社会治理专题丨【金江 等】源于身份的隔阂：人口多样性、社会信任与犯罪

改革开放以来我国的城市化进程不断推进，城市化率由1978年的17.92%上升到2018年的59.58%。城市化就像一柄“双刃剑”，在促进经济发展的同时，也引发了拥堵、污染与犯罪等一系列的“城市病”（ 陆铭，2017 ）。由于犯罪被认为是“城市病”的一个重要表现，现有文献以贝克尔（ Becker，1968 ）的成本—收益分析框架为基础，对城市为什么具有更高的犯罪率展开了深入的探讨。有学者认为，城市规模越大，从事非法活动的经济回报越高，被捕概率越低，因而城市是滋生犯罪的“温床”（ Glaeser and Sacerdote，1999 ）。还有一些文献则从收入差距（ Brennan-Galvin，2002；Gumus，2003 ）、失业率（ Phillips and Land，2012 ）、性别结构（ Grogger，1998；陈春良、刘正山，2014 ）、年龄结构（ Grogger，1998；程建新等，2016 ）以及城市人口规模（ Hipp and Roussell，2013；Hipp and Kane，2017 ）等角度出发，对城市犯罪率的波动提供了有益的解释。然而，现有文献并没有注意到在城市规模扩张和城市化率不断提升的过程中，日益突出的人口多样性是如何影响犯罪的。

人口多元化是欧美国家的大城市在人口城市化进程中的一个普遍现象（ 王红霞，2013 ），随着中国城市化进程的不断推进，这一特征也日益明显。那么，伴随着城市化进程的推进而出现的人口多样性是否能够解释我国城市犯罪率的波动呢？这是本文试图回答的第一个问题。尽管鲜有文献对两者的关系直接展开分析，但一些研究已经注意到外来人口规模与城市犯罪率之间可能存在的因果关系（ Butcher and Piehl，1998；陈刚等，2009；Alonso-Borrego，et al.，2012；Bianchi，et al.，2012；Pinotti，2017 ）。值得注意的是，陈刚等（2009）采用中国31个省份2000—2005年的面板数据分析发现，大规模人口流动导致的犯罪率上升主要由省际人口流动引起，而省内流动人口的增加并不会对犯罪率产生影响。由于省际流动人口的异质性水平显著高于省内流动人口，这可能说明影响地区犯罪水平变化的并非流动人口所占比例，而是不同群体间的异质性。

理论上，在人口多样性水平越高的地区，不同群体在宗教信仰、风俗习惯等文化特征上的差异越大，尤其是在中国这种“关系型社会”中（ 梁漱溟，1949 ），文化是不同群体身份认同的重要纽带。因此，人口多样性水平的增加极有可能降低不同群体间的身份认同，并进一步影响彼此间的信任。也就是说，在人口多样性越高的地区，信任关系越难以建立。同时，人际信任又是影响犯罪的一个重要因素（ Lederman，et al.，2002；Cuesta and Alda，2012 ）。以信任为主要表现的社会资本不仅能够加强社会联系，降低社会竞争和人际冲突的可能性（ Fukuyama，1995；Glaeser and Sacerdote，1999 ），还能增强公民的社会参与和社会控制，直接影响犯罪活动的发生率（ Rosenfeld，et al.，2001 ）。因此，如果说人口多样性与城市犯罪率之间存在一种因果关系，社会信任极有可能是其中的一个中介因素。

即便不考虑违法犯罪行为造成的刑事司法和预防犯罪的直接成本和支出，犯罪行为也会严重危害社会治安，破坏社会秩序和经济秩序。在犯罪经济学的相关文献中，如何选择恰当的公共政策治理犯罪，历来是一个存在争论的重要问题（ 陈硕，2012 ）。一些针对中国的研究表明，相比增加司法投入以威慑和遏制犯罪行为，从改善社会经济环境入手，犯罪治理的成本更低、效率更高（ 陈硕，2012 ）。就本文而言，我们试图回答的第二个问题是，若如理论预测，人口多样性能够通过社会信任这一因素对犯罪率产生不利影响，那么，有什么因素能够缓解人口多样性对犯罪率的负面作用呢？对这一问题进行探索具有重要的现实意义和政策涵义。

