年期间社区一级犯罪趋势的变化 芝加哥新冠肺炎疫情

变化01(a)经历统计意义上的袭击变化的社区-0.50.00.51.0 RCE(b)整个社区的袭击RCE图3在77个社区中）从统计意义上表明，与毒品相关的犯罪有所减少。大多数经历显著犯罪减少的社区是那些在政策前时期通常以高犯罪率为特征的社区（Schnell等人，2017)，它们聚集在西区、西南区和远东南区。77个社区中只有2个社区出现了增长，但没有一个是有意义的。变化01(a)社区在麻醉品方面经历统计意义的变化-1.0-0.50.00.5RCE(b)各社区的麻醉品RCE图4最后，图5强调了干预后对社区一级抢劫的影响。与入室盗窃类似，只有少数社区经历了明显的减少(n=10)；这些社区大多集中在北侧和中心区。此外，15个社区在抢劫方面呈上升趋势，尽管没有一个社区的RCE.SIG呈阳性。变化01(a)经历统计数字的社区抢劫案的显著变化–1.0–0.50.00.51.01.5RCE(b)各社区的抢劫案RCE图5图6至图9显示了每种犯罪的RCE分布，显示了显著值和非显著值的不同分布。这种不同的分布有助于进一步观察RCE的模式。首先，在直方图的极左和极右两个位置聚类了入室盗窃（图6）的意义，这表明了影响的幅度和意义之间的相关性。攻击中的极值并不总是信号（图7，尽管攻击中的信号变化往往集中在高值和低值附近。抢劫也是如此（图9)，尤其是毒品（图8）。抢劫和毒品也是没有发现明显增加的犯罪类型；它们的增加在统计上并不显著。非-显著显著-1 0 1 203 690369RCE-社区入室盗窃0.02.55.07.510.0计数图6:RCE分布（非显著显著-0.5 1.00.02.55.07.50.02.55.07.5 RCE-社区攻击0.02.55.07.5计数图7:RCE分布（非显著显著-1.0-0.5.012.5社区的RCE-麻醉品n 036912计数图8：RCE分布（非显著性与显著性）-麻醉品调查在减少犯罪中的相关性下表报告了每个维度的建模结果。正如方法小节所预期的，对于每个模型，因变量(CR)映射出给定犯罪类型的RCE中显著减少的存在。有鉴于此，显示正（和有意义）赔率比的变量与这种红色透明的存在正相关。对于每一种犯罪，表3显示了上面描述的与犯罪相关的相关因素的影响。在入室盗窃中出现明显的红色uction不是由任何包括的相关因素预测的；即使是2019年发生的入室盗窃率也与干预后时期的下降无关。相反，非显著显著-1 0 103 690369RCE-RobberyN的影响被发现0.02.55.07.510.0计算图9：RCE分布（非显著vs显著）-RobberiesTable 3：Firth对犯罪相关变量的逻辑回归模型（D.V.

是否“存在明显的犯罪减少”-CR=1)(1)入室盗窃SIG。减少或(SE)(2)袭击SIG。减少或(SE)(3)麻醉品SIG。减少或(SE)(4)抢劫SIG。减少或(SE)社区安全1.028（0.027）1.040*(0.024)0.928****(0.021)1.028（0.027）有警察站1.130（1.093）1.247（0.995）1.387（1.358）1.316（1.299）入室盗窃率2019年（每10K英寸）1.010（0.016）袭击率2019年（每10K英寸）1.008*(0.005)麻醉品率2019年（每10K英寸）1.006（0.005）抢劫率2019（每10K英寸）1.020*(0.011)拦截0.014*(0.036)0.007*(0.016)114.530***(234.024)0.008*(0.020)N 77 77 77 77chi2 1.073 3.355 16.826 3.257 p 0.783 0.340 0.001 0.354****在99.9%***在99%的情况下，**在9.5%的情况下，**在90%的其他犯罪情况下。20-19年的攻击率与干预后的攻击率呈正相关(OR=1.008,P<0.1)。盗窃案也存在同样的模式：2019年的盗窃案率越高，在引入公共服务后，盗窃案显著减少的可能性就越高(OR=1.020,p<0.1)。尽管从绝对值来看，这两个效应的大小似乎可以忽略不计，但考虑到芝加哥各社区袭击和入室盗窃的变化，它们是相关的。2019年的袭击率平均值为87.84，范围从最低14.01到最高297.37（圣德=69.19)。入室盗窃率也具有很高的变异性：平均为38.18，从最低的5.96到110.45（St.Dev.=23.84)。仅通过感知邻里安全可以成功地预测毒品相关犯罪的减少(OR=0.928,P<0.01)。具体而言，两者之间的关系是，在一个晚上，感知的安全性越高，减少毒品相关犯罪的几率就越低。