瑞典誇張的強暴發生率，向來吸引許多媒體，當作一種世界趣聞式的報導題材。難以避免地，這些媒體只是嘩眾取寵，因為他們並不知道數字背後的意義是什麼。素質更低劣的媒體，甚至引導讀者，把高強暴發生率，歸因於與西方文化格格不入的穆斯林移民。
比較各國強暴發生率的報導，不只嘩眾取寵，還相當外行。任何犯罪統計，都沒有跨國比較的意義，原因在於司法體制、犯罪統計方法、與民眾報案意願在不同國家之間的差異非常巨大。即使同屬歐洲先進國家，此差異仍是非常大。因此，嘗試比較跨國犯罪統計的報告，必然是一份沒有任何意義的報告。
瑞典預防犯罪委員會（Brå）在發佈犯罪統計數字的時候，總是一再強調犯罪統計的限制，歐盟統計局針對「犯罪統計」也同樣強調這些限制。犯罪統計數字，是由警方所呈報的，並且與實際上的犯罪水平有很大的落差，因為犯罪總是被低估，而警方單位愈怠惰或愈污腐，這個落差就愈大。司法面會影響統計面，例如一項犯行是如何定義的，還有警方是如何記錄犯罪與編製犯罪數據。在統計方法上，歐盟統計局列出各國在編製犯罪統計數字時的差異（請見歐盟統計局所附上的說明文件）。
論及資料收集時間，瑞典使用輸入型資料（input），即一開始的報案記錄，無視經過完整調查之後的犯罪行為有沒有成立。有些國家使用輸出型資料（output），相關單位只統計經調查之後而成立的犯罪行為。有些國家的資料收集時間，介於這兩者之間──案件經過初步呈報，但尚未進行調查的時候。
論及計數單位，有些國家以案（case）來記，但瑞典並非如此，而是以犯行（offence）來記。
論及犯行計數規則，一宗罪案包含至少一次的犯行，有多少次犯行，瑞典相關單位就記下多少次，但有些國家只計一次。
論及統計分類，以強暴為例，不同國家介定強暴與性侵害的分界不同。在大部分國家，強暴僅包含一方不同意的男女陰道性交，但少數國家包含其他插入式性交，而其他少數國家包含一切威脅性及強迫性的性行為。瑞典對強暴的定義，曾修法放寬，定義範圍包含任何不合意的性行為。
不難發現，瑞典這樣的統計方式，當然使數字變得相當龐大。
犯罪統計雖然沒有跨國比較的意義，但在跨時上仍有其意義。即使有意義，也不表示真的能反應出犯罪的消漲。整頓警政單位，以及放寬犯罪定義等，都可使數字變得更龐大，但這不表示犯罪惡化了。反過來說，犯罪如果真的惡化，犯罪數字也不見得跟著變大，因為警政單位有可能變得不積極。瑞典在這數十年間，社會制度經過不斷的調整，促使強暴受害者更有勇氣報案，因此報案數量增加許多，但這不表示強暴事件真的變多。簡單來說，強暴統計數字在時間上的變化，是社會制度與社會風氣變化、強暴事件數量變化、……等許多因素交互作用下所呈現的結果。
瑞典警方不可能公開犯罪者身份的統計資料，因為這會淪為貼標籤的工具。萬一許多強暴犯罪者的身分真的是穆斯林移民，那麼所有穆斯林移民都可能被有心人士貼上負面標籤。以偏概全，為某族群貼上負面標籤，是所謂的「歧視」。針對穆斯林移民，那就是「種族歧視」。瑞典極右翼與新納粹份子的論述，常把強暴和穆斯林移民連結在一起，即使沒有官方數據，他們還會自己生出數據，意在開發潛藏的極右翼份子，與引導沒有獨立思考能力的民眾，藉此壯大同類，最終發揮政治影響力。瑞典民主黨以極右翼的意識型態吸引愈來愈多的選民，這意謂著多元族群文化的矛盾，愈來愈是一回事了。
根據瑞典統計局的人口資料，在2014年，移民佔全國人數的16.5%，移民和移民父母的下一代，一共佔全國人數的21.5%。但是，來自先進國家(advanced countries)的移民佔所有移民人數的30%，而來自開發中國家(developing countries)的移民只佔所有移民人數的70%，只佔全國人數的11.6%。若選取那些來自穆斯林佔多數（人口過半）的國家，那麼來自這些國家的移民，只佔全國人數的5.3%，這樣的人口組成是非常小的。如果極右派所言為真，大多數的強暴案都由穆斯林男性移民所犯下，那麼有不少的穆斯林男性強暴或疑似強暴過女性。這有可能嗎？如果一個人的大腦，總是把強暴犯和穆斯林男性連在一起，即使其人口組成非常小，哪怕其人口組成只有千分之一，甚至萬分之一，仍會一廂情願地相信極右派的論述。
【先進國家】
