「罰金刑が犯罪抑制に与える効果に関する研究 －軽微な事案の窃盗犯を対象にして－」

罰金刑が犯罪抑制に与える効果に関する研究

－軽微な事案の窃盗犯を対象にして－

＜要 旨＞

近年，我が国の犯罪件数の動向は，減尐傾向にあるもののなお高水準となっている．

その要因の一つである万引きなどの軽微な事案の窃盗犯に対処するため，2006年に刑

法を改正し，従来の懲役刑に加えて罰金刑を新設した．本稿では，この罰金刑が軽微

な事案の窃盗犯に対して与えた犯罪抑制の効果について，同時に罰金刑の新設が行わ

れた公務執行妨害等犯と比較したうえで実証分析を行った．その結果，現行の罰金刑

が，公務執行妨害等犯を減尐させた効果は示されたのに対して，軽微な事案の窃盗犯

を減尐させた効果については示されなかった．

この結果を踏まえ，犯罪の種別にもよるが，犯罪者は刑罰よりも刑罰執行確率に依

存した行動を選択すると考えられ，現行の罰金刑と刑罰執行確率にもとづく軽微な事

案の窃盗犯の期待刑罰は，法改正後も引き上げられていないと考えられることから，

犯罪の抑制のために罰金刑の上限を引き上げる必要と刑罰執行確率の改善について提

言した．

2011年 （ 平 成 23年 ） 2月

政策研究大学院大学政策研究科まちづくりプログラム

MJU10055 田 中 克 典

目 次

1. はじめに ... 1

2. 犯罪の現状と法改正の背景 ... 2

2-1. 犯罪の現状 ...

2

2-2. 法改正の概要と背景...

4

3. 罰金刑の効果に関する理論分析... 5

3-1. 経済理論にもとづく犯罪行動 ...

5

3-2. 法改正の意図する軽微な事案の窃盗犯に対する罰金刑の効果 ...

7

3-3. 実際の軽微な事案の窃盗犯に対する罰金刑の効果 ...

8

4. 罰金刑の効果に関する実証分析の手法 ... 8

4-1. 軽微な事案の窃盗犯に関するモデル ...

8

4-2. 公務執行妨害等犯に関するモデル ...

9

4-3. 利用するデータ ...

9

4-4. 軽微な事案の窃盗犯の罰金刑新設後の変化に関するモデル ...

12

5. 罰金刑の効果に関する実証分析の推計結果 ... 13

6. 考察 ... 18

6-1. 刑罰・期待刑罰と犯罪行動との関係性における分析 ...

18

6-2. 犯罪抑制の社会的効用水準における分析 ...

19

6-3. 罰金刑の引き上げにおける分析...

21

6-4. 刑罰執行確率における分析 ...

22

6-4-1. 逮捕される確率 ...

22

6-4-2. 起訴等のされる確率 ...