这一发现可能与警务动态有关：警务决定将目标锁定在通常不太安全的社区，从而减少了在更安全的地区积极打击毒品活动的可能性。相反，更安全的社区更有可能减少袭击(OR=1.040,P<0.1)。这可能是因为社交距离和就地避难政策通过明智地减少街道上潜在受害者的数量，进一步减少了已经安全的社区发生袭击的机会。最后，社区内警察局的存在对犯罪教育没有任何显著影响。虽然OR的规模大部分是正面的（而且很高），除了入室盗窃，但统计关系不足以对警察局在干预后的时间框架内的威慑作用做出任何推断。表4侧重于社会经济变量。在入室盗窃的有效减少方面，发现了两个关系。首先，人口较多的社区更容易经历明显的减少。所有考虑的犯罪（入室盗窃=1.039,袭击OR=1.039,毒品OR=1.032,抢劫罪OR=1.056)都与犯罪显著减少呈正相关。事实上，对平均边际效应的计算表明，当平均社区人口增加1个单位（即增加1000名居民），而其他因素保持其平均值不变时，入室盗窃预计会减少3.8%(OR=1.039)。然而，考虑到芝加哥社区在人口方面是异质性的（最小为2254人，最大为10,0,470人，标准差为22,916.61），实际的e效应可能是相关的。

我们在常规活动理论的框架中解释人口的总体影响：更多的居民被迫在家提高了警惕性，减少了犯罪机会（Cohen and Felson，1979)。由于警察部门的数据是与其相关的邮政编码收集的，而且由于一个邮政编码属于芝加哥市的不止一个社区，如果一个社区在人口普查中至少有一个警察局，则该社区被标记为“haspolice”。例如，如果社区A和B共用邮政编码y，并且邮政编码y有一个警察局，那么A和B都被标记为“有警察”社区。表4：Firth的社会经济变量逻辑回归模型（D.V.是“显著减少犯罪的前提”-CR=1)(1)入室盗窃SIG.减少或(SE)(2)袭击SIG.减少或(SE)(3)麻醉品SIG.减少或(SE)(4)抢劫SIG.减少或(SE)拥挤的住房(%)1.204(0.148)0.923(0.146)1.140(0.135)0.755(0.175)空置的住房(%)0.967(0.099)0.905(0.102)1.318****(0.127)0.954(0.104)收入差距0.810*(0.094)1.446**(0.246)1.270***(0.133)0.744**(0.081)贫困率）1.083（0.055）0.976（0.061）总人口(\\1000)1.039**(0.016)1.039***(0.015)1.032**(0.014)1.056***(0.019)入室盗窃率20 19（每10K英寸）1.030（0.024）袭击率2019（每10K英寸）1.029**(0.013)毒品率2019（每10K英寸）1.003（0.006）抢劫率2019（每10K英寸）1.013（0.012）拦截3.10E+4(2.33E+5)0.000**(0.000)0.000*(0.000)4.35E+5(3.02E+6)N77 77 77 77CHI2 8.384 10.066 17.57 9 13.459 P0.211 0.122 0.007 0.036****符号99.9%,***符号99%,**符号9 5%,*符号90%相反，较高的磷含量与依赖变量呈负相关，这与以前关于低经济条件和犯罪影响的研究一致（Pare and Felson,2014）。如果居住在一个平均社区（平均值21.97）的居民比率增加1个百分点，入室盗窃案显著减少的预测概率就会减少12个百分点。4%(OR=0.833,P<0.05)。由于我们关注的是犯罪减少，我们最初的假设是随着住房拥挤程度的增加而减少犯罪。然而，与一般应变理论的理论前提相反，拥挤的住房与所考虑的任何变量都不相关，甚至与袭击无关。有效麻醉剂减少的几率增加了1倍。318倍的空置住房单位增量，与我们根据文献可能预期的相反(Spelman，1993)。这表明，保持家庭秩序和社交距离的建议阻止了人们在城市中四处走动，在无人看守建筑发生率高的社区犯罪。收入多样性表现出不同的影响。一方面，毒品的收入多样性与有效犯罪减少呈正相关(OR=1.270,P<0.05),而毒品的收入多样性与有效犯罪减少呈正相关(OR=1.446,P<0.05)。另一方面，收入差异的单位增加降低了目睹入室盗窃(OR=0.810,P<0.1)和抢劫(OR=0.744,P<0.05)显著减少的几率。这可能表明，在人类活动高度中断的情况下，社区的经济异质性结构为可口性和入室盗窃目标创造了条件。与这种模式相关的一个潜在因素可能是相对贫困，这反过来又与怨恨和沮丧有关(Agnew，1999；Wilkinson，2004)。表5:Firth的H ealth/人口变量的Logistic回归模型（D.V.

