Predictie van recidive

Predictie van recidive Christophe DEMUNTER ([email protected])

Deze paper werd als oorspronkelijk ingediend als scriptie in het kader van een licentie in de criminologische wetenschappen aan de Faculteit Rechtsgeleerdheid van de Universiteit Gent in het academiejaar 1998-1999 (promotor van de scriptie was prof. dr. B. De Ruyver)..

- ii -

1 Inhoudsopgave

INHOUDSOPGAVE.............................................................................................................................iii

LIJST VAN FIGUREN ............................................................................................................................v

LIJST VAN TABELLEN ....................................................................................................................... vi

INLEIDING ..............................................................................................................................................1

HOOFDSTUK 1

DE METHODOLOGISCHE ACHILLESPEZEN..............................................4

1.1 RECIDIVE … EEN PROBLEMATISCH BEGRIP .......................................................................................4 1.1.1 Het wettelijk kader in België......................................................................................................4 1.1.2 Het gehanteerde meetinstrument ..............................................................................................5 1.1.3 De follow-up periode..................................................................................................................7 1.1.4 Aard van het misdrijf...............................................................................................................10 1.2 DE VERBORGEN GEGEVENS .............................................................................................................12 1.2.1 Een ijzeren gordijn van confidentialiteit .................................................................................12 1.2.2 Het gebruik van officiële databanken .......................................................................................12 1.3 VERGELIJKEN VAN VERSCHILLENDE STUDIES .................................................................................16 1.3.1 In de tijd...................................................................................................................................17 1.3.2 Over grenzen heen ...................................................................................................................18 1.3.3 Voor verschillende groepen misdadigers .................................................................................18 1.4 SLOTBEDENKING .............................................................................................................................20

- iii -

HOOFDSTUK 2

RISICOFACTOREN VOOR RECIDIVE .........................................................21

2.1 STATISCHE FACTOREN ....................................................................................................................22 2.1.1 Demografische factoren............................................................................................................22 2.1.2 Justitiële factoren .....................................................................................................................25 2.1.3 Overige ....................................................................................................................................30 2.2 DYNAMISCHE FACTOREN................................................................................................................30 2.2.1 Maatschappelijke of interpersoonlijke factoren ........................................................................32 2.2.2 Intrapersoonlijke factoren ........................................................................................................34 2.3 SLOTBESCHOUWING ........................................................................................................................36

HOOFDSTUK 3

GEÏNTEGREERDE SCHALEN EN MODELLEN..........................................38

3.1 GEÏNTEGREERDE MEETSCHALEN ....................................................................................................40 3.1.1 Actuariële schalen....................................................................................................................40 3.1.2 Schalen gebaseerd op dynamische factoren ..............................................................................47 3.2 GEAVANCEERDE PREDICTIEMODELLEN..........................................................................................52 3.2.1 Regressietechnieken .................................................................................................................52 3.2.2 Mathematische modellen .........................................................................................................60 3.3 ACCURAATHEID VAN

PREDICTIES..................................................................................................62

3.3.1 Verklarende kracht...................................................................................................................62 3.3.2 Risicobeoordeling of indivuele predicties? ...............................................................................64 3.4 BESLUIT ...........................................................................................................................................65

HOOFDSTUK 4

EMPIRISCH ONDERZOEK: RECIDIVE IN NORTH CAROLINA ..........67

4.1 INLEIDEND ......................................................................................................................................67 4.2 OVERZICHT VAN DE DATASETS.......................................................................................................68 4.3 BESPREKING ....................................................................................................................................69 4.3.1 Risicofactoren ..........................................................................................................................69 4.3.2 Tijdstip van recidive ................................................................................................................77 4.3.3 Predictiemodel op basis van discriminantanalyse ...................................................................77 4.4 BESLUIT ...........................................................................................................................................80

ALGEMEEN BESLUIT .........................................................................................................................82

LIJST VAN GERAADPLEEGDE WERKEN.....................................................................................85

- iv -

2 Lijst van figuren

Figuur 1: Cumulatief percentage recidives voor personen vrijgelaten in Malta tussen maart 1976 en november 1994 (Baumer, 1997: 614; Figure 1) ......................... 9 Figuur 2: Cumulatief percentage recidives voor personen vrijgelaten in de VS tussen 1956 en 1974 (Maltz, 1984: 89; Figure 8-1)........................................................ 10 Figuur 3: Scatterplot ernst misdrijf vs antisociaal gedrag, hypothetisch voorbeeld (Gee, 1993, Figure 1)........................................................................................................ 19 Figuur 4: Cumulatief percentage herarresties, naargelang aantal vroegere arrestaties (naar Beck en Shipley, 1989: 7; Table 12 en Figure 2). ................................................ 25 Figuur 5: Cumulatief percentage heropsluitingen, naargelang aantal vroegere veroordelingen (naar Tournier, 1982: 75-76; Tableau 2 en Figure 2). ...................... 26 Figuur 6: RRASOR scores versus recidivegraad (naar Hanson, 1997: 16; Table 6)........ 47 Figuur 7: Percentage recidives per leeftijdscategorie (niet-willekeurige categorieën). . 71 Figuur 8: Percentage recidives per leeftijdscategorie (normale categorieën). ................ 71 Figuur 9: Percentage recidives, naargelang aantal jaar opleiding. ................................... 73 Figuur 10: Percentage recidives naargelang aantal vorige gevangenisstraffen ............. 73 Figuur 11: Cumulatief percentage heropsluitingen, naar aantal vroegere arrestaties. . 74 Figuur 12: Cumulatief percentage heropsluitingen, naar aard van het vorige delict.... 75 Figuur 13: Invloed van de duur van de gevangenisstraf op de recidive......................... 75 Figuur 14: Cumulatief percentage recidives voor personen vrijgelaten in North Carolina (1979-1980)........................................................................................................ 77 Figuur 15: Aandeel recidivisten en niet-recidivisten per score op risicoschaal. ............ 80

-v-

3 Lijst van tabellen

Tabel 1: Invloed van onderregistratie op recidivecijfers................................................... 16 Tabel 2: Percentage opnieuw gearresteerd na vrijlating per periode van 3 maand vanaf het tijdstip van vrijlating, naar aantal vroegere arrestaties (Beck en Shipley, 1989: 7; Table 12). ............................................................................................. 26 Tabel 3: Slaagpercentages per risicogroep volgens de SIR-schaal (naar Service Correctionnel du Canada, 1989: 2, 4; Tableau 1 en Tableau 2). ................... 42 Tabel 4: Salient Factor Score (naar Ekland-Olson en Kelly, 1993: 130-131; Appendix A)..................................................................................................................... 44 Tabel 5: RRASOR schaal (naar Hanson, 1997: 14; Table 4)................................................ 46 Tabel 6: Beschrijving van de variabelen in de North Carolina bestanden. ..................... 69 Tabel 7: Recidive versus niet-recidive per subgroep.......................................................... 70 Tabel 8: Recidivegraad naar ras en aard van het delict. .................................................... 72 Tabel 9: Recidivegraad naar geslacht en aard van het delict. ........................................... 72 Tabel 10: Invloed van middelengebruik op recidive, naargelang aard van het vorige delict...................................................................................................................... 76 Tabel 11: Gestandaardiseerde en niet-gestandaardiseerde coëfficiënten van de discriminantfunctie. ........................................................................................................ 79

- vi -

Inleiding

Doorgaans wordt het strafrechtsysteem beschouwd als een instituut dat voor een zekere sociale controle moet zorgen.

