年期间社区一级犯罪趋势的变化 芝加哥新冠肺炎疫情

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
最近利用城市级别时间序列的研究表明，在新冠肺炎遏制政策出台后，世界各地的几起犯罪有所下降。利用芝加哥社区一级的数据，这项工作旨在促进我们对公共干预如何在更细的空间尺度上影响犯罪活动的理解。该分析依赖于一个两步的方法。首先，它通过四个犯罪类别（即入室盗窃、袭击、与毒品有关的犯罪和抢劫）的结构性贝叶斯时间序列，估计了芝加哥采取的社交距离和就地避难所政策在社区范围内的因果影响。一旦模型检测到趋势变化的方向、幅度和意义，Firth的Logistic回归被用来调查与在分析的第一步中发现的统计上显著的犯罪减少相关的因素。统计结果首先表明，犯罪趋势的变化因社区和犯罪类型而异。这表明，除了总体模型的结果之外，还有一幅以不同模式为特征的复杂图景。第二，回归模型提供了与显著减少犯罪有关的相关因素的混合结果：几种关系在犯罪方面具有相反的方向，人口是唯一与显著减少犯罪稳定和正相关的因素。
---
英文标题：
《Disentangling Community-level Changes in Crime Trends During the
  COVID-19 Pandemic in Chicago》
---
作者：
Gian Maria Campedelli, Serena Favarin, Alberto Aziani, Alex R. Piquero
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--

---
英文摘要：
  Recent studies exploiting city-level time series have shown that, around the world, several crimes declined after COVID-19 containment policies have been put in place. Using data at the community-level in Chicago, this work aims to advance our understanding on how public interventions affected criminal activities at a finer spatial scale. The analysis relies on a two-step methodology. First, it estimates the community-wise causal impact of social distancing and shelter-in-place policies adopted in Chicago via Structural Bayesian Time-Series across four crime categories (i.e., burglary, assault, narcotics-related offenses, and robbery). Once the models detected the direction, magnitude and significance of the trend changes, Firth\'s Logistic Regression is used to investigate the factors associated to the statistically significant crime reduction found in the first step of the analyses. Statistical results first show that changes in crime trends differ across communities and crime types. This suggests that beyond the results of aggregate models lies a complex picture characterized by diverging patterns. Second, regression models provide mixed findings regarding the correlates associated with significant crime reduction: several relations have opposite directions across crimes with population being the only factor that is stably and positively associated with significant crime reduction.
