农村户籍服刑人员和普通农民工的差异研究

农村户籍服刑人员和普通农民工的差异研究

一、移民群体犯罪的客观特征在过去30年中，中国经历了严重的社会和经济变化。其一,我国经济持续保持两位数的增长率,人均收入翻了6番;其二,我国的收入不平等加剧,基尼系数达到前所未有的高水平(Gan,2013);其三,经济飞速增长的同时伴随着大规模的城乡移民以及城市化的进程,到目前为止已有超过1.6亿农民工流入城市,占城镇劳动力的1/3,其规模之大堪称世界移民之最。社会经济的剧烈变化引发社会价值观和社会准则的迅速更替,使生活在其中的人们感受到前所未有的压力。而这些压力的集中爆发则可能造成一些反社会的行为,比如犯罪(Merton,1938)。此外,显著社会分化和收入不平等的加剧,也增加了从事犯罪活动的潜在收益。事实上,我国的犯罪率在过去的30年中有显著的攀升。官方统计显示,犯罪率从1982年的每万人7.4起案件上升到2009年的41.8起,翻了6番(张荆,2011)导致城乡移民与犯罪活动高度关联的原因有以下几个方面。首先,根据犯罪的压力理论(Merton,1938),农民工群体离开传统的农业社会和生产方式,进入现代社会和工业生产方式当中,几乎是在一夜之间经历了社会价值和准则的巨大变化,必然会遭遇剧烈的社会心理变化以及由此而来的精神压力。其次,对农民工群体设置的制度障碍,加重了他们的心理负担,使得该群体中更有可能产生极端反社会行为。在我国户籍制度的特殊限制下,农民工在职业选择、收入待遇以及社会福利等方面一直处于弱势地位,无法与城市居民平起平坐。他们很难真正在城市安居,只能是仅有短期目标的打工者(Mengu3000andu3000Zhang,2001)。此外,根据犯罪的经济理论(Becker,1968),由于职业分割和技能水平低等原因,农民工普遍工资较低,工作条件较差,这使得从事犯罪活动的机会成本下降,增加了他们从事犯罪行为的可能性。最后,从人口特征的角度,农民工群体的构成以年轻男性为主,而年轻男性本身就是最具有犯罪倾向的族群(Mengu3000andu3000Zhang,2013)。尽管农民工与犯罪行为有很强的关联性,对农民工犯罪问题的深入研究尚属缺乏。近期的相关研究包括Edlundu3000etu3000al.(2013)。尽管他们的研究主要关注省际性别比和犯罪率之间的关系,但模型中亦包含了城镇化这一控制变量,其回归结果反映了城乡移民和犯罪率之间的正向关系。更为相关的研究是Mengu3000andu3000Zhang(2013)关于城乡移民和犯罪率增加之间因果关系的文章。她们利用城市层面的犯罪率数据发现,在处理了内生性问题后,上述关系主要源于农民工群体的人口学特征。此外,也有一些关于国际移民的文献提供了对移民涌入和犯罪问题关联的佐证。如Bellu3000etu3000al.(2013)的研究发现,英国19世纪末到20世纪初的大规模移民流入显著地增加了当地的侵财类犯罪。以上所述研究,均采用跨地区的数据构建移民流入和犯罪率之间的相互关系。由于个体层面的数据缺乏,之前的研究普遍忽略了移民个体特质、家庭因素等微观层面的变量对犯罪行为的影响,从而可能无法洞察移民群体犯罪的真正原因。本研究首次利用微观个体数据分析农民工犯罪的可能决定因素,填补了相关领域的空白。为了实现这一目标,2013年8月到12月间,来自北京大学、澳大利亚国立大学和莫纳什大学的学者组成联合课题组,在深圳市某男子监狱进行了一次大规模的抽样调查。课题组从在押的4u3000800名服刑人员中随机抽取了1u3000200名,对其进行了详细的个人资料访谈和心理状况评估。作为对照,研究者还在深圳市基于这一调查数据,我们使用Multinomialu3000Logit模型,考察了外来农村户籍服刑人员(以下简称“服刑人员”或“罪犯”)和普通农民工之间,以及服刑人员内部在个人基本信息、家庭背景和性格特征等三个维度上的差异。