Open Access

Leonie Waldeck, Sven Hartenstein, Sylvette Hinz, Maja Meischner-Al-Mousawi

• In der vorliegenden Zusammenfassung der Masterarbeit der Erstautorin werden drei mögliche statistische Verfahren zur Vorhersage von Rückfall anhand verschiedener Prädiktoren bei jugendlichen Strafgefangenen analysiert: (1) Logistische Regression (LR), (2) "Random Forest" (RF) und (3) "Boosted Classification Trees" (BCT). Grundlage der Analyse sind die Daten männlicher Jugendstrafgefangener, die mehr als ein halbes Jahr in der Jugendstrafvollzugsanstalt Regis-Breitingen eine Haftstrafe verbüßten und zwischen den Jahren 2013 und 2016 entlassen wurden. Die drei genannten statistischen Methoden wurden an einem Datenpool mit Daten über 643 Jugendstrafgefangene und 138 Variablen angewandt. Die Ergebnisse werden diskutiert. Festgestellt wird, dass Vor- und Nachteile der Methoden zur Bestimmung des Rückfallrisikos abhängig von der Zieldefinition der Rückfalluntersuchung sind. Zur Bestimmung der Vorhersagekraft einzelner Variablen wird auf LR verwiesen. Für die Vorhersagegenauigkeit werden Vorteile bei RF und besonders BCT gesehen.