RISKFYLLD LIVSSTIL OCH RELATION TILL FÖRÄLDRAR

Storlek: px
Starta visningen från sidan:

Download "RISKFYLLD LIVSSTIL OCH RELATION TILL FÖRÄLDRAR"

Transkript

1 RISKFYLLD LIVSSTIL OCH RELATION TILL FÖRÄLDRAR EN STUDIE AV INTERAKTIONENS BETYDELSE FÖR UNGDOMSBROTTSLIGHET JACK MOLIN Examensarbete i Kriminologi Malmö högskola hp Hälsa och samhälle Malmö Juni 2013

2 RISKFYLLD LIVSSTIL OCH RELATION TILL FÖRÄLDRAR EN STUDIE AV INTERAKTIONENS BETYDELSE FÖR UNGDOMSBROTTSLIGHET JACK MOLIN Molin, J. Riskfylld livsstil och relation till föräldrar. En studie av interaktionens betydelse för ungdomsbrottslighet. Examensarbete i Kriminologi 15 högskolepoäng. Malmö högskola: Fakulteten för hälsa och samhälle, institutionen för Kriminologi, Studien syftar till att studera interaktionen mellan riskfylld livsstil och relation till föräldrar vid förklaring av ungdomsbrottslighet. Forskningen kring interaktionen är otillräcklig men lämnar vissa indikationer på att interaktionen kan ha en inverkan på ungdomars brottslighet. Studien testar hypotesen om att en starkare relation till föräldrar minskar livsstilens effekt på ungdomars brottslighet. Studiens resultat och slutsatser baseras på kvantitativ data från en enkätundersökning utförd i Halmstad (N = 1003) år Fyra blockvisa multipla linjära regressionsmodeller beräknas där den beroende variabeln brottslighet förklaras av fem variabler: kön, invandrarbakgrund, relation till föräldrar, livsstilsrisk och interaktionen mellan relation till föräldrar och livsstilsrisk. Resultatet visar att det finns en signifikant negativ interaktion mellan livsstilsrisk och relation till föräldrar vid förklaring av ungdomars brottslighet. Livsstilsriskens effekt på ungdomars brottslighet (b-värde) är mindre för ungdomar med stark relation till föräldrar och större för ungdomar med svag relation till föräldrar. Slutsatsen är att en stark relation till föräldrar kan skydda ungdomar med riskfyllda livsstilar från att begå brottsliga handlingar. Nyckelord: brottslighet, interaktion, livsstil, relation till föräldrar, ungdomar. 1

3 RISKY LIFESTYLE AND RELATIONSHIP WITH PARENTS A STUDY OF THE INTERACTION IN ADOLESCENT OFFENDING. JACK MOLIN Molin, J. Risky lifestyle and relationship with parents. A study of the interaction in adolescent offending. Degree project in Criminology 15 högskolepoäng. Malmö University: Faculty of health and society, Department of Criminology, This study aims to explore the interaction between risky lifestyles and relationship with parents in explanation of adolescent offending. There is insufficient research on the interaction but leaves some indications that the interaction could have an impact on adolescent offending. It is hypothesized that a stronger relationship with parents reduces the risky lifestyle s impact on adolescent offending. The results and conclusions are based on quantitative data from a survey in Halmstad (N = 1003) in the year Four blockwise multiple linear regression models are estimated where the dependent variable adolescent offending is explained by five variables: gender, immigrant background, relationship with parents, lifestyle risk and the interaction between relationship with parents and lifestyle risk. The result shows that there is a significant negative interaction between relationship with parents and lifestyle risk in explanation of adolescent offending. The lifestyle risk s effect on adolescent offending is lesser for adolescents with strong relationship with parents and greater for adolescents with weak relationship with parents. The conclusion is that a strong relationship with parents may protect adolescents with risky lifestyles from committing criminal acts. Keywords: adolescents, interaction, lifestyle, offending, relationship with parents. 2

4 INNEHÅLLSFÖRTECKNING 1. Inledning Syfte och hypotes Teori och tidigare forskning Relationen till föräldrar vid förklaring av ungdomars brottslighet Vad en bra relation till föräldrar innebär Ungdomars livsstil vid förklaring av ungdomars brottslighet Rutinaktivitetsteori och livsstil Interaktionen mellan relation till föräldrar och ungdomars livsstil Material och metod Datamaterial enkätundersökning Halmstad år Studiens variabler och definitioner Etiska aspekter Bortfall Val av analysmetod: Multipel linjär regression Multipel linjär regression med en interaktionsvariabel Modellvalidering Transformering av variabler och val av beroende variabel Identifiering av extremvärden Normalfördelning hos modellens residualer Kontroll av konstant varians hos modellens residualer Multikollinearitet Sammanfattning av modellvalideringen Resultat Deskriptiv statistik Multipel linjär regression Interaktionen mellan livsstilsrisk och relation till föräldrar Slutsats och diskussion Referenser Bilaga A1. Enkätens frågor och svarsalternativ B1. Vid användning av annan beroende variabel B1.1. När beroende variabel är logaritmtransformerad B1.2. När beroende variabel används enligt ursprungskodning B1.3. När beroende variabel används som en variety scale

5 1. INLEDNING Att ungdomars relation till föräldrar kan spela en betydande roll för ungdomars brottslighet är välbelagda resultat inom forskningen (Hirschi, 1969; Stattin & Kerr, 2000; Thaxton & Agnew, 2004). Ungdomar som inte begår brottsliga handlingar skulle enligt sociala band-teorin vara ett resultat av att dessa ungdomar har starka band till det konventionella samhället (Hirschi, 1969). Ungdomar med stark relation till sina föräldrar anses således vara bättre skyddade mot normbrytande beteende och därför mindre benägna till att begå brottsliga handlingar. Det som bidrar till en stark relation till föräldrar, och i sin tur leder till mindre benägenhet till brottsliga handlingar, är ungdomars öppenhet mot föräldrarna och ungdomars känslomässiga anknytning till föräldrarna (Stattin & Kerr, 2000; Eaton m fl, 2009; Keijsers m fl, 2010). Det finns också välbelagda forskningsresultat som visar att hur ungdomar väljer att leva sina liv, livsstilen, spelar stor roll för ungdomars brottslighet (Wikström & Butterworth, 2006; Svensson & Pauwels, 2010). Kamraters brottslighet, ungdomars alkoholkonsumtion och tid tillbringad i ostrukturerade aktiviteter utan särskild agenda används i tidigare forskning som faktorer för att spegla hur riskfyllda ungdomars livsstilar är för att begå brottsliga handlingar. Dessa faktorer är starkt kopplade till ungdomars brottslighet. Ungdomar som konsumerar mycket alkohol tenderar att ha en mer omfattande brottslighet (Fergusson m fl, 1996; French & Maclean, 2006). Ungdomar som har flera kamrater som begått brottsliga handlingar tenderar att själva ha begått flera brottsliga handlingar (Wikström & Butterworth, 2006; Vitaro m fl, 2000). Ungdomar som tillbringar mycket tid i ostrukturerade aktiviteter tenderar att begå fler brottsliga handlingar (Osgood m fl, 1996; Vazsonyi m fl, 2002). Eftersom ungdomar varierar i dessa faktorer exponeras ungdomar i varierande utsträckning för influenser som kan uppmuntra till brottsliga handlingar. Ungdomar varierar således i riskfylld livsstil. Forskningens samlade bild är att en stark relation till föräldrar antas vara skyddande mot ungdomars brottslighet medan en riskfylld livsstil antas främja ungdomars brottslighet. En intressant fråga är då hur dessa två koncept, relation till föräldrar och riskfylld livsstil, samspelar. Är livsstilens effekt på ungdomars brottslighet lika stor för alla ungdomar? Det finns forskning som visar att sådant inte är fallet (Wikström & Butterworth, 2006). Den mesta forskningen har dock tittat på samspel mellan livsstil och andra faktorer än relation till föräldrar. En till stor del outforskad fråga är om ungdomar med starkare relation till föräldrar är bättre skyddande mot en riskfylld livsstils frestelser och provokationer till att begå brottsliga handlingar. Kriminologisk teori lämnar indikationer på att det kan vara så och viss forskning har studerat samspelet mellan faktorer inom koncepten livsstil och relation till föräldrar (Wikström & Butterworth, 2006; Persson m fl, 2007). Det som saknas är forskning som studerar interaktionen mellan de multidimensionella begreppen livsstil och relation till föräldrar Syfte och hypotes Med bakgrund av det rådande forskningsläget syftar denna studie till att bidra med resultat som undersöker hur ungdomars brottslighet påverkas av interaktionen mellan riskfylld livsstil och relation till föräldrar. Denna studie testar hypotesen (som tidigare forskning antyder) om att livsstilens effekt på ungdomars brottslighet är beroende av styrkan i relationen till föräldrar. 4

6 Med andra ord, livsstilens inverkan på ungdomars brottslighet antas vara mindre för ungdomar med starkare relation till föräldrar. 2. TEORI OCH TIDIGARE FORSKNING För att få en mer detaljerad bild av hur den kriminologiska och närliggande forskningen ser ut kring studiens hypotes presenteras den tidigare forskningen kring ungdomars relation till föräldrar vid förklaring av brottslighet (2.1), ungdomars livsstil vid förklaring av brottslighet (2.2) samt hur dessa begrepp samspelar med varandra (2.3). Studiens hypotes diskuteras även ur perspektiv från olika kriminologiska teorier: Hirschis (1969) sociala band-teori samt Cohen & Felsons (1979) rutinaktivitets-teori Relationen till föräldrar vid förklaring av ungdomars brottslighet. Hirschis (1969) sociala band-teori kan appliceras för att förklara hur ungdomars relation till föräldrar inverkar på ungdomars brottslighet. Sociala band-teorin ämnar förklara variation i varför individer inte begår brottsliga handlingar. Att begå en brottslig handling medför sociala konsekvenser som är större för vissa individer. En individ med starka sociala band till det konventionella samhället är mindre benägen till att begå brottsliga handlingar på grund av att de har större konsekvenser att beakta när de överväger att begå en brottslig handling. En individ som har svaga eller brutna band till det konventionella samhället är mer benägen till att begå brottsliga handlingar då individen är friare till att begå brottsliga handlingar eftersom individen har färre sociala negativa konsekvenser att beakta och har därmed mindre att förlora på att begå brottsliga handlingar. Hirschi förklarar att det finns fyra delar av det sociala bandet till det konventionella samhället: anknytning, åtagande, delaktighet och övertygelse (Hirschi, 1969). Den första delen, känslomässig anknytning (attachment), är enligt teorin en viktig del i förklarandet av brottslighet då teorin antar att en stark känslomässig anknytning till ungdomars konventionella omgivning (exempelvis föräldrar) gör att ungdomar hindras från att begå brottsliga handlingar då ungdomar beaktar vilka negativa konsekvenser en brottslig handling skulle innebära för anknytningen. Därmed är, enligt teorin, ungdomar med stark anknytning till bland annat föräldrar mindre benägna till att begå brottsliga handlingar. Detta påstående om anknytningens betydelse får stöd av tidigare forskning (Nelson & Rubin, 1997; Thaxton & Agnew, 2004) Vad en bra relation till föräldrar innebär Hur relationen mellan ungdomar och föräldrar definieras varierar inom forskningen. Hirschi lyfter fram en viktig fråga angående ungdomars relation till föräldrar vid förklaring av ungdomens brottslighet: rollen av föräldrarnas direkta kontroll. Hirschi (1969) anser att direkt kontroll är av litet värde vid förklaring av brottsliga handlingar. Hirschi anser istället att föräldrars mental närvaron (så kallad virtual supervision) hos ungdomar är viktigare när ungdomar utsätts för frestelser eller provokationer till att begå brottsliga handlingar. Ungdomar är mer benägna till att begå en brottslig handling om de inte tänker på föräldrarnas reaktioner när de överväger att begå den brottsliga handlingen. Föräldrarnas kontroll över ungdomar är enligt Hirschi mer indirekt och grundar således sig i ungdomars relation till föräldrarna. Ungdomar är mindre benägna till att begå 5

7 brottsliga handlingar om de visar öppenhet mot föräldrarna och delger sina aktiviteter, inte eftersom föräldrarna sätter begränsningar över vad sina ungdomar får göra (direkt kontroll). Enligt Hirschi (1969) är ungdomar mindre benägna till att begå brottsliga handlingar om de uppfattar att föräldrarna vet var de är, inte eftersom föräldrarna faktiskt vet var de är (direkt kontroll). Hirschi poängterar att det är intimiteten i kommunikationen (inte kvantiteten i kommunikationen) som är avgörande om ungdomar reflekterar över konsekvenserna i anknytning till föräldrar när de frestas till att begå brottsliga handlingar. Resultatet av Hirschis studie (1969) visar att kommunikationen mellan ungdomar och föräldrar är starkt relaterat till ungdomars brottslighet. Ungdomars utlämnande och öppenhet mot föräldrar har också enligt tidigare forskning en skyddande effekt på ungdomars brottslighet (Keijsers m fl, 2010). De ungdomar som har mer öppen och delgivande kommunikation till föräldrarna är mindre benägna till brottsliga handlingar vilket stödjer Hirschis (1969) resonemang om kommunikation. Det finns forskning som visar att föräldrarnas övervakning och tillsyn över ungdomar har en skyddande effekt på ungdomars brottslighet (Caldwell m fl, 2006; Barnes m fl, 2006; Nash m fl, 2011). Men Stattin & Kerr (2000) ifrågasätter mycket av forskningens sätt att mäta föräldrarnas övervakning eftersom forskningen oftast inte mätt hur föräldrarna anskaffar informationen om ungdomarnas aktiviteter. De menar att föräldrar inte behöver utöva direkt kontroll eller aktiv övervakning av sina ungdomar för att ha stor vetskap över ungdomarnas aktiviteter. Stattin & Kerrs studie (2000) visar att föräldrars tillsyn och övervakning över ungdomars aktiviteter är ej aktiv övervakning utan till största del redogörs av ungdomars öppenhet och frivillighet till att berätta om deras aktiviteter. Ungdomars öppenhet visar sig i studien vara den kunskapskälla som, vid kontroll av andra kunskapskällor som exempelvis direkt kontroll, bidrar starkast till förklarandet av ungdomars normbrytande beteende. Uppföljande forskning stödjer Stattin & Kerrs påstående om att föräldrarnas övervakning är huvudsakligen ett resultat av att ungdomarna själva berättar (Eaton m fl, 2009; Kerr m fl, 2010). I Wikström & Butterworths undersökning (2006) finns resultat som påvisar att ungdomar med svaga familjeband (vars definition till viss del påminner om den här studiens definition av relation till föräldrar, se avsnitt 3.2) uppvisar högre risk för att ha begått brottsliga handlingar. Wikström & Butterworth väljer att dela upp familjeband och föräldrars övervakning av sina ungdomar. I deras undersökning har föräldrarnas övervakning en negativ effekt på ungdomars brottslighet (ju bättre övervakning av ungdomar desto mindre brottslighet). Deras studie visar också att deras definition av familjeband och föräldrars övervakning har ett klart samband, ju svagare familjeband desto sämre är föräldrarnas övervakning av sina ungdomar Ungdomars livsstil vid förklaring av ungdomars brottslighet En annan viktig aspekt av Hirschis (1969) sociala band-teori, som till viss del belyser livsstilsbegreppet, är faktorn delaktighet (involvement). Enligt teorin innebär den här faktorn av det sociala bandet att ungdomar är mindre benägna till att begå brottsliga handlingar när de är i högre grad involverade i konventionella aktiviteter som exempelvis skolarbete, arbete eller fotbollsträningar (Hirschi 1969). Ungdomar som i högre grad är delaktiga i konventionella aktiviteter har helt enkelt mindre tid till att begå brottsliga handlingar. Således representerar, till viss del, denna faktor av bandet tillfällen till att begå brottsliga handlingar. 6

