随着经济社会的快速发展,人民物质生活与精神文明的水平得到了大幅的提升。在经济发展初期社会问题不甚明显,但是,随着经济进一步发展,许多社会问题日益凸显,比如：离婚率和失业率增加,男女比例的失调,收入差距拉大,人口总数增加等。同时,犯罪案件数量也日益增多,因此对犯罪现状、犯罪规律的研究尤为重要。目前,国内外已经对经济与犯罪关系进行了多方面的研究,因为经济的发展水平直接影响居民的生活质量,当生活质量差距过大,社会环境相对不稳定时,社会和谐程度降低,矛盾就更容易被激化,犯罪数量也会显著上升。由于我国人口基数过大,收集数据不方便。因此,传统上对犯罪案件的研究往往依靠经验或单一数据来做定性分析,希望通过现有的研究成果防范于未然,减少犯罪案件的发生。但这些方法往往治标不治本,一方面,通常研究过程需要大量的数据,不便收集；另一方面,研究周期长,导致研究成果在高速发展的今天已经不i适用。这对犯罪学的研究,尤其是对犯罪现状、犯罪规律的研究是非常不利的,也不可能得出完整、科学的结论。同时,传统上的研究很少有从定量的角度来分析问题,无法从根本上解决该问题,更无法对犯罪行为进行预测,这亦是本文研究的意义。本文的研究内容,利用灰色T型关联度和优势分析对挑选出的人口特征属性与犯罪案件进行定性研究。在此基础上,从中选择较为重要的7个特征属性,作为结构化方程模型的显变量,借助AMOS17.0软件,找出人口特征属性与刑事案件和治安案件数量之间的定量关系,在此之前在这一领域内,很少有人做过定量的研究；另外,本文将移动加权平均法与BP神经网络模型相结合,使其能够预测未来犯罪案件的数量。首先,作者通过查阅大量资料和总结经验,得出影响犯罪案件的特征属性有很多,比如：经济发展水平、教育水平、就业问题、人口密度等。本文将刑事案件与治安案件数量作为因变量,加入人均GDP、人口总数、男性比例、流动人口、文盲率、城镇登记失业率离婚率、农村与城镇居民恩格尔系数、总抚养比以及就业人口作为控制变量,进行综合的统计分析,这些属性有些会带给人悲观情绪,有些会刺激货币流通,都可能在一定程度上催生犯罪现象。其次,作者通过灰色T型关联度和优势分析确定人均GDP、人口总数、文盲率、离婚率、及就业人口对刑事案件和治安案件数量关联度很高,而城镇居民恩格尔系数也是造成刑事案件数量增加的主要因素,并且,总抚养比对治安案件数量也有很大影响。然后,笔者采用结构化方程模型,进一步对筛选出的特征属性与两个因变量间的关系进行定量分析。最后,作者利用移动加权平均法对各项特征属性进行预测,并将这6个特征属性作为BP神经网络的输入层,将刑事案件与治安案件分别作为输出层对犯罪案件数量进行预测,预测精度较高,说明该模型合理适用,有推广价值。