基于岭回归的诈骗犯罪影响因素研究

赵云鹤

（阜平县公安局，河北 保定 073200）

犯罪现象是社会突出矛盾的集中体现，随着社会主义现代化的进程，诈骗犯罪也非常突出显著起来。《中华人民共和国刑法》第二百六十六条规定，诈骗罪是指以非法占有为目的，用虚构事实或者隐瞒真相的方法，骗取数额较大的公私财物的行为。随着时代的发展和人民生活水平的提高，居民防骗意识大大增强，诈骗犯罪看似离我们很远，其实又却无时无刻在我们身边。从中国统计年鉴查询，2005年、2006年公安机关立案的诈骗案件数为330967起和355590起；2017年、2018年公安机关立案的诈骗案件数为1322918起和1469134起，诈骗犯罪不降反升。研究诈骗犯罪的影响因素，对于如何预防、打击诈骗，建设法治社会，依然有着极其重要的意义。

一、研究综述

很多文献从不同角度研究了如何防范打击诈骗犯罪。有文章认为中国正处在社会变革发展期，人们的思想观念、价值理念受到严重冲击，诱发了一些人的私欲引发了一部分人严重的个人利己主义思想，以自我为中心，不考虑自己实行行为后果，在社会生活中不择手段，坑蒙拐骗，无视社会道德与法律的约束[1]。有些文献还对中国ZG市公安局2015年4、5月的110诈骗接警数据进行统计分析，发现诈骗犯罪整体表现出与受教育水平、老龄化和人口城镇化水平等社会环境要素显著相关的特征，各类诈骗受害的影响因素又各不相同[2]。有文献[3]中对诈骗犯罪频发的原因进行了分析和探究，认为之所以出现这种现象，从受害人的角度来说是因为他们的没有较高的警惕心，轻信他人，有占便宜贪财的思想，同时缺乏防骗意识。文献中可以看出，我国电信诈骗高发，在诈骗犯罪中占有很大比重。我国电信类的诈骗案件在近十年每年都呈现出高达20%-30%增速，截止到2015年，我国公安部门共立案调查了59万件电信类诈骗案件，同比上升32.5%，共造成经济损失222亿元[4]。

根据中央统计局数据，如图1所示，2005年至2018年我国诈骗案件宏观数据波浪上升。我们将以我国2005年至2018年的公安机关立案的诈骗案件数为基础，利用科学研究方法，量化教育、收入、电信网络因素对诈骗犯罪的影响。

图1 我国诈骗案件立案统计数据

二、基于实际数据的诈骗犯罪因素影响分析

（一）研究分析方法的选择

诈骗犯罪在我国日常生活中还是普遍存在，其主要原因是我国处于社会主义初级阶段，社会发展不平衡不充分。近年来，我国社会经济飞速增长，随着市场经济的深入，自由贸易经济带来的直接影响是城乡居民收入分配平等、受教育不均衡的问题。一些弱势群体受利欲诱惑，丧失正确的人生观、价值观，开始不惜代价获取利益，甚至铤而走险走上犯罪道路。经济发展带来的是社会生产技术的提升，移动手机、互联网广泛普及，已经成为我们日常生活中不可或缺的部分。一种新信息技术从产生、发展到成熟，需要一段很长的过程，在发展完善的过程中总会出现漏洞，这就给犯罪嫌疑人创造了可乘之机，利用高科技手段的新型电信犯罪日益增多。根据以上影响因素选取变量建立回归预测模型，设Y为因变量，表示诈骗犯罪立案数，X1，X2，X3，X4，X5为自变量。

（1）X1表示城乡居民收入差距，X1=城镇居民人均可支配收入绝对数-农村居民人均纯收入绝对数的差值，衡量我国城乡居民收入贫富差距。

（2）X2表示移动电话用户数，衡量我国移动手机数量普及程度。

（3）X3表示互联网上网人数，衡量我国互联网用户数量发展程度。

（4）X4表示高中阶段毛入学率，X4=某学年度高中教育在校生数/学龄人口总数，衡量我国高中阶段教育发展水平。

（5）X5表示高等教育毛入学率，X5=某学年度高等教育在校生数/学龄人口总数，衡量我国高等教育阶段教育发展水平。

（以上数据来自中国统计年鉴、中国教育统计年鉴）。

关于对影响因素进行分析，笔者主要从预测方面上进行了分析和探究，其中主要用到了以下方法：自回归神经网络，滑动平均模型，多元线性回归，从上述影响因素看，这5个因素在不同程度的增长，因此，它们的增长具有相同方向性，即自变量数据序列存在多重共线性，若使用最小二乘法(OLS)估计模型的系数，不能客观反映自变量与因变量的相互关系[5]-[6]。岭回归是最小二乘法的改良，得到的系数估计估计精度更高，从而解决这种自变量数据共线性问题，对新的新数据做预测时的均方误差更小。

（二）岭回归基本原理

作为一种专门用来分析共线性数据的方法，岭回归这种有偏估计回归方法中对最小二乘估计法进行了改良，抛去了其原有的优势，为了尽力保持回归系数的稳定性，该方法降低了信息的合精度，从而使得所得到的回归系数更加真实可靠，在解决问题时更加精准有效。