依IMF對先進經濟體（advanced economies）的定義，再加上歐洲迷你四國、和先進國家位於歐洲*與北美**分區（世界銀行統計分區）的屬地
經濟組織：{七大工業國}∪{歐盟東擴前15國}∪{歐元區19國}、EFTA
其他經濟體：澳洲、捷克、香港、以色列、韓國、紐西蘭、新加坡、台灣
迷你國家：安道爾、列支敦斯登、摩納哥、聖馬利諾、梵諦岡
屬地：法羅群島*、格陵蘭*、奧蘭群島*、百慕達**、皇家屬地(3)*、直布羅陀*
【穆斯林佔多數的國家】
定義為穆斯林佔全國人口一半以上的國家
參考PewResearchCenter所列的2010年數據
以下大組別（粗字體）為世界銀行統計分區
東亞及太平洋：馬來西亞、汶萊、印尼
歐洲及中亞：阿爾巴尼亞、科索沃、土耳其、亞賽拜然、哈薩克、烏茲別克、塔吉克、吉爾吉斯、土庫曼
中東及北非
〔波斯灣與亞丁灣〕沙烏地阿拉國、科威特、巴林、卡達、阿拉伯聯合大公國、阿曼、葉門、吉布地
〔肥沃月灣〕敘利亞、黎巴嫩、巴勒斯坦、約旦、埃及、伊拉克、伊朗
〔其餘北非〕摩洛哥、西撒哈拉、阿爾及利亞、突尼西亞、利比亞
南亞：阿富汗、巴基斯坦、孟加拉、馬爾地夫
撒哈拉以南：茅利塔尼亞、賽內加爾、甘比亞、幾內亞、馬利、布吉那法索、尼日、查得、蘇丹、索馬利亞
以下，自瑞典預防犯罪委員會收集強暴統計數據，自瑞典統計局收集人口組成數據，自OECD資料庫收集勞動力數據，以作時間序列的因果分析：依戶田－山本氏之法（Toda-Yamamoto approach，簡稱T-Y法）作格蘭傑因果關係檢定（Granger causality test），所使用的統計工具為EViews。採用此法乃因簡便，且能減少第一型錯誤──把「格蘭傑因果關係不成立」誤判為「格蘭傑因果關係成立」。（此法範例請見連結中的教學網頁）
在此想要了解的是，特定外籍男性人口、男性失業率、與兩性平等、分別和強暴發生率之間的關係，以及彼此間的關係為何。由於依背景所分的移民人數的資料年份範圍太小──使自2000，終至2014，並不適合作因果分析，所以只能改取資料年份範圍較大的外籍人口數歷年變化（1973~2014）。針對特定外籍男性人口，在資料庫中選擇國籍為上述「中東及北非」、「南亞」、與「撒哈拉以南」的國家，再加上「無國籍者」。在男性失業率方面，選取15至64歲的男性失業率（失業人口佔經濟活動人口的比例），自OECD資料庫能取得的年資料始自1963年，終至去年。在兩性平等方面，選取15至64歲全時就業者當中的女性所佔比例，自OECD資料庫能取得的年資料始自1976年，終至去年。所以，這四項數據的觀察期均取1976年至2014年。在進行分析之前，均將原始數據常規化為從0至1的數值（分別在各數列中，將原始數值與該數列的最小值之差，除以該數列的全距），再四捨五入至小數點後四位，計算結果呈現於下圖。在下圖中，Rap（藍）的原始數據為強暴發生率，MFo（紅）的原始數據為外籍（特定國籍）人口數，MUn（綠）的原始數據為15至64歲男性失業率，FFT（紫）的原始數據為15至64歲全時就業者當中的女性所佔比例。
T-Y法的因果關係檢定模型為VAR(p+m)
p為最大落後期數，m為最大整合階數
Xt = β0 + Σi=1p+m βiXt-i + εt
Xt為nx1階行矩陣，包含n個變數：
x1、x2、…、與xn，分別為第1、第2、…、與第n行元素
βi為nxn階係數矩陣，εt為nx1階白躁音誤差項矩陣
建立虛無假設──「x2不是x1的Granger之因」
H0：β(1)12 = β(2)12 = … = β(p)12
H1：β(1)12 ≠ β(2)12 ≠ … ≠ β(p)12
若拒絕H0，則「x2是x1的Granger之因」
【單根檢定結果】
依AIC數值，並以最大落後期數為2，作ADF檢定，再以KPSS檢定檢查之。
在顯著水平5%下，凡是包含變數MFo的模型，最大整合階數均為2，而不包含變數MFo的模型，最大整合階數則為1。
【模型一】變數含Rap與MFo（顯著水平5%，之後均如此）