---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：芝加哥 Quantitative Contribution epidemiology significance

在芝加哥爆发的COVID-19疫情期间，社区一级犯罪趋势的变化在犯罪科学中得到了澄清:https://crimesciencejournal.biomedcentral.com/articles/10.1186/s40163-020-00131-8*gian Maria Campedelli,1Serena Favarin2,3Alberto Aziani2,3Alex R.Piquero4,5t相应作者:Gianmaria.campedelli@unitn.it社会学和社会研究部-特伦托大学，特伦托（意大利）政治和社会科学部-卡托利卡·德尔·萨克罗大学，米兰（意大利）跨犯罪-跨国犯罪联合研究中心，米兰（意大利）Al Gables,佛罗里达（美利坚合众国）Monash大学，墨尔本，维多利亚（澳大利亚）最近利用城市时间序列进行的研究表明，在新冠肺炎遏制政策出台后，世界各地的几起犯罪有所下降。利用芝加哥社区一级的数据，本报告旨在促进我们对公共干预如何在更广阔的空间范围内影响犯罪活动的理解。该分析依赖于一种双S tep方法。首先，它通过四个犯罪类别（即入室盗窃、袭击、与毒品相关的犯罪和抢劫）的结构性贝叶斯时间序列，估计了芝加哥采取的社交距离和就地避难政策在社区范围内的因果影响。一旦模型检测到趋势变化的方向、幅度和意义，Firth的Logistic回归被用来调查分析步骤中发现的与犯罪减少相关的因素。统计结果显示，犯罪趋势的变化因社区和犯罪类型而异。这是集合模型liesa复数图的结果，其特征是发散的patt Erns。第二，回归模型提供了关于与显著减少犯罪相关的混合预测：几种关系在犯罪之间具有o沉积方向，人口是与显著减少犯罪稳定和显著相关的唯一因素。关键词：冠状病毒；结构贝叶斯时间序列；社区；新型冠状病毒；大流行病；犯罪趋势*请引用:Campedelli,G.M.,Favarin,S.,Aziani,A.和Piquero,A.R.（2020）。芝加哥新冠肺炎疫情期间社区层面犯罪趋势的变化。犯罪学，9(1)，1-18。DOI:https://doi.org/10.1186/s40163-020-00131-81新冠肺炎病毒的爆发和传播影响了几乎每个大陆和数百万人。随着病毒从新亚、欧洲、美国以及中美洲和南美洲传播，这种病毒不仅感染、患病和死亡了数十人，而且还影响了生活在经历过广泛感染的每个国家的人的生活。特别是，根据公共卫生的要求，几乎每个国家的公民都受到社交距离措施、居家政策、就地避难所的限制，许多人被迫一次呆在家里一个多月，以遏制病毒的传播。由于这些政策处方，一系列广泛的研究问题可能会出现。为了目前的目的，我们侧重于与遏制新冠肺炎病毒传播相关的各种政策可能在多大程度上影响了犯罪活动的频率和模式。我们对这个领域的兴趣并不新鲜，因为许多人已经开始研究这些问题。与此同时，大多数研究都使用了犯罪数据的时间序列。

这些研究无疑是有用的，因为它们有助于审查政策被置于大单位分析中之前和之后的犯罪变化（阿什比，2020年；艾布拉姆斯，2020年；坎佩德利等人，2020年；莱斯利和威尔逊，2020年；莫勒等人，2020年；皮克罗等人，明；佩恩e t al.，明；佩恩和摩根，2020a；哈尔福德等人，2020年；杰勒尔等人，2020年）。然而，这些研究都无法区分犯罪趋势变化的空间中观特征。目前的研究正是关注这一问题。在此，我们使用芝加哥77个社区的数据来检查每日趋势是否与crosscrimes和社区以及哪些因素与犯罪减少相关。在我们展示研究结果之前，我们提供了一些背景材料，以便为我们的工作和具体分析奠定基础。背景新冠肺炎在伊利诺伊州和芝加哥在几个月的时间里，新冠肺炎疫情大规模袭击了世界大多数地区。除了它在世界各地的有害影响之外，美国还经历了病毒的急剧传播，目前是因该疾病而感染病例和死亡人数最多的国家。截至8月底，伊利诺伊州COVID-19全国范围内的COVID-19病例数排名第六（超过22.3万例），死亡人数近8000人。仅库克县，包括芝加哥市，占登记感染的主要部分，就报告了超过12.1万例COV-19病例--约占总人口的2.3%--5000多人死亡--约占致死率的4.15%（伊利诺伊州公共卫生研究所，2020年）。