我们将样本中的服刑人员分成暴力、盗窃、涉毒、经济和其他五种类别,把农民工作为缺省的对照组。换言之,我们考察的是在各个维度上,每种类别的罪犯偏离普通农民工群体的程度。研究结果显示,服刑人员和普通农民工在多个指标上存在显著的群体性差异。与普通农民工相比,各种类别的服刑人员总体上受教育程度更低、尽责性和情绪稳定性不足、兄弟姐妹偏多。进一步区分不同类型的犯罪,我们发现服刑人员内部存在明显的异质性。暴力犯和盗窃犯在多个维度上存在相似性,而经济犯则与涉毒犯各方面较为接近。平均而言,年龄小、进城时间短、认知能力差、性格内向、母亲教育水平低的农民工更可能涉及暴力和盗窃犯罪,反之则更可能参与经济与涉毒犯罪。由此我们可以将所有服刑人员大致分成两类,前者由暴力犯罪者和盗窃犯构成,其从事的犯罪门槛较低;而后者主要是经济犯和贩毒者,从事门槛较高的专业化犯罪。而农民工犯罪主要集中在低门槛、低技术的暴力和盗窃犯罪类型上(占全部犯罪类型的80%以上),特别是对社会安全威胁最大的暴力犯罪,如1/3以上的农民工罪犯从事“抢劫”,近1/5参与“故意伤害”。根据我们的研究发现,这些极端的反社会行为与教育、家庭环境和性格特质有极强的相关关系。本文最后,通过k重交叉检验方法,我们比较了不同组别变量对农民工犯罪类别的预测能力,发现按照预测能力从高到低排序,分别是性格特征、家庭背景和个人基本信息这三组变量,其中家庭背景和性格特征的组合表现最佳。基于赤池信息准则,我们筛选出了一个(在变量个数和预测能力的权衡取舍下)最优的计量模型,其中包括年龄、受教育程度、认知水平等个人特征,外向性、尽责性和情绪稳定性等性格特质,以及兄弟姐妹个数、排行等家庭特征。这些发现不但证明关注犯罪者的心理健康层面极为必要,还为我们提供了削减农民工犯罪(特别是暴力型犯罪)的一些方法。比如,加强早期教育———这对于提升认知水平和辅助健康性格特质的形成有直接帮助(Heckmanu3000etu3000al.,2006;Cunha等2010),进而可以减少成年后犯罪的可能性。此外,加强学校教育,给农民工群体和他们的孩子提供更多受教育的机会,也能从根本上降低其犯罪的概率。本文的主要贡献有以下几个方面。首先,在政策层面上,我国自2000年之后步入了“第五次犯罪高峰”(章元等,2011)本文的余下部分安排如下:第二部分对研究犯罪的相关文献进行梳理;第三部分讨论所使用的调查数据并进行描述性统计分析;第四部分给出Multinomialu3000Logit模型及其分析结果;第五部分进行稳健性检验;第六部分用k重交叉检验和赤池信息准则进行模型筛选;第七部分为总结。二、u3000其他方法自从Garyu3000Becker于1968年在Journalu3000ofu3000Politicalu3000Economy上发表了“Crimeu3000andu3000Punishment:Anu3000Economicu3000Approach”一文之后,越来越多的经济学家开始关注犯罪行为背后的权衡取舍,尤其是各种社会经济因素对犯罪的影响。早期较有影响的文献,包括Kelly(2000),他利用英国的地区数据分析了收入不平等和犯罪的关系;Machinu3000andu3000Meghir(2000),他们发现非技术工人的工资下降会导致犯罪率的上升;以及Donohueu3000andu3000Levitt(2001),他们认为美国始于1970年的堕胎合法化可以在很大程度上解释20世纪90年代犯罪率的下降,即父母对孩子的重视可以减少其成年后犯罪的可能性。Lochneru3000andu3000Moretti(2004),以及Machin(2011)分别用工具变量和断点回归分析的方法,建立了教育和犯罪之间的正向因果关系。Bellu3000andu3000Machin(2013)及Bellu3000etu3000al.