23

7. 政策提言 ... 24

8. おわりに ... 26

付録：データの出典及び作成手法 ... 27

参考文献 ... 28

- 1 -

1. はじめに

我が国の刑法犯の認知件数は，平成14年の369万3,928件をピークに平成15年から減尐に転じ，

平成21年の239万9,702件まで減尐傾向を示している

1

_{．しかしながら，急激な増加傾向に入る前}

の状態に戻ったにすぎず，国民の治安に対する不安感

2

_{とともに，その件数は依然として高水準}

にあるといえる．警察・司法当局では，犯罪の多発や新たな犯罪の発生に対処するため

3

_，また，

国民の被害者感情や遺族感情に配慮する形

4

_{で様々な刑法の改正を行っており，特に，刑罰の引}

き上げを伴う改正がみられているところである．

このように，近年は厳罰化の傾向にあるとされ，強盗罪など重大犯罪を対象とした有期刑に

係る法定刑の上限が15年から20年に引き上げられた平成16年の刑法改正は，その傾向を端的に

表しているといえよう．しかし，量刑の変化の乏しさから，量刑と犯罪の抑制効果の関係につ

いての実証研究は十分にされているとは言い難く，法改正論議の場においてもその効果を予測

した議論とはなっていない．平成18年に新設された窃盗罪に対する罰金刑に際しての議論もま

た同様である

5

．

これは，犯罪の多発に対処するための一種の厳罰化といえる量刑であるが，窃盗犯にはかね

てより，従来の量刑が懲役刑のみであったことから万引きや自転車盗など犯罪被害額が軽微な

事案においては公訴されないなど，実質的に刑罰が与えられていないことの弊害が指摘されて

おり，これに対処する形で罰金刑が加えられた．しかし，窃盗犯は平成21年の刑法犯の認知件

数中，約54.1%と最も多くを占める犯罪であり，129万9,294件もの件数となっている．これは年

間で人口100人当たり1人は窃盗の被害に遭っている計算となるもの

6

_{であり，依然として件数は}

高い水準にとどまっている．このように，現行の罰金刑は犯罪の抑制に法改正の意図するとお

りの効果が示されていない可能性がある．

そこで本稿では，罰金刑が軽微な事案の窃盗犯に与えた犯罪抑制の効果について，平成12年

から平成20年までの都道府県別パネルデータを用いて，同時に罰金刑が新設された公務執行妨

害等犯との比較から実証分析を行った．結論から先に述べると，現行の罰金刑にはその抑制を

意図した軽微な事案の窃盗犯に対してはその行動に影響を与えておらず，効果がないことが示

された．その結果を踏まえ，今後の量刑の在り方について考察するとともにその改善を提言し

たものである．

犯罪に関する実証分析の先行研究としては次のようなものがある

7

_{．まず，犯罪と刑罰との関}

係性について，Orsagh (1973) は1960年のカリフォルニア州郡のデータをもとに有罪の確実性（有

罪率）による犯罪の抑止効果を示した．Ehrlich (1973) は1960年の全米各州のデータをもとに収

監率と刑期による犯罪の減尐効果を示している．また，Carr-Hill and Stern (1973) は1961年と1966

年のイングランドとウェールズにおける警察区域単位のデータをもとに刑罰の厳格性（収監率）

1

法務省「平成22年版犯罪白書」参照．

2

平成19年に内閣府が発表した『治安に関する世論調査』によると，「現在の日本が治安がよく，安全で安心して暮ら

せる国だと思うか」との問いに対して，「そう思わない」が17%，「あまりそう思わない」が36%となっており回答者

の半数以上が不安があると答えている．

3

例えば，平成13年の「支払い用カード電磁的記録に関する罪」の新設．

4

例えば，平成13年の「危険運転致死傷罪」の新設と平成16年，平成19年の同罪の改定．

5

「法制審議会刑事法（財産刑関係）部会第1回～第3回会議議事録」参照．

6

「総務省人口推計」平成21年10月1日現在の人口127,509,567人から算出した．

7

米国における先行論文については松村 (1982) を参照．

- 2 -

と確実性（解決率）は犯罪を減尐させることを示し，さらに刑罰の厳格性よりも確実性の方が

大きな犯罪抑止効果を持っていることを弾性値から示している．一方で，Forst (1976) は1970年

の全米各州及びコロンビア特別地区のデータをもとに収監率，平均刑期，矯正予算はいずれも

犯罪率と有意な関連がないとして否定的な見解を示している．また，Avio and Clark (1978) は

1971年のカナダオンタリオ州各センサス地区のデータをもとに逮捕率は概ね犯罪の減尐効果を

示すものの，有罪率及び刑期は減尐の傾向に留まり有意には示されなかったとしている．以後

も，全米各州のパネルデータをもとに罰則の厳しい州では犯罪が尐ないことを示したLevitt

(1998) の他，日本においても1991年の罰金額等の引き上げ及び1968年の業務上・重過失致死傷

罪の法定刑の引き上げによる効果を分析した小島 (2006) などがある．

その他に，犯罪と経済情勢との関係について，1976年から2008年までの時系列データ及び1975

年から2005年までの5年ごとの都道府県別パネルデータをもとに犯罪の発生率は失業率が上昇

すると同じく上昇するが，失業率の上昇よりも貧困率の上昇による影響の方が大きいことを示

した大竹・小原 (2010) ，1966年から1996年までの時系列データ及び1980年から1995年までの5

年ごとの都道府県別パネルデータをもとに尐年犯罪の発生率が労働市場の需給状況や教育の質

と関係していることを示した大竹・岡村 (2000) ，犯罪と外部性との関係について，2005年の東

京都のデータをもとに犯罪発生率が地価を減尐させることを示した沓澤・山鹿・水谷・大竹

(2007) がある．

このような先行研究はあるものの，我が国では罰金刑の採用が比較的尐なく，かつその量刑

の変化に乏しいこともあり，刑法犯に対する罰金刑の犯罪抑制効果について実証分析した例は，

著作権法犯と強盗犯に対する刑罰引き上げの効果を比較し強盗犯のみに効果がみられたことを

示した牛山 (2009) があるが，いまだ十分になされているとはいえない．その点において，罰金

刑の犯罪抑制効果を実証的に分析しようとする本研究は，今後の量刑の在り方について考察す

るうえで，一定の意義をなすものと考える．

本稿の構成は次のとおりである．まず，第2章で，犯罪の現状と法改正に至る背景について統

計データを示しながら概観する．第3章では，罰金刑が犯罪抑制に与える効果について理論分析

を行う．第4章では，前章の理論分析で示した仮説を検証するための実証分析の手法を提示し，

第5章においてその結果を示す．第6章では分析の結果を踏まえ，現行の罰金刑と望ましい量刑

の在り方について考察を行い，第7章で改善に向けた政策提言をする．そして，最後に第8章で

今後の課題をまとめる．

2. 犯罪の現状と法改正の背景

この章では平成18年の刑法改正で罰金刑が新設された窃盗罪と公務執行妨害等罪について統

計データをもとに概観する．2-1.節では犯罪の現状について長期の動向と直近の動向を示す．2-2.