芝加哥代表了本次调查的研究地点。2020年2月至3月初，新冠肺炎病毒的传播迫使伊利诺伊州州长普利茨克托宣布灾难公告（即紧急状态），并随后发布限制性干预措施，以遏制病毒的传播。这些措施，如学校关闭，是在3月13日实施的，但正是在3月15日的一系列干预措施下，州政府开始了一系列旨在加强公民之间社交距离的升级措施，如关闭酒吧和餐馆，取消所有涉及50人或更多人的集会。3月20日，州政府还发布了居家令，关闭了所有非必要的业务。居家令最初必须实施到4月7日，但最终在整个伊利诺伊州延长到4月30日，其次延长到5月29日。相关工作全球新冠肺炎紧急情况对个人间的互动和个人日常活动，以及经济和政治议程等集体现象造成了前所未有的变化。犯罪是新冠肺炎影响的广泛社会现象之一。有鉴于此，犯罪学家已经开始探索病毒--或者更正确地说，病毒和政府发布的政策一起--是否以及如何改变了犯罪活动的频率。作品主要分析了美国各城市的趋势，利用了各种不同的定量方法（Mohler et al.，2020；Campedelli et al.，2020；Ashby，2020；Leslie and Wilson，2020；Piquero et al.，ming)。不同背景下的统计结果各不相同，某些犯罪表现出不同程度的下降，而其他犯罪保持不变。早期的工作还研究了澳大利亚（Payne et al.，Ming；Payne and Morgan,2020a，b)和欧洲的政策后果，特别是在英国（Halford et al.，2020)和瑞典（Gerell et al.，2020)。虽然这些研究的研究和政策重要性对于解决这一流行病引起的新问题至关重要，但需要进一步努力理解犯罪趋势变化背后的中观模式。

十年来关于犯罪和犯罪的研究表明，犯罪不是在空间和时间上随机发生的（Fre eman et al.，1996；Johnson，2010；Weisburd，2015)。根据环境的社会、经济、人口和生态特征，事件按特定模式分类（Merton,193 8；Shaw and McKay,1942；Gibbsand Erickson,1976；Blau and Blau,1982；Sampson and Lauritsen,1994；Papa christoset al.,2011；Damm and Dustmann,2014；Weisburd,2015）。这种差异的存在为试图确定COVID-19疫情对犯罪现象的影响开辟了新的调查途径。据此，目前的研究试图解开芝加哥社区的中观动力学，试图测试犯罪趋势的变化在各个领域是否一致和相似，最终，探索与日常犯罪计数中实际存在的统计意义减少相关的相关性。理论框架为了促进对COVID19对犯罪的后果的认识以及对芝加哥犯罪的空间和时间模式的研究，我们在常规活动理论的理论前提下构建了我们的工作（Cohenand Felson，1979)、犯罪行为理论（Brantingham and Brantingham,1984）和一般紧张理论（Agnew,1992）,从犯罪集中的文献出发，提出了我们的分析框架。常规活动理论和犯罪模式理论概述了个体层次活动的相互作用和特征引导着犯罪和受害的时空聚集。因此，学者们对审查新冠肺炎病毒的传播所产生的人类日常习惯是否导致了犯罪行为的相应变化感兴趣。常规活动理论和犯罪模式理论指向一般犯罪减少的方向，特别是对于盗窃、抢劫、入室盗窃和杀人，而一般应变理论则指向不同的方向。在行动自由受限、社会孤立加剧、社会痛苦、与上述遏制政策有关的不确定性和经济反弹风险的情况下，个人可能受到负面估计（例如，压力），这可能导致他们经历一系列负面情绪，如果不加以控制，可能导致犯罪。有鉴于此，虽然互动和流动的减少会在短期内影响犯罪，但长期在家可能会在中长期引发某些类型的犯罪激增。尽管流行病背景代表了一种前所未有的情况，但我们假设犯罪变化在社区之间的分布并不平等。一个城市--一个由几个社会、经济、环境层面组成的复杂系统--内部所能观察到的潜在差异因此与关于犯罪集中的文献密切相关（Shaw and McKay，1942；Freeman et al.，1996；Johnson，2010)。因此，虽然常规活动理论、犯罪模式理论和一般压力理论在描绘总体宏观动态方面至关重要，但关于犯罪空间集中的文献开辟了进一步的研究路线，对更好地理解芝加哥发生的中观趋势至关重要。目前的工作地理和犯罪焦点目前的工作集中在芝加哥的77个社区。本研究的目的在于。首先，分析后新冠肺炎遏制政策时期是否存在社区层面的差异。其次，调查有意义的犯罪减少与四组相关因素之间的统计关联。