8 Ungdomar som i större utsträckning är delaktiga i konventionella aktiviteter har, enligt teorin, färre tillfällen till att begå brottsliga handlingar. Tanken bakom delaktighetsfaktorn i sociala band-teorin är intuitiv, mer tid i konventionella aktiviteter innebär mindre tid till att begå brottsliga handlingar och därmed mindre benägenhet till att begå brottsliga handlingar. Delaktighetsfaktorn i teorin är dock inte problemfri vilket också Hirschi (1969) påpekar. Resultatet av Hirschis undersökning visar att, mot teorins prediktion, ungdomar med mer tid tillbringad på att läsa (serie)tidningar, titta på tv, eller spela spel, är mer sannolika till att ha begått en brottslig handling. Hirschi (1969) konkluderar att sin egen teori överskattar betydelsen av delaktighet i konventionella aktiviteter då brottslighet inte är tillräckligt tidskonsumerande som teorin och logiken bakom delaktighetsfaktorn påstår. Problemet med delaktighetsfaktorn i sociala bandteorin lyfts också av andra forskare (Osgood m fl, 1996; Hawdon, 1996). Sociala band-teorin är därmed mindre lämplig vid förklaring av hur tillfällesstrukturen påverkar ungdomars brottslighet då faktorn delaktighet i teorin är bristfällig. Livsstilskonceptet bör därför belysas av en teori som mer explicit förklarar ungdomars aktiviteter Rutinaktivitetsteori och livsstil Hawdon (1996) förespråkar att byta ut Hirschis delaktighetsfaktor mot rutinaktivitetsmönster vilket möjliggör att undersöka vilka specifika mönster av rutinaktiviteter som samvarierar med brottslighet. Istället för att undersöka enskilda aktiviteter menar Hawdon att det är fördelaktigare att undersöka en grupp av aktiviteter som leder till att individens rutinaktivitetsmönster bättre fångas upp. Rutinaktivitets-teorin bör därmed vara lämplig för att belysa ungdomars aktiviteter och tillfällen (som innefattas i livsstilskonceptet) till att begå brottsliga handlingar. Själva kärnan i rutinaktivitetsteorin är att brott är beroende av tillfällen (Osgood m fl, 1996). Cohen & Felson (1979) är de första att formulera rutinaktivitets-teorin. Teorin hävdar att brottsnivåns förändring i samhället beror på strukturella förändringar i individers rutinaktiviteter. Rutinaktiviteter är enligt Cohen & Felson (1979: 593): We define these as any recurrent and prevalent activities which provide for basic population and individual needs, whatever their biological or cultural origins. En individs rutinaktiviteter anses enligt teorin influera tillfällen till att begå brottsliga handlingar (Cohen & Felson, 1979). Teorin fokuserar främst på brottslighet av den typ som de kallar direct-contact predatory violations vilket är brott där det sker direkt fysisk kontakt mellan åtminstone en gärningsman och minst ett offer. Rutinaktivitets-teorin påstår att det finns tre faktorer i denna brottstyp som måste sammanfalla i tid och rum för att en brottslig handling skall uppstå (Cohen & Felson, 1979). För det första måste det finnas en motiverad förövare med avsikt till att begå en brottslig handling. Det måste också finnas ett lämpligt offer som exempelvis kan vara en människa eller egendom. Slutligen behöver det råda avsaknad av kontroll, så kallade kapabla väktare, som kan hindra den potentiella förövaren från att begå den brottsliga handlingen. Dessa tre faktorer måste enligt 7

9 teorin sammanfalla i tid och rum och det är tillräckligt att en av dessa faktorer uteblir för att den brottsliga handlingen skall förhindras. Det är dessa tre faktorer som kan förändras av strukturella förändringar i ungdomars rutinaktiviteter då förändringarna påverkar hur dessa tre faktorer sammanfaller i tid och rum. Cohen & Felson betonar vikten av kontroll och hävdar att om kontroll (kapabla väktare) minskar kommer sannolikt den här typen av brottslighet att öka i förekomst. Till skillnad från tidigare kriminologiska teorier som huvudsakligen fokuserat på de rumsliga faktorerna, behandlar rutinaktivitets-teorin även tidsmässiga faktorer och hur dessa faktorer sammanfaller med rumsliga faktorer (Cohen & Felson, 1979). Det är exempelvis rimligt att tro att brottsliga handlingar begås oftare på kvällen och natten vid en stads barer och nattklubbar och att dagliga aktiviteter i ett samhälle lär påverka var de flesta stöldbrotten begås. Cohen & Felson presenterar resultat som visar att risken för att bli utsatt för brott varierar beroende på tid och plats. Mahoney & Stattin (2000) menar att det är viktigt att skilja på strukturerade och ostrukturerade aktiveteter för att sambandet mellan strukturen på aktiviteten och antisocialt beteende inte skall maskeras. Ostrukturerade aktiviteter, aktiviteter som saknar agenda av hur tiden skall spenderas, är i jämförelse med strukturerade aktiviteter mer ledande till normbrytande beteende (Osgood m fl, 1996). Osgood m fl hävdar att det främst beror på två anledningar: dels på grund av att ostrukturerade aktiviteter i högre grad saknar social kontroll, dels på grund av att strukturerade aktiviteter genererar färre tillfällen till att begå normbrytande handlingar. Deras forskning visar också att mycket umgänge med kamrater gör det enklare att deltaga i normbrytande handlingar och gör dessa handlingar mer belönande. Umgänge med kamrater i ostrukturerade aktiviteter som sker borta från hemmet och i frånvaro av annan social kontroll har ett samband med normbrytande beteende (Osgood m fl, 1996; Vazsonyi m fl, 2002). Till viss del indikerar även Osgood & Anderson (2004) detta då de visar resultat där föräldrarnas övervakning över ungdomarna har en effekt på ostrukturerat umgänge. Ju mer föräldrarna vet om ungdomarnas aktiviteter, desto mindre tid kommer ungdomarna att tillbringa till ostrukturerade aktiviteter och därmed få mindre tillfällen till att begå normbrytande handlingar. Vid studie av förhållandet mellan kamraters brottslighet och tid tillbringad i ostrukturerade aktiviteter finner Svensson & Oberwittler (2010) att kamraters brottslighet har en starkare effekt på den egna brottsligheten när de tillbringar mer tid i ostrukturerade rutinaktiviteter. Detta resultat är i linje med vad Mahoney & Stattin (2000) betonar, nämligen vikten av att ställa sig frågan om vad för fritidssyssla individen deltar i och med vem, vilket leder en till forskning om ungdomars livsstil. Den mesta av forskningen som presenterats i detta avsnitt förklarar främst skillnader i vilken utsträckning ungdomar utsätts för kriminogena situationer genom att studera variationen i ungdomars tillbringade tid i ostrukturerat kamratumgänge i frånvaro av social kontroll. Svensson & Pauwels (2010) vill hävda att livsstil är ett mer multidimensionellt koncept som mer precist kan förklara skillnaderna. Vad ungdomar gör på sin fritid, med vem ungdomar gör detta med och var detta händer kan sammanfattas under konceptet livsstil. Sett till denna definition av livsstil är det naturligt att ungdomar varierar i livsstil och därmed varierar i vilken utsträckning de exponeras för situationer som uppmuntrar 8

10 till brottsliga handlingar. En livsstilsrisk mäter således i vilken utsträckning individen är utsatt för situationer som kan leda till brottsliga handlingar. Wikström & Butterworth (2006) mäter livsstilsrisk genom att mäta kamraters brottslighet, tid tillbringad på högriskplatser samt frekvens av alkohol- och narkotikabruk. I Svensson & Pauwels (2010) samt Pauwels & Svenssons (2011) studier definieras livsstil på ett liknande sätt genom att mäta förekomsten av brottsliga kamrater, antal tillbringade kvällar på centrala, publika platser och frekvens av ungdomars bruk av alkohol. Det finns nämligen en stark koppling mellan ungdomars brottslighet och kamraters brottslighet (Vitaro m fl, 2000; Wikström & Butterworth, 2006) samt mellan ungdomars alkoholkonsumtion och brottslighet (Fergusson m fl, 1996; French & Maclean, 2006). Det gemensamma antagandet för livsstilens inverkan på brottsliga handlingar är således att ungdomar som tillbringar mycket tid på högriskplatser, tillbringar mycket tid med högriskkamrater och konsumerar mycket alkohol (samt narkotika i Wikström & Butterworths fall) har en riskfylld livsstil som leder till fler tillfällen till att begå brottsliga handlingar och därmed har betydligt större risk för att begå brottsliga handlingar (Wikström & Butterworth, 2006; Svensson & Pauwels, 2010). Ungdomar, både pojkar och flickor, med en mer riskfylld livsstil har, i jämförelse med ungdomar med mindre riskfylld livsstil, högre prevalens som begått brottsliga handlingar samt begått fler typer av brottsliga handlingar (Wikström & Butterworth, 2006) Interaktionen mellan relation till föräldrar och ungdomars livsstil Hirschi konkluderar att ungdomar med högre grad av konformitet till det konventionella samhället (exempelvis stark relation till föräldrar) är i stort sett immuna mot miljömässiga influenser som uppmuntrar till brottsliga handlingar. I förlängningen innebär detta att dessa ungdomar kan ha en mer riskfylld livsstil utan att den påverkar dessa ungdomars brottslighet. Hirschi (1969) anammar detta koncept, som kallas stakes in conformity, från Toby (1957). Toby hävdar att ungdomar i slumområden (mer riskfylld livsstil) behöver ha en högre grad av konformitet (högre stakes in conformity) till det konventionella samhället för att motstå frestelser till att begå brott. På sätt och vis så är det detta koncept som studien testar, nämligen hypotesen om att livsstilens effekt på brottslighet varierar beroende av relationen till föräldrar (olika nivåer i konformitet). Det finns givetvis väldigt stora skillnader mellan Hirschis sociala band-teori och Cohen & Felsons rutinaktivitets-teori. Hirschis teori fokuserar på variationen i individers förmåga till att inte begå brottsliga handlingar (grad av styrka i sociala band) medan Cohen & Felsons rutinaktivitets-teori fokuserar på variationen i tillfällen till att begå brottsliga handlingar (hur brottsuppmuntrande faktorer sammanfaller i tid och rum). I ett försök till att sammankoppla rutinaktivitetsteorin med sociala band-teorin introducerar Felson (1986) faktorn hanterare (handler). Felson anser att Hirschis fyra faktorer i sociala band (anknytning, åtagande, delaktighet och övertygelse) kan summeras till Felsons begrepp handle. En hanterare enligt Felson är en person som är kapabel till att utöva social kontroll över en potentiell förövare och således förhindra en brottslig handling. Till skillnad från en kapabel väktare, som har mer en vakande roll över det lämpliga offret, har en hanterare en etablerad relation till den potentielle förövaren. Felson menar att en potentiell förövare är mer lätthanterad när denne har starka sociala band till hanteraren. I linje med denna teori är resultat som indikerar att tid 9

11 spenderad i familjekontext kan skydda ungdomar från normbrytande beteende (Vazsonyi m fl, 2002). Felson betonar att hanteraren måste vara närvarande för att en brottslig handling skall förhindras vilket får en att ifrågasätta om sammankopplingen med sociala band-teorin är helt lyckad då Hirschi (1969) menar att det räcker att föräldrar är mentalt närvarande och finns med i ungdomars tankar när dessa rationellt överväger att begå en brottslig handling. Kamraters brottslighet, som ofta ingår som komponent i att mäta livsstilsrisk, påverkar ungdomars brottslighet och kan enligt Hirschi (1969) förstärka påverkan om ungdomars sociala band till det konventionella samhället är svaga. Vitaro m fl (2000) stödjer Hirschis resonemang genom att visa resultat där det finns en signifikant interaktion mellan brottsliga kamrater till ungdomar och deras relation till föräldrar. I Vitaro m fl studie finns det resultat som indikerar att de brottsliga kamraternas inverkan på ungdomars brottslighet reduceras av föräldrarnas tillsyn och ungdomars anknytning till föräldrar. Persson m fl (2007) visar också resultat som indikerar att relationen till föräldrar samspelar med vissa element i ungdomars livsstil. De konkluderar att ungdomar med stark relation till sina föräldrar som, från mer strukturerade aktiviter, börjar driva omkring på gator är mer skyddade mot konsekvenserna som ostrukturerade aktiviteter genererar, nämligen fler frestelser och provokationer som kan leda brottsliga handlingar. Det finns alltså bevis, dock svaga som Person m fl (2007) också påpekar, på att det kan finnas en interaktion mellan relationen till föräldrar och ungdomars rutinaktiviteter. Wikström & Butterworth (2006) visar i sin studie att vid förklaring av ungdomars brottslighet finns en signifikant interaktion mellan livsstilsrisk och ett mått som mäter individuella risk- och skyddsfaktorer. I det här måttet finns det faktorer som speglar den här studiens definition av relation till föräldrar (familjeband och föräldrars övervakning, se avsnitt 3.2). Interaktionen innebär att för vissa ungdomar har livsstilen en starkare effekt på deras brottslighet. I Wikström & Butterworths studie (2006) har livsstilen störst effekt på brottslighet för ungdomar som varken har höga värden eller låga värden i individuella risk- och skyddsfaktorer. Livsstilen visar sig ha svag effekt på brottslighet för ungdomar som har höga värden i individuella skyddsfaktorer (exempelvis starkare familjeband och bättre övervakning av ungdomar). Resultat som är i linje med Wikström & Butterworths studie (2006) är Svensson & Pauwels (2010) där livsstilens inverkan på brottslighet är beroende av ungdomars individuella brottsbenägenhet. Livsstilens inverkan på brottslighet är minimal/icke existerande för ungdomar med låg individuell risk till att begå brottsliga handlingar medan livsstilens inverkan på brottslighet är som störst för ungdomar med hög individuell risk till att begå brottsliga handlingar. Svensson & Pauwels (2010) mäter dock inte relationen till föräldrar då den individuella risken till att begå brottsliga handlingar (brottsbenägenhet) baseras på graden av ungdomars moral och förmåga till självkontroll. Men Wikström & Butterworth (2006: 89) påpekar att det troligen finns ett samband mellan ungdomars sociala band och ungdomars moral samt förmåga till att utöva självkontroll: It is likely that individuals social bonds and their degree of selfcontrol and morality develop in a mutually reinforcing and complex way. 10

