基于 GeoDa 的爱丁堡市犯罪行为与位置关系分析

0 引 言

近期，安全问题正逐渐成为政府部门及普通公民最为关注的社会热点问题和影响人民生活水平生活质量的重要参数和顾虑。因此，研究犯罪行为和暴乱等危险行为信息则变得非常重要，其研究对象包括: 犯罪类型，罪犯年龄分布和犯罪行为的空间分布。本文以英国苏格兰地区首府爱丁堡市为例，结合苏格兰政府部门提出的相关要求对爱丁堡市发生的不法行为所涉及的上述信息进行分析。为了能够控制违法行为的发生并有效降低犯罪率，苏格兰邻里统计 ( Scottish Neighbourhood Statistics，SNS) 收集了大量数据用于分析犯罪行为和位置信息以及其他相关因素参数之间的关系。现有三组数据是从 2001年、2004 年、2006 年的三个不同研究项目中根据不同参数设置得到的，然而苏格兰政府要求利用这些数据针对关于犯罪和空间信息之间的关系进行分析。本文将根据以上数据和要求进行分析，首先，关注失业率与不同类型犯罪行为之间的关系以便于找出爱丁堡市这些参数之间的自相关信息。其次，将以一个类型的犯罪行为———入室犯罪为研究目标用来分析，如犯罪的风险和犯罪率是否与当地政府关于不同类型住宅所征收的家庭税收有关。因为当地政府做征收的家庭税收为一种市政建设费用，不同地区和不同居住环境所缴纳的家庭税不同，因此，这类税收是否影响入室犯罪的犯罪率与风险也成为研究目标之一。为了能够更好地研究分析以上这些内容，首先将要进行一些概念和参数的定义与解释。

1 定义变量与假设

本文将涉及两种数据的空间尺度; 一种为中级地理( intermediate geography，中等尺度) ; 另一种为数据区域( data zone，较小尺度) ，本文选择中级地理来分析其中的关系。为了使分析结果准确合理，需要针对中级地理尺度的数据精度进行进一步的阐述，以便与区域数据进行比对分析，检测两者是否在同一个精度水平上。因此，首先将随机针对两组相同的数据进行比较，分别使用 IG 和DZ 分析出他们各自的精度水平。根据图 1 所示，图 1( a)和图 1 ( b) 存在相同的数据趋势几乎相同的坡度值( 0. 993 9和 0. 978 3) ，而这两者可以代表变量的相关性。同时，本文将重点关注的另一个重要参数是超出正常范围的异常值。散射图中的点严格遵循一个特定的趋势，该趋势反映为坡度值( Slope) 。然而，也同样会存在不遵循同样规律的异常值。一场值得存在同样可能反映空间权重矩阵或空间尺度上的识别问题[1]。

2 数据选择

苏格兰政府在多年的数据统计监测中，收集了大量的与人民生活息息相关的数据集，称为 SIMD( Scotland In-dex of Multiple Deprivation) ，该数据是由苏格兰政府针对苏格兰全境在小空间尺度上针对人民生活的多重缺损情况进行的普查类统计数据。其中包括 6 505 个区域，按具体参数进行排名，即 1 ～ 6 505 个数据区域，第 1 为缺损情况最严重，第 6 505 为缺损情况最轻。具体参数及其在SIMD 中所占权重如下包括:

① 居民收入 28% ;

② 就业情况 28% ;

③ 医疗状况 14% ;

④ 教育状况 14% ;

⑤ 地区增长率 9% ;

⑥ 犯罪率 5% ;

⑦ 居住现状 2% 。

SIMD 所统计的数据范围覆盖整个苏格兰地区，而本文将主要针对苏格兰首府爱丁堡市进行研究分析。根据苏格兰政府统计，爱丁堡市包含 549 个数据区域，而由于SIMD 所统计的区域数据尺度远远小于中值地理所使用的数据尺度，而爱丁堡市 549 个数据区域共形成 101 个中值地理数据尺度的区域。所以，本文对中值地理尺度的101 个数据区域进行研究。

本文只针对关于犯罪与其他因素之间的关系这一部分数据进行比对分析。为了能够得到合理的关于犯罪类型与失业率之间的对比结果，第一组用于对比的数据是2004 年每 10 000 人口比例下的 SIMD 犯罪数量( crtrt04)和失业人群中就业人口 /年龄( cswkcg04) 。然后，包括每10 000 人口比例下的 SIMD 暴力犯罪数量、毒品犯罪数量以及入室犯罪数量等三个主要犯罪类型将与失业率进行更加深入和细致的对比分析。

本文的第二部分将进行入室犯罪率与居住区域议会税收级别之间的关系的分析，主 要 针 对 A ～ C 类( dlACrt04) 和 F ～ H 类( dlFHrt04) ，以便找出房屋价值与犯罪之间的关系。最后，将利用一组对比数据表明入室抢劫与总住户数量之间的关系以便给出具体信息。

根据苏格兰政府的数据统计的相关提示内容，2004年收集的暴力犯罪率( violrt04) 、毒品犯罪率( drugrt04) 和入室抢劫率( hbrkrt04) 参数被抑制存在异常，将被排除在数据分析之外。

3 方法论

现在公众社会似乎存在一种认识，即犯罪率和无秩序的行为常常与失业率有关。本文将通过进行一系列犯罪与失业率之间关系的分析，从普通情况到具体细节。为了得到可信的成果，本文将使用 GeoDa 软件生成一系列点的分散图、直方图来分析数据的相关性与质量，同时，结合皮尔森相关理论和 Moran’s I 自相关理论，来解决上述问题[2]。

根据“机 会 理 论”，构成性质犯罪概念 ( property crime) 的四个主要组成部分分别是: “价值、惯性、可见度和可进入程度”，可以组成机会的两个主要层面[3]。其中一个是目标吸引力，这是一个包含价值和可携带程度的

概念。因此，某种程度来讲，A ～ C 级别的住宅将被视为低价值的房屋也就因此不具备很高的吸引力，反之亦然。因此，对犯罪率与当地住宅议会税级别之间的关系加以关注可得到有效的信息。

更多内容请查看的pdf