这些地图分别涉及（1）每个社区与犯罪有关的特征，(2)社会经济条件，(3)与健康和人口有关的信息，以及（4）跨犯罪区联合成对减少的情况。集中于减少犯罪而不是改变犯罪的原因主要有两个。首先，以前的研究强调，除了少数重要的例外--例如家庭暴力（Piquero et al.，ming)--犯罪减少是新冠肺炎遏制政策对犯罪的普遍溢出效应（Ashby,2020；Campedelli et al.，2020；Mohleret al.，202；Payne et al.，ming)。目前的研究旨在更好地研究这一相关动态。其次，登记犯罪数量增加的社区人数可能很少，加上分析单位的相对较少，这可能会导致任何估计的偏差。芝加哥社区区是由芝加哥大学社会科学研究委员会在20世纪20年代创建的，自最初创建以来几乎从未改变，除了1956年奥黑尔被吞并和1980年埃奇沃特从厄普顿分离。芝加哥在77个社区中的分部主要负责服务，组织服务交付，并在该区域内提出规划战略和政策。每个社区区域可以包括一个或多个街区。虽然存在其他地理划分，但社区之间界限的明确区分及其在时间上的稳定存在促进了大多数芝加哥统计数据在社区一级产生的过程。我们的分析将侧重于四种犯罪类型：入室盗窃、袭击、与毒品有关的犯罪和抢劫。在选择这四个关键字的背后，有三套关键字。首先，通过新冠肺炎对犯罪影响的研究，对这些犯罪（除毒品外）进行了分析。我们的研究将提供对犯罪类型的进一步洞察力，这些类型只在总体水平上进行了调查。第二，这些犯罪类别在性质上是不同的，因此我们不仅要观察时空层次上的差异，而且要观察犯罪方面的差异。例如，入室盗窃是专用的，本身并不是强制性的“物理”。相反，袭击、抢劫和大多数与毒品有关的犯罪需要个人之间的相互作用。此外，抢劫和袭击大多以一定程度的暴力为特征。此外，虽然入室盗窃和抢劫罪是专有犯罪，但袭击具有相当表现力的性质，通常出于不同的目的或原因。最后，与毒品有关的犯罪与非法服务的提供有关，而非法服务可由复杂的犯罪市场加以管制。与此同时，毒品也与警务活动有关。由于这些特点，麻醉品允许分析反新冠肺炎措施可能产生的额外动态。第三，从2018年1月1日到2020年5月17日，这四个犯罪类别总共占芝加哥犯罪数据库登记的122,000多起报告犯罪，从而确保了进行可靠分析的犯罪数量。方法这项工作依赖于两步方法。在第四部分，我们评估了芝加哥社会距离的影响，特别是通过使用贝叶斯结构时间序列（Brodersen et al.，2015)，重点关注该市所有77个城市社区的入室盗窃、袭击、与毒品相关的犯罪和抢劫，部分复制了加州议员edelli et al提出的方法。（2020年）。在贝叶斯模型的背景下，我们关注每个克里米亚社区新冠肺炎遏制政策的相对累积效应(RCE)的分布、方向和意义。

RCE捕捉了干预后时期（从3月16日到5月17日）发生的实际犯罪数量与模拟模型计算的在没有任何干预的情况下我们预计的犯罪数量之间的相对差异（而不是crudecount）。该方法的这一部分允许理解犯罪趋势的变化（无论是积极的还是消极的）存在，以及它们在芝加哥社区的分布情况。这些模型在R（R Core Team，2013)中编码，并使用CausalImpact包（Brodersen et al.，2015)执行。在第二个pa rt中，我们将分析的对象转移到检测到的统计意义上的犯罪减少。出于这个原因，我们创建了一个变量--“犯罪减少”(CR)--映射统计意义上的犯罪减少的实际存在。如果相对累积效应小于0,则CR等于1；如果相关p值小于0.05,则取0值；否则:CR=:(1[RCE<0][P-val(RCE)≤0.05]0,则四种犯罪类型之和占原始数据中所有登记犯罪的20%以上。一旦每个社区的每种犯罪都计算出变量，则进行四组回归分析，以评估社区水平上观察到的犯罪趋势的相关性。Firth的Logistic R egression(Firth,1993）是处理特别小样本（77个观察，即芝加哥社区）的最适应的统计策略，即在我们的设置中，犯罪趋势明显下降的社区数量不均衡（Heinze and Schemper，2002；Nemes et al.，2009)。Firth回归的目的是减少在使用小样本和很好分离的普通logistic回归时通常产生的偏差，并特别使用惩罚似然估计而不是最大似然估计。有限数量的观察不可能估计具有大量协变量的模型，因此我们不得不进行不同的理论驱动的分析，以探索在intere st的每个维度（例如，贫困在社会经济维度中的影响）中所选择的预测因素的影响。这样的ap p roach虽然是由samp l e的结构性质所强迫的，但也有局限性。首先，它增加了遗漏相关信息的可能性，并增加了获得虚假关系的风险。其次，这使得在模型之间比较效果大小变得不可行。