综上所述，本文拟从不同群体在文化等深层次特征上所存在的异质性出发，实证检验人口多样性与犯罪的关系。实证结果表明，在控制了人口、经济以及民生支出三个方面的因素后，以每万人批准逮捕人数衡量犯罪率，人口多样性对犯罪率的上升具有显著的影响，且这一发现是稳健的。机制检验结果表明，社会信任是人口多样性影响犯罪的一个中介变量。进一步，本文还发现，产权保护越完善、民众对法庭越有信心，人口多样性对犯罪率的不利影响越弱，说明好的制度具有显著的犯罪治理效应；此外，政府在公共教育和社会保障上的支出越高，人口多样性对犯罪率的影响越弱，说明民生支出也具有显著的犯罪治理效应。

与现有文献相比，本文的贡献主要体现在如下两个方面。首先，有别于现有文献从外来人口规模出发解释城市犯罪率的波动，本文更加强调不同群体间文化的异质性在其中的可能作用。实证上，本文采用2014年中国劳动力动态调查（ CLDS2014 ）数据构建了人口多样性指数，并将其与288个城市的数据相匹配，在考察了人口多样性对犯罪率影响的基础上，进一步从社会信任这一变量出发检验了两者间的作用机制，为理解“城市吸引犯罪”这一犯罪学的经典议题（ 单勇，2018 ）提供了新的经验证据。其次，从现实的角度看，无论在发达国家还是发展中国家，城市规模扩张往往被认为是产生“城市病”的一个重要原因，但如果简单认定城市规模扩张会导致犯罪率的增加进而限制人口流动，显然不是一种合理的政策选择。因此，本文在验证了人口多样性与犯罪率的关系后，还进一步从制度环境和民生支出两个层面出发，检验这两个因素在犯罪治理过程中的调节效应，为城市化进程中各国政府的犯罪治理政策选择提供了系统全面的经验证据，有助于科学把握犯罪治理的着力点。

本文接下来的结构安排如下：第二部分对现有文献进行评述；第三部分介绍本文采用的模型与数据；第四部分对人口多样性与犯罪率的关系进行实证分析，并从社会信任这一变量出发检验人口多样性影响犯罪率的内在机制；第五部分为稳健性检验；第六部分考察制度环境和民生支出变量与人口多样性的交互作用对犯罪率的影响，并提炼出对公共政策的启发；最后为全文总结。

现有研究从宗教、族群、语言、基因以及出生地等特征出发衡量人口多样性水平，发现国家（地区）层面的人口多样性对经济增长（ Easterly and Levine，1997；徐现祥等，2015 ）、劳动生产率（ Collier，2001；Peri and Sparber，2009；Trax，et al.，2015 ）以及公共资源分配（ Alesina and Spoloare，1997；Alesina，et al.，2003 ）等存在显著影响。

在对其背后的机制进行解释时，这些文献均强调是人口多样性所内含的文化异质性以及不同群体间的技能互补在起作用。其中，不同群体间的文化异质性作为一个身份显示机制，不仅会削弱彼此间的身份认同，还会加剧族群不平等和族群对立，导致社会凝聚力下降（ Alesina，et al.，2012 ）。布拉洛克（ Blalock，1967 ）的冲突理论也为此提供了理论支持。冲突理论认为，在族群多样性环境下，群体归属感会导致人们对其他群体的疏离。一旦某种文化属性（如语言、种族等）为某一范畴内的所有成员共有，并据此成为该群体外显的行为表现，就会衍生出群体内身份认同和群体外身份疏离，增加群际冲突的可能性（ Sturgis，et al.，2014；高明华，2015 ）。以奥尔波特（ Allport，1954 ）为代表的接触理论则认为，导致群际冲突的主要原因在结构上可以区分为三点：认识上的刻板印象、态度上的偏见以及行为上的歧视，但随着群际社会接触的增加，族群多样性对群际关系的负面影响会逐渐消失。

