Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten

Präsentation zum Thema: "Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten"—  Präsentation transkript:

1 Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten
1. Einleitung 2. Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten Eine Untersuchung anhand von Daten der Freiburger Kohortenstudie In diesem Vortrag möchte ich ihnen das Thema meiner Doktorarbeit vorstellen. Dabei geht es um die Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten. Die Untersuchung wird mit den Daten der Freiburger Kohortenstudie durchgeführt. Zuerst möchte ich ihnen in einer Einleitung das Thema vorstellen und erklären warum es interessant ist Deliktsähnlichkeiten zu untersuchen. Im 2. Teil des Vortrags werden die Daten beschrieben. Der 3. Teil beschreibt die Methode mit der ich die Analyse durchführe. Im 4. Teil gibt es erste Ergebnisse und am Schluss kommt ein kurzer Ausblick auf weiterführende Untersuchungen.

2 Deliktsähnlichkeiten
1. Einleitung 2. Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Deliktsähnlichkeiten Deliktsschwere Sanktionierungsarten Gewaltanwendungen Schadenshöhe ... gemeinsames Auftreten von Delikten innerhalb der kriminellen Karriere von Personen In der Kriminologie wird das Auftreten von Straftaten erforscht, aber Muster von Straftaten werden seltener untersucht. Aber gerade die Kenntnis von Mustern von Straftaten hilft bei der Vorhersage von Straftaten und beim Verstehen der Ursachen von Straftaten. Bei meiner Untersuchung möchte ich Muster von Straftaten bestimmen, indem ich Ähnlichkeiten von Delikten auf Personenebene untersuche. Es gibt viele Möglichkeiten Ähnlichkeiten bei Delikten zu bestimmen. Ähnlichkeiten von Delikten können über den Ansatz einer wie auch immer gewählten Deliktsschwere, über die Sanktionierung der Delikte oder über verschiedene Dimensionen wie Gewaltanwendungen, Schadenshöhe oder ähnliche definiert werden. In diesem Projekt soll jedoch keine dieser Kategorisierungen verwendet werden. Delikte sollen hier nicht eindimensional mittels einer Deliktsschwere geordnet werden. Stattdessen soll die Ähnlichkeit von Delikten empirisch bestimmt werden und zwar mittels des gemeinsamen Auftretens von Delikten innerhalb der kriminellen Karriere von Personen. Das Ziel ist Ähnlichkeiten zwischen Deliktstypen zu bestimmen.

3 Definition von Deliktsähnlichkeit
1. Einleitung 2. Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Definition von Deliktsähnlichkeit Empirische Bestimmung von Ähnlichkeit Straftaten einer Person ähneln sich Deliktskombinationen bei Personen Die Ähnlichkeit wird empirisch dadurch bestimmt, dass angenommen wird, dass Delikte, die von ein und derselben Person begangen wurden, Ähnlichkeiten aufweisen. Von Interesse sind somit die bei Personen vorkommenden Deliktskombinationen.

4 Freiburger Kohortenstudie
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Freiburger Kohortenstudie Geburtsjahrgänge 1970, 1973, 1975, 1978, 1985 und 1988 PAD (Personenauskunftsdatei des Landeskriminalamts Baden- Württemberg) BZR (Bundeszentralregister) Für die Analyse werden die Daten aller Personen mit mindestens einer Entscheidung in Baden-Württemberg benutzt. Der Analyse werden die Daten der Freiburger Kohortenstudie zugrunde gelegt. Es handelt sich dabei um Längsschnittdaten der Geburtsjahrgänge 1970, 1973, 1975, 1978, 1985 und 1988 der Personenauskunftsdatei (PAD) des Landeskriminalamts Baden-Württemberg und des Bundeszentralregisters (BZR). Bei den Bundeszentralregisterdaten werden für die Analyse nur die Daten der Personen benutzt, die mindestens eine Entscheidung in Baden-Württemberg haben. Anhand dieser Daten ist es möglich, einer Person alle registrierten Delikte, sowohl polizeilich wie justiziell, zuzuordnen. Hier im Vortrag werde ich mich nur auf polizeiliche Registrierungen beziehen.