(2013)则利用英国历史上的大规模移民潮探讨了移民对犯罪的影响。此外,也有一些研究探讨刑罚的威慑作用对犯罪的遏制。比如Levitt(1996,1997)分别研究了狱中罪犯数量和警力配置对于美国犯罪率的影响。Diu3000Tellau3000andu3000Schargrodsky(2004)利用发生在阿根廷的恐怖袭击作为外生冲击,考察了警力分布和犯罪率之间的关系。Dragou3000etu3000al.(2009)以及Buonannou3000andu3000Raphael(2013),则利用2006年的意大利大赦研究了潜在威慑对遏制犯罪的作用而在国内的研究中,陈硕(2012)上述大多数研究,都将犯罪者作为一个同质的整体加以研究。然而不同类别的罪犯,比如暴力罪犯和经济罪犯,其个人特质和犯罪动机往往迥异;将各种犯罪混为一谈,抽象为一个简单的犯罪率数字,无疑掩盖了犯罪者之间存在的高度异质性,也无法对特定类别的犯罪行为制定针对性的防治措施。因此,将不同类别的犯罪加以区分,进而研究其背后迥异的影响因素,无论在理论还是实际意义上都是极为迫切且必要的。对犯罪类型进行分类讨论的尝试也并非没有。比如Levitt(1997)发现选举期间的警力增加主要影响暴力犯罪,对非暴力犯罪的影响并不显著。Kelly(2000)发现基尼系数高的地区暴力犯罪明显更多,财产犯罪则无差别。一个例外是Levittu3000andu3000Venkatesh(2000),他们使用关于毒贩个体的详尽资料,研究了贩毒团伙中收益的分配。犯罪心理学的文献对此提供了一个很好的补充。如Caspi等(1994),基于在新西兰和匹兹堡开展的两个针对青少年的研究,发现情绪控制能力和不良行为之间存在密切的关系。Agnew(2002)利用美国的调查数据得到了类似的结论。此外,Johnu3000etu3000al.(1994)发现了亲和性及尽责性和不良行为的关系;Vazsonyiu3000etu3000al.(2001)及Horvathu3000andu3000Zuckerman(1993)则讨论了自我控制(尽责性的一种表现)对犯罪的影响。但未同时考虑其他维度变量,以及没有经济学理论作为支撑,是这支文献的不足之处。通过在个体层面考察不同类别犯罪者在各个维度上的差异,我们的研究可以说是将犯罪经济学和犯罪心理学这两个领域连通起来的一次尝试。而以移民作为考察对象,研究教育等变量对犯罪类别选择所起的作用,我们的研究也对社会因素和犯罪之间关系这支文献形成了补充。三、u3000结u3000论我们的数据来自北京大学、澳大利亚国立大学和莫纳什大学联合课题组在深圳某男子监狱于2013年8月到12月间进行的一次抽样调查。该监狱中关押的是来自深圳市和东莞市的部分刑期在6个月到20年的男性服刑人员。该监狱的服刑人员来自深圳、东莞两市若干随机选定的看守所———看守所关押的是在该市犯案但尚未定罪的犯罪嫌疑人,定罪后即被押送至该监狱服刑。据我们了解,不同类型的犯罪嫌疑人在不同看守所是均匀分布的。由此可以推断该监狱的服刑人员其基本特征和罪行分布可以在整体上代表深圳及东莞两市的犯罪情况。截至2013年8月调查抽样时点,该监狱在押人数为4u3000800左右。课题组根据服刑人员的档案资料收集了该监狱全部服刑人员的部分行政记录资料,包括其年龄、教育程度、户籍所在地、婚姻状况等信息,以及其详尽的犯罪历史,包括罪名、刑期、减刑状况和详细的犯罪事实描述等。在此基础上,课题组在全部4u3000800名现押服刑人员中随机抽取了1u3000200个样本,对其进行了详细的个人信息、家庭背景和犯罪历史访谈,以及性格心理评估和认知能力测试等。问卷访谈中涉及的主要问题包括罪犯的个人基本情况(年龄、婚否、民族、户口状况等)、教育背景、被捕前职业情况、父母子女兄弟姐妹信息,以及犯罪历史等方面。