節では法改正の概要と改正に至る背景について示す．

2-1. 犯罪の現状

昭和41年から平成21年までの窃盗犯（侵入盗・乗物盗・非侵入盗）の認知件数及び検挙率の

推移を表したのが，図1である．特徴としては，侵入盗の割合が低下した一方で乗物盗及び非侵

入盗の割合が上昇していること，乗物盗及び非侵入盗の検挙率が低迷していることなどが挙げ

られる．

- 3 -

図1の示すとおり，認知件数

は平成9年頃から急激に増え

始め，平成15年から減尐に転

じている．また，検挙率は平

成に入ってから低下を始め，

平成14年から上昇に転じてい

る．このように幾分改善して

きてはいるものの，依然とし

て増加前の水準に戻ったにす

ぎず，前章で示した国民の治

安に対する不安が解消しきれ

ない姿を捉えることができる．

次に，本稿で対象とした，

新たに罰金刑が加えられた窃

盗罪と公務執行妨害及び職務強要罪（以下、「公務執行妨害等罪」という）の犯罪について，

平成12年から平成21年までの認知件数及び検挙率の推移を表したものが，図2，図3である．な

お，ここでは本稿で軽微な事案の窃盗犯と位置づけた自転車盗及び万引きについて掲載してい

る．

軽微な事案の窃盗犯・公務執行妨害等犯ともに犯罪認知件数は高水準で推移しており，また，

検挙率の傾向には変化が示されないが，自転車盗の検挙率は10%に満たない低位である一方，

公務執行妨害等犯の検挙率は95%以上の高位であることが分かる．なお，70%を超える万引きの

検挙率については，実際に逮捕される確率とは異なるものと考えられるので注意を要する

8

_．

8

_{万引きは店舗等の現行犯での取り押さえが主な犯罪認知手段であるが，取り押さえ後も警察に引き渡されないものは}

犯罪認知件数に含まれていない．また，警察に引き渡された身柄とその余罪がそのまま犯罪認知件数となるため，検挙

件数を犯罪認知件数で除して算出するここでの検挙率は，実際の犯罪件数を分母とした逮捕される確率と比較すると相

当大きいと考えられる．実際に，万引きの被害額については警察庁の把握額と小売業団体の把握額には大きな乖離があ

ることが知られている．

521

389

158

₁₅₀

77.6%

72.4%

72.6%

5.7%

8.1%

6.9%

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

0

100,000

200,000

300,000

400,000

500,000

600,000

認知件数（件）

検挙率

認知件数・自転車盗

認知件数・万引き

検挙率・万引き

検挙率・自転車盗

3,569

3,071

98.3%

95.5%

96.1%

85.0%

87.0%

89.0%

91.0%

93.0%

95.0%

97.0%

99.0%

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

検挙率

認知件数（件）

認知件数・公務執行妨害等犯

検挙率・公務執行妨害等犯

図3 公務執行妨害等犯の認知件数と検挙率

図2 軽微な事案の窃盗犯の認知件数と検挙率

出典：警察庁（平成＊＊年の犯罪）より筆者作成

- 4 -

2-2. 法改正の概要と背景

該当する平成18年の刑法の改正内容は，次のとおりである．

平成18年法律第36号「刑法及び刑事訴訟法の一部を改正する法律」

（平成18年5月8日公布 同年5月28日施行）

（1）公務執行妨害及び職務強要罪に対する罰金刑の新設

3年以下の懲役又は禁固

→3年以下の懲役若しくは禁固又は50万円以下の罰金

（2）窃盗罪に対する罰金刑の新設

10年以下の懲役

→10年以下の懲役又は50万円以下の罰金

刑法犯罪における犯罪者は検挙後においても2つの手段で公訴を逃れることが可能である．一

つは，警察限りの内部処理にとどめられる微罪処分

9

_{，もう一つは，起訴便宜主義にもとづく検}

察官の判断による起訴猶予を含む不起訴扱い

10

_である．

公務執行妨害等罪は暴行又は脅迫により公務員による円滑な公務を阻害する犯罪であり，平

成5年の934件を境に増加傾向に転じ，法改正前の平成17年には2,868件と急増していた．この急

増件数の中には，酒に酔って職務質問中の制服警察官に因縁をつけて暴行を加えたもの，喧嘩

の仲裁に入った制服警察官に興奮や感情の行き違いから暴行を加えたものの直ちに制圧・検挙

されるなど，比較的影響の大きくない事案も数多くみられたが，一方で，法定刑が懲役刑又は

禁固刑に限られていることから刑罰の適用に困難が生じていた．

また，窃盗罪は他人の財物を窃取する私利慾的犯罪であり，法改正前の平成17年には交通事

犯に係る業務上過失致死傷罪を除く全刑法犯の認知件数の約76%を占め，治安対策の重要な課

題となっていた．この中には，食料品の万引きなど安易な気持ちから行われ，かつ，被害額が

僅小である上，被害回復も速やかになされるといった比較的軽微な事案も多くみられたが，一

方で，法定刑が懲役刑に限られていることから刑罰の適用に困難が生じていた．実際，この刑

罰が適用されないことで万引きの再犯による被害に苦しむ業界団体からは，法改正を望む声が

出ていたほどである

11

_{．また，国会の衆・参両議院のそれぞれの法務委員会における附帯決議に}

おいても，政府に対し，罰金が選択刑として定められていない財産犯及び公務執行妨害罪につ

いて，罰金刑の導入検討を求めていた

12

_．

9

司法警察員は，犯罪の捜査をしたときは，この法律に特別の定のある場合を除いては，速やかに書類及び証拠物と

ともに事件を検察官に送致しなければならない．但し，検察官が指定した事件については，この限りでない．（刑事訴

訟法第246条）

捜査した事件について，犯罪事実が極めて軽微であり，かつ，検察官から送致の手続をとる必要がないとあらかじめ

指定されたものについては，送致しないことができる．（犯罪捜査規範第198条）

10

犯人の性格，年齢及び境遇，犯罪の軽重及び情状並びに犯罪後の状況により訴追を必要としないときは，公訴を提

起しないことができる．（刑事訴訟法第248条）

11

例えば，特定非営利活動法人全国万引犯罪防止機構が平成17年6月23日に設立されている．

12

_{平成3年の通常国会において成立した「罰金の額等の引上げのための刑法等の一部を改正する法律」の審議の際に，}

衆・参両議院のそれぞれの法務委員会において附帯決議がされている．

また，平成16年秋の臨時国会において成立した「刑法等の一部を改正する法律」の審議の際には，衆・参両議院のそ

れぞれの法務委員会において，近年の犯罪情勢等を踏まえ，財産犯の一部に罰金刑を選択刑として新設することの更な

る検討が附帯決議で求められている．

- 5 -

この背景は統計データからも見てとることができる．

平成18年以前の窃盗犯及び公務執行妨害等犯の起訴等の確率について概要を表したものが，

図4である．図4では，微罪処分率が高いほど逮捕後も警察どまりの処理になりやすいこと，起

訴率が低いほど逮捕後も検察どまりの処理になりやすいことをそれぞれ表している．統計デー

タの制約上，自転車盗及び万引きの起訴率は入手できなかったが，ここでは代用として窃盗犯

の起訴率を掲載している．窃盗犯・交通業過を除く刑法犯総数の起訴率と比較すると窃盗犯及

び公務執行妨害等犯の起訴率はいずれも低い傾向を示している．また，公務執行妨害等犯の微

罪処分率は0%ではあるが，自転車盗及び万引きの微罪処分率はいずれも窃盗犯・交通業過を除

く刑法犯総数と比較すると高い傾向を示していることから，法改正前における起訴等の困難性

をここで確認することができる．

そこで，平成18年の刑法の改

正では，

比較的軽微な事案の犯

罪であっても早い段階で相応

の刑罰を科し，

刑罰が有する一

般予防機能

13

_{及び特別予防機}

能

14

_{の効果により，同種事犯の}

再発を防止し，

常習化や他のよ

り重い犯罪への発展を食い止

める必要があるとの判断によ

って，

事案に対応した適正な事

件処理・科料を可能とするべく，

法制審議会刑事法（財産刑関

係）部会での審議を経て，両罪

に対し，50万円以下の罰金刑が

新設されるに至った．

3. 罰金刑の効果に関する理論分析

本章では法と経済学の視点から合理的な犯罪者に与える罰金刑の犯罪抑制効果について分析

する．3-1.節では一般的な犯罪モデルを経済理論で示し，3-2.節で軽微な事案の窃盗犯に対する

罰金刑の犯罪抑制効果を法改正の意図するところとして示す．しかしながら，次の3-3.節では法

改正の意図する効果は理論上示されないことを提示する．

3-1. 経済理論にもとづく犯罪行動

近代の犯罪学（古典派犯罪学）を創設したのはイタリアの経済学者Beccariaとされている．彼

