关于中国天津市被害人向警方报案决定因素的一项探究

译者按：西方的犯罪学研究已经查明了与犯罪报案相关联的三种类型的变量因素——被害人（个体或家庭）变量因素、事件变量因素和环境变量因素。当前的研究将精力集中在揭示当代中国城市向警方报案决定因素的总体的、分析框架上，通过使用从中国天津市犯罪被害的一项近期调查中搜集到的数据，我们确定了关于抢劫及伤害、个人盗窃、入室夜盗等犯罪报案的一些决定因素。研究结果表明：在对所有犯罪的报案进行研究中，对严重犯罪的报案是一项有意义的预测。同时，在邻里不和与夜盗犯罪的报案之间呈现一个非线性的负相关关系。比较而言，除了累积地检测到犯罪的被害经历外，个体变量因素和家庭变量因素并未对报案产生太大影响。而对于邻里间的社区凝聚力和非正式控制等的检测也没有发现与报案相关联。这些调研结果暗示着作为中国城市基础设施中独一无二的邻里组织——社区居委会将会被反复提及并加以深入讨论。
　　自20世纪60年代末期以来，由于被害人在刑事司法程序中扮演着许多重要的角色，有关被害人向警方报案的研究成果与日倶增。许多研究结果表明，那些向警方报案的人是刑事司法系统的“守护神”。{1}其中被害人的陈述构成了案件侦查人员主要的信息来源，并成为正在审理案件随后的行动指针。{2}西方研究中的一种观点表明，与犯罪报案相关联的三种类型的变量因素——被害人（个体或家庭）变量因素、事件变量因素以及环境变量因素已经在研究中被检测到。{3}
　　与被害人变量因素相关联的主要包含被害人个体的一些人口统计特征，诸如性别、年龄、种族、受教育程度等{4}，以及一些入室犯罪被害者的家庭特征，例如家庭成员数量和家庭收入。事件变量因素发掘了刑事案件的一些本质的、环境的特征，例如受伤情况、财产损失、被害人与犯罪人间的关系等。{5}在与环境变量因素相关联层面，多数研究已经调查了邻里特征所产生的效果,例如邻里不和、社区凝聚力等。{6}{7}总之，调研结果显示一个等级排序：与事件变量相关的一些因素（特别是严重犯罪）是紧随被害人变量因素之后的最重要的预测。此外，比较显著的是，环境变量因素在犯罪报案中起着相对较弱的效果。{8}
　　当前研究的目的是挖掘中国天津市被害人在向警方报案中的一些决定因素。除了作为国际犯罪被害调查（ICVS）的一部分而于1993—1994年间在北京开展的被害人调查获取的数据外，关于中国犯罪报案情况的数据较少。国际犯罪被害调查（ICVS）的数据表明,如同西方城市一样,在中国的城市市区，大量的犯罪并没有被告发，而其大多数相同的原因是因为犯罪还不够严重或者是警力严重不足。{9}尽管有很高的价值，但国际犯罪被害调查（ICVS）的数据在许多重要的方面所起的作用是非常有限的。在过去的十余年间，中国社会已经发生了巨大的变化。而上述被害调查所反映的是20世纪90年代早期的情形,这与当前中国的社会状况可能已没有太多关联。此外，由于上述被害调查获取的数据没有进行相关抽样设计,这使得邻里变量因素没有被检测到。{10}通过使用近期在天津开展的犯罪被害调查所获取的数据,我们可以设计一套向警方报案的评估模型，从而可能比此前更为深入地探查到当前中国城市犯罪报案的实际状况。这套评估模型被一致认定为是对此前在西方研究中的三种变量因素（被害人变量因素、事件变量因素和邻里变量因素）中的任何一种因素的预测指针。
　　一、中国的背景
　　中国自改革开放以来，社会特征发生了深刻的变化,包括涉及对犯罪行为多层级、全方位的反应等。在改革开放之前的毛泽东的群众路线政策指引下，防控犯罪不仅是警方与个体被害人相互协作的职责所在，而且也是群众的一项义务。其指导原则是每个人在党的领导下均应成为犯罪活动的“守望者”。{11}由于当时非常显著的低犯罪率和四处弥漫的社会政治氛围，那个时候中国的刑事司法体系并没有把向警方报案作为一个主要的关涉点。然而，自从20世纪70年代末期中国实行经济改革和对外开放政策以来，中国的犯罪率随之提高了。{12}根据官方统计，2000年全国总的犯罪率几乎高于20世纪50年代、60年代观测到的犯罪率的50倍!{13}
　　尽管中国的犯罪率提高了，但与西方发达国家相比仍然相对较低{14}，然而日益增长的犯罪率也使得中国的警力以及其他的刑事司法机构面临严峻挑战。当中国正朝向市场经济大步迈进时，毛泽东当年的群众路线政策在刑事司法体系中已在悄然褪色。{15}现在“使一部分人先富起来”在中国的社会中已经成为一个重要的目标，人们的欲望由于对物质利益的追求而急剧膨胀。这种金钱至上的观念渗透在社会生活的方方面面，当然也包括在刑事司法系统。曾经被运用在毛泽东的群众路线政策下的政治实践和道德吁求被迫让位给通常在资本主义社会所观测到的“……一套建立在金钱基础上的奖金体系、责任体系以及其他契约性的方案”。{16}国家正朝着“一个契约型的政府”迈进。{17}结果，群众自愿性参与犯罪防控的人数和总体的犯罪报案数量均在急剧下降。现如今，个体被害人的犯罪报案已经成为一个主要的关涉点。
　　面对犯罪的挑战和社会环境的变化，中国的警方正在经历一场有意义的变革。{18}其中主要的一项变化是已经朝着职业化的方向前进。以前,在1957年颁布的《人民警察法》中，中国的警察被当作是阶级斗争的政治工具。而1995年修订后公布实施的《人民警察法》重新界定了警察的各项职能，包括保卫国家安全、维护社会稳定、保护个人自由、生命和财产安全、威慑打击犯罪活动等。为了更好地履行这些新的职能，中国的警察如同西方的警察那样，已经逐渐开始职业化、专门化、合法化的开展工作。正如杜顿（Dutton）所观测到的，在20世纪末“西方警察的概念……已经来到了中国”。例如，中国警方采用了一套新的方法，于1991年在城市的市区为了警戒、打击罪犯而建立的“110”报警呼叫系统。此外，在1997年建立了17个警官（或警察）学院和公安高等专科学校，81个警察培训学校，范围遍及全国。{19}
　　简言之，犯罪层次的提升以及关于中国在犯罪控制中大规模的投入和在发展职业化警力上所做的努力等方面涉及的程度，必将伴随着对其关注的增多而增长。然而，影响被害人向警方报案的诸多因素在中国仍然是未知的。我们从调查的犯罪报案评估模型的范围（或程度）中，观测到西方的研究被重复在以前未被发掘的新的环境中。