虽然我们承认估计分离出的模型代表了研究的一个固有的局限性，但我们试图通过理论上激励我们的预测因子的加入和通过节省以避免过度投资来限制获得有偏见结果的风险。此外，我们不仅使用了2019年入室盗窃、袭击、毒品和抢劫的比率作为犯罪相关模型的主要预测因素：我们还将它们作为控制因素纳入了其他三个维度。将它们作为对照，我们提供了更有力的证据来证明我们的因变量与犯罪相关协变量之间的潜在关系。回归模型是在Stata(SataCorp，2015)中使用FIRTHLOGIT(Coveney，2015)包执行的，使用DataSeveral数据源进行分析。首先，primarydataset是从芝加哥数据门户收集的，最初包括从2001年1月1日到现在发生在芝加哥市的所有报告的犯罪事件（谋杀除外）。

为了本文的目的，在时间上选择了犯罪类型的子集，列出了2018年1月1日至2020年5月17日发生的所有入室盗窃、袭击、与毒品有关的犯罪和抢劫。在我们的分析中，我们决定使用c rime委员会的日期，而不是犯罪报告的日期，因为我们希望在犯罪发生时--而不是在犯罪报告时--更好地估计这样一个时间框架，以帮助确保模型捕捉长期动态，包括月度和季度季节性。事实上，关注于过短时间框架的分析面临着错过已经存在的存在的风险，这些存在源于中期或长期的过去。从ChicagoData门户中提取的犯罪总数为122,421起（按社区分列的描述性统计数据见表1，汇总的每日趋势见图1）被考虑犯罪的描述性统计（按社区）犯罪类别Obs（总体）最小最大平均中位数圣德夫。入室盗窃24,068 22 1,174 312.57 249 242.74袭击47,197 41 2,937 612.95 410 544.53麻醉品31,044 2 4,539 403.16 127 820.05抢劫20,216 2 1,645 262.54 180 277.20在分析的第二部分，从贝叶斯模型中获得的结果用于了解哪些因素与ofRCE的显著减少有关，特别是将CR作为感兴趣的目标变量进行分析。正如预期的那样，四种不同类别的相关因素被考虑：与犯罪有关的层面、社会经济层面、健康-人口统计模糊和所谓的联合红色Uction维度。这些维度中的每一个都由几个变量组成，这些变量被假设与给定社区中存在（或不存在）统计意义上的犯罪联系在一起。所考虑的变数及其来源载于表2。与罪案有关的情况与罪案有关的方面包括2019年每个社区的爆窃、袭击、毒品和抢劫率。纳入这些变量背后的理由在于需要了解犯罪减少是否意味着犯罪趋势的每日变化。为了避免因报告晚而可能产生的偏见，我们在2020年6月6日收集了数据，也就是2020年5月17日之后的三周，这是我们时间框架中的最后一天。由于数据集是基于芝加哥警察局公民执法分析和报告(CLEAR)系统记录的数据，每个犯罪的编码都遵循伊利诺伊州统一犯罪报告代码：因此，所提到的四种犯罪中的每一种都包括一系列具体规定。IUCR代码0610、0650、0620、0630；assa ult包括0560、0520、0558、051A、0530、0554、0545、0555、0550、0553、0557、051B、0552、0551、0556。麻醉品具体包括2022年、2027年、2093年、2024年、2028年、1811年、1812年、1821年、2014年、2034年、18年22、2092年、2017年、2026年、2013年、2021年、2023年、2090年、2031年、2170年、2091年、2016年、2012年、2018年、2110年、2020年、2025年、20 70年、2011年、2015年、2029年、2032年、2033年、1840年、1850年、2160年、2 050年、2094年、20 19年、2030年、2095年、2040年、2010年、2080年。最后，抢劫罪包括032 5,0320,0312,0330,031A,033A,03 26,0334,0331,0340,0313,031B,0337,033B。有关IUC R代码的完整列表，请参见https://data.cityofchicago.org/public-safety/chicago-police-department-illinois-uniform-crime-r/C7CK-438E/data 2040602018-01 2018-07 2019-01 2019-07 2020-01入室盗窃日数(a)入室盗窃204060802018-01 2018-07 2019-01 2019-07 2020-01袭击日数(b)袭击02040602018-01 2018-07 2019-01 2019-07 2020-01麻醉品-相关犯罪日数(c)麻醉品10203040502018-01 2018-07 2019-01 2019-07 2020-01抢劫日数(d)抢劫日数图1：每宗犯罪的每日计数（整个城市）--虚线表示芝加哥开始实施围堵政策的日期（2020年3月16日）是由宾夕法尼亚州的犯罪率驱动的。