Dit houdt enerzijds in dat het strafrecht

verondersteld is personen af te schrikken om tot crimineel gedrag over te gaan; anderzijds dient het strafrechtsysteem er voor te zorgen dat iemand, eenmaal met het gerecht in aanraking gekomen, zich van verder crimineel gedrag onthoudt. Laatstgenoemde functie, de zgn. bijzondere preventie, blijkt in praktijk echter een utopie. Uit de criminele statistieken (Nationaal Instituut voor de Statistiek, 1995) kunnen we immers afleiden dat bijna de helft van de veroordeelden al eens vroeger het interieur van een rechtbank onder ogen kreeg. Terwijl de algemeen preventieve werking van het strafrecht zich richt tot een volledige bevolking, viseert de bijzondere preventie de kleine groep delinquenten binnen diezelfde bevolking. Het feit dat slechts een kleine groep van gekende misdadigers verantwoordelijk is voor de helft van de criminaliteit, heeft de interesse gewekt voor het bestuderen van het fenomeen recidive. Wanneer men in staat is binnen de groep van delinquenten die personen of groepen te detecteren die waarschijnlijk zullen hervallen in hun crimineel gedrag, kunnen correctionele inspanningen specifiek op deze groep worden afgestemd. In een - niet zo ver - verleden stond dit laatste gelijk met opsluiting, tegenwoordig weet men al dat ‘resocialisering’ misschien beter buiten de gevangenismuren gebeurt. Het is immers beter in te spelen op de opportunities die iemand biedt dan enkel aandacht te hebben voor zijn threats en hem uit de maatschappij te plukken.

In het onderzoek naar recidive probeert men bij recidivisten kenmerken op te sporen die hen onderscheiden van niet-recidiverende delinquenten.

Wanneer dergelijke

factoren aan de oppervlakte komen, kan men trachten die in een model te gieten dat bepaalde wetmatigheden weergeeft. Een model kan in veel gevallen een duidelijke zij het sterk vereenvoudigde -

voorstelling geven voor complexe, moeilijk te

-1-

ontrafelen maatschappelijke fenomenen.

In deze verhandeling worden een aantal factoren besproken die aan recidive zijn gerelateerd, maar de nadruk ligt op de mogelijkheden om het risico dat iemand hervalt, te voorspellen.

Gewoonlijk gebeurt dit door op basis van gegevens

ingezameld bij bestaande groepen van recidivisten modellen op te stellen die nadien worden toegepast op andere personen of groepen. Mijn persoonlijke interesse voor modelleringstechnieken in een criminologische omgeving gaat alvast terug naar het ogenblik van mijn eerste kennismaking met de criminologie als wetenschap, namelijk toen ik zo’n tien jaar geleden in een handboek over differentiaalvergelijkingen een toepassing las over een model om het tijdstip van overlijden te schatten in een gerechtelijk onderzoek (Boyce en Diprima, 1986: 49-50) dit geheel terzijde natuurlijk ...

In een eerste hoofdstuk van deze scriptie wordt uitgebreid stilgestaan bij de diverse problemen waarmee men geconfronteerd wordt in een studie rond recidive. Een eerste probleem waar men op stuit, is de definiëring van het begrip ‘recidive’. Daarnaast blijkt echter ook de gegevensverzameling een teer punt te zijn. Tenslotte worden ook enkele gevaartekens geplaatst bij het veralgemenen van resultaten naar andere populaties.

De factoren die risicoverhogend kunnen zijn met betrekking tot recidive komen aan bod in hoofdstuk 2. Er wordt zowel stilgestaan bij historische factoren - criminele of maatschappelijke antecedenten - als bij factoren die vatbaar zijn voor verandering of behandeling.

In hoofdstuk 3 wordt een overzicht gegeven van schalen die deze factoren integreren in één meetinstrument dat eventueel kan worden gebruikt om het recidiverisico van toekomstige groepen te beoordelen.

In een tweede deel passeren een aantal

statistische technieken die worden gebruikt voor predictie van recidive de revue; tevens worden enkele modelleringstechnieken uit andere disciplines aangebracht die eventueel op dit onderwerp kunnen worden toegepast. Een laatste stuk bespreekt de accuraatheid en validiteit van de meetschalen en modellen waarmee men recidive wenst te voorspellen.

-2-

In een laatste hoofdstuk worden tenslotte kort enkele bevindingen uit de vorige hoofdstukken nagegaan aan de hand van een empirisch onderzoek op gegevens van personen vrijgelaten in de Amerikaanse staat North Carolina. Dit slotstuk wil niet de pretentie hebben een volledig onderzoek omtrent predictie van recidive te zijn, maar moet eerder worden gezien als een addendum bij de overige hoofdstukken.

“… he said that he’d never, never do it again and of course he won’t (not until the next time).” (Stephen Morrissey in ‘Sweet and Tender Hooligan’, 1986)

-3-

Hoofdstuk 1

1 De methodologische achillespezen

1.1 RECIDIVE … EEN PROBLEMATISCH BEGRIP Een eerste probleemstelling die zich voordoet bij een onderzoek met betrekking tot recidive, raakt de kern van de zaak, namelijk wat men nu precies onder recidive verstaat. Iedereen weet wel dat met recidivisten ‘misdadigers die hervallen’ worden bedoeld, maar over een precieze definitie lijkt helemaal geen consensus te bestaan. Er zijn in de literatuur ongeveer evenveel verschillende definities terug te vinden als er publicaties zijn over het onderwerp … Differentiërende factoren tussen de diverse definities zijn vooral de beschouwde periode, de aard van de misdrijven en het gehanteerde criterium, bvb. arrestatie of veroordeling.

1.1.1 Het wettelijk kader in België

Naar het Belgisch strafrecht is recidive of herhaling ‘de toestand waarin een persoon zich bevindt die vervolgd wordt wegens een misdrijf, nadat hij in het verleden reeds door een in kracht van gewijsde getreden vonnis was veroordeeld’ (Van Den Wyngaert, 1994: 352). Er is enkel sprake van recidive of herhaling indien de vroegere veroordeling een strafrechtelijke veroordeling betrof, door een Belgisch rechtscollege werd uitgesproken en in kracht van gewijsde is getreden op het moment van het

-4-

nieuwe misdrijf (Van Den Wyngaert, 1994: 353). Recidive of herhaling zal in bepaalde door de wet omschreven gevallen leiden tot een mogelijke strafverzwaring (cf. art.54 t/m 57 Sw.). In België geldt doorgaans de algemene recidive, d.w.z. dat niet is vereist dat het oude en het nieuwe misdrijf identiek (of gelijkaardig) zijn, dit in tegenstelling tot de bijzondere recidive (Van Den Wyngaert, 1994: 354). Niet alleen de aard van het misdrijf bepaalt of er al dan niet sprake is van recidive, ook het tijdsaspect speelt mee: de herhaling kan bestendig of tijdelijk zijn (Van Den Wyngaert, 1994: 354-355).