　　二、西方的理论和研究
　　西方关于犯罪报案的研究通常会被普遍的理性选择的思考方法所影响。{20}{21}根据这种方法，当被害人决定是否向警方报案时，他们一般会认真权衡利益和成本。潜在的利益包括看到犯罪人受到惩罚时的满足感、获取正义、被害人自身的保护和其他将来的被害保护等。{22}对于在事件的严重性与犯罪报案之间所期待的一种关联，理性选择的方针会提供一个基本原则：犯罪行为越严重，被害人的报应和受保护的愿望就越强烈。这些必须考虑的因素为在犯罪报案中预测社会人口统计的变化也提供了一个准则。例如，一些更容易受到侵害的组织相比那些较少受到侵害的组织，更有可能在自我保护方面提供更多的投入。而对于侵财型犯罪，被害人报案的一项潜在的额外好处是可以期望找回被盗的物品。当然，这些刺激的加强将依靠个人对于警察应对犯罪能力的评价。
　　当然，被害人也需应对向警方报案所付出的一些潜在的代价。妨碍报案活动的重要因素包括来自于犯罪人的报复、成为被害对象的窘境、不同意和其他的组织协作如反对与政府官员的合作、担心基于被害人自身需要，而从事一些非法活动等。除此而外，犯罪报案人可能招致一些并非微不足道的时间消耗,特别是如果被害人被要求需要随时亲身参与一个很长的裁判全过程。{23}由于这些妨碍因素的存在，在美国大多数的犯罪甚至是诸如伤害、暴力等严重犯罪，没有被害人报案，便不再是一件令人吃惊的事情。{24}
　　另一个研究犯罪报案的理论分析方法是唐纳德·布莱克（Donald Black）在1976年提出的法律行为的社会逻辑学理论。布莱克把法律{25}定义为“政府的社会控制”,同时解释法律大体上应当包含“一次报警，对一个监管机构的一次巡视，或者一场诉讼”。布莱克提出的法律概念的独特性是它的定量因素。法律数量的多样性跨越了时空,包括“跨越整个社会、地区、社区、邻里、家庭以及与各种类型的联系”。{26}
　　布莱克的理论也承载了对犯罪报案相关联的被害人变量因素、事件变量因素以及邻里变量因素等三种类型中的每一种类型的揭示。在他的社会阶层与法律的关系讨论中，布莱克假设……所有连续的、相对较低的阶层比相对较高的阶层对法律知识的运用要少一些,阶层等级越高或越低，法律数量就越多或越少。”{27}这种假设隐含了个体社会经济地位应当与犯罪报案有积极的相关性。布莱克也讨论了法律数量对于亲属间关系亲疏远近的影响,那是他的形态学的假设之一。在现代社会,亲属间的关系很可能与法律数量成负向关系——被害人与犯罪人之间的关系越亲近，犯罪行为被控告的可能性就越小。{28}
　　布莱克另一个形态学的假设是与他的“辐射状的位置”有关：个人与主流社会价值的整合。这个假设是“法律在整合中变化”。{29}社会整合的水平与法律有积极关联,个人与主流社会越是整合，就越可能比那些较少被整合的群体更多地去向警方报案。例如，雇工群体相比那些未被雇用的群体就更多地被整合，因此,受雇用的被害人比未被雇用的被害人更有可能去向警方报案。与此相类似，已婚人士相对于单身人士而言更多地被整合，因此，已婚的被害人比起单身人士来更有可能去报案。
　　除此而外，布莱克的社会分层理论和社会控制理论提供了一个研究邻里不和、社区凝聚力、非正式控制在犯罪报案中的效果的基本原则。{30}布莱克假设，“法律的变化伴随着拥有或多或少财富的人口的比例而变化”。{31}这个假设暗示了社区关于犯罪报案的社会经济条件的构成效果：犯罪报案的可能性在一些人口数量较多的、同时有较高的社会经济状况的社区应该特别高。{32}布莱克又假设法律的变化与社会控制、惯常的社会生活等方面相反。{33}特别是在一种社会环境下，即“允许人们持续观察彼此行为的反应，法律作为一种社会控制机制的重要性在减少”。{34}与犯罪报案相关，布莱克的讨论暗示邻里社区凝聚力的水平，以及非正式的控制应当与犯罪报案呈负相关关系。
　　这些思考方法为与犯罪报案相关联的这三种类型（被害人变量因素、事件变量因素以及邻里变量因素）在西方的研究中被捡测提供了一个理论基础。关于这些相互关联的一个大的研究机构已经在西方积累了超过在过去几十年的时间。或许大多数的富有建设性的结论产生一种严重的结果：事件本身越是严重，就越有可能被告发。{35}研究也表明那些老年人和女性被害人相较于人口统计学的其他相对方，更有可能去报案。{36}比较而言，被害人与犯罪人的关系对犯罪报案的影响的研究结论已经被混淆了。{37}
　　最后，一些高水平的观测者发现到有极少数的研究产生了一些前后不一致的结论。古德里安、韦特布鲁德和连比亚达（Goudriaan，Wittebrood，Nieuwbeerta）等人在2006年报告，邻里不和和社区凝聚力影响犯罪报案。然而鲍默尔（Baumer）在2002年发现了在邻里不和和犯罪报案之间存在一条有意义的曲线关系。当被害人与重罪犯罪人的人口统计特征被控制时，其他的研究没有得出相似的结论。{38}
　　简言之，西方的研究结论对于严重犯罪的犯罪报案效果提供了强有力的支持，与社会人口统计学特征相关联的合乎情理的一致性的结论，揭示了其易受影响的特点。比较而言，影响被害人与犯罪人关系的变量结论和高水平状态下得出的变量结论被混淆了。虽然如此，尽管在文献中出现前后不一致,西方的研究已经产生的总体分析框架对于挑选和组成犯罪报案的潜在预测大有用处。我们使用这个分析框架，发掘出中国天津市犯罪被害人报案的决定因素，并且能够概括出在西方研究中的已经被检测过的模型。
　　三、当前的研究
　　我们的分析关注三种犯罪：个人暴力犯罪（抢劫和伤害）、个人盗窃以及入室夜盗。对于个人犯罪,我们通常考虑研究诸如性别、年龄、教育程度、婚姻状况以及失业等人口统计学的特征，以此作为与犯罪报案相关联的潜在的个体变量因素。由于天津是一个同质性的种族居住地，因而在此研究情景下，种族是不需要被检测的。我们的分析也包括将曾经被害作为在单个犯罪人模型中与个体变量因素相关的一项表征。而对夜盗、家庭面积、收入、婚姻状况等的分析服务于家庭变量因素。
　　此外，我们按照西方研究的引导，把武器使用作为反映案件具体侵害严重性的一个变量。正如下面的解释，我们对于个人严重侵害的因变量包括抢劫和伤害,伤害在这里可能占据次要位置。相应的，我们的分析还包括一项暴力被害（抢劫vs伤害）特性的表征作为一项预测，从而假定抢劫是有可能反映更为严重的事件。在我们的个体暴力犯罪模型中，被害人与犯罪人的关系被看作是一项排在第三位的事件变量因素。
