Interpretation von Kriminalitätsdaten und Statistiken in der True-Crime-Recherche

Kriminalitätsdaten und -statistiken zeigen Muster, Häufigkeiten und Veränderungen für eine klar definierte Population, einen Ort und einen Zeitraum; sie beweisen jedoch nicht, was in einem konkreten Einzelfall geschah. Für eine belastbare True-Crime-Recherche müssen Maß, Quelle, Definition, Nenner, Zeitraum und geografischer Rahmen zur Forschungsfrage passen, während fallspezifische Aussagen auf Fallbeweisen beruhen müssen.

Polizeilich erfasste Daten und Umfrageschätzungen beschreiben unterschiedliche Ausschnitte des Kriminalitätsgeschehens. Entscheidend ist deshalb nicht nur der Zahlenwert, sondern was genau gezählt oder geschätzt wurde und unter welchen Bedingungen.

Ein statistischer Vergleich ist erst dann aussagekräftig, wenn die zugrunde liegenden Definitionen und Messrahmen ausreichend kompatibel sind. Die folgenden Abschnitte zeigen, wie diese Bedingungen geprüft und Schlussfolgerungen auf den tatsächlich gestützten Aussagebereich begrenzt werden.

Inhaltsverzeichnis⌄

Was Kriminalitätsstatistiken in der True-Crime-Recherche belegen können

Die Bedeutung einer statistischen Schlussfolgerung hängt von der beobachteten Population, der abgedeckten geografischen Einheit, dem gemessenen Zeitraum und der Art und Weise ab, wie das relevante Maß erzeugt wurde.

Ein Trend beschreibt Veränderung nur innerhalb einer ausreichend vergleichbaren Reihe, während relative Häufigkeit ausdrückt, wie häufig ein gemessenes Ergebnis im Verhältnis zu einer anderen definierten Basis oder einem anderen Bezugsrahmen ist.

Eine Prävalenzschätzung bezieht sich auf die durch die Erhebung repräsentierte Population und ist an deren Methode gebunden; sie gilt nicht automatisch für jede einzelne Person oder jeden anderen Ort.

Diese Bedingungen bestimmen, wie weit der statistische Hintergrund in der True-Crime-Recherche sinnvoll ausgedehnt werden kann.

Angenommen, dasselbe Maß der erfassten Kriminalität zeigt eine höhere Einbruchsrate in einer Stadt während eines Zeitraums als während eines früheren vergleichbaren Zeitraums.

Diese Veränderung kann das übergeordnete Muster um einen Fall aus diesem Ort und dieser Zeit in einen Zusammenhang stellen, aber sie belegt nicht, ob eine Einbruchsbehauptung im Einzelfall zutrifft.

Fallspezifische Schlussfolgerungen erfordern weiterhin Fallbeweise.

Kriminalitätszahlen, Kriminalitätsraten und Falldaten messen unterschiedliche Größen

Kriminalitätszahlen, Kriminalitätsraten und Falldaten beantworten unterschiedliche Forschungsfragen, weil sie verschiedene Beobachtungseinheiten, Nenner und Detailstufen verwenden.

Eine Zahl repräsentiert das Ereignisvolumen als Gesamtzahl von Vorfällen, während eine Rate dieses Volumen zu einer definierten Bevölkerung oder einem anderen geeigneten Nenner ins Verhältnis setzt.

Falldaten beschreiben dagegen einen einzelnen Vorfall oder Fallakte und bewahren fallspezifische Details, anstatt eine Häufigkeit auf Bevölkerungsebene auszudrücken.

Der folgende Vergleich unterscheidet die drei Maße nach der Beobachtungseinheit, der Verwendung eines Nenners, der Forschungsfrage, die jedes Maß unterstützen kann, und seiner Haupteinschränkung.

Diese Dimensionen verdeutlichen, warum dieselben zugrundeliegenden Vorfälle je nach Darstellungsweise der Daten unterschiedliche Interpretationen stützen können.

Maß	Beobachtungseinheit	Nenner	Typische Verwendung	Haupteinschränkung
Kriminalitätszahl	Anzahl erfasster oder geschätzter Ereignisse	Kein inhärenter Nenner	Beschreibung des gesamten Ereignisvolumens innerhalb eines definierten Rahmens	Berücksichtigt keine Unterschiede in der Bevölkerungsgröße oder Expositionsgröße
Kriminalitätsrate	Ereignisse im Verhältnis zu einer definierten Bevölkerungsgruppe oder Expositionsbasis	Definierte Bevölkerungsgruppe oder andere relevante Basis	Vergleich der bevölkerungsbezogenen Häufigkeit zwischen vergleichbaren Gruppen oder Zeiträumen	Interpretation hängt vom Nenner, der Bevölkerungsdefinition, dem Zeitraum und der Datenkonstruktion ab
Falldaten	Einzelner Vorfall oder Fallakte	Kein inhärenter Bevölkerungsnenner	Untersuchung fallspezifischer Umstände, Ereignisse oder erfasster Details	Einzelne Datensätze beschreiben für sich genommen keine Häufigkeit auf Bevölkerungsebene

Als hypothetisches Beispiel: Angenommen, zwei Gebiete erfassen im gleichen Zeitraum unter derselben Straftatdefinition jeweils 100 Vorfälle, aber eines hat eine Bevölkerung von 10.000 und das andere von 100.000.

Die Zahl ist identisch, doch diese beispielhaften Werte entsprechen 10 Vorfällen pro 1.000 Personen im ersten Gebiet und 1 Vorfall pro 1.000 Personen im zweiten; die Rate verändert also die bevölkerungsbezogene Interpretation, während das Ereignisvolumen gleich bleibt.

Eine Fallakte würde eine andere Frage beantworten, indem sie einen bestimmten Vorfall beschreibt, nicht die Gesamthäufigkeit.

Die Wahl des Maßes hängt daher von der Forschungsfrage und den verfügbaren Daten ab, nicht davon, dass ein Maß inhärent vorzuziehen wäre.

Kriminalitätszahlen beschreiben das Volumen, während Raten für die Bevölkerungsgröße standardisieren

Eine Kriminalitätszahl gibt das Ereignisvolumen als Gesamtzahl erfasster oder geschätzter Vorfälle an. Eine Kriminalitätsrate setzt diese Zahl ins Verhältnis zu einem geeigneten Nenner: Rate = Ereigniszahl ÷ Nenner × Bezugsbasis. Die Bezugsbasis, etwa pro 1.000, 10.000 oder 100.000 Personen, ist Teil der Interpretation und muss ausdrücklich genannt werden.

