差ICC指数卡方检验
个体层次0.03070.12340.03680.1512
社区层次0.21810.87661166.31***0.20660.84881261.87***

注:***P<0.01。ICC为组内相关系数。“—”为空白项。

新窗口打开

3.2 个体层影响因素差异

根据嵌套数据的特性,首先考察个体层次解释变量的影响,针对女性和男性分别构建最基本的诈骗被害模型(表3),且将所有个体变量的斜率部分在第二层(社区层次)变量中增添随机效应,目的在于寻找第一层截距和斜率在第二层单位上的变异。表3中固定部分参数估计的结果可以看出,回归模型确定了女性和男性非接触型诈骗被害类型差异的影响因素,表现出统计意义上的显著性。

表3   多层逻辑回归模型估计的结果

Table 3   Results of multilevel logistic regression model estimation

类别变量女性男性
模型1模型2模型3模型1模型2模型3
βORβORβORβORβORβOR
截距0.166***(1.181)0.168***(1.183)0.734**(2.084)0.362***(1.436)0.363***(1.437)1.380***(3.973)
个体层次工作日-0.006(0.994)0.017(1.018)0.062(1.064)0.075(1.078)
白天0.672***(1.959)0.701***(2.017)0.272***(1.313)0.284***(1.329)
学历0.147***(1.159)0.137***(1.147)0.167***(1.182)0.171***(1.187)
年龄0.002(1.002)0.001(1.001)0.002(1.002)0.002(1.002)
汉族-0.079(0.924)-0.086(0.918)0.588*(1.800)0.614*(1.847)
户籍0.731***(2.076)0.734***(2.083)0.377***(1.458)0.389***(1.476)
社区层次农业人口-0.135(0.874)-0.868**(0.420)
外来人口-0.728**(0.483)0.09(1.093)
银行网点-0.008**(0.991)-0.003(0.997)
租房比0.085(1.089)0.788***(2.198)
离婚丧偶-4.711*(0.009)-1.385(0.250)
19~30岁0.979*(2.662)0.138(1.148)
初中/高中-0.401(0.669)-1.784***(0.168)
大型零售商业网点个数-0.253(0.777)-0.362**(0.697)
高校有无0.239**(1.270)0.052(1.054)
方差0.443980.5460.4800.5920.6500.565
卡方检验1052.856***22.4***21.791***1102.681***38.703***31.213***

注:* P<0.1; **P<0.05; ***P<0.01。“—”为空白项。β为系数,OR为比值比。OR>1,说明这个因素为被骗的危险因素;反之,则为被骗的保护因素。

新窗口打开

是否本地户籍、是否白天被骗和学历的高低,这3个要素对女性和男性遭到非接触型诈骗方式发生的概率均显著正相关。其中: 是否本地户籍是个人层次属性中影响最大的变量,尤其是对女性的影响最大。其他条件固定,本地户籍的女性遭遇非接触型诈骗的概率是非本地户籍者的2.076倍,而男性这一概率为1.458倍。说明两性别的本地户籍者均比非本地户籍者遭到非接触型诈骗的概率更高。可能的解释是因为本地户籍者通常对日常居住的环境更为熟悉,接触型诈骗的可能性会更小所致。诈骗发生的时间段,女性和男性都表现出白天发生的非接触型诈骗概率比晚上更高,说明人们白天的日常活动时间长,暴露在犯罪分子视野下的危险性也增大,这点和已有研究结论类似[16]女性和男性的受教育程度越高,遭到非接触型诈骗的概率也会越高。结果显示女性的受教育水平提高一个层次,导致女性的非接触型诈骗概率上升15.9%,而男性上升18.2%。受教育水平对人们遭遇非接触型诈骗具有较高的回报率,这和盗窃犯罪与受害者受教育水平负相关的研究结论不同[22]。这是由于人们受教育程度越高,对现代科技手段的应用会越娴熟,新型网上支付方式的使用也越普遍所致。基本模型结果表明,女性和男性群体中,本地户籍的高水平受教育者在白天均更易遭受非接触型诈骗的侵害。这一结论和西方研究结果类似[38]