心理状况评估则包括性格特质、心理和价值观测试,以及认知测验两大部分。在性格、心理和价值观测试中,受访者被要求回答性格特质、心理健康和社会价值等方面的一系列问题。在本文中,我们主要关注的是性格特征部分。为了评估犯罪者的性格特点,课题组使用了心理学上经典的五大性格特质测试(bigu30005personalityu3000traits),用44道题目来衡量受访者的外向性(extraversion)、亲和性(agreeableness)、尽责性(conscientiousness)、情绪稳定性(neuroticism)以及经验开放性(opennessu3000tou3000experience)这五个维度上的性格特征。由于本文关注农民工犯罪问题,我们保留了全部1u3000200个服刑人员中1u3000008个农村户口样本(84%的服刑人员在押前为农村户籍来两市的外来人口)。进一步地我们保留了完成问卷调查、性格特质评估和认知测试三个调查项目,以及所有的变量信息齐全的样本。最后用于分析的服刑人员样本量被限定为673人。为了寻找服刑人员的对照组进行对比研究,课题组还在深圳市随机抽取了300个农民工样本,并让他们参与了类似的问卷访谈本研究主要关注的变量是犯罪的类别。根据中国刑法法条,我们将所有犯罪类别归为五大类,即“暴力(包括抢劫、绑架、伤害、性侵犯等)”“盗窃”“涉毒”“经济(包括诈骗、走私、制造假币等)”以及“其他(包括包庇、交通肇事和渎职等)”。进一步地,我们可以将“暴力”犯罪细分为“抢劫”“侵犯公民权利(绑架、故意伤害等)”“其他暴力(爆炸、斗殴、寻衅滋事等)”和“性侵犯”四类,共计八类犯罪。细分的目的是分析暴力犯罪内部不同罪行之间影响因素的差别。对于有多个罪名的犯人,我们根据其第一罪名进行划分。表1给出了(农民工背景)服刑人员在不同犯罪类型中的分布。描述分析显示农民工从事暴力犯罪的比例高达66%,其次是盗窃罪约占16%,涉毒者和经济犯比例较小,分别只占全部罪犯样本的8%和6%。在暴力犯罪当中,抢劫成了农民工罪犯中最为常见的犯罪活动,占全体服刑人员的39%;其次是侵犯公民权利,如绑架等,约占19%;其他暴力和性侵犯均只占不到4%。由此可见,抢劫、绑架、故意伤害等暴力型犯罪和盗窃是农民工犯罪的主要类型。在表2中,我们分别给出了普通农民工和服刑人员两类人群的基本特征描述性统计,并分个人基本特征、性格特征、家庭背景和其他一些(与犯罪类型)可能存在内生关系的变量加以总结。如表2所示,平均而言,农民工的个人基本特征与农村户籍的服刑人员相比有显著差距。如农民工年龄更大,平均为30岁,比服刑人员的平均年龄高4岁;农民工普遍进城时间更长,平均已经在外出务工地生活10年以上,而服刑人员未满8年;农民工的受教育程度普遍更高,为11年,而服刑人员为7.6年;农民工的认知能力普遍高于服刑人员。五大性格特征方面,服刑人员的外向性、亲和性、尽责性、新经验开放性与农民工对照组相比显著差,并表现出显著的情绪不稳定性。从个人特征看,农村户籍的服刑人员与普通农民工群体相比涉世未深、教育不足、认知能力和性格特质均存在缺陷。从家庭背景来看,与农民工对照组相比,服刑人员的兄弟姐妹个数显著多,父母受教育水平也显著偏低。此外,服刑人员结婚的可能性小,更可能酗酒和参与赌博活动。由此可推断服刑人员的家庭背景对其参与犯罪活动应有直接的影响。从描述性统计中,我们已经可以看到,农村户籍服刑人员和农民工这两个群体在个人基本信息、性格特征和家庭背景等诸多方面均存在显著差异。接下来,我们要使用Multinomialu3000Logit模型,考察以上特征差异是否与犯罪行为直接相关,以及服刑人员群体内部在以上各个维度存在怎样的异质性。