Logistic回归模型与Probit模型及其在刑事作案人员分析中的应用

Logistic回归模型与Probit模型是现代统计学前沿提供的两种统计方法。根据对犯罪人员和未犯罪人员的观察,建立对应的两种模型,可分析有关制约因素,研究这些因素发生变化时,犯罪的机率将如何变化,还可以根据某人的具体情况估计此人作案的机率。     

最优组合预测方法及其在犯罪预测中的应用

一、引言 在犯罪预测中,我们往往利用多种预测方法来建立预测模型,方法不同所得到的模型也不相同,不同的模型都能从一定程度上提供不同的有用信息。为了综合利用这些信息,我们可以采用组合预测模型。组合预测的关键是确定加权系数。本文以组合预测误差的平方和为目标函数。通过使预测误差平方和最小化来确定加权系数。并通过实例来说明最优组合预测方法在犯罪预测中的应用。     

灰色系统模型及其在犯罪预测中的应用

本文简要地介绍了一个实用的灰色系统预测模型GM(1,1)和推理过程。并运用该模型对全国的杀人案案件数,抢劫案案件数进行了预测,为公安系统认识和分析犯罪现象,从另一个侧面,提供较可靠的依据。     

自回归模型在犯罪预测中的应用

本文根据犯罪作用的机理,把犯罪现象看作是随机过程中的马尔柯夫过程。犯罪在各个年份中所产生的规模和水平,即立案数据,视为随机过程的一个实现,即随机过程的一个样本。为此提出了马尔柯夫过程的预测模型──自回归(AR)模型,作为犯罪的预测模型。本文介绍了自回归模型的形式,建立、识别、检验和怎样用于预测。自回归模型一旦确立,计算简单,并且能包含近期的诱发和控制犯罪的因素,预测结果较为准确。     

多元统计中的因子分析法及其在犯罪研究中的应用

根据<中国现阶段犯罪问题研究>(四川省分卷)中的各种职业人员在不同时期的犯罪率统计资料,运用因子分析法,建立因子分析模型,提取少数几个公因子.同时依据犯罪学原理和<四川社会统计资料>中的统计数据对上述公因子作出解释,得出诱发犯罪的更深层次的因素.并且,通过因子分析法所建立的因子得分模型,对不同时期的犯罪情况进行了评价.     

青少年违法犯罪的多元统计分析

根据"武汉市同龄群青少年违法犯罪纵向跟踪调查报告"所提供的青少年违法犯罪与12个因素之间关系的调查数据,对青少年违法犯罪和这12个因素之间进行了品质相关分析,且从中选出品质相关系数最大的四个因素建立线性统计(Logistic回归)模型,并引入调整发生比率AOR,详细分析了模型中的4个因素对青少年违法犯罪的影响程度。