Zo zal een wanbedrijf of misdaad na een vroegere

veroordeling voor een misdaad steeds voor een herhaling (i.e. bestendige staat van herhaling) zorgen (cf. art.54 Sw. en art.56 al.1 Sw.); een herhaling van wanbedrijf na wanbedrijf (cf. art.56 al.2 Sw.) of van overtreding na overtreding (cf. art.565 Sw.) betreft slechts een tijdelijke staat van herhaling, voor de laatste categorie geldt daarenboven nog dat het om eenzelfde overtreding moet gaan, dus tijdelijke én bijzondere herhaling.

Een zekere discrepantie tussen wet en onderzoek blijkt al meteen uit de methodologische nota’s bij de criminele statistiek van België (Nationaal Instituut voor de Statistiek, 1995). Voor het vaststellen van de graad van recidive wordt immers rekening gehouden met elke vroeger opgelopen veroordeling, ongeacht de aard of de ernst van het achterliggende misdrijf (N.I.S., 1995: 11). Recidivisten worden in de statistieken als specialisten gecatalogeerd ‘indien de meeste misdrijven waaraan zij zich hebben schuldig gemaakt in de loop hunner criminele loopbaan, tot dezelfde groep1 als het laatst gepleegde misdrijf behoort’ (N.I.S., 1995: 91; eigen voetnoot).

1.1.2 Het gehanteerde meetinstrument

In de literatuur vinden we twee invalshoeken betreffende de te gebruiken afhankelijke variabele in een onderzoek naar recidive. De meeste auteurs maken gebruik van een dichotome variabele, namelijk of een individu al dan niet hervalt tijdens een bepaalde periode na zijn vrijlating. In een aantal onderzoeken wordt daarnaast echter een veel rijkere variabele

1

De uit 45 misdrijven bestaande nomenclatuur wordt hiervoor in 9 generische groepen ingedeeld.

-5-

gehanteerd: het tijdsinterval tussen vrijlating en recidive. Schmidt en Witte (1988: 8) halen twee argumenten aan ten voordele van deze invalshoek. Ten eerste geeft het tijdstip van recidive interessante informatie die we niet zomaar naast ons neerleggen, ten tweede verstrekt het schatten van de distributie van het tijdsinterval vooraleer wordt gerecidiveerd een mogelijkheid om predicties te maken van de recidivegraad voor gelijk welke periode na de vrijlating.

Het tijdstip van recidive heeft nog een andere inhoud, namelijk op welk moment van de strafrechtspleging zullen we van recidive spreken? Bij het plegen van een nieuw misdrijf?

Bij een nieuw contact met de politie?

Bij een arrestatie?

Bij een

veroordeling? Of bij een terugkeer naar de gevangenis? Het spreekt voor zich dat de keuze voor een bepaald criterium een belangrijke weerslag heeft op de recidivegraad. Beck en Shipley (1989: 3) vonden dat binnen een periode van drie jaar na hun vrijlating 62,5% opnieuw was gearresteerd, 46,8% opnieuw was veroordeeld en 41,4% opnieuw was opgesloten2; indien we kijken naar de nieuwe arrestaties bekomen we in dit geval een recidivegraad die ruim de helft hoger ligt dan wanneer we zouden kijken naar de heropsluitingen.

Het ontbreken van volledige criminaliteitscijfers (cf. infra) weerhoudt ons er alvast van om het meest accurate criterium ‘het plegen van een nieuw misdrijf’ te gebruiken. Maltz (1984: 56) geeft de voorkeur aan arrestatie als criterium. Een eerste bedenking die hij hierbij aanhaalt, is of we moeten kijken naar arrestaties tout court of rekening moeten houden met wat na de arrestatie gebeurt, namelijk of na de arrestatie een vervolging wordt ingesteld en of de persoon wordt veroordeeld of opgesloten. Geen rekening houden met wat na de arrestatie gebeurt, zal resulteren in heel wat Type Ifouten, namelijk ten onrechte gearresteerde onschuldigen.

Anderzijds treden ook

Type II-fouten op, het komt immers voor dat personen schuldig aan een misdrijf om allerlei redenen niet worden veroordeeld of gearresteerd, bvb. door bemiddeling in strafzaken, door een minnelijke schikking of voor spijtoptanten (Nouwens, Motiuk en Boe, 1993; Beck en Shipley, 1989). Maltz (1984: 57) merkt in verband met de foutieve arrestaties nog op dat deze kunnen worden veroorzaakt doordat de politiediensten in

2

De bevindingen van Beck en Shipley zijn gebaseerd op een steekproef van meer dan 16000 vrijgelatenen uit de 108580 personen die in 1983 in 11 staten van de VS uit de gevangenis werden ontslagen.

-6-

de eerste plaats de bestaande computerbestanden van (ex-)delinquenten checken zodat deze groep sowieso een grotere kans heeft gearresteerd te worden.

De ‘ruwe’ arrestaties kunnen als criterium voor recidive worden verfijnd door het begrip uit te breiden tot ‘arrestatie én vervolging’ of ‘arrestatie én veroordeling’ (Maltz, 1984: 65).

Zo worden inderdaad vele valse arrestaties uit de bestanden

gemeden, maar anderzijds geldt dan weer dat de hierboven vermelde alternatieve vormen van strafafhandeling een onderregistratie van de recidive teweegbrengen. Een bijkomende overweging van praktische aard is dat het niet makkelijk is om de verdere strafrechtspleging na de arrestatie na te gaan (Maltz, 1984: 60). Een vergelijking van een negentigtal studies leerde Maltz (1984: 63, Tabel 6-1) dat ‘terugkeer naar de gevangenis’ veruit het meest gebruikte criterium is. Het spreekt voor zich dat het criterium dat voor een bepaald onderzoek wordt gebruikt niet losstaat van de bedoeling van het onderzoek. Indien men recidive wil onderzoeken met het oog op het voorspellen van de toekomstige gevangenispopulatie, dan spreekt het voor zich dat hier het criterium ‘terugkeer naar de gevangenis’ is aangewezen (Maltz 1984, Schmidt en Witte, 1988).

1.1.3 De follow-up periode

Naast het definiëren van het moment in de rechtspleging waarop we van recidive zullen spreken, is tevens de periode gedurende dewelke de persoon of groep wordt opgevolgd een belangrijke parameter. Zoals we hierboven reeds zagen, wordt in België wettelijk een onderscheid gemaakt tussen tijdelijke en bestendige herhaling, naargelang de ernst van de misdrijven. In wetenschappelijke studies wordt meestal de tijdelijke herhaling gehanteerd, dit om de eenvoudige reden dat men er de voorkeur aan geeft recente gegevens te gebruiken, wat impliceert dat de follow-up periode na vrijlating eerder beperkt zal zijn. Alleen wanneer een persoon sterft, kan men er zeker van zijn dat hij geen nieuwe misdrijven meer zal plegen, maar het is doorgaans praktisch en budgettair niet efficiënt of onmogelijk om een persoon gedurende zijn ganse levensloop te volgen (Nouwens, Motiuk, Boe, 1993: 22).