は当時の恣意的な刑事司法と残虐な執行を批判する観点から，功利主義に基づく合理的な刑事

司法制度の確立を主張した（Beccaria (1764)）．さらに，古典的功利主義を代表するBenthamは，

犯罪は快楽を求めるための合理的行動であるとする犯罪論を展開した（Bentham (1896) ）．な

13

刑罰の抑止力によって一般社会人による犯罪の発生の予防に期待する考え方

14

犯罪者当人を教育して更生・社会復帰をさせて再犯の防止に期待する考え方

- 6 -

お，犯罪の経済分析を論文で最初に発表したのはBeckerである．

したがって，本稿においても，このBeckerの犯罪行動理論（Becker (1968) ）をもとに法と経

済学の観点から理論分析を行う．

経済学では「人々は，自身の意思決定（行動）に関してトレードオフの関係に直面しており，

意思決定にあたっては行動から得られる便益とそれに要する費用とを比較して決定する．なお，

ここでいう費用には，実際に要する費用のみならず，行動から得られる便益のために放棄した

もの（機会費用）まで含めなければならない．また，合理的な人々は，限界的な変化を比較し

て行動を決定する．したがって，上記の行動から得られる便益については限界便益を，行動に

要する費用については限界費用を比較していることになる．さらに，人々は様々なインセンテ

ィブ（誘因）に反応して行動する．個々の人々が直面する便益と費用に変化をもたらすインセ

ンティブ（誘因）に対しては，行動が変化する可能性を考えるべきである．」とされている．

つまり，合理的な意思決定者は，インセンティブに反応しつつトレードオフに直面している

ため，限界的な便益が限界的な費用を上回る行動だけを選択する

15

．

これら経済学の理論をBeckerの犯罪モデルに応用する場合，犯罪者は犯罪によってYの利益を

得ることができるが，確率pで刑罰fを科される可能性があるものと仮定する．すると，合理的な

潜在的犯罪者は、期待効用EU（不確実性の下において得られる効用の期待値）を最大化するよ

うに，犯罪の量O（ここでいう「量」は「質」を含む概念）を決めることになる．このような犯

罪者の行動を数式で表現すると，犯罪者の犯罪による利益Yは以下の効用最大化問題を解くこと

で決定され，

Max EU=pU (Y- f) + (1-p)U (Y) ，∂U/∂Y>0，∂∂U/∂∂Y<0

Y

となる

16

_．

その結果，犯罪者による犯罪の量Oは，刑罰の重さfと刑罰執行確率pの関数として，O=O(p, f)，

∂O/∂p<0，∂O/∂f<0と示される．

すなわち，犯罪者による犯罪の量は，図5が示すとおり，刑罰の重さと刑罰の執行確率が大き

くなるほど減ることになる

17

_．

ここで，合理的意思決定者である潜在的犯罪者は，犯罪から得られる限界便益と犯罪に要す

る限界費用に直面していることになる．限界便益としては，犯罪の成功による期待利得が挙げ

られ，限界費用としては，期待刑罰（刑罰の重さに刑罰の執行確率を乗じたもの）を挙げるこ

とができる．したがって，期待利得が期待刑罰を上回る場合に犯罪を実行する理由が生じ

18

_、そ

の一致する点（犯罪からの限界便益曲線と限界費用曲線が図6のMBとMCのように描かれるとき

15

N.グレゴリー・マンキュー (2005) 5-12頁参照．

16

_{本稿でいう刑罰には，新たに罰金を科される場合の確率pに着目している．その場合の効用関数はU(Y-f)であり，罰金}

を逃れる場合の確率は(1-p)でその場合の効用関数はU(Y)なので，「期待効用」の最大値Max EUは，pU(Y-f)+(1-p)U(Y)

と表される．

また，

∂U/∂Y>0は，効用Uが利益Yの増加とともに増加することを，限界的な効用∂∂U/∂∂Y<0は，効用Uの増加程度は

利益Yが大きくなるにつれて小さくなっていくことを示す．

17

四方 (2007) 287-288頁参照．

18

福井 (2007) 133-137頁参照．

- 7 -

19

_{，MBとMCが交わる点）まで犯罪を実行する．}

3-2. 法改正の意図する軽微な事案の窃盗犯に対する罰金刑の効果

平成18年の刑法の改正による窃盗罪に対する罰金刑の新設は，刑罰の強化の一環と捉えるこ

とができる．窃盗犯の中には，犯罪被害額が小さく，また被害回復も速やかになされるなど比

較的軽微な事案が多くみられる

20

_{が，従来，窃盗}

罪の法定刑が懲役刑に限られていたことから，

顕著な再犯を除き，軽微な事案においては，司

法当局に書類送検されることなく警察内部の微

罪処分になること

21

_{や，送検後においても公判請}

求するには酷であるとして，起訴猶予せざるを

得ない事案

22

_{など，実質的に刑罰が科されないこ}

とが問題視されてきた．この場合，軽微な事案

の窃盗犯の直面する期待刑罰は刑罰の執行確率

のみとなり

23

_{，本来乗じるべき刑罰の重さ分だけ}

限界費用曲線が引き下げられている状態といえ

る．

19

ここでは，犯罪からの便益が高い者から順に並べた場合を想定しており，したがって限界便益曲線MBは右下がりの

直線である．また，通常，犯罪件数が増えるほど捜査が及びにくくなり逮捕されるリスクは低下すると考えられるため，

犯罪者の限界費用曲線MCは緩やかな右下がりの曲線になるが，ここでは議論の簡素化のために一定と仮定している．

20

平成21年中の窃盗犯罪認知件数のうち，本稿で軽微な事案の窃盗犯と位置づけた万引き及び自転車盗が占める割合は

41.5%となっている．

21

平成21年中の窃盗犯の微罪処分件数は61,589件で検挙人員件数中約35%となっている．

22

「法制審議会刑事法（財産刑関係）部会第1回議事録」中において，事務局は「このような事案につきましては，一

方で，早い段階で相応の刑罰を科し，刑罰が有する一般予防及び特別予防的効果により，同種事犯の再犯を防止し，ひ

いては常習化や他の犯罪傾向への発展を食い止める必要があると考えられますが，他方で，窃盗罪の法定刑が懲役刑に

限られておりますことから，現実には起訴をすべきか否かの判断に困難を伴うものが尐なくありません．」と述べてい

る．

23

犯罪に対する制裁として犯罪者が直面する社会的制裁には，司法により直接科される刑罰の他に，評判や将来所得

の低下といった制裁もあるが，ここでは議論の簡素化のために社会的制裁を省略している．

犯

罪

量

O

刑罰量・刑罰執行確率

0

f,p

図5 犯罪量と刑罰量・刑罰執行確率との関係

便

益

・

費

用

図6 犯罪者の直面する限界便益・限界費用曲線

MB

MC

Q

犯罪件数

Q*

P*

0

P

MB

Q

犯罪件数

Q*

P*

0

便

益

・費

用

P

50万円

MC

2

MC

1

P’

Q’

減尐

図7 法改正の意図する犯罪者の直面する

限界便益・限界費用曲線

- 8 -

ここで，窃盗罪に対する罰金刑の新設は，他の条件を一定とすると，従来，実質的に刑罰が

科されていなかった軽微な事案の窃盗犯が直面する限界費用曲線を，

MC

1

からMC

2

へ刑罰の重さ

（罰金支払い）分引き上げることになり，犯罪の件数はQ*からQ’へ減尐することになる（図7）．

3-3. 実際の軽微な事案の窃盗犯に対する罰金刑の効果

前節では，法改正の意図する軽微な事案の窃盗犯に対する罰金刑の効果を分析したが，果た

して法改正は，意図する政策的インセンティブを犯罪者に正しく与えているのだろうか．

そこで仮説として，実際の軽微な事案の窃盗犯に対する罰金刑の効果を分析する．

犯罪者が直面する限界費用（期待刑罰）は，刑罰の重さに刑罰の執行確率を乗じたものであ

るが，軽微な事案の窃盗は，前章で述べたとおり刑罰の執行確率が元々低い．犯罪者にとって

刑罰の重さとともに刑罰の執行確率は，犯罪行動の重要な決定因子になると考えられるため，

同一の罰金刑による刑罰の重さであっても，刑罰の執行確率によって犯罪者が直面する「真の」

刑罰の重さ（限界費用）には差異が生じると考えられる．

実際に刑罰が科せられる量をCp，刑罰の執行確率をp，新たに科される罰金刑をPqとすると，

Cp=p×Pq (0≦p≦1)と表される．つまり，Pq（罰金刑50万円）は刑罰の執行確率pの影響を受け

るため、Cp=Pqとはならない．自転車盗や万引きといった軽微な事案の窃盗は，現行犯以外に逮

捕されるのは稀であるので，犯罪者が見積もるp

は通常著しく低くなる．

したがって，刑罰の執行確率が低い軽微な事

案の窃盗犯については，法改正による罰金刑（上

限50万円）の新設がもたらした限界費用の引き

上げ幅が，他の条件を一定としたとき，法改正

の意図するほどの効果は生じず，限界費用曲線

をMC

1

からMC

2

へ押し上げるにとどまり，限界

便益曲線MBを上回るものは小さいため，軽微

な事案の窃盗件数はQ

*

_からQ

’