四、基于1000个氨基的马尔-库模型的估计方法和确认结果(一)犯罪类别选择我们使用的估计方法是Multinomialu3000Logit模型,在此模型中不同类别的犯罪被视作罪犯的一种职业选择加以考察,与劳动经济学中职业选择分析的传统做法一致(Ehrenbergu3000andu3000Marcus,1982;Linnemanu3000andu3000Graves,1983)。在犯罪类别选择模型中“普通农民工”被设定为缺省对照组(类型0),即选择不犯罪,与其他各种犯罪类别,包括“涉毒”“暴力”“盗窃”“经济”“其他”(由1到5排序),并列构成五大类。此外,为了区分暴力罪犯内部影响因素的不同,我们还采用更详细的犯罪类别划分,即把暴力犯罪分解成了“抢劫”“侵犯公民权利(主要为故意伤害)”“性侵犯”“其他暴力”四类,并与其他犯罪及普通农民工群体构成九类犯罪类型。在计量上,采用Multinomialu3000Logit模型分析犯罪类型选择的一个先决条件是模型符合不相关的选择独立性假设(Independenceu3000ofu3000Irrelevantu3000Alternatives,即IIA)。IIA假设的含义是不同的选择结果之间相互独立,即选择某种结果的可能性与其他选择的存在无关,只与对照组有关。如果此假设不成立,使用Multinomialu3000Logit进行估计,将会得到对犯罪类别选择的错误预测。为了检验使用该模型的安全性,我们用Hausman和McFadden检验法来判断我们的数据是否满足IIA假设。检验结果表明,我们无法拒绝IIA假设成立的零假设,因此可以采用该模型分析犯罪类型的选择。在未特别说明的情况下,我们的所有回归结果均使用稳健标准误。需要特别指出的是,由于Multinomialu3000Logit是一个非线性模型,其系数并不具有经济含义,只能帮助我们判断该解释变量的影响究竟是为正还是为负。(二)u3000家庭背景和犯罪影响因素解释变量方面,我们主要考察一些先验决定的外生变量对犯罪类型选择的影响。具体变量的选择包括在描述性统计中讨论的“个人基本信息”“五大性格特质”和“家庭背景”三组变量。由于个人基本信息、家庭情况与其性格特质的形成会产生关联,从而影响单个变量的估计结果,我们将全部三组变量一同放入回归方程当中而不做单独考虑。具体来说,“个人基本信息”包括“年龄”“外出务工年份”“受教育年限”和“认知能力测试分数”四个变量。需要说明的是,“年龄”和“外出务工年份”两个时间变量,对于服刑人员群体,我们将其设定为被捕前的情况。这样做可以消除刑期长短带来的内生性问题。根据犯罪研究文献,我们推断年龄和犯罪的可能性之间存在负相关关系,即越年轻越可能犯罪。外出务工年份的长短与移民在目的地生活、工作状况及其心理状态直接相关,通常初来乍到的人会经受更多心理的冲击和生活压力,从而更可能误入歧途。因此,外来务工年份与犯罪应该呈负相关关系。早前西方发达国家的文献已经证实了受教育程度和犯罪的负相关关系,因此“受教育年限”前的系数对所有犯罪类型而言应该为负。“认知能力”测试结果反映了一个人的基本智力水平,在控制了受教育年限的前提下,“认知能力”能更好地测度先天智力水平和犯罪类型选择的关系。五大性格特质是心理学中最常见的用于衡量个人性格特征的指标(Galton,1949),包括“外向性”“亲和性”“尽责性”“情绪稳定性”以及“经验开放性”这五个维度。其中“外向性”即指个体是否热爱社交活动,崇尚冒险;“亲和性”指是否善解人意,能够包容别人;“尽责性”强的人,比较自律、审慎、有条理;“情绪稳定性”即个人控制情绪的能力(在这里我们实际使用的是其对立指标,即个人神经质的程度);“经验开放性”则指活跃的想象力和对新事物的好奇心等。这五项指标的测算方法有多种,此处使用的是Oliveru3000P.John提出的BFI(Bigu3000Fiveu3000Inventory)方法,由44道选择题构成。最后计算出的分数是一个1—5的值,反映了该个体的初始得分在全样本中的相对排位。