大部分实证研究所提供的经验证据更加支持冲突理论（ Putnam，2007 ）。例如，一些研究尝试从族群多样性的角度出发，对国家层面的政治冲突和内战爆发的原因进行解释，并发现族群多样性与内战爆发的频率之间存在显著的因果关系（ Tangeras and Lagerlof，2009；Caselli and Coleman，2013 ）。尽管上述文献并未直接检验人口多样性与犯罪的内在联系，但是可以看出人口多样性加剧了对立和冲突的可能性。与移民史相关的理论研究也指出，不同国家或地区的移民族群归属不同是影响地区犯罪的一个重要原因（ Spenkuch，2014；Piopiunik and Ruhose，2017 ），特别是在人口结构由单一化向多元化转变的过程中，犯罪成为文化异质性冲突的一种重要表现形式（ Sellin，1938 ）。上述理论阐述意味着，在城市人口多样性特征越来越突出的过程中，犯罪水平也会随之波动。

除了与犯罪水平联系密切，人口多样性也会影响社会信任。信任是在长期的重复博弈过程中形成的合作均衡，源于人们对未来长期互动的期望（ Alesina and La Ferrara，2002 ），而外部环境的客观特征和个体层面的主观感知是影响居民信任水平的重要因素（ Putnam，2007 ）。因此，在异质性程度较高的环境中，语言和文化的分化会直接影响群体间的心理距离，对相互间的身份认同产生一种负外部性，不利于人际信任的形成（ Alesina and La Ferrara，2002；Ashraf and Galor，2013 ），相关的实证研究也为此提供了经验证据。通过收集32个团队成员的构成数据，有学者发现，人口多样性显著降低了人际信任水平（ Bjφrnstad，et al.，2013 ）；也有学者采用丹麦的数据研究发现，种族多样性不利于社会信任的形成（ Dinesen and Sφnderskov，2015 ）。

如果人口多样性一方面影响犯罪水平，另一方面影响信任，那么信任很有可能是人口多样性影响犯罪率的一个重要传导渠道。事实上，现有文献已经从理论和实证两个层面确定了社会信任对犯罪率的影响。首先，以信任为主要表现的社会资本能够加强社会联系，有利于遏制个体的机会主义行为，降低交易成本，进而减少社会竞争和人际冲突的可能性（ Fukuyama，1995；Glaeser and Sacerdote，1999 ）。其次，根据社会失序理论，羸弱的社会控制会带来犯罪率的上升，而社会信任通过带动社会参与增强社会控制，有助于降低犯罪率（ Rosenfeld，et al.，2001 ）。实证上，有学者（ Lederman，et al.，2002 ）运用世界价值观调查（ WVS ）数据从国家层面展开的分析表明，人际信任的提升能够有效抑制犯罪活动的发生。针对哥伦比亚的研究也发现，社会信任与犯罪率之间呈现显著的负相关特征（ Cuesta and Alda，2012 ）。因此，如果说人口多样性对犯罪存在不利影响，那么，社会信任很有可能是其中的一个传导因素。

以现有文献为基础，本文力图在实证上回答如下问题：在中国的城市化进程中，人口多样性的变化是否能够解释城市犯罪率的波动？社会信任是否是其中的一个作用机制？如果实证结果确实表明人口多样性对犯罪存在不利影响，那么，有没有什么因素能够削弱这一影响强度呢？接下来，本文将对此进行检验。

