@techreport{WaldeckHartensteinHinzetal.2020, author = {Leonie Waldeck and Sven Hartenstein and Sylvette Hinz and Maja Meischner-Al-Mousawi}, title = {Die Vorhersage von R{\"u}ckfall bei Jugendstrafgefangenen: Vergleich dreier statistischer Verfahren}, institution = {Kriminologischer Dienst des Freistaates Sachsen}, address = {Leipzig}, url = {https://nbn-resolving.org/urn:nbn:de:hebis:2378-opus-1821}, pages = {6 S.}, year = {2020}, abstract = {In der vorliegenden Zusammenfassung der Masterarbeit der Erstautorin werden drei m{\"o}gliche statistische Verfahren zur Vorhersage von R{\"u}ckfall anhand verschiedener Pr{\"a}diktoren bei jugendlichen Strafgefangenen analysiert: (1) Logistische Regression (LR), (2) \"Random Forest\" (RF) und (3) \"Boosted Classification Trees\" (BCT). Grundlage der Analyse sind die Daten m{\"a}nnlicher Jugendstrafgefangener, die mehr als ein halbes Jahr in der Jugendstrafvollzugsanstalt Regis-Breitingen eine Haftstrafe verb{\"u}{\"s}ten und zwischen den Jahren 2013 und 2016 entlassen wurden. Die drei genannten statistischen Methoden wurden an einem Datenpool mit Daten {\"u}ber 643 Jugendstrafgefangene und 138 Variablen angewandt. Die Ergebnisse werden diskutiert. Festgestellt wird, dass Vor- und Nachteile der Methoden zur Bestimmung des R{\"u}ckfallrisikos abh{\"a}ngig von der Zieldefinition der R{\"u}ckfalluntersuchung sind. Zur Bestimmung der Vorhersagekraft einzelner Variablen wird auf LR verwiesen. F{\"u}r die Vorhersagegenauigkeit werden Vorteile bei RF und besonders BCT gesehen.}, language = {de} }