Maltz (1984: 71) stelt dat de lengte van de follow-up periode in veel gevallen meer te maken heeft met de tijd waarvoor budgetten toegezegd zijn dan met puur

-7-

onderzoeksgeoriënteerde redenen; indien een evaluatieproject van een bepaald programma voor één jaar wordt gefinancieerd, dan zullen de deelnemers aan het programma maximaal één jaar worden gevolgd. Zoals voor het recidivecriterium het geval was, zal ook de follow-up periode soms direct bepaald zijn door het onderzoek zelf. Wanneer een reïntegratieprogramma of een probatiemaatregel het onderwerp van onderzoek uitmaken, dan zal de follow-up periode veelal beperkt worden tot de duur van het programma of de probatieperiode (Sims en Jones, 1997; Covent en Snacken, 1992).

Een periode tussen één en drie jaar lijkt in de literatuur frequent gebruikt (Maltz, 1984; Service Correctional du Canada, 1989; Beck en Shipley, 1983). Bij studies die specifiek zijn gewijd aan langetermijnrecidive worden vanzelfsprekend veel langere follow-up periodes genomen.

Nouwens, Motiuk en Boe (1993) hanteren een minimum van

zeven jaar. In zijn onderzoek naar sexuele recidive citeert Hanson (1997) onderzoeken met een opvolgingsperiode van meer dan twintig jaar. Maltz (1984: 22; voetnoot) haalt een aanbeveling aan van de Amerikaanse National Advisory Commission on Criminal Justice Standards and Goals om een follow-up periode van 3 jaar te nemen omdat de studies die delinquenten langer dan drie jaar volgden aantoonden dat de meeste recidive optreedt gedurende de eerste drie jaar na de vrijlating3. Ook de Correctional Service Canada (1993b: 1) wijst erop dat schattingen hebben aangetoond dat een follow-up periode van 3 jaar 90% van diegenen die uiteindelijk hervallen zou omvatten.

Belcourt, Nouwens en Lefebvre (1993) vonden in hun onderzoek naar recidive bij vrouwen dat ongeveer 41% van de recidivistes binnen het jaar terugkeerde naar de gevangenis, waarvan ruim eenderde zelfs binnen de eerste zes maanden na hun vrijlating; na twee jaar was reeds 63,6% teruggekeerd, na drie jaar bijna drievierde. Slechts 14,2% van de recidivistes keerden pas na meer dan vijf jaar terug naar de gevangenis. In zijn studie rond recidive op Malta vond Baumer (1997) dat van de 42% die vroeg of laat naar de gevangenis terugkeerde, 28,6% binnen het jaar, een kleine 60% binnen de drie jaar en meer dan drievierde binnen de zes jaar terug opgesloten was (de gegevens

3

Maltz verwijst naar “National Advisory Commission on Criminal Justice Standards and Goals (1973). Corrections. Washington, D.C.: U.S. Government Printing Office”.

-8-

voor recidivisten én niet-recidivisten zijn afgebeeld in Figuur 1). Niet alle recidivisten worden opnieuw tot een gevangenisstraf veroordeeld, vandaar dat Baumer ook keek naar de nieuwe veroordelingen: van de 52% die opnieuw werd veroordeeld was dit voor een kleine 30% reeds na één jaar het geval, voor 58% binnen de drie jaar en voor 81% binnen de zes jaar.

Van de personen die worden

herveroordeeld gebeurt dit voor minder dan eenvijfde meer dan zes jaar na hun vrijlating.

Figuur 1: Cumulatief percentage recidives voor personen vrijgelaten in Malta tussen maart 1976 en november 1994 (Baumer, 1997: 614; Figure 1)

Tournier (1982) bestudeerde de recidive van een cohorte gevangenen veroordeeld tot een gevangenisstraf van ten minste 3 jaar, die in 1973 werden vrijgelaten. Na een follow-up periode van 8 jaar bleek 42,9% terug te zijn veroordeeld tot een gevangenisstraf, voor bijna de helft (20,5% van het totaal) was dit reeds na één jaar het geval, na drie jaar was reeds 82,5 van de uiteindelijke recidivisten teruggekeerd naar de gevangenis (Tournier, 1982: 71; Tableau 1.2). Maltz (1984: 88-89) verwijst naar een Amerikaanse studie4 die een duizendtal personen vrijgelaten tussen 1956 en 1962 volgde tot 1974; iets meer dan de helft recidiveerde binnen de vijf jaar, daarna klom het cumulatief percentage recidivisten tot 60% na tien jaar en tot ongeveer 63% na 18 jaar (zie Figuur 2).

4

KITCHENER, H., SCHMIDT, A. K. & GLASER, D. (1977). How Persistent Is Post-Prison Success? Federal Probation, 41, 9-15.

-9-

Figuur 2: Cumulatief percentage recidives voor personen vrijgelaten in de VS tussen 1956 en 1974 (Maltz, 1984: 89; Figure 8-1)

Uit Figuren 1 en 2 blijkt dat het verband tussen het cumulatief percentage recidives en de tijd na vrijlating een logaritmisch verloop kent. Na een zekere tijd neemt het aantal bijkomende recidives dus slechts zeer traag meer toe zodat de frequent gebruikte follow-up periode van 3 jaar een aanvaardbare trade-off lijkt te zijn tussen accuraatheid en volledigheid enerzijds en kostenefficiëntie en actualiteit of relevantie van de resultaten anderzijds.

1.1.4 Aard van het misdrijf

Eerder werd reeds het onderscheid in de wet tussen algemene en bijzondere recidive besproken, voor het definiëren van recidive is ook deze nuance van doorslaggevend belang.

Hoe ‘breed’ we het begrip zien, of met andere woorden welke nieuwe

misdrijven we als recidive zullen beschouwen, zal immers een enorm belangrijke invloed hebben op de bekomen recidivecijfers. Covent en Snacken (1992: 6) schrijven dat er vaak een onderscheid wordt gemaakt tussen ‘algemene recidive (elke nieuwe veroordeling of elk nieuw feit), speciale recidive (zelfde misdrijfsoort; bv. vermogensdelict) en specifieke recidive (zelfde misdrijf, bv. gewone diefstal)’. In een onderzoek naar sexuele recidive maakt Greenberg (1998: 1) het spectrum nog iets breder. Een zeer algemene definitie is ‘een tendens tot hervallen in een vroegere

- 10 -

conditie of vroeger gedrag’; in een tweede definitie stelt hij het iets duidelijker afgelijnd, namelijk ‘het begaan van hetzelfde type sexuele daad, of iets breder eender welk sexueel misdrijf’.

Als derde mogelijke omschrijving gebruikt hij ‘sexueel

delinquenten met een verleden van fysiek geweld en sexuele misdrijven die een nieuw fysiek, aggressief - maar niet sexueel - misdrijf plegen’. In een vierde definitie omvat recidive

‘alle

misdrijven,

vermogensdelicten’.

inbegrepen

niet-gewelddadige

misdrijven

zoals

Deze laatste omschrijving kan worden uitgebreid met het

overtreden van probatievoorwaarden.

Beck en Shipley (1989: 6; Table 9) kwamen tot de bevinding dat de speciale recidive onder degenen die hadden vastgezeten voor een gewelddadig misdrijf 30,4% bedroeg, voor vermogensdelicten was dit 49,8%. Binnen de eerste groep lag de specifieke recidive het hoogst voor roof (‘robbery’) en aanranding (‘assault’), respectievelijk 19,6% en 21,9%, in de categorie vermogensdelicten voor inbraak (‘burglary’) en diefstal (‘larceny/theft’), respectievelijk 31,9% en 33,5%. De kans om gearresteerd te worden voor verkrachting bleek voor personen die reeds hadden vastgezeten voor verkrachting 10,5 hoger dan voor niet-verkrachters (Beck en Shipley, 1989: 6; Table 10).

