Möglhklichkeitenund Grenzender EmpirischenKriminologie...7,800 8,000 2000 2,400 140 160 7200 7,400 7,600 1,600 2,000 120 Diebstahl unter erschwerenden Umständen (linke Skala) Gefährliche

l hk d dMöglichkeiten und Grenzen der Empirischen KriminologieEmpirischen Kriminologie‐ aus Sicht der Ökonometrie der Kriminalität

Frankfurt, den 17. Mai 2011

entorf

Textfeld

Vortrag am Fachbereich "Rechtswissenschaft" der Goethe-Universität

li d ti d t f ll f„… policy recommendations do not follow fromtheory but rather require empirical determinationof relative magnitudes“

Block, M.K. und J.M. Heineke (1975),A Labor Theoretic Analysis of Criminal Choice, American Economic Review.

17. Mai 2011 Empirische Kriminologie

2

Inhalt des Vortrags

) bl1) Messprobleme

a) Feststellung des Trends: steigende oder fallende Kriminalität?‐ inkl. Anmerkungen zu einem möglichen Schwereindexg g

b) Entwicklungstendenzen der (formellen und informellen) Strafverfolgungc) Verknüpfung prozessinduzierter kriminalstatistischer Daten

2) Erklärung von Kriminalität: Korrelation, Kausalität und Exogenität

a) Scheinkorrelation und die Wichtigkeit von Drittvariablenb) Empirisches Arbeiten mit Kriminalstatistiken: Geht das trotz Dunkelfeld?b) Empirisches Arbeiten mit Kriminalstatistiken: Geht das trotz Dunkelfeld?c) Hintergrund und Definition von Kausalität/ Exogenitätd) Identifikation kausaler Effekte

d1) Instrumentvariablen (IV)d1) Instrumentvariablen (IV)d2) Differenz von Differenzen (DiD): italienische Datend3) Regression‐Discontinuity‐Design


3

3) Abschließende Bemerkungen

1. Messproblemea) Feststellung des Trends: steigende oder fallende Kriminalität?

Der Spiegel, 23.3.2007:

BILD, 18 05 2010:18.05.2010:

Beck‐Blog „Die Experten“, 18 05 2010


4

18.05.2010:

MessproblemeFeststellung des Trends: steigende oder fallende Kriminalität?

‐ Evidenz, basierend auf Fallzahlen: Inzidenz (Häufigkeitsziffern je 100.000 EW)

8,200

8,400

Fälle insgesamt (Fälle je 100.000 EW)

2,800

3,200

180

200

Fallzahlen (je 100.000 EW) von Körperverletzung und Diebstahl

7,800

8,000

2 000

2,400

,800

140

160

80

7 200

7,400

7,600

1,600

2,000

120

140

Diebstahl unter erschwerenden Umständen (linke Skala)Gefährliche und schwere Körperverletzung (rechte Skala)

Daten: PKS Zeitreihen 1987 bis 2009: Grundtabelle 01 mit Häufigkeitszahl, http://www.bka.de/pks/zeitreihen/ (04.05.2011)

7,2001994 1996 1998 2000 2002 2004 2006 2008

1,200 1001994 1996 1998 2000 2002 2004 2006 2008


5

Kriminalität: steigend oder fallend?

‐ Evidenz, basierend auf Zahl der Tatverdächtigen: Prävalenz

=> Tatverdächtigenbelastungsziffern (TVBZ), Tatverdächtige je 100.000 EW, hier: Deutsche TV

2,600

2,700

Tatverdächtige Deutsche (pro 100.000) ab 8 Jahre200

Tatverdächtige Deutsche (je 100.000) für Körperverletzung und Diebstahl

2,300

2,400

2,500

2,600

140

160

180

2,000

2,100

2,200

100

120

Diebstahl unter erschwerenden UmständenGefährliche und schwere Körperverletzung

Daten: PKS Zeitreihen 1987 bis 2009: Grundtabelle 01 mit Häufigkeitszahl, http://www.bka.de/pks/zeitreihen/ (04.05.2011)

1,9001994 1996 1998 2000 2002 2004 2006 2008

801994 1996 1998 2000 2002 2004 2006 2008


6

Kriminalität: steigend oder fallend?=> Tatverdächtigenbelastungsziffern (TVBZ), Tatverdächtige Deutsche je 100.000 EW der gleichen Altersgruppegleichen Altersgruppe

=> Diebstahl und Körperverletzung im Vergleich, Trends unterscheiden sich altersspezifisch:

1,400

DS 1418

1,400

DS 2125

1,400

DS 1821

800

1,000

1,200DS_1418KV_1418

800

1,000

1,200_

KV_2125

Erwachsene, 21 bis unter 25

800

1,000

1,200DS_1821KV_1821

200

400

600

1994 1996 1998 2000 2002 2004 2006 2008

Jugendliche, 14 bis unter 18200

400

600

1994 1996 1998 2000 2002 2004 2006 2008200

400

600

1994 1996 1998 2000 2002 2004 2006 2008

Heranwachsende (18 bis unter 21)

40

50

60

DS_5060KV_5060

40

50

60

Erwachsene, 60 und älter

Daten: PKS Zeitreihen 1987 bis 2009:Grundtabelle 01 mit Häufigkeitszahl,http://www.bka.de/pks/zeitreihen/

10

20

30

E h 50 bi t 6010

20

30 DS_60PLUSKV_60PLUS

17. Mai 2011

7

p // /p / /(04.05.2011)0

1994 1996 1998 2000 2002 2004 2006 2008

Erwachsene, 50 bis unter 60

01994 1996 1998 2000 2002 2004 2006 2008

Empirische Kriminologie

Kriminalität: steigend oder fallend?=> Verurteilungen: (i) Diebstahl

160,000

Anzahl der Verurteilungen wegen Diebstahls (§ 242 StGB) in Westdeutschland, 1970-2009

100 000

120,000

140,000

60 000

80,000

100,000totalmale adults (>20)male adolescents (18-20)male juveniles (14-17)females (total)

20,000

40,000

60,000 females (total)

0

20,000

1970 1975 1980 1985 1990 1995 2000 2005

Anmerkung : Zeitreihen für ausgewählte Bevölkerungsgruppen; die Zeitreihen enthalten bis 1994 West Berlin danach


8

Anmerkung : Zeitreihen für ausgewählte Bevölkerungsgruppen; die Zeitreihen enthalten bis 1994 West-Berlin, danachGesamtberlin. Quelle: Statistisches Bundesamt (2010).