　　最后，影响邻里的环境变量因素可以均衡适用于所有的犯罪。按照西方研究的引导，邻里的环境变量因素的范围包括邻里不和、社区凝聚力以及非正式的社区控制。正如上文所提到的，鲍默尔（Baumer）在2002年使用了1995—1997年间的各地确认的国家犯罪被害调查的数据，以及1990年的美国人口普查所收集到的数据，发现了邻里不和与轻微伤害的报案之间存在一条非线性的关系。我们评定了邻里不和与个体暴力犯罪、个人盗窃及入室夜盗的报案之间的非线性关系。我们的分析框架涉及了对四种模型中的每一种犯罪类型的评估。第一种模型评定的是个体（或家庭）变量因素的效果。第二种模型——事件变量因素已经介入了，随后的邻里变量因素是第三种模型。最后一种模型包括用一个相一致的邻里不和的术语去测试一种曲线关系。
　　四、数据和方法
　　研究的数据来源于2004年在中国天津市开展的一项家庭调查。调查对象是18周岁及以上的将近2500名的被调查者，这个调查需要一个多阶段的组、群方面的抽样设计。天津有15个行政区和3个县。抽样全部取自位于市区中心的6个传统地区，包括和平区、南开区、红桥区、河西区、河北区、河东区。每个区都有大约6_10个街道，这些街道是各个区政府的基层派出机构。我们首先从每个选定区域中随机抽取两个街道，产生12个街道的整体效果。
　　在这12个选定的街道中再选择两个较大的街道（较大的街道要求有数量较多的居委会），从这两个街道中随机各抽取5个居委会，然后再从其余的10个街道中随机各抽取4个居委会。这样总共有50个居委会按照目的选择和随机选择的方式而获得。调研团队的成员与选定居委会的负责人见面，要求向他们解释调研的目的、重要性和资金来源，以及对与此相关的日常花销的补偿。在获得居委会的相关辅助协议后，研究团队就需要居委会提供街区完整的家庭名单。
　　〔1〕笔者与天津社会科学院的科研人员们一同合作制作了测量工具，并发掘了抽样设计。所有人员均来自于天津社会科学院组织实施的调查工作。
　　在上述50个所选居委会中各选出51个家庭，旨在达到调查2500个家庭的目标。利用居委会提供的街区家庭花名册，调研团队采取有计划地抽样。一项起始目标被随机确定，从每个居委会中挑选出8个家庭,直到包含具体的家庭数目为止。研究团队确定一个标准日期，从一个被选定的至少有一人超过18周岁的家庭中挑选出一个特殊的被调查者,并要求这名被选定的调查者的生日最接近标准日期。
　　数据通过匿名的、自我管理问卷调查的方式获取。在居委会的帮助下，调研团队成员与答问者进行交流，以安排问卷调查的管理。在问卷调查期间，除了被调查者和调研团队成员外，不允许任何人进入该场地。问卷调查要求自我管理，如果需要的话，在场的调研团队成员允许阐述问题的含义。绝大多数被调查者受过小学或更高（97.4%）的学校教育，因此，文化程度不是问题。与标准体制性议案一致,被调查者要保证他们参与的自愿性，并享有拒绝回答问题以及为他们的回答保密的权利。总共获得有效问卷调查2474份,通过与西方的一些调查标准相比较，答复率相当可观地高达97%，这点也与早期曾在北京实施的国际犯罪被害调查（ICVS）报告相类似。{39}
　　通过对发生在过去五年内的抢劫、伤害、个人盗窃以及人室夜盗等案件被害人报案情况的分析，我们检测的抽样是由那些曾经有犯罪受害经历的被调查者所组成。抽样分布大致为：抢劫49人、伤害49人{40}、人室夜盗104人、个人盗窃286人。由于抢劫和伤害的抽样数量分布太小，以至于检测其差别的意义不大，于是我们将二者合并后形成了一个有93名被调查者的类型，以此合并分析暴力个体犯罪的种类。这里需要说明的是,合并后被调查者人数为93而非98，这是由于在抢劫和伤害中的多重受害经历相叠加造成的。（可参见表1中关于这三种抽样的社会人口统计特征信息）
　　表1抢劫/伤害、个人盗窃、夜盗等抽样的人口统计特征
┌────────────────────────────────────────────┐ │抽样　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├────────┬───────────┬───────────┬───────────┤ │　　　　　　　　│抢劫/伤害　　　　　　 │个人盗窃　　　　　　　│夜盗　　　　　　　　　│ ├────────┼─────┬─────┼─────┬─────┼─────┬─────┤ │变量　　　　　　│频率　　　│百分比（％│频率　　　│百分比（％│频率　　　│百分比（％│ │　　　　　　　　│　　　　　│）　　　　│　　　　　│）　　　　│　　　　　│）　　　　│ ├──┬─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │性　│男　　　　│62　　　　│66.7　　　│115　　　 │40.2　　　│55　　　　│52.9　　　│ │别　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│女　　　　│31　　　　│33.3　　　│171　　　 │59.8　　　│49　　　　│47.1　　　│ ├──┼─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │年　│18—34　　│42　　　　│45.2　　　│119　　　 │41.6　　　│34　　　　│32.7　　　│ │龄　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│35—54　　│42　　　　│45.2　　　│123　　　 │43.0　　　│55　　　　│52.9　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│55及以上　│9　　　　 │9.7　　　 │44　　　　│15.4　　　│15　　　　│14.4　　　│ └──┴─────┴─────┴─────┴─────┴─────┴─────┴─────┘