5 Relevante Variablen für die Analyse
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Relevante Variablen für die Analyse Straftat Anzahl Straftaten pro Person Geburtsjahr Geschlecht Nationalität Tatdatum Tatalter Relevante Variablen für die Analyse, die in den Daten enthalten sind, sind: Als erstes zu nennen, weil am bedeutendsten für die Untersuchung Die Straftat, Des weiteren die Anzahl Straftaten pro Person das Geburtsjahr, das Geschlecht, die Nationalität – für die Bestimmung deutscher Staatsbürger oder nicht - das Tatdatum und damit das Tatalter.

6 Alterspanne der Kohorten
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Alterspanne der Kohorten Kohorte Alter bis 31 23 16 Die Alterspanne der Daten geht von 7 Jahren bis 31 Jahren bei den Polizeidaten. Für meine Untersuchung benutze ich Datenlieferungen und Aufbereitungen aus dem Jahr Das Tatjahr 2002 wird aber nicht in die Untersuchung mit einbezogen, da es zu diesem Zeitpunkt noch nicht vollständig ist. Die Dauer bis zur Eintragung in die jeweiligen Daten ist teilweise relativ lang. Alle Registrierungen bis einschließlich 2001 sind in die Untersuchung einbezogen. Die Ältesten, der Geburtsjahrgang 1970, sind Jahre alt.

7 Datenbestand der Freiburger Kohortenstudie bis 2001
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Datenbestand der Freiburger Kohortenstudie bis 2001 Der Datenbestand der Polizei Daten der Freiburger Kohortenstudie bis zum Tatjahr 2001 einschließlich, umfasst Tatverdächtige mit Straftaten, was im Schnitt 3,2 Straftaten pro Person ausmacht. 75 % der Tatverdächtigen sind Männer und sie begehen 85 % der Straftaten. Bei den Männern sind im Schnitt 3,7 Straftaten pro Person registriert, bei den Frauen 2. 53 % aller Tatverdächtigen sind Deutsche und sie begehen 55 % der Taten. D.h. bei Deutschen und nicht Deutschen sind etwa gleich viele Straftaten pro Person registriert.

8 PAD Tatverdächtige und Taten (alle Registrierungen bis 2001)
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick PAD Tatverdächtige und Taten (alle Registrierungen bis 2001) Interessant für die Auswertung von Deliktsähnlichkeiten auf Personenebene sind nur Personen bei denen 2 oder mehr Straftaten registriert sind, da die Kombinationen von Straftaten einer Person ausgewertet werden sollen. Die Tabelle zeigt die Tatverdächtigen der Polizeidaten mit der jeweiligen Zahl der Straftaten unterschieden nach Frauen und Männern. Die Tabelle zeigt, dass bei weniger als 50 % der tatverdächtigen Männer 2 oder mehr Delikte registriert sind, dies aber einen Anteil von 86 % der Taten ausmacht. 30 % der tatverdächtigen Frauen haben 2 oder mehr Straftaten begangen, was aber 65 % der von Frauen begangenen Straftaten entspricht. In absoluten Zahlen heißt das: Etwa tatverdächtige Männer haben 2 oder mehr Straftaten begangen, was etwa Straftaten ausmacht. Bei den Frauen sind es deutlich weniger. Bei tatverdächtigen Frauen mit 2 oder mehr Straftaten, sind Straftaten registriert. Diese Zahlen verringern sich bei den weiteren Auswertungen, da für die Untersuchung speziell Fälle mit verschiedenen Delikten interessant sind.

