EN中文

热带地理 >

2022 , Vol. 42 >Issue 9: 1475 - 1487

DOI: https://doi.org/10.13284/j.cnki.rddl.003545

本土探索与国际启示

美国失踪人口的时空格局演变与影响机制

  • 林喆 , 1 ,
  • 李钢 , 2, 4 ,
  • 周俊俊 2, 4 ,
  • 石金龙 2, 3, 4 ,
  • 徐锋 2, 4 ,
  • 王莺莺 2, 4
展开
  • 1. 中国科学院大学 中丹学院，北京 100049
  • 2. 西北大学，城市与环境学院，西安 710127
  • 3. 西北大学，体育教研部，西安 710127
  • 4. 西北大学，陕西省地表系统与环境承载力重点实验室，西安 710127
李钢（1979—），男，四川成都人，教授，博士生导师，主要研究方向为人地关系与空间安全、灾害地理与犯罪地理、时空大数据与数字人文，（E-mail）。

林喆（1999—），女，辽宁大连人，硕士研究生，主要研究方向为经济地理学、世界地理、管理科学，（E-mail）；

收稿日期: 2022-06-07

  修回日期: 2022-06-30

  网络出版日期: 2022-10-07

基金资助

国家自然科学基金项目(41871144)

教育部人文社会科学研究规划基金(16YJAZH028)

西北大学“人地关系与空间安全”特色优势团队建设项目(2019)

收起

Spatiotemporal Evolution and Formation Mechanism of Missing-Person Incidents in the United States

  • Zhe Lin , 1 ,
  • Gang Li , 2, 4 ,
  • Junjun Zhou 2, 4 ,
  • Jinlong Shi 2, 3, 4 ,
  • Feng Xu 2, 4 ,
  • Yingying Wang 2, 4
Expand
  • 1. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 100049, China
  • 2. College of Urban and Environmental Sciences, Northwest University, Xi'an 710127, China
  • 3. Department of Physical Education, Northwest University, Xi'an 710127, China
  • 4. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi'an 710127, China

Received date: 2022-06-07

  Revised date: 2022-06-30

  Online published: 2022-10-07

Fold

本文亮点

基于Doe Network平台数据，综合运用数理统计、空间分析和地理探测器等方法，探讨了美国1996―2021年失踪人口的基本特征、时空格局与影响机制。结果表明：1）美国失踪多发生在青少年（13~18岁）与成年时期（19~59岁），且失踪人口数量随年龄增长呈先增后减的趋势；男性失踪人数多于女性，但失踪高发年龄略滞后于女性；各种族中黑人面临着最大的失踪风险。2）时间上，自1996年以来，失踪人口的年际变化数量先呈现波浪式上升趋势，2017年达到峰值后大幅下降；受气温和节假日影响，夏季6―8月和冬季12月为失踪高发期，2―4月为失踪的低谷期。3）空间上，失踪人口在州尺度上呈由沿海边境地区向内陆递减的特征，失踪高发区域随时间推移，自东、西沿海地区与南部美墨边境同时向美国内陆推进；县尺度上呈边缘集中成片，内部零星分散的特征。4）失踪人口数量变化是多因素共同作用的结果，主要受地区人口流动性、人均GDP、生育率以及易失踪人群基数影响，人口环境因子与经济、社会因子结合后对美国失踪人口空间分异的解释力增强，达到80%以上。5）人口失踪可用“社会失范理论”解释，社会目标和手段的脱节导致社会失范，进而诱发越轨行为，导致人口失踪概率的上升。

本文引用格式

林喆 , 李钢 , 周俊俊 , 石金龙 , 徐锋 , 王莺莺 . 美国失踪人口的时空格局演变与影响机制[J]. 热带地理, 2022 , 42(9) : 1475 -1487 . DOI: 10.13284/j.cnki.rddl.003545

Highlights

The problem of missing persons is a major global challenge, which causes serious harm to their families and societies. For this study, we collected 9,193 U.S. missing-persons records for the years 1996-2021 from the Doe Network platform. We used mathematical statistics and Moran's I index to analyze the socio-demographic characteristics, spatio-temporal distribution and its evolution patterns. Then the geodetector was applied to conduct an in-depth analysis of the influencing factors in socio-cultural, economic and demographic aspects. Based on above findings, a sociological theory of the formation mechanism of the missing-person phenomenon in the United States was proposed. Major findings included: (1) With age increasing, the number of missing persons initially increased and then dropped gradually. The highest missing rate was found among adolescents (13-18 years old) and adults (19-59 years old). Although more males than females were reported missing, the high-incidence period of males lagged slightly behind that of females. The high missing rate among adolescent females was linked to sexual crimes, including sex trafficking and rape, while that of adult men tended to be caused by family discord or debt problems. Among racial groups, black people faced the greatest risk of going missing. (2) From 1996, the number of missing-person incidents initially showed a wave upward trended and then fell sharply, after peaking in 2017, because of a series of immigration regulations. In 2020, it declined dramatically again, due to COVID-19. Influenced by the temperature, school holidays, and festivals, most people were reported missing during the months of June, August, and December. Only few missing incidents happened between February and April. (3) Spatially, at the state level, the missing population distribution decreased from the coastal border area to the inland area; over time, areas with a great number of missing-person incidents advanced simultaneously from the eastern and western coastal areas and the southern US-Mexico border to US inland areas. At the county level, they were concentrated on the edge and scattered internally. (4) Missing-person incidents were caused by the interaction of multiple factors; regional population mobility, fertility rate, and the number of vulnerable people had a positive impact on numbers of missing people, while per capital GDP had a negative impact. The power of population-based environmental factors was significantly enhanced after be interacted with social and economic factors, on explaining the missing-person spatial distribution, all of which were above 80%. (5) The underlying mechanism of missing-person incidents could be understood from the perspective of "social anomie". In other words, the disconnect between social goals and means led to social anomie, which then induced deviant behavior, including abduction, murder, and running away from home, increasing the likelihood of missing-person incidents. Finally, we offered suggestions for disappearance prevention and further study directions. The findings provided a basic understanding of the missing-person phenomenon, contributing to global scientific information, which could aid in preventing missing-person incidents.