　　（续表）
┌────────────────────────────────────────────┐ │抽样　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├────────┬───────────┬───────────┬───────────┤ │　　　　　　　　│抢劫/伤害　　　　　　 │个人盗窃　　　　　　　│夜盗　　　　　　　　　│ ├────────┼─────┬─────┼─────┬─────┼─────┬─────┤ │变量　　　　　　│频率　　　│百分比（％│频率　　　│百分比（％│频率　　　│百分比（％│ │　　　　　　　　│　　　　　│）　　　　│　　　　　│）　　　　│　　　　　│）　　　　│ ├──┬─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │受　│文盲或小学│3　　　　 │3.2　　　 │7　　　　 │2.4　　　 │6　　　　 │5.8　　　 │ │教　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │育　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │程　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │度　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│初中或高中│60　　　　│64.5　　　│190　　　 │66.4　　　│63　　　　│60.6　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│大学及以上│30　　　　│32.3　　　│89　　　　│31.1　　　│35　　　　│33.7　　　│ ├──┼─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │家　│500元以下 │33　　　　│35.5　　　│97　　　　│33.9　　　│35　　　　│33.7　　　│ │庭　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │月　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │收　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │入　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│　　　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│500-999元 │39　　　　│41.9　　　│112　　　 │39.2　　　│39　　　　│37.5　　　│ │　　├─────┼─────┼─────┼─────┼─────┼─────┼─────┤ │　　│1000元以上│21　　　　│22.2　　　│77　　　　│26.9　　　│30　　　　│28.0　　　│ ├──┴─────┼─────┴─────┼─────┴─────┼─────┴─────┤ │总数　　　　　　│93　　　　　　　　　　│286　　　　　　　　　 │104　　　　　　　　　 │ └────────┴───────────┴───────────┴───────────┘

　　五、措施
　　我们的分析聚焦在三种类型的犯罪：个人暴力犯罪（抢劫和伤害）、个人盗窃和入室夜盗。因变量均为是否被害人会向警方报案。每一种因变量被标记成一个1代表“是”、0代表“否”的虚拟变量。对于抢劫、伤害、个人盗窃犯罪，调查的问题是你是否会向警察报案？”对于夜盗犯罪，问题是是你，还是你家中的其他人向警方报案？”调查报告参考了多数近期在同一类型中遭受多重被害的受害案例。
　　如上所述，分析抢劫、伤害抽样和个人盗窃抽样的个体变量因素包括性别、年龄、教育程度、婚姻状况、家庭收入、受雇用情况、被害经历等。性别是一个标记成在女性监督下的虚拟变量。年龄的测量分为三种类别：1代表18—34岁，2代表35—54岁，3代表55岁以上。受教育程度的测量也有三种分类：1代表文盲或者小学学历，2代表初中或者高中学历，3代表大学以上学历。婚姻状况也是一个虚拟变量，1代表单身,0代表其他状况。家庭收入用三种标准来测量：0代表月收入低于500元人民币，1代表月收入介于500—999元人民币，2代表月收入为1000元以上人民币。雇佣状况也是一个虚拟变量，1代表失业,0代表其他状况。最后,被害经历用五种犯罪类型来测量，调查对象很可能在过去五年乃至更长的时间里遭受过犯罪侵害。这五种犯罪类型包括
　　〔1〕在天津的调查中，出于时间和资金的考虑，问卷的长度受到了严格限制。并且调查被要求设计成围绕犯罪被害处理各种各样的问题。结果，关于犯罪报案的各种深入细致的探查，要想做成像美国全国犯罪被害调查（NCVS）那样大规模努力的一部分是不可行的。由此,我们没有搜集关于第三方向警方报案的信息，没有警方以外的其他官方机构的报案，也没有考察调查对象自己决定是否去报案的理由。
　　抢劫和伤害、入室夜盗、个人盗窃、自行车盗窃以及诈骗。{41}我们通过这些犯罪进行了一个被害经历的测量，并汇总了这些调查对象的被害情况，
　　承认这些被害时间是不能被精确确定是很重要的。我们了解到，在过去5年的时间里案件发生了，但我们并不知晓是否随后就有报案发生。但愿在我们开展调查之前，被害人的报案记录可以被查到，并能增加一些关于因果关系次序的内容。在结论的解释过程中，我们要考虑到这些变量的因果关系次序的问题。
　　对于抢劫和伤害的抽样，罪行的严重性是通过武器使用以及犯罪的性质测量的。武器使用被标记成一个1代表“是”、0代表“否”的虚拟变量。犯罪的性质则通过一个区分抢劫（标记为1）与伤害（标记为0）的虚拟变量来检测。对于暴力犯罪其余的事件变量因素的预测是被害人与犯罪人的关系，标记成1代表知道，0代表不知道。对于个人盗窃抽样，罪行严重性的事件变量因素为调查对象在盗窃案中财产损失的大体评估,以此表示在自然数中已经安排好的模糊分布。