Kriminalität: steigend oder fallend?=> Verurteilungen: (ii) Gefährliche Körperverletzung

30,000

total

Anzahl der Verurteilungen wegen “Gefährlicher Körperverletzung” in Westdeutschland, 1970-2009

20,000

25,000male adults (>20)male adolescents (18-20)male juveni les (14-17)females (all)

15,000

5,000

10,000

01970 1975 1980 1985 1990 1995 2000 2005

Anmerkung : Zeitreihen für ausgewählte Bevölkerungsgruppen; die Zeitreihen enthalten bis 1994 West Berlin danach


9

Anmerkung : Zeitreihen für ausgewählte Bevölkerungsgruppen; die Zeitreihen enthalten bis 1994 West-Berlin, danachGesamtberlin. Quelle: Statistisches Bundesamt (2010).

Kriminalität: steigend oder fallend?=> Überlegungen zur Konstruktion eines Schwereindex

Relevanz einer Straftat?

Heinz (2008): „Unter dem Gesichtspunkt der Deliktsschweremüsste dagegen die Erwachsenenkriminalität im Mittelpunkt des kriminologischen und kriminalpolitischen Interesses stehen. […] Allein durch registrierte Wi t h ft k i i lität d it höh S häd ht l d hWirtschaftskriminalität werden weitaus höhere Schäden verursacht als durch die gesamte sonstige polizeilich erfasste Eigentums‐ oder Vermögenskriminalität. Nach Angaben der Polizeilichen Kriminalstatistik entfielen 2006 auf Wirtschaftskriminalität 2,4% aller vollendeten Fälle der ,Eigentums‐ und Vermögensdelikte (einschließlich Raubmord), aber 53% der registrierten Schadenssummen.“ [Hervorhebungen durch Unterstreichen von HE]

Genannte Prozentzahlen sind höchst problematisch, denn: „Schwere“ ist nicht identisch mit Schadenssumme in der PKS! Lediglich symbolische Ein‐Euro‐Beträge für viele Delikte schwerster Gewalt


10

g y g

Kriminalität: steigend oder fallend?=> Wichtigkeit eines Schwereindex

Kosten durch Kriminalität: Vergleich der Jahre 1994 und 2006

Delikt (PKS K i

Schaden/ F ll i

Anzahl Fäll

Kosten 1994 i

Anzahl Fäll

Kosten 2006 i(PKS-Kennung in

Klammern) Fall in

Tsd. EuroFälle 1994

1994, in Mrd. Euro

Fälle 2006

2006, in Mrd. Euro

Gefährliche Körperverletzung 31,5 88.037 2,773 150.874 4,753 p g(2220) Diebstahl (3000, 4000)

1,2 3.866.336 4,799 2.601.902 3,229

V

Anmerkung : Berechnung des Schadens pro Fall von “gefährlicher Körperverletzung” analog der

Veruntreuungen (5200)

32,0 16.950 0,5424 40.095 1,283

Summen 3.956.068 7,572 2.792.871 9,265

Anmerkung : Berechnung des Schadens pro Fall von gefährlicher Körperverletzung analog derBerechnung des British Home Office; Schaden je Diebstahl und Veruntreuung gemäß veröffentlchterSchadenssummen in der PKS (BKA)

Quelle: Entorf 2008

=> Fallzahlen fallend, Schaden steigend


11

, g

Kriminalität: steigend oder fallend? Heterogenität!=> Heterogenität! Hier am Beispiel „Gefährliche Körperverletzung“

17. Mai 2011

12

Quelle: Heinz 2011


Kriminalität: steigend oder fallend? Heterogenität!=> Insbesondere Nord‐Süd‐Gefälle

Nicht ganz ernst gemeinte Suche nach den Ursachen …

Wilhelm Sauer, Professor und Kriminologe an der Uni Münster, 1950: "Die nordische Landschaft mit ihren Tiefebenen und weiten endlosen Flächen, den Strömen und dem Meer ist die Heimat jenes nordischen (schizothymen, introvertierten) Menschen, der in die Ferne schaut und strebt, weite und kühne Pläne entwirft und mit Zähigkeit und Energie seine Ziele verfolgt: Der geeignete Boden für Vorbedachtsdelikte, für

ÜNutzdelikte auch unter Überwindung stärkerer Widerstände.“

Dazu Sauers Kontrastbild: "Die südliche, insbesondere alpine Landschaft, reizvoll, anmutig oder großartig, wechselnden Charakters, mit Bergen und Tälern, Seen und gewundenen Flußläufen, bildet den Heimatboden jener (zyklothymen, extrovertierten) Menschen beweglicher, gewandter, anpassungsfähiger, lebenslustiger, liebenswürdiger Sinnesart. Die kulturelle wie kriminelle Betätigung zeigt zum mindesten die Tendenz oder Eignung zu häufigem Wechsel, ein günstiger Boden für akute Kriminalität, zu Angriffs‐wie Nutz‐ und Notdelikten, zu Trieb‐ und Schwächedelikten."