多元回归的线性回归模型可表示如下：

在该式中，Y是因变量，X是独立变量，β是回归系数，ε是误差。

回归系数β按照最小二乘法的估计为：

若自变量存在多重共线，则矩阵XTX为奇异矩阵，矩阵特征值很小，从而引起矩阵XTX的逆阵对角线上的元素很大，造成参数估计极不稳定，数据发生微小变化就可能导致参数估计发生很大的变化，系数不能客观反映自变量对因变量的影响。

岭回归就是给矩阵XTX加上一个对角阵，使矩阵的特征值变大，将奇异矩阵尽可能转化为非奇异矩阵，提高参数估计的稳定性。得到的参数更能真实反映客观实际。

岭回归求解回归系数β方法为：

式中，k为岭回归参数，k∈[0，1]，k越大，共线性对回归参数稳定性的影响越小，k=0，则变为最小二乘法估计，此时为无偏估计，k≠0，则为有偏估计，随着k的增大，预测的方差也随之增大，因此，k应既能足够消除共线对参数估计影响又尽可能要小，即k一般在岭轨迹变化趋于稳定时，尽可能选取较小的值。

因为每个自变量的数量级和量纲都不完全一样，因此在进行岭回归前，需要先对所有的自变量进行统一的标准处理，从而使得其具有相同的数量级和量纲，主要利用以下方法：

式中，sij为第j个的第i个原始数值；rij为第j个的第i个标准化数值；σj为第j个标准差。

设岭回归求得的标准化系数为β=[a1，a2，…，an]T，非标准化β0=[b1，b2，…，bn]T，则有：

因此，岭回归方程可表示为：

表1为2005年-2018年我国诈骗案件立案数、城乡居民收入差距、移动电话用户数、互联网上网人数、高中阶段毛入学率、高等教育毛入学率等因素，最近14年内，我国这6项指标均呈上升态势，诈骗案件立案数增幅为343.8914%，城乡居民收入差距增幅为458.3091%，移动电话用户数增幅298.0870%，互联网上网用户646.4054%，高中阶段毛入学率为16.3827%，高等教育毛入学率为129.0476%。城乡居民收入差距增长速度最快，高中阶段毛入学率最慢。从数据分布特点看，6个自变量都是同向变动，因此可能存在多重共线问题，运用岭回归是最好的研究方法。

由此，X=[X1，X2，X3，X4，X5]，对 X 和 Y 进行线性回归，即：

（三）最小二乘法回归

把表1中所列举出的数据作为本次研究的样本数据，通过最小二乘法来得出回归系数β的估值，表2所展现的就是所得到的结果，其中相关系数R2=0.955。通过表2可以看出，得到的X1的系数不为正，这一结果数据不具有任何现实意义，因此在研究时，不适合使用最小二乘法来计算估取回归参数。

在进行共线性诊断时，想要判断样本的自变量的共线性是否存在，需要从以下几个方面入手：（1）比较自变量容忍度数值，结果否小于0.1；（2）比较膨胀系数数值，结果是否大于10；（3）比较条件指数数值，结果是否大于30；（4）比较特征值，结果是否大于10或接近0；（5）比较方差比例，结果是否大于0.5。通过对表2的相关数据进行分析可以得到，在这些自变量中有4个自变量的容忍度数值小于0.1，且4个自变量膨胀系数VIF均大于10，说明存在多重共线性。在表3中的共线性诊断结果可知，6维度特征值为0，4维度、5维度特征值接近于0；3至6维的条件指数大于30，自变量X4、X5、X6在不同维度下的方差比例存在大于0.5的现象。以上结果说明了在这五个自变量中，其中四个自变量存在程度较高的共线性。

（四）岭回归

在对回归系数进行估算时，采用岭回归法。首先通过SPSS工具对整体进行分析，然后把迭代步长拟定为0.01，从而确定最佳岭参数k的值。通过相关的计算和运行后，可以得到相关的岭回归迹线图，即下图2。

图2 岭迹图

通过图2可以看出，当k的值越来越大时，所有自变量的系数都将逐渐稳定，这时通过计算所得到的迭代寻优的结果为k=0.99，这个数值表明了最佳岭回归的参数等于0.99。表4所显示的就是岭回归参数的结果，通过表格可以看出其四个自变量的取值分别为a1=0.18，a2=0.166，a3=0.161，a4=0.109，a5=0.2，相关系数R2=0.9，模型的F检验值为14.386，此时显著性概率的数值为0.001，该数值大小低于显著水平，这表明该模型已经完成并通过了检验，模型具有有效性。但是相关系数的数值出现了较大幅度的降低，这表明岭回归在解决共线性的相关问题时，为了较好达到预期目标，不得不丢失了部分数据，导致预测信息的精度有所降低。