9 Deliktsgruppen Tötungsdelikte Sexualdelikte Raub Körperverletzung
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Deliktsgruppen Tötungsdelikte Sexualdelikte Raub Körperverletzung schwere Körperverletzung Straftaten gegen die persönliche Freiheit einfacher Diebstahl schwerer Diebstahl Erschleichen von Leistungen BTM Delikte Hausfriedensbruch Verstöße gegen das Ausländergesetz oder das Asylverfahrensgesetz . . . Bei der Einteilung von Deliktskategorien besteht die Diskrepanz, dass es einerseits gut wäre alle Delikte von vornherein einzeln zu betrachten, und erst nach der Analyse Gruppen zu bilden. Andererseits ist dies aber praktisch nicht möglich, weil sehr viele der einzelnen Deliktskategorien dann zu klein wären und es viel zu viele Kombinationen gäbe, was eine sinnvolle Auswertung nicht mehr gestattet. Ich habe mich für 25 Kategorien entschieden. Von den Deliktsgruppen, die für die Auswertung benutzt werden, möchte ich hier nur einen Teil aufzählen: Tötungsdelikte, Sexualdelikte, Raub, Körperverletzung, schwere Körperverletzung und Straftaten gegen die persönliche Freiheit, einfacher Diebstahl, schwerer Diebstahl, Erschleichen von Leistungen, Verstöße gegen das Betäubungsmittelgesetz, Hausfriedensbruch, Verstöße gegen das Ausländergesetz oder Asylverfahrensgesetz. Die Gruppen entsprechen großteils den Abschnitten im besonderen Teil des StGB. Ansonsten sind zusammengefasst, alle BTM Delikte und alle Vergehen gegen das Ausländergesetz und Asylverfahrensgesetz.

10 Bestand an Delikten (von Personen mit 2 oder mehr Delikten)
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Bestand an Delikten (von Personen mit 2 oder mehr Delikten) Die Häufigkeiten einiger Deliktskategorien sind in dieser Tabelle dargestellt. Aufgeführt sind die Deliktsanzahlen von Personen mit 2 oder mehr Straftaten, da Einfachtäter für die weitere Analyse nicht von Interesse sind. Die Prozentzahlen geben den Anteil an allen Straftaten an. Z. B. 3,9 % aller in der PAD registrierten Straftaten von Personen mit 2 oder mehr Straftaten sind Körperverletzung. Der einfache Diebstahl bildet die größte Gruppe mit 27,4%. Die zweitstärkste Gruppe ist der schwere Diebstahl. Einfacher und schwerer Diebstahl zusammen belegen über 40 % der registrierten Polizeieinträge von Personen mit 2 oder mehr Einträgen. Auch der Anteil an Vergehen gegen Ausländergesetze mit 8,7 % ist relativ hoch, da diese ja hauptsächlich von Ausländern begangen werden und deren Anteil weniger als die Hälfte aller Registrierten ausmacht. Weitere Delikte, die eine relativ große Gruppe bilden sind BTM Delikte mit einem Anteil von über 10 %. Alle Gewaltdelikte zusammen, dazu gehören Körperverletzung, Raub, Tötungsdelikte, Sexualdelikte und Straftaten gegen die persönliche Freiheit, haben einen Anteil von 12,6%.

11 Deliktsverteilung bei deutschen Männern PAD
1. Einleitung Daten 3. Methode 4. erste Ergebnisse 5. Ausblick Deliktsverteilung bei deutschen Männern PAD Einen Überblick über die Deliktsverteilung bei den Polizeiregistrierungen deutscher Männer gibt diese Grafik. Die Grafik zeigt die Anteile von Deliktskategorien im Alter von 7 bis 31 Jahren. Unten, die rote Fläche zeigt die Gewaltdelikte, ihr Anteil nimmt konstant mit dem Alter zu. Die größte Fläche ist der einfache Diebstahl, er hat im Alter von 12 Jahren einen Anteil von über 50 %. Der Anteil der Sachbeschädigung ist bei Kindern am größten und nimmt dann ab. Auch bei gemeingefährlichen Straftaten ist der Anteil bei Kindern am größten und ist dann sehr gering. Im Gegensatz dazu nimmt der Anteil von Betrug im Erwachsenenalter zu. Der Anteil der BTM Delikte nimmt im Jugendalter zu und erreicht bei den Erwachsenen einen Anteil von etwa 20 %. In dieser Grafik sieht man die Entwicklung der Delikte mit dem Alter, aber Zusammenhänge zwischen Delikten können nicht bestimmt werden. Mein Ziel ist es Zusammenhänge zwischen Delikten aufzuzeigen. Dazu brauche ich ein Ähnlichkeitsmaß für Delikte. Wie ich dieses Maß bestimme, dazu komme ich später. Wenn es ein Ähnlichkeitsmaß für Deliktspaare gibt, ist Multidimensionale Skalierung eine vielversprechende Methode um Konfigurationen von Delikten darzustellen. (Rest=fahrl Töt, fahrl KV, gefährlicher Eingriff in Straßenverkehr, Vollrausch, Meineid, falsche Verdächtigung, Rest StGB, Nebenges)

