2025年大學(xué)犯罪學(xué)專業(yè)題庫(kù)——犯罪學(xué)專業(yè)實(shí)踐中的數(shù)據(jù)分析技能考試時(shí)間：______分鐘總分：______分姓名：______一、請(qǐng)簡(jiǎn)述在犯罪學(xué)研究中進(jìn)行數(shù)據(jù)清洗的重要性，并列舉至少三種常見的數(shù)據(jù)清洗任務(wù)及其目的。二、假設(shè)一項(xiàng)研究旨在探究社區(qū)環(huán)境特征（如住房空置率、商業(yè)密度）與暴力犯罪率之間的關(guān)系。研究者收集了某城市20個(gè)社區(qū)過去一年的暴力犯罪案件數(shù)量和相應(yīng)的社區(qū)環(huán)境數(shù)據(jù)。請(qǐng)說明在這種情況下，使用散點(diǎn)圖進(jìn)行探索性數(shù)據(jù)分析的潛在作用，并解釋如何解讀該散點(diǎn)圖可能揭示的信息。三、某城市警察局希望評(píng)估其實(shí)施的“熱點(diǎn)警務(wù)”干預(yù)措施的效果。他們比較了干預(yù)措施實(shí)施前（6個(gè)月）和實(shí)施后（6個(gè)月）市中心某區(qū)域的盜竊案件數(shù)量。請(qǐng)?jiān)O(shè)計(jì)一個(gè)假設(shè)檢驗(yàn)方案，用于檢驗(yàn)“熱點(diǎn)警務(wù)”是否顯著降低了該區(qū)域的盜竊案件發(fā)生率。你需要說明零假設(shè)和備擇假設(shè)，以及計(jì)劃使用的統(tǒng)計(jì)檢驗(yàn)方法及其理由。四、在一項(xiàng)關(guān)于青少年犯罪影響因素的研究中，研究者收集了500名青少年的數(shù)據(jù)，包括是否有過犯罪記錄（二元變量，是/否）、家庭社會(huì)經(jīng)濟(jì)地位（定序變量，高/中/低）、父母監(jiān)督時(shí)間（連續(xù)變量）以及是否存在不良同伴交往（二元變量，是/否）。研究者使用邏輯回歸模型分析了家庭社會(huì)經(jīng)濟(jì)地位、父母監(jiān)督時(shí)間和不良同伴交往對(duì)青少年是否有犯罪記錄的影響。請(qǐng)解釋邏輯回歸模型中回歸系數(shù)的含義，并說明如何判斷某個(gè)因素是否是影響青少年犯罪記錄的顯著因素。五、研究者使用線性回歸模型分析了某地區(qū)居民區(qū)人口密度（連續(xù)變量）與每月發(fā)生的入室盜竊案件數(shù)量（連續(xù)變量）之間的關(guān)系，得到了回歸方程：盜竊案件數(shù)量=10+0.5*人口密度。請(qǐng)解釋回歸系數(shù)（0.5）的含義，并說明當(dāng)人口密度增加10個(gè)單位時(shí)，預(yù)計(jì)入室盜竊案件數(shù)量會(huì)發(fā)生什么變化？請(qǐng)討論在使用該回歸模型進(jìn)行預(yù)測(cè)時(shí)可能存在的局限性。六、某犯罪學(xué)者主張使用地理信息系統(tǒng)（GIS）技術(shù)來識(shí)別犯罪熱點(diǎn)區(qū)域，并據(jù)此部署警務(wù)資源。請(qǐng)闡述使用GIS分析犯罪數(shù)據(jù)的主要優(yōu)勢(shì)，并列舉至少兩種在犯罪學(xué)研究中可以應(yīng)用GIS技術(shù)的具體情境。七、你是一名犯罪數(shù)據(jù)分析師，負(fù)責(zé)為某市警察局提供關(guān)于搶劫案件預(yù)防的建議。你分析了過去三年該市所有搶劫案件的數(shù)據(jù)，包括發(fā)生時(shí)間、地點(diǎn)、涉及人數(shù)、是否使用武器等信息。