12 Sammanfattningsvis pekar den tidigare forskningen på att livsstilens effekt på brottslighet varierar bland ungdomar och beror på flera faktorer. Den tidigare forskningen lämnar indikationer på att relationen till föräldrar modererar livsstilens effekt på brottslighet. Det är just dessa indikationer denna studie ämnar utreda. 3. MATERIAL OCH METOD Studiens hypotes testas genom att analysera ett datamaterial som beskrivs i nästkommande delavsnitt. I detta avsnitt redovisas även studiens metod och tillvägagångsätt. Datorprogram som används vid datahantering och analys är SPSS (IBM SPSS Statistics 20, IBM, New York, USA) Datamaterial enkätundersökning Halmstad år 2005 Studiens resultat och slutsatser baseras på data från en tvärsnittsstudie utförd genom en enkätundersökning i Halmstad under februari och mars år Materialet har sedan tidigare använts i annan forskning (se exempelvis Svensson & Pauwels, 2010; Pauwels & Svensson, 2011; Svensson & Oberwittler, 2010). Samtliga elever i årskurs nio i Halmstad inkluderades i undersökningen. Rektorn för varje skola delade ut enkäterna med information till lärarna. Eleverna fick fylla i enkäterna under lektionstid där en lärare var närvarande. Det totala antalet respondenter i enkätundersökningen är 1003 ungdomar från 13 olika skolor i Halmstad. Av de 1003 ungdomar är 48,9 procent pojkar och 51,1 procent flickor. 24,7 procent av de 1003 ungdomar har minst en förälder som är född utomlands. Enkäten består av 62 frågor om bland annat bakgrund (exempelvis kön och familjesituation), relation till föräldrar, fritid, skola, kamrater och brottslighet Studiens variabler och definitioner Denna studie behandlar fem stycken huvudvariabler. Två av dessa är så kallade bakgrundsvariabler. Dessa bakgrundsvariabler antas ha en svag indirekt effekt på brottslighet och används mer som kontrollvariabler för test av studiens hypotes. Resterande tre variabler är olika mått som baseras på svar av enkätens frågor. Nedan följer en beskrivning av varje variabel som används i den här studien. Varje fråga som tillhör en variabel redovisas i bilaga A1. Tabell 1 summerar variablernas egenskaper och värden. Kön. Respondenterna anger om de är pojke eller flicka. Variabeln är således dikotom där värdet 0 kodas för flickor och värdet 1 kodas för pojkar. Invandrarbakgrund. I enkäten anger respondenterna var deras mamma och pappa är födda. Variabeln är dikotom där värdet 0 kodas för respondenter som uppger att båda deras föräldrar är från Sverige och värdet 1 kodas för respondenter som uppger att minst en förälder är född utomlands. Relation till föräldrar. Denna variabel bygger på resonemang som förs av Hirschi (1969) och Stattin & Kerr (2000). Ungdomars känslomässiga anknytning till föräldrar och ungdomars öppenhet mot föräldrar är vad som kan 11

13 anses vara klara mått på relationen. Frågor som mäter föräldrarnas indirekta kontroll, som även kan kallas tillsyn eller övervakning, inkluderas också då föräldrarnas övervakning över sina ungdomar är i huvudsak egentligen ett resultat av att ungdomarna berättar (Stattin & Kerr, 2000). Denna indirekta kontroll, nämligen att ungdomarna vet att föräldrarna vet var ungdomarna befinner sig, vad ungdomarna gör för något och med vem ungdomarna gör det med benämns virtual supervision av Hirschi (1969). Respondentens anknytning till sin mamma och pappa mäts av tio stycken frågor där frågorna handlar om tillit, stöd och uppmuntran, kontakt, omsorg och möjligheten att prata om problem. Svarsalternativen är av ordinal skala från 1-5 där högre värden indikerar starkare anknytning. Respondentens öppenhet till föräldrarna består av fyra stycken frågor om respondenten brukar berätta för sina föräldrar om vilka kamrater respondenten träffar, berätta om vad respondenten brukar göra när respondenten inte är hemma, berätta om respondenten gjort något som respondenten ångrar och berätta om hur det går i skolan. Svarsalternativen är av ordinal skala från 1-5 där högre värden indikerar mer öppenhet mot föräldrarna. Föräldrarnas indirekta kontroll består av tre stycken frågor om respondentens föräldrar vet vem/vilka respondenten träffar när respondenten är ute om kvällarna, om föräldrarna vet var respondenten är någonstans när respondenten är ute på kvällarna och om föräldrarna vet vad respondenten gör när respondenten är ute på kvällarna. Svarsalternativen är av ordinal skala från 1-5 där högre värden indikerar mer indirekt kontroll av föräldrarna. Variabeln relation till föräldrar består således av sjutton stycken olika frågor där värdena adderas och bildar ett summerat index över relationen till föräldrar. Varje fråga kodas så att ett högre värden indikerar starkare relation till föräldrar. Livsstilsrisk. Livsstilsrisk-måttet i den här studien är beprövat då det innehåller exakt samma variabler som Svensson & Pauwels (2010) använder i sin studie samt liknar Wikström & Butterworths (2006) mått av livsstilsrisk (den enda skillnaden, förutom kodning, är att deras studie inkluderar narkotikabruk). Tre stycken frågor i detta mått handlar om hur respondenten spenderar sin fritid. Respondenten får uppge hur många kvällar i veckan respondenten brukar träffa sina kamrater, hur många kvällar i veckan respondenten brukar åka in ensam eller tillsammans med kamrater till stadens centrum och hur många dagar i veckan respondenten brukar ensam eller med kamrater driva omkring utan att göra något särskilt. Svarsalternativen för dessa tre frågor är av ordinal skala från 1-7 där varje värde representerar hur många dagar/kvällar i veckan respondenten anger. Fem stycken frågor handlar om kamraters brottslighet där respondenten får uppge om hur många nära kamrater som har snattat, gjort inbrott, vandaliserat, slagit ner någon och brukat hasch eller annan narkotika. Svarsalternativen för dessa fem frågor är av ordinal skala från 1-4 där högre värden anger fler brottsliga kamrater. 12

14 Den sista frågan i måttet handlar om hur ofta respondenten varit kraftigt berusad av alkohol under det senaste året (år 2004). Svarsalternativen för denna fråga är av ordinal skala från 1-6 där högre värden indikerar fler tillfällen. Variabeln livsstilsrisk består således av nio stycken olika frågor vars värden adderas och bildar ett summerat index över hur riskfylld livsstilen är gällande till att begå brottsliga handlingar. Varje fråga kodas så att högre värden indikerar en mer riskfylld livsstil till att begå brottsliga handlingar. Summeringen av frågornas värden gör att måttets konstruktion skiljer sig något från Svensson & Pauwels (2010) mått av livsstilsrisk. Brottslighet. Variabeln består av fjorton stycken olika frågor där varje fråga representerar en brottstyp (exempelvis snatteri, cykelstöld, inbrott och misshandel). Respondenten uppger hur många gånger respondenten har begått dessa handlingar under det senaste året (2004). Svarsalternativen i enkäten är ursprungligen kodade som ordinal skala från 0-5 där högre värden indikerar fler brottsliga handlingar har begåtts (0 = ingen gång och 5 = mer än 10 gånger). För att få mer tillförlitliga och valida resultat (anledningen till detta beskrivs i avsnitt 3.6.1) omkodas svarsalternativen. Varje brottstyp kodas enligt: 0 = Begått brottstypen ingen gång. 1 = Begått brottstypen 1 gång. 2 = Begått brottstypen 2 eller fler gånger. Dessa fjorton värden adderas och bildar ett summerat index. För samtliga intervallvariabler (relation till föräldrar, livsstilsrisk och brottslighet) beräknas Cronbach s alpha som är ett värde som indikerar hur bra måttet är i hänseende till att svaren pekar åt samma riktning och korrelation. Ju närmare 1 alpha-värdet kommer desto bättre är måttet. Alpha-värdena är relativt höga för de tre variablerna vilket indikerar att de tre måtten är goda. Brott har ett något lägre men fullt acceptabelt alpha-värde. Det går också att argumentera för att alphavärde för brottslighet är ej relevant i det här hänseendet då detta index, till skillnad från de två andra summerade index, skall ej mäta något underliggande fenomen/begrepp. Det är tänkbart och rimligt att en ungdom som snattat inte nödvändigtvis måste begått (eller vara mer benägen till att begå) våldsbrott. Tabell 1. Översikt av variabler som behandlas i uppsatsen. Variabel Intervall Riktning Cronbach's alpha Kön = pojke, 0 = flicka - Invandrarbakgrund 0-1 Relation till föräldrar 1 = minst en förälder född utomlands 0 = föräldrar födda i Sverige Högre värden = starkare relation till föräldrar - 0,895 Livsstilsrisk 5-47 Högre värden = mer riskfylld livsstil 0,801 Brottslighet 0-28 Högre värden = begått fler brott 0,753 13

15 3.3. Etiska aspekter Datamaterialet som den här studien använder sig av har sedan tidigare etikprövats och materialet har använts i tidigare forskning (se exempelvis Svensson & Pauwels, 2010; Pauwels & Svensson, 2011; Svensson & Oberwittler, 2010). Enkätundersökningen betonar respondenternas anonymitet. På enkätens förstasida uppmanas respondenten att inte skriva sitt namn på enkäten. Samtidigt informeras respondenterna om att de är anonyma och att ingen skolpersonal, förälder eller polis kommer att få titta på svaren. Respondenterna påminns återigen om sin anonymitet i avsnittet där de känsliga frågorna om brottslighet finns. När respondenten är klar läggs enkäten i ett kuvert som klistras igen och lämnas in oöppnad. Den stora betoningen på anonymiteten bör inte bara rimligen bidra till mer tillförlitliga svar utan visar även god forskningsetik om att ingen identitet kan röjas. Respondenternas anonymitet gör det omöjligt för forskare och andra att identifiera respondenterna. I respekt av materialets intigritet analyseras endast variabler som berör den här studien. Observationsnummer presenteras i denna studie vid redovisning av extremvärden. Dessa observationsnummer saknar innebörd och kan därmed omöjligt användas för att identifiera respondenter Bortfall Det totala bortfallet från populationen (elever i årskurs nio i Halmstad) är 15,2 procent vilket är, procentuellt sätt, i paritet och vissa fall något lägre än exempelvis Brottsförebyggande rådets skolundersökningar (BRÅ, 2013). Eftersom respondenterna går i årskurs nio har de skolplikt vilket gör att skolan är en plats som effektivt fångar upp målpopulationen och därmed minska på bortfallet. Som tidigare nämnt finns det 1003 besvarade enkäter vilket får ses som ett relativt stort stickprov. Datamaterialet innehåller även internt bortfall det vill säga saknade svar för vissa av frågorna. Det interna bortfallet i den här studien hanteras genom metoden listwise deletion vilket innebär att en hel observation stryks från materialet om det finns ett saknat svar hos någon av studiens variabler. Tabell 2 visar en överblick över studiens interna bortfall. Variabeln relation till föräldrar har det största unika interna bortfallet. Vid närmare undersökning beror detta främst på att det saknas svar på frågorna om anknytningen till både mamma och pappa. Även variabeln livsstilsrisk har relativt högt internt bortfall som beror främst på saknade svar som berör brottsliga kamrater. 14

16 Tabell 2. Antal observationer som stryks på grund av internt bortfall. Variabel/Variabler Internt bortfall Kön 0 Invandrarbakgrund 8 Relation till föräldrar 65 Livsstilsrisk 39 Brottslighet 15 Relation till föräldrar och livsstilsrisk 7 Relation till föräldrar och brottslighet 1 Livsstilsrisk och brottslighet 1 Invandrarbakgrund och relation till föräldrar 3 Invandrarbakgrund och brottslighet 1 Relation till föräldrar, livsstilsrisk och brottslighet Totalt stryks 141 observationer ur materialet på grund av internt bortfall vilket gör att det återstår 862 observationer i materialet som är redo för analys Val av analysmetod: Multipel linjär regression Datamaterialet som denna studie behandlar är kvantitativ och analyseras genom statistisk dataanalys. För att få en överblick över materialet presenteras deskriptiv statistik över variablernas egenskaper samt deras bivariata korrelation. Studiens hypotes testas genom analysmetoden multipel linjär regression. Multipel linjär regression (MLR) är en populär analysmetod som kan visa olika variablers partiella effekter på en förklarad variabel. En MLR-modell antar att det finns ett linjärt samband mellan en beroende variabel och ett antal oberoende variabler. I den här studien agerar variabeln brottslighet som beroende variabel som förklaras av de oberoende variablerna kön, invandrarbakgrund, relation till föräldrar, livsstilsrisk och interaktionen mellan livsstilsrisk och relation till föräldrar. De oberoende variablerna adderas blockvis till modellen. Anledningen till att variablerna adderas blockvis är att för undersöka hur mycket varje adderad variabel bidrar till modellanpassningen men även för att få en indikation om eventuella medierande effekter. Första blocket innehåller endast bakgrundsvariablerna kön och invandrarbakgrund. I andra blocket adderas variabeln relation till föräldrar följt av tredje blocket där variabeln livsstilsrisk adderas. I det sista blocket adderas interaktionen mellan relation till föräldrar och livsstilsrisk. Den slutgiltiga modellen (som betecknas modell 4) antar därmed följande ekvation: Där konstanten a är modellens intercept och effekt på variabeln brottslighet. är respektive oberoende variabels 15

17 Multipel linjär regression med en interaktionsvariabel Det sista blocket innehåller en interaktionsvariabel eftersom studiens syfte är testa hypotesen om att vid förklaring av ungdomsbrottslighet finns en interaktion mellan ungdomars livsstilsrisk och ungdomars relation till föräldrar. Interaktionsvariabeln skapas först genom att centrera variablerna relation till föräldrar och livsstilsrisk kring variablernas medelvärden. För båda variablerna sker detta genom att subtrahera variablernas respektive medelvärde från varje observations värde i respektive variabel. Efter centreringen utförts för båda variablerna multipliceras varje observations värde i relation till föräldrar med varje observations värde i livsstilsrisk. Anledningen till att variablerna som ingår i interaktionen centreras är för att motverka multikollinearitet som beskrivs i avsnitt Eftersom värdena från båda variablerna relation till föräldrar och livsstilsrisk multipliceras innebär det att interaktionsvariabeln skapar ett beroende mellan relation till föräldrar och livsstilsrisk. Det betyder att livsstilsriskens effekt på brottslighet hela tiden beror på värdet i variabeln relation till föräldrar. Det går således att säga att studiens hypotes testas genom att testa ifall interaktionsvariabelns effekt på brottslighet är signifikant skild från noll. Är interaktionsvariabelns effekt på brottslighet signifikant skild från noll innebär det att livsstilsriskens effekt på brottslighet är beroende av värdet i relationen till föräldrar. Med andra ord, livsstilsriskens effekt på egen brottslighet varierar beroende på styrkan i relationen till föräldrarna. För att demonstrera interaktionseffekten används metoden som Aiken & West (1991) beskriver. Metoden innebär att meningsfulla värden (i det här fallet tre värden) bestäms för den ena variabeln i interaktionen för att se hur stor effekt den andra variabeln i interaktionen har på den beroende variabeln. Därför bestäms tre meningsfulla värden på den numera centrerade variabeln relation till föräldrar så att värdena speglar svag, medium och stark relation till föräldrar. Värdet för svag relation till föräldrar är en standardavvikelse under variabelns medelvärde. Värdet för medium relation till föräldrar är 0 (då medelvärdet för en centrerad variabel kring sitt ursprungliga medelvärde är 0) och värdet för stark relation till föräldrar är en standardavvikelse över variabelns medelvärde. Genom att ha bestämda meningsfulla värden på den ena variabeln i interaktionen (relation till föräldrar) går det att utläsa hur stor effekt den andra variabeln i interaktionen (livsstilsrisk) har på den beroende variabeln (brottslighet). Det som beräknas är således livsstilsriskens effekt på brottslighet (b-värde) för tre olika värden på variabeln relation till föräldrar Modellvalidering I alla datamaterial finns det risk för att det finns observationer som har extremvärden (så kallade outliers). Extremvärden är väldigt avskilda från övriga data och därmed kan dessa observationer ha oproportionerligt stort inflytande på modellen. Eftersom MLR bygger på minsta kvadratmetoden tenderar regressionslinjen att oproportionerligt vridas mot dessa extremvärden. Detta kan resultera i felaktiga snedvridna skattningar av modellens b-värde (Kutner m fl, 2003). Det är därför viktigt att kontrollera om datamaterialet innehåller extremvärden vilket utförs och beskrivs i avsnitt

