陈振兴，董瀚蔚，郝 卿，邓伟杰，肖 瑶，李沫璇

(1．西安科技大学 通信与信息工程学院，陕西 西安 710054；2．陕西省洋县公安局，陕西 汉中 723300)

0 引 言

随着“杀猪盘”、兼职刷单、冒充客服等电信诈骗案件高发，类似“徐某某案”“蔡某某案”“宋某某案”等因电信诈骗后心理压力过大而自杀或猝死的典型案件屡见不鲜，已影响到社会安全稳定[1]。大学生因社会经验相对缺乏、心理承受能力较弱、警惕度不高等原因，已成为电信诈骗的高发受害人群。以陕西某高校为例，2021年上半年发生电信诈骗50余起，相比2019年上半年增长23.81%，已对校园安全稳定和学生财产安全产生严重影响。

易感性(Susceptibility)在犯罪学领域中指一个人成为受害者的可能性。电信诈骗易感性受诈骗目标的个体属性、心理特质、经历经验、诈骗策略等因素影响[2]。BUTTON等分析了个体面对诈骗时的自愿反应[3]；REN等分析了电信诈骗的时间序列、空间连接和地理图谱特质[4]；张芷等结合受害人“好奇心”“安全顾虑”等特质进行了电信诈骗防范宣传对策研究[5]；柳林等分析了电信诈骗犯罪的时空分布与影响因素[6]；赵四方等对可疑关系诈骗因素进行分析，并用事实经验模拟了监测方案的有效性[7]；叶洪等以“杀猪盘”为切入点，开展了电信诈骗行为的个案分析与仿真实验，并分析了心理信任关系的构建过程[8]。此外，有效提取与识别电信诈骗易感性影响因素是构建指标体系的关键所在。VISHWANATH等采用诈骗测试的方式收集了345名大学生的易感性数据，并进行了系统分析[9]；NORRIS等结合心理特质总结了诈骗影响因素的总体框架[10]；高原通过受害者深度访谈初步构建了诈骗易感性评价指标[11]；许志炜等用5大人格调查问卷和二分类回归法研究了电信诈骗受害大学生的人格特质[12]；陈高华等从综合技术防范和社会教育2个方面分析了大数据环境下的诈骗治理难题[13]；杨杰超等开展了基于随机森林的电信诈骗识别与防范研究[14]。

综上所述，学者们对电信诈骗易感性的研究呈现出2类特征，一方面是对其影响因素的研究主要集中在推理性、叙述性研究，缺少系统化的数理统计和建模分析；另一方面是主要集中在分析单一诈骗类型、受害者某一类特征或部分个案研究等单因素层面，缺乏定性与定量相结合，基于客观数据的多因素、多指标耦合分析。因此，本研究将扎根理论与文献研究相结合，将质性研究与量性研究相结合，构建了面向大学生群体的电信诈骗易感性影响因素指标体系，计算了综合权重，并进行了相关性分析，以期为电信诈骗因素分析和防范提供参考。

1 易感性影响因素

研究人员运用扎根理论对诈骗案件特征和规律进行分析整理，找出在不同案例中分布较广泛的因素，并据此建立诈骗易感性影响因素模型，可有效预测甄别出电信诈骗的高易感人群，对提高电信诈骗预测水平，遏制高发态势具有重要意义。

1.1 案件开放性译码

学生群体是电信诈骗的主要受害群体，研究人员通过《人民公安报》、公安部刑事侦查局等公开信息筛选分析了近年来面向学生的典型诈骗案件，并结合案件造成的后果、社会影响和舆论关注程度，选取20起大学生或准大学生遭受电信诈骗，心理压力过大，造成创伤，甚至身亡的代表性案例，邀请反诈专家、警务人员、案件受害人等组成专家组，对上述典型案件所涉及到的诈骗易感性影响因素进行访谈，结合具体案件分析材料进行编码。选取70%的案例材料进行开放性译码分析，30%的案例材料进行饱和性检验。在加工和优化的基础上，得到包括学历、情绪特质、信任倾向、安全知识、金融知识等14个范畴。部分案件开放性译码见表1。

表1 案例开放性译码分析Table 1 Open-coding analysis in cases

1.2 主轴译码与选择译码

通过主轴译码筛选去除不同案例和概念之间的重叠因素，并划分不同概念要素的类属关系[15]。在选择译码环节，挖掘不同主范畴所对应的核心范畴，并分析其区别与联系，进而解析呈现整体现象间的逻辑关系[16]。结合前期文献研究资料信息[17-18]，对核心范畴与主范畴深入比较，最后得到个体因素、心理特质、能力水平、经历经验4个核心范畴。