此外,是否工作日和年龄大小这两个因素在女性和男性遭受非接触型诈骗发生概率方面影响并不显著。是否汉族对女性无显著影响,但对男性却表现出在0.1水平上的显著性(0.588),说明汉族男性的非接触型诈骗的相对发生概率是非汉族男性的1.8倍。

表3中随机效应部分的估计结果同时提供了个体变量回归效应的条件方差信息,女性诈骗被害模型的卡方检验结果表明,诈骗被害个体在工作日和学历两个变量的回归系数(斜率)在第二层存在显著的差异,两个解释变量上的回归系数随着社区的不同而不同。而白天、年龄、汉族和户籍等四个指标的回归系数在不同社区间的变异均不显著,即这些变量对女性诈骗被害者遭遇非接触型诈骗的概率在社区间高度相似。但女性遭到非接触型诈骗的发生比例影响因素模型的截距部分仍有大量方差未被解释,有必要引入新的社区解释变量解释女性遭到非接触型诈骗的发生概率在不同社区间的显著差异。同样,男性诈骗被害模型的卡方检验结果表明,除了白天与否这一因素外,其余五个要素解释社区间的变异均不显著,同样也需引入新的社区变量做进一步的解释。

3.3 加入社区层的影响因素差异

为进一步探究不同性别非接触型诈骗被害相对发生概率的个体与社区层面影响因素差异,在基础模型的基础上,分别加入社区变量完善模型的解释(表3,模型3)。具体而言,在截距部分增加社区层次的变量,同时将在模型2中方差结果不显著和斜率估计值低的变量设为没有随机成分的固定参数。完整模型中个体层次的影响因素与基本模型结论类似,不再赘述。本部分将分别对女性和男性社区层次的影响因素展开讨论。

女性诈骗被害的完整模型结果表明,女性非接触型诈骗的发生概率与社区有无高校、19~30岁年轻人比例显著正相关;与外来人口比例、离婚丧偶率、银行网点显著负相关;与农业人口、租房率、受教育水平低者以及大型零售商业网点的个数无明显相关性。

女性非接触型诈骗被害发生概率与外来人口显著负相关(-0.728),说明社区外来人口比率每增加10%,女性受害者遭遇非接触型诈骗的概率比遭遇接触型诈骗的概率低7%。即社区内的外来人口比例越高,女性遭受非接触型诈骗的可能性越小。西方研究结果表明,外来人口多的社区,社会异质性较高,经济融合性较差,人口流动频繁[39],犯罪率较高[40]。可能是因为这类社区由于经济较为落后,女性就业层次较低,与外界联系较少,接触互联网、信用卡等先进科技的机会少,减少了受非接触型诈骗的可能性。

与银行网点的个数显著负相关,说明社区内每增加一个单位的银行网点,女性被非接触型诈骗的概率是接触型诈骗概率的0.991倍。但由于OR值0.991非常接近1,说明银行网点对女性诈骗被害方式发生概率的影响可能是双重的。银行网点的布局对女性接触型诈骗和非接触型诈骗的发生均有重要影响,这与现有研究结论也是一致的[16]

与离婚丧偶率显著负相关,说明社区内的离婚丧偶率每上升10%,女性遭遇接触型诈骗的概率比发生非接触型诈骗的概率高62.4%。也就是说,离婚丧偶率高的社区女性遭到接触型诈骗的相对概率越高。这是由于离婚丧偶女性在生活中较为孤独,渴望交际,却又缺少家人的守望效应所致[13]。这一指标在男性分析结果中是不显著的,说明社区离婚丧偶率的高低并不能够带来男性遭受非接触型诈骗概率的显著升高或减少。