18 Analysmetoden, multipel linjär regression, bygger på vissa antaganden (Woolridge, 2008). En MLR-modell antar bland annat att: Modellens residualer är normalfördelade med 0 som förväntat värde. Modellens residualer antas ha konstant varians. Det innebär att variationen är lika över alla nivåer av modellens skattade värden. Detta önskvärda tillstånd kallas homoskedasticitet (ej konstant varians kallas heteroskedasticitet). Det finns inget exakt linjärt förhållande (korrelation) mellan de oberoende variablerna Ju bättre en MLR-modell uppfyller dessa antaganden desto mer lämplig är modellen för att förklara den beroende variabeln. För att kontrollera modellens validitet utförs analyser som kontrollerar ovan antaganden. Denna modellvalidering utförs över den fulla modellen (modell 4) Transformering av variabler och val av beroende variabel En metod för att förbättra modellanpassning kan vara att transformera MLRmodellens variabler. Att transformera den beroende variabeln kan vara ett effektivt sätt för att stabilisera residualernas varians (lika varians) och få residualerna mer normalfördelade (Kutner m fl, 2003). Detta innebär att MLRantagandena uppfylls bättre vilket i sin tur leder till förbättrad modellanpassning. Studiens beroende variabel, brottslighet, är av sin natur väldigt skevt fördelad där de flesta respondenter uppger att de begått inga eller få brottsliga handlingar. Det är få respondenter som uppger att de har begått många brottsliga handlingar. Detta orsakar problem i modellanpassningen då vid skev fördelning hos den beroende variabeln tenderar residualerna att inte uppfylla antagandena för MLR. I enkäten uppger respondenterna för varje brottstyp ett värde mellan 0-5 där 0 = ej begått brottet det senaste året och 5 = begått brottet 10 eller fler gånger det senaste året. Ett sätt att dra ihop skalan men samtidigt behålla en slags frekvens över begångna brottsliga handlingar är kodningen som beskrivs i avsnitt 3.2. Dessa värden adderas till ett summerat index. Resultatet av denna omkodning och summering gör att brottslighet får en mindre skev fördelning vilket leder till bättre normalitet hos residualer och mindre heteroskedasticitet. Med anledning av detta är det denna kodning av den beroende variabel som används i studiens analys. Logaritmtranformering av den beroende variabeln är vanligt vid skev fördelning. Logaritmtransformationen gör att de högre värdena tycks ihop så att avståndet mellan dessa värden minskar vilket leder till en mer normalfördelad variabel. Den här transformationen skulle därmed fungera bra på variabeln brottslighet med tanke på bättre modellanpassning. En nackdel med transformationer (och särskild logaritmtransformation) kan vara att interaktionseffekter mellan variabler försvinner eller blir svagare (Kutner m fl, 2003). Detta skulle motarbeta denna studies syfte som just syftar till att undersöka interaktionseffekten mellan livsstilsrisk och relation till föräldrar vid förklarande av brottslighet. Denna transformation väljs därför bort. En variety scale (värde 0 om inget brott begåtts, värde 1 om brott har begåtts för att sedan summera värdena vilket bildar ett intervall mellan 0-14) är den skala som Sweeten (2012) förespråkar. I sin litteraturstudie finner Sweeten att denna skala är enkel att konstruera och har hög reliabilitet och validitet. Nackdelen med 17

19 denna skala är att den mäter, i strikt mening, endast mångsidighet i brottsliga handlingar (ju högre värde, desto mer mångsidig). Den här studiens valda kodning av brottslighet påminner om en variety scale då skalan är komprimerad till värde 0 till 2, men för att ha kvar frekvens-egenskapen i den ursprungliga kodningen används den valda brottsskalan före en variety scale. Däremot kontrolleras utfallet av logartimtransformationen och annan alternativ kodning av brottslighet. Vid beräkning av olika MLR-modeller där den beroende variabeln är transformerad eller kodad på annat sätt visar det sig att resultaten blir snarlika resultatet med den valda kodningen av brottslighet (se bilaga B1 för jämförelser). Oavsett transformation och kodning pekar samtliga b-värden i samma riktning och har förhållandevis liknande effekter vilket ökar reliabiliteten i studiens resultat. Dessutom är förklaringsgraden i stort sett lika oavsett transformation och kodning av brottslighet. En transformation av de oberoende variablerna kan bidra till en bättre modellanpassning (Kutner m fl, 2003). Vid kontroll av detta visar det sig att en logaritmtransformation av variabeln livsstilsrisk gör att modellens residualer stabiliseras (mindre heteroskedasticitet). Detta innebär att livsstilsrisk-måttet fortsättningsvis används logaritmtransformerat Identifiering av extremvärden För att identifiera observationer som kan anses vara extremvärden utförs en grafisk analys av olika spridningsdiagram: Modellens standardiserade residualer mot modellens skattade värden Modellens borttagna studentiserade residualer mot observationsnummer Observationernas Cook s distance och DFFIT mot observationsnummer En tumregel när stickprovet är stort är att betrakta observationer som extremvärden när absolutvärdet är över 4 i standardiserad residual (Kutner m fl, 2003). Figur 1 är ett spridningsdiagram över modellens standardiserade residualer mot modellens skattade värden. Nio observationer (observationsnummer är utskrivna i diagrammet) har en residual som är runt 5. Spridningsdiagrammet visar också att modell 4 innehåller viss icke-konstant varians då variansen ökar när de skattade värdena ökar. Figur 1. Spridningsdiagram över standardiserade residualer och modellens standardiserade skattade värden. 18

20 Ett annat sätt att identifiera extremvärden är att kontrollera modellens borttagna studentiserade residualer (Kutner m fl, 2003). Figur 2 är ett spridningsdiagram över modellens borttagna studentiserade residualer mot observationsnummer. Observationer med höga värden i borttagen studentiserad residual indikerar extremvärde och bidrar således till dålig modellanpassning. Det är samma nio observationer som identifieras i figur 1 och i figur 2 vilket ger stöd till att dessa nio observationer bör betraktas som extremvärden. Figur 2. Spridningsdiagram över borttagna studentiserade residualer mot observationsnummer. Kutner m fl (2003) poängterar att alla extremvärden inte behöver ha stor inflytelse på modellen. Spridningsdiagram som figur 3 och 4 är vanliga sätt att identifiera inflytelserika observationer som kan påverka modellen kraftigt. Cook s Distance (figur 3) mäter hur mycket varje enskild observation influerar modellens alla skattade värden. Högre värden i Cook s Distance indikerar större inflytelse. Flera av observationerna som identifieras i figur 1 och 2 dyker upp även i figur 3 vilket indikerar att dessa markerade observationer har oproportionerligt stor påverkan på modellen. DFFIT visar skillnaden i det skattade värdet för en enskild observation när denna utelämnas från regressionen. Figur 4, som visar DFFIT mot observationer, identifierar samma observationer (med undantag för observation 3). Figur 3 & 4. Spridningsdiagram över Cook s Distance mot observationsnummer, standardiserade DFFIT mot observationsnummer. Sammantaget visar ovan figurer i det här delavsnittet att nio observationer kan betraktas som extremvärden. Dessa nio observationer har höga residualvärden 19

21 samt visar sig vara oproportionerligt inflytelserika för modellen. Med stöd från ovan resonemang exkluderas dessa nio observationer från analysen. Utan dessa nio observationer får modellen en bättre anpassning, bland annat i mer konstant varians (se figur 7), och kan därmed ge mer tillförlitliga resultat. Vid kontroll av dessa nio observationers värden visar det sig att de har väldigt höga värden i brottslighet vilket får en att misstänka att dessa nio respondenter möjligtvis inte varit helt ärliga i sina svar (tabell 3). Exkluderingen av dessa observationer diskuteras i avsnitt 5. Tabell 3. Observationer som identifierats innehålla extremvärden. Observation Kön Relation till föräldrar Invandrarbakgrund Livsstilsrisk Brottslighet Det innebär att en ny beräkning av blockvisa MLR-modeller utförs baserat på de kvarvarande 853 observationerna. Fortsättningsvis i det här modellvalideringsavsnittet redovisas endast dessa slutgiltiga MLR-modeller (N = 853) Normalfördelning hos modellens residualer För att modellen skall vara lämplig i att förklara den beroende variabeln brottslighet behöver regressionsmodellens residualer vara ungefärligen normalfördelade med väntevärde 0. Figur 5 visar fördelningen för modellens standardiserade residualer. Det ideala tillståndet är att frekvensstaplarna skall ligga inom kurvans area. Figur 5 visar att det finns en viss skevhet i fördelningen då viss frekvens befinner sig utanför kurvan. Detta innebär att residualernas fördelning avviker något från en sann normalfördelning. Figur 6 är ett normal-probabilitetsdiagram som också visar ifall residualerna kan anses vara normalfördela. Idealtillståndet i figur 6 vore att observationerna ligger längs med den diagonala linjen, vilket innebär att den observerade kumulativa sannolikheten för normalitet är lika med den förväntade kumulativa sannolikheten för normalitet. I figur 6 avviker observationerna något från den diagonala linjen vid 0,0 till 0,2 samt vid 0,4 till 0,8 vilket bekräftar slutsatsen från figur 5 att residualernas fördelning avviker något från en sann normalfördelning. I praktiken är det svårt att få residualer som kan anses ha en sann normalfördelning. Kutner m fl (2003) menar att endast stora avvikelser kan ställa till med problem för modellens skattningar. Små avvikelser, som i detta fall, skapar inga allvarliga problem. Som poängteras i avsnitt spelar fördelningen av den beroende variabeln (brottslighet) en stor roll i hur residualerna fördelas. 20

22 Som nämnt är den valda kodningen av brottslighet bättre lämpad jämfört med enkätens ursprungliga svarsalternativ då residualerna antar en fördelning som bättre kan beskrivas som normalfördelad. Figur 5 & 6. Histogram över modellens residualer och normal-probabilitetsdiagram Kontroll av konstant varians hos modellens residualer Figur 7 visar hur den slutgiltiga modellens standardiserade residualerna är fördelade över modellens standardiserade skattade värden. Från figuren konstateras det att modellen visar något mindre heteroskedasticitet (mindre ickekonstant varians) jämfört med modellen där de nio identifierade extremvärdena inkluderas (se figur 1). Det nuvarande tillståndet är däremot ej optimalt då det är uppenbart att variansen ökar när de skattade värdena ökar vilket innebär att variansen är ej konstant. Det ideala tillståndet vore om spridningen skulle anta ett mer slumpmässigt utseende. Figur 7. Spridningsdiagram över den slutgiltiga modellens standardiserade residualer mot modellens skattade värden. Vid kontroll av spridningsdiagram som visar modellens residualer mot varje oberoende variabel konstateras det att det är variabeln livsstilsrisk som främst bidrar till modellens heteroskedasticitet. Som det visar sig i resultatavsnitt 4.2 är variabeln livsstilsrisk viktig för modellen (och en del av studiens hypotes), därför behålls variabeln. Som tidigare beskrivits är variabeln livsstilsrisk logartimtransformerad för att minska residualernas heteroskedasticitet. 21

23 Multikollinearitet De fyra slutgiltiga MLR-modellerna kontrolleras även för eventuell multikollinearitet. Problematisk multikollinearitet kan uppstå när det finns stark korrelation mellan de oberoende variablerna. De skattade b-värden i en modell med starkt korrelerande oberoende variabler (därmed multikollinearitet) tenderar från stickprov till stickprov ha stor variation vilket gör skattningarna osäkra (Kutner m fl, 2003). Dessutom är den vanliga tolkningen Y förändras med b när X ökar med en enhet och Z konstanthålls ej korrekt när en modell innehåller stark multikollinearitet. Detta av den enkla anledningen att två variabler som är starkt korrelerade (därmed stark multikollinearitet) gör tolkningen orealistiskt då det är inte rimligt att variera en variabel och hålla den andra variabeln konstant. Det är därför viktigt att kontrollera om modellerna innehåller stark multikollinearitet. När en modell innehåller en multiplikativ interaktionsvariabel, som den slutgiltiga MLR-modellen gör, är det hög risk för att multikollinearitet uppstår eftersom interaktionsvariabeln bör naturligtvis vara högt korrelerad med huvudvariablerna i modellen. För att undvika multikollinearitetsproblem i den slutgiltiga modellen centreras huvudvariablerna kring sina medelvärden innan de multipliceras med varandra vilket beskrivs i avsnitt Ett vanligt sätt att identifiera multikollinearitet är att beräkna Variance Inflation Factor-värdet (VIF). Detta värde mäter hur mycket varians som är uppblåst i en skattad regressionskoefficient (b-värde) i jämförelse med variansen i koefficienten när de oberoende variablerna är okorrelerade med varandra (Kutner m fl, 2003). Kutner m fl anser att VIF-värde över 10 bör ses som en indikation till att modellen innehåller stark multikollinearitet som därmed stör regressionskoefficienternas skattningar. Även ett tolerans-värde beräknas för att identifiera vilken oberoende variabel som är ömsesidigt beroende av andra oberoende variabler i modellen. Tolerans-värdet är kopplat till VIF-värdet (nämligen 1/VIF) vilket innebär att ett värde under 0,1 bör ses som en indikation för stark multikollinearitet i modellen. Tabell 4 visar de fyra MLR-modellernas tolerans- och VIF-värde. Ingen av modellerna visar tecken på stark multikollinearitet vilket betyder att modellerna har skattningar av regressionskoefficienter som är stabila. Centreringen av intervallvariablerna relation till föräldrar och livsstilsrisk innan de multipliceras och bildar interaktionsvariabel gör att modellen ej uppvisar multikollinearitet. Således är modellen i det här hänseendet en valid och tillförlitlig modell. 22

