收入差距与犯罪率实证研究..doc

收入差距与犯罪率实证研究 内容摘要：本文对中国1978－2008 年间收入分配对犯罪率的影响进行了实证考察，结果发现，全国间的收入差距对犯罪率产生了显著的影响. 社会收入分配的不平等容易造成社会紧张，穷人产生严重的挫败感，对社会产生不满，地位的不公平感导致穷人可能通过犯罪来提高自身满足度，由此可能引致低地位的人犯罪。从经济学视角看，穷人犯罪的机会成本低，而同时由于收入分配的不平等，富人的财富给穷人创造了非常多的机会，如果穷人将时间更多的配置在非法活动上，其收益可能会更高，因此，收入分配的不平等鼓励了穷人从事更多的犯罪活动. 关 键 词： 收入差距 犯罪率 一、文献综述 自从20 世纪90 年代以来，经济学家开始大量利用计量方法对犯罪问题进行实证研究，广泛考察了各种宏观经济因素如收入分配、失业、教育等对一国犯罪率的影响，取得了许多重要成果。中国自改革开放以来经济取得了巨大成就，但是，与此同时犯罪率也急剧上升。1978 年全国的犯罪总数为五十多万起，到2005 年犯罪总数达到了四百六十八万多起，是1978 年犯罪总数的8.7 倍。中国改革开放以来的宏观经济因素变化对我国的犯罪率到底是否造成了影响？如果对犯罪造成了影响，不同因素的影响各自有多大？哪些是影响犯罪的关键？国内对这些问题的定量研究还是比较缺乏的。本文试图对中国改革开放以来的收入分配、国民教育状况、城市化等对犯罪率的影响进行实证研究。 二、模型、变量描述 （一）模型设定 （1）变量时间序列的平稳性检验 单位根检验的方法通常有DF检验法、PP 检验法和ADF检验法(Augmented DF Test)。由于理论和实践上的原因，人们通常使用ADF检验法，其模型为： 模型Ⅰ（无常数项、无趋势项） △yt= (ρ-1) yt-1+ δi△yt-i+εi （1） 模型Ⅱ（有常数项、无趋势项）△yt=β1+(ρ-1) yt-1+ δi△yt-i+εi （2） 模型Ⅲ（有常数项、有趋势项）△yt=β1+β2t+(ρ-1) yt-1+ δi△yt-i+εi （3） 其中，{εt }为白噪声。△表示变量的一阶差分。原假设为H0：ρ=1，即{ yt }有一个单位根（非平稳）。T为时间趋势因素。若ADF 值小于Mackinnon临界值,则序列是平稳的，否则是不平稳的。单位根检验最佳滞后阶数按照AIC（Akaike Information Criterion）准则确定，AIC值越小，则滞后阶数越佳。由于实际经济问题的复杂性，我们采用三种检验类型分别进行单位根检验。 （2）变量的协整关系检验 如果ADF检验结果显示变量都是非平稳的，则运用协整检验方法对这些非平稳数据进行处理。尽管就单个时间序列而言是非平稳的，但是两个或两个以上时间序列的线性组合却可能是平稳的。从经济理论理解，说明这些经济变量存在长期均衡关系，尽管会经常偏离均衡关系，但这种偏离是暂时的和随机的。认识经济变量的这种长期均衡关系，对于掌握经济规律、制订经济政策具有重要的现实意义。 对两个变量的协整关系检验通常可采用Engle-Granger最小二乘估计法。设{ yt }和{ xt }均为I（1）变量，首先用OLS法建立模型，进行协整回归， Yt=β0+β1 xt+μt （4） 其次对残差μt^ 做平稳性检验，μt^= yt-β0^-β1 ^xt。若残差序列是平稳的，则{ yt}和{ xt }存在（1，1）阶协整关系，即存在长期均衡关系，否则就不存在协整关系。 在存在协整性的前提下，为使推断更有效，我们需要引入误差修正项，其检验模型为 △yt= αi △yt-i +βj △xt-j+γECt-1+εt （5） 其中，ECt为误差修正项，即协整方程中的回归残差项μt^。 在误差修正模型中，各个差分项反映了变量短期波动的影响。被解释变量的波动可以分为两部分：一部分是短期波动，一部分是长期均衡。误差修正模型比普通的单方程模型更全面的反映了变量间的短期和长期的关系。 （3）变量的Granger因果关系检验 协整检验告诉我们变量之间存在长期均衡关系，但是否构成因果关系，还需要进一步检验。如果变量X有助于预测Y，即根据Y的过去值对Y进行自回归时，如果再加上X的过去值，能够显著地增强回归的解释能力，则称X是Y的Granger因，否则称为非Granger因。其检验模型为 yt=c+αi yt-i+βj xt-j+εt （6） 检验零假设为：X是Y的非Granger因，即H0：β1=β2=…βq=0。由于Granger因果关系检验对滞后阶数非常敏感，通常可以依次多滞后几阶，看结果是否具有同一性。 （二）变量及描述 1．犯罪率。犯罪率一般用每十万人口的犯罪数量表示。根据我国的刑事司法体制，刑事犯罪立案