Zitiert nach: Der Spiegel, Heft 16/1985: “Kriminalität: Die längsten Finger. Auch in der Kriminalität gibt es ein Nord‐Süd‐Gefälle”

17. Mai 2011

13


b) Entwicklungstendenzen der formellen und informellen Strafverfolgung=> (Weiter) Steigende Bedeutung der Staatsanwaltschaft

Fallzahlen Verur‐Anteil der Anteil der Einstellungen (=100) Anteil der

Einstellung von Verfahren in West Deutschland Verurteilung durch Gericht

Fallzahlen(in 1000)

Verurteilungs‐quote

1980 735.2 81.6

Anteil der Verurteilten an Tatverdächtigen

Anteil der Einstellungen (=100) Anteil der Einstellungen

(durch Staatsanwalt‐durch Gericht

durch Staats‐1980 735.2 81.6

1990 756.3 81.3

schaft) gegen Auflage

durch Gerichtanwaltschaft

1981 63.5 32.9 67.1 53.42000 763.3 83.7

2008 761.5 83.3

1990 52.0 23.1 76.9 36.4

2000 44.6 15.2 84.8 27.1

2008 41 8 13 2 86 8 21 32008 41.8 13.2 86.8 21.3

Prozentzahlen beziehen sich auf alle Tatverdächtige nach Erwachsenen‐ und Jugendstrafrecht. Datenquelle: Heinz (2010), S. 48‐52; eigene Berechnung.

Erwachsenenstrafrecht, Westdeutschland; Datenquelle: Heinz (2010), S. 48‐52; eigene Berechnung.


14

Quelle: Entorf 2011

Trends in formeller und informeller Strafverfolgung : Heterogenität (i)

• Gleiches Recht, unterschiedliche Strafen – Heranwachsende als Jugendliche?


15

Quelle: Heinz 2011

Trends in formeller und informeller Strafverfolgung: Heterogenität (II)

• Gleiches Recht, unterschiedliche Strafen ‐ bei Heranwachsenden im Straßen‐verkehr?

17. Mai 2011

16

Empirische KriminologieQuelle: Heinz 2011

c) Messung von Kriminalität: Fehlende Verknüpfbarkeit prozessinduzierter kriminalstatistischer Daten

Wesentliche Probleme :

i. Lediglich Erfassung der registrierten Kriminalität in der PKS, keine umfangreicheni. Lediglich Erfassung der registrierten Kriminalität in der PKS, keine umfangreichen Opferstudien

ii. Erfassungsunterschiede in PKS und StVStat bzgl. Tätern, die innerhalb einer Periode mehrere verschiedene Delikte begangen haben (Erfassung mehrfach inPeriode mehrere verschiedene Delikte begangen haben (Erfassung mehrfach in PKS, nur ein „schwerstes“ Delikt in StVStat)

iii. PKS und StVStat ordnen gleiches Delikt häufig unterschiedlichen Zeitpunkten zu

iv. „Umdefinition“ von Straftaten im Strafverfolgungsprozess

v. Fehlende deliktgruppen‐ und regionalspezifische Kompatibilität der Staatsanwaltschaftsstatistik (StA‐Statistik) mit PKS und StVStat

vi. Umstellung der Tatverdächtigenzählung in der PKS auf „echte“ Tatverdächtigenzählung (Mehrfacherfassung von Tätern bis 1982), letzte Umstellung 2009

Details Siehe Spengler (2004) Entorf und Spengler (2005)


17

gDetails: Siehe Spengler (2004), Entorf und Spengler (2005), RatSWD (2009), Heinz (2010)

Das Problem der fehlenden Verknüpfbarkeit (Forts.)

Kriminalitätserfassung in der offiziellen StatistikKriminalitätserfassung in der offiziellen Statistik

Quelle: Kemme, S., M. Hanslmaier, K. Stoll (2011). Kriminalitätsentwicklung 1995 bis 2008: Ergebnisseeiner Expertenbefragung Kfn‐Forschunsbericht 112 Projekt gefördert durch die Innen‐ und Justiz‐


18

einer Expertenbefragung. Kfn Forschunsbericht 112, Projekt gefördert durch die Innen und Justizministerien der Länder Bayern, Brandenburg, Niedersachsen und Sachsen‐Anhalt.

Fehlende Verknüpfbarkeit prozessinduzierter kriminalstatistischer Daten behindert Realisierung kriminalpolitischer Ziele

Kriminalpolitische Ziele:

Effektive Polizeiarbeit bei Aufklärung und Schutz der Zivilbevölkerung

Einsatz wirksamer Behandlungsmaßnahmen im Fall der Straffälligkeitg g

Gleichbehandlung von Straftätern durch Gerichte und Staatsanwaltschaften (positive Generalprävention)

Wirksame General‐ und Spezialprävention______________________________________________________________________Evaluation des Erfolgs? … wird durch die getrennte Erfassung der Aktivitäten von

Polizei, Staatsanwaltschaft, Gerichte, Strafvollzug und Bewährungshilfe erheblich erschwert und teilweise ganz unmöglich


19

Das Problem der fehlenden Verknüpfbarkeit (Forts.)

Forderungen der AG „Kriminalstatistik“ des Rats für Sozial‐ und Wirtschaftsdaten (unter der Leitung von W. Heinz, u.a. mit J.‐M. Jehle, H.‐J. Kerner und Vertretern des BM der Justiz, des BKA und der Statistischen Ämter)

Auftrag: „Vorschläge für eine umfassende Optimierung der bestehenden kriminalstatistischen Systeme“

Vorschläge, veröffentlicht 2009 (Auszug):

periodische, statistikbegleitende Dunkelfelduntersuchungen

Verbesserung der Kompatibilität der jetzigen Personenstatistiken der g p j gStrafrechtspflegestatistiken untereinander sowie mit der PKS mit dem Ziel, ein System aufeinander abgestimmter Teilstatistiken zu schaffen

Einführung eines statistischen Datenbanksystems, in das alle kriminologisch relevanten g y , gjustiziellen Entscheidungen mit pseudonymisierten Personendaten eingetragen und anschließend miteinander verknüpft werden