与19~30岁人口比例、有无高校两个指标显著正相关。说明有存在高校、19~30岁之间年轻人比例高的社区,女性遭遇非接触型诈骗的相对概率更高。这是由于年轻女性,尤其是高校女生是使用新信息技术的主力军,在线时间长,网购频率高,社会阅历少,往往给非接触型诈骗犯罪者提供了可乘之机。

男性诈骗被害的完整模型分析结果在社区层面的影响因素与女性差别很大(表3,模型3)。表现在:与社区的租房人口比例显著正相关,说明社区内租房者的比例越高,男性遭受到非接触型诈骗的相对概率更高。这可能是由于租房的男性多为独居者,日常生活中缺乏同居者的监护,且男性租客往往会花费更多的休闲时间用于在家上网、打游戏等方面,电话、网络等通讯方式成为他们与外界沟通的主要渠道所致。

与初中/高中阶段的受教育水平低的人口比、农业人口比和商圈个数显著负相关,说明在受教育水平程度较低的社区,尤其是在经济较为落后的农村地区,人们使用网络信息化技术水平相对滞后,与外界的联系较少,导致男性非接触型诈骗被害相对发生概率较小。与商圈个数负相关,说明社区内大型零售商业网点个数越多,男性非接触型诈骗被害的相对概率越少。这可能是由于男性群体较少有逛街购物的习惯,使用电话、网络、信用卡等支付手段的人群比例相对较少所致。且ZG市存在大型零售商业网点的社区,具有人流密集、人员复杂、交通发达[41]等特性,城市实体空间监控难度增大,给诈骗犯罪者提供更多机会,导致这类社区男性接触型诈骗的受害概率会更高。

与女性非接触型诈骗发生概率作用结果不同的是,男性与外来人口、银行网点、离婚丧偶率以及有无高校无明显相关性。说明男性和女性非接触型诈骗发生概率在社区层面的影响因素迥异。

3.4 两性非接触型诈骗发生概率的空间分布

上述模型分析结果表明,与其他犯罪类型相似,社区的社会环境和建成环境对非接触型诈骗相对发生概率同样发挥作用,表现为在社区尺度上,男女性别非接触型诈骗的相对被害概率存在明显的空间差异。为进一步论证这一结论,我们选取每个社区非接触型诈骗数量占该社区所有类型诈骗数量的比值(Y1)进行度量,即有:Y1=非接触型诈骗数量/(非接触型诈骗数量+接触型诈骗数量)。发现,Y1为[0,1]之间的一个离散值,女性Y1均值(标准差)为0.54(0.396),男性Y1均值(标准差)为0.60(0.39),两者在0.05的显著性水平上存在显著差异(0.86)。空间分布图较为明显地显示出了这一差异(图1),表现出女性非接触型诈骗相对发生概率高的社区距离市中心的距离较男性更为偏远。

图1   ZG市女性和男性非接触型诈骗发生概率的空间分布

Fig.1   The spatial distribution of probability of non-contact fraud in female and male of ZG city

4 讨论与结论

性别差异与被害风险关系紧密,但基于性别差异视角的非接触型诈骗相对于接触型诈骗而言,其被害发生概率影响因素的研究成果甚少。本文以ZG市为例,从个体尺度,构建包含个体属性和社区属性的多层次Logit模型,对女性和男性遭受非接触型诈骗受害相对发生概率的影响因素进行分析。研究发现: 与其他犯罪受害类型的研究结果类似[27],女性和男性非接触型诈骗相对发生概率在个体层次的影响因素较为类似,均表现出与是否本地户籍、是否白天和学历高低显著正相关。 女性和男性遭遇非接触型诈骗相对发生概率的社区层面影响因素迥异。女性表现出与高校、19~30岁人口显著正相关,与银行网点、外来人口、离婚丧偶率显著负相关,说明在一些本地年轻人为主的社区,相对于接触型诈骗,女性更容易遭受到非接触型诈骗;男性则表现出与租房率显著正相关,与低水平受教育人口、农业人口和大型零售商业网点个数显著负相关的特性,说明在一些外来中高收入白领为主的社区,相对于接触型诈骗,男性更容易遭受到非接触型诈骗。