請(qǐng)描述你會(huì)如何利用這些數(shù)據(jù)分析結(jié)果來提出具體的、可操作的搶劫案件預(yù)防建議，并說明你的分析思路。八、比較和contrast（比較和對(duì)比）線性回歸分析和邏輯回歸分析在犯罪學(xué)研究中的應(yīng)用場(chǎng)景。在哪些類型的犯罪學(xué)問題研究中，使用邏輯回歸比線性回歸更合適？請(qǐng)說明理由。試卷答案一、數(shù)據(jù)清洗是數(shù)據(jù)分析過程中至關(guān)重要的一步，它旨在修正或刪除數(shù)據(jù)集中含有的錯(cuò)誤、不完整或不一致的信息，以確保數(shù)據(jù)的質(zhì)量，從而提高后續(xù)分析結(jié)果的準(zhǔn)確性和可靠性。常見的數(shù)據(jù)清洗任務(wù)包括：1.處理缺失值：缺失數(shù)據(jù)可能由于各種原因產(chǎn)生。處理方法包括刪除含有缺失值的觀測(cè)（行刪失），或使用均值、中位數(shù)、眾數(shù)、回歸填充、多重插補(bǔ)等方法估算缺失值，以減少缺失對(duì)分析結(jié)果的偏差。2.處理異常值/離群點(diǎn)：異常值是與其他數(shù)據(jù)點(diǎn)顯著不同的值，可能源于測(cè)量錯(cuò)誤、錄入錯(cuò)誤或真實(shí)存在的小概率事件。識(shí)別方法包括箱線圖、Z分?jǐn)?shù)、IQR（四分位距）等。處理方法可能包括刪除、轉(zhuǎn)換（如對(duì)數(shù)轉(zhuǎn)換）、或?qū)⑵湟暈樘厥忸悇e處理，需根據(jù)具體情況和研究目的決定。3.處理重復(fù)值：數(shù)據(jù)集中可能存在重復(fù)記錄，這會(huì)夸大統(tǒng)計(jì)量。識(shí)別重復(fù)值后，通常應(yīng)刪除重復(fù)記錄，只保留一個(gè)代表性記錄。4.數(shù)據(jù)類型轉(zhuǎn)換：確保每個(gè)變量的數(shù)據(jù)類型正確（如數(shù)值型、分類型）。例如，將表示類別的文本標(biāo)簽轉(zhuǎn)換為數(shù)值代碼（如虛擬變量），或?qū)㈠e(cuò)誤的數(shù)值類型（如文本格式的數(shù)字）更正為正確的數(shù)值類型。5.統(tǒng)一格式和標(biāo)準(zhǔn)化：確保相同含義的變量在不同地方使用一致的編碼或標(biāo)簽（如“男性”和“M”應(yīng)統(tǒng)一）。對(duì)數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化（如Z分?jǐn)?shù)轉(zhuǎn)換）或歸一化，使其具有可比性。二、散點(diǎn)圖是一種用于探索兩個(gè)連續(xù)變量之間關(guān)系的可視化工具。在探究社區(qū)環(huán)境特征與暴力犯罪率關(guān)系的研究中，使用散點(diǎn)圖進(jìn)行探索性數(shù)據(jù)分析的潛在作用如下：1.可視化關(guān)系形態(tài)：散點(diǎn)圖可以直觀地展示暴力犯罪率與每個(gè)社區(qū)環(huán)境特征（如住房空置率、商業(yè)密度）之間的關(guān)系形態(tài)。例如，是否存在正相關(guān)（散點(diǎn)向上傾斜）、負(fù)相關(guān)（散點(diǎn)向下傾斜）、不相關(guān)（散點(diǎn)隨機(jī)分布）或非線性關(guān)系（散點(diǎn)呈曲線模式）。2.評(píng)估關(guān)系強(qiáng)度：通過觀察散點(diǎn)的密集程度，可以初步判斷兩個(gè)變量之間關(guān)系的強(qiáng)度。散點(diǎn)越集中，關(guān)系可能越強(qiáng)；散點(diǎn)越分散，關(guān)系可能越弱。3.