_{への移動が示すと}

おり減尐しない若しくは若干の減尐にとどまる

と考えられる（図8）．

4. 罰金刑の効果に関する実証分析の手法

本章では，刑罰執行確率によって罰金刑の犯罪抑制効果が異なることを示した前章の理論分

析を検証するために実証分析を行う．まず，4-1.節で刑罰執行確率の低い軽微な事案の窃盗犯に

ついての推計モデルを示し，4-2.節で刑罰執行確率の高い公務執行妨害等犯についての推計モデ

ルを示す．加えて，4-3.節では両モデルで利用するデータの説明を行う．併せて，4-4.節では軽

微な事案の窃盗犯における罰金刑新設後の各要素の変化を確認するために行う実証分析の手法

を示す．

4-1. 軽微な事案の窃盗犯に関するモデル

本節では，前章の理論分析により導かれた「窃盗罪に対する罰金刑の新設（上限50万円）は，

刑罰執行確率の低い軽微な事案の窃盗犯に対しては効果が示されない」との仮説について実証

MB

図8

実際の犯罪者が直面する限界便益・

【仮説】 限界費用曲線

Q

犯罪件数

Q*

P*

0

便

益

・費

用

P

MC

2

MC

1

P’

Q’

- 9 -

分析を行うため，平成12年から平成20年までの都道府県別パネルデータを用いて，次のモデル

を推計する．

(a)ln(自転車盗認知件数/人口)

it

=

α

1

+

β

1

LowDummy

it

+

β

2

Ｘ

it

+

δ

1i

+

ε

1it

(b)ln(万引き認知件数/人口)

it

=

α

2

+

β

3

LowDummy

it

+ β

4

Ｘ

it

+

δ

2i

+

ε

2it

α

1

～

α

2

：定数項 β

1

～

β

4

：パラメータ

LowDummy：平成18年刑法改正ダミー Ｘ：コントロール変数

δ：固定効果（個体ごとに特有で観察できない要因） ε：誤差項

i：都道府県 t：年

仮説を検証する軽微な事案の窃盗犯の対象については，刑罰の執行確率が低いものとして

「(a)自転車盗」及び「(b)万引き」の人口10万人当たりの犯罪認知件数を用いる．推計モデル

については，県民性等の都道府県ごとの観測不可能な固有の要素が存在することが考えられる

ことから，固定効果モデル（Fixed Effect Model 以下、「FE」と呼ぶ）により推計を行う．

4-2. 公務執行妨害等犯に関するモデル

本節では，前章の理論分析の反対解釈から導かれる「公務執行妨害等罪に対する罰金刑の新

設（上限50万円）は，刑罰執行確率の高い同犯に対しては効果が示された」との仮説について

実証分析を行うため，平成12年から平成20年までの都道府県別パネルデータを用いて，次のモ

デルを推計する．

(c)ln(公務執行妨害等犯認知件数/人口)