Einführung einer periodischen Rückfallstatistik auf der Grundlage der Registerdaten


20

g p g g

Einführung eines Schwereindex Details: RatSWD (2009)

2) Erklärung von Kriminalität : Korrelation, Kausalität und Exogenitäta) Scheinkorrelation und die Wichtigkeit von Drittvariablen

Scheinkorrelation von Bildung und Kriminalität? Illustration eines – empirisch nicht bestätigten – Zusammenhangs

Gedankenexperiment (künstlich erzeugte Daten):

Bildung B und Kriminalität K werden beide durch Einfluss E des Elternhauses bestimmt

4

6 Daraus folgt: Nur E ist kausal zu K, Korrelation zwischen B und K ist Scheinkorrelation

Simulation mit Zufallszahlen:

0

2

4

K

f

Schritt 1: E wird mit 1000 Zufallszahlen erzeugt

Schritt 2: K und B werden in

„Elternhaus“

-4

-2

Schritt 2: K und B werden in Abhängigkeit von E erzeugt: K = ‐E + Zufall, B = E + Zufall

Schritt 3: Messe (Schein‐) Korrelation

Bildung Kriminalität


21

-6-6 -4 -2 0 2 4 6

B

Schritt 3: Messe (Schein ) Korrelation von B und K

Scheinkorrelation von Bildung und Kriminalität? Illustration einer nicht bestätigten Hypothese, Fortsetzung

Erkennen der Scheinkorrelation?

Schritt 4: Überprüfung des mehrfaktoriellen Einflusses (Regressionsanalyse) K aB + bESchritt 4: Überprüfung des mehrfaktoriellen Einflusses (Regressionsanalyse) K = aB + bE Endogene Variable: K

Variable Coefficient Std. Error t-Statistic Prob.

B 0.011217 0.062854 0.178465 0.8584E - 1.000387 0.068808 14.53884 0.0000

R-squared 0.525700

Multiple Regression zeigt, dass nur Faktor E einen „signifikanten“ Einfluss ausübt, Faktor B würde „insignifikant“


22

2) Erklärung von Kriminalität : Korrelation, Kausalität und Exogenität

b) i i h b i i i i l i ik G h d k lf ld?b) Empirisches Arbeiten mit Kriminalstatistiken: Geht das trotz Dunkelfeld?

Übergeordnete Frage: Kann man Kausalanalysen durchführen, auch wenn wichtige Faktoren i h b b h b i d?nicht beobachtbar sind?

Kaum, sofern es sich um die Analyse von Querschnitten handelt. D rcha s enngleich nicht gr ndsät lich enn m Paneldaten geht Durchaus ‐ wenngleich nicht grundsätzlich ‐ wenn um Paneldaten geht.

Illustration anhand der Kriminalitätsanalyse mit disaggregiert verfügbaren Kriminalstatistiken z B auf Kreis oder Landesebene (siehe z B Entorf Winker 2008)Kriminalstatistiken, z.B. auf Kreis‐ oder Landesebene (siehe z.B. Entorf, Winker 2008)

Annahmen :

T t ä hli h K i i lität Z it kt t i R i i K*(it)• Tatsächliche Kriminalität zum Zeitpunkt t in Region i: K (it)

• K*(it) sei im Wesentlichen durch einen Faktor X(it) erklärbar: K*(it) = α + β X(it) + e(it),wobei e(it) ein regional‐ und zeitspezifisches Residuum ist


23

Empirisches Problem: Einfluss β soll identifiziert werden, aber K*(it) ist nicht beobachtbar!

Empirisches Arbeiten mit Kriminalstatistiken (Forts.)

bl *(i ) i i h b b h b ! b h b i l di li h (i ) *(i )Problem: K*(it) ist nicht beobachtbar! Beobachtbar ist lediglich K(it) ≠ K*(it)

Gründe: a) Es gebe regional unterschiedliche Dunkelfelder, so dass K(it) = K*(it) + d(i) b) A ß d füh ll V ä d i d D fi iti D liktb) Außerdem führen generelle Veränderungen in der Definition von Deliktgruppen

zu erratischen Sprüngen in der BKA‐Kriminalität: K(it) = K*(it) + s(t)

Kombination von a) und b): K(it) = K*(it) + d(i) + s(t) Kombination von a) und b): K(it) = K (it) + d(i) + s(t)

Einsetzen von K*(it) = α + β X(it) + e(it) => K(it) = α + β X(it) + d(i) + s(t) + e(it)

=> „Verschmutze“ Daten verschleiern wahren Zusammenhang!

Ist β dennoch „korrekt“ (statistisch: „konsistent“) schätzbar?


24


ll i d h Si l iIllustration durch Simulation:K*(it) = 200 ‐ 2 X(it) + e(it), i = 1,…, 10; t = 1, …, 100,

wobei X(it) 50 0 1 t + u(it) e(it) und u(it) seien latente N(0 1) verteilte zufällige Residuenwobei X(it) = 50 – 0.1 t + u(it), e(it) und u(it) seien latente N(0,1)‐verteilte zufällige Residuen.