　　在入室夜盗的抽样分析中，三种家庭变量因素（家庭收入、婚姻状况和家庭18周岁以上的成员数量）被使用了。家庭收入和婚姻状况的测量与那些分析抢劫、伤害样本和个人盗窃样本是一样的。在调查家庭18周岁以上的成员数量的项目时问的是：“你的家里住着多少18周岁以上的家庭成员？”两个事件变量因素与这个反映存在严重性的抽样相关联：一个虚拟变量利用了是否有任何损害在室内发生（1代表是，0代表否）以及财产被盗的货币价值的评估（也表示在自然数中已经安排好的模糊分布）。
　　最后，对于所有的抽样，三种邻里变量因素——邻里不和、社区凝聚力以及非正式的控制被包含在测量中。邻里不和的测量是一个家庭月收入低于500元人民币和失业的家庭比例的结合。这个指数的标准化的可靠性系数是71。测量社区凝聚力时使用了三个非常感性的问题，如会被问到“你认为你的社区是密集型社区吗？”“当你或你的家庭遇到一些非常麻烦的事，社区里会有人帮你渡过难关吗？”“社区里人们彼此信任对方吗？”每一个问题都有一个李克特式反应集：1表示肯定不，4表示当然确定。把对这些问题的答复记录并汇总，建立一个可察觉到的社区凝聚力的指数，其标准化的可靠性系数是78。一项调查提问过去常常被用于对非正式控制的检测，问题是：“如果你有大的难处，你的邻居们会一起讨论并采取措施帮你解决它吗？”对于这个问题的回答套路和编码是和社区凝聚力项目相一致的。
　　我们使用了全部2474个调查对象的样本，集合项目建立了邻里测量，和把这些测量合并成三种抽样分析（参见附录A：各种变量抽样分析的描述性统计）。{42}运用与鲍默尔（Baumer）在2002年使用过的同一方法，我们为邻里不和的指数设计出一套直接的方案以测量邻里不和与犯罪报案间的非线性关系。基于因变量的二进制特性，逻辑回归分析被用上了。调查的多层级样本设计表明，观测并不是无偏见的。我们使用分层线性模型（HLM）评估那些不易改变的效果，以适应在居委会中聚集的调查对象，并评定那些绝对标准差的统计意义。{43}
　　附录A：抢劫/伤害、个人盗窃、夜盜等变量抽样分析的描述性统计
┌────────────────────────────────────────────┐ │抽样　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├────────┬───────────┬───────────┬───────────┤ │　　　　　　　　│抢劫/伤害　　　　　　 │个人盗窃　　　　　　　│夜盗　　　　　　　　　│ ├────────┼──┬──┬──┬──┼──┬──┬──┬──┼──┬──┬──┬──┤ │变量　　　　　　│平均│标准│最小│最大│平均│标准│最小│最大│平均│标准│最小│最大│ │　　　　　　　　│值　│差　│值　│值　│值　│差　│值　│值　│值　│差　│值　│值　│ ├────────┼──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┤ │因变量　　　　　│　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├────────┼──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┤ │抢劫/伤害报案　 │.47 │.50 │0　 │1.00│　　│　　│　　│　　│　　│　　│　　│　　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │个人盗窃报案　　│—　│—　│—　│—　│.19 │.39 │0　 │1.00│—　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │夜盗报案　　　　│　　│　　│　　│　　│　　│　　│　　│　　│.77 │.42 │0　 │1.00│ ├────────┼──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┤ │个体/家庭变量因 │　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ │素　　　　　　　│　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├────────┼──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┤ │性别　　　　　　│.33 │.47 │0　 │1.00│.60 │.49 │0　 │1.00│—　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │年龄　　　　　　│1.65│.65 │1.00│3.00│1.74│.71 │1.00│3.00│—　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │受教育状况　　　│1.29│.52 │0　 │2.00│1.29│.50 │0　 │2.00│—　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │家庭收入　　　　│.87 │.76 │0　 │2.00│.93 │.78 │0　 │2.00│.95 │.79 │0　 │2.00│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │婚姻状况　　　　│.33 │.47 │0　 │1.00│.27 │.45 │0　 │1.00│.23 │.23 │0　 │1.00│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │失业　　　　　　│.20 │.41 │0　 │1.00│.15 │.35 │0　 │1.00│—　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │受害经历　　　　│2.31│.98 │1.00│5.00│2.09│.76 │1.00│5.00│一　│—　│—　│—　│ ├────────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │18周岁及以上的家│　　│　　│　　│　　│　　│　　│　　│　　│1.80│.86 │0　 │4.00│ │庭成员　　　　　│　　│　　│　　│　　│　　│　　│　　│　　│　　│　　│　　│　　│ └────────┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┘