識(shí)別異常值：散點(diǎn)圖有助于識(shí)別數(shù)據(jù)中的異常值，即那些與其他觀測(cè)點(diǎn)顯著不同的數(shù)據(jù)點(diǎn)。這些異常值可能代表特殊案例，也可能提示數(shù)據(jù)記錄或處理錯(cuò)誤，需要進(jìn)一步調(diào)查。4.發(fā)現(xiàn)潛在分組：有時(shí)散點(diǎn)圖可能顯示數(shù)據(jù)點(diǎn)并非隨機(jī)分布，而是形成不同的集群，這可能暗示存在未被研究考慮的其他潛在影響因素。解讀散點(diǎn)圖可能揭示的信息：如果暴力犯罪率與住房空置率呈正相關(guān)，且散點(diǎn)較為集中，則可能表明住房空置率較高的社區(qū)暴力犯罪率也相對(duì)較高。如果與商業(yè)密度呈負(fù)相關(guān)，則可能暗示商業(yè)活動(dòng)更頻繁的社區(qū)暴力犯罪率較低。如果散點(diǎn)圖顯示關(guān)系不明顯或呈曲線形態(tài)，則表明兩者之間可能不存在簡(jiǎn)單的線性關(guān)系，需要進(jìn)一步使用統(tǒng)計(jì)方法檢驗(yàn)。三、假設(shè)檢驗(yàn)方案如下：1.研究問題：檢驗(yàn)“熱點(diǎn)警務(wù)”是否顯著降低了市中心某區(qū)域的盜竊案件發(fā)生率。2.變量定義：*因變量：該區(qū)域盜竊案件數(shù)量（連續(xù)變量，但在此比較中可視為計(jì)數(shù)數(shù)據(jù)）。*自變量：時(shí)間（定類變量，分為“干預(yù)前”和“干預(yù)后”）。3.零假設(shè)(H?)：干預(yù)后（T?）該區(qū)域的盜竊案件發(fā)生率等于或低于干預(yù)前（T?），即T?≤T?（或T?-T?≤0）。沒有顯著差異。4.備擇假設(shè)(H?)：干預(yù)后（T?）該區(qū)域的盜竊案件發(fā)生率顯著低于干預(yù)前（T?），即T?<T?（或T?-T?<0）。存在顯著降低。5.統(tǒng)計(jì)檢驗(yàn)方法：考慮到數(shù)據(jù)是計(jì)數(shù)（或近似計(jì)數(shù)）且涉及兩個(gè)時(shí)間點(diǎn)（前后對(duì)比），可以使用配對(duì)樣本W(wǎng)ilcoxon符號(hào)秩檢驗(yàn)（如果數(shù)據(jù)不滿足正態(tài)分布假設(shè)）或配對(duì)樣本t檢驗(yàn)（如果數(shù)據(jù)滿足正態(tài)分布和方差齊性假設(shè)）。Wilcoxon符號(hào)秩檢驗(yàn)是更穩(wěn)健的選擇，對(duì)數(shù)據(jù)分布要求較低。6.檢驗(yàn)步驟：*收集干預(yù)前6個(gè)月和干預(yù)后6個(gè)月的盜竊案件數(shù)量。*計(jì)算每個(gè)社區(qū)（或時(shí)間段，如果數(shù)據(jù)聚合到時(shí)間段）前后數(shù)量的差值。*根據(jù)差值的正負(fù)和大小排序，計(jì)算秩次。*計(jì)算檢驗(yàn)統(tǒng)計(jì)量（如W統(tǒng)計(jì)量）和對(duì)應(yīng)的p值。7.決策規(guī)則：比較p值與預(yù)設(shè)的顯著性水平（α，通常為0.05）。如果p值≤α，則拒絕零假設(shè)，認(rèn)為有統(tǒng)計(jì)證據(jù)支持“熱點(diǎn)警務(wù)”顯著降低了盜竊案件發(fā)生率；如果p值>α，則不能拒絕零假設(shè)，認(rèn)為沒有足夠證據(jù)表明盜竊案件發(fā)生率有顯著降低。四、1.邏輯回歸模型中回歸系數(shù)的含義：邏輯回歸用于預(yù)測(cè)二元結(jié)果（如0或1，否或是）的概率。