是“存在明显的碳雾减少”-CR=1)(1)入室盗窃SIG.减少或(SE)(2)袭击SIG.减少或(SE)(3)麻醉品SIG.减少或(SE)(4)抢劫SIG.减少或(SE)%>650.781**(0.087)1.008(0.074)0.863**(0.067)0.782**(0.091)%<180.932(0.063)0.862**(0.052)0.973(0.049)0.957(0.061)总体健康状况1.015(0.052)1.026(0.045)0.919**(0.035)1.178**(0.092)ln（Covid病例率）（每10K in）1.130（0.631）0.568（0.238）0.477*(0.206)0.633(0.335)入室盗窃率20 19（每10K英寸）1.019（0.018）袭击率2019（每10K英寸）1.010*(0.005)麻醉品率2019（每10K英寸）1.030****(0.011)抢劫率2019（每10K英寸）1.053****(0.016)拦截1.111(6.529)12.307(67.700)3.04e+5(1.54e+6)0.000(0.000)N77 77 77 77CHI2 5.657 11.877 12.83 7 13.096 P 0.341 0.037 0.025 0.022****符号99.9%,***符号99%,**符号9 5%,*符号90%关于人口统计学与健康相关的变量，异质关联eme RGE。首先，老年人的存在仅与入室盗窃案的显著减少有显著或负相关（表5）。具体而言，65岁或以上居民的比率每增加一个单位，入室盗窃案显著减少的可能性就减少21.9%。这符合这样一个假设，即窃贼的目标可能是老年人比例较高的地区，假设他们的监护能力或身体抵抗力较低。与此相一致的是，抢劫的减少也与社区中老年人的存在呈负相关(OR=0.782,P<0.05)。这进一步暗示罪犯可能决定明确针对抵抗力较弱的人群。相反，袭击与社区中青少年的流行率呈统计意义上的负相关。0.863的赔率比意味着，在计算平均边际效应之后，平均社区中18岁以下居民的比率（平均值22.5）为1%时，袭击事件显著减少的可能性降低了14.9%。这一发现可以与关于年龄结构对总犯罪水平影响的文献和生命过程犯罪学背景下的研究联系起来（Cohen andLand，198 7；Shavit和Ra ttner，1988；Sweeten等人，2 013)，但也与年轻人可能不太容易遵守遏制干预措施的事实联系起来（Moore等人，2020；Gowen等人，2020）。社区中新冠肺炎案件的流行并不影响四种犯罪类别中三种犯罪类别的显著犯罪减少，即有受害者的犯罪类别。唯一的例外是n a Rcotics；对数转化病例的单一增加与毒品犯罪的下降呈负相关(OR=0.477,P<0.1)。这种关系可能是由对同时适用于毒品消费和违反社会距离措施的正式规范的较低遵守所驱动的（Jacka等人，2020年；Dumas等人，2020)，这反过来又表现为新冠肺炎病例的高发病率和麻醉品的较低减少。总体健康状况变量衡量“报告其总体健康状况良好、非常好或极好的18岁及以上成年人的比例”，它只与麻醉品的减少有显著的负相关。具体来说，这一比例的单位增加导致与毒品有关的犯罪的统计显著减少8.1%。相反，就抢劫而言，这种关系相反：感知的he alth状态越高，干预后期间显著减少的可能性越高(OR=1.178,P<0。

05）.联合减少模型表明存在两个pai rwise关系，但没有观察到犯罪转移；犯罪减少之间的相关性是稳定的6：Firth对其他犯罪演变的Logistic回归模型（D.V.是“存在明显的犯罪减少”-CR=1)(1)入室盗窃SIG.减少或(SE)(2)袭击SIG.减少或(SE)(3)麻醉品SIG.减少或(SE)(4)抢劫SIG.减少或(SE)(SE)SIG。减少攻击0.978(0.768)3.024*(1.851)2.123(1.593)SIG。减少麻醉品1.958（1.958）2.984*(1.920)1.512（1.122）SIG。减少抢劫5.801**（4.417）2.046（1.528）1.413（1.323）签名。