文章题目：预测与预防枪支暴力：对芝加哥READI项目的实验评估（Predicting and Preventing Gun Violence: An Experimental Evaluation of READI Chicago）
发表期刊：The Quarterly Journal of Economics
作者信息：
Monica P. Bhatt、Sara B. Heller、Max Kapustin、Marianne Bertrand和Christopher Blattman联合撰写。他们分别来自芝加哥大学和密歇根大学等世界一流学术机构，专注于社会政策、行为经济学及犯罪学领域。本研究得到了多个非营利组织、慈善机构以及芝加哥本地社区组织的支持，反映了跨学科协作在社会治理中的重要性。
【研究问题】
枪支暴力是美国城市中最严峻的公共安全挑战之一，为应对此问题，芝加哥启动了“快速就业与发展计划”（Rapid Employment and Development Initiative，简称READI）。该项目通过社区研究合作，探索如何降低高风险人群卷入枪支暴力的概率。本文的目的是通过分析和评估芝加哥READI项目的实施和效果，探讨社区研究合作模式在降低枪支暴力方面的可行性和有效性。具体而言，文章旨在回答以下核心问题：
如何识别和接触卷入枪支暴力风险极高的人群
高风险人群是否愿意参与积极的干预计划
支持性工作和认知行为疗法是否有效降低枪支暴力的发生率
评估项目的社会和经济价值
READI项目介绍
READI项目聚焦于18岁及以上、被评估为最有可能卷入枪支暴力的男性个体，目标社区覆盖芝加哥五个暴力事件发生率最高的地区：奥斯汀区、西加菲尔德公园区、北劳恩代尔区、恩格尔伍德区和西恩格尔伍德区。
- 干预措施与招募方法
READI为参与者设计了两种核心干预措施：支持性工作（为期18个月的稳定工作岗位，为参与者提供经济支持）和认知行为疗法（Cognitive Behavioral Therapy, CBT，用于调整认知和行为模式，减少冲动决策引发的暴力行为）。为精准识别目标人群，项目采用了随机对照试验（Randomized Controlled Trial, RCT），通过三种途径招募参与者：
算法筛选：基于警务数据的机器学习模型，识别未来暴力风险最高的个体；
社区外展：依托社区工作人员的本地经验与社会网络，识别可能被算法遗漏的“隐性高风险”人群；
监狱释放者筛选：专注于假释或刚出狱的个体，帮助其通过干预融入社会。
【方法论】
- 实验设计
本研究采用了随机对照试验（Randomized Controlled Trial, RCT），旨在评估READI项目在减少枪支暴力中的有效性。参与者根据三个招募途径被随机分配到干预组或对照组，干预组接受支持性工作和认知行为疗法，而对照组则不参与项目。
- 评估指标
暴力相关事件：包括枪击和凶杀的逮捕率及受害率。社会经济成本：评估每名参与者为社会节约的成本，计算成本效用参与率和持续性：分析干预组的参与率和持续参与的程度。
OLS模型：用于估计意向处理效应（ITT）
Yi = β.Ti + λ.Xi + γs + ϵi
变量解释：
Yi：个体i在随机分配后20个月的暴力相关结果变量（如逮捕记录、受害记录）。
Ti：是否接收到READI邀请（干预组=1，对照组=0）。
Xi：随机分配前的控制变量（包括逮捕记录、受害经历、监禁历史、人口特征等）。
γs：随机分层固定效应，用于控制分层变量的影响。
估计方法：工具变量法（IV），使用随机分配作为工具变量估计处理效应（TOT），校正由于部分参与者未实际接受干预导致的低估问题。
- 内部效度处理
差异性死亡率与监禁：
在设计阶段预先指定测试干预组和对照组的死亡率和监禁率差异。
验证主要结果是否对调整后的审查效应保持稳健性。
溢出效应：
考虑溢出效应可能导致稳定单元处理值假设（SUTVA）失效。
结合社交网络研究，分析干预组对对照组成员的可能间接影响（如药物犯罪逮捕的减少）。
多重假设检验调整：控制家庭错误率和错误发现率，确保结果的统计稳健性。
【核心结论】
有效识别并接触“高风险”人群
项目参与者的背景数据显示，35%的人曾遭遇枪击，98%的人有过被捕记录，且平均逮捕次数超过17次。这些数据表明，项目筛选出的个体已经是处于极端高风险状态的群体。这种结果并非随机挑选，而是通过筛选机制精准识别的结果。 随机分配后，对照组中每100人中有11人在20个月内成为枪击或凶杀的受害者。这一比例是芝加哥普通居民的52倍，且显著高于同社区同年龄段的其他男性（2.7倍）。 这种受害率的对比表明，READI项目识别出的个体确实集中在暴力高发的目标人群中，而非低风险或普通风险的个体。
参与者积极参与并完成计划
尽管目标群体面临诸多障碍（例如住房不稳定、物质滥用、安全问题等），仍有55%的被分配到干预组的男性至少参加了一天的项目活动：对于通常难以接触且与社会机构脱节的高风险人群来说，这一参与率已经是一个显著的成就，表明项目成功吸引了目标人群的参与。 继续参与工作的参与者在可用时间内完成了75%的工作周数：这表明，一旦参与者克服初始障碍并加入项目，他们能够保持较高的参与度，尤其是在提供明确结构和支持的情况下。 项目在2020年3月因疫情暂停线下活动前仍然能够保持参与率，表明项目设计在面对外部挑战时具备一定的灵活性和适应性。
社区外展筛选组的显著改善
枪击和凶杀逮捕率下降79%，受害率下降43%（p值分别为0.03和0.08）。 READI项目每名参与者至少减少了18.2万美元，最多可减少91.6万美元的社会损失相较于对照组，社会危害减少了约50%（p = 0.03）。这种估算的精确性来自于一个关键事实：暴力事件的减少主要集中在那些对社会成本最高的结果上，例如枪击和凶杀相关的事件。 在不同假设条件下，这些估算表明READI项目的成本效益比（Benefit-Cost Ratio）至少为4:1，最高可达18:1，即每投入1美元，社会可获得4至18美元的回报。这表明该项目在经济和社会层面都具有显著的价值。
【文章贡献】