（一）计量模型

本文的基本模型如下：

根据巴伦和肯尼（ Baron and Kenny，1986 ） 提出的中介效应检验法，为了确定社会信任是否作为人口多样性影响犯罪率的一个中介变量，本研究同时设定如下两个模型：

从模型1至3来看，如果人口多样性对犯罪率的影响确实有一部分是通过中介变量社会信任来传导的，那么，人口多样性对社会信任的影响应该是负的，也即在模型3中参数γ ₁ <0，而在方程2中社会信任对犯罪率的影响应当显著为负，即β ₂ <0。 而且，与没有引入社会信任这一变量相比，在引入中介变量之后，人口多样性对犯罪率的影响强度应当有所下降，即模型2中参数β ₁ 的绝对值应当小于模型1中参数α ₁ 的绝对值。 下文将对所有变量的含义及其具体衡量方法进行详细说明。

（二）数据来源

在测算人口多样性水平时，本文使用的数据来源于中国劳动力动态调查（ CLDS ），该项目由中山大学社会科学调查中心自2012年开始组织实施，在中国大陆29个省份（不含海南和西藏）每隔两年开展一次调查。以2014年的劳动力个体数据为基础，我们可以识别出劳动力的流出地和流入地，并计算流入地的人口多样性水平。在抽样设计上，该调查采用了多阶段、多层次的概率抽样方法，不仅考虑了地区经济发展差异，同时考虑了地区人口规模，抽样方法设计科学、合理，基本涵盖了全国所有的省会城市及其他重要城市，能够较好地反映我国的人口分布特征。可以认为，据此计算得到的各城市人口多样性水平也具有较强的代表性。在此基础上，本研究将人口多样性水平与城市层面的犯罪率及其他数据相匹配，最终得到一个包含全国288个城市的横截面数据集，其中犯罪率的相关数据均摘自相应年份的城市统计年鉴与检察院工作报告，其他数据则来源于2015年《中国城市统计年鉴》及各地城市统计年鉴。

此外，需要指出的是，本文之所以仅采用2014年的横截面数据，主要基于两个原因。首先，中国的犯罪治理具有显著的“运动式打击”特征。2012年是中国新一轮政治周期的开始，新一届中央政府对各类违法犯罪活动实施了严厉的打击。中国在犯罪治理上的这种特征不仅会对地区犯罪活动产生不可忽视的影响，往往也会导致执法力度和刑事犯罪立案标准的变更，可能使犯罪统计数据产生异常波动，因此我们没有将2012年纳入分析样本。其次，在短时间内，城市人口构成状况不会发生太大变动，且社会信任随时间的改变较为缓慢。有学者（ Uslaner，2002 ）研究发现，在长时间内，信任是接近稳定的，稳定时间可能长达半个世纪之久，故本文的分析样本只包含2014年这一时点。

（三）变量

1. 被解释变量

本文的被解释变量为犯罪水平。如何获得真实的犯罪数据一直是困扰犯罪学研究的主要问题之一。中国当前对犯罪数量的统计集中在公、检、法三家（ 白建军，2010 ），其中检察院作为中立的司法机关和法律监督机构，对犯罪活动的统计受到人为因素的干扰较小（ 程建新等，2016 ），故检察院批准逮捕的刑事犯罪嫌疑人数能够比较准确地反映各地区犯罪活动的相对差异，可作为衡量刑事犯罪活动的较为客观的近似指标。因此，本研究采用每万人的刑事犯罪批准逮捕人数的对数来衡量犯罪水平，下文称之为批捕率。

需要指出的是，在现有研究中，衡量地区犯罪水平的指标不仅包括批捕率，还包括公安机关抓获人数、治安违法人数、检察机关提起公诉的刑事犯罪嫌疑人数、法院最终宣判人数等其他指标。但是，一方面这些指标之间具有较强的相关性（ 陈硕，2012 ），另一方面通过不同指标衡量犯罪率并不会导致估计偏误的产生（ Levitt，1998 ），因而相关文献通常采用批捕率和起诉率（ 每万人提起公诉的刑事犯罪嫌疑人数 ）来衡量犯罪水平。本文也将进一步通过起诉率衡量犯罪水平，对基本结论进行稳健性检验。

