犯罪预测动态回归分析方法(2)

用最小二乘法对两个修正后的时间数列

就是要从若干看似不规则的数量变动中寻找和测定出一个比较接近客观事实并且具有典型代表

算出

倚

的回归方程式

性的循环模型用于克服和矫正经验型纵贯研究,

计算估计标准误计算并检验回归方程的拟合优度和相关系指数

中的偏差科学揭示犯罪现象循环性波动的产生和存在以及这种波动因素对犯罪数列的影响程度,.

,

推出指定时间的测值间. .

因此在犯罪动态预测中就必须分别情况对原时间数列进行修正对年度数据剔除其循环变

,

,

从修正后的数列出发按长期趋势法外趋势值将趋势值代入回归方程式计算预,

动的影响即以原始数据分别除以对应的循环指,

根据需要确定置信系数然后计算预测区,

数空

,

由于具体计算方法的特殊首尾各一年为

,

对于月份季度等非年度数据则需同时剔除

,

①

用自编的实用动态分析系统计算因项数小于

"

"

,

采用小样本法计算置信区间

.

犯罪预测动态回归分析方法

韦立华朱德林犯罪预测动态回归分析方法,

年份恩格尔系数,

修正后恩格尔年份恩格尔系数

又《幻

修正后恩格尔年份立案数起

义

修正后立案数年份立案数

丫

只汽

《洲〕

伽〕

起丫气只门

修正后立案数

只又

巧

不剔除时间因素循环变动的计算结果一,,

测该地从

年开始立案数不断上升可简单解,,

释为虽然生活逐渐富裕但治安却越来越差而根据剔除时间因素循环变动的计算结果则预测

一

,

高度显著相关

凡

. .

,

该地案件将逐渐减少可简单解释为生活逐渐富裕的同时治安也越来越好接近天津周路老师描,,

叽

. .

一

,

一

剔除时间因素循环变动的计算结果一,

绘的经济对犯罪影响近负远正效应两者失之毫厘谬之千里研究者不可不察需要补充的是本文仅仅讨论了一元动态回,

"

"

.

"

"

,

.

,

一一,

义,

,

归问题然不变

.

与之相比多元动态回归得出的结论一,,,

高度显著相关

般更可靠但剔除时间因素.

的原则和方法仍

蕊矶

.

落

,

一,

参考文献姜淑

晨公安统计学出版社,

简单比较不难发现两种方法得出的数据结

〕北京中国人民公安太宇

论相差很大主要是预测模型不同前者适配二次抛物线后者适配直线发展方向不同前者以某一年为弯点逐渐向上攀升后者则逐渐下降相,

,

,

仁」张彦著社会统计学,

,

,

出版社〕李田夫等犯罪统计学,

—

原理与方法

南京大学,

北京群众出版社暨南大学出版社

关形式不同前者应为曲线相关后者应为直线相关更重要的是预测值及预测区间差异极大均,

,

「」谢启南曾声文统计学原理

以

年为例后者的预测值是前者的两倍多后,.

,

者预测区间的极小值仍显著高于前者预测区间的极大值

责「任编样尹瑾】责任校时君玉〕

数据结论不同理论解释也相应不同如根据不剔除时间因素循环变动的计算结果则预,,

,

.