12 Multidimensionale Skalierung (MDS)
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Multidimensionale Skalierung (MDS) Methode mit der Ähnlichkeiten bzw. Unähnlichkeiten zwischen Daten räumlich präsentiert werden können geringe Unterschiede geringe Unähnlichkeiten große Unterschiede große Unähnlichkeiten  kleine Distanz Multidimensionale Skalierung (MDS) ist die Bezeichnung für eine Gruppe von Methoden, die Ähnlichkeiten, bzw. Unähnlichkeiten zwischen Daten räumlich repräsentieren. Diese Methoden erlauben es, aus ordinalen Annahmen über die Daten zu metrischen Distanzen der zu beurteilenden Objekte zu gelangen. MDS basiert auf dem paarweisen Vergleich der Ähnlichkeiten der einzelnen Merkmalsträger zueinander derart, dass die Ähnlichkeiten in numerische Distanzen umgerechnet werden: - geringe Unterschiede / Unähnlichkeiten  kleine Distanz - große Unterschiede / Unähnlichkeiten  große Distanz Ein Ähnlichkeitsmaß ist z.B. der Abstand zwischen 2 Punkten, bei Delikten muss natürlich ein anderes Ähnlichkeitsmaß benutzt werden. Den Objekten werden durch ein iteratives Verfahren Koordinatenpaare im Raum zugewiesen und die sich ergebenden Distanzen werden mit einem Algorithmus solange mit den empirisch ermittelten Abständen verglichen, bis die Positionierung optimal ist. große Distanz

13 Entfernung zwischen 10 Städten (km)
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Entfernung zwischen 10 Städten (km) Das methodische Konzept der MDS lässt sich sehr gut anhand eines Beispiels verdeutlichen, bei dem das Ergebnis der Analyse schon bekannt ist. Die verfügbaren Informationen sind die paarweisen Distanzen von 10 europäischen Städten. In der Tabelle sind die Entfernungsangaben Luftlinie der 10 Städten untereinander in Kilometern angegeben. Gemessen wurde die Entfernung in einem Atlas. Mit Hilfe der MDS wird nun das Problem gelöst, aus den vorhandenen paarweisen Distanzen die relative Lage aller Orte zueinander, d.h. die Konfiguration der 10 Städte zu ermitteln. Das Ergebnis ist die Skizze einer Landkarte, das die Lage der 10 Städte abbildet.

14 Durch MDS gewonnene Konfiguration von 10 Städten
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Durch MDS gewonnene Konfiguration von 10 Städten Die Abbildung zeigt das Ergebnis der MDS. Auf den ersten Blick ist die Landkarte nicht zu erkennen. Aber zu sehen ist z.B., dass Berlin und Prag nah beieinander liegen und Stockholm Rom weit voneinander entfernt sind. Dies entspricht den Entfernungsangaben. Bei dieser Landkarte stimmt die Himmelsrichtung nicht, aber die Entfernungen stimmen. Durch Rotation und Spiegelung an der y-Achse erhält man die Darstellung in der nächsten Abbildung.