减少入室盗窃1.025（0.799）2.494（2.023）6.373**(4.971)入室盗窃率2019（每10K in.）0.987（0.018）袭击率2019（每10K in.）0.988（0.005）麻醉品率2019（每10K in.）1.024***(0.009)抢劫率2019（每10K in.）1.015***(0.008)拦截0.139***(0.098)0.193*****(0.095)0.204*****(0.092)0.039*****(0.029)n77 77 77 77chi2 6.721 4.916 11.385 9.889 p 0.151 0.296 0.023 0.042*****标识为99.9%，***标识为99%，**标识为9.5%，*标识为90%（表6）。在同一社区内，盗窃案减少的几率较高(OR=5.801,P<0.05)。同时，在盗窃案减少的社区，盗窃案显著减少的几率为6.373(P<0.05)。这表明，这两种犯罪共同存在于共同的潜在机会结构中。类似地，攻击的剂量减少与麻醉剂的剂量减少有关(OR=2.984,P<0.10)，麻醉剂的剂量减少与攻击的剂量减少有关(OR=3.024,P<0.10)。此外，在这种情况下，这意味着无论以前评估的单一决定因素/风险因素--对于不同的犯罪类型来说通常是不同的--还有其他动态，这些动态将这些犯罪类型对联系在一起。根据关于犯罪集中的文献，我们发现发布的COVID-19遏制政策以不同的方式影响了社区之间的犯罪。只有10个社区（占总数的12.98%）在干预后的随访期间经历了统计上有意义的下降。在攻击方面，18个社区（23.37%）经历了明显的减少。与毒品相关的犯罪是那些与其他犯罪相比明显下降的犯罪，有35个社区与统计下降有关（45.54%）。最后，只有10个社区（12.98%）的抢劫案显著减少。我们还发现了犯罪显著增加的案件。有两个社区发生了比预期更多的入室盗窃（分别增加了2 19%和168%）和一个社区经历了统计上显著增加的袭击(+115%)。由于实施遏制政策后，袭击的总数有所减少，森林格伦记录的增加可能与空间位移动态有关。与入室盗窃案增加有关的消解形式可能是两种；除了空间移居之外，还可能发生非法移居--即从住宅入室盗窃到非住宅入室盗窃。移位与犯罪行为的不同变化有关。虽然与住宅和非住宅入室盗窃有关的犯罪机会的差异可能会在居家期间重新考虑到更高或更低的监护，但犯罪环境中的其他模式需要用特别的经验策略来解决。

更一般地说，指向犯罪增加方向的证据--尽管局限于少数社区和少数犯罪--表明应该进行旨在解释它们的进一步研究。对于调查统计意义减少相关性的infe rential模型，出现了混合数据。2019年的袭击水平与同一参考犯罪类别的统计减少呈正相关。这同样适用于抢劫。这表明，以前此类犯罪水平较高的社区更多地受益于新冠肺炎的遏制政策，并与其他社区相类似。在感知邻里安全方面，发现了两种相反的关系。社区中较高的安全感知预示着袭击的显著减少，而麻醉剂则发现了相反的联系，可能是由于拓扑动力学。最后，在社区的ZIP Codes设立警察局并没有导致任何与犯罪教育的显著联系。从社会经济的角度来看，与商品及服务税的理论前提相反，没有发现居住在拥挤住房中的人的比率与袭击的统计减少呈负相关（Fre edman，1975；Booth et al.，1976；Agnew，1992)。同样令人惊讶的是，空置住房率与麻醉品的显著减少呈正相关。收入差异与毒品相关犯罪和袭击的减少呈正相关，但与入室盗窃和袭击的下降呈负相关。后一种结果可能与相对剥夺在经济上同质的社区中形成犯罪活动的作用有关（Blau and Blau，1982)。与此同时，贫困与入室盗窃的减少呈负相关，这表明绝对剥夺一般来说对犯罪有负面影响--尤其是在这种特殊情况下。居民人数是唯一一个与所有被考虑的感染类型呈正相关的变量，表明家庭中的居民人数越多，监护能力越高，发生感染的机会越低。首先，65岁以上的人所占比例越高，观察到入室盗窃在统计上显著减少的可能性就越小。这可能与这样一个事实有关，即窃贼更喜欢针对对其住所抵抗力和监护能力较弱的人，退休人员往往比年轻人在家里花更多的钱；因此，遏制政策可能会在老年人较多的社区带来微小的变化。此外，18岁以下的人数越多，袭击的水平就越高，这符合终身犯罪学的观点，也符合年轻人不容易遵守规则和限制的假设。新冠肺炎感染在社区的流行并没有对犯罪产生任何影响。自我感觉的健康状况与抢劫的减少有关，而毒品的减少与此相反。对这种动态的一个可能的解释是，对健康状况的更高感知可能与对行动限制令的更高遵守程度有关（Barari et al.，2020)。反过来，更高水平的遵守导致抢劫减少。相反，毒品消费可能通过更差的健康状况与较低的自知之明联系在一起(Neale，2004；Millson et al.，2004)。最后，我们发现了两个证据，证明了两种专有性质的犯罪类型的联合减少之间的两种成对关系：观察到入室盗窃的减少与观察到抢劫的减少的几率也有很强的联系，以及Viceversa。