125

130Tatsächliche Kriminalität und Faktor X als Streudiagramm

120

Tatsächliche Kriminalität und Faktor X als Zeitreihen

115

120

125

100

120

100

105

110K*

60

80 K*X

90

95

100

36 40 44 48 52 56

40

100 200 300 400 500 600 700 800 900 1000

25

36 40 44 48 52 56

X17. Mai 2011 Empirische Kriminologie

100 200 300 400 500 600 700 800 900 1000


Si l i ( )Simulation (Forts.):

Tatsächliche Daten K*(it) werden sowohl durch regionale Einflüsse d(i) als auch durch zeitliche Faktoren s(t) überlagert:

d( ) /• d(i) = ‐0.03 i / 110, i = 1, 2, …, 10• s(t) = ‐0.3+0.002 t + v(t) , wobei v(t) normalverteilter Zufall, t = 1, …, 100

Streudiagramm inkl. korrekter RegressionsgeradeTatsächliche und beobachtbare Kriminalität als regionale Zeitreihen

110

120

130

K*K

für tatsächliche und fehlerhaft gemessene Kriminalität

110

120

130g

80

90

100

80

90

100

50

60

70

50

60

70

K*K

17. Mai 2011

4036 40 44 48 52 56

XEmpirische Kriminologie

40100 200 300 400 500 600 700 800 900 1000

K

26


Si l i ( ) b i d S hä f hSimulation (Forts.): Ergebnisse der Schätzverfahren

a) Lineare Regression ohne b) Lineare Regression mit Berücksichtigung der Panelstruktur

Dependent Variable: K

Berücksichtigung der Panelstruktur: Berücksichtigung der Panelstruktur(Fixe Effekte für Regionen und Zeitpunkte): Dependent Variable: K Method: Least SquaresMethod: Least Squares

Included observations: 1000

Variable Coefficient Std. Error t-Statistic

C 213.6001 5.061262 42.20293X 2 944607

Method: Least SquaresIncluded observations: 1000


C 184.9799 1.697633 108.9634X -1 983190 0 033095 -59 92467X -2.944607 0.112389 -26.20024

R-squared 0.407523 => Parameter β wird (absolut gesehen)

X 1.983190 0.033095 59.92467CROSS=1

… -3.163219

…0.143483

…-22.04600

…CROSS=9 -29.57940 0.143569 -206.0290

T=2 …

-10.98821…

0.454165…

-24.19428…

T=100 2 712635 0 563817 4 811197=> Parameter β wird (absolut gesehen) stark überschätzt

T=100 2.712635 0.563817 4.811197

R-squared 0.995492

=> Panelmethodik schätzt Parameter β

27


in zuverlässiger Weise (Konsistenz)


Si l i ( ) l h dik f k i i h b i i h li Üb lSimulation (Forts.): Panelmethodik funktioniert auch bei nichtlinearer Überlagerung

Tatsächliche Daten K*(it) werden sowohl durch regionale Einflüsse d(i) als auch durch zeitliche Faktoren s(t) überlagert:

d( ) /• d(i) = ‐0.03 i / 110, i = 1, 2, …, 10• s(t) = ‐0.3+0.002 t ‐ 0.0001 t2 + v(t) , wobei v(t) normalverteilter Zufall , t=1,…,100

140Tatsächliche und beobachtbare Kriminalität als regionale Zeitreihen Streudiagramm inkl. korrekter Regressionsgerade


120

140

120

140

K*K


80

100

80

100

40

60

K*K

40

60

28


20100 200 300 400 500 600 700 800 900 1000

K20

36 38 40 42 44 46 48 50 52 54

X


Si l i ( ) b iSimulation (Forts.): Ergebnisse II

a) Lineare Regression ohne b) Lineare Regression mitBerücksichtigung der Panelstruktur

Berücksichtigung der Panelstruktur: Berücksichtigung der Panelstruktur(Fixe Effekte für Regionen und Zeitpunkte):

Dependent Variable: K Dependent Variable: K Included observations: 1000


C 3 351196 5 469328 0 612725

Included observations: 1000


C 177.9473 1.687192 105.4695X -1.982155 0.033277 -59.56490

CROSS=1 3 381899 0 136631 24 75205C -3.351196 5.469328 -0.612725X 1.506946 0.121318 12.42141

R-squared 0.133900 Mean dependent var => Parameter β hat sogar falsches

CROSS=1…

-3.381899…

0.136631…

-24.75205…

CROSS=9 -29.64351 0.136658 -216.9172T=2 …

7.452691…

0.432002…

17.25153…

T=100 -32.77388 0.543420 -60.31041

=> Parameter β hat sogar falsches

Vorzeichen

=> Panelmethodik schätzt Parameter β in

R-squared 0.994898

29


zuverlässiger Weise (Konsistenz)

2) Erklärung von Kriminalität : Korrelation, Kausalität und Exogenitätgc) Hintergrund und Definition von Kausalität/ExogenitätHistorischer Rückblick (Ökonometrie)

Phänomen der Scheinkorrelation schon früh (1897) bei Pearson dokumentiertK. Pearson (1897), On a Form of Spurious Correlation Which May Arise When Indices Are Used in theMeasurement of Organs, Proceedings of the Royal Society of London.

Haavelmo (1944) betont die Wichtigkeit der „Konstanz“ und „Permanenz“ der untersuchten (multivariaten) Relationen („Gesetzmäßigkeit“)

T. Haavelmo (1944), The Probability Approach in Econometrics, Econometrica (Supplement)

Haavelmo (1943) analysiert und belegt den Schätzfehler bei Vorliegen simultaner Beziehungen („Haavelmo Bias“ )

T. Haavelmo (1943), The Statistical Implications of a System of Simultaneous Equations“, Econometrica

Wold (1947) betont, dass untersuchte „cause‐and‐effect“‐Relationen stochastischer Natur sein müssen, erklärt die wichtige Rolle von Residuen und plädiert für sequentielle (rekursive) Mehrgleichungssystem

H O W ld (1947) S i i l E i i f E i R l i hi öff li h 1949 i S l


30

H.O. Wold (1947), Statistical Estimation of Economic Relationships, veröffentlicht 1949 im Supplement der Econometrica

Hintergrund und Definition von Kausalität/Exogenität (Forts.)