15 Konfiguration der Städte nach Rotation und Spiegelung
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Konfiguration der Städte nach Rotation und Spiegelung Hier erkennt man die Landkarte. Die Lösungen der beiden Abbildungen sind von ihrer Aussage her identisch. Dieses Bild zeigt nur, dass die Methode funktioniert. Für den Aussagegehalt der MDS ist es nicht von Bedeutung, ob ein Punkt oben, unten, links oder rechts liegt, sondern nur wie dicht beieinander die Punkte liegen. Je näher beieinander, desto ähnlicher sind sich die Objekte, hier Städte. Eine Definition zum Verfahren der MDS: Das Verfahren der MDS lässt sich so umreißen: Aus vorgegeben Ähnlichkeiten bzw. Unähnlichkeiten ist in einem Raum mit möglichst geringer Dimensionalität eine Konfiguration zu ermitteln, deren Distanzen möglichst gut die Monotoniebedingung erfüllen. D.h., wenn die Unähnlichkeit von 2 Objekten größer ist als die Unähnlichkeit von 2 anderen Objekten, dann soll auch die Distanz größer sein. In der gesuchten Konfiguration sollte also die Rangfolge der Distanzen zwischen den Objekten möglichst gut die Rangfolge der vorgegebenen Unähnlichkeiten wiedergeben. Eine perfekte Erfüllung der Monotoniebedingung ist in der Regel nicht möglich. Im Städtebeispiel ist schon die Ausgangsähnlichkeit bzw. -unähnlichkeit der Objekte eine Distanz. Dies ist nicht notwendig. Es gibt auch ganz andere Ähnlichkeitsmaße, z.B. direkte Ähnlichkeitseinschätzung von Objektpaaren oder Reaktionszeiten.

16 Rangordnung der 10 Städte nach km
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Rangordnung der 10 Städte nach km Als Ausgangswerte benötigt die MDS nicht unbedingt metrische Distanzdaten, sondern es reichen die Rangwerte der Distanzen, d.h. Ordinaldaten. Die Tabelle enthält die Rangwerte der Entfernungen. Berlin-Prag 1, kürzeste Entfernung. London-Paris 2-kürzeste. Stockholm-Lissabon weiteste. Benutzt man diese für die MDS, ergibt dies dieselbe Lösung wie bei der Berechnung mit den exakten Distanzen. Auch andere monotone Transformationen der Daten sind möglich (z.B. Addition einer Konstante), wichtig ist nur, dass die Rangordnung erhalten bleibt. Die Datenvoraussetzung Ordinaldaten als Ausgangsdaten ist ein großer Vorteil der MDS. Deshalb benötige ich, wenn ich diese Methode bei Delikten anwenden möchte, für Deliktspaare als Ähnlichkeitsmaß nur eine Rangordnung. Gleiche Grafik wie mit km, Beurteilungskriterien bei Rangwerten eine Idee schlechter. Stress =0,004, R=99,99%. Mit Intervaldaten: Stress=0,001 und R=1.

17 Beurteilungskriterien
1. Einleitung 2. Daten Methode 4. erste Ergebnisse 5. Ausblick Beurteilungskriterien R erklärt die Varianz Stress Indikator der Güte der Lösung 2 Maße werden üblicherweise benutzt, um anzugeben wie gut das Ergebnis ist, dass durch die MDS erstellt wurde. R ist bekannt von anderen Methoden. Stress ist ein Methodenspezifisches Kriterium. Beide Beurteilungskriterien können getrennt voneinander benutzt werden. R ist die quadrierte Korrelation zwischen dem empirischen und dem errechneten Abstand zwischen 2 Objekten, hier der Abstand von 2 Städten in der Grafik. R kann interpretiert werden, als das Maß, dass angibt wie viel der Varianz erklärt wird. Im Städtebeispiel ist R=1, was bedeutet, dass 100% der Varianz erklärt werden. Das Ergebnis ist also sehr gut. Das hängt damit zusammen, dass ich die Entfernungen aus einem Atlas und damit schon aus einer 2-dimensionalen Darstellung entnommen habe. Wenn ich die Entfernungen an einem Globus gemessen hätte, wäre das Ergebnis nicht mit 100%iger Varianzerklärung zustande gekommen. Die Kartografen haben sozusagen hier die Fehlerkorrektur schon übernommen. Das 2. Beurteilungskriterium ist Stress. Das Stresskriterium ist ein Maß für die Güte der Lösung. Stress beschreibt die normierte Summe der Differenzen der empirischen und errechneten Abständen zwischen den Objekten, im Beispiel Städte. Desto kleiner Stress ist, desto näher bei 0, desto besser ist die Lösung. Beim Städtebeispiel kommt es zu einer vollkommenen Lösung mit Stress 0,001. Hier bei dem optimalen Ergebnis sind empirischer und errechneter Abstand gleich. Aber normalerweise ist dies nicht der Fall.

