兰德-美军性侵犯和性骚扰的危险因素（英文）-2021.5-124页_525kb

总结：美国军中性侵与性骚扰的风险因素（2014年RAND军事工作场所研究）

核心内容

本报告基于2014年RAND军事工作场所研究（RMWS）的数据，分析了美国军中性侵与性骚扰的风险因素。研究涵盖了现役军人，包括陆军、海军、空军、海军陆战队和海岸警卫队成员，并通过多层级模型识别了与性侵和性骚扰风险相关的关键因素。

主要观点

• 性侵与性骚扰风险存在共性因素：无论是对女性还是男性，许多风险因素在预测性侵和性骚扰时表现出相似性。
• 年龄是重要风险因素：年龄与性侵和性骚扰风险显著相关，且对女性的影响更为明显。
• 军种和服役类型影响风险：不同军种（如空军）和服役类型（如军官与士兵）对性侵和性骚扰风险有显著影响。
• 婚姻状况与教育水平相关：单身和教育水平较低与更高的性侵和性骚扰风险相关。
• 部署与海外服务增加风险：部署和海外服务经历与性侵和性骚扰风险相关，但需考虑与其他因素的交互作用。
• 性别比例与组织环境影响：单位中男性比例较高与性骚扰风险上升有关。
• 风险因素的层级分析：研究采用分层模型分析，从出生人口统计学特征到近期经历，逐步识别各因素对风险的贡献。

关键信息

数据来源

• 数据类型：行政数据与RMWS调查数据结合使用。
• 样本规模：共560,000名现役和预备役军人参与调查，最终有效样本超过170,000人。
• 分析重点：本报告聚焦于现役军人，不包括预备役和海岸警卫队的大部分数据。

模型构建方法

• 分层模型：将风险因素分为四类（Tier）：出生人口统计学特征、服役入伍时特征、个人与职业历史特征、近期经历。
• 效应大小评估：使用相对风险比（Relative Risk Ratio）和模型预测概率差异来衡量各因素对风险的影响。
• 控制变量：在分析每个层级因素时，控制前序层级变量，以区分直接效应与间接效应。

性侵风险分析

女性

• 基础风险：约4.9%的女性在过去一年中遭受性侵。
• 出生特征：年龄和种族显著影响风险，但年龄解释的差异更大。
• 入伍特征：AFQT分数较高、服役于陆军、海军或海军陆战队、为士兵身份与性侵风险正相关。
• 个人与职业历史：单身、无子女、未上过大学与性侵风险相关。
• 近期经历：部署、海外服务、在船上服役与性侵风险相关，但部分因素在控制其他变量后不再显著。

男性

• 基础风险：约0.9%的男性在过去一年中遭受性侵。
• 出生特征：年龄显著影响性侵风险，种族影响较小。
• 入伍特征：AFQT分数较高、服役于陆军、海军或海军陆战队、为士兵身份与性侵风险正相关。
• 个人与职业历史：单身和较低教育水平与性侵风险相关，E4军衔的男性风险最高。
• 近期经历：在船上服役与性侵风险相关，且部署和海外服务经历对风险有显著影响。

性骚扰风险分析

女性

• 基础风险：约21.6%的女性在过去一年中经历性骚扰。
• 出生特征：年龄和种族与性骚扰风险相关，但影响不如性侵明显。
• 入伍特征：AFQT分数较高、曾遭受性侵、服役于陆军、海军或海军陆战队与性骚扰风险相关。
• 个人与职业历史：单身和教育水平较低与性骚扰风险相关，E4军衔的女性风险最高。
• 近期经历：在船上服役、与年轻军人共事、单位男性比例高与性骚扰风险相关。

男性

• 基础风险：约6.6%的男性在过去一年中经历性骚扰。
• 出生特征：年龄和种族对性骚扰风险有影响，但不如对性侵的影响明显。
• 入伍特征：AFQT分数较高、曾遭受性侵、服役于陆军、海军或海军陆战队与性骚扰风险相关。
• 个人与职业历史：单身、E4军衔与性骚扰风险相关，部署经历与风险呈负相关。
• 近期经历：在船上服役、单位男性比例高、与更多军人共事与性骚扰风险相关。

结论与建议

• 共性风险因素：年龄、服役类型、婚姻状况、教育水平、部署经历等在男女中均具有显著影响。
• 模型预测效果：通过分层模型，研究发现某些因素（如部署、单位性别比例）在控制其他变量后仍具有显著预测作用。
• 干预建议：应优先考虑那些在控制其他因素后仍能显著预测风险的因素，以制定更有效的预防和应对策略。

附录与参考文献

• 简化风险模型：提供了一个便于理解的风险预测框架，帮助识别哪些因素对性侵和性骚扰风险有显著影响。
• 参考文献：涵盖相关研究与方法论文献，为本研究提供理论依据。

模型效应大小

• 性侵模型：年龄和种族在女性中解释了约1.5个百分点的风险差异，而在男性中解释了约0.9个百分点。
• 性骚扰模型：入伍特征在女性中解释了5.6个百分点的风险差异，在男性中解释了2.3个百分点。
• 近期经历：在女性中解释了1.05个百分点的风险差异，在男性中解释了1.2个百分点。

重要预测因素

• 性侵：年龄、种族、服役类型、入伍特征、军衔、部署经历、单位性别比例。
• 性骚扰：年龄、服役类型、入伍特征、军衔、部署经历、单位性别比例、与年轻军人共事。

总体建议

• 加强风险因素的系统分析：应通过分层模型更准确地识别关键风险因素。
• 优化预防与干预措施：应针对那些在控制其他变量后仍显著预测风险的因素进行重点干预。
• 关注个人与组织层面因素：个人特征（如年龄、婚姻状况）和组织环境（如单位性别比例）均需纳入预防体系。