重访破窗理论
机器学习
2025-09-23 v1
摘要
我们重新审视了城市景观中的物理结构如何影响犯罪这一长期存在的问题。利用基于机器学习的匹配技术来控制人口构成，我们估计了纽约市和芝加哥几种城市结构类型对暴力犯罪发生率的影响。我们还通过单独分析物理城市景观如何塑造主观安全感，为记录犯罪感知与实际犯罪率之间关系的日益增长的文献做出了贡献。我们的结果是双重的。首先，与先前工作一致，我们证明了一种“破窗”效应，即废弃建筑作为社会失序的标志，与更高的犯罪发生率和更强的危险感知相关。对于吸引人流的城市结构类型，如公共交通基础设施，情况也是如此。其次，这些效应在城市之间或城市内部并非均匀一致。同一结构类型在两个城市中的犯罪诱发效应在幅度、空间局部化程度以及跨子群的异质性方面均有所不同，而在同一城市内，不同结构类型的影响受到不同人口统计学变量的混淆。综上所述，这些结果强调，一刀切的减少犯罪方法是行不通的，政策干预必须针对其目标进行专门定制。
引用
@article{arxiv.2509.16490,
title = {Revisiting Broken Windows Theory},
author = {Ziyao Cui and Erick Jiang and Nicholas Sortisio and Haiyan Wang and Eric Chen and Cynthia Rudin},
journal= {arXiv preprint arXiv:2509.16490},
year = {2025}
}