Moderne Sichtweise (Ökonometrie bei Linearität in Parametern; siehe z B Wooldridge 2001 )Moderne Sichtweise (Ökonometrie, bei Linearität in Parametern; siehe z.B. Wooldridge, 2001 )

Regressoren x1, x2, …, xk einer Relation y = β0 + β1 x1+ β2 x2+ …+ βk xk +u

sind exogen bezüglich y, wenn E(y| x1, x2, …, xk ) = β0 + β1 x1+ β2 x2+ …+ βk xk (bzw. E(u| x1, x2, …, xk ) = 0 )

Was bedeutet das? Die vermutete Beziehung gilt für alle Ausprägungen von y, x1, x2, …, xk, d.h. z.B. für

alle Zeitpunkte t = 1 ,…, T oder alle Teilstichproben in Querschnittserhebungen, z.B. p , , p Q g ,für Bezieher hoher Einkommen genauso wie für die Bezieher geringer Einkommen: „Konstanz“ der BeziehungDie unbeobachtbare Restgröße u enthält keine systematische Information, dieDie unbeobachtbare Restgröße u enthält keine systematische Information, die

mit einer oder mehrerer der Variablen x1, x2, …, xk korreliert sein könnte (mögliche Gründe: Simultanität, fehlende Variablen)

Konsequenz bei Verletzung der Annahme (= „Endogenität“): Verzerrte Schätzung der


31

Konsequenz bei Verletzung der Annahme ( „Endogenität ): Verzerrte Schätzung der Parameter β0 , β1 , β2 …, βk

2) Erklärung von Kriminalität : Korrelation, Kausalität und Exogenitätgd) Identifikation kausaler EffekteWie lassen sich Gewichte β0 , β1 , β2 …, βk korrekt schätzen, obwohl z.B. ein Faktor xj als

i ll d k d d i d dä h i i d?potentiell endogen erkannt wurde oder zumindest verdächtigt wird?

d1) Instrumentvariablen (IV)

IV überwinden Endogenitätsproblem und erlauben korrekte (konsistente) Schätzung desIV überwinden Endogenitätsproblem und erlauben korrekte (konsistente) Schätzung des kausalen Effekts von xj auf y (z.B. von Polizeistärke auf Kriminalitätsaufkommen)Problem: Variation der Kriminalität hat Rückwirkung auf Polizeidichte (z.B. wg. Öffentlichen

Drucks); Kausalität nicht erkennbar: K und P bewegen sich gleichzeitigDrucks); Kausalität nicht erkennbar: K und P bewegen sich gleichzeitig Lösungsidee: Suche einen Faktor der unmittelbar nur das Polizeiaufkommen verändern kann, nicht aber die Kriminalität Falls Kriminalität sich dennoch (in die vermutete Richtung) verändert, dann weil indirekt Falls Kriminalität sich dennoch (in die vermutete Richtung) verändert, dann weil indirekt die Kausalkette „IV => P => K“ wirkt, d.h. P hat „kausale“ Wirkung auf K

Beispiele:Bürgermeisterwahlen => Polizeistärke => Kriminalität (Levitt 1997)


32

Bürgermeisterwahlen Polizeistärke Kriminalität (Levitt 1997) Amnestie => „Incapacitation“ => Kriminalität (Drago, Galbiati, Vertova 2009)

Identifikation kausaler Effekte (Forts.)Wie lassen sich Gewichte β0 , β1 , β2 …, βk korrekt schätzen, obwohl z.B. ein Faktor xj als potentiell endogen k t d d i d t dä hti t i d?erkannt wurde oder zumindest verdächtigt wird?

d2) Differenz von Differenzen (DiD)

Ausgangspunkt : (Quasi‐) Natürliches ExperimentAusgangspunkt : (Quasi ) Natürliches Experiment A natural experiment occurs when a subset of the population is subject to an exogenous variation in a variable, perhaps as a result of a policy shift, that would ordinarily be subject to endogenous variation’(Cameron und Trivedi, 2005, S. 54)

Beispiele: Gesetzesänderungen, unerwartete Ereignisse wie z.B. Terroralarm, Wetter‐schocks, Zwillingsgeburten

DiD‐Modelle nutzen quasi‐natürliche Experimente für ein Modell y = β0 + β1 x1+ β2 x2+ …+ βk xk +u, in dem die Endogenität einer erklärenden Variablen x die Identifikation des kausalen Effektes erschwertdem die Endogenität einer erklärenden Variablen xj die Identifikation des kausalen Effektes erschwert.DiD‐Modelle nutzen die exogene (quasi‐experimentelle) Variation in xj um den Einfluss der von der

Änderung beeinträchtigten Gruppe vor und nach der Intervention zu messen und mit der Veränderungdes Verhaltens der nicht beeinträchtigten Kontrollgruppe zu vergleichen.g g pp g

Bsp.: a) xj = Polizeidichte, Ereignis = Terroralarm, Untersuchunsgruppe = betroffene Region, Kontrollgruppe = von Alarm nicht betroffene Region, y = Kriminalität (Di Tella, R. and E. Schargrodsky , 2004)

b) xj = “Reality TV”, Ereignis = Einführung der MTV‐Show ‘”Laguna Beach”, Untersuchungsgruppe =


33

jRegion “Laguna Beach”, Kontrollgruppe = Region “Dana Point”, y = Kriminalität (Chiou, L. und M. Lopez , 2010)

Identifikation kausaler Effekte (Forts.) Wie lassen sich Gewichte β0 , β1 , β2 …, βk korrekt schätzen, obwohl z.B. ein Faktor xj als potentiell d k d d d d h dendogen erkannt wurde oder zumindest verdächtigt wird?

d3) Regressions‐Diskontinuität (Regression Discontinuity Design, RDD)

Idee: (Quasi‐) Randomisierende Zuordnung von Probanden zu Untersuchungs‐ undIdee: (Quasi ) Randomisierende Zuordnung von Probanden zu Untersuchungs und Kontrollgruppe

Zuordnung „so gut wie“ zufällig, weil sich Probanden bezüglich der problematischen Variablen xj kaum unterscheiden und endogene (Selbst‐) Selektion ausgeschlossen istxj kaum unterscheiden und endogene (Selbst ) Selektion ausgeschlossen ist => Allein das unterschiedliche „Treatment“ in Untersuchungs‐ und Kontrollgruppe ist entscheidend für Ergebnis

BeispieleBeispiele a) Hjalmarsson (2009): Geringere Rückfallquote von Jugendlichen bei Inhaftierung statt

alternativer Strafe?