其回歸系數(shù)（β）表示自變量（如家庭社會(huì)經(jīng)濟(jì)地位、父母監(jiān)督時(shí)間、不良同伴交往）每變化一個(gè)單位，對(duì)應(yīng)的事件發(fā)生概率（或其對(duì)數(shù)轉(zhuǎn)換后的值，即log-odds）變化的幅度。系數(shù)的符號(hào)（正或負(fù)）表示該自變量與事件發(fā)生概率之間是正相關(guān)還是負(fù)相關(guān)。例如，家庭社會(huì)經(jīng)濟(jì)地位的系數(shù)為負(fù)，意味著社會(huì)經(jīng)濟(jì)地位越低，發(fā)生犯罪記錄的概率（對(duì)數(shù)）越低，或者說，社會(huì)經(jīng)濟(jì)地位越低，發(fā)生犯罪記錄的概率越高。2.判斷顯著因素：在邏輯回歸分析結(jié)果中，通常通過Wald檢驗(yàn)或Z分?jǐn)?shù)來判斷某個(gè)自變量是否是影響因變量（是否有犯罪記錄）的顯著因素。計(jì)算每個(gè)回歸系數(shù)的Z分?jǐn)?shù)，其對(duì)應(yīng)的p值（通常基于雙尾檢驗(yàn)）就是該系數(shù)的顯著性水平。如果某個(gè)自變量對(duì)應(yīng)的p值小于預(yù)設(shè)的顯著性水平（如0.05），則認(rèn)為該自變量對(duì)因變量有顯著的預(yù)測(cè)作用，是影響青少年犯罪記錄的顯著因素。此外，系數(shù)的置信區(qū)間是否包含0也能提供判斷依據(jù)：如果不包含0，則該變量是顯著的。五、1.回歸系數(shù)（0.5）的含義：該回歸系數(shù)（0.5）表示在控制其他可能的影響因素（如果模型中包含其他自變量）的情況下，當(dāng)居民區(qū)人口密度每增加一個(gè)單位時(shí)，預(yù)計(jì)每月發(fā)生的入室盜竊案件數(shù)量將增加0.5起。2.預(yù)計(jì)變化：當(dāng)人口密度增加10個(gè)單位時(shí)，預(yù)計(jì)入室盜竊案件數(shù)量將增加0.5*10=5起。這意味著在其他條件不變的情況下，人口密度每增加10個(gè)單位，盜竊案件數(shù)量預(yù)計(jì)會(huì)多5起。3.局限性：使用該線性回歸模型進(jìn)行預(yù)測(cè)時(shí)可能存在的局限性包括：*線性假設(shè)：模型假設(shè)人口密度與盜竊案件數(shù)量之間存在線性關(guān)系。如果實(shí)際情況是非線性的（例如，在人口密度很低和很高時(shí)關(guān)系較弱，而在中等密度時(shí)關(guān)系最強(qiáng)），線性模型可能無(wú)法準(zhǔn)確預(yù)測(cè)。*遺漏變量偏誤：模型可能遺漏了其他影響盜竊案件數(shù)量的重要因素，如社區(qū)貧困率、警察巡邏強(qiáng)度、房屋結(jié)構(gòu)安全、居民警惕性等。這些遺漏變量的存在可能導(dǎo)致人口密度與盜竊案件數(shù)量之間的相關(guān)性被高估或低估，使得模型預(yù)測(cè)不準(zhǔn)確。*因果關(guān)系：模型顯示的是相關(guān)性，而非必然的因果關(guān)系。高人口密度本身不一定會(huì)導(dǎo)致更多盜竊案，可能同時(shí)存在其他因素（如經(jīng)濟(jì)機(jī)會(huì)、社會(huì)控制減弱）同時(shí)影響人口密度和犯罪率。*外推能力有限：使用模型預(yù)測(cè)超出原始數(shù)據(jù)范圍的人口密度值時(shí)，預(yù)測(cè)結(jié)果的可靠性會(huì)降低。*數(shù)據(jù)適用性：模型基于特定地區(qū)的數(shù)據(jù)，將其應(yīng)用于其他文化、經(jīng)濟(jì)或地理差異顯著的地區(qū)時(shí)，效果可能不佳。