失踪人口指由于其位置和状况未知，无法确认其生死状态而“消失”的人（尹田，2001）。既包括自我意识下的主动失踪，也包括因遇难或者成为犯罪被害人的被动失踪。人口失踪现已成为全球性的重大社会问题，据中民社会救助研究院（2020）推测，中国每年失踪人口数约100万~120万；澳大利亚平均每年关于失踪人口的报告约38 159份（Parr et al., 2013），即约每18 min就有1人被报告走失（O'Brien et al., 2021）；英国每年约有30万人失踪（Henderson et al., 2000）；欧洲仅年均儿童失踪数就达到11万次（Shalev et al., 2009）；美国年均失踪人口高达65万，现仍有84 136条有效的失踪人员记录，其中33 849条（40.2%）为18岁以下的青少年，9 706条（11.5%）为18~20岁人员（National Crime Information Center, 2020）。这些失踪人口所牵涉到的资产、死亡证明和找寻等一系列问题，对整个社会造成了严重的危害。因此，如何预防人口失踪与及时找回失踪人口是目前亟需关注和解决的问题。
目前，国外研究集中在失踪人口的搜寻范围、技术支持和社会影响3方面。搜寻范围方面，O'Brien等（2012）指出失踪者年龄、失踪是否有计划性和失踪者此前是否遭受虐待，是决定失踪地点和发现地点间距离的3个重要因素，可据此决定搜寻半径的大小；Woolnough（2016）对多国的失踪报告进行文献调研，发现医院是最为常见的失踪地点之一，应作为失踪人口搜寻的关注重点；Ferguson等（2022）对此现象开展研究，指出医院资源的有限性是导致患有精神疾病、残疾和具有成瘾性的患者失踪的主要原因，通过对失踪患者的空间行为分析，将医院失踪人口的搜索范围限定在以医院为中心，5 km为半径的区域内。技术支持方面，部分学者探讨如何利用GPS（Wojtusiak et al., 2021）、机器学习（Avuçlu et al., 2021）和无人机（Pensieri et al., 2020）等对失踪人口进行空间预测。但这些研究以分析失踪人口的空间轨迹线为主，忽略了失踪人口在空间上的点、面状分布；并且多以技术应用为目的，重点关注预测结果的准确性与应用价值。而社会学领域的学者侧重于关注人口失踪的后果而非失踪的起因，聚焦失踪对社会与家庭的影响。人口失踪易引发社会恐慌，扰乱社会秩序，占用大量的公共资源（Henderson et al., 1998）。失踪人口的家属易长期处于“社会孤立”的状态。Glassock等（2012）发现某一家庭成员的失踪会给其他成员带来严重的心理创伤，进而减少与外界的沟通；而Hogben（2006）则发现，比起接受现实，家庭成员倾向于长期等待失踪人口的归来。
国内学者关于失踪人口的研究主要聚焦拐卖这一失踪亚类，内容可分为2个方面：一是基于个案资料的质性分析。如李春雷等（2013）基于133个公开报道案例，分析中国失踪儿童的现状并提出完善儿童救助服务的对策；王金玲（2005）则在华东5省对云南籍和广西籍被拐卖妇女和儿童开展访谈调研，归纳了研究区拐卖妇女儿童现象的特征、类型、规律和趋势。二是基于政府公布数据与民间组织开源数据，从地理学的空间视角出发研究特定失踪人口类型的时空分布与形成机制。宏观层面上，李钢等（2021）利用中国儿童失踪预警平台（CCSER）数据，分析2015—2019年中国失踪人口的时空格局演变与形成机制，发现人口失踪可用社会网络理论中的“强弱连接理论”来解释；Xin（2018）、Huang（2019）等基于“中国裁判文书网”的犯罪记录，采用空间计量法分析中国儿童拐卖发生的时空特征与拐卖犯罪地域迁移网络，发现跨省域作案是拐卖犯罪的主要特征；中观层面上，刘玲（2020）、薛淑艳（2020）、王皎贝（2021）等运用空间统计、建立回归模型等方法分别对四川省、贵州省和湖北省等拐卖儿童犯罪的多维时空格局与影响因素进行讨论。
上述研究分析了失踪人口在某一区域内的时空分布特征，并初步揭示了其影响因素，但仍存在以下不足：1）多针对某一特定的失踪类型展开，样本量较少，国家尺度上针对全体失踪人口的研究较少；2）影响因素方面，以质性分析为主，少数研究建立回归模型进化量化分析，但未考虑到空间分层异质性问题，无法解释失踪人口在不同区域之间的差异；3）多停留在失踪人口的时空分布特征及影响因素研究，未进一步探讨失踪人口现象的形成机制。
鉴于此，以美国全体失踪人口为数据源，采用基于空间数据分析的统计模型——地理探测器，并结合数理统计和空间自相关的研究方法，在分析美国失踪人口的社会人口学特征和时空格局演变的基础上，从社会秩序、社会文化环境、经济环境、基本人口环境和特殊人口环境5个方面出发，探讨人口失踪的影响因素，并借助社会学理论深入揭示其形成机制。以期为科学精准预防人口失踪与及时找回失踪人口提供参考。

1 数据来源与研究方法

1.1　数据来源

美国作为世界第三人口大国，长期面临着严峻的人口失踪问题，为此，美国于1984年开始实施“亚当警报（Code Adam）”，并于20世纪90年代建立“安珀警戒（AMBER Alert）”，成为全球首个呼吁公众参与失踪人口找寻工作的国家（Griffin, 2010）。其人口失踪预警平台和失踪人口数据库具有建立时间长、数据丰富、内容完善等特点，可为研究提供足够的数据支持；但美国人口失踪问题尚未得到明显改善，其人口失踪的时空分布特征、影响机制和治理办法等问题亟需深入讨论。
本文中年失踪人口的统计信息由国家犯罪信息中心（NCIC） 1、年度AMBER警报报告（仅限未成年人） 2和2002 NISMART-2 3共同提供，失踪人口数据平台由以美国联邦调查局（Federal Bureau of Investigation, FBI）为代表的官方数据库和以Doe Network为代表的公益项目共同构成。
综合考虑数据的数量、质量和获取难度，选择Doe Network作为研究数据源，FBI数据库作为补充。Doe Network网站于1999年创立，与执法部门合作，为身份不明的受害者和失踪者创建档案。从该平台共获取原始数据9 992条，时间跨度为1996―2021年，剔除重复与信息不完整以及并非失踪人口的数据，共得到9 193条记录，记录条目包括失踪人口的案例编号、失踪日期、姓名、失踪年龄、性别、种族和失踪地所属的州、县、市以及数据更新日期。其他数据方面，美国的行政区划数据来源于GADM 4，人口统计学指标、经济发展指标、犯罪率等数据来源于美国统计局 5和statista网站 6。