De meeste onderzoeken gebruiken de algemene recidive als maatstaf, maar voor het bestuderen van bepaalde categorieën misdadigers, bvb. sexuele delinquenten, wordt wel eens speciale of specifieke recidive als uitgangspunt genomen. Ook wanneer men de effecten van een bepaalde behandeling of van een gevolgd programma wil meten, wordt de recidive soms duidelijker afgelijnd omdat men precies wil zien of de behandeling het hervallen in een bepaald misdrijf heeft kunnen beletten. Wanneer een verkrachter een anti-androgeenbehandeling ondergaan heeft, zal men in de eerste plaats geinteresseerd zijn in zijn eventuele sexuele recidive.

Algemene recidive als maatstaf zal algemenere resultaten opleveren, maar is niet bruikbaar wanneer men voor een bepaalde groep voorspellingen wil doen. Bij het vergelijken van verschillende cijfers kunnen we best de gebruikte noties goed in het achterhoofd houden.

- 11 -

1.2 DE VERBORGEN GEGEVENS Een duidelijke omschrijving kan het definitieprobleem voor een bepaald onderzoek wegwerken, maar een veel crucialere beperking bij een onderzoek naar recidive is de relevantie van de gebruikte gegevens.

1.2.1 Een ijzeren gordijn van confidentialiteit

De geladenheid en confidentialiteit van de gegevens zelf, legt zware beperkingen op aan de gegevensinzameling: daderschap of recidive zijn immers niet meteen onderwerpen waarover je iemand in de straat of aan de telefoon ondervraagt en mocht een enquêteur al het lef hebben om dit te doen, dan zou de kwaliteit van de antwoorden ongetwijfeld van een wel zeer bedenkelijk niveau zijn. Ook self-report studies kunnen tot op heden geen soelaas bieden daar deze meestal te kleinschalig zijn en geen longitudinaal karakter hebben. De enige oplossing die overblijft, is toevlucht nemen tot databanken van officiële instanties.

1.2.2 Het gebruik van officiële databanken

Een eerste probleem waarmee men wordt geconfronteerd bij het gebruik van overheidsbestanden, is de grote terughoudendheid van de instanties die de databanken beheren om deze terbeschikking te stellen voor onderzoek; meestal beroepen zij zich op de bescherming van de persoonlijke levenssfeer, zelfs bij een aanvraag voor geanonimiseerde gegevens. Niet enkel de toegankelijkheid van officiële bestanden vormt een belemmering, maar ook de beschikbaarheid van dergelijke bestanden kan zeer te wensen overlaten. Zoals het bestaan van bevolkings- of sociale zekerheidsregisters sterk verschilt van land tot land, of zelfs tussen de regio’s of deelstaten binnen een land, is het voorhanden zijn van gegevens over de strafrechtspleging evenmin een evidentie. De wereldwijde en doorgedreven automatisering brengt hier gelukkig alleen maar verbetering in.

Een illustratie van de omstandigheden waarin men in het Frankrijk van de eerste helft

- 12 -

van de vorige eeuw trachtte een adequaat strafregister aan te leggen, werd neergeschreven door Bonneville (1841), destijds Procureur des Konings en door Schnapper (1982: 33) bestempeld als ‘de eerste specialist inzake recidive’. In zijn werk dat een pleidooi is voor een betere registratie van wetsovertreders en hun misdrijven om zo de ‘recidive als verzwarende omstandigheid 5’ effectief te kunnen toepassen, stelt hij enkele wetswijzigingen voor teneinde een accurate registratie mogelijk te maken. De Code d’instruction criminelle6 van 1808 voorzag in een systeem van dubbele registratie van alle arresten en vonnissen, de griffiers dienden van elke correctioneel veroordeelde de naam, de voornamen, het beroep, de leeftijd en de verblijfplaats bij te houden. Bovendien diende driemaandelijks een kopie van de registers te worden overgemaakt aan de Minister van Justitie en aan de Minister de la police générale (later de Minister van Binnenlandse Zaken), die er op hun beurt voor zorgden dat op basis van deze kopies in Parijs een algemeen register werd opgesteld (Bonneville, 1841: 4243). Dit systeem bleek niet alleen enorm complex om te consulteren (Bonneville, 1841: 48-51), maar bovendien zorgde de groeiende mobiliteit voor een veel vervelender probleem: de crimineel vestigde zich in een andere streek en liet een nieuw, ‘onbevlekt’ paspoort afleveren (Bonneville, 1841: 57-60) of gaf zich uit voor iemand anders uit zijn streek zodat zelfs een verificatie bij de autoriteiten van zijn geboorteplaats het bedrog niet aan het licht kon brengen (Bonneville, 1841: 107-109). Vandaar dat Bonneville ervoor pleitte tevens de geboorteplaats en een signalement van de betrokkene op te nemen om dergelijke fraudes te verhinderen (Bonneville, 1841: 106 en 129).

Deze ambitieuze voorstellen zouden moeten leiden naar een

volledige statistiek van alle veroordeelden, een eenvoudige, vlugge, adequate en kostenefficiënte manier om alle gerechtelijke antecedenten van een beschuldigde te kennen en een correcte jaarlijkse tabel betreffende de recidives (Bonneville, 1841: 139). Hiermee

hoopt

Bonneville

een

fine-tuning

van

het

repressiesysteem

te

bewerkstellingen en ‘[…] qu’au moyen de ces peines alors mieux proportionées et plus efficacement subies, l’on aurait plus de condamnés corrigés, et, par suite, MOINS DE RÉCIDIVES?…’

(Bonneville, 1841: 140; cursivering en bloklettering in oorspronkelijke

tekst).

5

6

Bonneville (1841: 26) maakt een onderscheid tussen twee soorten verzwarende omstandigheden: de consideratio facti, of omstandigheden met betrekking tot het gepleegde feit, en de consideratio personae, of persoonsgebonden omstandigheden, waaronder de strafrechtelijke antecedenten. Meer bepaald Art. 600, 601 en 602 (Bonneville, 1841: 42).

- 13 -

Aan het einde van de 20ste eeuw is de situatie duidelijk beter, maar toch betekent de aanwezigheid van een volledig en onderhouden strafregister nog niet het einde van de miserie. De meest primaire tekortkoming van deze officiële bronnen is de dekking: enkel geregistreerde misdrijven of veroordelingen komen in de officiële databanken terecht. De bedoeling van een onderzoek is meestal de bekomen resultaten te kunnen generaliseren naar een volledige populatie; officiële bronnen in verband met strafrechtsgegevens maken dergelijke extrapolaties naar de volledige populatie zeer wankel, aangezien de geregistreerde misdrijven allesbehalve een toevalssteekproef uit het totaal aan gepleegde misdrijven vormen.