Der Nenner muss die für die Forschungsfrage relevante Bevölkerungs- oder Expositionsbasis abbilden; sonst beschreibt die Rate ein anderes Verhältnis als beabsichtigt.

Eine standardisierte Rate ermöglicht einen Vergleich nur dann, wenn die Straftatdefinition, der Zeitraum und der Nenner für die beabsichtigte Interpretation ausreichend kompatibel sind.

Nehmen wir als hypothetisches Beispiel an, dass zwei Gebiete im gleichen Zeitraum jeweils 80 Vorfälle derselben Straftat verzeichnen, mit Bevölkerungen von 20.000 bzw. 100.000.

Verwendet man die Wohnbevölkerung als Nenner, entsprechen diese beispielhaften Zahlen 40 Vorfällen pro 10.000 Personen im ersten Gebiet und 8 Vorfällen pro 10.000 Personen im zweiten, obwohl beide Gebiete das gleiche Ereignisvolumen aufweisen.

Die standardisierte Rate drückt eine unterschiedliche Häufigkeit auf Bevölkerungsebene aus, sobald die Bevölkerungsgröße berücksichtigt wird; sie gibt nicht an, was mit einer Einzelperson geschehen wird.

Der Nenner muss dem zu interpretierenden Phänomen entsprechen, da eine Änderung der Bevölkerungs- oder Expositionsbasis ändert, was die resultierende Rate repräsentiert.

Fallakten beschreiben einzelne Ereignisse und keine Muster auf Bevölkerungsebene

Eine Fallakte kann beispielsweise dokumentieren, dass eine bestimmte Behauptung erfasst wurde und welches Verfahrensergebnis folgte, während eine Statistik auf Gebietsebene zusammenfassen kann, wie oft dieselbe Ereigniskategorie über viele Beobachtungen hinweg auftrat.

Die fallbezogene Daten können Schlussfolgerungen über diese einzelne Akte stützen, während die aggregierten Statistiken Schlussfolgerungen über das übergeordnete Muster innerhalb ihres definierten Rahmens stützen können.

Fallakten können Beobachtungen zu einer Aggregation beitragen, aber das resultierende Muster auf Bevölkerungsebene belegt für sich genommen keine Tatsache über einen einzelnen Fall.

Wie Kriminalitätsstatistiken erhoben und erstellt werden

Die Erstellung von Kriminalitätsstatistiken wandelt beobachtete oder gemeldete Ereignisse durch eine Kette von Entscheidungen zur Erhebung, Klassifikation, Validierung, Aggregation und Veröffentlichung in veröffentlichte statistische Werte um.

Das Meldeverhalten und das Quellsystem beeinflussen, welche Vorfälle in den Prozess gelangen, während Kodierungsregeln bestimmen, wie diese Beobachtungen in statistische Kategorien eingeteilt werden.

Vollständigkeitsprüfungen, Schätzung oder Anpassung, wo anwendbar, und spätere Verarbeitung können die Werte weiter prägen, die in einer veröffentlichten statistischen Reihe erscheinen.

Die folgende Abfolge stellt die Verarbeitungsstufen dar, die beobachtete Vorfälle mit einem veröffentlichten statistischen Wert verbinden können.

Nicht jede Jurisdiktion oder jedes Datensystem handhabt jede Stufe auf die gleiche Weise oder in der gleichen Reihenfolge.

1. Erhebung: Informationen gelangen über ihren relevanten Erhebungsmechanismus in das Quellsystem, beeinflusst davon, welche Ereignisse beobachtet, gemeldet oder anderweitig erfasst werden.
2. Aufnahme: Eingereichte oder beobachtete Informationen werden gemäß den Aufnahmeverfahren und verfügbaren Feldern des Systems in Aufzeichnungen eingetragen.
3. Klassifikation und Kodierung: Die aufgezeichneten Informationen werden anhand der geltenden Definitionen und Kodierungsregeln Kategorien zugeordnet, die bestimmen, wie Ereignisse statistisch dargestellt werden.
4. Validierung und Vollständigkeitsprüfungen: Die Daten können vor der Aggregation auf Konsistenz, fehlende Informationen, Dubletten oder andere Vollständigkeitsprobleme geprüft werden.
5. Schätzung oder Anpassung: Wo die Methodik dies erfordert, können statistische Verfahren Beobachtungen schätzen, gewichten oder anpassen, um Merkmale des Quelldesigns oder eine unvollständige Abdeckung auszugleichen.
6. Aggregation: Einzelne Beobachtungen werden zu Summen, Raten oder anderen zusammenfassenden Maßen für definierte Bevölkerungen, Orte oder Zeiträume zusammengefasst.
7. Veröffentlichung und Revision: Die resultierenden Statistiken werden als statistische Reihe veröffentlicht, und einige Systeme können später veröffentlichte Werte revidieren, wenn aktualisierte Informationen oder Verarbeitungsänderungen eingearbeitet werden.

Der endgültige veröffentlichte Wert spiegelt sowohl die dem Quellsystem verfügbaren Beobachtungen als auch die methodischen Regeln wider, die zu ihrer Verarbeitung angewendet wurden.

Unterschiede in der Jurisdiktion, im Meldeverhalten, in den Definitionen, Kodierungsregeln, Vollständigkeitsverfahren und Schätzmethoden können zu statistischen Reihen führen, die nicht direkt gleichwertig sind, selbst wenn sie ähnliche Bezeichnungen verwenden.

Die Veröffentlichung macht einen Wert nicht fehlerfrei, und Revisionen können auftreten, wenn ein System neue Informationen aufnimmt oder seine Verarbeitung ändert.

Die Interpretation sollte an das spezifische Quellsystem und die Methodik gebunden bleiben, die die Statistik hervorgebracht haben.

Polizeilich aufgezeichnete Daten, Opferbefragungen und Selbstauskunftsstudien bilden unterschiedliche Kriminalität ab

Polizeilich aufgezeichnete Daten, Opferbefragungen und Selbstauskunftsstudien erfassen unterschiedliche Ausschnitte des Kriminalitätsgeschehens, sodass keine einzelne Quelle das gesamte Kriminalitätsgeschehen abdeckt.