从理论的角度来看，有必要理解最明显的积极影响（即犯罪红色）是否是在没有犯罪活动封锁前水平的情况下观察到的，或者相反，是否存在突出犯罪高发地区经历的更大好处的模式。此外，一项绘制邻里安全地图的措施旨在调查个人自我感知如何在封锁期间发生的犯罪变化中重新受到影响。事实上，邻里安全是健康芝加哥调查（由芝加哥公共卫生部提供）中的一项测量，该调查估计了18岁及以上的成年人在给定社区的所有时间和大部分时间都感到安全的比例。对该比率进行加权，以再现从中抽取样本的总体。根据我们对犯罪率的推理，我们感兴趣的是核实被认为不太安全的社区是否从新冠肺炎遏制政策中受益更多。最后，该维度还控制了社区内警察局的存在，以促进现有的关于警察存在影响的辩论，表2：维度、变量和来源的描述维度变量来源时间-spancrimerelated入室盗窃率(10k)芝加哥警察局(2020)2019袭击率(10k)芝加哥警察局(2020)2019麻醉品率(10k)芝加哥警察局(2020)2019抢劫率(10k)芝加哥警察局(2020)2019邻里安全芝加哥公共卫生部（2018）2 016-2 018有警察Cogo警察局(2016)2016社会经济人口/1000U.S。C ensus(2016)2012-2016《收入差距》C恩苏斯(2018a)2014-2018拥挤住房率美国C恩苏斯(2015a)2012-2016空置住房率美国C恩苏斯(2015b)2012-2016贫困率C ensus(2018b)2018健康人口%65岁+心脏地带A lliance数据(2018b)2018%<18岁的人心脏地带A lliance数据(2018A)2018总体健康状况芝加哥公共卫生部（2016）2 016-2 018新冠肺炎病例率（芝加哥公共卫生部，2020年）2020JointReductionBurglary SIG。减少芝加哥警察局（2020年）2018-2020年袭击签署。减少芝加哥警察局（2020年）2018-2020年麻醉品签署。芝加哥警察局（2020年）2018-2020年抢劫签名。减少芝加哥警察局(2020)2018-2020《犯罪趋势》(Wilson and Boland，1978；Di Tel la and Schargrodsky，2004；Ratcliffe andBreen，2011)。关于社会经济层面，分析了相关因素。首先考察了减少犯罪与居民人数的关系。经济学和经济学文献广泛研究了城市和非城市/农村背景之间的犯罪差异，城市背景的特征要素之一是居民的数量（和数量）较高。城市化与犯罪活动密切相关（Flango and Sherbenou,1976；Larson and Garrett,1996；Glaeser and Sacerdote,1999）,但在流行病驱动封锁的背景下，与城市生活动态方面有关的犯罪机会（如短暂拥挤，seeJarrell and Howsen(1990))可能会持续减少，从而削弱城市化和人口在推动犯罪活动中的作用。此外，根据常规活动理论（Cohen a nd Felson，1979)，人口稠密的地区可能已经发展了更高水平的正式和非正式监护和控制，从而进一步最大限度地减少了犯罪机会。其次和第三，收入多样性和贫困被考虑在内。社区一级的收入不平等和贫困可能与地位和货币紧张的经历有关，这反过来又可能导致愤怒和沮丧(Agnew，1999)。

研究已经超越了相对剥夺和绝对剥夺的界限，调查了这两个概念之间的相互作用，发现了通常因分析单元（例如，国家、区域、城市、社区）和犯罪类型而异的混合体（Patterson,1991；Hooghe et al.，2011；Pare an d Felson,2014；Burraston et al.，2018)。鉴于收入不平等和贫困之间的复杂关系，本研究将测试我们是否可以确定两者与希加戈社区显著减少犯罪之间的联系。第四个因素是拥挤的住房率。庇护场所的强制条件要求仔细考虑拥挤住房率，将其作为犯罪的潜在额外风险因素。一种在恶劣的社会条件下被迫同居的情况，在这种情况下，积极的价值目标变得难以实现，积极的刺激被抑制，而消极的刺激，如压力和贫困，被引入，这在一般紧张理论的框架内(Agnew，1992)。最后，模型中还考虑了住房率的变化。