Het ontbreken van een compleet

steekproefkader waaruit eenheden kunnen worden geselecteerd, is voor vele disciplines een groot praktisch probleem (Cochran, 1977: 6), maar voor onderzoek rond misdrijven zal dit des te kritischer zijn gezien de ontbrekende misdrijven op zijn minst één kenmerk gemeen hebben, nl. hun niet-registratie. Maltz (1984: 34-40) geeft een mooi voorbeeld van hoe arrestaties als onzuivere substeekproef van misdrijven tot een verkeerde conclusie kunnen leiden 7: stel dat iemand

een

bepaald

gemiddeld

niveau

van

overtredingen

heeft,

bvb.

snelheidsovertredingen, en dat hij gemiddeld twee keer per jaar wordt betrapt. In een bepaald jaar wordt hij echter vier keer betrapt, niet omdat zijn gedrag is veranderd, maar gewoon omdat hij ‘pech’ had, dus simpelweg door een gewone statistische schommeling rond het gemiddelde van twee processen-verbaal per jaar. De persoon wordt verplicht een cursus te volgen, en wat blijkt: het volgende jaar wordt hij slechts twee keer bekeurd … natuurlijk geen halvering van zijn aantal overtredingen als gevolg van de cursus (zoals men onterecht zou kunnen beweren), maar gewoon een terugkeer naar het normale aantal bekeuringen. Een determinerende factor die bepaalt of een misdrijf al dan niet wordt opgemerkt of opgehelderd is de pakkans. Het spreekt voor zich dat de pakkans sterk varieert van misdrijf tot misdrijf, wat al tot een eerste scheeftrekking in de officiële gegevens leidt. De pakkans is niet enkel gerelateerd aan de aard van het misdrijf, maar is evenzeer afhankelijk van de delinquent zelf. Belangrijk voor de studie van recidive zijn de ‘leereffecten’ in een criminele carrière: indien ook voor dit ‘beroep’ leereffecten

7

Maltz (1984: 34) verwijst hierbij naar een artikel waarin wordt beschreven waardoor deze scheeftrekking ontstaat: BLUMSTEIN, A. & LARSON, R. C. (1971). Problems in Modeling and Measuring Recidivism. Journal of Research in Crime and Delinquency, 8, p. 124-132.

- 14 -

optreden, betekent dit dat de pakkans van eenzelfde persoon (eventueel voor eenzelfde misdrijf) afneemt met de tijd. De ophelderingsgraad - en dus het al dan niet geregistreerd worden - wordt tevens direct beïnvloed door de werking van het politieapparaat. Het hoeft geen betoog dat de efficiëntie van het politieapparaat sterk kan verschillen in de tijd en in de ruimte, met als gevolg cijfers die niet zonder meer vergelijkbaar zijn over de jaren of over de grenzen heen. Tenslotte kan het ook gebeuren dat een misdadiger in een ander land hervalt en dus wettelijk niet als recidivist zal worden beschouwd (cf. supra, §1.1.1). Beck en Shipley (1989) bestudeerden de recidive van vrijgelatenen in elf staten van de VS en vonden een recidivegraad van 62,5%. Was enkel de staat waar een individu werd vrijgelaten in aanmerking genomen, dan zou men een lagere recidivegraad, nl. 57,0%, hebben bekomen, bovendien bleek meer dan eenvierde van de onderzochte personen in het verleden in meer dan één staat gearresteerd te zijn (Beck en Shipley, 1989: 4). De Amerikaanse bevolking kent weliswaar een zeer hoge mobiliteit zodat dit effect in een land als België wellicht veel minder belangrijk is.

De implicaties van deze onvolledige registratie leggen in het bijzonder een zware hypotheek op het onderzoek naar recidive: de nefaste invloed van de onderregistratie van misdrijven op registratie van recidive verloopt immers exponentieel. Stel dat de kans dat men voor een gepleegd misdrijf gearresteerd wordt, gelijk is aan 0,5 (1/2) een zeer optimistische veronderstelling -, dan is de kans dat men in geval van herhaling twee keer wordt gearresteerd gelijk aan 0,5 x 0,5 of 0,25 (1/2²); de kans dat men na een tweede herhaling in totaal drie keer wordt gearresteerd, is slechts 0,125 (1/2³) of één op acht. In Tabel 1 zien we dat een persoon slechts als recidivist wordt herkend indien beide misdrijven aan het licht komen, een zware handicap bij recidive-onderzoek. Vele studies rond recidive zijn gebaseerd op een vergelijking tussen twee groepen: een groep die na de vrijlating recidiveerde en een groep die niet recidiveerde, een betere omschrijving voor laatstgenoemde groep zou ‘waarvan geen recidive kon worden vastgesteld’ zijn.

- 15 -

2de misdrijf geregistreerd

2de misdrijf niet geregistreerd

1ste misdrijf geregistreerd

geregistreerde recidive

niet-geregistreerde recidive

1ste misdrijf niet geregistreerd

niet-geregistreerde recidive

niet-geregistreerde recidive

Tabel 1: Invloed van onderregistratie op recidivecijfers.

Ondanks deze tekortkomingen op het vlak van registratie, zijn de beschikbare cijfers zeker niet waardeloos. Onderzoek is in veel gevallen afgestemd op een studie van een bepaalde deelgroep van de bevolking, in het geval van recidive-onderzoek is deze deelverzameling meestal een groep veroordeelden en/of vrijgelatenen waarvan gedurende een bepaalde periode het al dan niet hervallen wordt geëvalueerd. Gezien het hier personen betreft wiens misdrijf effectief werd opgehelderd en die dus met het justitieel apparaat in contact kwamen, kunnen de officiële gegevens - die een afspiegeling zijn van de geregistreerde criminaliteit - wel degelijk een referentiepunt vormen voor deze specifieke categorie personen. Algemene wetmatigheden bekomen door de studie van het post-detentie gedrag van (ex-)gevangen of voorwaardelijk in vrijheid gestelden of het gedrag van probanten tijdens of na de periode tijdens dewelke hun probatievoorwaarden van toepassing zijn, kunnen zo zinvol worden geprojecteerd op een nieuwe groep gevangen of probanten. Op die manier kan iets worden gezegd over hun te verwachten toekomstig gedrag, of over hun ‘slaagkansen’ rekening houdend met hun specifieke achtergronden en karakteristieken.

1.3 VERGELIJKEN VAN VERSCHILLENDE STUDIES Om een zinvolle vergelijking te maken tussen verschillende studies, is een equivalentie van de statistische eenheden van primordiaal belang. De voornaamste knelpunten bij het vergelijken van diverse recidivecijfers situeren zich rond de factoren tijd, plaats, populatie, gehanteerde definitie en lengte van de follow-up periode. De laatste twee punten kwamen reeds aan bod in respectievelijk paragrafen 1.1.2 en 1.1.3, de overige worden hierna behandeld.

- 16 -

1.3.1 In de tijd

Het hoeft ongetwijfeld geen betoog dat criminaliteit geen statisch gegeven is. In de tijd varieert de criminaliteit niet alleen in absolute termen, ook de samenstelling zal wijzigen. Wanneer een bepaald misdrijf door de jaren heen aan ‘populariteit’ wint, bvb. door gewijzigde waarden of ten gevolge van een economische crisis, dan is het logisch dat ook de recidive voor dit type misdrijf de hoogte in zal gaan. Ook een gewijzigd strafrechtelijk beleid of penitentiair systeem kan schommelingen in de recidivecijfers veroorzaken. Enerzijds probeert elk kabinet zijn eigen accenten te leggen, zo zullen bepaalde misdrijven harder worden aangepakt terwijl andere feiten worden

gedoogd.