1.2　研究方法

1.2.1　空间自相关

引入全局空间自相关Moran's I指数，探究美国失踪人口的空间分布是否具有空间自相关性，表达式为（Moran, 1958）：
I = n ∑ i = 1 n ∑ j = 1 n w i j z i z j ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n z i 2
式中： z i , z j分别是要素 i , j的属性与其平均值的偏差； w i j为空间权重； n等于要素总数。显著水平下， | M o r a n ' s   I | < 0.3表示自相关性较弱；若此时总体的空间分异性较强，可用地理探测器对无偏样本进行估计。

1.2.2　地理探测器

采用地理探测器的因子探测和交互探测功能，探索美国失踪人口空间分布的潜在影响因子。用 q统计量表示某1个因子 X对于属性 Y的空间分异性的解释程度，表达式为（王劲峰 等，2017）：
q = 1 - 1 n σ 2 ∑ h = 1 L n h σ h 2
式中： q为影响因子对失踪人口空间分布的决定力探测指标； n=51； h = 1,2 , ⋯ ; L表示次级区域的个数，也可以称之为分类； n h为次一级区域样本数； σ h 2和 σ 2分别是层 h和全区 Y值的方差。 q的取值区间为 [ 0,1 ]， q值越大，表明所选驱动因子对失踪人口空间格局的解释力越大。
交互作用探测是将任意2个因子交互后，判别其对因变量 Y的因子解释力是增强还是减弱，以及增强或减弱的程度，或者两者对 Y的影响是否相互独立等（姜磊 等，2021）。本研究引入交互探测功能，判断社会、文化、经济、人口因子两两结合后新生成的综合指标对失踪人口空间分布解释力的大小。

2 美国失踪人口的基本特征

2.1　年龄-性别结构

根据国际年龄划分标准，将失踪人口分为儿童（0~12岁）、青少年（13~18岁）、成年人（19~59岁）与老年人（≥ 60岁）4组。总体上，失踪多发生于青少年与成年时期，且失踪人口数量随年龄增长呈先增后减的趋势（图1）。而儿童和老年人口失踪数量较少，其中失踪儿童数随年龄增长逐渐下降，这可能与全球拐卖犯罪受害者呈低龄化态势有关（李钢 等，2017）。
图1 美国失踪人口的年龄、性别分布

Fig.1 Gender-age distribution of missing persons in the United States

性别上，男性总失踪人数多于女性，两者变化趋势基本类似，但青少年阶段的女性失踪人数远高于同龄男性，率先达到峰值（16岁）。Caputi（1987）研究表明，66%的性犯罪受害者处于13~17岁的年龄区间，其中女性占总数的70%以上。因此，性贩卖、奸杀等性犯罪可能是造成该阶段女性失踪数量大幅增加的主要原因。男性失踪则多发生于成年时期，以23~32岁为最，峰值为24岁，35~48岁次之，随后逐渐下降。成年男性具备较强的自我保护能力，以主动失踪为主，即失踪者为了特定目的，主动断绝同现有社会关系的正常交流渠道，长时间不予恢复信息沟通（宋丽娜，2009）。23~32岁是男性初入社会、建立家庭的关键时期，这些失踪人口多因家庭不和或债务问题等，主动离开家庭外出务工，在到达新环境后倾向于断绝原有的社会关系，开启新的生活。

2.2　种族分布

由美国失踪人口的种族分布（表1）可得，失踪人口中白人占比最高，其次是黑人和西班牙裔，亚裔占比最低，仅为4.7%，这与美国的种族结构基本相符。白人、黑人易失踪指数均> 100，表明二者的失踪风险高于平均水平。其中，黑人失踪风险最大，易失踪指数高达144.4，可能与其多聚居于城市中治安较差的街区有关（Archer, 2020），区域内拐卖、绑架等案件频发且社区、警方介入不及时，被动失踪的几率高于其他种族；而西班牙裔失踪的风险最小，易失踪指数为72.2。
表1 美国失踪人口的种族分布

Table 1 Ethnic distribution of missing persons in the United States

种族 占比/% 易失踪 指数*

某种族失踪人口数

总失踪人口数

某种族人口数

总人口数
白人 63.5 57.8 109.9
西班牙裔 13.5 18.7 72.2
黑人 17.9 12.4 144.4
亚裔 4.7 6.0 78.3

注： 易 失 踪 指 数 = 某 种 族 失 踪 人 口 数 在 总 失 踪 人 口 中 所 占 比 例 某 种 族 人 口 数 在 总 人 口 中 所 占 比 例 × 100，该指数越大，代表失踪风险越高

3 美国失踪人口的时空格局演变特征

3.1　时间变化特征

犯罪时日论认为，季节、月份、时日与犯罪存在相互关系，一定的犯罪行为产生于一定的时间，在不同的时间内犯罪的数量、类型、特征均存在差异（孙峰华 等，2003）。利用单样本卡方对样本进行检验，发现失踪人口数量随年、月变化显著（P<0.001），说明美国失踪人口数量的年、月变化特征存在统计学意义；日失踪人数大多< 10且结果不显著，表明失踪人口数量的日变化具有较大的随机性。因此，仅探讨美国失踪人口数量在年月上的时间变化特征。

3.1.1　年变化

自1996年以来，美国失踪人口数量的年际变化先呈现波浪式上升趋势，于2017年达到峰值后大幅下降，可能与2016年特朗普被选举为美国总统后所颁布的一系列移民禁令有关。2019年有小幅回升，2020年，受新冠疫情影响，失踪人口数量出现断崖式下降（图2）。男性失踪人口数量多于女性，2004年前，两者的差值保持在50人左右，之后该值呈“驼峰”状，并以2011年为轴于两侧对称分布。其中，男性失踪人口数量的年际变化较大，2011年前稳定增长，偶有下降，后大幅上升；2008年金融危机后，随着经济逐步复苏，外出就业机会增多，大量男性人口迁入城市后与原有社会关系断联（Creighton et al., 2015），主动失踪增多。而女性失踪人数的波动幅度较小，2014年前基本保持不变，后大幅升高，主要与美国包括性交易在内的城市地下性经济日益猖獗有关（Goel et al., 2019）；2017年后受移民禁令影响，跨国人口贩卖案件数量减少，且失踪人口的增加引起了社会的高度重视，政府加大了对地下经济活动的打击力度，阻止了女性失踪人口数量的进一步升高。
图2 美国失踪人口的年变化