it

=

α

3

+

β

5

LowDummy

it

+

β

6

Ｘ

it

+

δ

3i

+

ε

3it

α

3

：定数項

β

5

～

β

6

：パラメータ

LowDummy：平成18年刑法改正ダミー Ｘ：コントロール変数

δ：固定効果（個体ごとに特有で観察できない要因） ε：誤差項

i：都道府県 t：年

仮説を検証するものとして，公務執行妨害等犯の人口10万人当たりの犯罪認知件数を用いる．

推計モデルについては，前節と同じく固定効果モデル（FE）により推計を行う．

4-3. 利用するデータ

前節までの推計モデルを分析するのに利用するデータは次のとおりである

24

_．

（1）被説明変数

(a)：ln（人口10万人当たりの自転車盗認知件数）

(b)：ln（人口10万人当たりの万引き認知件数）

(c)：ln（人口10万人当たりの公務執行妨害等犯認知件数）

(a)～(c)のモデルにおいて，各都道府県警が警察庁に報告した都道府県別の犯罪認知件数を

利用し，人口による効果を考慮するため

25

_{人口10万人当たりの認知件数の対数値を被説明変数と}

した．

24

データの出典及び作成手法については付録に掲載した．

25

Wooldridge (2006) 691頁以下参照

- 10 -

（2）説明変数

①法改正ダミー

平成18年の刑法の改正前（罰金刑の新設前）の期間を0，法改正後の平成19年以降を1とする

ダミー変数を用いた

26

_{．罰金刑の新設が犯罪を減尐させる効果があったならば，予想される符号}

は負である．

②コントロール変数Ⅰ：ln（失業率）

犯罪の機会費用を表す指標として，失業率の対数値を用いた．失業率の上昇は，犯罪発覚後

に失うであろう自らの仕事と再就職の困難により，犯罪から得られる便益に対して相対的に機

会費用を高めるため，予想される符号は負である．

③コントロール変数Ⅱ：ln（人口10万人当たりの警察職員数）

モデル(a)，(c)の刑罰の執行確率のうち，犯罪捜査力を表す指標として，各都道府県におけ

る人口10万人当たりの警察職員数（警察官数）の対数値を用いた．

モデル(a)では警察職員の増員は犯罪者にとって限界費用を引き上げると考えられるため，予

想される符号は負であるが，モデル(c)では犯罪の対象となる公務員は警察職員であることが多

いため，予想される符号は正である．

④コントロール変数Ⅲ：ln（小売業1店舗当たりの店舗面積）

モデル(b)については，先述のとおり，犯罪の認知は店舗における現行犯逮捕と考えられるた

め，刑罰の執行確率のうち犯罪捜査力とは相関を持たないと考えられる．

したがって，犯罪者にとって犯罪実行の容易さを表す代理指標として，各都道府県における

小売業1店舗当たりの店舗面積の対数値を用いた．小売業店舗面積の増加は万引きの監視の目を

低下させ，犯罪者にとって犯罪実行を容易にすると考えられるため，予想される符号は正であ

る．

⑤コントロール変数Ⅳ：ln（可住地面積当たりの人口密度）

犯罪機会を表す指標として，各都道府県における可住地面積1平方キロメートル当たりの人口

密度の対数値を用いた．人口密度の増加は，犯罪者にとって犯罪機会の増加と考えられるため，

予想される符号は正である．

⑥コントロール変数Ⅴ：ln（大学進学率）

犯罪予防機能及び犯罪の機会費用を表す指標として，各都道府県における高等学校等生徒の

大学進学率の対数値を用いた．大学進学率の増加は，教育による犯罪予防機能の上昇が考えら

れるとともに，犯罪者にとって犯罪の機会費用（犯罪発覚によって逸失する生涯獲得所得）に

影響すると考えられるので，予想される符号は負である．

⑦コントロール変数Ⅵ：ln（生活保護率）

生活困窮による犯罪を表す代理指標として，各都道府県における人口千人当たりの生活保護

被保護実人員の対数値を用いた．生活保護率の増加は，機会費用（犯罪発覚によって逸失する

所得）が元々低いと考えられる生活困窮者による犯罪の誘因になると考えられるので，予想さ

れる符号は正である．

26

_{本来であれば施行日以降を1とするデータを用いるべきであるが，データが年単位であるため，5月施行であることか}

ら翌年以降を1とするダミー変数とした．

- 11 -

⑧コントロール変数Ⅶ：ln（1世帯当たりの可処分所得額）

所得による犯罪の機会費用を表す代理指標として，各都道府県における二人以上の1世帯当た

りの可処分所得額の対数値を用いた．可処分所得額の増加は，相対的に犯罪の機会費用の上昇

になると考えられるので，予想される符号は負である．

⑨コントロール変数Ⅷ：ln（児童・生徒数10万人当たりの補導数）

愉快犯による犯罪を表す代理指標として，各都道府県における児童・生徒数10万人当たりの

補導数の対数値を用いた．児童・生徒の被補導者は，日常規律の逸脱行動自体に快楽を求める

ものや仲間内の自己誇示行動によるものと考えられるため，愉快犯の指標と概ねみなし得ると

考える．児童・生徒補導数の増加は愉快犯による犯罪の増加になると考えられるので，予想さ

れる符号は正である．

⑩コントロール変数Ⅸ：ln（人口100人当たりの自転車保有台数）

モデル(a)の自転車盗について，犯罪機会の指標として，各都道府県における人口100人当た

りの自転車保有台数の対数値を用いた．自転車保有台数の増加は犯罪者にとって犯罪機会の増

加と考えられるため，予想される符号は正である．

⑪コントロール変数Ⅹ：ln（鉄道駅数）

モデル(a)の自転車盗について，犯罪機会の指標として，各都道府県における鉄道の駅数の対

数値を用いた

27

_{．鉄道駅周辺では長時間駐輪自転車の集中により自転車盗の認知件数が多くみら}

れることから，鉄道駅の増加は犯罪者にとって犯罪機会の増加と考えられるため，予想される

符号は正である．

⑫コントロール変数Ⅺ：地域ダミー＊年次ダミー

犯罪から得られる期待利得など年ごと，地域ごとに異なる要因をコントロールするため，地

域ダミーと年次ダミーの交差項を用いた．地域ダミーの分類は表①のとおりである．

表① 地域ダミーの分類

東日本地域 北海道 青森県 岩手県 宮城県 秋田県 山形県 福島県 茨城県 栃木県

群馬県 埼玉県 千葉県 東京都 神奈川県 新潟県

中日本地域 富山県 石川県 福井県 山梨県 長野県 岐阜県 静岡県 愛知県 三重県

西日本地域 滋賀県 京都府 大阪府 兵庫県 奈良県 和歌山県 鳥取県 島根県

岡山県 広島県 山口県 徳島県 香川県 愛媛県 高知県 福岡県 佐賀県

長崎県 熊本県 大分県 宮崎県 鹿児島県 沖縄県

（3）操作変数（同時性の問題への対応）

刑罰の執行確率のうち，捜査力の向上となる警察職員数の増員は，犯罪者にとっての限界費

用を引き上げる結果，犯罪認知件数を減尐させると考えられる．一方で，犯罪認知件数が増加

するほど警察職員数は増員される関係にあるため，被説明変数と説明変数の間における同時性

の問題を考慮に入れて推計しなければ，警察職員数の犯罪認知件数に対する影響が過小推計さ

れ，法改正ダミーの効果が過大推計されてしまう問題が生じる

28

_{．そこで，次の操作変数を用い}

27

鉄道駅数は，沖縄県で平成12年から平成15年まで0のため，すべての対数値は原数値に1を加えて算出している．

28

Wooldridge (2006) 558頁以下参照．

- 12 -

て，二段階最小二乗法（Two-stage least squares 以下，「2SLS」と呼ぶ）による固定効果モデル

を併せて推計する

29

_．

⑬操作変数：ln（人口10万人当たりの前年警察職員数）

警察職員数は前年の定員数を参考に条例によって定められるため，前年の警察職員数は内生

変数である当年の警察職員数には影響を与えるが，当年の犯罪認知件数には影響を与えないと

考えられる．したがって，モデル(a)，(c)の刑罰の執行確率のうち，犯罪捜査力を表す指標と

して，各都道府県における人口10万人当たりの前年の警察職員数（警察官数）の対数値を操作

変数として用いた．予想される符号は③と同じである．

以上の変数の基本統計量は表②のとおりである．

表② 基本統計量

観測数

平均値

標準偏差

最小値

最大値

ln（人口10万人当たりの自転車盗認知件数）

423

5.580

0.404

4.431

6.398

ln（人口10万人当たりの万引き認知件数）

423

4.702

0.234

3.718

5.307

ln（人口10万人当たりの公務執行妨害等犯認知件数）

423

0.441

0.544

-1.402

1.902

法改正ダミー

423

0.222

0.416

0.000

1.000

ln（人口10万人当たりの警察職員数）

423

5.143

0.165

4.837

5.857

ln（人口10万人当たりの前年警察職員数）

423

5.131

0.168

4.833

5.872

ln（小売業1店舗当たりの店舗面積）

423

4.748

0.158

4.305

5.093

ln（可住地面積当たりの人口密度）

423

6.941

0.720

5.578

9.142

ln（大学進学率）

423

3.805

0.161

3.398

4.168

ln（生活保護率）

423

1.881

0.603

0.336

3.091

ln（1世帯当たりの可処分所得額）

423

13.004

0.125

12.530

13.350

ln（児童・生徒数10万人当たりの補導数）

423

5.119

0.480

3.801

6.184

ln（人口100人当たりの自転車保有台数）

423

3.833

0.269

2.586

4.411

ln（鉄道駅数）

423

5.097

0.792

0.000

6.658

（注）地域ダミー＊年次ダミーについては省略した．

4-4. 軽微な事案の窃盗犯の罰金刑新設後の変化に関するモデル

軽微な事案の窃盗犯における法改正後の各要素の変化について分析するため，次のモデルを

推計する．

(a)

´

_，(b)