盡量使最大落後期數不大於3，根據LR與SC統計量，最適合的最大落後期數為2，根據FRE、AIC、與HQ統計量，最適合的最大落後期數為3。當最大落後期數為2，LM檢定在落後期數從1上至4之時，均顯示沒有自我相關，而Granger因果關係檢定找不出因果關係，且Johansen共整合檢定顯示並無共整合關係。當最大落後期數為3，LM檢定在落後期數從1上至5之時，均顯示沒有自我相關，而Granger因果關係檢定找不出因果關係，且Johansen共整合檢定顯示並無共整合關係。
【模型二】變數含Rap與MUn
盡量使最大落後期數不大於3，根據LR、SC、FRE、AIC、與HQ統計量，最適合的最大落後期數均為2。當最大落後期數為2，LM檢定在落後期數為2之時，顯示存在自我相關，因此得試著增加最大落後期數。當最大落後期數為3，LM檢定在落後期數為4之時，顯示存在自我相關。當最大落後期數為4，LM檢定在落後期數為5之時，顯示存在自我相關。當最大落後期數為5，LM檢定在落後期數從1上至6之時，均顯示沒有自我相關，而Granger因果關係檢定顯示MUn→ⓍRap，反之則否（Rap→MUn）。
【模型三】變數含Rap與FFT
盡量使最大落後期數不大於3，根據LR、SC、FRE、AIC、與HQ統計量，最適合的最大落後期數均為1。當最大落後期數為1，LM檢定在落後期數從1上至2之時，均顯示沒有自我相關，而Granger因果關係檢定顯示FFT→Rap，反之則否。
【模型四】變數含Rap、MFo、與FFT
盡量使最大落後期數不大於3，根據LR、SC、FRE、AIC、與HQ統計量，最適合的最大落後期數均為2。當最大落後期數為2，LM檢定在落後期數從1上至4之時，均顯示沒有自我相關，而Granger因果關係檢定顯示：
MFo→ⓍRap，反之亦然（Rap→ⓍMFo）；
FFT→Rap，反之則否；
FFT→ⓍMFo，反之亦然。
【模型五】變數含Rap、MFo、MUn、與FFT
盡量使最大落後期數不大於3，根據LR、SC、FRE、與HQ統計量，最適合的最大落後期數均為2，但根據AIC統計量，最適合的最大落後期數則為3。
當最大落後期數為2，LM檢定在落後期數從1上至4之時，均顯示沒有自我相關，而Granger因果關係檢定顯示：
MFo→ⓍRap，反之亦然；
MUn→ⓍRap，反之亦然；
FFT→ⓍRap，反之亦然；
MUn→MFo，反之則否；
FFT→ⓍMFo，反之亦然；
FFT→ⓍMUn，反之則否（MUn→FFT）。
當最大落後期數為3，LM檢定在落後期數從1上至5之時，均顯示沒有自我相關，而Granger因果關係檢定顯示：
MFo→ⓍRap，反之亦然；
MUn→ⓍRap，反之亦然；
FFT→ⓍRap，反之亦然；
MUn→MFo，反之則否；
FFT→ⓍMFo；反之亦然；
FFT→ⓍMUn，反之則否（MUn→FFT）。
根據模型一（最大落後期數2）、模型四（最大落後期數2）、與模型五（最大落後期數2），特定外籍男性人口數，無法解釋強暴發生率，但這個結論並不可靠，因為最大落後期數為2的這三種模型，並沒有通過穩定性檢驗(inverse roots of the characteristic AR polynomial)，這意謂著模型的設立可能有誤，可能忽略了某些重要的變數，而使得檢定結果不那麼有說服力。藉由改變最大落後期數，來檢視檢定結果是否容易受到最大落後期數的影響。在這三個模型中，即使增加最大落後期數至3，前述結論也沒有被動搖。在模型三（最大落後期數1）與模型四（最大落後期數2）當中，全時就業者當中的女性所佔比例，雖然可以解釋強暴發生率，但這些模型同樣不穩定，而且此結論也因最大落後期數的改變（增加1期）而產生不一致的結果。在模型三中，如果增加最大落後期數至4，就能通過穩定性檢驗，但很不幸地，結果也跟著改變了。根據模型二（最大落後期數5），男性失業率並無法解釋強暴發生率，雖然此模型通過穩定性檢驗，但常態性檢定(Jarque–Bera test)卻未通過，因此這個格蘭傑因果關係的可信度也是不夠的。