Fig. 2 Annual change of missing persons in the United States

3.1.2　月变化

基于1996―2021年各月失踪人口数发现，6、7、8月是失踪的高发月份，即夏季是失踪的高发季节（图3）。美国中小学暑假集中于6―9月，暑假期间既是以儿童拐卖为主的被动失踪高发期，也是以青少年离家出走为主的主动失踪高发期（Gair et al., 2013）；同时，该时段是外出打工者寻找工作、返回工作地的高峰，也是高校毕业生的集中求职期，在人口迁移过程中由于各种不可抗力引发的失踪概率增加；此外，高温易造成监护人精神疲惫、看管松懈，易造成儿童与身患疾病的老年人外出活动过程中的无意识失踪。美国最大的节日圣诞节所在的12月也为失踪高发月份。节日期间，人口流动频繁且治安松懈，拐卖作案成功率有所上升；同时，看护机构放假期间工作人员减少、家庭不和者受节日气氛刺激等分别是可能导致无意识失踪和主动失踪增多的原因。2―4月为失踪人口数量的低谷期，该时期儿童、青少年在学校受到较为有力的监管，且天气寒冷限制了儿童外出活动，从而降低儿童的暴露风险，可预防拐卖犯罪的发生。
图3 美国失踪人口的月变化

Fig.3 Monthly change of missing persons in the United States

性别上，男性、女性失踪人口数量随月份变化趋势大体类似，但男性失踪人口数的月变化呈单峰态势，于7月达到峰值；而女性则表现为双峰特征，6月达到峰值，7月有所下降，8月再度回到峰值；2月男性失踪人口数出现明显下降，而女性基本与上月持平。这可能是相较于女性，男性对气温更为敏感，在高温、低温天气下主动减少室外活动，从而降低暴露风险，有效预防了被动失踪。

3.2　空间分布特征

3.2.1　州域分布

图4显示，美国失踪人口累计数量在各州的分布主要呈由沿海边境地区向内陆递减的特征，西部、南部地区面临更为严峻的失踪人口问题。失踪人口数量较高的区域集中在太平洋沿岸的加利福尼亚州、亚利桑那州和与墨西哥接壤的得克萨斯州和东濒大西洋、西临墨西哥湾的佛罗里达州。其次为集中在美国北部太平洋沿岸与五大湖沿岸的华盛顿州、俄勒冈州、密歇根州和纽约，可能与州的地理位置有关，沿海、沿湖或与发展中国家接壤的地区往往是国际移民初入美国的落脚点和中转站，较强的人口流动性和多元的民族文化对原有社会秩序造成冲击，给社会治安带来压力，从而导致失踪人口数量增加。美加边境地区非邻海的州和美国内陆地区失踪人口数量较少，美国和加拿大同为发达国家，两国的经济发展水平、教育水平、人口素质和人民生活质量均远高于世界平均水平（Ross et al., 2000），两国公民可凭借护照自由进入对方国境（Brunet-Jailly, 2000），故几乎不存在经济利益驱动的非法移民现象；此外，两国在政治、军事和经济贸易领域联系紧密（Brunet-Jailly, 2008），且同人种同语言，拥有相同的文化底蕴、价值观和意识形态（Adelman et al., 1999），较大程度上避免了由国际关系或文化冲突引发的社会治安问题，有效预防了跨国犯罪活动的发生，故与加拿大接壤的州的被动失踪人口数量较少；而内陆各州与外界交流相对较少，社会文化结构相对单一稳定，被动失踪亦较少发生。
图4 美国失踪人口州域分布特征

Fig.4 Spatial distribution of missing persons in the United States by state

为进一步探究美国失踪人口空间格局的演变特征，以6 a为1个周期，绘制1999、2005、2011、2017年失踪人口在州尺度上的分布格局（图5）。结果表明，多数州的失踪人口数量逐年增加，呈自西太平洋、东大西洋沿海地区、南美墨边境3个地区同时向内陆推进的特征，其中东部地区尤其是五大湖与大西洋沿岸地区推进速度较快，这与21世纪以来美国国内人口迁移特征有关。一是向东北大都市圈即波士顿―华盛顿城市带迁移，该区域集中了波士顿、纽约、费城、巴尔的摩、华盛顿等美国重要都市，提供了较多的就业机会；二是受气候和房价影响，人口持续向南部的“阳光地带”迁移。因此，美国东北部及37°N以南的州外来人口数量激增，社会不稳定性增大，导致失踪人口的年增长速度较快。
图5 美国失踪人口的空间演进

Fig.5 Spatial evolution of missing persons in the United States

3.2.2　县域分布

县域尺度上，美国失踪人口呈边缘集中成片，内部零星分散的空间分布特征（图6）。因美国各州拥有很大的自治权限，具有各自相对独立的立法机构和司法体系，犯罪分子可利用各国、各州法律体系的不同逃脱刑罚，将对社会的稳定性造成严重危害，故各州边界、近海、与邻国接壤处是失踪高发区域，多集聚在美国西部地区。其中，西海岸加利福尼亚州的圣迭戈县、洛杉矶县、里弗赛德县和克拉克县为失踪高发区域的中心，这些区域位于加利福尼亚南部，西邻太平洋，与内华达州与亚利桑那州接壤，向东延伸至新墨西哥州边界。其他失踪高发县多零星分布在美国东部各州，美国中部与阿拉斯加地区多县无失踪人口记录。这些偏远地区以原著居民为主，外来人口较少，社区内部邻里关系密切，强社会监管力可有效预防并及时阻止失踪的发生。此外，夏威夷地区各岛失踪人口数量较高，但因该州面积较小，在州尺度的研究中往往被忽略。
图6 美国失踪人口县域分布特征