国内犯罪地理学研究日趋深化[42,43],本文进一步探讨了犯罪地理学在诈骗犯罪受害领域的研究成果,验证了在中国国情下女性和男性遭遇非接触型诈骗被害相对于接触型诈骗被害发生概率影响因素的差异,证实日常活动理论的假设适合于解释两性非接触型诈骗相对发生概率的研究问题,成果对特定人群的非接触型诈骗被害情景预防有一定的意义。但研究也有一定的局限性,如女性模型2和模型3方差成分的比较结果发现,非接触型诈骗发生概率的平均水平在不同邻里间的变异有12%被邻里层次的相关变量解释,而男性的这一比率为13%,说明所建模型仍未能完全解释社区之间的差异。这是由于受制于研究数据的局限性,模型的个体层次解释变量较少,家庭层面的指标缺失,对多层次模型的构建造成影响所致,可在未来的研究中进一步细化与完善。其次,由于数据是不同社区诈骗被害个体的情况,缺乏所在社区没有发生被骗的个体作为参照组,因此,难以从更深层次揭示非接触型诈骗被害群体及其所处社区环境的特征,使研究结果的实际应用也存在一定的局限性。

The authors have declared that no competing interests exist.


参考文献

[1] 陈增明, 陈锦然, 刘欣然.

信息化背景下财产诈骗犯罪的实证分析——基于法经济学与社会学的双重视角

[J].东南学术, 2015(1):98-106.

[本文引用: 1]     

[Chen Zengming, Chen Jinran, Liu Xinran.

An empirical analysis of fraud crime under the background of informatization

. Southeast Academic Research, 2015(1):98-106.]

[本文引用: 1]     

[2] 江明君, 张欣之, 胡峻梅.

电话网络诈骗案件的受害人研究——基于 255 例案件的研究

[J]. 犯罪研究, 2014(3): 45-50.

[本文引用: 1]     

[Jiang Mingjun, Zhang Xinzhi, Hu Junmei.

A study on victims of telephone network fraud based on 255 cases

. Chinese Criminology Review, 2014(3):45-50.]

[本文引用: 1]     

[3] Pratt T C, Holtfreter K, Reisig M D.

Routine online activity and internet fraud targeting: Extending the generality of routine activity theory

[J]. Journal of Research in Crime and Delinquency, 2010, 47(3): 267-296.

https://doi.org/10.1177/0022427810365903      URL      [本文引用: 1]     

[4] Policastro C, Payne B K.

Can you hear me now? Telemarketing fraud victimization and Lifestyles

[J]. American Journal of Criminal Justice, 2015, 40(3): 620-638.

https://doi.org/10.1007/s12103-014-9279-x      URL      [本文引用: 1]     

[5] Reisig M D, Wolfe S E, Pratt T C.

Low self-control and the religiosity-crime relationship

[J]. Criminal Justice and Behavior, 2012, 39(9): 1172-1191.

https://doi.org/10.1177/0093854812442916      URL      [本文引用: 1]     

[6] Holtfreter K, Reisig M D, Leeper Piquero N et al.

Low self-control and fraud: Offending, victimization, and their overlap

[J]. Criminal Justice and Behavior, 2010, 37(2): 188-203.

https://doi.org/10.1177/0093854809354977      URL      [本文引用: 1]     

[7] Turanovic J J, Pratt T C.

“Can’t stop, won’t stop”: Self-control, risky lifestyles, and repeat victimization

[J]. Journal of Quantitative Criminology, 2014, 30(1): 29-56.

https://doi.org/10.1007/s10940-012-9188-4      URL      [本文引用: 1]     

[8] Pratt T C, Turanovic J J, Fox K A et al.

Self-control and victimization: A meta-analysis

[J]. Criminology, 2014, 52(1): 87-116.

https://doi.org/10.1111/crim.2014.52.issue-1      URL      [本文引用: 1]     

[9] Lane G W, Sui D Z.