此外，观察一个社区毒品的减少与观察袭击的减少以及反之亦然的可能性非常高。结论这项工作分析了入室盗窃、袭击、与毒品有关的犯罪和抢劫的社区趋势，以了解新冠肺炎遏制政策是否在同一城市的不同地区产生了不同的影响，以及与犯罪减少相关的主要背景相关性是什么。我们在常规活动理论（Cohen and Felson，1979)、犯罪模式理论（Brantingham and Brantingham，1984)和一般应变理论(Agnew，1992，1999)的背景下构建了我们的工作，但分析的社区层面的焦点来自犯罪集中的文献，这些文献表明犯罪在时间和空间上不是随机发生的（Shaw and McKay，1942；Freeman et al.，1996；Johnson，2010；Weisburd，2015)。关于我国的利益犯罪，常规活动理论和犯罪模式理论都指出，由于机会的大量减少，犯罪事件呈扩散性减少的方向（共同作用是精干的警卫人员的增加和极低的人员流动性）。另一方面，一般压力理论认为，负面刺激的存在--如与孤立、经济和经济不确定性相关的压力--以及由于呆在家里的政策而无法达到积极有价值的目标，可能会通过增加负面情绪反应导致犯罪，从而预测犯罪类型的确定性潜在峰值。由于这些命题支配着与犯罪有关的整体动态，我们假定这些理论可以解释由于芝加哥社区不同的犯罪、社会、经济、健康和人口背景，犯罪活动在多大程度上不同。事实上，该市某些地区的犯罪率有所下降，而其他地区则没有。这些减少对犯罪敏感，取决于社区的不同背景特征。尽管我们对新冠肺炎疫情和犯罪之间的关系提供了新的见解，但我们的工作也有一些局限性。首先，在实际犯罪和报告的犯罪之间存在着众所周知的差距。因此，在解释完全基于报道事件的推断结果时，谨慎是很重要的。此外，与实际犯罪之日相比，也可以晚些时候报告犯罪。我们在2020年6月6日收集了数据，三周前，2020年5月17日是我们时间框架的最后一天。然而，这无助于解决与长期迟交报告有关的问题。此外，关于犯罪和场所的文献一直表明，犯罪是微观层面的模式。这意味着，在地理层次上进行更详细的研究可能会揭示我们的分析未能发现和考虑的进一步机制和模式。社区范围内的分析已经消除了分歧的动态，但芝加哥的社区高度复杂、多方面和多样化，因此，更多的微观方法可能有助于强调进一步的动态。第三，我们只考虑了一小部分罪行和一些总的罪行（即入室盗窃不区分住宅和非住宅罪行）。鉴于我们提供的结果的异质性，我们预计许多复杂性的人会介入我们没有考虑到的所有其他犯罪。未来的工作应该增加这一点。尽管有这些限制，我们工作的许多结果表明，在疫情背景下，犯罪趋势在同一城市的不同地区和不同类型的犯罪中表现不一样。此外，我们还表明，有不同的因素与社区一级的犯罪减少有关。

这一发现提出了新的研究问题，并从apolicy的角度提供了相关的见解。影响的不均匀分布和规模，以及与绘制芝加哥每个社区背景的变量之间的统计联系，有助于为旨在预防和处理这种特殊情况下犯罪的公共政策和警察做法提供信息。这将是极其重要的，尤其是随着限制的放松，以及如果--以及当--另一波病毒爆发和政策重新引入时。代码和数据可用性代码和数据可在https://github.com/gcampede获得。欲了解更多信息，请联系相应的作者。资助作者没有收到任何目前工作的资助。竞争利益作者德克莱尔没有竞争利益。ReferencesAbrams,D.（2020）。COVID和犯罪：早期实证研究。SSRN ScholarlyPaper ID3674032，社会科学研究网络，Rochester，NY.Agnew,R.（1992）。犯罪学的一般应变理论基础。犯罪学，30(1):47-88.阿格纽出版社（1999）。