Fig.6 Spatial distribution of missing persons in the United States by county

4 美国失踪人口的影响因素与综合机制

4.1　影响因素的选取

已有研究表明，以拐卖为主的被动失踪是一定社会经济条件下的产物，受经济发展水平（田鹤城，2009）、人口流动（黄帮梅 等，2008）、就业状况（周路，2004）和人口自然变动（Adesina, 2014）等因素的影响。而以家庭不和离家出走为主的主动失踪（Tucker et al., 2011），“推-拉理论”认为不和睦的家庭氛围是其推力，而更好的经济社会条件、就业机会是拉力（叶文振，1995），其中家庭氛围可用平均家庭规模数反映。多数情况下，小规模家庭对个体成员需求的关注度更高，较少产生矛盾，家庭氛围更为和谐（Wagner et al., 1985）。无意识失踪则与特殊人群的基数有关，儿童、老年人是主要群体。综上，选取社会秩序、社会文化环境、经济环境、基本人口环境和特殊人口环境5个方面19个指标（表2），分别预测各指标的作用效果，即促进（正向效应）或抑制（负向效应）人口失踪的发生，并检验各指标对失踪人口空间分布的影响程度。
表2 美国失踪人口的潜在影响因素及其因子探测分析结果

Table 2 Potential influencing factors and their detection analysis results of missing persons in the United States

影响因素 探测因素 指标 预期作用效果 因子探测分析结果
q p
社会秩序 社会规范 失业率 正 0.29 0.05*
犯罪率 正 0.11 0.59
人口流动 国内人口净流入 正 0.6 0.00**
国际人口净流入 正 0.66 0.00**
社会文化 环境 教育水平 本科及以上学历人口 负 0.05 0.68
家庭环境 平均家庭规模数 正 0.17 0.44
社会公平 基尼系数 正 0.33 0.1
种族文化 环境 种族的多样性 正 0.22 0.00**
黑人所占比例 正 0.3 0.47
经济环境

宏观经济

环境

 人均GDP 负 0.69 0.00**
贫困率 正 0.19 0.08
微观经济环境 家庭收入的中位数 负 0.04 0.87
基本人口 环境 数量特征 人口密度 正 0.16 0.4
性别特征 性别比 正 0.09 0.24
增长特征 生育率 正 0.41 0.01**
特殊人口 环境 老年人口 ≥ 65岁老年人数量 正 0.72 0.00**
儿童/青少年 < 5岁儿童数量 正 0.77 0.00**
< 18岁人口数量 正 0.77 0.00**
有色人种在儿童中的比例 正 0.36 0.04*

注： q值表示因变量在多大程度上受自变量的影响；*、**分别表示在5%和1%水平上显著

4.2　因子探测

以州为单位，计算得到的全局 M o r a n ' I指数为0.03，表明失踪人口空间分布具有较弱的自相关性即分异性较强。因子探测分析结果显示（见表2），社会秩序中国际人口净流入、国内人口净流入，社会文化环境中种族的多样性，经济环境中的人均GDP，基本人口环境中的生育率以及特殊人口环境中的≥ 65岁老年人数量、< 5岁儿童数量、< 18岁人口数量均通过了1%的显著性检验，即这8个变量是失踪人口空间分布的重要驱动因素。而失业率与有色人种在儿童中的比例通过了5%的显著性检验，表明这2个变量对失踪人口的空间格局也具有一定的解释作用。
社会秩序方面，基于国内人口净流入（图7-a）、国际人口净流入（图7-b）与失踪人口数量的散点图发现，国内人口净流入、国际人口净流入越大，该州失踪人口数量越多，与预期作用效果一致，解释力均约为60%。这说明迁入人口越多，地区管理难度越大，易造成社会秩序混乱，失踪发生概率随之提高。而种族的多样性增加了社会环境的复杂性，将间接导致失踪的发生（ q = 0.22）。经济环境方面，人均GDP是衡量一个地区经济水平的重要指标。通过散点图发现，人均GDP越高即经济越发达的地区，失踪人口数量越少（图7-c），即作用效果为负，预测正确，且对因变量的解释度较高（ q = 0.69）。这可能是因为此类地区以寻求更高经济利益为目的的主动失踪较少发生；同时，经济发达地区对弱势群体的监控保护制度、机构和法律较为完善，在一定程度上减少了被动失踪和无意识失踪的发生。生育率（图7-d）与失踪人口数量呈正相关（ q=0.41），生育意愿越强烈的地区越易发生儿童拐卖犯罪（Cho, 2012），引起被动失踪数量的增加。特殊人口环境是解释失踪人口空间格局最为重要的因素，其中≥ 65岁老年人口数量、< 5岁儿童数量和< 18岁的人口数量3个变量均可在70%以上解释失踪人口的空间格局。这说明老人、< 18岁的儿童和青少年属于易失踪人群，此类群体占比较高的地区既是拐卖等犯罪的高发地，也是无意识走失、离家出走等社会问题较为突出的地区。
图7 部分指标（a. 国内人口净流入；b. 国际人口净流入；c. 人均GDP；d. 生育率）与失踪人口数量的散点图

Fig.7 Scatter plots of some indicators (a. net domestic population inflow; b. net international population inflow; c. gdp per capita; d. fertility rate) and number of missing persons

4.3　因子交互作用探测

19个因子的交互作用结果共171对，各自变量交互后或双因子增强，即交互后解释力大于原单个因子；或非线性增强，即达到“1+1 > 2”的效果。具体地，社会秩序中的人口流动性指标与特殊人口环境指标交互后解释力最强，说明人口流动性较大，且儿童、老人等弱势群体较多的地区面临最为严峻的人口失踪问题；犯罪率和< 18岁的人口数量交互后，解释力达到91.03%，说明< 18岁人口的失踪主要与拐卖、绑架、强奸等犯罪有关；基本人口环境指标，特别是生育率与特殊人口环境指标交互后，解释力均> 90%，说明人口环境在解释失踪时发挥重要作用。
犯罪率、黑人所占比例、人口密度等无法单独解释失踪的因子，在与其他因子交互后，解释力大幅提升，因而也具有一定的实际意义。社会经济因子与人口环境指标（尤其是特殊人口环境指标）交互后，与失踪人口空间分布的关系更为密切，解释力> 80%。这说明失踪人口的空间分异主要由当地人口结构、易失踪人群基数决定。而易失踪人群数量较多的地区可在一定程度上依靠良好的社会秩序、强有力的经济支撑、较高的社会公平性或家庭关注度减少失踪的发生。