´

ln(犯罪認知件数/人口)

it

=

γ

1

+

ζ

1

LowDummy

it

+

ζ

2

Ｘ

it

+

ζ

3

LowDummy

it

_*Ｘ

it

＋

δ

1i

+ ε

1it

前々節の推計モデルに，LowDummyとコントロール変数の交差項を加えて推計する

30

_．したが

って，推計された交差項のパラメータζ

3

は，各要素における法改正後の変化を示す．

29

Levitt (1997)は警察職員数と犯罪件数の同時性を解消するため，

その地域で選挙がおこったかどうかを操作変数に用い

て，警察職員数の増員が犯罪件数の減尐に寄与することを示した．

30

LowDummyのパラメータζ

1

は単に交差項を入れた場合，Σζ

3

が重複されて推計される問題が生じるため，下記のとお

り推計式を変換した．

ln(犯罪認知件数/人口)

it

= γ

1

+ ζ

1

LowDummy

it

+ ζ

2

Ｘ

it

+ ζ

3

LowDummy

it

＊Ｘ

it

＋

δ

1i

+ ε

1it

= μ

1

+ ω

1

LowDummy

it

+ ω

2

Ｘ

it

+ ζ

3

(LowDummy

it

‐θ

1

)＊(Ｘ

it

‐

θ

2

)＋δ

1i

+ ε

1it

- 13 -

利用するデータについては，交差項を加える以外は前節と同じとする．なお，交差項の基本

統計量は表③のとおりである．

表③ 基本統計量

観測数

平均値 標準偏差 最小値

最大値

ln（人口10万人当たりの警察職員数）*法改正ダミー

423

1.154

2.163

0.000

5.835

ln（人口10万人当たりの前年警察職員数）*法改正ダミー

423

1.152

2.158

0.000

5.836

ln（小売業1店舗当たりの店舗面積）*法改正ダミー

423

1.085

2.034

0.000

5.093

ln（可住地面積当たりの人口密度）*法改正ダミー

423

1.540

2.905

0.000

9.142

ln（大学進学率）*法改正ダミー

423

0.865

1.621

0.000

4.168

ln（生活保護率）*法改正ダミー

423

0.445

0.879

0.000

3.091

ln（1世帯当たりの可処分所得額）*法改正ダミー

423

2.889

5.412

0.000

13.275

ln（児童・生徒数10万人当たりの補導数）*法改正ダミー

423

1.106

2.085

0.000

6.020

5. 罰金刑の効果に関する実証分析の推計結果

モデル(a)，(b)の推計結果をそれぞれ表④及び表⑤に掲げる．

なお，推計結果の記述については地域ダミーと年次ダミーの交差項を入れた場合を対象として

いる．

表④ モデル(a)の推計結果

FE

2SLS:FE

FE

2SLS:FE

係数　[標準誤差]

係数　[標準誤差]

係数　[標準誤差]

係数　[標準誤差]

ln（失業率）

0.116

0.101

-0.118

-0.125

[0.10]

[0.10]

[0.11]

[0.11]

-1.790 ***

-2.060 ***

-1.593 ***

-1.951 ***

[0.48]

[0.57]

[0.49]

[0.59]

1.775 ***

1.732 ***

1.620 ***

1.587 ***

[0.57]

[0.57]

[0.58]

[0.58]

-1.187 ***

-1.153 ***

-0.916 **

-0.849 **

[0.31]

[0.31]

[0.37]

[0.37]

0.170

0.221

-0.038

0.013

[0.15]

[0.16]

[0.16]

[0.16]

0.186

0.181

0.223

0.224

[0.13]

[0.13]

[0.14]

[0.14]

0.066

0.068

0.039

0.042

[0.05]

[0.05]

[0.05]

[0.05]

0.006

0.005

0.044

0.041

[0.12]

[0.12]

[0.12]

[0.12]

0.076

0.076

0.107 **

0.105 **

[0.05]

[0.05]

[0.05]

[0.05]

0.095 ***

0.098 ***

0.013

0.017

[0.04]

[0.04]

[0.06]

[0.06]

3.315

4.853

2.328

4.046

[5.03]

[5.34]

[5.24]

[5.47]

NO

NO

YES

YES

21.85

398142.80

10.96

432339.85

0.374

0.373

0.449

0.448

423

423

423

423

推計モデル

説明変数

被説明変数

ln（人口10万人当たりの自転車盗認知件数）

ln（人口10万人当たりの警察職員数）

ln（可住地面積当たりの人口密度）

ln（大学進学率）

ln（生活保護率）

ln（1世帯当たりの可処分所得額）

ln（児童・生徒数10万人当たりの補導数）

法改正ダミー

ln（人口100人当たりの自転車保有台数）

ln（鉄道駅数）

定数項

地域ダミー*年次ダミー

Ｆ　又は Waldχ

2

Ｒ

２

観測数

- 14 -

表⑤ モデル(b)の推計結果

FE

FE

係数　[標準誤差]

係数　[標準誤差]

ln（失業率）

-0.008

-0.136

[0.07]

[0.09]

0.141

-0.197

[0.17]

[0.24]

0.666

0.659

[0.42]

[0.44]

-1.172 ***

-0.802 ***

[0.23]

[0.29]

0.807 ***

0.728 ***

[0.12]

[0.13]

-0.212 **

-0.173

[0.10]

[0.11]

0.311 ***

0.302 ***

[0.03]

[0.03]

-1.466E-04

0.030

[0.03]

[0.05]

3.526

3.557

[3.37]

[3.64]