　　（续表）
┌───────────────────────────────────────────┐ │抽样　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├───────┬───────────┬───────────┬───────────┤ │　　　　　　　│抢劫/伤害　　　　　　 │个人盗窃　　　　　　　│夜盗　　　　　　　　　│ ├───────┼──┬──┬──┬──┼──┬──┬──┬──┼──┬──┬──┬──┤ │变量　　　　　│平均│标准│最小│最大│平均│标准│最小│最大│平均│标准│最小│最大│ │　　　　　　　│值　│差　│值　│值　│值　│差　│值　│值　│值　│差　│值　│值　│ ├───────┼──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┤ │事件变量因素　│　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├───────┼──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┤ │抢劫犯罪　　　│.53 │.50 │0　 │1.00│　　│　　│　　│　　│　　│　　│　　│　　│ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │武器使用　　　│.35 │.48 │0　 │1.00│　　│　　│　　│　　│　　│　　│　　│　　│ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │已知犯罪人　　│.76 │.43 │0　 │1.00│　　│　　│　　│　　│　　│　　│　　│　　│ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │财产损失的大体│—　│—　│—　│—　│5.38│1.88│0　 │10.7│5.15│3.40│0　 │11.5│ │评估　　　　　│　　│　　│　　│　　│　　│　　│　　│4　 │　　│　　│　　│1　 │ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │家庭财物损坏　│　　│　　│　　│　　│　　│　　│　　│　　│.33 │.47 │0　 │1.00│ ├───────┼──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┤ │邻里变量因素　│　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　│ ├───────┼──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┤ │邻里不和　　　│.57 │.20 │.16 │.94 │.94 │.20 │.10 │.94 │.58 │.20 │.10 │.94 │ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │社区凝聚力　　│9.81│·31│8.76│10.5│10.5│.39 │8.76│10.5│9.64│1.18│3.08│10.5│ │　　　　　　　│　　│　　│　　│1　 │1　 │　　│　　│1　 │　　│　　│　　│1　 │ ├───────┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┼──┤ │非正式控制　　│3.00│.18 │2.57│3.45│3.45│.17 │2.57│3.45│2.98│.17 │2.57│3.45│ └───────┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┴──┘

　　注：抢劫/伤害抽样数量为93，个人盗窃抽样数量为286,夜盗抽样数量为104。
　　六、成效
　　正如附录A最顶部的一项所展示的，报案率随犯罪类型的不同而变化。大约有47%的抢劫或伤害犯罪的被害人,19%的个人盗窃犯罪的被害人,77%的入室夜盗犯罪的被害人向警方报案。如果考虑将暴力犯罪区分开来，结果就表明有大约61%的抢劫犯罪被害人以及大约55%的伤害犯罪被害人向警方报案。尽管测量模型是相似的，但这些精确的数字与在美国观测到的数据还是有所差别。美国在2005年进行的全国犯罪被害调查（NCVS）显示,有52%的抢劫犯罪被害人、47%的伤害犯罪被害人、35%的个人盗窃犯罪被害人、56%的入室夜盗犯罪被害人向警方报案。{44}因此，中国同美国一样，被害人更有可能向警方报告像抢劫、伤害以及入室夜盗等严重犯罪，而较少向警方报告诸如个人盗窃等这样的轻微犯罪。{45}
　　表2列明了个体变量因素、事件变量因素以及邻里变量因素对于抢劫和伤害犯罪的被害人向警方报案的回归分析结果。模型1首先考虑到个体变量因素的预测，结果表明，在展示犯罪报案的效果上，没有测量到社会人口统计学上的一些诸如性别、年龄、受教育程度、家庭收入、婚姻状况、雇用情况等特征。鉴于西方的研究显示女性和老年人更有可能去报案，因此性别和年龄的检测结果值得特别注意。{46}在模型1中唯一有意义的检测是对被害经历的测量。它产生了一个负向的系数（b=-.61）。曾经仅仅受到过一般被害的调查对象相比，经受过抢劫和伤害的调查对象更倾向于不去报案。这些不情愿反映了以前曾乐意向警方报案所受到的一些被害经历的影响。例如，受伤害越多，与社会越隔离。可供选择的是，如果围绕被害的确切时间被早点提到，越是模棱两可就越能反映相反的结果。报告被害可以提供免予其他更多伤害的保护。