Diskontinuität:Diskontinuität: Fixes Punktesystem („sentencing grid“) entscheidet über Haft oder Nicht‐Haft. Hohe Ähnlichkeit von Untersuchungsgruppe (Haft) und Kontrollgruppe (keine Haft), da

Begrenzung auf Probanden in Nachbarschaft diesseits und jenseits der kritischen Grenze


34

Begrenzung auf Probanden in Nachbarschaft diesseits und jenseits der kritischen GrenzeErgebnis: Inhaftierte haben geringere Rückfallquote

Identifikation kausaler Effekte (Forts.)Wie lassen sich Gewichte β0 , β1 , β2 …, βk korrekt schätzen, obwohl z.B. ein Faktor xj als potentiell d k d d d d h dendogen erkannt wurde oder zumindest verdächtigt wird?

Regressions‐Diskontinuität (Regression Discontinuity Design, RDD), Forts.

Beispiel b):Beispiel b):Chen und Shapiro (2007): Abhängigkeit der Rückfallquote von Haftbedingungen?

Diskontinuität: F t lt P kt t t h id t üb S i i b d f b Si h h it t f Fest geregeltes Punktesystem entscheidet über Supervisionsbedarf bzw. Sicherheitsstufe –

und somit über „Peers“ Untersuchungsgruppe – Sicherheitsstufe (i) – und Kontrollgruppe – Sicherheitsstufe (i‐1) –

unterscheiden sich vor Treatment so gut wie nicht da sie sehr ähnliche Punktzahlen habenunterscheiden sich vor Treatment so gut wie nicht, da sie sehr ähnliche Punktzahlen haben, Rückfallwahrscheinlichkeit wird folglich allein durch jeweilige Haftbedingungen geprägt

Ergebnis: Höhere Sicherheitsstufe bewirkt höhere Rückfallquote

Zitierte Literatur zu RDD: Chen, K.M. and J.M. Shapiro (2007). Do Harsher Prison Conditions Reduce Recidivism? A Discontinuity‐Based Approach, American Law and Economics Review, 9, 1‐29.

Hj l R (2009) J il J il A P th t th St i ht d N t H d d C i i lit ? Th


35

Hjalmarsson, R. (2009), Juvenile Jails: A Path to the Straight and Narrow or to Hardened Criminality? TheJournal of Law and Economics 52(4), 779‐804.

3. Abschließendes

Messung von Kriminalität ist verbesserungswürdigMessung von Kriminalität ist verbesserungswürdig

Evaluation kriminalpolitischer Maßnahmen: Verbindung zwischen Aufwand und Erfolg?

Keine Angst vor kriminalstatistischen Daten Nutzung der föderalen HeterogenitätKeine Angst vor kriminalstatistischen Daten, Nutzung der föderalen Heterogenität

Moderne Methoden verbessern interne Validität, Bescheidenheit bei externer Validität

Metaanalysen bieten u U Einsichten über das Zustandekommen von ErgebnissenMetaanalysen bieten u.U. Einsichten über das Zustandekommen von Ergebnissen (siehe z.B. Dölling, Entorf, Hermann, Rupp 2009)

Stärkere Bewertung des gesellschaftlichen Schadens in der Kriminologie wünschenswert


36

Literatur

Cameron, A.C. und P.K. Trivedi (2005), Microeconometrics: Methods and Applications, Cambridge University Press.

Chen, K.M. and J.M. Shapiro (2007). Do Harsher Prison Conditions Reduce Recidivism? A Discontinuity‐Based Approach, American Law and Economics Review, 9, 1‐29.

Chiou L and M Lopez (2010) The reality of reality television Does reality TV influence local crime rates? Economics LettersChiou, L. and M. Lopez (2010), The reality of reality television: Does reality TV influence local crime rates? Economics Letters 108(3), 330‐333.

Di Tella, R. and E. Schargrodsky (2004), Do Police Reduce Crime? Estimates Using the Allocation of Police Forces After a Terrorist Attack, American Economic Review, 94(1), 115‐133.

Doelling, D., H. Entorf, D. Hermann, and T. Rupp (2009). Is Deterrence Effective? Results of a Meta‐Analysis of Punishment, European Journal on Criminal Policy and Research, 15 (1‐2), 201‐224.

Drago, F., R. Galbiati und P. Vertova (2009), The Deterrent Effect of Prison: Evidence from a Natural Experiment, Journal ofPolitical Economy, 117(2), 257‐280.y, ( ),

Entorf, H. und H. Spengler (2005). Die generalpräventive Wirkung erwarteter Strafe – eine umfassende Auswertung kombinierter Kriminal‐ und Strafverfolgungsstatistiken im langfristigen Bundesländervergleich, Monatsschrift für Kriminologie und Strafrechtsreform 88 (2005), 313–338.

E t f H d P Wi k (2008) I ti ti th D C i Ch l i E i f C i M d l E id f P lEntorf, H. and P. Winker (2008). Investigating the Drugs‐Crime Channel in Economics of Crime Models: Evidence from Panel Data of the German States. International Review of Law and Economics, 28(1), 8‐22.

Entorf, H. (2009b). Wirkung und Effizienz von Strafrecht: "Was geht" ‐ bei jungen Gewalttätern? In: Reinhard Bork, Thomas Eger u. Hans‐Bernd Schäfer (Hrsg.): Ökonomische Analyse des Verfahrensrechts. Beiträge zum XI. Travemünder S i ök i h A l d R ht (26 bi 29 Mä 2008) Tübi 293 339


37

Symposium zur ökonomischen Analyse des Rechts (26. bis 29. März 2008), Tübingen, 293‐339.