Geographies of identity theft in the US: understanding spatial and demographic patterns, 2002-2006

[J]. GeoJournal, 2010, 75(1): 43-55.

https://doi.org/10.1007/s10708-010-9342-1      URL      [本文引用: 2]     

[10] Reisig M D, Pratt T C, Holtfreter K.

Perceived risk of internet theft victimization examining the effects of social vulnerability and financial impulsivity

[J]. Criminal Justice and Behavior, 2009, 36(4): 369-384.

https://doi.org/10.1177/0093854808329405      URL      [本文引用: 1]     

[11] Reyns B W, Henson B, Fisher B S.

Being pursued online: Applying cyberlifestyle-routine activities theory to cyberstalking victimization

[J]. Criminal justice and behavior, 2011, 38(11): 1149-1169.

https://doi.org/10.1177/0093854811421448      URL      [本文引用: 1]     

[12] Reisig M D, Holtfreter K.

Shopping fraud victimization among the elderly

[J]. Journal of Financial Crime, 2013, 20(3): 324-337.

https://doi.org/10.1108/JFC-03-2013-0014      URL      [本文引用: 1]     

[13] Li J C M, Yu M, Wong G T Wet al.

Understanding and preventing financial fraud against older citizens in Chinese society: Results of a focus group study

[J]. International Journal of Offender Therapy and Comparative Criminology, 2016, 60(13): 1509-1531.

https://doi.org/10.1177/0306624X15579258      URL      [本文引用: 2]     

[14] Burgason K A, Thomas S A, Berthelot E R.

The nature of violence: a multilevel analysis of gun use and victim injury in violent interpersonal encounters

[J]. Journal of Interpersonal Violence, 2014, 29(3):371.

https://doi.org/10.1177/0886260513505212      URL      [本文引用: 2]     

[15] Burgason K A, Thomas S A, Berthelot E R et al.

Thomas S A. Gats and gashes: Street culture and distinctions in the nature of violence between youth and adult offenders

[J]. Deviant Behavior, 2014, 35(7):534-554.

https://doi.org/10.1080/01639625.2013.862032      URL      [本文引用: 2]     

[16] 柳林, 张春霞, 冯嘉欣, .

ZG 市诈骗犯罪的时空分布与影响因素

[J]. 地理学报, 2017, 72(2): 315-328.

[本文引用: 6]     

[Liu Lin, Zhang Chunxia, Feng Jiaxin et al.

The spatial-temporal distribution and influencing factors of fraud crime in ZG city, China

. Acta Geographica Sinica, 2017, 72(2): 315-328.]

[本文引用: 6]     

[17] 姜超, 唐焕丽, 柳林.

中国犯罪地理研究述评

[J]. 地理科学进展, 2014, 33(4): 561-573.

https://doi.org/10.11820/dlkxjz.2014.04.013      URL      Magsci      [本文引用: 1]      摘要

当前社会犯罪问题严峻,以空间为视角的犯罪地理研究因其独特的综合性在犯罪防控中的作用日益凸显。以中国知网、维普和万方三大数据库中获得的期刊文献为基础,对中国犯罪地理的研究状况进行综合评述。在对国内五大研究主题进行回顾的基础上,围绕“研究主题”和“研究领域”两方面,分析了中国犯罪地理学的发展动态。总体来看,在过去的25 年中,中国犯罪地理研究逐渐起步,发展趋势良好,已经吸引了来自地理学、法学与警务管理、城市规划、应用数学等诸多领域的学者关注。尽管研究焦点各有侧重,但始终注重对国外研究和实践经验的引入,并提出了基于综合分析、情境预防、CPTED、PGIS的诸多防控对策。在犯罪时空分布特征、犯罪发生诱因等方面,研究范围宽广,但研究深度有待加强。未来中国犯罪地理学发展任重而道远。学界应充分重视城市犯罪与农村犯罪、犯罪与微观环境的互动关系、犯罪主体的行为空间等研究,并积极探索虚拟犯罪模拟新技术的应用。

[Jiang Chao, Tang Huanli, Liu Lin.