4.4　综合机制

基于以上关于失踪人口的社会人口学特征与时空变化格局及其影响因素的讨论，选择“社会失范理论”解释美国失踪人口的形成机制（图8）。社会失范理论认为，越轨行为是社会结构的2个因素——合法目标和合法手段的脱节所导致的（林默彪，2004）。根据马斯洛需求层次理论，个人需求层次从低到高分为生理需求、安全需求、情感归属需求和自我实现需求（Maslow, 1987），即足够的食物、安全自由的生活环境、和睦的家庭氛围与较高的经济社会地位构成个人的社会目标。而社会环境中人口结构、家庭关注度以及就业环境与社会平均收入水平、收入差距等社会经济结构以及社会保障体系的完善程度为个人提供了实现社会目标的合法手段。若社会结构出现混乱，造成经济低迷、失业率高、性别比例失调等社会性问题，将导致个人目标实现渠道的关闭，目标与手段之间出现不平衡，引发“社会失范”，进而造成越轨行为。触犯法律的越轨行为如拐卖、谋杀等犯罪会增加被动失踪的风险，而违背正确价值观或道德的越轨行为将会导致青少年离家出走和成年男性抛妻弃子、主动断联发生概率的增大。此外，不完善的社会保障体系将会导致社会、家庭对弱势群体监管的失败，进而引发身患疾病的老人、儿童的无意识失踪。综上，恶劣的社会环境（实现个人目标手段的减少与混乱）与个人日益强烈的多层次需求（个人目标的多样化与需求层次的提升）间的矛盾是人口失踪的主要形成机制。
图8 美国失踪人口的形成机制

Fig.8 Formation mechanism of the formation of missing persons in the United States

5 结论与讨论

5.1 结论

基于美国失踪人口数据，综合运用数理统计、空间分析、地理探测器等方法，探讨美国1996―2021年失踪人口的社会学特征、时空演化以及形成机制。得到的主要结论为：
1）美国失踪人口数量随年龄增长呈先增后减的趋势，以青少年和成年人为主，儿童和老年失踪人口数量较少；男性多于女性，总体变化趋势基本类似；女性、男性的失踪高发期分别为青少年（13~18岁）、成年时期（19~59岁），前者与性贩卖、奸杀等性犯罪有关，后者多因家庭不和或债务问题等主动断绝现有社会关系。不同种族中，黑人面临着更高的失踪风险。
2）自1996年以来，年际变化数量先呈波浪式上升趋势，2017年达到峰值后大幅下降，2019年有小幅回升，2020年受新冠疫情影响再次呈断崖式下跌；夏季的6―8月以及冬季的12月为失踪高发期，2―4月为失踪的低谷期。
3）州尺度上呈由沿海边境地区向内陆递减的特征，西部、南部地区失踪问题较为突出；空间演进上，失踪高发区域自西太平洋、东大西洋、南美墨边境3个地区同时向内陆推进。县域尺度上表现为边缘集中成片，内部零星分散，各州边界、沿海、与邻国接壤处是失踪高发区域。
4）社会秩序中国际人口净流入、国内人口净流入，社会文化环境中种族的多样性，基本人口环境中的生育率以及特殊人口环境中的≥65岁老年人口数量、< 5岁的儿童数量、< 18岁的人口数量对失踪具有正效应，即社会秩序的混乱与较大的弱势群体基数将增加失踪发生的几率；经济环境中的人均GDP对失踪具有负效应，即在经济发展水平较高的地区，强地区吸引力与高监管能力有效抑制了失踪的发生。影响因子两两交互后作用增强，其中人口环境因子与社会经济因子结合后可在80%以上解释美国失踪人口的空间分布差异。
5）人口失踪可用“社会失范理论”进行解释。由于恶劣的社会环境（实现个人目标手段的减少与混乱）与个人日益强烈的多层次需求（个人目标的多样化与需求层次的提升）之间出现矛盾，导致社会失范，诱发拐卖、谋杀、离家出走和成年男性抛妻弃子等越轨行为，从而导致人口失踪概率的上升。

5.2 讨论

本文以国家为单位研究失踪人口的时空分布格局，是对以往研究中仅针对指定区域单一失踪类型、特定年龄与性别失踪人口研究的补充与整合，对失踪人口的地理学宏观研究具有一定贡献；并采用定量方法探讨社会、经济、文化、人口多个因子对失踪人口空间分布的解释力，弥补了质性分析的不足。同时，本文提出可用“社会失范理论”来解释人口失踪现象，是在“社会排斥”概念和“推-拉模型”之外新的拓展。但本文仍存在以下不足：1）作为一个社会现象，失踪人口的空间分布是多因子共同作用的结果，本文仅探讨了社会秩序、社会文化环境、经济环境、基本人口环境和特殊人口环境对失踪人口空间分布的可能影响，而邻里关系、生活压力等人文要素和拐卖犯罪的量刑等法律制度要素未给予考虑，未来应补充探讨此类指标以完善影响机制。2）美国的法律、制度较其他国家具有一定的特殊性，未来可与其他国家失踪人口的时空格局开展对比研究，讨论国家政策在解决人口失踪问题中所发挥的作用，以完善失踪人口形成机制，提出适应各国国情的预防人口失踪的有效制度；还可以进一步关注跨国人口失踪问题，探索失踪人口的跨国流动路径，有望为解决跨国人口贩卖和非法移民问题提供新的思路。
结合本研究结果，提出以下应对防控建议：1）加强对流动人员的管理，尤其是在节假日期间，应加大巡视力度，保障人民安全；2）重点关注易失踪群体，尤其是≥ 65岁的老人、< 18岁的儿童和青少年，更要注意这些群体中的有色人种，家庭、学校和社会均应发挥应有的保护作用；3）增加医院、养老院等看护机构的职工数量，保障身患疾病的老人在户外活动时得到良好的监护。

脚注

1 https://le.fbi.gov/informational-tools/ncic

2 https://amberalert.ojp.gov/statistics

3 https://ncjtc-static.fvtc.edu/Resources/RS00002417.pdf

4 https://gadm.org/

5 https://www.census.gov/

6 https://www.statista.com/

林 喆：数据收集整理，论文撰写与修改；

李 钢：论文构思，论文撰写与修改；

周俊俊、石金龙：数据分析，论文修改；

徐 锋、王莺莺：数据文献收集，论文修改。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Avuçlu E and Başçiftçi F. 2021. An Interactive Robot Design to Find Missing People and Inform Their Location by Real-Time Face Recognition System on Moving Images. Journal of Ambient Intelligence and Humanized Computing, 13(9): 1-12.