六、使用地理信息系統(tǒng)（GIS）技術(shù)分析犯罪數(shù)據(jù)的主要優(yōu)勢(shì)包括：1.空間可視化：GIS能夠?qū)⒎缸飻?shù)據(jù)（如發(fā)案點(diǎn)、犯罪熱點(diǎn)區(qū)域）疊加在地理地圖上，直觀展示犯罪的地理分布模式、聚集性、空間關(guān)聯(lián)性，幫助研究者快速識(shí)別高發(fā)區(qū)域、犯罪地帶（Criminalsense）和空間格局。2.空間分析能力：GIS提供了一系列空間分析工具，可以進(jìn)行緩沖區(qū)分析（評(píng)估鄰近效應(yīng)，如學(xué)校周邊犯罪）、Thiessen多邊形分析（劃分責(zé)任區(qū)）、網(wǎng)絡(luò)分析（規(guī)劃巡邏路線、資源分配）等，揭示犯罪與空間環(huán)境要素（如距離警察局、便利店密度、公園）的關(guān)系。3.支持犯罪制圖（Criminology）：GIS是犯罪制圖的標(biāo)準(zhǔn)工具，可用于繪制各種犯罪地圖（如熱點(diǎn)圖、熱圈圖、散點(diǎn)圖），量化犯罪空間分布特征，為犯罪模式分析提供基礎(chǔ)。4.數(shù)據(jù)整合與管理：GIS能夠整合不同來源、不同類型的地理和非地理數(shù)據(jù)（如人口普查數(shù)據(jù)、土地使用數(shù)據(jù)、道路數(shù)據(jù)、犯罪記錄），為綜合分析犯罪問題提供更全面的信息基礎(chǔ)。在犯罪學(xué)研究中可以應(yīng)用GIS技術(shù)的具體情境舉例：1.犯罪熱點(diǎn)識(shí)別與警務(wù)部署：分析歷史犯罪數(shù)據(jù)，識(shí)別空間上高度聚集的犯罪熱點(diǎn)區(qū)域，為警力巡邏部署和預(yù)防干預(yù)提供依據(jù)。2.犯罪與環(huán)境關(guān)系研究：分析犯罪率與特定環(huán)境特征（如空置建筑、交通節(jié)點(diǎn)、夜間照明不足區(qū)域）的空間關(guān)系，探究環(huán)境因素對(duì)犯罪發(fā)生的影響。3.犯罪預(yù)測(cè)模型支持：在地理空間數(shù)據(jù)基礎(chǔ)上構(gòu)建預(yù)測(cè)模型（如地理加權(quán)回歸），預(yù)測(cè)未來犯罪發(fā)生的時(shí)空概率。4.犯罪統(tǒng)計(jì)與報(bào)告：制作包含空間信息的犯罪統(tǒng)計(jì)地圖和報(bào)告，更直觀地向公眾或決策者展示犯罪分布情況。5.應(yīng)急響應(yīng)與事件制圖：在大型活動(dòng)或突發(fā)事件中，利用GIS追蹤事件發(fā)展、管理資源、規(guī)劃疏散路線。七、作為犯罪數(shù)據(jù)分析師，為某市警察局提供關(guān)于搶劫案件預(yù)防的建議，我會(huì)采取以下步驟利用數(shù)據(jù)分析結(jié)果：1.深入分析搶劫案件數(shù)據(jù)：首先，我會(huì)對(duì)過去三年所有搶劫案件的數(shù)據(jù)進(jìn)行詳細(xì)分析，不僅僅是簡(jiǎn)單的描述性統(tǒng)計(jì)。我會(huì)關(guān)注：*時(shí)空分布：搶劫案件在哪些地區(qū)（按行政區(qū)劃分）、哪些時(shí)間段（按小時(shí)、星期幾、月份）高發(fā)？是否存在明顯的熱點(diǎn)區(qū)域和時(shí)間模式？*案件類型與手法：主要發(fā)生在什么場(chǎng)所（如商場(chǎng)、銀行、街道）？使用武器的比例如何？是入室搶劫還是持械搶劫？*作案者特征（如果數(shù)據(jù)允許）：作案者的性別、年齡范圍、是否結(jié)伙作案？