　　模型2增加了事件变量因素的方程式。其结果揭示犯罪的性质影响犯罪报案的意义和积极性（b-1.15）。标记代码1代表抢劫，0代表伤害。结论表明，抢劫犯罪相对于伤害犯罪更有可能被受害人告发。大体而言,这个结论与抢劫是比伤害更严重的犯罪的前提是一致的。结论还显示诸如在案发现场使用武器等严重犯罪对于抢劫、伤害案件的被害人的报案会产生一个有意义的、积极的效果（b =1.07）。比较而言，被害人与犯罪人关系的检测没有产生效果。当事件中的变量因素被控制时,被害经历的影响仍然是有意义的。
　　模型3包含了个体变量因素、事件变量因素和邻里变量因素，然而模型4直接增加了相一致的邻里不和的术语。所有三种邻里变量因素（如邻里不和、社区凝聚力和非正式控制）在抢劫和伤害犯罪的被害人报案上并没有产生一个有意义的效果。而对于被害经历、犯罪性质、当场使用武器等的测量仍然具有意义。
　　表2抢劫/伤害犯罪报案中个体、事件、邻里等变量因素的回归分析结果（HLM整理）
┌──────────┬──────┬──────┬──────┬───────┐ │自变量　　　　　　　│模型1　　　 │模型2　　　 │模型3　　　 │模型4　　　　 │ ├──┬───────┼──────┼──────┼──────┼───────┤ │个　│性别　　　　　│-.02（.49） │.32（.55）　│.38（.55）　│.31（.56）　　│ │体　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │素　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│年龄　　　　　│.34（.55）　│.30（.57）　│.31（.51）　│·31（.57）　 │ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│受教育程度　　│.49（.57）　│.80（.60）　│.83（.60）　│.86（.62）　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│家庭收入　　　│-.09（.33） │.80（.60）　│-.07（.36） │-.09（.37）　 │ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│婚姻状况　　　│-.85（.653）│-.06（.36） │-.86（.68） │-1.00（.72）　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│失业　　　　　│.77（.66）　│1.14（.70） │1.08（.73） │1.01（.76）　 │ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│受害经历　　　│-.61*（.30）│-.73*（.29）│-.73*（.29）│-.72*（.30）　│ ├──┼───────┼──────┼──────┼──────┼───────┤ │事　│抢劫犯罪　　　│一　　　　　│1.15*（.45）│1.16*（.46）│1.13*（.45）　│ │件　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │素　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│使用武器　　　│—　　　　　│1.07*（.50）│1.12*（.56）│1.09*（.53）　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│已知犯罪人　　│—　　　　　│-.16（.48） │-.12（.56） │-·18（.58）　│ └──┴───────┴──────┴──────┴──────┴───────┘

　　（续表）
┌──────────┬──────┬──────┬──────┬──────┐ │自变量　　　　　　　│模型1　　　 │模型2　　　 │模型3　　　 │模型4　　　 │ ├──┬───────┼──────┼──────┼──────┼──────┤ │邻　│邻里不和　　　│—　　　　　│—　　　　　│61（1.27）　│-6.09（5.51 │ │里　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│）　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │　　├───────┼──────┼──────┼──────┼──────┤ │　　│社区凝聚力　　│—　　　　　│—　　　　　│.94（.84）　│1.23（.79） │ │　　├───────┼──────┼──────┼──────┼──────┤ │　　│非正式控制　　│—　　　　　│—　　　　　│-1.46（.1.59│-1.43（1.58 │ │　　│　　　　　　　│　　　　　　│　　　　　　│）　　　　　│）　　　　　│ │　　├───────┼──────┼──────┼──────┼──────┤ │　　│相一致的邻里不│—　　　　　│—　　　　　│—　　　　　│5.72（4.68）│ │　　│和　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ └──┴───────┴──────┴──────┴──────┴──────┘

　　注：括号中为标准差。N=93。
　　* p <.05.