Review of crime geography in China

. Progress in Geography, 2014, 33(4): 561-573.]

https://doi.org/10.11820/dlkxjz.2014.04.013      URL      Magsci      [本文引用: 1]      摘要

当前社会犯罪问题严峻,以空间为视角的犯罪地理研究因其独特的综合性在犯罪防控中的作用日益凸显。以中国知网、维普和万方三大数据库中获得的期刊文献为基础,对中国犯罪地理的研究状况进行综合评述。在对国内五大研究主题进行回顾的基础上,围绕“研究主题”和“研究领域”两方面,分析了中国犯罪地理学的发展动态。总体来看,在过去的25 年中,中国犯罪地理研究逐渐起步,发展趋势良好,已经吸引了来自地理学、法学与警务管理、城市规划、应用数学等诸多领域的学者关注。尽管研究焦点各有侧重,但始终注重对国外研究和实践经验的引入,并提出了基于综合分析、情境预防、CPTED、PGIS的诸多防控对策。在犯罪时空分布特征、犯罪发生诱因等方面,研究范围宽广,但研究深度有待加强。未来中国犯罪地理学发展任重而道远。学界应充分重视城市犯罪与农村犯罪、犯罪与微观环境的互动关系、犯罪主体的行为空间等研究,并积极探索虚拟犯罪模拟新技术的应用。
[18] 吴玲, 程叶青.

公共空间内犯罪被害性别差异的阐释: 基于整合性的理论视角

[J]. 人文地理, 2015,30(1): 45-49.

[本文引用: 1]     

[Wu Ling, Cheng Yeqing.

Gender ratio of victimizations in public space: An integrative theoretical perspective

. Human Geography, 2015,(1): 45-49.]

[本文引用: 1]     

[19] Jody Miller, Scott H.

Decker. Young women and gang violence: Gender, street offending, and violent victimization in gangs

[J]. Justice Quarterly, 2001, 18(1):115-140.

https://doi.org/10.1080/07418820100094841      URL      [本文引用: 1]     

[20] Ward J T, Fox K A, Tillyer M S et al.

Gender, low self-control, and violent victimization

[J]. Deviant Behavior, 2015, 36(2): 113-129.

https://doi.org/10.1080/01639625.2014.915671      URL      [本文引用: 1]     

[21] Turanovic J J, Reisig M D, Pratt T C.

Risky lifestyles, low self-control, and violent victimization across gendered pathways to crime

[J]. Journal of Quantitative Criminology, 2015, 31(2): 183-206.

https://doi.org/10.1007/s10940-014-9230-9      URL      [本文引用: 1]     

[22] Moon B, Morash M, Jeong S J et al.

Gender differences in the routine activities associated with risks for larceny in South Korea

[J]. International Journal of Offender Therapy and Comparative Criminology, 2016, 60(11): 1327-1343.

https://doi.org/10.1177/0306624X15578631      URL      [本文引用: 3]     

[23] Dodge M, Bosick S J, Antwerp V V.

Do men and women perceive white-collar and street crime differently? Exploring gender differences in the perception of seriousness, motives, and punishment

[J]. Journal of Contemporary Criminal Justice, 2013, 29(3): 399-415.

https://doi.org/10.1177/1043986213496378      URL      [本文引用: 1]     

[24] Muftić L R, Finn M A, Marsh E A.

The victim-offender overlap, intimate partner violence, and sex: Assessing differences among victims, offenders, and victim-offenders

[J]. Crime & Delinquency, 2015, 61(7): 899-926.

[本文引用: 1]     

[25] Li J C M.

Violence against Chinese female sex workers in Hong Kong: from understanding to prevention

[J]. International Journal of Offender Therapy and Comparative Criminology, 2013, 57(5): 613-631.

https://doi.org/10.1177/0306624X12438365      URL      [本文引用: 1]     

[26] Daigle L E, Mummert S J.