Anderzijds

vormen

justitiële

gegevens

niet

altijd

een

weerspiegeling van de werkelijke criminaliteit - abstractie gemaakt van de onderregistratie -, maar zullen ze deels het gevoerde beleid weerspiegelen. Een voor de hand liggend voorbeeld hiervan is invloed van een explosie van de gevangenisbevolking op het aantal sepots.

Baumer (1997: 618) stelt dat het significant verschil in recidive onder gevangen die werden vrijgelatenen uit de Maltese gevangenis in de periode 1976-1988 en deze vrijgelaten in de periode 1989-1994 mogelijks toe te schrijven is aan het verschillend regime in de gevangenis.

In de periode met de iets lagere recidive werd de

gevangenis vooral bestuurd door militair personeel en heerste een strikte discipline, in de tweede periode werd de gevangenis gekenmerkt door vele bestuurswissels en omschreven als ‘gedesorganiseerd’ en ‘disciplineloos’. Schmidt en Witte (1988) bouwden hun predictiemodellen op basis van twee reeksen gegevens uit 1978 en 1980. De recidivegraad in de tweede periode bleek lager te zijn, maar dit resultaat was toe te schrijven aan het feit dat de follow-up periode twee jaar korter was. Immers, standaardisatie van de follow-up periode leverde een hogere recidivegraad op in de tweede periode. Bij nader inzien bleek echter dat deze stijging verklaard kon worden door een verandering in de karakteristieken van de gevangenispopulatie (Schmidt en Witte, 1988: 33). Op deze manier kan een constante recidivegraad voor de verschillende subpopulaties toch een stijging voor de totale populatie voortbrengen, bvb. omdat bepaalde hoogrecidiverende groepen een groter aandeel gaan vormen in de gevangenisbevolking.

- 17 -

1.3.2 Over grenzen heen

In de vorige paragraaf werd gewezen op de invloed van wijzigingen in strafrechtelijk beleid of penitentiair systeem op de recidivecijfers voor verschillende periodes. Dergelijke verschillen in het strafrechtelijk kader zullen evenzeer meespelen naargelang het geografisch gebied waarop men zich focust.

Daar onderzoek naar recidive meestal gebeurt in Westerse landen met een hoge industrialisatiegraad zoals de VS, Groot-Brittanië, Canada of Australië, stelde Baumer (1997) zich de vraag of de resultaten typisch zijn voor dit soort landen of of ze daarentegen recidivepatronen beschrijven voor veel meer sociale en culturele settings. Baumer (1997: 619) omschrijft Malta als een ‘zeer geïntegreerde samenleving met een sterk samenhorigheidsgevoel en een sterke verbondenheid met de familie en met de rooms-katholieke waarden’. In overeenstemming met theorieën ter verklaring van afwijkend gedrag, bvb. Hirschis sociale controletheorië, heeft dit een relatief laag niveau van misdaad en opsluiting tot gevolg. Vreemd genoeg kunnen deze conclusies niet worden doorgetrokken naar de recidivegraad: deze blijkt niet substantieel te divergeren van de recidivegraad die wordt waargenomen in landen die sociaal en cultureel sterk verschillen van Malta.

Als mogelijke verklaring vermeldt Baumer

(1997: 619-621) ten eerste het relatief onderontwikkeld penitentiair systeem, wat een negatief effect zou kunnen hebben gehad op de recidive. Ten tweede stelt hij dat ‘een hoog niveau van integratie en van sociale controle misschien een invloed heeft op het feit of men al dan niet met crimineel gedrag aanvangt, maar geen invloed heeft op het voortzetten van dit gedrag eens begonnen’. Een derde mogelijkheid die de auteur aanhaalt is dat ‘het antwoord van de maatschappij te zeer bestaat in een labelling van diegene die de normen heeft overtreden, zodat deze laatste zich aangetrokken zal voelen tot subculturele groepen waar andere normen heersen’ (cf. Sutherlands differentiële associatietheorië). Dit artikel brengt duidelijk enkele factoren aan de oppervlakte die het vergelijken van studies die betrekking hebben op verschillende geografische gebieden danig in de war kunnen sturen.

1.3.3 Voor verschillende groepen misdadigers

Vele recidive-onderzoeken spitsen zich toe op één bepaalde groep misdadigers - bvb.

- 18 -

jongeren, probanten, sexuele delinquenten of deelnemers aan een bepaald programma - zodat de bekomen resultaten enkel representatief zullen zijn voor die specifieke categorie en niet zomaar mogen worden gegeneraliseerd om iets te zeggen over de ganse populatie misdadigers of om vergelijkingen te maken met andere resultaten gebaseerd op een meer uitgebreid of beperkt gedefinieerd onderzoeksdomein. Gee (1993: 2-3) geeft het hypothetisch voorbeeld van een te onderzoeken verband tussen het antisociaal gedrag van de dader en de ernst van een nieuw gepleegd misdrijf.

Wanneer de verschillende datapunten in een grafiek worden uitgezet,

verschijnt een langgerekte puntenwolk die een positief, min of meer lineair verband aangeeft.

Wanneer het onderzoek zich nu beperkt tot de categorie zwaardere

criminelen (of de steekproef totaal onevenwichtig is qua samenstelling), dus tot een kleiner deel van puntenwolk, blijkt er helemaal geen verband waar te nemen omdat men een te homogene groep aan het bestuderen is.

Figuur 3: Scatterplot ernst misdrijf vs antisociaal gedrag, hypothetisch voorbeeld (Gee, 1993, Figure 1)

Zelfs indien de populatie duidelijk is omschreven, dan nog is het mogelijk dat de samenstelling zo heterogeen is dat het gevaarlijk kan zijn algemene uitspraken te doen voor deze subgroep.

In een onderzoek naar sexuele recidive, kwamen Gordon,

Holden en Leis (1991) tot de bevinding dat pedofielen een veel grotere waarschijnlijkheid hebben om te hervallen dan incestplegers, binnen eerstgenoemde groep blijkt de kans op recidive drie keer hoger bij bisexuele dan bij heterosexuele

- 19 -

pedofielen.

Het berekenen van een algemene recidivegraad voor alle sexuele

delinquenten zou dus noch accuraat noch zinvol zijn (Nouwens, Motiuk en Boe, 1993: 22). Een ander voorbeeld (Gee, 1993) is het vergelijken van de recidivegraad van een testen een controlegroep om zo te concluderen of de behandeling al dan niet een verschil uitmaakt: zal het verschil in recidive werkelijk iets zeggen over de efficiëntie van het programma, of eerder over op voorhand bestaande verschillen in risico tussen de twee groepen?

Hetzelfde fenomeen zal zich voordoen wanneer men de recidive van

vrijwillige deelnemers aan een project probeert te vergelijken met de recidive van een willekeurige groep niet-deelnemers … waarschijnlijk zal de (wellicht waargenomen) lagere recidive meer te maken hebben met de positieve instelling van de geslaagden dan met de efficiëntie van het project.

1.4 SLOTBEDENKING In dit inleidend hoofdstuk werd uitgebreid stilgestaan bij enkele specifieke problemen qua begripsomschrijving, gegevensverzameling en generaliseerbaarheid bij de studie van recidive. De plaats die deze methodologische overwegingen innemen in dit werk is recht evenredig met het belang van deze mogelijke addertjes onder het spreekwoordelijke gras, een enorm belangrijk aspect dat maar al te vaak over het hoofd wordt gezien.