18 Das Ähnlichkeitsmaß bei Delikten
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Das Ähnlichkeitsmaß bei Delikten Paarweise Ähnlichkeiten bei Delikten Wie ist diese Methode jetzt auf Delikte zu übertragen? Mein Ziel ist es von paarweisen Ähnlichkeiten von Delikten auf Deliktskonfigurationen zu schließen, was mit MDS möglich ist. Dazu muss ich zuerst ein Ähnlichkeitsmaß für Delikte festlegen. Deliktskonfiguration

19 Deliktspaare (PAD Männer)
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Deliktspaare (PAD Männer) Dazu betrachte ich zunächst die Delikte paarweise, hier von tatverdächtigen Männern. Wegen der Übersichtlichkeit ist in der Tabelle nur eine Auswahl von Delikten dargestellt. Um einen ersten Eindruck zu bekommen hier einige Häufigkeiten von Deliktspaaren. Die Tabelle zeigt nicht die Anzahl Personen, bei denen diese Deliktspaare vorkommen, sondern die Anzahl Deliktspaare. Das häufigste Paar ist schwerer Diebstahl – schwerer Diebstahl mit fast , am zweithäufigsten ist einfacher Diebstahl – schwerer Diebstahl mit , erst danach kommt einfacher Diebstahl – einfacher Diebstahl mit Und das obwohl einfacher Diebstahl das häufigste Delikt ist, wenn die Häufigkeit von Registrierungen betrachtet wird und nicht die Häufigkeit in Kombinationen von Deliktspaaren. Die Häufigkeiten der Delikte in Deliktspaaren sind andere als die Häufigkeiten der Registrierungen. Die Kombinationen von Delikten ergeben sich folgendermaßen: Hat eine Person 2 Registrierungen, gibt es 1 Deliktspaar, 3 Registrierungen – 3 Paare, 4 Registrierungen – 6 Paare, 5 Registrierungen 10 Paare. Z.B. sind bei einer Person die Delikte ED, SD und KV registriert, dann gibt es die Deliktspaare: ED-SD, ED-KV und SD-KV. Am Häufigsten kommt schwerer Diebstahl in Deliktspaaren vor, dabei besonders häufig das Paar SD-SD. Einfacher Diebstahl ist deutlich häufiger eine Einzeltat als schwerer Diebstahl. Um Ähnlichkeiten bei Delikten auf Personenebene bestimmen zu können, sind nur Personen mit mindestens 2 Registrierungen von Bedeutung.

20 Standardisierte Residuen (PAD Männer)
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Standardisierte Residuen (PAD Männer) Um zu einem Ähnlichkeitsmaß bei Delikten zu kommen, betrachte ich die standardisierten Residuen von Deliktspaaren. Das Residuum besagt, ob mehr oder weniger Ereignisse eintreten wie erwartet werden unter der Annahme einer zufälligen Verteilung. Wegen der Übersichtlichkeit ist hier wieder nur die Auswahl an Delikten dargestellt. Berechnet wurden die Werte aber mit allen Deliktskategorien. Ein positives Residuum besagt, dass das Deliktspaar häufiger vorkommt als erwartet, bei einem negativen Residuum ist die Häufigkeit des Deliktspaars seltener als erwartet. Damit ist das standardisierte Residuum ein Ähnlichkeitsmaß von Deliktspaaren. 2 Delikte sind sich ähnlich, wenn sie häufiger vorkommen als erwartet, unähnlich, wenn sie seltener vorkommen als erwartet. 2 Delikte sind sich ähnlich, wenn sie häufig bei einer Person registriert sind, unähnlich wenn es diese Registrierungskombination bei Personen selten gibt. Das erste was auffällt ist, dass die Werte der Diagonale immer positiv sind. Dies bedeutet, dass die Kombination gleicher Delikte überzufällig häufig bei Personen auftritt. Alle Delikte sind zu sich selbst ähnlich. Damit ist eine Voraussetzung der Multidimensionalen Skalierung, dass alle Objekte selbstähnlich sind, erfüllt. Ansonsten fallen die negativen Residuen im Zusammenhang mit schwerem Diebstahl auf. D.h. der schwere Diebstahl hat keine Ähnlichkeit mit anderen Delikten. Obwohl das Deliktspaar ED-SD von der Zahl her oft vorkommt, wie in der vorherigen Tabelle zu sehen war, ist das standardisierte Residuum hoch negativ. D.h. der erwartete Wert von ED-SD ist noch deutlich höher als der tatsächliche Wert. Positive Residuen gibt es u.a. bei Hausfriedensbruch und einfachem Diebstahl, dies kann aber eine künstliche Ähnlichkeit sein, d.h. es wurde eine Straftat begangen, ein Diebstahl in einem Kaufhaus, indem der Tatverdächtige schon Hausverbot hat wegen eines früheren Diebstahls. Diese Tat wird sowohl als Diebstahl wie auch als Hausfriedensbruch registriert.