根据相关文献的做法,我们把五类不同的性格特质的测试分数同时放入模型中。“家庭背景”变量包括“兄弟姐妹个数”“在兄弟姐妹中的排行”“父亲、母亲的教育程度”以及“是否为独生子女”虚拟变量。考虑“兄弟姐妹个数”“在兄弟姐妹中的排行”和“是否为独生子女”是为了分析家庭内部资源的分配和犯罪直接的关系。通常随着孩子数增加,每一个孩子得到的物质资源和长辈关爱越少,从而产生孩子数量和质量之间的互替,并可能与犯罪类型选择产生关联。而排行反映了家庭内部关系的细微差别,通常排行在前的孩子要承担更多的家庭重任,而排行靠后的孩子则更容易被宠爱。在控制了兄弟姐妹个数的前提下,排行的影响反映了家庭角色不同与犯罪选择的关系。父母的教育程度与父母给孩子传递的价值观、对孩子的关爱和教育有直接关系,因此可能与犯罪呈负相关关系。此外,这些家庭背景变量可以在一定程度上代理缺失的家庭收入水平,如孩子多的农村家庭人均收入通常较低,父母教育水平低的家庭收入也低。因此,这些变量作用在一定程度上包含了由于家庭贫困对犯罪倾向的影响。其他行为变量,诸如婚姻状况、酗酒、赌博等,也与犯罪行为高度相关。同时它们也可能与个人特征和家庭背景关系密切,从而成为影响犯罪的渠道。为此,我们也试图将这些变量考虑到回归模型中,但由于内生性问题,我们只在稳健性检验部分对其影响进行讨论。(三)家庭特征变量表3中给出了Multinomialu3000Logit模型的估计结果,前4列(第I部分)是五种犯罪选择分类的结果,后7列(第II部分)是细分犯罪类别的结果。解释变量分三组。第一组“个人基本信息”的分析结果显示,在给定其他变量的前提下,暴力犯罪者和盗窃犯(以下称“前两类犯人”)与农民工相比年龄显著偏低,涉毒犯则相差不大,经济犯的平均年龄甚至还要更大。前两类服刑人员平均而言进城时间要显著短于农民工,而涉毒犯和经济犯(以下称“后两类犯人”)和农民工群体相比则没有明显差别;各类服刑人员跟农民工相比,受教育程度显著低且在1%的水平上显著;前两类服刑人员的认知水平要低于农民工,后两类则高于农民工,经济类罪犯甚至显著地更高。接下来采用更详细的犯罪类别划分(见表3第II部分),回归结果显示,除去性犯罪者之外的暴力犯罪者和盗窃犯仍然年龄较低。但性犯罪者进城时间显著地比其他各类人群要短。换言之,进城时间越长的人,越不会从事性犯罪。这也许是因为进城时间越长,找到固定性伴侣的可能性就越大,也有可能是长时间缺乏性伴侣会导致个体选择离开城市。在教育水平方面,仍然是所有类别的犯人受教育程度都低于农民工群体;智力水平方面,抢劫犯和盗窃犯得分较低,而涉毒犯和经济犯还是较高。解释变量第二组“五大性格特质”部分关注性格对犯罪类别选择产生的影响。回归结果显示,给定其他控制变量,各类犯罪者的“情绪不稳定性”都显著高于农民工,除经济犯在5%水平显著以外,其他都在1%的水平上显著;“尽责性”则普遍不如普通农民工,除暴力犯不显著外其他类型罪犯的显著水平在5%以上;说明情绪控制能力差以及尽责性弱的人更可能参与犯罪活动。这一结果与心理学文献中的结论一致(如Johnu3000etu3000al.,1994;Vazsonyiu3000etal.,2001;Horvathu3000andu3000Zuckerman,1993)。剩下的三个性格特质对不同的犯罪类型有不同的影响。“外向性”结果显示,暴力犯罪者(除性犯罪者之外)和盗窃犯相对于农民工而言更加内向(1%显著水平),而涉毒及经济犯则与农民工差别不大。对于“亲和性”来说,经济犯和性犯罪者的亲和性明显低于农民工,但其他类别的犯人群体跟农民工在这方面则比较相近。最后,除了经济犯之外,各类犯人对“新经验的开放性”都要比农民工群体低,而只有对抢劫犯表现为显著低(10%的水平上)。解释变量第三组家庭背景变量的结果在表3的“家庭特征变量”部分给出。