犯罪率社区差异的一般应变理论。犯罪与犯罪研究杂志，36(2):123-155.Arnio,A.N.和Baume r,E.P.（2012）.人口统计学、止赎和犯罪：在现代邻里犯罪率模型中评估空间异质性。人口研究，26:449-486。出版商：Max-Planck-Gesellschaft zur Foerderung Derwissenschaften.Ashby,M.P.J.（20 20）。对美国冠状病毒与犯罪之间的关系进行了初步探讨。犯罪科学，9(1):6.Barari,S.,Caria,S.,Davola,a.,Falco,P.,Fetzer,T.,Fiorin,S.,Hensel,L.,Ivchenko,a.,Jachimowicz,J.,King,G.,Kraft-Todd,G.,Ledd a.,a.,M.,Mutoi,L.,Pagani,C.,Reutskaja,E.和Slepoi,F.R.（2020）。评估意大利新冠肺炎公共卫生信息：自我报告的依从性和日益增长的精神健康担忧。med Rxiv，第2020.03.27.20042820页。出版社：冷泉港实验室出版社，M.Bazargan(1994)。健康、环境和社会心理变量对城市黑人老年人犯罪恐惧及其后果的影响。国际衰老与发展杂志，38(2):99-115.出版社：SAGE Publications Inc.Blau,J.R.和B lau,P.M.(1982)。不平等的代价：都市结构与暴力犯罪。美国Soci ol ogical Review，47(1):114-129。出版商:[美国社会学协会，Sage出版公司].Booth,A.,Welch,S.和Johnson,D.R.(1976)。拥挤和城市犯罪率。城市事务评论，11(3):291-308。出版商：SAGE Publications Inc.Brantingham，P.J.和Brantingham，P.L.(1984)。犯罪模式。Macmillan.Brodersen,K.H.,Gallusser,F.,Koehler,J.,Remy,N.和Scott,S.L.（2015）。利用巴叶斯结构时间序列模型推断因果影响。应用统计年鉴，9:247-274。Burraston,B.，麦卡琴，J.C.和瓦茨，S.J.(2018)。美国相对剥夺和绝对剥夺与暴力犯罪的关系：检验收入不平等和劣势之间的相互作用效应。犯罪与犯罪，64(4):542-560。出版商：SAGE Publications Inc.Campedelli,G.M.,Aziani,A.和Favarin,S.（2020）。探索20 1 9nCoV遏制政策对犯罪的影响：洛杉矶的案例。ARXIV:2003年。11021[经济，经济，统计]。ARXIV:2003.11021.Chandola,T.（2001）。对犯罪的恐惧和健康的地区差异。健康与地方，7(2):105-116.芝加哥公共Hea lth(2016)。芝加哥总体健康状况-社区地区（2014-20 16健康C h icago调查）。数据。芝加哥公共卫生部（2018）。芝加哥邻里安全-社区地区（2016-20 18健康芝加哥调查）。数据。芝加哥公共部门（2020）。芝加哥新冠肺炎C ases、测试和邮政编码死亡。

数据。芝加哥警察局（2016）。警察局。芝加哥警察局（2020）。犯罪-2001年至今。DataSet.Cohen,L.E.和Felson,M.（1979）。社会变迁与犯罪率趋势：常规活动方法。美国社会学评论，44(4):588-608。出版商:[美国社会学协会，Sage出版公司].科恩，L.E.和La nd，K.C.(1987)。年龄结构与犯罪：对称性与非对称性及90年代犯罪率预测。《美国社会学评论》，52(2):170-183。出版商:[美国社会学协会，SagePublications,Inc.].柯文尼，J.(2015)。FirthLogit：Stata模块，用于计算LogisticRegress中的偏差减少。语言：电子出版物标题：统计软件组件。Damm,A.P.和Dustmann,C.(2014)。在犯罪率高的社区长大会影响青少年的犯罪行为吗？《美国经济评论》，104(6):1806-1832.Di Tella,R.和Schargrodsky,E.