Adelman J and Aron S. 1999. From borderlands to borders: Empires, Nation-States, and the Peoples in between in North American History. The American Historical Review, 104(3): 814-841.

Adesina O S. 2014. Modem Day Slavery: Poverty and Child Trafficking in Nigeria. African Identities, 12(2): 165-179.

Archer D N. 2020. Transportation Policy and the Underdevelopment of Black Communities. Iowa L. Rev., 106: 2125.

Brunet-Jailly E. 2000. Globalization, Integration, and Cross-Border Relations in the Metropolitan Area of Detroit (USA) and Windsor (Canada). International Journal of Economic Development, 2(3): 379-401.

Brunet-Jailly E. 2008. Cascadia in Comparative Perspectives: Canada-US Relations and the Emergence of Cross-Border Regions. Canadian Political Science Review, 2(2): 104-124.

Caputi J. 1987. The Age of Sex Crime. Madison: Popular Press.

Cho S Y. 2012. Modeling for Determinants of Human Trafficking. Lisbon: Economics of Security Working Paper, 70.

Creighton M J, Jamal A and Malancu N C. 2015. Has Opposition to Immigration Increased in the United States after the Economic Crisis? An Experimental Approach. International Migration Review, 49(3): 727-756.

Ferguson L and Koziarski J. 2021. How Far do They Go?: A Spatial Examination of Missing Persons from Hospitals. Policing: An International Journal, 45(2): 235-251.

Glassock G T, Maple M and Edwards H. 2012. Australian Families of Missing People: Narrating Their Lived Experience (Unpublished Doctoral Thesis). New South Wales: University of New England.

Griffin T. 2010. An Empirical Examination of AMBER Alert "Successes". Journal of Criminal Justice, 38(5): 1053-1062.

Gair S and Moloney S. 2013. Broadening Notions of "Missing Persons" to Increase Social Inclusion, Public Empathy and Healing: Considering the Case of Children Missing through Adoption. Journal of Social Inclusion, 4: 90-109.

Goel R K, Saunoris J W and Schneider F. 2019. Drivers of the Underground Economy for over a Century: A Long Term Look for the United States. The Quarterly Review of Economics and Finance, 71: 95-106.

Henderson M and Henderson P. 1998. Missing People: Issues for the Australian Community. Canberra: Australian Bureau of Criminal Intelligence.

Henderson M, Kiernan C and Henderson P. 2000. Missing Persons: Incidence, Issues and Impacts. Trends and Issues in Crime and Criminal Justice, 144: 1-6.

Hogben S. 2006. Life's on Hold: Missing People, Private Calendars and Waiting. Time & Society, 15(2/3): 327-342.

Huang Z and Weng W. 2019. Analysis on Geographical Migration Networks of Child Trafficking Crime for Illegal Adoption from 2008 to 2017 in China. Physica A: Statistical Mechanics and Its Applications, 528: 121404.

黄帮梅，骆华松，李江苏，赵兴玲. 2008. 流动人口聚居区拐卖儿童现象产生的原因、社会影响与对策. 产业与科技论坛，7（2）：33-35.

Huang Bangmei, Luo Huasong, Li Jiangsu and Zhao Xingling. 2008. Causes, Social Impact and Countermeasures of Child Trafficking in Floating Population Areas. Industry and Technology Forum, 7(2): 33-35.

姜磊，陈星宇，朱竑. 2021. 中国城市养老院的空间分布特征及其分异成因. 地理学报，76（8）：1951-1964.

Jiang Lei, Chen Xingyu and Zhu Hong. 2021. Spatial Distribution Characteristics and Differentiation Causes of Urban Nursing Homes in China. Acta Geographica Sinica, 76(8): 1951-1964.

李春雷，任韧，张晓旭. 2013. 我国被拐卖儿童救助保护现状及完善对策研究——基于对近年133个公开报道案例的分析. 中国人民公安大学学报（社会科学版），29（6）：16-25.

Li Chunlei, Ren Ren and Zhang Xiaoxu. 2013. Research on the Current Situation and Perfect Countermeasures of Rescue and Protection of Abducted and Trafficked Children in My Country: Based on the Analysis of 133 Publicly Reported Cases in Recent Years. Journal of the People's Public Security University of China (Social Science Edition), 29(6): 16-25.

李钢，王会娟，谭然，付莹. 2017. 中国拐卖儿童犯罪的时空特征与形成机制——基于“成功案例”的管窥. 地理研究，36（12）：2505-2520.

Li Gang, Wang Huijuan, Tan Ran and Fu Ying. 2017. The Spatio-Temporal Characteristics and Formation Mechanism of Child Abduction and Trafficking in China: A Survey Based on "Successful Cases". Geographical Research, 36(12): 2505-2520.

李钢，薛淑艳，马雪瑶，周俊俊，徐婷婷，王皎贝. 2021. 中国失踪人口的时空格局演变与形成机制. 地理学报，76（2）：310-325.

Li Gang, Xue Shuyan, Ma Xueyao, Zhou Junjun, Xu Tingting and Wang Jiaobei. 2021. The Spatio-Temporal Pattern Evolution and Formation Mechanism of Missing Persons in China. Acta Geographica Sinica, 76(2): 310-325.

刘玲，李钢，薛淑艳，马雪瑶，周俊俊，徐婷婷，王皎贝. 2020. 四川省拐卖儿童犯罪的时空演变过程及影响因素分析. 地理科学进展，39（5）：853-865.

Liu Ling, Li Gang, Xue Shuyan, Ma Xueyao, Zhou Junjun, Xu Tingting and Wang Jiaobei. 2020. Analysis of the Temporal and Spatial Evolution and Influencing Factors of Child Abduction Crimes in Sichuan Province. Advances in Geography, 39(5): 853-865.

林默彪. 2004. 社会转型与转型社会的基本特征. 社会主义研究，（6）：134-135.