以前的研究已经注意到被遗弃的建筑和场所对犯罪的吸引力(Vigil，1988；Spelman，1993)：在被迫减少流动性和移动自由的背景下，空房和被遗弃的建筑甚至可能对社区内的犯罪活动具有更大的重要性。与健康相关的和人口学条件社会科学家长期以来一直就年龄结构对犯罪的影响进行辩论，并从时间和地理分布的角度进行研究（Cohen and Land，1987；Phillips，2006；Arnio and Baumer，2012)。因此，考虑了控制65岁以上人口百分比和青少年（18岁以下人口）百分比的变量。以老年人较高的l水平为标志的社区出现了潜在的动态。随着强制监护的全面增加，每个人都被强迫居住，例如，罪犯可能会以老年人居住的房屋为目标，假设监护和抵抗的类型较弱。第三个变量是指社区的总体状况。这一变量反映了在社区范围内报告其总体健康状况为良好、非常好或优秀的成年人（18岁及以上）的估计率，并对测量结果进行了加权，以重新反映样本抽取的人口结构。科学领域的科学家一直对测量健康状况和对犯罪的恐惧如何相互作用感兴趣(Bazargan，199 4；McKee a nd Milner，2000；Chandola，2001)。尽管实际和感知的犯罪水平往往不同（Weatherburn等人，1996年；Pfeiffer等人，2005年；希普，2010年），了解社区是否，平均而言，疫情前的感知状态水平与犯罪的显著减少有关。最后，一个变量e x压下社区中新冠肺炎感染者的比率，用于调查勒氏传染病较高的地区是否也与较高（也是有意义的）犯罪减少模式有关。更高的病例流行率可能会导致社区内更高的恐惧水平。对新冠肺炎的恐惧，经验证明（Harper et al.，2020)，在加强顺从行为方面有积极作用，包括社交距离和个人卫生，并因此可能通过影响非罪犯和罪犯的日常行动间接减少犯罪。其他犯罪的演变最后，第四个维度测试一种犯罪的显著减少是否与另一种犯罪的减少正相关。

关于犯罪遏制政策的研究表明，除了干预对犯罪活动的直接影响之外，还可能产生一些间接后果，包括各种类型的替代机制（Reppetto,1976；Guerette and Bowers,2009；Ratcliffe andBreen,2011）。具体地说，在同一环境中，一个特定地区的一种犯罪类型的减少可能伴随着其他犯罪类型的增加。在封锁的特殊背景下，由于犯罪机会的分散减少，我们可能会预计不同的犯罪会遵循常规。或者，我们支持由机会减少和压力增加同时引发的向更有表现力的犯罪的转变。结果社区层面的犯罪贝叶斯模型总体而言，分析的第四部分强调，新冠肺炎遏制政策的影响在地理分布、影响程度、意义和芝加哥社区的流行程度方面是不同的。下面的地图显示了每种犯罪的每日趋势（顶部子数据）和累积RCE的幅度（底部子数据）的显著变化。我们更喜欢使用感染者的比率而不是de ad的比率，因为与COVID-19相关的死亡通常是由卫生保健系统发现的。医院和地方政府并不总是测试死于新冠肺炎症状的人，所以我们决定在分析中使用既定的感染人数。关于每日病例、死亡和住院的数据可在这里获得（包括地址信息）:https://Data.cityofchicago.org/health-humanservices/COVID-cases-tests-and-deaths-by-zip-code/yhhz-zm2v/Data。图2是对全社区入室盗窃的分析。很容易注意到，绝大多数社区没有经历任何显著的变化（即红色社区）。下图显示了每个社区的RCE值的分布（较浅的颜色与强负的RC E值有关--即犯罪减少--而较深的颜色与较高的正相关--即犯罪增加）。底部地图表明，有相关的社区份额(n=12)经历了增加，甚至达到CRE=2.19（即，与Bayesianmodel产生的没有发布干预措施的反事实情景估计的预测累积犯罪数量相比，增加了219%)，尽管这些增加中只有2个是有意义的。犯罪显著增加的两个社区是位于南区的道格拉斯和海德公园。在导致入室盗窃相反趋势的社会结构因素中，住宅和非住宅建筑的不同分布可能会发挥作用，因为新冠肺炎的遏制政策可能会在不同程度上影响居住和非住宅入室盗窃(Ashby，2020)。变化01(a)经历统计意义的入室盗窃变化的社区–1012 RCE(b)跨社区的入室盗窃RCE图2图3评估袭击的变化和RCE分布。与入室盗窃相比，更多的社区经历了显著的变化，尽管在较小的RCE范围内（最低的RCE=-0.75)。这些社区主要集中在中部、西南部和南部地区。值得注意的是，文献表明，前两个地区通常与高至非常高的犯罪率有关（Papachristos,2013；Schnell et al.，2017)。9个社区的RC E呈阳性，但只有1个社区具有显著效应，ANRCE=1.15。总体而言，几乎每个社区都经历了阴性RCE：45.54%（35SIG）。