2. 核心解释变量

人口多样性是本文的核心解释变量。在中国的背景下，流出地的不同能够极大程度地反映人口差异，因此，本文基于流出地的不同来计算城市人口多样性水平。在计算人口多样性水平的过程中，本文只保留离开户籍所在地半年以上的人口，并据此识别出劳动力的具体流出地和流入地。以阿莱西那等人（ Alesina，et al.，2016 ）采用的分化指数为基础，城市i的人口多样性指数可表示为：

如表1所示，我们列举了部分重要城市的人口多样性指数，大致体现出如下两个趋势：首先，东部沿海城市的人口多样性水平明显高于内陆城市，例如，深圳和广州的人口多样性水平均在0.7以上；其次，与其他类型城市相比，超大城市、特大城市的人口多样性水平也明显更高。上述两个特征也在一定程度上反映了中国目前的人口流动现状，即人口流动仍呈现从欠发达地区向发达地区、从内陆城市向沿海城市流动的趋势。

3. 中介变量

信任是本文的中介变量。在有关信任的调查中，牛顿（ Newton，2001 ）曾指出，“受访者对这一类问题的反应实际上不能告诉人们他是一个信任者或者是不信任者，而是表明他们是如何评价他们所生活的这个世界的可信性”。这一观点为本文以微观数据来衡量城市信任水平提供了理论支持。CLDS2014询问了受访者对其生活环境的信任感知，具体问题为：“总的来说，您是否同意大多数人是可以信任的这种看法？”参照相关研究（ Rosenfeld，et al.，2001；Lederman，et al.，2002 ），本研究将回答“同意”和“非常同意”的受访者归为一组，即受访者认为其所生活的环境是可信任的，并以每一流入地回答“同意”与“非常同意”的人口数量占总受访人数之比来衡量地区层面的信任水平。实证上，在分析信任与犯罪的关系时，一些研究也采取了相似的衡量方法（ Rosenfeld，et al.，2001；Lederman，et al.，2002 ）

4. 其他控制变量

模型1中的控制变量主要包括城市层面的人口学变量、经济变量以及民生支出变量三类。人口学变量包括人均受教育水平、性别比例、人口密度。经济变量包括人均地区生产总值、城市化率、实际利用外资额以及职工平均工资和就业密度。教育、医疗、社会保障和救济是民生支出最为核心的三大领域，是民生问题的核心（ 毛颖，2011 ），因此本文的民生支出变量选取了政府公共教育支出、社会保障支出以及医疗卫生支出三个指标。上述变量的定义及衡量方法如表2所示。

控制变量的描述性统计如表3所示。由于实际利用外资额以美元衡量，本研究采用2014年美元兑人民币的平均汇率进行了换算。

（一）基本估计结果

模型1极有可能存在内生性问题。首先，遗漏变量的存在会导致估计有偏。例如，不同地区所处的自然环境和地理条件往往孕育着风格迥异的文化（ 顾乃忠，2000 ），并进一步影响人们的行为方式和地区犯罪活动，但本文对这些不可观测的特征并未加以控制。其次，可能还存在从犯罪率到人口多样性的逆向因果关系。这主要体现为犯罪率不仅影响流动人口的流入决策，还会影响流入地居民的流动决策，而这会影响地区人口多样性水平。最后，本文基于抽样调查数据计算人口多样性水平，很可能导致测量误差。为此，本研究首先在模型1中引入地区经纬度，以捕捉不可观测的地区固定效应可能对犯罪率产生的影响，以部分消除可能存在的遗漏变量偏误。除此之外，本研究还将进一步采用工具变量法对相关参数进行估计，以消除逆向因果关系和测量误差产生的影响。

