中国性犯罪情况如何？司法大数据告诉你！

性犯罪：司法大数据下的呈现

中国的性犯罪的整体情况如何？

这是很多人关注的问题。但是，一旦尝试去回答，第一个难点，在于如何定义 “性犯罪”。之后在这个定义下，才能展开统计。

本篇介绍的赵金旭等人的论文，就是讨论这个问题的一个样本。

论文一开始，就要辨析概念。不过，研究者用的是 “涉性犯罪”—— 跟性有关的犯罪。

虽然研究者意识到了，性概念的丰富性，例如既可以指性行为，也可以指性观念，还可以指性物品，也意识到了各种性概念在不同法律体系、制度环境、文化背景，甚至学科背景下的内涵和外延的不同，但是研究者还是把这个概率收敛在中国的刑法体系之下。

也就是 (1) 涉卖淫罪， 即组织、强迫、引诱、容留、介绍卖淫罪；(2) 强奸罪；(3) 强制猥亵、侮辱罪（简称猥亵罪），包括猥亵妇女罪和猥亵儿童罪。

因为研究者收集数据的手段是使用中国裁判文书网公开案件。采用技术方法识别相关的司法裁判文书和提取其中的重要变量。

技术方法，研究者说是 “采用自然语言处理、机器学习、自动文本分析技术等方法”“对于案件要素的识别，主要通过人工训练数据的标注，利用机器学习的算法模型不断调优，实现要素识别以及原文本对应内容的输出。”

这种方法已经越来越成为收集数据方法的主流，这是修炼数据思维的同学要认识到的一个重要变化。

数据收集之后，基本的描述统计的结果是什么样的呢？

研究者主要统计的是 2013 年 1 月至 2018 年 3 月的涉性犯罪司法文书，共 36613 份。

看比例构成，最高的是涉卖淫罪案件，共 17962 件，占比 49%；其次是强奸罪案件，共 14041 件，占比 38%；猥亵罪案件最少，共 4610 件，占比 13%。

年度趋势，主要看 2014 年到 2017 年的情况。这是因为，2013 年之前的文书上网的数量不足。2018 年只有 3 个月的，很多文书还没有来得及上网，所以不能作为一个年度数据点来使用。结果是：2014~2017 年，三种类型涉性犯罪案件数量在波折中呈上升趋势，这说明涉性犯罪问题有严重化倾向。

地域分布，浙江、上海、吉林的涉性犯罪平均发生率最高，山东、新疆和云南则最低。

分别来看，涉卖淫罪，案件发生率（案件数除以当年各省人口数），浙江、上海、广东等地最高，海南、新疆、北京等地最低。

强奸罪，浙江、吉林、福建等地最高，山东、新疆、天津等地最低。

猥亵罪，浙江、上海、吉林等地最高，西藏、云南、山东等地最低。

浙江都是榜首呀，这该怎么解释呢？

上海排名第二。长三角有点意思。

这可不是抽样调查呢。

接下来看年龄分布。这个比较重要。下面直接上原文：

年龄在 16~28 周岁，强奸罪案件的频数最高，尤其是在 16~20 周岁，强奸罪案件频数呈陡增之势，并且在 22 周岁和 26 周岁达到两个高峰。28 周岁之后，涉卖淫罪案件超过强奸罪案件成为频数最高的涉性犯罪案件，直到 44 周岁左右，达到最高峰。在此之后，涉卖淫罪案件频数开始下降，但依然是各年龄段频数最高的涉性犯罪类型。

猥亵罪案件在各年龄段的分布相对平缓，虽然在 16~20 周岁，其增速也很快，但在 20 周岁后，其增速放缓，并与其他两类拉开差距，直到 30 周岁左右，缓慢爬上一个小高峰；在 30~60 周岁，呈总体平稳并缓慢下降之势；60 周岁后，下降速度变得明显，70 周岁后与其他两类涉性犯罪案件频数差异不大。

教育程度的情况是，被告受教育水平为初中和小学的涉性犯罪案件频数最多，其次是高中、文盲和大学。

性别的情况是，一个男性作案时，强奸罪案件发生的频数最高，其次是涉卖淫罪案件和猥亵罪案件。一个女性作案时，以涉卖淫罪案件频数最高，且遥遥领先于其他两类涉性犯罪。

男性涉性犯罪总人数大大超过女性。

其他的发现，宣宣觉得没有重大意义，就略过了。

这种基于专业大数据的描述性统计，对描写整体情况是有意义的。因为数据技术的进步，使得获得结果的成本下降，这是好事。

但是，正如研究者指出的，还有很多不公开的，各级法院公开的数据也有一定的差异。当然更严重的是，很多犯罪没有进入司法视野。所以，你说要掌握整体的情况，其实还是传统的抽样调查才更可靠。

这在大数据和数据技术飞速进步的今天，传统的数据技术依然有它的生命力，这个结论对修炼数据思维的同学，也算是一个好消息吧。

赵金旭、金炜玲、孟天广，《司法大数据视角下的涉性犯罪：类型与演变》，《社会学刊》 ，2020 年第 3 期

关于中国性犯罪的相关词