1.3 饱和度检验

用剩余6个案例分析材料对译码进行饱和度验证，没有发现新的重要概念和新的关联，说明典型案例分析、译码、编码达到理论饱和。

1.4 易感性影响因素指标体系构建

结合犯罪预防理论，通过专家组对上述典型案件分析访谈，运用主轴译码获得包括年龄、性格特质、应急反应、相关经历等在内的14个主范畴，选择译码提炼出个体属性、心理因素、能力水平、经历经验4个核心范畴，最终构建出面向大学生的电信诈骗易感性影响因素指标体系，见表2。

表2 面向大学生的电信诈骗易感性影响因素指标体系Table 2 Index system of influencing factors of susceptibility to telecom fraud for college students

2 指标体系主客观集成赋权

2.1 权重分析法选择

在指标权重研究中，主要使用主观赋权法和客观赋权法。主观赋权法能够发挥出赋权专家的经验优势，但可能会出现主观随意性；客观赋权法基于比较严格的数理统计，但会忽略研究者或评价者的主观导向。为有效减少简单加权引起的偏差，本研究采用了2种主观赋权法：序关系分析法和层次分析法，2种客观赋权法：熵权法和离差最大化法；并基于矩估计理论，构建了主客观集成赋权法。

在赋权方法选取过程中研究人员充分考虑了各方法间的共通性与差异性，序关系法和层次分析法体现了在指标赋权中的通用性特征；本研究为有效规避以往部分研究中存在的赋权专家选择单一、赋权随意性大等问题，选取反诈专家、警务人员、案件受害人等组成综合专家组，有效保证了主观赋值的合理性。熵权法和离差最大化法作为客观赋权法均需要用大量的样本数据进行数理统计与分析，契合于本研究面向学生群体样本数据大的特征，同时研究人员对样本数据进行了有效性筛选和标准化处理，减少了方法误差。

矩估计法是将主客观权重集成优化的经典方法，可通过建立最小偏差函数计算得出最优组合赋权。本研究基于矩估计理论，兼顾主客观因素，对影响因素指标进行集成赋权，在主客观权重系数计算和线性加权求解后得到了最优综合权重。

2.2 主观赋值法确定权重

2.2.1 序关系分析法

序关系分析法可对系统内不同评价指标赋权，建立无需一致性检验的判断矩阵，可有效克服权重分析过程中计算量大、一致性检验复杂等缺点[19]。各指标权重计算公式如下

(1)

wk-1=rkwk

(2)

由公式(1)和(2)可以求出各个指标的权重W=[w1,w2,…,wn]。

2.2.2 层次分析法

层次分析法能够从评价者的角度分析评价对象的本质[20]。本研究通过专家组对电信诈骗易感性影响因素指标进行打分，并通过建立层次结构模型、构造判断矩阵、计算权向量、层次单排序、总排序等步骤分析确定各指标权重。过程中对判断矩阵赋值合理性进行一致性检验。

判断矩阵A的最大特征值

(3)

用式(4)进行一致性检验，指标体系构建及赋值合理

(4)

2.3 客观赋值法确定权重

2.3.1 熵权法

熵权法是根据同一指标状态值之间的差异程度来对指标进行客观定权的方法，反映该指标在评价过程中的贡献大小[21]。本研究选大学生作为研究对象，通过问卷调查的形式收集了100个有效样本数据，并对原始数据进行标准化处理和无量纲计算，最终计算确定熵值和权重。步骤如下

1)熵值计算

(5)

式中pij为第i个人的第j个评价指标的无量纲计算值(i=1,2,3,…,100;j=1,2,3,…,14)。

2)评价指标的权重计算

(6)

2.3.2 离差最大化法

离差最大化法是用于多项指标对多个方案进行分析比较的方法[22]，其原则是针对其中一项指标，不同方案所得指标值差异与该指标对方案的影响呈正相关，指标值差异越大，则影响越大，权重越大，反之亦然。方法如下

1)构建规范化决策矩阵：Z=(Zij)n×m。其中，

2)计算最优加权向量，同时计算各指标方案Ai的多指标综合评价Di(W*)(i=1,2,…,n)。

3)根据各决策方案的指标值差异，对各指标作出客观评价和权重分析。

2.4 主客观权重集成赋值

主客观集成赋权能够有效提高指标体系权重的科学性和可靠性[23]。本研究选用2种主观赋权方法，得到一个主观权重集合；选用2种客观赋权法，使用归一后的决策矩阵得到客观权重集合；随后分别计算各指标的主观权重重要系数αj，见式(7)，同理得到客观权重重要系数βj；依据矩估计理论计算出综合重要系数α，见式(8)，同理得到β。

(7)

(8)

(9)

对每一评价指标，希望其线性组合指标H越小越好，采用等权线性加权方法，通过式(10)求解得出各指标的最优综合权重，见表3。

(10)

