从图表9可以看出居民消费指数具有一定的波动性，总体上呈上升趋势，在2007年达到最大值约1.05。该图反映出近11年来，人们的生活成本整体增大，导致生活压力的不断提高，社会不稳定程度增大，进而有可能影响犯罪率。
图表 9 居民消费指数时间趋势图
居民消费指数居民消费指数1.061.041.0210.980.960.9419992000200120022003200420052006200720082009
（四）各变量统计性质
本文选取的各变量的预期符号及其统计性质分别整理如下表10、表11所示。
图表 10 各变量预期符号及说明
自变量 离婚率 贫富差距 人口密度 失业率 人均GDP 破案率 CPI 预期符号 + + + + - - + + 说明 离婚率越高，社会不整合程度越高，则犯罪行为会增加 社会贫富差距越大，不公平感越大，犯罪行为增加 人口密度大，凝聚力降低，自我意识增强，犯罪意识增加 失业率高时，社会不稳定因素增加，犯罪行为增加 人均GDP越高，整体生活水平越高，犯罪行为会减少 破案率越高，威慑力越大，犯罪者被逮捕的概率增大，犯罪行为减少 CPI越高，居民购买力下降，导致生活水平下降，犯罪率增加 男女比例失衡也将导致社会的不稳定，犯罪率增加
性别比例
图表 11 各变量的统计性质
变量
PD
定义 人口密度 男女比例 离婚率 失业率 破案率 人均GDP 居民消费指数 城乡收入差距 犯罪率
平均值 标准最小值 最大 861.81差42.668 1.029 1 0.0110.0058 8 0.0010.0216 9 0.0390.3482 7 0.1022.1647 5 0.9731.0163 2 0.0227070.53 2407.5 101.759 11.820 35 810 1.01
值 934 1.04
G
DV UP DT GDP CPI
0.0038 0.0080.0072 9 0.1410.2110 4 0.4791.1416 0 3.9510.9830 0 1.0524315 79.2383 0 11530 115.2575 W
C
三、模型的建立
本文采用基于最小二乘法的线性回归模型进行分析，模型1建立如下：
lnC????1*lnPD??2*G??3*DV??4*UP??5*DT??6*GDP??7*CPI??8*lnW??
应用多元统计软件SPSS中的回归模块进行拟合，得到如下结果：
R方的值为0.993，F值为33.915，P值为0.029，模型拟合程度较好，残差与因变量之间呈现随机关系，故模型1是有效的。
模型1的残差图及回归系数等指标如下图12、图13所示。
图表 12 模型1的回归标准化残差散点图
图表 13 模型1的回归系数
从上述模型1的回归结果中发现，各个变量对犯罪率对影响与预期基本吻合。从下面的散点图又可看出，对数人口密度、离婚率、男女比例和居民消费指数与对数犯罪率之间没有明显的趋势性，与图表12中sig指标相符合。因此，我们拟剔除上述几个变量，再对余下的变量进行回归分析。
图表 14 4个变量与犯罪率的散点图
模型2，剔除对数人口密度对数人口密度、离婚率、男女比例和居民消费指数之后，进行回归。模型如下：
lnC????1*UP??2*DT??3*GDP??4*lnW??
用SPSS进行回归，得到如下结果：
R方的值为0.986，F值为103.794，P值为0.000，模型拟合的很好。
图表 15 模型2的回归系数
从上图可以看出，各变量对犯罪率具有显著影响，且均符合预期。
四、结果分析
本文从实际生活中提取了8个可能对犯罪率有直接影响的因素，建立了模型1，旨在验证我们的想法，并且同时得到这8个因素对犯罪率的影响程度。如若应用SPSS软件对原始把数据直接进行基于最小二乘法的回归，得到的结果与预期差距巨大，并且不符合实际情况。因此，我们先对数据进行适当的转换，比如对人口密度、人均GDP、犯罪率取自然对数，使其既不丢失数据的原始信息，又能很好的发掘各因素与犯罪率之间的内在联系。
从模型1的输出结果来看，模型是有效的，并且整个模型的拟合程度较好，但是，人口密度、离婚率、男女比例、居民消费指数与犯罪率不显著相关，与预期猜测有出入。
因此，我们建立模型2，去除上述变量，进行新的回归分析，发现整个模型的拟合程度非常好，各因素对犯罪率在0.001水平上显著相关。在模型2的四个因素中，城乡收入差距和失业率对犯罪率的系数为正值，其中城乡收入差距的标准系数为2.858，失业率的标准系数为0.660，说明这两个因素指标的上升会对犯罪率有正影响，并且城乡居民收入差距影响较大。人均GDP和破案率对犯罪率的系数为负值，其中人均GDP的标准系数为-2.717，破案率的标准系数为-0.497，说明这两个因素指标的上升会对犯罪率有负影响，并且人均GDP影响较大。