Polizeilich aufgezeichnete Daten hängen davon ab, ob Vorfälle bei der Polizei eingehen und dort aufgezeichnet werden, Opferbefragungen davon, dass Personen in einer Stichprobe befragt werden und ihre Opfererfahrungen mitteilen, und Selbstauskunftsstudien davon, dass Befragte eigenes Verhalten offenlegen.

Der folgende Vergleich unterscheidet die drei Quellentypen nach ihrer Bezugsgruppe bzw. -menge, ihrem Erhebungsmechanismus, ihren Stärken, blinden Flecken und den forschungspraktischen Konsequenzen.

Quellentyp	Bezugsgruppe bzw. -menge	Erhebungsmechanismus	Stärken	Blinde Flecken	Bedeutung für die Recherche
Polizeilich aufgezeichnete Daten	Vorfälle, die in polizeiliche Aufzeichnungssysteme gelangen	Meldung, polizeiliche Feststellung oder anderweitige Aufnahme, gefolgt von offiziellen Aufzeichnungspraktiken	Beschreibt die aufgezeichnete Kriminalität innerhalb der Definitionen und Verfahren des polizeilichen Datensystems	Nicht gemeldete Straftaten und Vorfälle, die nicht in das Aufzeichnungssystem gelangen oder darin verbleiben, werden nicht abgebildet	Nützlich für Fragen zu aufgezeichneten Straftaten und offiziellen statistischen Mustern, abhängig vom Meldeverhalten und den Aufzeichnungsregeln
Opferbefragungen	Personen oder Haushalte, die durch die Stichprobe der Befragung repräsentiert werden	Befragte der Stichprobe berichten über Erfahrungen mit Viktimisierung mittels Befragungsfragen	Kann Opfererfahrungen dokumentieren, die nicht bei der Polizei gemeldet wurden, und Informationen über nicht gemeldete Kriminalität innerhalb des Befragungsrahmens liefern	Die Abdeckung hängt von der Stichprobe, dem Fragenumfang, der Erinnerung und Offenlegung der Befragten ab; Straftaten ohne geeignetes oder identifizierbares Opfer können außerhalb des Designs liegen	Nützlich zur Schätzung von Viktimisierung innerhalb der repräsentierten Bevölkerung, wenn das Befragungsdesign der Forschungsfrage entspricht
Selbstauskunftsstudien	Befragte, die in der Stichprobe der Studie enthalten sind	Teilnehmende legen ihr eigenes Verhalten oder ihre Straftaten durch Fragebögen oder Interviews offen	Kann selbstberichtetes Verhalten beobachten, das möglicherweise nicht in aufgezeichneten Kriminalitätsdaten auftaucht	Ergebnisse hängen von der Stichprobe und der Offenlegung durch die Befragten ab, einschließlich der Bereitschaft und Fähigkeit, Verhalten genau zu berichten	Nützlich zur Untersuchung berichteten Verhaltens innerhalb der Stichprobenpopulation, wenn die Offenlegungsmethode und die Stichprobe zur Forschungsfrage passen

Die drei Quellentypen können einander ergänzen, weil Unterschiede in der Meldung, der Stichprobenziehung und der Offenlegung dazu führen, dass sie möglicherweise unterschiedliche Teile desselben übergeordneten Phänomens beobachten.

Polizeilich aufgezeichnete Daten können aufgezeichnete Kriminalität beschreiben, während Opferbefragungen und Selbstauskunftsstudien Belege zu Erfahrungen oder Verhalten liefern können, die möglicherweise nicht in Polizeiakten erscheinen.

Die Eignung einer Quelle hängt von der Straftat, der Bevölkerung, dem Erhebungsdesign und der Forschungsfrage ab, und nicht davon, dass eine Quelle inhärent genauer wäre.

Definitionen, Klassifikationen und Zählregeln prägen die Ergebnisse

Operationale Definition

legt fest, welche Beobachtungen für die Messung grundsätzlich infrage kommen.

Klassifikation

ordnet eine erfasste Beobachtung der statistischen Kategorie zu, in der sie ausgewiesen wird.

Zählregel

bestimmt, wie qualifizierende Beobachtungen zum veröffentlichten Gesamtwert beitragen.

Aufzeichnungsschwelle

kann bestimmen, ob ein Ereignis überhaupt in die aufgezeichnete statistische Reihe eingeht.

Ändert ein statistisches System seine operationale Definition, sodass eine zuvor ausgeschlossene Klasse von Vorfällen innerhalb einer bestehenden Straftatklassifikation kodiert wird, können mehr Beobachtungen in diese Kategorie gelangen und deren statistischen Gesamtwert erhöhen, selbst wenn die zugrunde liegende Kriminalität nicht im gleichen Umfang gestiegen ist.

Eine geänderte Zählregel oder Aufzeichnungsschwelle kann ebenfalls verändern, wie viele aufgezeichnete Beobachtungen in der Reihe erscheinen, ohne eine entsprechende Veränderung der tatsächlich auftretenden Ereignisse darzustellen.

Der resultierende Trend muss daher im Lichte sowohl der Messregeln als auch möglicher Veränderungen der zugrunde liegenden Kriminalität interpretiert werden.

Ein scheinbarer Anstieg oder Rückgang kann eine Messveränderung, eine tatsächliche Veränderung des Kriminalitätsgeschehens oder eine Kombination beider widerspiegeln.

Geografische Einheiten, Zeiträume und Nenner verändern die Bedeutung von Maßen

Ein statistischer Rahmen legt fest, was ein Kriminalitätsmaß repräsentiert, und zwar durch seine geografische Einheit, seinen Zeitraum und seinen Nenner.

Die geografische Grenze bestimmt das einbezogene Gebiet, der Beobachtungszeitraum legt fest, wann Ereignisse gezählt werden, und die Bevölkerung oder ein anderer Nenner bestimmt die Basis, auf die eine Rate bezogen wird.

Diese drei Merkmale setzen die Bedingungen für die Vergleichbarkeit zwischen Maßen fest.