Sex-role identification and violent victimization: gender differences in the role of masculinity

[J]. Journal of Interpersonal Violence, 2014, 29(2): 255-278.

https://doi.org/10.1177/0886260513505148      URL      [本文引用: 1]     

[27] Lauritsen J L, Carbone-Lopez K.

Gender Differences in Risk factors for violent victimization an examination of individual-, family-, and community-Level Predictors

[J]. Journal of Research in Crime and Delinquency, 2011, 48(4):538-565.

https://doi.org/10.1177/0022427810395356      URL      [本文引用: 2]     

[28] Pratt T, Holtfreter K, Reisig M.

Routine Online Activity and Internet Fraud Targeting: Extending the Generality of Routine Activity Theory

[J]. Journal of Research in Crime & Delinquency, 2010, 47(3):267-296.

[本文引用: 1]     

[29] 龙冬平,柳林,冯嘉欣,.

社区环境对入室盗窃和室外盗窃影响的对比分析——以ZG市ZH半岛为例

[J]. 地理学报, 2017, 72(2): 341-355.

[本文引用: 2]     

[Long Dongping, Liu Lin, Feng Jiaxin et al.

Comparisons of the community environment effects on burglary and outdoor-theft: A case study of ZH peninsula in ZG city

. Acta Geographica Sinica, 2017, 72(2): 341-355.]

[本文引用: 2]     

[30] Cohen L E, Felson M.

Social change and crime rate trends: A routine activity approach

[J]. American Sociological Review, 1979,44(4):588-608.

https://doi.org/10.2307/2094589      URL      [本文引用: 1]     

[31] 谢宇. 回归分析[M].北京: 社会科学文献出版社, 2013.

[本文引用: 2]     

[Xie Yu.Regression analysis. Beijing: Social Science Academic Press,2013.]

[本文引用: 2]     

[32] Zimmerman G M, Welsh B C, Posick C.

Investigating the role of neighborhood youth organizations in preventing adolescent violent offending: Evidence from Chicago

[J]. Journal of Quantitative Criminology, 2015, 31(4): 565-593.

https://doi.org/10.1007/s10940-014-9238-1      URL      [本文引用: 1]     

[33] Browning C R, Byron R A, Calder C A et al.

Commercial density, residential concentration, and crime: Land use patterns and violence in neighborhood context

[J]. Journal of Research in Crime and Delinquency, 2010, 47(3): 329-357.

https://doi.org/10.1177/0022427810365906      URL      [本文引用: 1]     

[34] 周素红, 宋江宇, 宋广文.

广州市居民工作日小汽车出行个体与社区双层影响机制

[J].地理学报,2017,72(8): 1365-1378.

[本文引用: 2]     

[Zhou Suhong, Song Jiangyu, Song Guangwen.

Examining the dual-levels impact of neighborhood and individual variables on car use on weekdays in Guangzhou

. Acta Geographica Sinica, 2017, 72(8): 1365-1378]

[本文引用: 2]     

[35] 宋广文,肖露子,周素红,.

居民日常活动对扒窃警情时空格局的影响

[J].地理学报,2017,72(2): 356-367.

[本文引用: 1]     

[Song Guangwen, Xiao Luzi,Zhou Suhong et al.

Impact of residents' routine activities on the spatial-temporal pattern of theft from person

. Acta Geographica Sinica, 2017, 72(2): 356-367.]

[本文引用: 1]     

[36] 徐冲,柳林,周素红,.

DP 半岛街头抢劫犯罪案件热点时空模式

[J]. 地理学报, 2013, 68(12): 1714-1723.

[本文引用: 1]     

[Xu Chong, Liu Lin, Zhou Suhong et al.

The spatio- temporal patterns of street robbery in DP Peninsula

. Acta Geographica Sinica, 2013, 68(12): 1714-1723.]

[本文引用: 1]     

[37] 何深静,左姣姣,朱寿佳,.