*與其他犯罪的關(guān)系：搶劫案件與其他類型犯罪（如盜竊、暴力犯罪）的發(fā)生是否存在空間或時(shí)間上的關(guān)聯(lián)？2.識(shí)別關(guān)鍵風(fēng)險(xiǎn)因素：基于分析結(jié)果，識(shí)別出與搶劫案件發(fā)生顯著相關(guān)的關(guān)鍵風(fēng)險(xiǎn)因素。例如，發(fā)現(xiàn)特定類型的商場(chǎng)在夜間是搶劫熱點(diǎn)；或發(fā)現(xiàn)特定街道在黃昏時(shí)段易發(fā)持械搶劫。3.提出具體、可操作的建議：基于識(shí)別出的風(fēng)險(xiǎn)因素，提出針對(duì)性的預(yù)防建議：*針對(duì)時(shí)空熱點(diǎn)：*警力部署：建議在識(shí)別出的高發(fā)區(qū)域、高發(fā)時(shí)間段增加巡邏密度，實(shí)施定點(diǎn)防控或動(dòng)態(tài)調(diào)整警力。*預(yù)防宣傳：在高發(fā)區(qū)域周邊加強(qiáng)防盜、防搶宣傳，提高公眾警惕性，尤其是在高風(fēng)險(xiǎn)時(shí)間和地點(diǎn)。*針對(duì)場(chǎng)所和手法：*場(chǎng)所管理：建議與高發(fā)場(chǎng)所（如銀行、商場(chǎng)）合作，加強(qiáng)內(nèi)部安保措施，如安裝監(jiān)控、改進(jìn)照明、優(yōu)化出入口管理、培訓(xùn)員工應(yīng)對(duì)搶劫流程。*技術(shù)防范：推廣使用防搶報(bào)警裝置、ATM機(jī)防護(hù)技術(shù)等。*針對(duì)作案者（間接措施）：*社會(huì)干預(yù)：如果數(shù)據(jù)顯示作案者具有某些共同背景（如失業(yè)、精神問題），建議與相關(guān)部門（如勞動(dòng)保障、民政、衛(wèi)生）合作，提供社會(huì)支持或心理輔導(dǎo)。*跨部門協(xié)作：建議加強(qiáng)警民合作，鼓勵(lì)群眾舉報(bào)可疑情況；與其他部門（如市場(chǎng)監(jiān)管、交通管理）協(xié)作，共同營(yíng)造安全環(huán)境。4.建議的評(píng)估與迭代：建議中會(huì)包含對(duì)預(yù)期效果的評(píng)估，并提出后續(xù)需要監(jiān)測(cè)的指標(biāo)（如建議實(shí)施后，相關(guān)區(qū)域或時(shí)段的搶劫案件發(fā)案率變化）。同時(shí)強(qiáng)調(diào)這是一個(gè)持續(xù)的過程，需要根據(jù)實(shí)際效果和新的數(shù)據(jù)分析結(jié)果不斷調(diào)整和優(yōu)化預(yù)防策略。八、線性回歸分析(LinearRegression)和邏輯回歸分析(LogisticRegression)在犯罪學(xué)研究中的應(yīng)用場(chǎng)景比較和對(duì)比：*線性回歸：*應(yīng)用場(chǎng)景：用于預(yù)測(cè)一個(gè)連續(xù)性因變量。在犯罪學(xué)中，可用于預(yù)測(cè)連續(xù)的犯罪率（如每千人盜竊案發(fā)數(shù)）、犯罪損失金額、犯罪發(fā)生所需的平均時(shí)間、個(gè)體犯罪頻率（需謹(jǐn)慎使用）、或測(cè)量某個(gè)因素對(duì)犯罪數(shù)量的影響程度和方向。*假設(shè)：通常假設(shè)因變量服從正態(tài)分布、誤差項(xiàng)獨(dú)立同分布、線性關(guān)系、且滿足同方差性。*輸出：預(yù)測(cè)值是連續(xù)的，回歸系數(shù)表示自變量