• Geografische Einheit: Ein für eine Jurisdiktion oder ein Gebiet definiertes Maß spiegelt Ereignisse innerhalb dieser Grenze wider; eine Änderung der Grenze kann ändern, welche Beobachtungen und welche Bevölkerung einbezogen werden, sodass Werte aus unterschiedlich definierten Gebieten vor einem Vergleich einen ausdrücklichen Vorbehalt benötigen.
• Zeitraum: Ein monatlicher Beobachtungszeitraum repräsentiert einen anderen Berichtszeitraum als ein jährlicher Zeitraum; Vergleiche erfordern kompatible Zeiträume oder eine explizite Anpassung, da die abgebildete Zeitspanne unterschiedlich ist.
• Nenner: Eine Rate, die auf der Wohnbevölkerung basiert, kann etwas anderes bedeuten als eine Rate, die auf einer Expositionspopulation oder einer anderen Bevölkerungsbasis beruht; eine Änderung des Nenners verändert das durch das Maß ausgedrückte Verhältnis und damit dessen Interpretation.

Angenommen, eine geografische Grenze wird neu gezogen, sodass ein zusätzliches besiedeltes Gebiet in die statistische Einheit aufgenommen wird, während die Straftatdefinition und der Beobachtungszeitraum unverändert bleiben.

Der resultierende Wert kann sich unterscheiden, weil sich sowohl die Beobachtungen als auch die Bevölkerung innerhalb des Rahmens geändert haben; ein Vergleich mit der früheren Grenze ist daher nicht automatisch methodisch vergleichbar.

Die Vergleichbarkeit hängt folglich davon ab, dass die geografische Einheit, der Zeitraum und der Nenner ausreichend kompatibel sind oder die Unterschiede ausdrücklich benannt und in der Schlussfolgerung berücksichtigt werden.

Wie man Kriminalitätsstatistiken für die Fallrecherche interpretiert

Eine methodische Interpretation von Kriminalitätsstatistiken beginnt damit, die Forschungsfrage einem Maß, einer Quelle und einem statistischen Rahmen zuzuordnen, die sie tatsächlich beantworten können.

Die relevante Population, der Zeitraum und der geografische Umfang müssen geklärt sein, bevor ein statistisches Muster als Kontext für die Fallrecherche herangezogen wird.

Das Ziel ist eine eng gefasste Schlussfolgerung, die das widerspiegelt, was die Daten stützen, ohne die Aussage über den Umfang oder die Grenzen des Maßes hinaus auszudehnen.

Die unten dargestellte geordnete Methode führt von der Forschungsfrage zu einer methodisch eingegrenzten Interpretation des verfügbaren statistischen Kontexts.

Jeder Schritt enthält einen Prüfhinweis, um zu testen, ob die verfügbare Datenbasis zur gestellten Frage passt.

1. Forschungsfrage definieren: Geben Sie präzise an, was bekannt sein muss, und prüfen Sie, ob die Frage ein Muster auf Bevölkerungsebene, einen Vergleich oder eine fallspezifische Aussage betrifft.
2. Relevantes Maß auswählen: Identifizieren Sie die Zahl, Rate, Prävalenzschätzung oder ein anderes Maß, das die Frage beantwortet, und prüfen Sie, ob seine Bedeutung mit der beabsichtigten Aussage übereinstimmt.
3. Quelle und Konstruktion identifizieren: Prüfen Sie, wie die Statistik erhoben, klassifiziert, kodiert und aggregiert wurde, und prüfen Sie, welche Beobachtungen die Quelle erfassen oder verpassen kann.
4. Statistischen Rahmen überprüfen: Kontrollieren Sie die Population, den Zeitraum, den geografischen Umfang und gegebenenfalls den Nenner, und prüfen Sie, ob sie mit dem zu interpretierenden Kontext übereinstimmen.
5. Vergleichbarkeit und Grenzen prüfen: Bewerten Sie, ob Definitionen, Methoden und Rahmen für den beabsichtigten Vergleich ausreichend kompatibel sind, und identifizieren Sie jede Einschränkung, die einen ausdrücklichen Vorbehalt erfordert.
6. Eingegrenzte Schlussfolgerung formulieren: Geben Sie nur das statistische Muster an, das durch die Daten gestützt wird, und prüfen Sie, ob die Schlussfolgerung keine Kausalität oder fallspezifische Tatsache impliziert, die die Daten nicht belegen können.

Ein Datensatz, der zeigt, dass eine aufgezeichnete Straftat in einem definierten Gebiet während eines Zeitraums häufiger war als in einem anderen vergleichbaren Zeitraum, kann die enge Schlussfolgerung stützen, dass sich das aufgezeichnete statistische Muster zwischen diesen Zeiträumen unterschied.

Derselbe Datensatz belegt für sich genommen weder, warum die Veränderung eintrat, noch ob ein bestimmter Fall diesem übergeordneten Muster folgte.

Fallbeweise wären erforderlich, um eine Schlussfolgerung über ein einzelnes Ereignis zu stützen.

Eine eng gefasste Schlussfolgerung sollte daher angeben, was die Statistik zeigt, den Rahmen, in dem sie gilt, und die Aussage, die ungestützt bleibt.

Das statistische Maß der Forschungsfrage zuordnen

Die Auswahl des statistischen Maßes hängt von der genauen Forschungsfrage ab, da verschiedene Maße unterschiedliche Merkmale von Kriminalitätsdaten repräsentieren.

Eine Zahl repräsentiert das Ereignisvolumen, eine Rate repräsentiert die Häufigkeit im Verhältnis zu einem definierten Nenner, ein Anteil repräsentiert einen Teil einer definierten Gesamtmenge, und eine fallbezogene Beobachtung bewahrt Details über ein einzelnes Ereignis.

Die nachfolgenden Zuordnungen verbinden häufige Informationsbedürfnisse mit einem geeigneten Maß und der Bedingung, die dessen Interpretation bestimmt.