21 Welches Ähnlichkeitsmaß ?
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Welches Ähnlichkeitsmaß ? (Un)Ähnlichkeitsmaß bei Delikten E/N Mein Ziel ist, Delikte nicht nur paarweise zu vergleichen, sondern eine Deliktskonfiguration zu erhalten. Eine Möglichkeit dies zu erreichen ist die Methode Multidimensionale Skalierung. Dafür werden Unähnlichkeitswerte, Dissimilaritäten, der einzelnen Objektpaare benötigt. Im Städtebeispiel waren die Dissimilaritäten die Kilometerentfernungen von einer Stadt zur anderen. Die Dissimilaritäten müssen größer Null sein und je größer der Wert, desto größer die Unähnlichkeit. Das hier gewählte Dissimilaritätsmaß ist E/N. Erwarteter Wert, unter der Annahme einer zufälligen Verteilung, durch tatsächlichen Wert. Je größer das N wird, desto kleiner wird das Maß und damit ähnlicher. Z.B. bei einem Erwartungswert von 10 und einer tatsächlichen Häufigkeit von 1 ist die Dissimilarität 10. Bei einer tatsächlichen Häufigkeit von 100 ist die Dissimilarität 0,1, d.h. klein und damit kleine Unähnlichkeit bzw. große Ähnlichkeit.

22 Dissimilaritäten (PAD Männer E/N)
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Dissimilaritäten (PAD Männer E/N) Die Tabelle zeigt die Dissimilaritäten der Delikte der Polizeidaten bei Männern. Die Tabelle zeigt wieder nur eine Auswahl, die für die Berechnung benötigten Erwartungswerte wurden aber mit allen Deliktskategorien berechnet. Desto kleiner der Wert, desto ähnlicher die beiden Delikte. Der kleinste Wert in dieser Auswahl ist bei dem Deliktspaar KV – schwere KV mit 0,43. Der nächstkleinste Wert ist bei dem Deliktspaar Tötungsdelikte – schwere KV 0,44. Dies bedeutet, dass, von der Deliktsauswahl die hier sichtbar ist, das Deliktspaar KV-schwere KV am ähnlichsten ist, am 2.ähnlichsten ist schwere KV-Tötungsdelikte. Am unähnlichsten von dieser Auswahl ist schwerer D – Erschleichen von Leistungen. Hier sind also paarweise Ähnlichkeiten dargestellt. Für die Berechnung der Deliktskonfiguration werden nicht die Werte der Dissimilaritäten benutzt, sondern nur die Rangordnung. Es ist also nur wichtig, dass 0,43 kleiner ist als 0,44, nicht von Bedeutung ist die Größe der Differenz. Als Ausgangsdaten reichen ordinal skalierte Daten. (Diss können auch größer sein oder näher bei 0, z.B. 0,13 oeff-gef.dem.Recht 5 gemein gef-ausl)

