犯罪预测动态回归分析方法
江苏警官学院学报
以〕
年第
期
一尸人了了进沪尹尹尹沪尹图
厂丫七—『
犷
一
一
一一一
一一门
超
少
,,
,
首尾各其循环变动和季节变动的影响即只有这样才能最大限度地排除时一周期为空间因素特别是大周期的干扰保证时间数列的相对纯净与纯粹保证数据结论的科学与合理.
,
,
,
,
.
以上述统计学知识为支撑笔者对一些犯罪,
尹尹尹尹尹尹尹尹沪尹尹尹尹护之艺一
定量研究文献中的预测结论进行了复核发现了,
不少问题主要集中在对相异年度数列的回归分,
某地
立案数
测定,
析未剔除循环变动的影响,
.
也就是说没有使用,
,
所谓循环变动也称周期性变动是用以表明时间数列中持续地反复上升或下降的长期性运动它可直接影响社会经济现象时间数列的表现,,,.
真正的动态回归方法或者说动态回归不彻底不到位.
如在治安混乱期犯罪数量就大些治安平稳期犯罪数量就小些.
计算证明剔除循环变动和未经剔除循环变动得出的数据结果有时很不一致如某地一年杀人案件数与恩格尔系数两者原始数,.
,
,
尽管循环变动的稳定性较季节变动差但它,
仍具有相当的规则性与长期趋势图.,
.
通常情况下循环变动是,
假设检验结果为不显著但剔除时间因素的影响后两者的相关系数为一,,
列的相关系数为一
,
中以直线概念化表示相对照显示出来的大于为下降仿佛我们所熟知为上升小于中的二次抛物线在图,,
假设检验结果为高度显著.
.
出人之大令研,
,
究者警醒
笔者以一元回归预测模型为例详述剔除时间因素后的动态预测方法并进行比较验证资料及具体计算步骤如下①,
的价格围绕价值上下波动.
"
"
图
中起伏的,
线
表示该地立案数据有明显的高潮和低谷两个高可以这么认为季节变动是一点之间相隔年年内的小循环循环变动则是数年间的大循环川,,.
相关关系确定自变量
从理论或经验上肯定两个时间数列存在与因变量,
遵循前述时间数列的乘法模型循环变动指,
数的计算仍然采用
一
江
.
分别计算两个时间数列的循环指数和季节指数并供原数列相除得出两个新时间数列,
犯罪动态分析的基本内容和主要任务之一,
,
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
.