24 Tabell 4. Multikollinearitet-statistik över regressionsmodellerna. Modell 1 Modell 2 Tolerans VIF Tolerans VIF Kön 1,000 1,000 0,996 1,004 Invandrarbakgrund 1,000 1,000 0,997 1,003 Relation till föräldrar - 0,993 1,007 Modell 3 Modell 4 Tolerans VIF Tolerans VIF Kön 0,967 1,034 0,963 1,039 Invandrarbakgrund 0,994 1,006 0,988 1,012 Relation till föräldrar 0,838 1,193 0,773 1,293 Livsstilsrisk 0,825 1,212 0,821 1,219 Livsstilsrisk x Relation till föräldrar 0,908 1, Sammanfattning av modellvalideringen Vid den första beräkningen av den fulla MLR-modellen (N = 862) identifieras nio stycken observationer som extremvärden. Dessa extremvärden har stora residualer och visar sig vid jämförelse av resterande värden vara oproportionerligt inflytelserika på modellen. De nio observationerna exkluderas från materialet och därmed beräknas nya slutgiltiga MLR-modeller. Den slutgiltiga beräkningen av den fulla MLR-modellen (N = 853) erhåller residualer som har en viss avvikelse från en sann normalfördelning. Däremot förbättras normaliteten hos residualerna med den valda kodningen av den beroende variabeln brottslighet. Modellens residualer uppvisar något ostabil varians (ej lika varians över alla modellens skattade värden) men som förbättras något genom logaritmtransformering av variabeln livsstilsrisk. Modellerna uppvisar ingen stark multikollinearitet vilket ger stabilare skattningar av modellernas riktningskoefficienter (b-värden). De fyra slutgiltiga MLR-modellerna (N = 853) används för analys och resultat som redovisas i nästkommande avsnitt. 4. RESULTAT Detta avsnitt redovisar studiens resultat som belyser studiens syfte och hypotes. I avsnitt 4.1 presenteras deskriptiv statistik över studiens fem variabler medan huvuddelen av analysen redovisas i avsnitt 4.2. Slutsatserna av analysen diskuteras i avsnitt Deskriptiv statistik Tabell 5 visar att 48 procent av de 853 observationerna är pojkar, därmed finns det 52 procent flickor. I materialet har 24 procent invandrarbakgrund (enligt definition beskriven i avsnitt 3.2). 23

25 Relationen till föräldrar är överlag stark i materialet då medelvärdet är 69,02 som är relativt nära maxvärdet 85 för variabeln. Standardavvikelsen för denna variabel kan ses som relativt stor vilket indikerar god spridning över variabelns intervall. Livsstilsrisk har ett medelvärde på 2,69. Variabeln har relativt god spridning och fördelning. Av skäl som beskrivs i avsnitt är variabeln logaritmtransformerad. Föga förvånansvärt har variabeln brottslighet ett väldigt lågt medelvärde (2,13) i jämförelse med hur långt variabeln sträcker sig (variabelns maxgräns är 28). Variabeln är väldigt snedfördelad med lång svans åt höger det vill säga att de högre värdena har, jämfört med de lägre värdena, betydligt lägre frekvens. I det här fallet är standardavvikelsen faktiskt större än medelvärdet. Det är fullt möjligt även fast skalan saknar negativa värden. Anledningen till att standardavvikelsen är större än medelvärdet är att det finns enstaka stora värden som orsakar stor spridning (exempelvis värdet 19 som är det högsta för de 853 observationerna). De flesta observationerna med väldigt extrema värden är exkluderade sedan modellvalideringen och residualanalysen för dessa 853 observationer visar ett mer samlat mönster än tidigare. Därför görs ingen ytterligare åtgärd för att justera variabelns fördelning. Tabell 5. Deskriptiv statistik över variablerna. Min/Max Medelvärde Standardavvikelse Kön 0-1 0,48 - Invandrarbakgrund 0-1 0,24 - Relation till föräldrar ,02 10,36 Livsstilsrisk* 1,61-3,71 2,69 0,47 Brottslighet ,13 3,13 N = 853 * logaritmtransformerad (LN) I tabell 6 redovisas de bivariata korrelationerna mellan variablerna. Kön har en relativt svag positiv signifikant korrelation med variablerna livsstilsrisk (r = 0,135) och brottslighet (r = 0,207). Pojkar, i jämförelse med flickor, tenderar således ha högre värden i livsstilsrisk (mer riskfylld livsstil) och högre värden i brottslighet. Variabeln invandrarbakgrund korrelerar positivt men väldigt svagt med variabeln brottslighet (r = 0,068). Det innebär att ungdomar med invandrarbakgrund, i jämförelse med ungdomar utan invandrarbakgrund, tenderar ha något högre värden i variabeln brottslighet. Dock ligger p-värdet för denna korrelation väldigt nära gränsen 5 procent vilket gör korrelationen osäker. Korrelationen mellan variablerna relation till föräldrar och livsstilrisk är relativt stark och signifikant negativ (r = -0,385). Ungdomar med högre värden i livsstilsrisk (mer riskfylld) tenderar att ha lägre värden i relation till föräldrar (svagare relation). Det finns även en negativ korrelation mellan variablerna brottslighet och relation till föräldrar (r = -0,306). Ungdomar med högre värden i brottslighet tenderar att ha lägre värden i relation till föräldrar (svagare relation). 24

26 Den starkaste korrelationen i materialet finns mellan variablerna livsstilsrisk och brottslighet där det råder en stark signifikant positiv korrelation (r = 0,590). Ungdomar med högre värden i livsstilsrisk (mer riskfylld livsstil) tenderar att ha högre värden i brottslighet. Tabell 6. Korrelationsmatris över variablerna. Kön Relation till föräldrar Invandrarbakgrund Livsstilsrisk Brottslighet Kön - 0,020 0,059 0,135 *** 0,207 *** Invandrarbakgrund - -0,054 0,067 0,068 * Relation till föräldrar - -0,385 *** -0,306 *** Livsstilsrisk - 0,590 *** N = 853 *p<0,05 **p<0,01 ***p<0, Multipel linjär regression Fyra MLR-modeller beräknas där ungdomars brottslighet förklaras av totalt fem variabler. För att undersöka eventuella förändringar i effekter samt signifikanta bidrag till modellen adderas de oberoende variablerna blockvis i fyra steg, därav fyra MLR-modeller. Resultatet redovisas i tabell 7. Modell 1, som endast innehåller bakgrundsvariabler, har en förklaringsgrad på 4,7 procent där det finns en signifikant könseffekt på brottslighet. Vid kontroll av invandrarbakgrund begår pojkar, vid jämförelse med flickor, fler brott. Modellen indikerar även att det inte går att påvisa att invandrarbakgrund, vid kontroll av kön, har en signifikant effekt på ungdomars brottslighet. När variabeln relation till föräldrar adderas till modellen ökar förklaringsgraden signifikant med 10 procentenheter (modell 2). Det betyder att variabeln relation till föräldrar ger en signifikant bidragande effekt till modellen och förbättrar modellanpassningen. I denna modell kan 14,7 procent av variationen i brottslighet förklaras av variationen i de tre oberoende variablerna. Enligt modell 2 har variabeln relation till föräldrar en signifikant negativ effekt på brottsligheten. Ju starkare relation till sina föräldrar, desto färre brottsliga handlingar begås. I modell 3 adderas variabeln livsstilsrisk till modellen vilket ger en signifikant ökning i förklaringsgrad med 22,9 procentenheter. Detta ger en total förklaringsgrad på 37,6 procent. Variabeln bidrar således till en betydligt bättre modellanpassning till materialet. Livsstilsrisk inverkar positivt på ungdomars brottslighet. När övriga variabler kontrolleras anger modellen att ungdomar med en mer riskfylld livsstil begår fler brottsliga handlingar. Ett annat intressant resultat i modell 3 är att bakgrundsvariablernas och relation till föräldrars effekt på brottslighet blir betydligt mindre, vilket går att se både i de ostandardiserade koefficienterna (b-värdena) samt i de standardiserade koefficienterna (β-värdena). Denna minskning indikerar att kön, invandrarbakgrund och relation till föräldrars effekt på brottslighet medieras genom variabeln livsstilsrisk. 25

27 I modell 4 adderas interaktionsvariabeln mellan relation till föräldrar och livsstilsrisk. Förklaringsgraden ökar signifikant med 1,8 procentenheter vilket betyder att den fulla modellen har en total förklaringsgrad på 39,4 procent. Interaktionsvariabeln är signifikant vilket antyder att livsstilsriskens effekt på brottslighet är högst beroende av variabeln relation till föräldrar när övriga variabler kontrolleras. Eftersom interaktionsvariabeln effekt på brottslighet (bvärde) är negativ tolkas interaktionen som att livsstilsriskens effekt på brottsligheten minskar när variabeln relation till föräldrar ökar i värde. Koefficienten (-0,087) kan tyckas vara svag. Men i själva verket är interaktionens effekt på brottslighet relativt stor om koefficientens medelfel eller helt enkelt den standardiserade riktningskoefficienten (β) beaktas. Tabell 7. Resultat av de fyra MLR-modellerna. Modell 1 Modell 2 N = 853 b Medelfel β b Medelfel β Kön 1,290 *** 0,210 0,206 1,410 *** 0,199 0,225 Invandrarbakgrund 0,468 0,247 0,064 0,339 0,234 0,046 Relation till föräldrar ,096 *** 0,010-0,317 0,047 0,147 Förändring av - 0,100 *** Modell 3 Modell 4 b Medelfel β b Medelfel β Kön 0,890 *** 0,173 0,142 0,949 *** 0,171 0,151 Invandrarbakgrund 0,174 0,200 0,024 0,255 0,198 0,035 Relation till föräldrar -0,033 *** 0,009-0,110-0,020 * 0,009-0,067 Livsstilsrisk 3,494 *** 0,198 0,527 3,564 *** 0,196 0,538 Livsstilsrisk x Relation till föräldrar ,087 *** 0,017-0,142 0,376 0,394 *** Förändring av 0,229 *** 0,018 *** *p<0,05 **p<0,01 ***p<0, Interaktionen mellan livsstilsrisk och relation till föräldrar Eftersom interaktionen har en signifikant negativ inverkan på brottslighet innebär det att livsstilsriskens effekt på brottslighet minskar när variabeln relation till föräldrar ökar i värde. Det betyder att en riskfylld livsstil inte har lika stor inverkan på brottslighet för ungdomar med stark relation till sina föräldrar vid jämförelse med ungdomar med svag relation till sina föräldrar. Livsstilsriskens olika effekter på brottslighet (b-värdet) beräknas enligt metoden som Aiken & West (1991) förespråkar och som kortfattad beskrivs i avsnitt Tabell 8 visar beräkningen och således interaktionens betydelse. Variabeln relation till föräldrar får tre meningsfulla värden som speglar styrkan i relationen till föräldrarna: svag (en standardavvikelse under medelvärdet), medium (medelvärdet) och stark (en standardavvikelse över medelvärdet). Livsstilsriskens koefficient (b-värde) är livsstilsriskens effekt på brottslighet vid en given nivå på variabeln relation till föräldrar. Tabellen visar att livsstilsriskens effekt på brottslighet är som svagast när relationen till föräldrar är stark (2,663). Livsstilsriskens effekt på brottslighet är som starkast när relationen till föräldrar är svag (4,465). 26

28 Tabell 8. Livsstilsriskens olika effekter på brottslighet (b-värde) beroende på styrka i relation till föräldrar. Relation till föräldrar Svag Medium Stark b-värde (Livsstilsrisk) 4,465 3,564 2, SLUTSATS OCH DISKUSSION Resultatet i denna studie visar att ungdomars livsstilsrisk och deras relation till föräldrar har båda en signifikant effekt på ungdomars brottslighet. Ungdomar med starkare relation till sina föräldrar indikerar lägre brottsnivåer medan ungdomar med en mer riskfylld livsstil indikerar högre brottsnivåer. Dessa resultat är i linje med tidigare forskning som presenteras i avsnitt 2. Den tidigare forskningen har däremot inte tillräckligt utforskat interaktionen mellan dessa variabler vid förklaring av ungdomars brottslighet. Den här studiens resultat visar att ungdomars brottslighet påverkas signifikant av interaktionen mellan ungdomars livsstilsrisk och deras relation till föräldrar. Det innebär att relationen mellan ungdomars livsstil och ungdomars brottslighet är beroende av styrkan i ungdomars relation till föräldrar. Studiens resultat visar att livsstilens effekt på brottslighet är svagare för ungdomar med starkare relation till föräldrar. Således indikerar studiens resultat att relationen till föräldrar kan ha en hämmande effekt på brottsligheten för ungdomar med en mer riskfylld livsstil. På så vis stödjer resultatet Toby (1957) och Hirschis (1969) resonemang om konceptet stakes in conformity där ungdomar med en mer riskfylld livsstil behöver högre nivåer av konformitet för att hindras från att begå brottsliga handlingar. Ungdomar med hög konformitet (stark relation till föräldrar) är bättre skyddade mot frestelser och provokationer, som en mer riskfylld livsstil medför mer frekvent, till att begå brottsliga handlingar. Resultatet är också i linje med vad tidigare forskning indikerar, nämligen att livsstilens effekt på brottslighet är starkare för vissa ungdomar (Persson m fl, 2007; Svensson & Pauwels, 2010; Wikström & Butterworth, 2006). Till min kännedom finns det däremot inte tidigare forskning som testar interaktionen mellan dessa multidimensionella konstruktioner av variablerna samt dess definition som den här studien använder sig av. Den här studiens resultat bygger vidare på forskningen kring interaktioner med ungdomars livsstil samt bidrar till ny kunskap och klarhet i interaktionen mellan ungdomars livsstilsrisk och relation till föräldrar. Ett annat intressant resultat i denna studie är att den blockvisa metoden i MLRmodellerna avslöjar att bakgrundsvariablernas effekt samt relation till föräldrars effekt på brottslighet reduceras när livsstilsrisk-variabeln adderas till modellen. Detta indikerar att kön, invandrarbakgrund (som dock är icke signifikant från första början) samt relation till föräldrars effekt på brottslighet medieras genom ungdomars livsstilsrisk. Detta kan bero på att variabler som ligger närmare själva handlingen (brott) får en starkare effekt medan variabler som ligger längre ifrån handlingen reduceras i effekt (Wikström & Butterworth, 2006). I jämförelse med studiens bakgrundsvariabler samt relation till föräldrar är det rimligt att antaga att effekten av ungdomars livsstil ligger närmare den brottsliga handlingen och har en 27