表4报告了模型1的OLS回归结果，其中，第（1）组回归只控制了人口多样性这一变量，第（2）组回归加入了人口学因素，第（3）组回归进一步加入了经济因素，第（4）组回归则加入了所有控制变量。

根据表4的估计结果，在控制所有变量后，人口多样性的参数估计值显著为正，说明人口多样性对城市犯罪率的波动具有显著影响。塔夫脱（ Taft，1933 ）指出，外来人口的进入不仅会对流入地的人口构成产生巨大冲击，同时也伴随着原有文化特征的转变。因此，社会转型过程中人口构成的变化不仅意味着人口多样性格局的不断深化， 同时也加重了区域文化在构成上的多样性和复杂性，进而导致犯罪率上升（ Sellin，1938 ）。在有关移民与犯罪率的文献中，相关研究也强调了移民群体的亚文化与流入地社会主流文化之间的激烈冲突是地区犯罪率增加的主要原因（ 史晋川、吴兴杰，2010；Spenkuch，2014；Pinotti，201 7 ）。但这些文献更加关注移民作为一个整体与本地居民之间的文化差异如何影响犯罪率，忽视了移民内部不同群体间的文化差异可能在其中所发挥的作用，本文从人口多样性角度展开的分析则在一定程度上填补了上述解释可能存在的不足。

其他控制变量的估计结果也与现有文献保持一致。首先， 从人口学变量看，人均受教育水平对犯罪率存在正向影响，性别比的增加会导致犯罪率的增加，这可能一方面与男女的性别特征有关，另一方面与男女所扮演的社会角色相关（ 程建新等，2016 ）。人口密度的增加遏制了城市犯罪率的上升，因为人口密度越大，犯罪后藏匿的空间越小，因此，在人口密度大的城市，犯罪后被逮捕的几率大大提高，从而降低了城市犯罪率（ Butcher and Piehl，1998；Brennan-Galvin，2002 ）。其次，在控制了所有变量后，人均GDP越高，城市犯罪率越高，但城市化率和实际利用外资额对犯罪率的影响并不显著。根据贝克尔( Becker, 1968 ）的犯罪理论，工资水平更高意味着个体的犯罪成本更高，因而工资水平的增加能够有效遏制犯罪率的上升。就业密度的犯罪抑制效应也得到了证实，说明失业人口的增加会恶化地区犯罪率（ 毛颖，2011 ）。最后，从民生支出变量看，政府公共教育支出和医疗卫生支出对城市犯罪率也具有显著的负向影响，说明社会福利支出具有显著的犯罪治理效应（ 陈刚，2010 ）。

（二）机制检验

为了确定社会信任是否作为人口多样性影响犯罪率的一个中介变量，笔者进一步基于模型2和3进行了检验，表5报告了相应的估计结果。其中，第（1）列对应表3中第（4）列的估计结果，第（3）列则对应社会信任的回归结果。

根据表5第（3）列的估计结果，人口多样性对社会信任的不利影响得到了证实。也就是说，一个地区的人口多样性水平越高，该地区的社会信任水平越低。这一发现与现有研究保持一致（ Putnam，2007；Uslaner，2002；Lederman，et al.，2002；Cuesta and Alda，2012 ）。从表5第（1）和第（2）列的结果来看，无论是否纳入社会信任这一变量，人口多样性对犯罪率的影响均在p<0.01的水平下显著，但在加入社会信任这一变量后，人口多样性的参数估计值由0.414减小至0.317，即模型2中的参数小于模型1中的参数。

上述结果说明，社会信任是人口多样性影响犯罪率的一个中介变量。需要注意的是，尽管本文证实了“人口多样性水平越高→社会信任水平越低→犯罪率越高”这一影响机制，但在控制了社会信任水平之后，人口多样性对犯罪率的影响依然显著，说明社会信任并不是人口多样性影响犯罪率的唯一机制。