通过基于矩估计理论的主客观权重集成分析确定了各评价指标的权重，权重越大的指标在综合评价中所占比重越大，对电信诈骗易感性的整体影响越大，也是评价和监测电信诈骗时应重点关注的关键性指标。表3数据显示，各二级指标中，经验经历的权重最大，个体属性的权重最小。4个二级指标综合权重分别为：经验经历U4(39.58%)>能力水平U3(26.02%)>心理因素U2(22.26%)>个体因素U1(12.14%)。

表3 各指标综合权重Table 3 Comprehensive weights of each indicator

三级指标中，应急反应V9和反诈教育V13的权重较大，分别为28.80%和18.74%。结合专家分析和被诈骗实际情况，此2项指标的权重大是合理的。大学生因为有一定的消费独立性和经济独立性，但又缺少社会生活经验，心理活动较为单纯，面对潜在的诈骗行为时，容易引发冲动型、信任型决策风险。个人应急能力强，表明在接触到诈骗时的反应时间越短、反应敏感度越高，越容易甄别诈骗行为；同时，通过反诈专家组反馈真实案件数据结果来看，在受过反诈宣传教育的情况下，被诈骗比例、概率与规模比明显小于未受过反诈宣传教育的人群。

3 相关性分析

3.1 相关系数计算

将属性值带入数据集合X:{X1,X2,…,Xn}和Y:{Y1,Y2,…,Yn}中，其中n=1,2,…,14；对2组数据处理得出总体均值分别为

(11)

进而可以计算出总体协方差

(12)

最后计算出总体相关系数

(13)

3.2 相关性结果与分析

相关系数矩阵分析能够详细直观地反映各指标要素的重要性和彼此关联性。本研究绘制了14个三级指标的相关系数矩阵，见表4；分析了各指标对诈骗易感的影响以及各指标之间的相关性。

从表4的相对数值来看，14个三级指标中指标“金融安全与风险感知”、“环境易感与情绪波动”的相关性相对较强，相关性系数分别为0.66和0.38；说明个体金融安全知识储备越充分，风险感知能力越强；个体对外界环境越敏感，越容易受到外界因素刺激和影响，情绪波动随之越大；这与电信诈骗实际情况分析和真实案例分析结果均一致。其余各指标之间的相关性表现为弱相关到中等相关，没有体现出较强的关联性。将指标14“诈骗经历”作为观测指标，绘制其它13项对标“被诈经历”指标的相关系数散点图，如图1所示。

表4 各指标相关系数矩阵Table 4 Correlation coefficient matrix of each indicator

图1 指标V1～V13 相对于V14的相关系数散点分布Fig.1 Scattered distribution of correlation coefficients of indicators V1～V13relative to V14

结合图1呈现的相关系数散点分布情况，对指标体系中权重较重的二级指标心理因素U2、能力水平U3、经历经验U4所对应三级指标V5～V13与三级指标被诈经历V14之间的相关系数进行分析。

二级指标心理因素U2所对应的三级指标V5～V8与被诈经历V14的相关系数均为正值，表明心理因素敏感波动程度与被诈骗呈正相关性；同时相关系数值相对较大，均值为0.175，表明上述4个指标与指标“被诈经历”的相关性较强；进一步说明，情绪波动过大、过于信任他人、容易受外界因素影响的个体在遭遇潜在的电信诈骗时，越容易被诈骗成功，电信诈骗易感性越强。因此，在反诈教育过程中，可通过心理韧性教育、生命价值教育、信任情感教育等来有效增强个人心理甄别能力和承受能力，降低诈骗易感性。

二级指标能力水平U3和经历经验U4所对应的三级指标V9～V11和V12～V13与三级指标被诈经历V14的相关系数均为负值，表明个体能力水平和相关经验经历与被诈骗呈负相关性，个人反诈骗能力越强、接触到的诈骗案件越多，在遭遇潜在的电信诈骗时，越不容易被诈骗成功，电信诈骗易感性越弱。因此，在反诈教育过程中，可通过学习金融安全知识、提升应急反应能力、接收常规反诈宣传、学习研判他人被诈骗经历来有效提升个体对电信诈骗的综合防范能力，减少个体被诈骗概率。

4 结 论

1)建立了电信诈骗易感性影响因素指标体系，用扎根理论分析了大学生遭受电信诈骗典型案件，分析了导致电信诈骗发生的多因素过程，提取了关键性指标。

2)建立了基于矩估计理论的主客观集成赋权法，计算了各指标最优权重，应急反应、反诈宣传等是重要指标，对反诈骗工作具有一定的参考价值。

3)绘制了相关系数矩阵，分析了各影响因素之间的相关性，进一步明确了影响电信诈骗易感性的关键因素。在反诈骗工作中可从学习安全知识、增强应急能力、加强案例解读等方面积极应对，增强个体的反诈骗能力水平，降低其电信诈骗易感性，预防并减少电信诈骗案件发生。