29 mer direkt roll för ungdomars brottslighet. Att det sker en mediering genom variabeln livsstilsrisk är dock endast en indikation och bör utredas utförligare genom andra analysmetoder som exempelvis stiganalys. Att livsstilens effekt på brottslighet är beroende av styrkan i ungdomars relation till föräldrar medför implikationer till brottsförebyggande arbete. Studiens resultat och slutsatser visar att olika faktorer påverkar ungdomars brottslighet och framförallt att effekterna från dessa faktorer varierar för olika ungdomar. En viss brottsförebyggande åtgärd lär därför variera i hur framgångsrikt den förebygger ungdomars brottslighet. Det är därför viktigt att identifiera subgrupper av ungdomar och till dessa rikta skräddarsydda brottsförebyggande resurser för att motverka brottslighet. Att förebygga livsstilens effekt på brottslighet borde vara mer effektivt för ungdomar med svagare relation till föräldrar då livsstilens effekt på brottslighet är som starkast för denna grupp av ungdomar. Resultaten indikerar också att det är viktigt att arbeta med ungdomars relation till föräldrar. Genom att investera resurser på att förstärka relationen mellan ungdomar och föräldrar kan effekten en riskfylld livsstil har på brottslighet reduceras kraftigt vilket innebär att färre resurser behöver läggas på att motverka riskfyllda livsstilar. Det optimala vore dock att samtidigt angripa problemen med svag relation till föräldrar och riskfylld livsstil. Denna studie har flertalet styrkor. Som nämnt i avsnitt visar det sig att resultatet av MLR-modellerna är likartade när olika transformationer och alternativ kodning utförs av den beroende variabeln brottslighet (se bilaga B1 för beräkningar). När brottslighet logaritmtransformeras (genom naturliga logaritmen) blir, som förväntat, interaktionens effekt på brottslighet något reducerad, men fortfarande signifikant. När den ursprungliga kodningen av brottslighet används (den ursprungliga kodningen beskrivs i avsnitt 3.2) är interaktionseffekten som starkast. Även resultatet från en variety scale, den skala Sweeten (2012) förespråkar, liknar studiens presenterade resultat. Att resultaten är likaratade oavsett kodning och transformation av brottslighet påvisar att det är robusta och reliabla resultat som presenteras i studien. Materialet är relativt stort (853 ungdomar i den slutgiltiga analysen) och slutsatserna från denna studie har goda möjligheter till att generaliseras till en större population och behöver inte nödvändigtvis vara tolkningar som är exklusiva för ungdomar i Halmstad. En annan styrka är att undersökningen använder sig av mått av livsstilsrisk som sedan tidigare är beprövad i forskning (Svensson & Pauwels, 2010; Pauwels & Svensson, 2011) och till stor del likartad annan forsknings definition (Wikström & Butterworth, 2006), dock är inte kodningen densamma. Variabeln relation till föräldrar är uppbyggd och definierad till stor del enligt resonemang fört av tidigare forskning och teori (Hirschi, 1969; Stattin & Kerr, 2000). Detta ökar studiens tillförlitlighet och validitet vilket innebär att med goda skäl går att tro att det är ungdomars livsstilsrisk och ungdomars relation till föräldrar som studiens variabler verkligen mäter. Måtten av relation till föräldrar och livsstilsrisk uppvisar även höga alpha-värden vilket också bidrar till studiens validitet. Studiens resultat och slutsatser medför även implikationer till framtida forskning av interaktionen. Det är troligt att relationen till föräldrar i vissa skeden av livet varierar i betydelse för individen. Det är tänkbart att betydelsen av relationen till föräldrar är som viktigast under barndom och ungdomsår. Att undersöka när interaktionen uppkommer och hur interaktionen ser ut genom individers uppväxt 28

30 vore ett naturligt nästa steg för forskningen kring denna interaktion. Denna typ av studie ställer givetvis krav på longitudinell data. En annan forskningsfråga som inte kräver longitudinell data är om interaktionen varierar i betydelse vid olika brottstyper. Ser interaktionen likadan ut för lindriga respektive allvarligare brott? Även bakgrundsfaktorers inverkan på interaktionen vore en betydelsefull forskning. Ser interaktionen likadan ut för både pojkar och flickor? Det vore även intressant att studera ifall interaktionen har olika betydelse för ungdomar från olika familjesituationer. Den här studien inkluderar endast ungdomar som svarar på frågor om både mamma och pappa. Det relativt stora interna bortfallet i variabeln relation till föräldrar (se tabell 2) indikerar att det kan finnas en viss betydande variation i familjesituation. På grund av vald hantering av bortfall (listwise deletion) exkluderas en del potentiellt intressanta ungdomar från studien vilket kan ses som en begränsning med studiens resultat. Denna studie har även andra begräsningar. Resultaten och slutsatserna bygger på tvärsnittsdata vilket gör att det inte går att uttala sig om kausala effekter. Tvärsnittsstudier kan dock fastställa samvariation som krävs vid kausalitet vilket innebär att resultat från tvärsnittsstudier kan lämna någorlunda antydningar om kausala effekter. De antagande om kausala samband som studien bygger på baseras på kriminologisk teori som beskrivs i avsnitt 2. En annan begränsning för studien är att den slutgiltiga MLR-modellens residualer uppvisar viss icke-konstant varians (heteroskedasticitet). Detta icke önskvärda tillstånd existerar trots flera försök till eliminering: omkodning av beroende variabel, borttagning av extremvärden samt transformation av livsstilsrisk som visar sig bidra till den icke konstanta variansen. Den stora konsekvensen av heteroskedasticitet i en MLR-modell är att det uppstår skevhet (så kallad bias) i variansen hos skattningarna av modellens b-värden vilket leder till osäkerhet i skattningarnas p-värden (Woolridge, 2008). Att signifikanstesten blir opålitliga beror på att t-värdena, som är testfunktionens statistika, inte riktigt är t-fördelade vid heteroskedasticitet. Det är dock viktigt att poängtera att punktskattningarna av b-värdena inte påverkas av heteroskedasticitet (Woolridge, 2008). Således är punktskattningarna fortfarande konsistenta. Tolkningen av förklaringsgraden ( ) är också opåverkad av heteroskedasticitet. Det innebär att ökningen av förklarad varians som tabell 7 visar i resultatavsnittet är en god uppskattning av hur mycket varje adderad variabel antas bidra till att förklara den beroende variabeln brottslighet. Det finns andra sätt att eliminera heteroskedasticitet hos residualerna. Ett sätt är att använda sig av så kallade robusta medelfel till skattningarna av modellens b- värden. Dessa robusta medelfel är ofta större, men kan också vara mindre, än modellens vanliga medelfel (Woolridge, 2008). Det innebär att p-värdet för skattningarna oftast blir högre (och därmed i flera fall icke-signifikanta) men kan i vissa fall också bli lägre. Den MLR-modell studiens resultat och slutsatser baseras på har vissa problem med heteroskedasticitet. Dock genom flertalet metoder har den icke-konstanta variansen i residualerna minskat något vilket gör resultaten mer stabila. Som redan påtalat är resultaten relativt robusta då likartade resultat (samma riktning på modellernas b-värden, förhållandevis likartade effekter samt likartade förklaringsgrader) uppvisas när den beroende variabeln brottslighet transformeras 29

31 eller kodas på annat sätt. När den beroende variabeln är logaritmtransformerad är heteroskedasticiteten påtagligt mindre och som samtidigt har likartade resultat som studien redovisar (se bilaga B1.1.). Denna beräkning stödjer argumentet för att resultaten är stabila. Detta är i linje med vad Allison (1998) påpekar, nämligen att heteroskedasticitet måste vara rätt allvarlig för att det skall kunna leda till stor skevhet i medelfelen. Hur extremvärden, så kallade outliers, skall hanteras är en intressant diskussion där det egentligen inte finns några enkla svar. Denna studies datamaterial är självrapporterat av ungdomarna vilket gör att studiens resultat och slutsatser vilar på antaganden att ungdomarna är ärliga i sina svar. Det är en svår utmaning för forskare att bedöma tillförlitligheten i vissa observationers självrapporterade värden. Samtidigt som att vissa observationers självrapporterade brottslighet kan antas vara helt orimlig så är det ändå troligt att det finns en liten grupp individer som begår betydligt fler brott än andra. I multipel linjär regression kan observationer med extremvärden få oproportionerligt stort inflytande på modellen och således snedvrida resultatet (Kutner m fl, 2003). Inkluderas dessa observationer och inga andra förebyggande åtgärder används finns det risk för missvisande resultat vilket innebär att observationerna med extremvärden, som kanske beror på oärlighet av respondenten, förstör för övriga observationer som kanske har svarat ärligt. Det är en således en svår avvägning där varje forskare måste ta ställning till hur mycket inflytande extrema observationer skall ha på analysen. I den här studien exkluderas nio observationer för att de identifieras som extremvärden (se figur 1-4). Dessa nio observationer visar sig ha väldigt höga värden i variabeln brottslighet (de har begått, i relation till andra observationer, väldigt många brottsliga handlingar, se tabell 3) och har oproportionerligt stort inflytande på modellen. De nio observationerna exkluderas för att minska risken för att få snedvridna resultat, för att få en bättre modellanpassning samt residualer som bättre uppfyller antaganden för MLR. När dessa nio observationer exkluderas från analysen finns det fortfarande observationer som har höga värden i brottslighet (dock ej lika höga som de nio observationerna) vilket gör att det går att argumentera för att materialet i dataanalysen fortfarande är representativt för målpopulationen. 30

32 6. REFERENSER Aiken L S, West S G, (1991) Multiple regression: Testing and interpreting interactions. Newbury Park, CA: SAGE. Allison P D, (1998) Multiple Regression. A Primer. Thousand Oaks, CA: Pine Forge Press. Barnes G M, Hoffman J H, Welte J W, Farrel M P, Dintcheff B A, (2006) Effects of Parental Monitoring and Peer Deviance on Substance Use and Delinquency. Journal of Marriage and Family, 68, BRÅ 2013:3, (2013) Brott bland ungdomar i årskurs nio. Resultat från Skolundersökningen om brott åren Brottsförebyggande rådet, Stockholm. Caldwell R M, Beutler L E, An Ross S, Clayton Silver N, (2006) Brief report: An examination of the relationships between parental monitoring, self-esteem and delinquency among Mexican American male adolescents. Journal of Adolescence, 29, Cohen E L, Felson M, (1979) Social change and crime rate trends: a routine activity approach. American Sociological Review, 44, Eaton N R, Krueger R F, Johnson W, McGue M, Iacono W G, (2009) Parental monitoring, personality, and delinquency: Further support for a reconceptualization of monitoring. Journal of Research in Personality, 43, Felson M, (1986) Linking Criminal Choices, Routine Activities, Informal Control, and Criminal Outcomes. I: Cornish D B, Clarke R V, (Eds) Reasoning Criminal. Rational Choice Perspectives on Offending. New York, NY: Springer-Verlag New York Inc, s Fergusson D M, Lynskey M T, Horwood J L, (1996) Alcohol misuse and juvenile offending in adolescence. Addiction, 91, French M T, Maclean J C, (2006) Underage alcohol use, delinquency, and criminal activity. Health Economics, 15, Hawdon J E, (1996) Deviant Lifestyles: The Social Control of Daily Routines. Youth & Society, 28, Hirschi T, (1969) Causes of Delinquency. Berkeley, CA: University of California Press. Keijsers L, Branje S J T, VanderValk I E, Meeus W, (2010) Reciprocal Effects Between Parental Solicitation, Parental Control, Adolescent Disclosure, and Adolescent Delinquency. Journal of Research on Adolescence, 20, Kerr M, Stattin H, Burk W J, (2010) A Reinterpretation of Parental Monitoring in Longitudinal Perspective. Journal of Research on Adolescence, 20,

33 Kutner M H, Nachtsheim C J, Neter J, (2003) Applied Linear Regression Models (Fourth edition). New York, NY: McGraw-Hill Publishing Co. Mahoney J L, Stattin H, (2000) Leisure activities and adolescent antisocial behavior: The role of structure and social context. Journal of Adolescence, 23, Nash J K, Mujanovic E, Winfree Jr T L, (2011) Protective Effects of Parental Monitoring on Offending in Victimized Youth in Bosnia and Herzegovina. Child & Youth Services, 32, Nelson S M, Rubin S, (1997) Sex differences, parental attachment, and juvenile delinquency. Journal of Police and Criminal Psychology, 12, Osgood D W, Anderson A L, (2004) Unstructured socializing and rates of delinquency. Criminology, 42, Osgood D W, Wilson J K, O Malley P M, Bachman J G, Johnston L D, (1996) Routine Activities and Individual Deviant Behavior. American Sociological Review, 61, Pauwels L, Svensson R, (2011) Exploring the Relationship Between Offending and Victimization: What is the Role of Risky Lifestyles and Low Self-Control? A Test in Two Urban Samples. European Journal on Criminal Policy and Research, 17, Persson A, Kerr M, Stattin H, (2007) Staying in or Moving Away From Structured Activities: Explanations Involving Parents and Peers. Developmental Psychology, 43, Stattin H, Kerr M, (2000) Parental Monitoring: A Reinterpretation. Child development, 71, Svensson R, Oberwittler D, (2010) It s not the time they spend, it s what they do: The interaction between delinquent friends and unstructured routine activity on delinquency. Findings from two countries. Journal of Criminal Justice, 38, Svensson R, Pauwels L, (2010) Is a Risky Lifestyle Always Risky? The Interaction Between Individual Propensity and Lifestyle Risk in Adolescent Offending: A Test in Two Urban Samples. Crime & Delinquency, 56, Sweeten G, (2012) Scaling Criminal Offending. Journal of Quantitative Criminology, 28, Thaxton S, Agnew R, (2004) The nonlinear effects of parental and teacher attachment on delinquency: Disentangling strain from social control explanations. Justice Quarterly, 21, Toby J, (1957) Stakes in Conformity: Complementary Factors in the Predatory Behavior of Hoodlums. The Journal of Criminal Law, Criminology, and Police Science, 48,

34 Vazsonyi A T, Pickering L E, Belliston L M, Hessing D, Junger M, (2002) Routine Activities and Deviant Behaviors: American, Dutch, Hungarian and Swiss Youth. Journal of Quantitative Criminology, 18, Vitaro F, Brendgen M, Tremblay R E, (2000) Influence of Deviant Friends on Delinquency: Searching for Moderator Variables. Journal of Abnormal Child Psychology, 28, Wikström P-O H, Butterworth D A, (2006) Adolescent crime: Individual differences and lifestyles. Cullompton, UK: Willan Publishing. Woolridge J F, (2008) Introductory Econometrics. A Modern Approach. (International fourth edition). Michigan State University, MI: South-Western. 33