• Ereignisvolumen → Zahl: Eine Zahl passt zu einer Frage danach, wie viele Ereignisse innerhalb eines definierten Rahmens aufgezeichnet oder geschätzt wurden; der Zeitraum, der geografische Umfang und die Ereignisdefinition müssen dem beabsichtigten Gesamtwert entsprechen.
• Bevölkerungsnormierte Häufigkeit → Rate: Eine Rate passt zu einer Frage nach der Ereignishäufigkeit im Verhältnis zu einer Bevölkerung oder einem anderen Nenner; der Nenner muss eine geeignete Bevölkerungsbasis für den beabsichtigten Vergleich darstellen.
• Verteilung oder Anteil → Anteil: Ein Anteil passt zu einer Frage danach, welcher Bruchteil einer definierten Gesamtmenge zu einer Kategorie gehört; die Teilmenge und die als Nenner verwendete Gesamtmenge müssen klar angegeben sein.
• Trend → konsistentes statistisches Maß: Eine Trendfrage erfordert, dass dasselbe relevante Maß über Zeiträume hinweg unter ausreichend kompatiblen Definitionen und Messbedingungen bewertet wird, damit eine beobachtete Veränderung eine konsistente Bedeutung hat.
• Fallspezifisches Detail → fallbezogene Beobachtung: Eine fallbezogene Beobachtung passt zu einer Frage nach Merkmalen eines einzelnen Ereignisses oder einer einzelnen Akte; ihre Detailtiefe unterstützt die Interpretation auf Einzelfallebene und nicht die Häufigkeit auf Bevölkerungsebene.

Fragt die Forschungsfrage zum Beispiel, ob sich die Häufigkeit aufgezeichneter Straftaten im Verhältnis zur Bevölkerung zwischen zwei Gebieten unterscheidet, beantwortet eine reine Zahl die Frage schlecht, da sie das Ereignisvolumen ohne Berücksichtigung der Bevölkerungsgröße angibt.

Eine Rate beantwortet diese Frage direkter, indem sie Ereignisse zu einem definierten Bevölkerungsnenner in Beziehung setzt, vorausgesetzt der Nenner, der Zeitraum, der geografische Umfang und die Straftatdefinition sind ausreichend kompatibel.

Die Wahl des Maßes ist entscheidungsrelevant, wenn das ausgewählte Maß das Merkmal repräsentiert, nach dem die Forschungsfrage fragt, und seine Interpretationsbedingung erfüllt ist.

Daten nur bei kompatiblen Definitionen, Orten und Zeiträumen vergleichen

Datenvergleichbarkeit erfordert ausreichend kompatible Definitionen, Erhebungsmethoden, geografische Einheiten, Zeiträume und Nenner, bevor numerische Unterschiede eine methodisch vergleichbare Interpretation stützen können.

Ähnliche Werte allein belegen keine methodische Kompatibilität, da eine Abweichung bei einer dieser Bedingungen ändern kann, was die Zahlen repräsentieren.

Die folgenden Prüfungen zeigen, ob ein Vergleich tragfähig ist oder einen ausdrücklichen Vorbehalt benötigt.

• Definition: Prüfen Sie, ob dieselbe Straftatdefinition, Klassifikation und Kodierungsgrundlage für beide Reihen gelten; unterscheiden sie sich, können die Werte unterschiedliche Ereignismengen repräsentieren, und der Vergleich erfordert einen ausdrücklichen Vorbehalt oder kann ungeeignet sein.
• Erhebungsmethode: Stellen Sie sicher, dass die Beobachtungen durch ausreichend kompatible Methoden erhoben wurden; eine methodische Abweichung kann ändern, welche Ereignisse in jeden Datensatz gelangen, und die Interpretation eines numerischen Unterschieds schwächen.
• Geografische Einheit: Bestätigen Sie, dass die verglichenen Gebiete kompatible Grenzen und einen kompatiblen Zuständigkeitsbereich verwenden; unterschiedliche geografische Einheiten können verschiedene Bevölkerungen oder Ereignisse einschließen und einen uneingeschränkten Ortsvergleich verhindern.
• Zeitraum: Prüfen Sie, ob die Berichtszeiträume kompatible Zeitabschnitte und Dauern abdecken; der Vergleich unterschiedlicher Zeiträume kann den numerischen Unterschied mit Unterschieden im Zeitpunkt oder der Expositionsdauer vermengen.
• Nenner: Stellen Sie sicher, dass Raten kompatible Bevölkerungsbasen oder andere Nenner verwenden; ein Nennerunterschied verändert das durch jede Rate ausgedrückte Häufigkeitsverhältnis und kann die genannten Werte nicht gleichwertig machen.

Angenommen, zwei ansonsten ähnliche Kriminalitätsreihen verwenden geografische Grenzen, die ein zusätzliches Gebiet in die eine statistische Einheit einschließen, aber außerhalb der anderen belassen.

Selbst wenn ihre gemeldeten Werte nahe beieinanderliegen, ist der Vergleich nicht vollständig methodisch vergleichbar, weil sich die geografische Einheit und die durch jede Reihe repräsentierte Bevölkerung unterscheiden.

Das Ergebnis sollte daher ausdrücklich eingeschränkt oder der Vergleich abgebrochen werden, wenn die Abweichung eine vertretbare Interpretation verhindert.

Statistische Muster als Kontext und nicht als Fallbeweis behandeln

Statistische Muster beschreiben ein aggregiertes Muster über eine Bevölkerung, ein Gebiet oder einen Zeitraum hinweg und liefern kontextuelle Belege, aber keinen Fallbeweis für ein einzelnes Ereignis.

Ein Muster, das einen Zusammenhang oder eine Häufigkeit zeigt, kann eine eng gefasste Aussage über die Gruppe oder den Rahmen stützen, aber es belegt nicht eigenständig ein Motiv, eine Identität oder einen Kausalmechanismus in einem bestimmten Fall.

Eine fallspezifische Schlussfolgerung erfordert daher Fallbeweise und fallspezifische Dokumentation, die sich direkt auf die zu prüfende Aussage beziehen.

Angenommen, Daten zeigen, dass eine aufgezeichnete Straftat in einem Gebiet während eines definierten Zeitraums häufiger ist als in einem vergleichbaren Gebiet oder Zeitraum.

Eine vertretbare Aussage ist, dass der Fall in einem Kontext auftrat, in dem das aufgezeichnete aggregierte Muster häufiger war.

Es wäre eine übermäßig ausgedehnte Schlussfolgerung, diesen statistischen Kontext allein zu verwenden, um dem Einzelfall ein bestimmtes Motiv, eine Identität oder Ursache zuzuweisen.