　　表3列明了个体变量因素、事件变量因素以及邻里变量因素对于个人盗窃犯罪报案的回归分析结果。这三种模型的结论被概括地要容易些。只有事件变量因素反映了相关性，对个人盗窃案中财产损失的大体评估会产生一个有意义的效果。它表明，报案可能性的增加与财产被盗的价值正相关。
　　表3个人盗窃犯罪报案中个体、事件、邻里等变量因素的回归分析结果（HLM整理）
┌────────────┬──────┬──────┬──────┬──────┐ │自变量　　　　　　　　　│模型1　　　 │模型2　　　 │模型3　　　 │模型4　　　 │ ├──┬─────────┼──────┼──────┼──────┼──────┤ │个　│性别　　　　　　　│-.09（.26） │.15（.29）　│.17（.30）　│.13（.30）　│ │体　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │变　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │量　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │因　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │素　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│年龄　　　　　　　│.07（.28）　│.28（.32）　│.26（.32）　│.26（.32）　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│受教育程度　　　　│.33（.39）　│.36（.33）　│.37（.34）　│.38（.35）　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│家庭收入　　　　　│-.06（.19） │-.05（.20） │-.04（.21） │-.02（.21） │ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│婚姻状况　　　　　│-.04（.40） │.27（.43）　│.22（.44）　│.25（.44）　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│失业　　　　　　　│.04（.41）　│.17（.43）　│.14（.44）　│.16（.44）　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│受害经历　　　　　│.05（.19）　│-.02（.21） │.01（.20）　│.02（.21）　│ ├──┴───┬─────┼──────┼──────┼──────┼──────┤ │事件　　　　│财产损　　│—　　　　　│.64*（.13） │.63*（.13） │.65*（.13） │ │变量　　　　│失的大　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │因素　　　　│体评估　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ ├──┬───┴─────┼──────┼──────┼──────┼──────┤ │邻　│邻里不和　　　　　│—　　　　　│—　　　　　│.33（.66）　│3.26（2.53）│ │里　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │变量│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │因　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │素　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│社区凝聚力　　　　│—　　　　　│—　　　　　│-.10（.34） │-.14（.34） │ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│非正式控制　　　　│—　　　　　│—　　　　　│-.52（.98） │-.77（1.02）│ │　　├─────────┼──────┼──────┼──────┼──────┤ │　　│相一致的邻里不和　│—　　　　　│—　　　　　│—　　　　　│-2.79（2.34 │ │　　│　　　　　　　　　│　　　　　　│　　　　　　│　　　　　　│）　　　　　│ └──┴─────────┴──────┴──────┴──────┴──────┘

　　注：括号中为标准差。N=286。
　　* p <.05.
　　表4考察了入室夜盗犯罪报案的回归分析结果。模型1的结论显示三种家庭变量因素（如18周岁及以上家庭成员的数量、家庭收入以及婚姻状况）的测量在入室夜盗的报案上没有产生效果。模型2表明了两种检测的相关性，在家庭财物损坏和被盗财产价值损失的大体评估方面展示了有意义的效果（b =1.92为家庭财物损坏，b =.26为金钱价值损失）。在入室盗窃中，家庭财物损坏的损失评估越高，报案可能性就越大。
　　表4夜盗犯罪报案中家庭、事件、邻里等变量因素的回归分析结果（HLM整理）
┌──────────┬──────┬──────┬──────┬───────┐ │自变量　　　　　　　│模型1　　　 │模型2　　　 │模型3　　　 │模型4　　　　 │ ├──┬───────┼──────┼──────┼──────┼───────┤ │家　│18周岁及以上的│-.17（.33） │.06（.35）　│.16（.39）　│.21（.39）　　│ │庭　│家庭成员　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │素　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│家庭收入　　　│.48（.30）　│.57（.35）　│.39（.37）　│.47（.41）　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│婚姻状况　　　│.12（.52）　│.21（.69）　│.33（.76）　│.47（.77）　　│ ├──┼───────┼──────┼──────┼──────┼───────┤ │事　│家庭财物损坏　│　　　　　　│1.92*（.62）│1.93*（.66）│2.12*（.73）　│ │件　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │素　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│财产损失的大体│　　　　　　│.26*（.08） │.26*（.08） │.28*（.09）　 │ │　　│评估　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ ├──┼───────┼──────┼──────┼──────┼───────┤ │邻　│邻里不和　　　│—　　　　　│—　　　　　│-2.80（1.76 │9.25（6.15）　│ │里　│　　　　　　　│　　　　　　│　　　　　　│）　　　　　│　　　　　　　│ │变　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │量　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │因　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │素　│　　　　　　　│　　　　　　│　　　　　　│　　　　　　│　　　　　　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│社区凝聚力　　│—　　　　　│—　　　　　│-.02（.09） │.02（.09）　　│ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│非正式控制　　│—　　　　　│　　　　　　│-.42（1.73）│-1.03（1.87） │ │　　├───────┼──────┼──────┼──────┼───────┤ │　　│相一致的邻里不│—　　　　　│—　　　　　│—　　　　　│-10.10*（4.85 │ │　　│和　　　　　　│　　　　　　│　　　　　　│　　　　　　│）　　　　　　│ └──┴───────┴──────┴──────┴──────┴───────┘

　　注：括号中为标准差。N =104。