23 Deliktskonfiguration mit MDS (PAD Männer)
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Deliktskonfiguration mit MDS (PAD Männer) Mit MDS erhält man diese Gesamtdarstellung der Deliktsgruppen. Dies ist ein 2-dimensionales Ergebnis einer MDS. Es ist auch möglich sich Ergebnisse mit anderen Dimensionen berechnen zu lassen, was von berechneten Werten her besser sein kann, aber optisch ist 2-dimensional am Besten. Von Bedeutung sind nur die Entfernungen der einzelnen Punkte untereinander, oben unten, links rechts spielt keine Rolle. Schwerer Diebstahl hat einen relativ weiten Abstand zu anderen Delikten und ist damit mit allen Delikten unähnlich. Ähnlich sind, nah beieinander liegen, Beleidigung, Körperverletzung, schwere Körperverletzung, Tötungsdelikte, Sexualdelikte, Straftaten gegen die persönliche Freiheit und das Delikt Gefährdung des demokratischen Rechtstaates. Die erklärte Varianz R der gesamten Darstellung ist 64 %. Der Stresswert liegt bei 0,24. Die Werte der Beurteilungskriterien sind nicht gut, aber gerade noch vertretbar.

24 Erklärte Varianz (PAD Männer)
1. Einleitung 2. Daten 3. Methode erste Ergebnisse 5. Ausblick Erklärte Varianz (PAD Männer) R R Mit den empirischen und den berechneten Distanzen, die auch ein Ergebnis der MDS sind, lässt sich auch die erklärte Varianz für die Delikte einzeln berechnen, bezogen auf die 2-dimensionale Darstellung. Bei schwerem Diebstahl sind 65% der Varianz erklärt, das Kriterium bei einfachem Diebstahl ist nicht gut, nur 42 % der Varianz wird erklärt. Gute Ergebnisse gibt es bei den ähnlichen Delikten Körperverletzung, schwere Körperverletzung, Straftaten gegen die persönliche Freiheit und Beleidigung, 85% bzw. 83%. Sehr gut ist das Ergebnis bei dem Delikt Gefährdung demokratischer Rechtsstaat, 92% erklärte Varianz. Desto näher bei 100% die erklärte Varianz liegt, desto sicherer ist die Lage des Objekts, hier Delikt, im 2-dimensionalen Raum. Dies waren die ersten Ergebnisse zu den Polizeidaten aus Baden-Württemberg. Mit MDS können die Ähnlichkeiten von Delikten grafisch dargestellt werden. Die ersten Ergebnisse zeigen, dass insbesondere Gewaltdelikte und auch Beleidigung sich durch hohe Ähnlichkeiten auszeichnen, d.h. sie kommen häufig als Deliktskombination bei Personen vor. Die ersten Ergebnisse zeigen, dass es möglich ist, Ähnlichkeiten zwischen Delikten auf diese Art zu bestimmen. Deshalb ist es spannend hier weiter in die Tiefe zu gehen.

25 Weiterführende Untersuchungen
1. Einleitung 2. Daten 3. Methode 4. erste Ergebnisse Ausblick Ausblick Weiterführende Untersuchungen Auswertung von Polizeidaten und justiziellen Daten Analyse getrennt nach Geschlecht und Nationalität Berücksichtigung von Alterstufen Unterscheidung chronisch Delinquente versus Adolescence limited Miteinbeziehung der Dauer von einer Straftat zur nächsten Berücksichtigung der letzten Sanktion Als weiterführende Untersuchungen sind geplant die Bestimmung von Deliktsmustern getrennt nach Geschlecht und Nationalität. Für die Auswertungen sollen sowohl Polizeidaten wie justizielle Daten benutzt werden. Des Weiteren ist vorgesehen, die Deliktskonfigurationen bei verschiedenen Altersstufen zu vergleichen. Außerdem sollen die Deliktsähnlichkeiten bei chronisch Delinquenten im Vergleich zu Personen, die nur als Jugendliche auffällig sind, bestimmt werden. Die Dauer zwischen den Registrierungen soll als Gewichtung berücksichtigt werden. Eine Idee ist auch die vorherige Sanktion in die Auswertungen mit einzubeziehen. Das Ziel ist, eine möglichst breite Kenntnis von Mustern von Straftaten zu erhalten.