| 标题 | 不同性别足迹与身高关系的研究 |
| 范文 | 白光盛 王亚迪 摘 要 为研究不同性别足迹与身高的关系，收集了200名男性和200名女性赤足迹捺印样本，选取足迹长为自变量，身高为因变量，建立了不同性别预测分析身高回归模型，并对不同性别的回归模型对足迹样本进行了交叉检验。结果发现，不同性别回归模型对同性足迹样本预测身高误差较小，对异性足迹样本预测身高误差较大。因此，不同性别的足迹长与身高的关系存在着差异，建立不同性别的身高分析公式可以有效提高利用足迹预测分析身高准确率，进而为刑事案件的侦查提供有力线索。 关键词 性别 足迹 身高 作者简介：白光盛，濮阳市公安局昆吾分局，研究方向：痕迹检验;王亚迪，濮阳市公安局中原分局。 中图分类号：D918.9 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文献标识码：A ? ? ? ? ? ?? ? ? ? ? ?DOI：10.19387/j.cnki.1009-0592.2019.03.347 利用现场足迹分析犯罪嫌疑人身高为刑事案件的侦查提供着强有力的线索。但是，随着近年来社会的飞速发展，女性参与社会活不断深入，女性犯罪的犯罪数量不断攀升、犯罪类型广度和深度不断增加、犯罪行为方式呈现多样化等特点。我国长期以来仅利用男性足迹分析犯罪嫌疑人身高的方法是否同样适用于女性足迹，并且有研究发现女性与男性足迹大小又存在着明显的差异，此时，以往男性足迹分析身高公式能否适应当前新的犯罪特点成为了当前足迹科学研究的新方向。为研究不同性别足迹与身高的关系，本文通过收集不同性别人群的赤足足迹样本，建立不同性别赤足迹分析身高的回归公式，并对不同性别赤足迹与身高的关系进行比较分析，为提高利用足迹分析身高的准确率提供新的思路，为刑事案件的侦查提供更有力的线索。 一、材料和方法 （一）实验样本的收集 选取不同地区身体匀称、无足部疾病、无足部畸形的男性200名、女性200名，借助足迹捺印盒依次让每名实验对象的足底与油墨充分接触并采集其左右足的静态油墨足迹，测量并记录每名实验对象的身高和性别。 （二）实验数据的测量 足迹长按照传统的足迹长度测量方法进行测量确定。首先确定足迹测量基线（即足迹中心线），然后测量赤足足迹最长趾的前缘和跟后缘相切的两条直线沿足迹中心线方向的距离即足迹长;足迹掌宽为足迹前掌部位内外缘凸点之间的距离;足迹跟宽为足跟部位内外缘凸点之间的距离。由于左足与右足的大小并未较大的差异，同时为减少测量误差，将左足和右足的足迹长、足迹掌宽和足迹跟宽分别求平均，以下简称足迹长、足迹掌宽和足迹跟宽，并且为方便统计处理分别记为FL、FB和FHB。 （三）统计分析方法 将所获的数据分成男性组、女性组分别输入SPSS Statistic 20.0进行统计学分析。使用独立样本T检验比较不同性别在足迹长、足迹掌宽、足迹跟宽的均值，使用相关性分析方法分析不同性别的足迹尺寸与身高的相关性，最后分别建立不同性别分析身高的回归模型并对误差进行统计。 二、结果和分析 表1是男性和女性的足迹长、足迹掌宽、足迹跟宽和身高的描述性统计量。由表1可以看出男性左足和右足足迹长、足迹掌宽、足迹跟宽以及身高的均值均大于女性。 表2是男女性別间足迹长、足迹掌宽、足迹跟宽和身高的独立样本T检验的结果，由表可知足迹长、足迹掌宽、足迹跟宽和身高在男性与女性间P值均小于0.01，男女性别间均存在着显著性差异。可见性别对人足迹的大小和身高是存在影响的，然而不同性别间足迹的大小与身高间的关系是否一致，是否可以用男性的足迹大小与身高的关系代替女性足迹大小与身高的关系仍需要进一步的分析。 （一）男性线性回归模型的建立 由表3男性身高和足迹长、足迹掌宽及足迹跟宽相关性分析结果可知，男性身高和足迹长的相关性最高，身高与足迹长的Pearson相关系数r=0.518，存在着中度相关关系;而身高与足迹掌宽和足迹跟宽的相关系数较低存在着较弱的相关关系。鉴于足迹掌宽和跟宽较弱的相关关系，本文在此只建立足迹长为自变量，身高为因变量的一元线性回归模型。 