Lin Mobiao. 2004. Social Transformation and the Basic Characteristics of a Transformed Society. Socialist Studies, (6): 134-135.

Maslow A and Lewis K J. 1987. Maslow's Hierarchy of Needs. Salenger Incorporated, 14(17): 987-990.

Moran P A P. 1958. Random Processes in Genetics. Mathematical Proceedings of the Cambridge Philosophical Society. Cambridge: Cambridge University Press.

National Crime Information Center. 2020. Missing Person and Unidentified Person Statistics. （2020-08-10）[2021-05-26]. https://www.fbi.gov/file-repository/2020-ncic-missing-person-and-unidentified-person-statistics.pdf/view.

O'Brien F E, Dinan T G, Griffin B T and Cryan J F. 2012. Interactions between Antidepressants and P-Glycoprotein at the Blood-Brain Barrier: Clinical Significance of in Vitro and in Vivo Findings. British Journal of Pharmacology, 165(2): 289-312.

O'Brien F, Giles S and Waring S. 2021. Relationships between Demographic and Behavioural Factors and Spatial Behaviour in Missing Persons' Cases. (2021-05-01)[2022-05-28]. 10.1177/17488958211060475.

Parr H and Fyfe N. 2013. Missing Geographies. Progress in Human Geography, 37(5): 615-638.

Pensieri M G, Garau M and Barone P M. 2020. Drones as an Integral Part of Remote Sensing Technologies to Help Missing People. Drones, 4(2): 15.

Ross N A, Wolfson M C, Dunn J R, Berthelot J M, Kaplan G A and Lynch J W. 2000. Relation between Income Inequality and Mortality in Canada and in the United States: Cross Sectional Assessment Using Census Data and Vital Statistics. BMJ, 320(7239): 898-902.

Shalev K, Schaefer M and Morgan A. 2009. Investigating Missing Person Cases: How can We learn Where They Go or How Far They Travel?. International Journal of Police Science & Management, 11(2): 123-129.

宋丽娜. 2009. 熟人社会的性质. 中国农业大学学报（社会科学版），26（2）：118-124.

Song Lina. 2009. The Nature of Acquaintance Society. Journal of China Agricultural University (Social Science Edition), 26(2): 118-124.

孙峰华，毛爱华. 2003. 犯罪地理学的理论研究. 人文地理，18（5）：70-74.

Sun Fenghua and Mao Aihua. 2003. Theoretical Research on Criminal Geography. Human Geography, 18(5): 70-74.

田鹤城. 2009. 经济发展与犯罪关系研究. 西安：西北农林科技大学.

Tian Hecheng. 2009. Research on the Relationship between Economic Development and Crime. Xi'an: Northwest Agriculture and Forestry University.

Tucker J S, Edelen M O and Ellickson P L. 2011. Running Away From Home: A Longitudinal Study of Adolescent Risk Factors and Young Adult Outcomes. Journal of Youth and Adolescence, 40(5): 507-518.

王金玲. 2005. 华东五省云南/广西籍未成年被拐卖/骗妇女/儿童流入地个案研究. 浙江学刊，（4）：200-215.

Wang Jinling. 2005. A Case Study on the Inflow Areas of Yunnan/Guangxi Minors from Five East China Provinces Who were Abducted, Deceived, Women/Children. Zhejiang Journal, (4): 200-215.

Woolnough P S, Stevenson O, Parr H and Fyfe N R. 2016. Geography of Missing Adults. Oxford: Routledge.

Wojtusiak J and Nia R M. 2021. Location Prediction Using GPS Trackers: Can Machine Learning Help Locate the Missing People with Dementia?. Internet of Things, 13: 100035.

王皎贝，李钢，周俊俊，马雪瑶，徐婷婷，薛淑艳. 2021. 湖北省拐卖儿童犯罪的时空特征及其影响因素. 人文地理，36（1）：73-83.

Wang Jiaobei, Li Gang, Zhou Junjun, Ma Xueyao, Xu Tingting and Xue Shuyan. 2021. The Spatio-Temporal Characteristics and Influencing Factors of Child Abduction Crimes in Hubei Province. Human Geography, 36(1): 73-83.

Wagner M E, Schubert H J P and Schubert D S P. 1985. Family Size Effects: A Review. The Journal of Genetic Psychology, 146(1): 65-78.

王劲峰，徐成东. 2017. 地理探测器：原理与展望. 地理学报，72（1）：116-134.

Wang Jinfeng and Xu Chengdong. 2017. Geodetector: Principle and Prospect. Acta Geographica Sinica, 72(1): 116-134.

薛淑艳，李钢，马雪瑶，刘玲，杨兰. 2020. 贵州省拐卖儿童犯罪的多维时空格局及影响因素研究. 地理研究，39（7）：1691-1706.

Xue Shuyan, Li Gang, Ma Xueyao, Liu Ling and Yang Lan. 2020. Research on the Multidimensional Spatio-Temporal Pattern and Influencing Factors of Child Abduction Crime in Guizhou Province. Geographical Research, 39(7): 1691-1706.

Xin Y and Cai T. 2018. Child Trafficking in China: Evidence from Sentencing Documents. International Journal of Population Studies, 4(2): 1-10.

尹田. 2001. 论宣告失踪与宣告死亡. 法学研究，（6）：84-99.

Yin Tian. 2001. On Declared Missing and Declared Dead. Legal Research, (6): 84-99.

叶文振. 1995. 福建沿海非法移民潮的原因分析. 华侨华人历史研究，10（1）：28-36.

Ye Wenzhen. 1995. Analysis of the Causes of Illegal Immigrants in the Coast of Fujian. Research on the History of Overseas Chinese and Overseas Chinese, 10(1): 28-36.

中民社会救助研究院. 2020.中国走失人口白皮书. （2020-02-25）[2021-05-26]. http://www.gongyishibao.com/newdzb/images/2021-03/02/02/GYSB02.pdf.

Zhongmin Social Assistance Research Institute. 2020. White Paper on Lost Population in China. (2020-02-25) [2021-05-26]. http://www.gongyishibao.com/newdzb/images/2021-03/ 02/02/GYSB02.pdf.

周路. 2004. 当代实证犯罪学新编. 北京：人民法院出版社.

Zhou Lu. 2004. A New Edition of Contemporary Empirical Criminology. Beijing: People's Court Press.

Options
文章导航

/

〈 〉