35 BILAGA A1. Enkätens frågor och svarsalternativ Bilaga A1: Enkätens frågor och svarsalternativ för de tre måtten relation till föräldrar, livsstilsrisk och brottslighet. Variabel Antal frågor Fråga Svarsalternativ Relation till föräldrar 17 Känner du att din mamma/pappa litar på dig? (Fylls i för både mamma och Pappa): Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Brukar du känna att din mamma/pappa ger dig stöd och uppmuntran? (Fylls i för både mamma och Pappa): Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Tycker du att du har en bra kontakt med din mamma/pappa? (Fylls i för både mamma och Pappa): Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Känner du att din mamma/pappa bryr sig om dig? (Fylls i för både mamma och Pappa): Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Kan du vanligtvis prata om allt (t.ex. problem) med din mamma/pappa? (Fylls i för både mamma och Pappa): Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Vet dina föräldrar vem/vilka du träffar om du är ute på kvällen? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Vet dina föräldrar var du är om du är ute på kvällen? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Vet dina föräldrar vad du gör om du är ute på kvällen? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Brukar du berätta för dina föräldrar om vilka kompisar du brukar träffa? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Brukar du berätta för dina föräldrar vad du brukar göra när du inte är hemma? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Brukar du berätta för dina föräldrar om du gjort något som du ångrar? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Brukar du berätta för dina föräldrar om hur det går för dig i skolan? Nej aldrig, Sällan, Ibland, Ofta, Ja alltid Livsstilsrisk 9 Hur många kvällar i veckan brukar du träffa dina kompisar? 0, 1, 2, 3, 4, 5, 6, 7 Hur många kvällar i veckan bruakr du ensam eller med dina kompisar åka till Halmstad centrum? 0, 1, 2, 3, 4, 5, 6, 7 Hur många dagar i veckan brukar du ensam eller med dina kompisar bara "driva" omkring, utan att göra något speciellt? 0, 1, 2, 3, 4, 5, 6, 7 Har någon av dina närmaste kompisar gjort något av följande (som du vet om)? Tagit något i en affär utan att betala? Nej ingen kompis, Ja 1 kompis, Ja 2-3 kompisar, Ja fler än 3 kompisar Gjort inbrott? Nej ingen kompis, Ja 1 kompis, Ja 2-3 kompisar, Ja fler än 3 kompisar Förstört (vandaliserat) något? Nej ingen kompis, Ja 1 kompis, Ja 2-3 kompisar, Ja fler än 3 kompisar Slagit ner någon? Nej ingen kompis, Ja 1 kompis, Ja 2-3 kompisar, Ja fler än 3 kompisar Använt hasch eller annan narkotika? Nej ingen kompis, Ja 1 kompis, Ja 2-3 kompisar, Ja fler än 3 kompisar Hur många gånger har du under det förra året (2004) varit kraftigt berusad av alkohol? Ingen gång, 1 gång, 2-3 gånger, 4-5 gånger, 6-10 gånger, Mer än 10 gånger Brottslighet 14 Hur många gånger har du under förra året (2004) 1. Snattat något från en butik? 2. Stulit något i skolan? 3. Stulit en cykel? 4. Stulit en moped eller motorcykel? 5. Stulit en bil? 6. Stulit något från en bil eller brutit dig in i en bil för att stjäla något? 7. Gjort inbrott i en bostad eller annan byggnad? 8. Har du med våld eller hot om våld tagit pengar eller andra värdesaker från någon? 9. Slagit någon så att han/hon gjort sig orderntligt illa? 10. Med avsikt skadat någon med en kniv eller annat vapen? 11. Haft en kniv med dig (som vapen) när du gått ut? 12. Förstört någonting som inte tillhörde dig själv, t.ex. krossat rutor, repat lacken på en bil? 13. Skrivit/målat s.k. "tags" med tusch eller sprayfärg någonstans? 14. Utan tillstånd gjort större graffitimålning med olika sprayfärger på t.ex. en betongvägg? (Fylls i för varje fråga): Ingen gång, 1 gång, 2-3 gånger, 4-5 gånger, 6-10 gånger, mer än 10 gånger 34

36 B1. Vid användning av annan beroende variabel Den här bilagan visar resultatet av huvudanalysen när en annan beroende variabel används (brottslighet). B1.1. När beroende variabel är logaritmtransformerad Nedan är resultat över MLR-modellerna när den beroende variabeln brottslighet är logaritmtransformerad. Tabell 9. Resultat av MLR-modeller. Modell 1 Modell 2 N = 853 b Medelfel β b Medelfel β Kön 0,329 *** 0,056 0,197 0,363 *** 0,053 0,218 Invandrarbakgrund 0,132 * 0,066 0,067 0,095 0,062 0,048 Relation till föräldrar ,027 *** 0,003-0,339 0,044 0,158 Förändring av - 0,114 *** Modell 3 Modell 4 b Medelfel β b Medelfel β Kön 0,218 *** 0,045 0,130 0,225 *** 0,045 0,135 Invandrarbakgrund 0,049 0,052 0,025 0,059 0,052 0,030 Relation till föräldrar -0,010 *** 0,002-0,122-0,008 ** 0,002-0,103 Livsstilsrisk 0,979 *** 0,051 0,554 0,988 *** 0,051 0,559 Livsstilsrisk x Relation till föräldrar ,011 * 0,005-0,065 0,412 0,415 Förändring av 0,254 *** 0,003 * *p<0,05 **p<0,01 ***p<0,001 Figur 8 & 9. Modellens residualfördelning och normal-probabilitetsdiagram. 35

37 Figur 10. Modellens residualer mot modellens skattade värden. B1.2. När beroende variabel används enligt ursprungskodning Nedan är resultat över MLR-modellerna när den beroende variabeln brottslighet använder sin ursprungliga kodning (enligt hur respondenterna har svarat från 0-5 för varje brottstyp). Tabell 10. Resultat av MLR-modeller. Modell 1 Modell 2 N = 853 b Medelfel β b Medelfel β Kön 1,967 *** 0,334 0,197 2,147 *** 0,319 0,215 Invandrarbakgrund 0,665 0,393 0,057 0,472 0,375 0,040 Relation till föräldrar ,144 *** 0,015-0,299 0,043 0,131 Förändring av - 0,088 *** Modell 3 Modell 4 b Medelfel β b Medelfel β Kön 1,413 *** 0,289 0,142 1,523 *** 0,284 0,153 Invandrarbakgrund 0,238 0,334 0,020 0,391 0,329 0,033 Relation till föräldrar -0,055 *** 0,015-0,115-0,,031 * 0,015-0,064 Livsstilsrisk 4,934 *** 0,331 0,468 5,065 *** 0,325 0,481 Livsstilsrisk x Relation till föräldrar ,163 *** 0,029-0,167 0,312 0,337 Förändring av 0,181 *** 0,025 *** *p<0,05 **p<0,01 ***p<0,001 36

38 Figur 11 & 12. Modellens residualfördelning och normal-probabilitetsdiagram. Figur 13. Modellens residualer mot modellens skattade värden. 37

39 B1.3. När beroende variabel används som en variety scale Nedan är resultat över MLR-modellerna när den beroende variabeln brottslighet kodas som en så kallad variety scale (för varje brottstyp: 1 = begått brottet, 0 = ej begått brottet. Värdena summeras till ett index). Tabell 11. Resultat av MLR-modeller. Modell 1 Modell 2 N = 853 b Medelfel β b Medelfel β Kön 0,791 *** 0,128 0,207 0,864 *** 0,122 0,226 Invandrarbakgrund 0,289 0,151 0,064 0,211 0,143 0,047 Relation till föräldrar ,058 *** 0,006-0,314 0,047 0,145 Förändring av - 0,098 *** Modell 3 Modell 4 b Medelfel β b Medelfel β Kön 0,539 *** 0,105 0,141 0,569 *** 0,104 0,149 Invandrarbakgrund 0,107 0,121 0,024 0,149 0,121 0,033 Relation till föräldrar -0,019 ** 0,005-0,102-0,012 * 0,006-0,066 Livsstilsrisk 2,184 *** 0,120 0,539 2,220 *** 0,119 0,548 Livsstilsrisk x Relation till föräldrar ,045 *** 0,010-0,119 0,385 0,398 Förändring av 0,240 *** 0,013 *** *p<0,05 **p<0,01 ***p<0,001 Figur 14 & 15. Modellens residualfördelning och normal-probabilitetsdiagram. 38

40 Figur 16. Modellens residualer mot modellens skattade värden. 39

Brott och problembeteenden bland ungdomar i årskurs nio enligt självdeklarationsundersökningar

Brott och problembeteenden bland ungdomar i årskurs nio enligt självdeklarationsundersökningar Brott och problembeteenden bland ungdomar i årskurs nio enligt självdeklarationsundersökningar 1995 8 Stockholm 12 april Jonas Ring Brottsförebyggande rådet Dagens presentation Bakgrund till undersökningen

Läs mer

RELATIONEN MELLAN UNGDOMARS DELAKTIGHET I BROTT, UTSATTHET FÖR BROTT OCH DERAS LIVSSTIL

RELATIONEN MELLAN UNGDOMARS DELAKTIGHET I BROTT, UTSATTHET FÖR BROTT OCH DERAS LIVSSTIL Hälsa och samhälle RELATIONEN MELLAN UNGDOMARS DELAKTIGHET I BROTT, UTSATTHET FÖR BROTT OCH DERAS LIVSSTIL EN SKOLUNDERSÖKNING BLAND ELEVER I NIONDE KLASS EMMA BILDTSE IDA ÖSTERGREN Examensarbete i Kriminologi

Läs mer

Sociala band och socioekonomisk bakgrund som orsak till ungdomsbrottsligheten

Sociala band och socioekonomisk bakgrund som orsak till ungdomsbrottsligheten Sociala band och socioekonomisk bakgrund som orsak till ungdomsbrottsligheten En kvantitativ studie om brottslighet bland ungdomar Moa Halvars & Fanny Karlsson Sociologiska Institutionen Kandidatuppsats

Läs mer

InStat Exempel 4 Korrelation och Regression

InStat Exempel 4 Korrelation och Regression InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och

Läs mer

Att välja statistisk metod

Att välja statistisk metod Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod.... 2 1. Undersökning av en variabel...

Läs mer

OBS! Vi har nya rutiner.

OBS! Vi har nya rutiner. KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare

Läs mer

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I

Läs mer

Varför begår ungdomar inte brott, Travis Hirschi?

Varför begår ungdomar inte brott, Travis Hirschi? Kriminologiska institutionen Varför begår ungdomar inte brott, Travis Hirschi? En kvantitativ studie om kopplingen mellan kön, socioekonomisk status, anknytning och brottsaktivitet Examensarbete för kandidatexamen

Läs mer

Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING

Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING När vi gör en regressionsanalys så bygger denna på vissa antaganden: Vi antar att vi dragit ett slumpmässigt sampel från en population

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Korrelation och regression Innehåll 1 Korrelation och regression Spridningsdiagram Då ett datamaterial består av två (eller era) variabler är man ofta intresserad av att veta om det nns ett

Läs mer

F19, (Multipel linjär regression forts) och F20, Chi-två test.

F19, (Multipel linjär regression forts) och F20, Chi-två test. Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med

Läs mer

Statistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018

Statistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018 Statistiska analysmetoder, en introduktion Fördjupad forskningsmetodik, allmän del Våren 2018 Vad är statistisk dataanalys? Analys och tolkning av kvantitativa data -> förutsätter numeriskt datamaterial

Läs mer

Laboration 2. Omprovsuppgift MÄLARDALENS HÖGSKOLA. Akademin för ekonomi, samhälle och teknik

Laboration 2. Omprovsuppgift MÄLARDALENS HÖGSKOLA. Akademin för ekonomi, samhälle och teknik MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 Hp Vårterminen 2017 Laboration 2 Omprovsuppgift Regressionsanalys, baserat på Sveriges kommuner

Läs mer

Statistiska analyser C2 Bivariat analys. Wieland Wermke

Statistiska analyser C2 Bivariat analys. Wieland Wermke + Statistiska analyser C2 Bivariat analys Wieland Wermke + Bivariat analys n Mål: Vi vill veta något om ett samband mellan två fenomen n à inom kvantitativa strategier kan man undersöka detta genom att

Läs mer

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser

Läs mer

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad

Läs mer

Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8

Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8 1 Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8 Dessa instuderingsfrågor är främst tänkta att stämma överens med innehållet i föreläsningarna,

Läs mer

Business research methods, Bryman & Bell 2007

Business research methods, Bryman & Bell 2007 Business research methods, Bryman & Bell 2007 Introduktion Kapitlet behandlar analys av kvalitativ data och analysen beskrivs som komplex då kvalitativ data ofta består av en stor mängd ostrukturerad data

Läs mer

Multipel Regressionsmodellen

Multipel Regressionsmodellen Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b

Läs mer

Repetitionsföreläsning

Repetitionsföreläsning Population / Urval / Inferens Repetitionsföreläsning Ett företag som tillverkar byxor gör ett experiment för att kontrollera kvalitén. Man väljer slumpmässigt ut 100 par som man utsätter för hård nötning

Läs mer

3.6 Generella statistiska samband och en modell med för sockerskörden begränsande variabler

3.6 Generella statistiska samband och en modell med för sockerskörden begränsande variabler 3.6 Generella statistiska samband och en modell med för sockerskörden begränsande variabler Hans Larsson, SLU och Olof Hellgren, SLU Inledning En uppgift för projektet var att identifiera ett antal påverkbara

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 3 Statistiska metoder 1 Dagens föreläsning o Samband mellan två kvantitativa variabler Matematiska samband Statistiska samband o Korrelation Svaga och starka samband När beräkna korrelation?

Läs mer

Metod och teori. Statistik för naturvetare Umeå universitet

Metod och teori. Statistik för naturvetare Umeå universitet Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån

Läs mer

EXAMINATION KVANTITATIV METOD vt-11 (110319)

EXAMINATION KVANTITATIV METOD vt-11 (110319) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110319) Examinationen består av 10 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 5. Poäng. Totalt 40. Betygsgränser: G 20 VG 30

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 5. Poäng. Totalt 40. Betygsgränser: G 20 VG 30 MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 5 Tillåtna hjälpmedel: Miniräknare (Formelsamling

Läs mer

Metod1. Intervjuer och observationer. Ex post facto, laboratorie -, fältexperiment samt fältstudier. forskningsetik

Metod1. Intervjuer och observationer. Ex post facto, laboratorie -, fältexperiment samt fältstudier. forskningsetik Metod1 Intervjuer och observationer Ex post facto, laboratorie -, fältexperiment samt fältstudier forskningsetik 1 variabelbegreppet oberoende variabel beroende variabel kontroll variabel validitet Centrala

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar

Läs mer

Statistik B Regressions- och tidsserieanalys Föreläsning 1

Statistik B Regressions- och tidsserieanalys Föreläsning 1 Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 10 e januari Ten 1, 9 hp

Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 10 e januari Ten 1, 9 hp MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 10 e januari 2017 Ten 1, 9 hp Tillåtna hjälpmedel:

Läs mer

Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi

Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi 1(6) PCA/MIH Johan Löfgren 2016-11-10 Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi 1 Inledning Sveriges kommuner och landsting (SKL) presenterar varje år statistik över elevprestationer

Läs mer

En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.

En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1. En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar

Läs mer

Statistiska Institutionen Gebrenegus Ghilagaber (docent)

Statistiska Institutionen Gebrenegus Ghilagaber (docent) Statistiska Institutionen Gebrenegus Ghilagaber (docent) Lösningsförslag till skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, VT09. Onsdagen 3 juni 2009-1 Sannolkhetslära Mobiltelefoner tillverkas

Läs mer

Regressionsanalys. - en fråga om balans. Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet

Regressionsanalys. - en fråga om balans. Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Regressionsanalys - en fråga om balans Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Innehåll: 1. Enkel reg.analys 1.1. Data 1.2. Reg.linjen 1.3. Beta (β) 1.4. Signifikansprövning 1.5. Reg.

