COVID-19 封锁期间环境人口组成变化对犯罪的影响研究

为探究 COVID-19 封锁期环境人口种族异质性（H 指数）与犯罪的关系，研究人员分析辛辛那提市数据，发现封锁对不同种族流动性影响不同，基于环境人口的 H 指数对袭击、抢劫、盗窃有稳定显著影响，为犯罪理论和政策制定提供新视角。

新冠疫情给人类社会带来了全方位的冲击，在公共卫生领域之外，其对社会秩序和犯罪模式的影响也引发了广泛关注。以往研究多聚焦于封锁期间犯罪率的整体变化，却鲜少关注环境人口（Ambient Population）的动态特征，如种族构成的变化如何作用于犯罪活动。传统基于常住人口计算的种族异质性指数（H 指数）未能充分考虑人口流动带来的实时变化，在疫情导致的非常规社会状态下，其解释力可能存在局限。在此背景下，探究环境人口的种族异质性与犯罪之间的关联，成为理解特殊时期社会动态的重要课题。

为填补这一研究空白，国外研究机构的研究人员以美国俄亥俄州辛辛那提市为研究区域，开展了一项关于 COVID-19 封锁期间环境人口组成变化与犯罪关系的研究。研究成果发表在《Applied Geography》，旨在揭示不同封锁阶段（预封锁、封锁、解封初期、解封后期）环境人口的种族异质性指数（H_AP）对袭击（Assault）、抢劫（Robbery）、盗窃（Theft）等街头犯罪的影响，并对比传统常住人口 H 指数（H_T）和空间滞后 H 指数（H_T-SL）的解释效力。

研究主要采用了以下关键技术方法：利用 SafeGraph 的移动传感器数据获取人口流动信息，计算各阶段环境人口数量并推断种族构成；通过负二项回归模型（NBGMs）分析 H 指数与三类犯罪的关联，控制变量包括贫困率、住房空置率、POIs（如加油站、餐馆等）数量；运用全局莫兰指数（Global Moran's I）评估空间自相关性。样本数据涵盖辛辛那提市 287 个普查区块组（CBG），犯罪数据来自警方记录，社会经济数据取自美国社区调查（ACS）。

4.1 种族异质性指数分析

研究发现，封锁期间环境人口总量显著下降，其中白人环境人口减少 48.13%，高于黑人的 39.44%。基于环境人口的 H_AP指数在空间分布上呈现动态变化，预封锁期高值集中在市中心，封锁期向中西部转移，解封后逐渐回归但仍有差异。传统 H_T指数空间分布静态，而 H_AP的全局莫兰指数在封锁期（0.399）和解封初期（0.354）低于预封锁期（0.463），表明空间聚集性减弱，反映了疫情对人口流动模式的冲击。

4.2 描述性统计

三类犯罪在不同阶段呈现波动，盗窃案发数最高，抢劫最低。H_AP指数在封锁期和解封初期取值范围更大（0-0.72），显示这两个阶段环境人口种族构成更为多样。环境人口总量在封锁期降至 535.53 的平均值，随解封逐渐回升，与犯罪趋势部分吻合。

4.3 模型结果

对于袭击犯罪，H_AP指数在各阶段均显著（IRR=1.158-1.228，p<0.001），且 AIC 值最低，模型拟合最优；传统 H_T指数无显著影响，空间滞后 H_T-SL仅在部分阶段有效。抢劫犯罪中，H_AP的 IRR 值在封锁期高达 1.887，远高于其他模型，表明其与抢劫的强相关性。盗窃犯罪中，H_AP同样表现出稳定显著的正效应（IRR=1.027-1.043，p<0.05），且 AIC 值始终最低。

研究结论表明，基于环境人口的种族异质性指数 H_AP在解释街头犯罪方面显著优于传统指标，尤其在疫情导致的非常规社会互动状态下，其动态捕捉人口流动和种族构成变化的能力更为关键。研究还发现，黑人在封锁期间流动性下降较少，可能与必要工作参与度高有关，这一群体在高 POI 区域的聚集导致封锁期 H_AP指数升高，进而与犯罪率形成关联。

该研究的意义在于：首次系统验证了环境人口种族异质性在不同封锁阶段对犯罪的影响，拓展了社会解体理论（Social Disorganization Theory）和日常活动理论（Routine Activity Theory）的应用场景；强调了动态人口数据在犯罪研究中的重要性，为公共安全政策制定提供了基于实时人口特征的新视角；揭示了疫情期间少数族裔面临的双重风险（高感染风险与高犯罪暴露风险），呼吁政策制定者在紧急状态下关注弱势群体的保护。研究结果对于理解后疫情时代的城市安全管理、优化资源配置具有重要参考价值。