根據模型五（最大落後期數2或3），全時就業者當中的女性所佔比例，並無法解釋強暴發生率，而男性失業率，則可以解釋特定外籍男性人口數，也可以解釋全時就業者當中的女性所佔比例。當然，因為模型不穩定的關係，這樣的結論還是令人質疑的。暫時不管模型穩定性的問題，並認同「男性失業率，可以解釋全時就業者當中女性所佔比例」。當男性難以、無法、或不願找工作，他的伴侶勢必要找一份較穩定的工作，才能保有一定的生活水準。在工作機會很少的環境下，如果兩性很不平等，那麼女人要找到一份全時工作，簡直就是不可能的事，光男人都找不到了，更何況是女人？所以，如果全時就業者當中的女性所佔比例一直增加，那就表示兩性平等真的進步了。兩性平等，本身就是難以量化的抽象概念，而相關指標也難以完整反映出兩性平等。即使「全時就業者當中的女性所佔比例」和「強暴發生率」之間的格蘭傑因果關係，並不是那麼明確，兩性平等和強暴發生率的關係仍然是相當肯定的。制度的改變使得強暴的定義變寬且受害者更勇於報案，本身就是兩性平等的實現，而這個實現又必然放大了數據。
在2005年，擴增強暴定義範圍的法律生效了。自此開始，性剝削的犯行變成強暴，這反映在犯罪統計數據上，強暴發生率急劇上升。統計定義改變，難道就是被忽略的變數？模型五就是少了這項變數，才會如此不穩定？考量統計定義改變，在此把虛擬變數納入模型中，而得到模型六。根據模型六（最大落後期數3），男性失業率，依然可以解釋特定外籍男性人口數，以及全時就業者當中女性所佔比例。但是，無論是特定外籍男性人口數、男性失業率、還是全時就業者當中女性所佔比例，都無法解釋強暴發生率。難得的是，此模型通過穩定性檢驗。而且，常態性檢定也通過了。一旦增加最大落後期數至4，那麼LM檢定在落後期數為1之時，就顯示存在自我相關。接著，再增加最大落後期數至5，雖然LM檢定在落後期數從1上至7之時，顯示沒有自我相關，但穩定性檢驗卻沒通過。這意謂著，當最大落後期數為3，此模型最為理想，沒有明顯的誤設問題，其格蘭傑因果關係檢定結果是有一定說服力的。最後，來檢視強暴定義放寬對強暴發生率的影響。根據此最佳模型，虛擬變數的t統計量大於雙尾t檢定在顯著水平5%下的臨界值，且虛擬變數的估計係數亦為正值，這表示強暴定義放寬和強暴發生率有顯著的正向關係。
【模型六】變數包含Rap、MFo、MUn、與FFT，再加上虛擬變數
T-Y法的因果關係檢定模型：
Xt = β0 + Σi=1p+m βiXt-i + γDt + εt
Dt為虛擬變數，2005年至2014年之數值均為1，其餘年分則為0
γ為nx1階係數矩陣
在模型中，虛擬變數為外生變數，不同於前四者屬於內生變數
取最大落後期數為3，根據LR、SC、FRE、與HQ統計量，最適落後期數均為2，但根據AIC統計量，最適落後期數則為3。當落後期數為2，LM檢定在落後期為2之時，顯示存在自我相關。當落後期數為3，LM檢定在落後期從1上至5之時，均顯示沒有自我相關，而Granger因果關係檢定顯示：
MFo→ⓍRap，反之亦然；
MUn→ⓍRap，反之亦然；
FFT→ⓍRap，反之亦然；
MUn→MFo，反之則否；
FFT→ⓍMFo；反之亦然；
FFT→ⓍMUn，反之則否（MUn→FFT）。
格蘭傑因果關係，和哲學上的因果關係並不一樣。前者充其量只是一種強化自身論述的工具而已。現實社會中的干擾因子太多，在政治領域上，想要建立一個勉強及格的模型，尤其困難。那些被污名化的族群，和強暴發生率之間的關係，並無法透過現有可得的統計數據來佐證，反倒可以被反駁。其實他們的信仰，漏洞百出。在瑞典銀行危機（1991~1993）之後幾年的不景氣時期，特定外籍男性人口數減少，但強暴發生率的趨勢仍然向上，而且成長速度並沒有明顯減少。再者，在2005年以後的瑞典經濟強盛時期，強暴發生率急劇增加的情勢，早於特定外籍男性人口急劇增加的情勢。他們堅信他們所信仰的，卻又無法解釋這些現象。他們唯一能攻擊的點，大概只剩質疑警方不公佈強暴犯的身分吧！
【要點】
1、強暴定義放寬，本身就是兩性平等的實現方式
2、強暴定義放寬，和強暴發生率有顯著的正向關係
3、特定（易被歧視）的外籍男性人口數，並不是解釋強暴發生率的重要變數
4、男性失業率，既是解釋特定外籍男性人口的重要變數，也是解釋全時就業者當中女性所佔比例的重要變數
5、沒有任何證據可以支持極右派的教條──「強暴發生率變高，是因為穆斯林移民的關係」，反倒可以反駁之
沒有留言:
張貼留言