NO

YES

32.47

12.29

0.414

0.456

423

423

ln（人口10万人当たりの万引き認知件数）

ln（小売業1店舗当たりの店舗面積）

ln（可住地面積当たりの人口密度）

ln（大学進学率）

ln（生活保護率）

ln（1世帯当たりの可処分所得額）

被説明変数

推計モデル

説明変数

Ｒ

２

観測数

ln（児童・生徒数10万人当たりの補導数）

法改正ダミー

定数項

地域ダミー*年次ダミー

Ｆ　又は Waldχ

2

（注1）***，**，* はそれぞれ1%，5%，10%の水準で統計的に有意であることを示す．

（注2）地域ダミー＊年次ダミーについては省略した．

ⅰ.法改正ダミー

係数の符号は，いずれも正であった．ただし，統計的に有意ではない．

ⅱ.失業率

係数の符号は，いずれも予想どおり負であった．ただし，統計的に有意ではない．

ⅲ.人口10万人あたりの警察職員数

モデル(a)の係数の符号は，1%の水準で統計的に有意に負であり，予想どおりの結果が得られ

た．

ⅳ.小売業1店舗当たりの店舗面積

モデル(b)の係数の符号は，予想に反し負であった．ただし，統計的に有意ではない．予想と

異なった理由については，新設店舗は従来と比べて防犯カメラの複数台設置などセキュリティ

ー体制が強化されており，逆に監視の目が強まっているとも考えられる．

ⅴ.可住地面積当たりの人口密度

モデル(a)の係数の符号は，いずれも1%の水準で統計的に有意に正であり，予想どおりの結果

が得られた．また，モデル(b)の係数の符号は，予想どおり正であった．ただし，いずれも統計

的に有意ではない．

ⅵ.大学進学率

係数の符号は，いずれも1%から5%の水準で統計的に有意に負であり，予想どおりの結果が得

られた．

ⅶ.生活保護率

モデル(a)の係数の符号は，正又は負であった．ただし，いずれも統計的に有意ではない．ま

た，モデル(b)の係数の符号は，いずれも1%の水準で統計的に有意に正であり，予想どおりの

- 15 -

結果が得られた．

ⅷ.1世帯当たりの可処分所得額

モデル(a)の係数の符号は，予想に反し正であった．ただし，いずれも統計的に有意ではない．

一方，モデル(b)の係数の符号は統計的に有意ではないか，または5%の水準で統計的に有意に

負であり，予想どおりの結果が得られた．

係数の符号が定まらない理由としては，説明変数としたデータが県庁所在市を対象とした尐

ないサンプル数による統計であり，その誤差によるものが考えられる．

ⅸ.児童・生徒数10万人当たりの補導数

モデル(a)の係数の符号は，予想どおり正であった．ただし，いずれも統計的に有意ではない．

一方，モデル(b)の係数の符号は1%の水準で統計的に有意に正であり，予想どおりの結果が得

られた．

ⅹ.人口100人当たりの自転車保有台数

モデル(a)の係数の符号は，予想どおり正であった．ただし，いずれも統計的に有意ではない．

ⅺ.鉄道駅数

モデル(a)の係数の符号は5%の水準で統計的に有意に正であり，予想どおりの結果が得られた．

次に，モデル(c)の推計結果を表⑥に掲げる．

なお，推計結果の記述については地域ダミーと年次ダミーの交差項を入れた場合を対象として

いる．

表⑥ モデル(c)の推計結果

FE

2SLS:FE

FE

2SLS:FE

係数　[標準誤差]

係数　[標準誤差]

係数　[標準誤差]

係数　[標準誤差]

ln（失業率）

-0.194

-0.213

-0.157

-0.161

[0.15]

[0.16]

[0.18]

[0.18]

3.102 ***

2.751 ***

2.834 ***

2.621 ***

[0.77]

[0.93]

[0.81]

[0.97]

1.570 *

1.514

1.626 *

1.604 *

[0.92]

[0.92]

[0.95]

[0.95]

0.480

0.524

1.078 *

1.117 *

[0.50]

[0.50]

[0.61]

[0.61]

0.273

0.339

0.070

0.099

[0.24]

[0.26]

[0.26]

[0.27]

-0.184

-0.190

0.021

0.022

[0.21]

[0.21]

[0.23]

[0.23]

0.342 ***

0.345 ***

0.345 ***

0.346 ***

[0.07]

[0.07]

[0.07]

[0.07]

-0.137 **

-0.133 **

-0.171 *

-0.169 *

[0.06]

[0.06]

[0.10]

[0.10]

-27.803 ***

-25.804 ***

-31.537 ***

-30.510 ***

[8.11]

[8.62]

[8.64]

[9.02]

NO

NO

YES

YES

16.36

1075.10

6.91

1148.92

0.262

0.262

0.320

0.320

423

423

423

423

被説明変数

ln（人口10万人当たりの公務執行妨害等犯認知件数）

推計モデル

説明変数

ln（人口10万人当たりの警察職員数）

ln（可住地面積当たりの人口密度）

ln（大学進学率）

ln（生活保護率）

ln（1世帯当たりの可処分所得額）

ln（児童・生徒数10万人当たりの補導数）

法改正ダミー

定数項

地域ダミー*年次ダミー

Ｆ　又は Waldχ

2

Ｒ

２

観測数

（注1）***，**，* はそれぞれ1%，5%，10%の水準で統計的に有意であることを示す．

（注2）地域ダミー＊年次ダミーについては省略した．

- 16 -

ⅰ.法改正ダミー

係数の符号は，いずれも10%の水準で統計的に有意に負であり，予想どおりの結果が得られ

た．

ⅱ.失業率

係数の符号は，いずれも予想どおり負であった．ただし，統計的に有意ではない．

ⅲ.人口10万人当たりの警察職員数

係数の符号は，1%の水準で統計的に有意に正であった．これは，公務執行妨害等犯のうち警

察職員に対するものが大多数を占める現状において，捜査を伴わない現行犯逮捕を基本とする

犯罪の実情にも一致する．

ⅳ.可住地面積当たりの人口密度

係数の符号は，いずれも10%の水準で統計的に有意に正であり，予想どおりの結果が得られ

た．

ⅵ.大学進学率

係数の符号は，いずれも10%の水準で統計的に有意に正であった．これは，公務執行妨害等

犯のうち高等教育を受けた確信犯によるものがあると考えられる．

ⅶ.生活保護率

係数の符号は，予想に反し正であった．ただし，いずれも統計的に有意ではない．

ⅷ.1世帯当たりの可処分所得額

係数の符号は，予想に反し正であった．ただし，いずれも統計的に有意ではない．

ⅸ.児童・生徒数10万人当たりの補導数

係数の符号は1%の水準で統計的に有意に正であり，予想どおりの結果が得られた．

これらの結果から，その他の説明変数が示す傾向は，概ね予想どおりの結果が得られたが，

今回のモデル(a)，(b)で推計した法改正ダミーの係数は，統計的に有意な減尐が観測できなか

った．したがって，軽微な事案の窃盗犯に対して，上限50万円の罰金刑を新設した今回の法改

正は犯罪件数に影響を与えていないと考えられる．

また，今回のモデル(c)で推計した法改正ダミーの係数は，他の条件を一定として，平成18年

の刑法の改正（罰金刑の新設）後，公務執行妨害等犯の認知件数が平均16.9%から17.1%減尐し

たことが10%の水準で統計的に有意な観測がみられた．したがって，公務執行妨害等犯に対し

て，上限50万円の罰金刑を新設した今回の法改正は犯罪件数を減尐させたと考えられる

31

_．

次に，モデル(a)

´

_，(b)

´

_{の推計結果をそれぞれ表⑦及び表⑧に掲げる．}

なお，推計結果の記述については地域ダミーと年次ダミーの交差項を入れた場合を対象として

いる．

31

公務執行妨害等犯のデータには2つの属性が含まれていると考えられ，1つは突発的な感情の高まりによるもの，も

う1つは合理的なものである．突発的な感情の高まりによるものは合理的ではなく罰金刑の効果が仮にないとしても，

平均17%の減尐を示していることから，合理的なものに限定したデータであれば，さらに減尐の効果は示されると考え

られる．