（2004）.警察能减少犯罪吗？使用恐怖袭击后的警力分配进行估计。《美国经济评论》，94(1):115-133。出版商：美国经济协会。Dumas，T.M.，Ellis,W.和Litt，D.M.(2020)。在新冠肺炎疫情期间，青少年药物是什么样子的？检查频率、社会背景和与流行病相关的前疾病患者的变化。青少年健康杂志，67(3):354-361.弗斯，d.(1993).最大似然估计的偏差减少。生物统计学，80(1):27-38。出版者:[牛津大学出版社，生物特征信托].弗朗戈，V.E.和舍本努，E.L.(1976)。贫穷、城市化和犯罪。犯罪学，14(3):331-346。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1745-9125.1976.TB00027.X.Fre edman,J.L.(1975)。拥挤和行为。拥挤和行为。W.H.弗里德曼，英国牛津。viii,177.Fre eman,S.,Grogger,J.,a nd Sonstelie,J.（1996）。犯罪的空间集中。城市经济学学报，4 0（2）：216-231。杰勒尔，卡德尔，金德格伦，J.（202）。新冠肺炎与克里米亚瑞典的小联系，一周随访。预印本，Socarxiv.Gibbs，J.P.和Erickson，M.L.(1976)。生态环境下的美国城市犯罪率。美国社会学杂志，82(3):605-620。出版商：芝加哥大学出版社，Glaeser,E.L.和Sacerdote,B.（199 9）。为什么城市犯罪更多？政治经济学杂志，107(S6):S225-S258。出版商：芝加哥大学出版社。，埃尔南德斯。R.和L.罗莎（2020）。美国《华盛顿邮报》，R.T.Guerette和Bowers，K.J.(2009)敦促年轻人在流行病恶化时更加认真地对待病毒。评估犯罪、转移和扩散的程度：对预防犯罪情况评价的审查*。Crimi nology，47(4):1331-1368。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1745-9125.2009.00177.X.Halford,E.,Dixon,A.,Farrell,G.,Malleson,N.和Tilley,N.（2020）。冠状病毒与犯罪：社交距离、封锁和犯罪的流动性弹性。预印本，Socarxiv.Harper,C.A.,Satchell,L.P.,Fido,D.和Latzman,R.D.（2020）。功能恐惧预测新冠肺炎疫情中的公共卫生依从性。《国际精神健康和成瘾杂志》，第1-14页，心脏地带联盟数据(2018a)。芝加哥：ged 17或以下的人-社区地区。数据集。心脏地带联盟数据(2018b)。芝加哥：65岁或以上的人--社区地区。DataSet.Heinze,G.和Schemper,M.（2002）。logistic回归中分离问题的一种解决方法。美第奇省统计，21(16):2409-2419._ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1002/sim.1047.Hipp，J.R.(2010)。居民对犯罪和混乱的看法：有多大的“偏见”，社会环境差异有多大？*。犯罪学，48(2):475-508。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.17459125.2010.00193.X.Hooghe,M.,Vanhoutte,B.,Hardyns,W.和Bircan,T.（2011）。