相比于农民工群体,在控制其他解释变量的前提下,各类服刑人员家中都有更多的兄弟姐妹,即使在详细的犯罪分类下也是如此(除性侵犯不显著外,其他显著水平均在5%以上)。这或许反映了劳动经济学中经典的质量互替现象,即生育决策中存在孩子质量和数量的权衡取舍,如果父母选择生育更多的子女,由于可用于抚养的资源(包括营养和父母的注意力)有限,子女的平均质量就会下降,从而更有可能走上犯罪道路。Levitt(2001)认为美国20世纪90年代之后的犯罪率下降是70年代之后堕胎合法化的结果。堕胎的合法化使得父母可以生育更少的孩子,从而后代质量更高,犯罪更少。我们的发现在一定程度上支持了他的论点。在兄弟姐妹间相对年龄较长的人更容易从事犯罪,在详细的分类下这也依然成立。这可能说明家中排行靠前的男孩承担更多的家族压力。父亲的受教育程度在农民工和各类(无论在何种分类下)犯人之间都不存在显著的差异。在控制了兄弟姐妹个数和排行之后,是否是独生子女的虚拟变量与犯罪无显著相关关系。而母亲的受教育程度则与暴力犯罪和盗窃存在一定的相关关系(10%的水平上显著),但经济犯的平均母亲受教育程度还略高于农民工群体(不过统计上不显著);细分了暴力犯罪类型后,母亲的受教育程度只和暴力犯中的抢劫犯及盗窃犯有负相关关系。这似乎可以归因为,母亲在个体的早期发展中扮演着更为重要的角色,特别是会减少子女抢劫和盗窃犯罪的可能性。总体来看,我们的结果表明,服刑人员和农民工群体在各个维度上的确存在显著的差异;同时,不同类别服刑人员之间也存在明显的异质性———暴力犯罪者和盗窃犯在多项个人特质上都有相似之处,而贩毒者和经济犯则较为接近。前两类罪犯年龄较小,进城时间较短,智力水平和母亲受教育程度较低,更加内向;后两类罪犯在这些方面则恰恰相反。这跟我们的直觉是相符合的:相对于暴力犯罪和盗窃,贩毒和经济犯罪的门槛往往更高,其从事者需要更强的能力,更可能是出于理性判断而选择从事不法活动的职业罪犯。而暴力犯罪者和盗窃犯更可能是受激情或暂时的贫困驱使。有趣的是,我们发现对于性侵犯类犯罪来说,所有家庭背景变量都不显著,而低教育程度、内向的性格和不稳定的情绪则和其犯罪类别更加相关。因此,对于不同类别的罪犯,其相应的防治措施也应有所不同。以威慑和惩罚为主的传统手段,或许对后两类较为理性的罪犯更有效果;但想要更好地消除暴力和盗窃犯罪,也许需要更深层、更广泛的社会变革,包括增加年轻人入学和就业的机会,帮助他们更好地融入城市生活,提供有效的心理辅导,以及开展面向父母(尤其是母亲)的教育学培训,等等。五、稳定性试验(一)是否玩游戏、是否采集等情形的可能导致内生性问题在这里我们将加入描述性统计中“内生选择”这一组内的解释变量,并观察结果是否受到影响。这其中,婚姻状况虚拟变量为1的时候意味着在进行访谈的时候该个体有(无论登记与否)配偶,而等于0则包括丧偶、离异和未婚等各种情形。是否玩网络游戏这一变量来自问卷中的如下问题“你在被捕之前是否接触过网络游戏?”(农民工问卷中无“被捕之前”字样),是否饮酒和参与赌博源自类似问题。由于这些变量可能同时跟个人的自身条件和家庭背景,以及犯罪决策相关,将这些变量纳入回归方程可能会带来内生性问题,影响估计的一致性。但从结果来看,即便是引入了这些内生变量,之前的主要结果依然是成立的。如果我们认为上述估计是准确(或是偏误不大)的,那么表4的结果意味着,结婚的人更不会选择从事犯罪,但生育子女较多的人更有可能犯罪。这似乎暗示着养育子女带来的经济压力是农村移民走上犯罪道路的一个可能原因。(二)对于初次刑满释放人员的进一步分析,我国动机一个合理的怀疑是,进入监狱这件事本身会给一个人的行为模式带来很大的改变,从而之前的结论可能是由某些屡次入狱的惯犯推动的,并不能适用于一般的罪犯群体。为了排除这种可能,我们将样本限定为初次入狱的犯人,再次进行了之前的分析,结果由表5给出。可以看到,我们的主要结果依然成立。