Die Schlussfolgerung sollte daher innerhalb der Aussagekraft der Daten bleiben: das aggregierte Muster für den Kontext nutzen und sich für Aussagen über den Einzelfall auf fallspezifische Dokumentation stützen.

Einschränkungen, die Genauigkeit und Vergleichbarkeit beeinflussen

Einschränkungen von Kriminalitätsstatistiken wie Unvollständigkeit, Messfehler, Meldeverhalten und methodische Beschränkungen können das Vertrauen in eine Schlussfolgerung verringern, ohne die zugrundeliegenden Daten automatisch zu entkräften.

Ihre Wirkung hängt von der Quelle, der Straftat, dem Zeitraum und dem statistischen System ab, einschließlich der Frage, wie Ereignisse gemeldet, aufgezeichnet, geschätzt und revidiert werden.

Die Interpretation sollte daher sowohl die vorliegende Einschränkung berücksichtigen als auch, ob sie die Genauigkeit, Vergleichbarkeit oder den Umfang der Schlussfolgerung betrifft.

Die Tabelle verknüpft häufige Einschränkungen mit dem Mechanismus, über den sie aufgezeichnete Statistiken beeinflussen, und mit der daraus resultierenden Folge für die Interpretation.

Sie konzentriert sich auf Untererfassung, Aufzeichnungsunterschiede, fehlende Daten, Schätzung, Revision und inkompatible Definitionen, ohne anzunehmen, dass jede Einschränkung in jedem Datensatz die gleiche Wirkung hat.

Einschränkung	Mechanismus	Wahrscheinliche Auswirkung	Folge für die Interpretation
Untererfassung	Das Meldeverhalten bestimmt, ob einige erlebte oder beobachtete Ereignisse in ein System aufgezeichneter Kriminalität gelangen.	Aufgezeichnete Gesamtzahlen können unvollständig sein im Verhältnis zu den Ereignissen innerhalb des untersuchten Phänomens, wobei der Grad der Unvollständigkeit von den Meldemustern abhängt.	Behandeln Sie die Statistik als Maß für die aufgezeichnete Kriminalität innerhalb dieses Meldeverfahrens und grenzen Sie Schlussfolgerungen ein, die eine vollständigere Ereignisabdeckung erfordern.
Aufzeichnungsunterschiede	Unterschiede in der Kodierung, Klassifikation oder Aufzeichnungspraxis können Messfehler verursachen, indem sie ändern, wie ähnliche Beobachtungen dargestellt werden.	Scheinbare Unterschiede zwischen Datensätzen können teilweise auf die Methodik zurückzuführen sein und nicht auf Unterschiede in den zugrundeliegenden Ereignissen.	Prüfen Sie, ob die Aufzeichnungspraktiken ausreichend kompatibel sind, bevor Sie einen numerischen Unterschied als inhaltlich interpretieren.
Fehlende Zeiträume oder Beobachtungen	Fehlende Daten erzeugen Lücken in den Beobachtungen, die für einen definierten Zeitraum oder eine Reihe verfügbar sind.	Summen, Raten oder Trends können eine unvollständige Abdeckung darstellen und schwächere Belege für Vergleiche liefern, die den fehlenden Zeitraum umfassen.	Identifizieren Sie die Lücke explizit und grenzen Sie die Schlussfolgerung auf die tatsächlich verfügbaren Beobachtungen ein oder versehen Sie sie mit einem ausdrücklichen Vorbehalt.
Schätzung	Statistische Verfahren können unbeobachtete oder unvollständig beobachtete Werte unter Verwendung von Annahmen schätzen, die durch die Quellmethodik definiert sind.	Der veröffentlichte Wert kann zusätzliche Unsicherheit enthalten, da ein Teil davon abgeleitet und nicht direkt beobachtet ist.	Unterscheiden Sie geschätzte Werte von direkt beobachteten Werten und halten Sie das Vertrauen proportional zur dokumentierten Schätzmethode und Abdeckung.
Revision	Spätere Informationen oder Verarbeitungsänderungen können zuvor veröffentlichte Werte verändern.	Verschiedene Veröffentlichungen derselben Reihe können unterschiedliche Werte enthalten, was die Kontinuität und Vergleiche auf der Grundlage früherer Versionen beeinträchtigt.	Verwenden Sie wo möglich eine konsistente Veröffentlichung und geben Sie den Revisionsstatus an, wenn Unterschiede zwischen Versionen die Interpretation beeinflussen.
Inkompatible Definitionen	Unterschiedliche Straftatdefinitionen, Kategoriengrenzen oder Aufnahmeregeln können dazu führen, dass gleich bezeichnete Statistiken unterschiedliche Phänomene repräsentieren.	Numerische Ähnlichkeit begründet keine Vergleichbarkeit, wenn die zugrundeliegenden Kategorien nicht gleich definiert und abgegrenzt sind.	Beschränken Sie den Vergleich auf ausreichend kompatible Definitionen oder nennen Sie den erforderlichen Vorbehalt, die erklärt, warum die Zahlen nicht als gleichwertig interpretiert werden sollten.

Der Schweregrad einer Einschränkung bestimmt, wie eng die resultierende Schlussfolgerung gefasst werden sollte, und nicht, ob die Daten als Ganzes akzeptiert oder abgelehnt werden müssen.

Eine geringfügige Einschränkung kann einen konkreten Vorbehalt erfordern, während fehlende Abdeckung oder inkompatible Definitionen das Vertrauen in einen breiteren Vergleich erheblich schwächen können.

Schlussfolgerungen sollten daher nicht stärker sein als die Genauigkeit, Abdeckung und Vergleichbarkeit, die durch den jeweiligen Datensatz und die untersuchten Bedingungen gestützt werden.

Untererfassung und Aufzeichnungspraktiken beeinflussen aufgezeichnete Kriminalität

Das Ausmaß und die Richtung dieser Lücken können sich je nach Straftattyp, Bevölkerung und Jurisdiktion unterscheiden, da Meldeverhalten, Aufzeichnungspraxis und Verwaltungsvorschriften nicht in jedem Kontext einheitlich wirken.

Eine geringere Meldebereitschaft für einen Straftattyp kann einen größeren Anteil der erlebten Kriminalität außerhalb des aufgezeichneten Datensatzes belassen, während Unterschiede in der Aufzeichnung oder der verwaltungsmäßigen Behandlung das Verhältnis zwischen gemeldeten Vorfällen und der endgültigen offiziellen Zählung ändern können.