失业、不平等、贫困和犯罪：2001-2006年比利时犯罪行为的空间分布模式。英国犯罪学杂志，51(1):1-20。出版商：牛津学院。伊利诺伊公共卫生研究所（2020）。冠状病毒疾病2019（新冠肺炎）。技术报告，IIPH.Jacka,B.P.,Phipps,E.和Marshall,B.D.(2020)。药物使用与流行病：吸毒者中新型冠状病毒和侵入性细菌和病毒感染的风险趋同。国际药物政策杂志。Jarrell,S.和Howsen,R.M.（1990）。短暂的拥挤与犯罪:《美国经济与社会学杂志》，49(4):483-494。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1536-7150.1990.TB02476.X.Johnson,S.D.(2010)。犯罪集中分析简史。欧洲应用数学杂志，21(4-5):349-370。出版者：剑桥大学出版社。拉森，C.J.和加勒特，G.R.(1996)。犯罪，正义和社会。Altamira Pr,Wa ln utCreek,Calif,随后的edizione版本。莱斯利，E和威尔逊，R.（2020）。就地避难和家庭暴力：来自新冠肺炎期间服务呼吁的证据。SSRN学术论文ID3600646，社会学研究网络，罗切斯特，纽约。McKee，K.J.和Milner，C.(2000)。老年人的健康、对犯罪的恐惧和心理社会功能。健康心理学学报，5(4):4，73-486。出版商：SAGEPublications LTD.Merton，R.K.(1938)。社会结构与失范。《美国社会学评论》，3(5):672-682。出版商:[美国社会学协会，Sage出版公司]。Millson,P.E.Chall a combe,L.,Villeneuve,P.J.,Fischer,B.,Strike,C.J.,Myers,T.,Shore,R.,Hopkins,S.,Raftis,S.和Pearson,M.（2004）。加拿大阿片类药物使用者自我评价。加拿大公共卫生杂志，95(2):99-103.Mohler,G.Bertozzi,A.L.,Carter,J.,Short,M.B.,Sledge,D.,Tita,G.E.,Uchida,C.D.和Brantingham，P.J.(2020)。洛杉矶和印第安纳波利斯COVID19流行病期间的社交距离法案。《刑事司法学报》，68:101692.摩尔，R.C.，Lee,A.，Hancock,J.T.，Halley,M.和Linos,E.(2020)。美国新冠肺炎疫情早期社交距离的经验：对公共卫生信息的影响。MedRxiv，第2020.04.08.20057067页。出版商：ColdSpring Harbor Laboratory Press.Neale，J.(2004)。苏格兰吸毒者的健康测量。社区的健康与社会关怀，12(3):2，02-211。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1365-2524.2004.00489.X.Nemes,S.,Jonasson,J.M.,Genell,A.和Steineck,G.（2009）。基于logistic回归模型的优势比偏差与样本量。BMC医学研究方法学，9(1):56.Papachristos,A.V.(2013)。芝加哥犯罪48年：1965年至2013年严重犯罪趋势的描述性分析。Te chnical report，耶鲁大学。Papachristos,A.V.,Smith,C.M.,Scherer,M.L.和Fugiero,M.A.（2011）。莫雷科菲，少犯罪？芝加哥1991年至2005年人口与社区犯罪率之间的关系。城市与社区，10(3):215-240。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1540-6040.2011.01371.x.pare,p.-p.和费尔森（2014）。收入不平等、贫困和克里米亚。英国社会学杂志，65(3):434-458。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/1468-4446。12083.Patterson,E.B.（1991）。贫困、收入不平等和社区C rime率。犯罪学，29(4):755-776。_ePrint:https://onlinelibrary.wiley.com/doi/pdf/10.1111/J.1745-9125.1991.TB01087.X.Payne,J.和Morgan,A.（2 0 20a)。新冠肺炎暴力犯罪：澳大利亚昆士兰州2020年3月记录的犯罪率和动态预测的比较。开放科学中心技术代表ort g4kh7。出版物名称：Socarxiv.Payne,J.和Morgan,A.(2020b)。