创新性筛选机制：首次结合算法筛选与社区外展，弥补了单一筛选方式的缺陷：算法适合捕捉“显性高风险”特征（如犯罪记录），而社区外展则能识别更细微的风险信号。
社会成本分析框架：通过加权暴力事件的社会成本，研究为政策制定者提供了更具实践意义的评估方法。
聚焦高危群体的干预实验：本研究覆盖了美国社会中最难接触的群体，验证了针对这些人群设计的复杂干预的可行性。
【未来研究】
长效跟踪：延长随访时间，研究干预后40个月的长期效果。
改进算法模型：探索将更多实时变量（如心理健康记录、社交网络分析）纳入预测机制，提高精准度。
多地区适用性：验证READI模式在不同城市或国家的高危社区的应用潜力。
编辑：周鹏
附录：文章摘要
Gun violence is the most pressing public safety problem in U.S. cities. We report results from a randomized controlled trial (N = 2,456) of a community-researcher partnership called the Rapid Employment and Development Initiative (READI) Chicago. The program offered an 18-month job alongside cognitive behavioral therapy and other social support. Both algorithmic and human referral methods identified men with strikingly high scope for gun violence reduction: for every 100 people in the control group, there were 11 shooting and homicide victimizations during the 20-month outcome period. Fifty-five percent of the treatment group started programming, comparable to take-up rates in programs for people facing far lower mortality risk. After 20 months, there is no statistically significant change in an index combining three measures of serious violence, the study’s primary outcome. Yet there are signs that this program model has promise. One of the three measures, shooting and homicide arrests, declined 65% (p = .13 after multiple-testing adjustment). Because shootings are so costly, READI generated estimated social savings between $182,000 and $916,000 per participant (p = .03), implying a benefit-cost ratio between 4:1 and 18:1. Moreover, participants referred by outreach workers—a prespecified subgroup—saw enormous declines in arrests and victimizations for shootings and homicides (79% and 43%, respectively), which remain statistically significant even after multiple-testing adjustments. These declines are concentrated among outreach referrals with higher predicted risk, suggesting that human and algorithmic targeting may work better together.
全欧/全英中国经济学会（Chinese Economic Association UK/Europe，简称CEA）成立于1988年，是一个独立的非盈利的学术团体，是欧洲最具影响力的关注中国经济发展的学会。学会成员包括对中国经济发展感兴趣的学者、学生和企业高管。学会的宗旨是增进公众对中国经济发展的理解，并推动关于中国经济的高质量研究。学会在欧洲和中国举办年会以及学术研讨会，鼓励中国与欧洲之间的学术交流。
CEA学会出版英文期刊Journal of Chinese Economic and Business Studies（JCEBS），期刊注册于牛津大学TMCD研究院，发表可持续发展主题的经济、金融和管理类的跨学科高质量论文，欢迎基于各国样本的原创性研究。其CiteScore（5.5）位列“经济学、计量经济学和金融学”类别中前10%。影响因子（2.4）位列Q2。主编和核心编委会包括经济学领域世界前100引用学者Douglas Cumming，英国社会科学院院士Xiaolan Fu，欧洲科学院经济学部负责人Klaus Zimmermann，英国科学院与发展中国家科学院林毅夫，爱丁堡皇家学会Wenxuan Hou，哈佛大学Dwight Perkins，哥伦比亚大学Jeffrey Sachs，普林斯顿大学Dani Rodrik等具有国际影响力的学者。
欢迎点击下方二维码关注！