表4是男性足迹长为自变量，身高为因变量建立的一元线性回归模型的系数显著性检验结果。由表4可知，男性足迹长与身高的一元线性模型为：由表6可知，其R方为0.268，在一元线性回归模型中，R方反映了模型的拟合效果，其值在0-1间，0表示模型拟合效果最差，1表示模型拟合效果最好，本模型中R方为0.274，拟合效果较差。但是由表5回归模型的显著性检验结果可知，该回归模型的显著性检验结果P值小于0.01，表示该模型对自变量的解释能达到了显著性水平，可以利用足迹长进行身高分析。 （二）女性线性回归模型的建立 由表7女性身高和足迹长、足迹掌宽及足迹跟宽相关性分析结果可知，女性身高和足迹长的相关性也最强，其与足迹长的Pearson相关系数r=0.653，存在着较强相关关系;而身高与足迹掌宽和足迹跟宽的相关系数较低，存在着较弱的相关关系。鉴于足迹掌宽和跟宽与身高间较弱的相关关系，本文在此也只建立足迹长为自变量，身高为因变量的一元线性回归模型。 表8是女性足迹长为自变量，身高为因变量建立的一元线性回归模型的系数显著性检验结果。由表8可知，女性足迹长与身高的一元线性模型为：其R方为0.427，模型的拟合效果与男性相比较好。同时，由表9回归模型的显著性检验结果可知，该回归模型的显著性检验结果P值小于0.01，表示该模型对自变量的解释同样达到了显著性水平，可以利用女性足迹长进行女性身高分析。 （三）男性和女性回归模型的比较分析 为进一步研究不同性别间足迹的大小与身高间的关系是否一致，本文对男性和女性所建立一元线性回归模型男性足迹样本和女性足迹样本进行交叉检验，并对误差在预测误差在上下3cm以内进行统计比较（见表11）。 由上表11可以看出所建立的用于分析男性身高的一元线性回归模型在误差≤3cm的前提下对200名男性样本足迹进行预测分析身高时具有较高的预測准确率，而对200名女性样本足迹进行预测分析身高时预测准确率明显下降;同时，女性的一元线性回归模型在对男性样本足迹进行预测分析身高时也出现了明显的下降。由此可见，男女性别间足迹长与身高的线性关系存在着差异，不同性别的线性回归模型在对异性足迹进行分析时会产生较大误差，而对同性足迹样本进行预测分析时误差较小。因此，不同性别的足迹长与身高的关系存在着差异，建立不同性别的身高分析公式可以有效提高利用足迹预测分析身高准确率。 三、结论 本文为研究不同性别间足迹大小与身高关系，通过收集不同性别的足迹捺印样本，提取足迹长等特征，建立了不同性别的一元线性回归公式，分别在可接受的误差范围内具有较高的预测准确率，并且发现不同性别的线性回归模型对异性足迹样本预测分析身高时误差较大，而对同性足迹样本进行预测分析时误差较小。因此，不同性别的足迹长与身高的关系存在着差异，建立不同性别的身高分析公式可以有效提高利用足迹预测分析身高准确率，进而为刑事案件的侦查提供有力线索。由于本文足迹长与身高的关系并未考虑不同地区、不同种族等因素的影响，更加有价值的结论有待更加深入的研究。 参考文献： [1]山东省女子监狱课题组.女性犯罪发展态势与管理型矫正模式构建.中国司法.2016（6）.70-75. [2]史力民.足迹学.北京：中国人民公安大学出版社.2007. [3]汤澄清，等.关于身高分析.辽宁警察学院学报.2005（5）.62-64. [4]胡锏月.运用赤足足迹多元回归分析身高.警察技术.2016（4）.57-59. [5]甘霖.中国刑警学院学报.中国刑警学院学报..2015（4）.51-53. [6]P Uhrov岬龋？Stature Estimation from Various Foot Dimensions Among Slovak Population.Forensic Sic，2013，58（2）.448-451. [7]荣泰生.SPSS与研究方法.大连：东北财经大学出版社.2012. [8]郭志刚.社会统计分析方法.北京：中国人民大学出版社.2015. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。