作为另一个稳健性检验,我们在只有单一罪名的服刑人员子样本上重复了主要的回归。这样做的目的是排除以第一罪名代表该服刑人员犯罪类型时可能带来的偏误。结果见于表5,显然主要结果未发生太大变化。(三)共同支撑agractu3000估计结果G.W.Imben在2014年的一篇工作论文“Matchingu3000Methodsu3000inu3000Practice:Threeu3000Examples”中指出,如果实证研究中所使用的处理组和对照组缺少共同支撑———即两组样本的控制变量分布相差过大———的话,估计出的平均处理效应(Averageu3000Treatmentu3000Effect)将会是有偏的。由于我们使用的服刑人员和农民工是两个迥异的群体,很有可能我们的结果受到了上述偏误的影响。为了解决这一问题,Imbens建议使用匹配方法,即通过计算倾向评分(Propensityu3000Score)等途径,将控制变量取值比较相近的处理组和对照组放在一起,再将那些匹配不上的样本删除。遵循Imbens的建议,我们使用个人信息、家庭背景和性格特征这三组控制变量计算了每个样本的倾向评分,并去除了服刑人员群体中评分大于(小于)农民工样本评分最大(最小)值的样本,再利用这个平衡样本重新进行了估计,得到的结果见表7所示。可以看到主要结果均未发生变化,因而我们的研究并未受到共同支撑问题的太大影响。此外,这也说明我们用随机抽取的农民工作为服刑人员的对照组是一种合理的做法,两者在各项特质的分布上均相差不大。(四)性格特质的变化在之前的分析中,我们一直假定性格特征是外生给定的变量,且性格特质一般在25岁之后就趋于稳定,不再受外界环境的影响。但需要承认的一点是,性格特质有可能由于一些特殊经历而发生变化。比如,如果监狱生活会对一个人的性格特征造成改变,那么将其视为外生变量就不很合宜。为了排除这种可能性,我们在控制了犯罪类型的前提下,分别用五大人格特质对已服刑时间(对农民工来说即为0)和进城时间进行了回归。之所以控制犯罪类型,是因为入狱时间长短跟刑期,从而跟罪名相关。从表8的结果可以看到,性格特征基本上不受入狱和进城时间长短的影响,从而排除了其内生的可能性。六、u3000k重交叉检验在先前的部分中,我们已经分析了个人基本信息、家庭背景、性格特征乃至内生选择这四组因素对于犯罪类型选择产生的影响。接下来一个自然的问题就是,在这四组变量中,哪几组能够帮我们最好地预测服刑人员可能的犯罪类别?更进一步地,我们是否能够筛选出一个计量模型,使得其对于现有数据的拟合程度最高?如果能够得到这样一个模型,那么我们就可以知道,哪些因素和犯罪类别的差异最为相关,从而可以进一步分析其背后的机制,并设计出更有针对性的犯罪防治政策。首先,我们将使用k重交叉检验(kfoldu3000cross-validation)方法来判断各组变量预测效力的差异。所谓k重交叉检验方法,基本思想是将模型随机分成k份,使用其中的k-1份样本进行估计,再用得到的模型来预测第k份样本的结果,通过其拟合的均方误差(Meanu3000Squaredu3000Error)来判定模型的优劣。这一方法体现了将样本划分为训练集和测试集的基本思想,被广泛应用于机器学习、时间序列分析,以及非参数估计中对带宽的选择上(见Varian,2014;Hansen,2014)。由于k重交叉检验中样本的划分是随机的,我们采取多次回归取平均值的方法来确定各组变量的预测效力。图1给出了在经过100次6利用k重交叉检验,我们可以有效地判断各组变量的相对预测能力。但如果想要进一步筛选出一个在预测方面表现最优的模型,我们要考虑的不仅是预测能力,还希望模型能够尽量简洁。因此,我们接下来将采用计量经济学中常见的赤池信息准则(Akaikeu3000Informationu3000Criterion,简称AIC,见Akaike