Läs mer

EXAMINATION KVANTITATIV METOD vt-11 (110204)

EXAMINATION KVANTITATIV METOD vt-11 (110204) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

Var kommer vi ifrån - och vart är vi på väg? Om kriminologi, kriminalpolitik och polisforskning

Var kommer vi ifrån - och vart är vi på väg? Om kriminologi, kriminalpolitik och polisforskning Var kommer vi ifrån - och vart är vi på väg? Om kriminologi, kriminalpolitik och polisforskning Peter Lindström 2014 Vad är KRIMINOLOGI? Criminology is the body of knowledge regarding crime as a social

Läs mer

HÖGSKOLAN I BORÅS. FORSKNINGSMETODER I OFFENTLIG FÖRVALTNING 15 Högskolepoäng

HÖGSKOLAN I BORÅS. FORSKNINGSMETODER I OFFENTLIG FÖRVALTNING 15 Högskolepoäng HÖGSKOLAN I BORÅS FORSKNINGSMETODER I OFFENTLIG FÖRVALTNING 15 Högskolepoäng Tentamen ges för: ADM12 Namn:.. Personnummer:.. Tentamensdatum: 2014-11-07 Tid: 09:00 13:00 Hjälpmedel: Inga hjälpmedel Totalt

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad

Läs mer

Problemdrickande i familjen och ungdomars alkoholkonsumtion: modereras sambandet av villkor i skolan?

Problemdrickande i familjen och ungdomars alkoholkonsumtion: modereras sambandet av villkor i skolan? Problemdrickande i familjen och ungdomars alkoholkonsumtion: modereras sambandet av villkor i skolan? Gabriella Olsson, Sara Brolin Låftman och Bitte Modin Sonads nätverksmöte i Stockholm 17-18 september

Läs mer

Föreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3

Föreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3 Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest

Läs mer

Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller

Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller S0004M Statistik 1 Undersökningsmetodik. Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller Till denna laboration ska det angivna datamaterialet användas och bearbetas med den statistiska

Läs mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen Metod C vid Uppsala universitet, , kl Tentamen Metod C vid Uppsala universitet, 170503, kl. 08.00-12.00 Anvisningar Av rättningspraktiska skäl skall var och en av de tre huvudfrågorna besvaras på separata pappersark. Börja alltså på ett nytt

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur skriver man statistikavsnittet i en ansökan? Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 23 e mars Ten 1, 9 hp

Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 23 e mars Ten 1, 9 hp MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 23 e mars 2017 Ten 1, 9 hp Tillåtna hjälpmedel:

Läs mer

2. Finns samband mellan individbundna faktorer och kontextuella faktorer och skolresultat?

2. Finns samband mellan individbundna faktorer och kontextuella faktorer och skolresultat? 1 Teknisk bilaga till rapport 2018:10 Det är i det lokala man finner komplexiteten - Betydelsen av migrationsbakgrund och socioekonomiska faktorer för skolmisslyckanden 1 Bakgrund Denna rapport är en teknisk

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14

Tentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 16 augusti 2007 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus

Läs mer

Öppna drogscener forskning och samverkan Drogfokus 2018 Olof Bratthall och Mia-Maria Magnusson, Polisregion Stockholm

Öppna drogscener forskning och samverkan Drogfokus 2018 Olof Bratthall och Mia-Maria Magnusson, Polisregion Stockholm Öppna drogscener forskning och samverkan Drogfokus 2018 Olof Bratthall och Mia-Maria Magnusson, Polisregion Stockholm 1 Samverkan mot öppna drogscener Forskning och teori Kartläggning Stockholm 2017 Öppna

Läs mer

Stockholmsenkäten 2014

Stockholmsenkäten 2014 1 (7) Stockholmsenkäten 2014 Kommunövergripande resultat Stockholmsenkäten genomförs vartannat år och är en enkätundersökning som besvaras av ungdomar i grundskolans årskurs 9 och gymnasiets år 2 i Sundbybergs

Läs mer

Kortanalys. Alkohol- och drogpåverkan vid misshandel, hot, personrån och sexualbrott

Kortanalys. Alkohol- och drogpåverkan vid misshandel, hot, personrån och sexualbrott Kortanalys Alkohol- och drogpåverkan vid misshandel, hot, personrån och sexualbrott URN:NBN:SE:BRA-590 Brottsförebyggande rådet 2015 Författare: Johanna Olseryd Omslagsillustration: Susanne Engman Produktion:

Läs mer

Höftledsdysplasi hos dansk-svensk gårdshund

Höftledsdysplasi hos dansk-svensk gårdshund Höftledsdysplasi hos dansk-svensk gårdshund Sjö A Sjö B Förekomst av parasitdrabbad öring i olika sjöar Sjö C Jämföra medelvärden hos kopplade stickprov Tio elitlöpare springer samma sträcka i en för dem

Läs mer

Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen

Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då

Läs mer

Norra Real enhet 3 Gymnasiet åk 2

Norra Real enhet 3 Gymnasiet åk 2 Stockholmsenkäten 12 Skolrapport Elevundersökning i årskurs 9 och gymnasieskolans år 2 Stockholmsenkätens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning samt risk- och skyddsfaktorer Ge en uppfattning

Läs mer

Stockholmsenkäten 2014

Stockholmsenkäten 2014 Stockholmsenkäten 14 Elevundersökning i årskurs 9 och årskurs 2 gymnasiet Elevundersökningens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning samt risk- och skyddsfaktorer Ge en uppfattning om

Läs mer

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

Under denna laboration kommer regression i olika former att tas upp. Laborationen består av fyra större deluppgifter.

Under denna laboration kommer regression i olika former att tas upp. Laborationen består av fyra större deluppgifter. Laboration 5 Under denna laboration kommer regression i olika former att tas upp. Laborationen består av fyra större deluppgifter. Deluppgift 1: Enkel linjär regression Övning Under denna uppgift ska enkel

Läs mer

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval

Läs mer

Stockholmsenkäten 2014

Stockholmsenkäten 2014 Stockholmsenkäten 14 Temarapport Brott och utsatthet för brott Grundskolan årskurs 9 The Capital of Scandinavia Stockholmsenkätens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning samt risk- och

Läs mer

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall

Läs mer

Stockholmsenkäten 2014

Stockholmsenkäten 2014 Stockholmsenkäten 14 Temarapport Brott och utsatthet för brott Gymnasieskolan årskurs 2 The Capital of Scandinavia Stockholmsenkätens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning samt risk-

Läs mer

Studenters erfarenheter av våld en studie om sambandet mellan erfarenheter av våld under uppväxten och i den vuxna relationen

Studenters erfarenheter av våld en studie om sambandet mellan erfarenheter av våld under uppväxten och i den vuxna relationen Studenters erfarenheter av våld en studie om sambandet mellan erfarenheter av våld under uppväxten och i den vuxna relationen Silva Bolu, Roxana Espinoza, Sandra Lindqvist Handledare Christian Kullberg

Läs mer

Föreläsning 12: Linjär regression

Föreläsning 12: Linjär regression Föreläsning 12: Linjär regression Matematisk statistik Chalmers University of Technology Oktober 4, 2017 Exempel Vi vill undersöka hur ett ämnes specifika värmeskapacitet (ämnets förmåga att magasinera

Läs mer

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är

Läs mer

Kombination MD. Grupprapport 4.0 Multidimensionell

Kombination MD. Grupprapport 4.0 Multidimensionell Kombination MD Grupprapport 4.0 Multidimensionell En analys som beskriver dina drivkrafter och ditt sätt att kommunicera med och relatera till din omgivning Utskriftsdatum: 2017-11-30 Sofielundsvägen 4,

Läs mer

3.8 Känslighetsanalys av modell. Introduktion. Hans Larsson och Olof Hellgren, SLU

3.8 Känslighetsanalys av modell. Introduktion. Hans Larsson och Olof Hellgren, SLU . Känslighetsanalys av modell Hans Larsson och Olof Hellgren, SLU Introduktion I kapitel. presenteras en modell över skörd av utvinnbart socker per ha som funktion av fyra variabler ph i matjorden, sådatum,

Läs mer

1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet 1/31 REGRESSIONSANALYS F1 Linda Wänström Statistiska institutionen, Stockholms universitet 2/31 Kap 4: Introduktion till regressionsanalys. Introduktion Regressionsanalys är en statistisk teknik för att

Läs mer

KVANTITATIV FORSKNING

KVANTITATIV FORSKNING KVANTITATIV FORSKNING Teorier innehåller begrepp som byggstenar. Ofta är kvantitativa forskare intresserade av att mäta företeelser i verkligheten och att koppla denna kvantitativa information till begrepp

Läs mer

Kursens upplägg. Roller. Läs studiehandledningen!! Examinatorn - extern granskare (se särskilt dokument)

Kursens upplägg. Roller. Läs studiehandledningen!! Examinatorn - extern granskare (se särskilt dokument) Kursens upplägg v40 - inledande föreläsningar och börja skriva PM 19/12 - deadline PM till examinatorn 15/1- PM examinationer, grupp 1 18/1 - Forskningsetik, riktlinjer uppsatsarbetet 10/3 - deadline uppsats

Läs mer

Stockholmsenkäten Elevundersökning i årskurs 9 och gymnasieskolans år 2

Stockholmsenkäten Elevundersökning i årskurs 9 och gymnasieskolans år 2 Stockholmsenkäten 16 Elevundersökning i årskurs 9 och gymnasieskolans år 2 Elevundersökningens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning samt risk- och skyddsfaktorer Ge en uppfattning

Läs mer

1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell

1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning

Läs mer

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13 Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare

Läs mer

FÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik

FÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik Grundläggande statistik Påbyggnadskurs T1 Odontologisk profylaktik FÖRELÄSNINGSMATERIAL : KORRELATION OCH HYPOTESTESTNING t diff SE x 1 diff SE x x 1 x. Analytisk statistik Regression & Korrelation Oberoende

Läs mer

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION. MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på

Läs mer

Spridningsdiagram (scatterplot) Fler exempel. Korrelation (forts.) Korrelation. Enkel linjär regression. Enkel linjär regression (forts.

Spridningsdiagram (scatterplot) Fler exempel. Korrelation (forts.) Korrelation. Enkel linjär regression. Enkel linjär regression (forts. Spridningsdiagram (scatterplot) En scatterplot som visar par av observationer: reklamkostnader på -aeln and försäljning på -aeln ScatterplotofAdvertising Ependitures ()andsales () 4 Fler eempel Notera:

Läs mer

Medicinsk statistik II

Medicinsk statistik II Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning

Läs mer

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys) Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,

Läs mer

Uppgift 1. Produktmomentkorrelationskoefficienten

Uppgift 1. Produktmomentkorrelationskoefficienten Uppgift 1 Produktmomentkorrelationskoefficienten Både Vikt och Längd är variabler på kvotskalan och således kvantitativa variabler. Det innebär att vi inte har så stor nytta av korstabeller om vi vill

Läs mer

Jag tycker jag är -2. Beskrivning av instrumentet och dess användningsområde. Översikt. Vilka grupper är instrumentet gjort för?

Jag tycker jag är -2. Beskrivning av instrumentet och dess användningsområde. Översikt. Vilka grupper är instrumentet gjort för? Beskrivning av instrumentet och dess användningsområde Jag tycker jag är-2 är ett självskattningsinstrument som syftar till att bedöma barns och ungas självkänsla [1,2]. Formuläret är anpassat för att

Läs mer

Studietyper, inferens och konfidensintervall

Studietyper, inferens och konfidensintervall Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär

Läs mer

Laboration 4: Lineär regression

Laboration 4: Lineär regression LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 4: Lineär regression 1 Syfte Denna laboration handlar om regressionsanalys och

Läs mer

Statsvetenskapliga metoder, Statsvetenskap 2 Metoduppgift 4

Statsvetenskapliga metoder, Statsvetenskap 2 Metoduppgift 4 Problemformulering Högerpopulistiska partier får mer och mer inflytande och makt i Europa. I Sverige är det sverigedemokraterna som enligt opinionsundersökningar har fått ett ökat stöd bland folket. En

Läs mer

Kombination MD. Grupprapport 4.0 Multidimensionell

Kombination MD. Grupprapport 4.0 Multidimensionell Kombination MD Grupprapport 4.0 Multidimensionell En analys som beskriver dina drivkrafter och ditt sätt att kommunicera med och relatera till din omgivning Utskriftsdatum: 2018-11-01 Sofielundsvägen 4,

Läs mer

Uppgift 1. Deskripitiv statistik. Lön

Uppgift 1. Deskripitiv statistik. Lön Uppgift 1 Deskripitiv statistik Lön Variabeln Lön är en kvotvariabel, även om vi knappast kommer att uppleva några negativa värden. Det är sannolikt vår intressantaste variabel i undersökningen, och mot

Läs mer

Föreläsning 3 Kap 3.4, 3.6, 4.2. 732G71 Statistik B

Föreläsning 3 Kap 3.4, 3.6, 4.2. 732G71 Statistik B Föreläsning 3 Kap 3.4, 3.6, 4.2 732G71 Statistik B Exempel 150 slumpmässigt utvalda fastigheter till salu i USA Pris (y) Bostadsyta Tomtyta Antal rum Antal badrum 179000 3060 0.75 8 2 285000 2516 8.1 7

Läs mer

Kamrater och brott är brottsligt beteende inlärt?

Kamrater och brott är brottsligt beteende inlärt? Kriminologiska institutionen Kamrater och brott är brottsligt beteende inlärt? En kvantitativ studie av ungdomsbrott och differentiella associationer Examensarbete 15 hp Kriminologi Kriminologi III (30

Läs mer

732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet

732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet 732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris

Läs mer

Stockholmsenkäten 2012. Årskurs 9. Temarapport Brott och utsatthet för brott 2012. Elevundersökning i årskurs 9 och gymnasieskolans år 2

Stockholmsenkäten 2012. Årskurs 9. Temarapport Brott och utsatthet för brott 2012. Elevundersökning i årskurs 9 och gymnasieskolans år 2 Stockholmsenkäten 12 Temarapport Brott och utsatthet för brott 12 Årskurs 9 Elevundersökning i årskurs 9 och gymnasieskolans år 2 Stockholmsenkätens syften Kartlägga drogvanor, kriminalitet, skolk, mobbning

Läs mer

för att komma fram till resultat och slutsatser

för att komma fram till resultat och slutsatser för att komma fram till resultat och slutsatser Bearbetning & kvalitetssäkring 6:1 E. Bearbetning av materialet Analys och tolkning inleds med sortering och kodning av materialet 1) Kvalitativ hermeneutisk

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl Karlstads universitet Avdelningen för nationalekonomi och statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema

Läs mer

Föreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en

Läs mer

2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer

2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer Datorövning 2 Regressions- och tidsserieanalys Syfte 1. Lära sig skapa en korrelationsmatris 2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna mot varandra 3. Lära sig beräkna

Läs mer

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018 Kvantitativa metoder en introduktion Mikael Nygård, Åbo Akademi, vt 2018 Vad är kvantitativ metod? Kvantitativa (siffermässiga) analyser av verkligheten: beskrivning och förklaringar av fenomen i fokus!

Läs mer

Deskriptiv statistik. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Deskriptiv statistik. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Deskriptiv statistik Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Deskriptiv statistik Tabeller Figurer Sammanfattande mått Vilken

Läs mer

Statistik och epidemiologi T5

Statistik och epidemiologi T5 Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Dagens föreläsning Fördjupning av hypotesprövning Repetition av p-värde och konfidensintervall Tester för ytterligare situationer

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2 MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling

Läs mer

Sänkningen av parasitnivåerna i blodet

Sänkningen av parasitnivåerna i blodet 4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet

Läs mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts

Läs mer

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2

Tentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2 MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling

Läs mer