Die Interpretation sollte aufgezeichnete Kriminalität daher als Beleg für Vorfälle behandeln, die durch das relevante Melde- und Aufzeichnungssystem aufgenommen wurden, wobei Untererfassung und Aufzeichnungsprozesse in Betracht gezogen werden sollten, wenn dieser Datensatz zur zugrundeliegenden Häufigkeit in Beziehung gesetzt wird.

Fehlende Daten, Schätzungen und Revisionen beeinflussen die Stärke von Schlussfolgerungen

Fehlende Beobachtungen

verringern die Vollständigkeit und können die Kontinuität einer statistischen Reihe unterbrechen.

Schätzung oder Imputation

fügt eine methodenabhängige Unsicherheit hinzu, weil ein Wert ganz oder teilweise abgeleitet statt direkt beobachtet wurde.

Revision

ändert einen zuvor veröffentlichten Wert oder eine Reihe; sie kann Präzision oder Abdeckung verbessern, verändert aber gegebenenfalls die Vergleichbarkeit mit früheren Veröffentlichungen.

Die Stärke der Schlussfolgerung sollte daher die Menge der verfügbaren Daten, die Anpassungsmethode und den Revisionsstand widerspiegeln: Größeres Vertrauen in die Schlussfolgerung ist eher vertretbar, wenn die relevanten Beobachtungen ausreichend vollständig sind, während erhebliche Lücken oder unsichere Schätzungen eine vorläufige Schlussfolgerung erfordern oder eine bestimmte Aussage ungeeignet machen können.

Wenn beispielsweise ein Zeitraum in einer Reihe als geschätzt und nicht als beobachtet ausgewiesen ist, sollte eine Trendaussage, die diesen Zeitraum umfasst, den betreffenden Datenpunkt ausdrücklich als Schätzung kennzeichnen, anstatt alle Zeitpunkte als gleichartig beobachtet darzustellen.

Wenn dieser Zeitraum später anhand zusätzlicher Informationen revidiert wird, kann die revidierte Reihe eine andere Interpretation stützen, ohne zu implizieren, dass die Revision selbst die Daten geschwächt hat.

Wenn Revisionen eine Schlussfolgerung betreffen, sollte der Versionsverlauf überprüft werden, damit die verglichenen veröffentlichten Werte aus der beabsichtigten Veröffentlichung stammen.

Historische Kriminalitätsstatistiken im Zeitverlauf interpretieren

Historische Kriminalitätsstatistiken sollten nur dann als Zeitreihe interpretiert werden, wenn die methodische Kontinuität ausreichend stabil ist oder Änderungen explizit abgeglichen wurden.

Ein langfristiger Trend kann einen numerischen Wandel abbilden, aber seine Bedeutung hängt auch davon ab, ob Definition, Erhebungssystem, geografische Abdeckung und Bevölkerungsbasis über den Zeitraum hinweg vergleichbar bleiben.

Historische Werte sind daher in Bezug auf die Messregeln und die Population zu interpretieren, die sie hervorgebracht haben, und nicht als einheitlich vergleichbare Zahlen über die gesamte Reihe hinweg.

Die folgenden Kontinuitätsprüfungen stellen fest, ob eine historische Reihe einen stabilen oder explizit abgeglichenen Messrahmen aufweist.

Jede Bedingung beeinflusst, ob eine beobachtete Veränderung einen langfristigen Vergleich stützen kann oder einen Vorbehalt erfordert.

• Definitionskontinuität: Prüfen Sie, ob Straftatdefinition, Klassifikation und Aufnahmeregeln ausreichend konsistent bleiben; eine geänderte Definition kann ändern, welche Ereignisse in die Zeitreihe eingehen, und einen scheinbaren Wandel erzeugen, der teilweise methodisch bedingt ist.
• Kontinuität des Erhebungssystems: Überprüfen Sie, ob das Erhebungssystem und die Kernmethodik der Aufzeichnung stabil bleiben; ein Systemwechsel kann verändern, wie Beobachtungen erfasst werden, und den Vergleich über den Übergang hinweg schwächen.
• Geografische Abdeckung: Bestätigen Sie, ob dieselben Jurisdiktionen, Grenzen oder Berichtsgebiete im Rahmen bleiben; eine geänderte geografische Abdeckung kann der historischen Reihe Populationen und Ereignisse hinzufügen oder entziehen.
• Bevölkerungsbasis: Prüfen Sie, ob Raten über den Zeitraum hinweg eine kompatible Bevölkerungsbasis oder einen kompatiblen Nenner verwenden; eine geänderte Bevölkerungsbasis kann die dargestellte Häufigkeit verändern, selbst wenn die aufgezeichnete Ereigniszahl einem anderen Muster folgt.
• Revisionsstand: Ermitteln Sie, ob die Werte aus kompatiblen Veröffentlichungen der Reihe stammen; spätere Revisionen können zuvor veröffentlichte Beobachtungen ändern und Vergleiche beeinträchtigen, die verschiedene Revisionsstände mischen.
• Dokumentierte Reihenbrüche: Identifizieren Sie etwaige Reihenbrüche, die durch einen bekannten methodischen oder jurisdiktionellen Wechsel verursacht wurden; Werte auf gegenüberliegenden Seiten eines Bruchs sollten mit einem Vorbehalt versehen oder als getrennte Segmente behandelt werden, es sei denn, die Quelle liefert eine Grundlage für den Abgleich.

Angenommen, eine historische Reihe zeigt einen Anstieg über einen Zeitraum, in dem sich das Erhebungssystem ändert und die Quelle einen Reihenbruch ausweist.

Die Zahlen können die Werte beschreiben, die vor und nach dieser Änderung veröffentlicht wurden, aber der numerische Unterschied allein begründet keinen einheitlichen langfristigen Trend, da ein Teil der Änderung auf den veränderten Messrahmen zurückgehen kann.

Der Vergleich sollte daher den Bruch identifizieren und die Aussage auf Zeiträume mit ausreichender methodischer Kontinuität beschränken oder die Interpretation über den Bruch hinweg ausdrücklich einschränken.

Dies hält die historische Schlussfolgerung an die Definition, die Population und das System gebunden, die jeden Teil der Reihe hervorgebracht haben.