Literatur (Forts.)

Entorf, H. (2011), Crime, Procecutors, and the Certainty of Conviction, IZA Disc. Paper No. 5670, ftp.iza.org/dp5670.pdf.

Heinz, W. (2008), Stellungnahme zur aktuellen Diskussion um eine Verschärfung des Jugendstrafrechts, http://www.unikonstanz.de//FuF/Jura/heinz/Heinz‐Wie‐bedrohlich‐ist‐Jugendkriminalitaet.pdf.

Heinz W (2010) Das strafrechtliche Sanktionensystem und die Sanktionierungspraxis in Deutschland 1882 – 2008Heinz, W. (2010), Das strafrechtliche Sanktionensystem und die Sanktionierungspraxis in Deutschland 1882 2008, http://www.unikonstanz.de/rtf/kis/Sanktionierungspraxis‐in‐Deutschland‐Stand‐2008.pdf.

Heinz, W. (2011), Gleiches Recht ‐ ungleiche Handhabung! Die Sanktionierungspraxis in Baden‐Württemberg im Ländervergleich, Vortrag, gehalten anlässlich der Landesversammlung des Badischen Landesverbandes für soziale Rechtspflege am 13. April 2011 in Konstanz. http://www.unikonstanz.de /rtf/kis/ GleichesRecht.pdf.Rechtspflege am 13. April 2011 in Konstanz. http://www.unikonstanz.de /rtf/kis/ GleichesRecht.pdf.

Hjalmarsson, R. (2009), Juvenile Jails: A Path to the Straight and Narrow or to Hardened Criminality? The Journal of Law and Economics 52(4), 779‐804.

Kemme, S., M. Hanslmaier, K. Stoll (2011). Kriminalitätsentwicklung 1995 bis 2008: Ergebnisse einer Expertenbefragung. kfn Forschunsbericht 112 Projekt gefördert durch die Innen und Justizministerien der Länder Bayernkfn‐Forschunsbericht 112, Projekt gefördert durch die Innen‐ und Justizministerien der Länder Bayern, Brandenburg, Niedersachsen und Sachsen‐Anhalt.

Levitt, S. (1997), Using Electoral Cycles in Police Hiring to Estimate the Effect of Police on Crime. American Economic Review, 87 (3), 270‐290.

Lüd K (1999) Ök i h A l d St f ht d Alt ti St f ht i C Ott H B S häfLüderssen, K. (1999), Ökonomische Analyse des Strafrechts und Alternativen zum Strafrecht, in: C. Ott, H.‐B. Schäfer (Hrsg.), Die Präventivwirkung zivil‐ und strafrechtlicher Sanktionen. Beiträge zum 6. Travemünder Symposium, Tübingen, 25‐41.

Rat für Sozial‐ und Wirtschaftsdaten (RatSWD) (Hrsg.) (2009), Optimierung des bestehenden kriminalstatistischen Systems in Deutschland Empfehlungen der Arbeitsgruppe Optimierung des bestehenden kriminalstatistischen Systems“


38

in Deutschland. Empfehlungen der Arbeitsgruppe „Optimierung des bestehenden kriminalstatistischen Systems unter dem Vorsitz von Prof. Dr. Wolfgang Heinz, Universität Konstanz. Baden‐Baden: Nomos Verlagsgesellschaft.

Literatur (Forts.)

Spengler, H. (2004). Ursachen und Kosten der Kriminalität in Deutschland – drei empirische Untersuchungen [Dissertation]. Im Internet erhältlich unter http://elib.tu‐darmstadt.de/diss/000531/.

Wooldridge, J. (2001), Econometric Analysis of Cross Section and Panel Data, MIT Press.


39

Anhang I

Moderne Methoden verbessern interne Validität Bescheidenheit bei externe Validität“„Moderne Methoden verbessern interne Validität, Bescheidenheit bei externe Validität

=> Generalisierende Aussagen in der empirischen Kriminologie noch zeitgemäß?

„In der Literatur herrscht über die langfristige Kontraindikation dieses Effektes gleichwohl völlige Ei i k it d b t ht d h lb fü i i t ök i h A l d R ht k iEinigkeit, und es besteht deshalb für eine avancierte ökonomische Analyse des Rechts keine Veranlassung, hierauf weiter einzugehen.“

Lüderssen (1999, S.34) zur Wirkung der negativen Spezialprävention


40

Anhang IIFeststellung des Trends: steigende oder fallende Kriminalität?

‐ Fallzahlen und Tatverdächtige für Diebstahl und Betrug im Vergleich

Fallzahlen (je 100.000 Einwohner) von Betrug und Diebstahl Tatverdächtige Deutsche (je 100.000) für Betrug und Diebstahl

1 000

1,100

1,200

2 800

3,200

3,600

550

600

650

180

190

200

800

900

1,000

2 000

2,400

2,800

350

400

450

500

140

150

160

170

600

700

800

1 200

1,600

2,000

BETRUG (5100), linke SkalaDiebstahl (4000), rechte Skala

200

250

300

350

110

120

130

140

Betrug (5100), linke SkalaDiebstahl (4000), rechte Skala

Daten: PKS Zeitreihen 1987 bis 2009: Grundtabelle 01 mit Häufigkeitszahl, http://www.bka.de/pks/zeitreihen/ (0.4.05.2011)

600 1,2001994 1996 1998 2000 2002 2004 2006 2008

200 1101994 1996 1998 2000 2002 2004 2006 2008


41

Documents

Möglhklichkeitenund Grenzender EmpirischenKriminologie...7,800 8,000 2000 2,400 140 160 7200 7,400 7,600 1,600 2,000 120 Diebstahl unter erschwerenden Umständen (linke Skala) Gefährliche