通过岭回归来估计得到标准化系数，所得到的数据值能够真实客观地反映出在整个系统中，各自变量对因变量的影响大小。在5个标准回归系数中，由于a5＞a1＞a2＞a3＞a4，因此，影响诈骗犯罪立案总量5个因素的重要性从大到小排序依次是：高等院校毛入学率、城镇居民收入差、移动电话用户数、互联网上网人数、高中阶段毛入学率。这与诈骗犯罪发案特征基本吻合。校园安全防范工作已经成为社会综管理的重要组成部分[7]，广泛的校园安全教育有效提高学生对诈骗案件的认识，强化防范和自我保护意识。但由于高中和高等院校学业压力、学生理解能力及教育侧重点等多因素存在差异，高等院校学生与高中学生在防范能力上存在偏差。我国正处在经济高速发展阶段，由于农村劳动生产水平低，收入分配制度不完善，我国城乡居民人均收入差距逐渐拉大，据统计，2018年我国基尼系数为0.474，该数值表明，我国贫富差距较大，在市场经济的大潮冲击和诱惑下，部分人价值观念和社会心态方面出现种种困惑，产生好逸恶劳的心理，通过投机取巧诈骗以获取财富，同时通过拥有的财富来突显个人的社会地位[3]。当今社会，现代通信技术迅猛的发展，移动手机、互联网用户成为生活不可或缺的部分，在飞速发展的形势下，电信运营行业在经营、管理、技术等方面存在大量的问题和漏洞，同时用户群体庞大，给犯罪分子制造了可乘之机。电信运营部门过分重视商业利润价值，忽视社会责任感培养，对本行业自身业务工作管理不力，另一方面，行业内的管理机构对国家的法律法规执行不到位，助长了电信诈骗犯罪的高发。

表1 中国诈骗犯罪影响因素指标

根据表4的岭回归的非标准化系数为b1=14.046，b2=1.921，b3=3，b4=5458.785，b5=9365.235，可得到最终岭回归方程为：

Y=435689646+14.046X1+1.921X2+3X3+5458.785X4+9365.235X5

图3 诈骗案件立案预测曲线

三、对防范诈骗犯罪的建议

（一）解决城乡居民贫富差距，推动发展共同富裕

坚持中国特色社会主义经济制度不动摇，公有制为主体，多种所有制经济共同发展。鼓励引导支持非公有制经济发展，对中小企业给与政策倾斜，创造更好的营商环境，充分发挥地域优势，增加劳动收入。加快农业产业化速度，优化农村资源配置，推进城镇化发展速度，加速农村剩余劳动力转移，为农民创造更多的就业岗位，发挥地区产业优势，发展特色农业，推进农村区域经济快速发展。

表2 回归系数

表3 共线性诊断

表4 岭回归分析结果

（二）保障受教育机会，完善校园安全防范措施

建立全层次、全覆盖的教育资助体系，保障贫困、弱势群体子弟享有公平、公正的受教育权益和机会，让更多学生接受到高等教育。加强学生诈骗犯罪防范教育，贴近实际，采用多种方式向学生介绍诈骗的特点及防范措施，使学生在长期的潜移默化中不断提高自己的安全防范意识。

（三）完善部门监管，堵塞电信行业漏洞

电信运营部门完善行业制度，杜绝发生公民信息泄露问题。加大力度对电信行业诈骗多发部位进行防控，采用新技术、新方法，抵御网络黑客、网络攻击的入侵能力。国家职能部门强化责任意识，落实监管职责，对电信行业严格管理，及时发现、纠正行业违规问题，保障人民群众财产安全。各部门应当加强合作与交流，通信、银行、物流、公安、法院、检察建立联系协作机制。适当简化案件侦察办理程序，尽快查清案件事实，挽回受害人的经济损失，减小案件办案难度。

（四）增强社会群众防范意识

加强社会对于诈骗犯罪的防范意识，新闻媒体要充分发挥宣传职能，加强对诈骗犯罪的宣传力度，让居民了解、认识诈骗犯罪的危害。相关管理部门通过多种方式加强对诈骗的宣传，在日常生活中开展普法活动，使诈骗犯罪防范深入人心。社会各界共同努力，营造良好的社会防诈骗宣传氛围，共同打击诈骗犯罪，不给不法分子可乘之机。

四、结语

本文研究了诈骗案件立案数与城乡居民收入差距、移动电话用户数、互联网上网人数、高中阶段毛入学率、高等院校毛入学率等因素之间的关系，研究表明，对我国诈骗犯罪立案数影响最大的是高等院校毛入学率，最小的是高中阶段毛入学率。5个因素对诈骗案件立案数影响差距不大，是影响我国诈骗犯罪立案数增长的重要因素。

经济发展新常态、社会治安管理面临新格局、诈骗犯罪持续增长，给打击、管控犯罪带来新的挑战。从以上分析城乡居民收入差距、移动电话用户数、互联网上网人数、高中阶段毛入学率、高等院校毛入学率对诈骗犯罪立案数影响可见，教育问题对诈骗犯罪立案数影响最大，说明我国高中、高等教育普及率需要进一步提升。城乡居民存在较大差距，就必须想办法提高农村居民的收入，使农村较快富裕起来，要营造安全良好的移动、互联网管理格局，部门间交流合作，形成打击诈骗、严惩犯罪的新格局。