Gesetzesänderungen, Definitionen und Erhebungsmethoden berücksichtigen

Nehmen wir als veranschaulichendes Beispiel an, eine Klassifikationsregel wird erweitert, sodass Vorfälle, die zuvor aus einer Straftatenkategorie ausgeschlossen waren, nach der Änderung eingeschlossen werden.

Das Maß nach der Änderung kann dann eine größere Menge aufgezeichneter Ereignisse enthalten als das Maß vor der Änderung, selbst wenn sich die zugrundeliegende Kriminalität nicht im gleichen Umfang wandelt.

Ein uneingeschränkter Vergleich der beiden Zeiträume könnte daher überzeichnen, wie viel des numerischen Unterschieds eine tatsächliche Veränderung des Kriminalitätsgeschehens darstellt.

Die geänderte Klassifikationsregel, das betroffene Maß und der daraus resultierende Reihenbruch sollten offengelegt werden, sobald sie die Vergleichbarkeit von Zeiträumen vor und nach der Änderung einschränken.

Bevölkerungs- und Grenzänderungen berücksichtigen

Bevölkerungsänderung

kann den Nenner einer bevölkerungsbezogenen Rate verändern, auch wenn die geografische Grenze gleich bleibt.

Grenzänderung

kann gleichzeitig verändern, welche Bevölkerung und welche Ereignisse zur Jurisdiktion gehören; damit können Nenner und Zähler betroffen sein.

Gleicher Ortsname

garantiert über die Zeit keinen identischen statistischen Rahmen; Grenzen und repräsentierte Bevölkerung müssen separat geprüft werden.

Nehmen wir für einen hypothetischen Vergleich an, dass in zwei Zeiträumen dieselbe rohe Kriminalitätszahl aufgezeichnet wird, das Bevölkerungswachstum durch Migration jedoch die Bevölkerungsbasis erhöht, während die geografische Grenze unverändert bleibt.

Der Zähler bleibt unverändert, aber der größere Nenner erzeugt eine niedrigere bevölkerungsnormalisierte Rate, sodass Zahl und Rate unterschiedliche Interpretationen der Veränderung über die beiden Zeiträume hinweg stützen.

Wenn eine Grenzänderung auch ändert, welche Bewohner und Vorfälle innerhalb der Jurisdiktion liegen, können sich sowohl die repräsentierte Bevölkerung als auch potenziell der Zähler ändern, was den Vergleich vom revidierten geografischen Rahmen abhängig macht.

Ein vertretbarer historischer Vergleich erfordert daher eine Normalisierung, wenn sich die Bevölkerungsbasis ändert, eine Grenzharmonisierung, wenn Gebietsdefinitionen abgeglichen werden können, oder eine enger gefasste Aussage mit klarem Vorbehalt, wenn diese Anpassungen durch die verfügbaren Daten nicht gestützt werden.

Vergleichbare statistische Reihen bei der Analyse langfristiger Veränderungen bevorzugen

Vergleichbare statistische Reihen stützen eine vertretbarere Interpretation langfristiger Veränderungen als eine längere Sammlung von Zahlen, deren Definition, Methode, Abdeckung oder Nenner sich ohne Abgleich ändert.

Die zeitliche Länge allein begründet keine Kontinuität, da Unterschiede in der Messung fälschlich für Veränderungen der Kriminalität gehalten werden können.

Die folgende Prüfliste testet, ob eine Reihe ausreichende Kontinuität in ihrem Messrahmen aufweist, um eine Aussage über einen Langzeittrend zu stützen.

• Quellenkontinuität: Prüfen Sie, ob die Reihe aus demselben Quellsystem oder aus Quellen mit explizit abgeglichenen Methoden stammt; ein Quellenwechsel ohne Abgleich kann beobachtete Unterschiede teilweise auf Messänderungen zurückführbar machen.
• Kontinuität der Straftatdefinition: Stellen Sie sicher, dass eine konsistente Definition und eine relevante Klassifikationsgrundlage über die verglichenen Zeiträume hinweg gelten; eine geänderte Straftatdefinition kann ändern, welche Ereignisse in die Reihe eingehen, und die Interpretation des numerischen Wandels schwächen.
• Geografische Abdeckung: Bestätigen Sie, dass die abgedeckten Gebiete oder Jurisdiktionen ausreichend konsistent bleiben; eine geänderte Abdeckung kann Bevölkerungen und aufgezeichnete Ereignisse hinzufügen oder entfernen und den direkten Vergleich einschränken.
• Nenner: Prüfen Sie, ob Raten während des gesamten Vergleichs eine kompatible Bevölkerungsbasis oder einen anderen Nenner verwenden; ein geänderter Nenner verändert das durch die Reihe ausgedrückte Häufigkeitsverhältnis.
• Berichtszeitraum: Stellen Sie sicher, dass jede Beobachtung einen kompatiblen Berichtszeitraum und eine kompatible Dauer repräsentiert; inkonsistente Zeiträume können dazu führen, dass scheinbare Veränderungen unterschiedliche Messfenster und nicht vergleichbare langfristige Veränderungen widerspiegeln.
• Dokumentierte Brüche und Revisionen: Identifizieren Sie jeden dokumentierten Bruch oder jede wesentliche Revision, die die Reihe betreffen; Werte über solche Punkte hinweg erfordern einen Vorbehalt oder einen expliziten Abgleich, bevor sie eine kontinuierliche Trendinterpretation stützen können.

Eine längere historische Reihe kann beispielsweise Änderungen der Definitionen oder Erhebungsmethoden enthalten, während eine kürzere Reihe eine durchgehend konsistente Definition, Methode, Abdeckung, Nenner und einen konsistenten Berichtszeitraum aufweisen kann.

Für eine auf diesen kürzeren Zeitraum beschränkte Aussage über einen Langzeittrend erlaubt die methodisch vergleichbare Reihe eine direktere Interpretation, auch wenn sie weniger Jahre umfasst.

Die längere Reihe kann weiterhin verwendet werden, wenn die relevanten Diskontinuitäten identifiziert und die Aussage entsprechend eingeschränkt wird.

Wenn inkompatible Datensätze kombiniert werden müssen, erfordern ihre Unterschiede einen expliziten Abgleich und nicht eine Zusammenfügung zu einem nahtlosen Trend.