Nichtlineare Analysetechniken im Bereich der kriminologischen Forschung

Durch den Einzug zunehmend komplexerer, systemischer und selbstreferentieller Modelle in die Kriminologie erscheinen Erklärungsversuche von Kriminalitätseinstellungen (z.B. der Kriminalitätsfurcht), die auf monokausalen Modellen basieren, als inadäquat. Zumal auch deshalb, weil die Berücksichtigung immer weiterer Umweltfaktoren, die solche Systeme irritieren können, unumgänglich ist. Dabei werden freilich die Unzulänglichkeiten der linearen (kausalen) Vorgehensweisen der klassischen Statistik ersichtlich. Es wird vermutet, daß sich nichtlineare Verfahren, die interdependent modellieren und durch iterative Algorithmen eine nahezu vollständige Anpassung an die Untersuchungsdaten gewährleisten, als geeigneter erweisen als die klassischen dependenten Lineartechniken. Tests mit verschiedenen nichtlinearen Algorithmen, veränderten Datenstrukturen und Modellparametern auf Variationen innerhalb der internen und externen Stabilität mittels Bootstrap- und Resampling-Techniken sollen Anhaltspunkte für die zu erreichende Anpassungsgüte nichtlinearer Verfahren an die theoretischen Modelle und Ausgangsdaten liefern. Das Hauptinteresse liegt dabei auf der Herausarbeitung geeigneter Entscheidungskriterien für den Einsatz solcher Techniken im Rahmen der empirischen Überprüfung kriminologischer Modelle.

Arbeitsgruppe

Peter Kurz

Tel. 0251-83 22749
E-Mail: peter.kurz@uni-muenster.de