中国大城市贫困研究的多种测度与多层模型分析

[J].人文地理, 2014, 29(6): 74-80.

[本文引用: 1]     

[He Shenjing, Zuo Jiaojiao, Zhu Shoujia et al.

Understanding Urban Pocerty in Large Chinese Cities Using Multiple Measurements and Hierarchical Regession Models

. Human Geography, 2014, 29(6): 74-80.]

[本文引用: 1]     

[38] Pratt T, Holtfreter K, Reisig M.

Routine online activity and internet fraud targeting: extending the generality of routine activity theory

[J]. Journal of Research in Crime & Delinquency, 2010, 47(3):267-296.

[本文引用: 1]     

[39] Johnson S D, Summers L.

Testing ecological theories of offender spatial decision making using a discrete choice model

[J]. Crime & Delinquency, 2015, 61(3): 454-480.

[本文引用: 1]     

[40] Brantingham P L, Brantingham P J.

Residential burglary and urban form

[J]. Urban Studies, 1975, 12(3): 273-284.

https://doi.org/10.1080/00420987520080531      URL      [本文引用: 1]     

[41] 陈蔚珊, 柳林, 梁育填.

基于POI数据的广州零售商业中心热点识别与业态集聚特征分析

[J]. 地理研究, 2016,35(4):703-716.

[本文引用: 1]     

[Chen Weishan, Liu Lin, Liang Yutian et al.

Retail center recognition and spatial aggregating feature analysis of retail formats in Guangzhou based on POI data

. Geographical Research, 2016,35(4):703-716.]

[本文引用: 1]     

[42] 周素红,谢蔚翰,宋广文,.

土地利用对街头抢劫影响的空间分异模式:以H市为例

[J].地理科学,2017,37(6):885-894.

[本文引用: 1]     

[Zhou Suhong, Xie Weihan, Song Guangwen et al.

The Spatial Differentiation Effect of Land Use on Street Robbery: A Case Study in H City, China

. Scientia Geographica Sinica,2017,37(6):885-894.]

[本文引用: 1]     

[43] 徐冲,柳林,周素红.

基于临近相似性考虑的犯罪热点密度图预测准确性比较——以DP半岛街头抢劫犯罪为例

[J].地理科学,2016,36(1):55-62.

https://doi.org/10.1329/j.cnki.sgs.2016.01.007      Magsci      [本文引用: 1]      摘要

在无时空考虑的密度估计算法基础上,分别加入了案件点之间的时间临近相似性、空间临近相似性和时空临近相似性的考虑,利用DP半岛2006~2007年的街头抢劫犯罪数据为基础计算无时空临近相似性、时间临近相似性、空间临近相似性和时空临近相似性4种不同算法所得到的犯罪热点图,并以之预测2008年的街头抢劫。通过Natural breaks(Jenks)分级方法和等比例面积选取两种方式来划定热点区域进行预测并进行PAI指数得分比较,结果表明时空临近相似性的密度估计算方法在犯罪预测的优势比较显著。

[Xu Chong, Liu Lin, Zhou Suhong.

The Comparison of Predictive Accuracy of Crime Hotspot Density Maps with the Consideration of the Near Similarity: A Case Study of Robberies at DP Peninsula

. Scientia Geographica Sinica,2016,36(1):55-62.]

https://doi.org/10.1329/j.cnki.sgs.2016.01.007      Magsci      [本文引用: 1]      摘要

在无时空考虑的密度估计算法基础上,分别加入了案件点之间的时间临近相似性、空间临近相似性和时空临近相似性的考虑,利用DP半岛2006~2007年的街头抢劫犯罪数据为基础计算无时空临近相似性、时间临近相似性、空间临近相似性和时空临近相似性4种不同算法所得到的犯罪热点图,并以之预测2008年的街头抢劫。通过Natural breaks(Jenks)分级方法和等比例面积选取两种方式来划定热点区域进行预测并进行PAI指数得分比较,结果表明时空临近相似性的密度估计算方法在犯罪预测的优势比较显著。

/