| Popis: |
Återfallsbrottslighet är ett väl beforskat ämne inom såväl kriminologisk som statistik forskning. Däremot är underlaget begränsat och dåligt uppdaterat på svenska material. Denna studie har med överlevnadsanalys undersökt tid till återfall i Sverige över tidsperioden 2010 till 2020. De statistiska metoder som användes var ickeparametrisk i form av Kaplan-Meier-skattningar, parametrisk metod samt semiparametrisk i form av Cox proportionella hasardmodell. Vilken av dessa metoder som anses lämpligast för att studera återfallsbrottslighet undersöks och diskuteras. Variablerna som användes som oberoende variabler inkluderar kön, ålder, tidigare belastningar, typ av brott och typ av straff. Resultaten av studien visar att den variabel som hade störst påverkan på återfallsrisken var antal tidigare belastningar, vilket gällde för samtliga metoder. Kaplan-Meier-skattningarna visade att det för vissa kovariat fanns stora skillnader i överlevnad mellan kategorierna under studieperioden. Detta var utöver tidigare belastningar tydligast för typ av verkställighet och typ av brott som ledde till grundverkställigheten. Vad gäller den parametriska metoden visade goodness of fit-testen att lognormalfördelningen är den som passar datamaterialet bäst. Med hjälp av denna kunde det förväntade antalet dagar till återfall räknas ut på tio exempelpersoner. Som semiparametrisk metod användes Cox proportionella hasardmodell, vilken i denna studie visade sig bryta mot antagandet om proportionell hasard och bör därmed inte förlitas på. Den metoden som föredras vid studerande av återfallsbrottsligheten under studieperioden konstaterades vara den ickeparametriska, medan metoden att göra prediktioner utanför studiematerialet konstaterades vara den parametriska i form av en lognormalfördelning. Recidivism is a well studied phenomenon in criminological as well as in statistical research. The study material on Swedish contexts is however limited and not up to date. This study used survival analysis to analyse time until recidivism in Sweden during the time period between 2010 and 2020. The statistical methods being used were a non parametric in form of Kaplan-Meier estimates, a parametric and a semi parametric in form of Cox proportional hazard model. The most suitable method for studying recidivism will be investigated and discussed. The variables being used as independent variables includes sex, age, previous convictions, type of criminal offence and type of penalty. The results show that the most influential variable for all the methods is the number of previous convictions. The Kaplan-Meier estimates revealed large differences in survival between some of the covariates’ categories during the study period. Except for the number of previous convictions, this was most apparent for the type of criminal offence and type of penalty. Regarding the parametric method, the goodness of fit-tests indicated that the lognormal distribution is the one that fits the data material the best. Using the lognormal distribution, the expected number of days until relapse could be estimated for ten individual examples. As the semi parametric method, the Cox proportional hazard model was tested. Tests showed however that the proportionality could not be assumed and should therefore not be relied upon. The preferred method for studying recidivism during the study period was the non-parametric, while the method to make predictions outside the scope of the data material was a parametric method represented by the lognormal distribution. |