Deze bedenkingen op zak, wordt in het volgende hoofdstuk van nabij een blik geworpen op de factoren die gerelateerd zijn aan recidive.

“Criminologische kennis is altijd partieel en waarschijnlijk, nooit volledig en zeker.” (P. Hebberecht (in een bespreking van Austin Turks conflicttheoretische analyse van de primaire criminaliseringsprocessen), syllabus Bijzondere Vraagstukken Criminologie, p. 138)

“People can come up with statistics to prove anything. 40% of all people know that.” (Homer Simpson in de gelijknamige tv-serie met een gezonde dosis realistische humor, 1994)

- 20 -

Hoofdstuk 2

2 Risicofactoren voor recidive

In de literatuur zijn heel wat studies gewijd aan het onderzoeken van mogelijke factoren die een verklaring kunnen bieden voor recidive, factoren die recidivisten onderscheiden van niet-recidivisten.

In het verleden werd de aandacht vooral

toegespitst op demografische kenmerken en gerechtelijke antecedenten van de delinquenten maar het afgelopen decennium ontstond er een wending in de richting van zogenaamde criminogene noden (‘criminogenic needs’8).

Dit leidde tot een

opsplitsing van eventuele risicofactoren voor recidive in statische en dynamische factoren.

De statische of historische factoren zijn ‘aspecten van het verleden van de delinquent die een zekere predictieve waarde met betrekking tot recidive kunnen hebben maar onveranderlijk zijn’ (Gendreau, Little en Goggin, 1996: 575). Deze categorie omvat onder andere demografische kenmerken zoals leeftijd, geslacht en ras en informatie over het gerechtelijk verleden zoals duur van vorige opsluitingen, aantal vorige misdrijven. Deze historische factoren ontkennen echter de mogelijke verandering bij een delinquent, onder invloed van het correctioneel systeem of door gewijzigde

8

Deze term werd geïntroduceerd in een veelvuldig gerefereerd werk met betrekking tot deze materie, nl. ANDREWS, D. A. & BONTA, J. (1994). The Psychology of Criminal Conduct. Cincinnati, OH: Anderson; ANDREWS, D. A. & BONTA, J. (1998). The Psychology of Criminal Conduct (2nd edit.). Cincinnati, OH: Anderson.

- 21 -

omstandigheden of omgevingsfactoren (Zamble, 1993: 2). Vandaar de noodzaak om naast deze ‘voldongen feiten’ ook dynamische risicofactoren te identificeren, deze individuele karakteristieken zijn immers voor verandering vatbaar en aldus geschikte doelstellingen voor een eventuele behandeling (Gendreau et al., 1996). Dynamische factoren zijn onder andere antisociale cognities, waarden en gedrag (Gendreau et al., 1996: 575), middelengebruik, situatie op de arbeidsmarkt en tijdsbestedingspatroon.

De voorkeur voor het gebruik van statische factoren is enigszins te begrijpen vanuit het oogpunt van de datacollectie. Gegevens in verband met leeftijd of gerechtelijke antecedenten kunnen ‘relatief’ (cf. supra, §1.2) gemakkelijk worden teruggevonden in administratieve bestanden (Zamble, 1993), de variabelen van dynamische aard vereisen echter diepte-interviews of een grondige studie van - moeilijk toegankelijke medische of psychiatrische dossiers.

In dit hoofdstuk wordt een overzicht gegeven van de frequentst gehanteerde risicofactoren en hun predictieve waarde.

Meetschalen waarin deze individuele

factoren worden samengevoegd tot sterkere instrumenten voor recidivevoorspelling of risicobeoordeling komen aan bod in hoofdstuk 3.

2.1 STATISCHE FACTOREN ‘Jonge mannen veroordeeld voor vermogensdelicten en met een gevuld strafblad’, worden overal geïdentificeerd als de groep met het hoogste recidiverisico (Baumer, 1997: 610). In wat volgt worden de afzonderlijke risicofactoren belicht.

2.1.1 Demografische factoren

2.1.1.1 Leeftijd

In nagenoeg alle onderzoeken wordt de leeftijd (op het moment van de vrijlating) als één van de factoren die het hoogst met recidive correleren vermeld (zie o.a. Gendreau, Little en Goggin, 1996: 582; Baumer, 1997: 616; Hanson & Bussière, 1996: 46; Beck en - 22 -

Shipley, 1989: 5; Schmidt en Witte, 1988: 87, 96-97, 107-108; Zamble en Quinsey, 1997: 71; Ekland-Olson en Kelly, 1993: 70; Tournier, 1982: 78). Zoals de delinquentie afneemt met de leeftijd, zien we ook tussen recidive en leeftijd een negatief verband. Niet alleen is de kans om ooit te hervallen groter bij jongere personen, de tijd die verloopt tussen hun vrijlating en de recidive blijkt ook korter te zijn (Tournier, 1982: 78). Baumer (1997: 616) vond dat ‘de kans op herveroordeling met bijna 5% afnam per bijkomend jaar ouderdom’. Vooral eens ouder dan 35 neemt deze kans sterk af (Beck en Shipley, 1989: 5). Ook de cijfers van Tournier (1982) wijzen in die richting. Bij Beck en Shipley (1989) lag de jaarlijkse afname van de kans op recidive iets lager, maar toch werd 65,4% van de personen jonger dan 18 binnen de drie jaar herveroordeeld tegenover ‘slechts’ 28,6% voor de 45-plussers. Dit verband tussen leeftijd en recidive is consistent met bevindingen in verband met de criminele carrière die bij de meeste delinquenten blijkt te eindigen tussen hun 25ste en 35ste (Farrington, 1992).

2.1.1.2 Geslacht

Onderzoeksresultaten geven aan dat mannen relatief meer hervallen dan vrouwen. Uit de gegevens van Beck en Shipley (1989) kan worden afgeleid dat de kans op een nieuwe arrestatie, veroordeling of opsluiting ongeveer eenvierde hoger ligt bij mannen. Bij de Correctional Service Canada (1993b) is dit meer dan eenderde, nl. 49% recidivisten onder mannen versus 36% onder vrouwen (binnen een periode van 3 jaar).

Een studie specifiek gericht op recidive onder vrouwelijke delinquenten

(Belcourt, Nouwens en Lefebvre, 1993) vond een recidivegraad van slechts 22%, waarvan een groot deel voor puur technische overtredingen van hun voorwaarden voor vrijlating, een percentage dat merkelijk lager is dan de meeste algemene recidivecijfers (die vooral worden bepaald door de mannelijke recidive gezien vrouwen maar een minderheid van de veroordeelden vormen). Voor België geven de tabellen van het Nationaal Instituut voor de Statistiek (1995: 18; Tabel 3) aan dat vrouwen 10,3% van de veroordeelden vertegenwoordigen, terwijl ze maar 4,8% van de veroordeelde recidivisten uitmaken. Onder de vrouwen vinden we

- 23 -

evenveel specialisten als niet-specialisten9, onder de mannen vinden we maar 30% specialisten (N.I.S., 1995: 97, Tabel 15).

2.1.1.3 Ras, etniciteit, nationaliteit

Het publiceren van criminaliteits- of recidivecijfers naar ras is van oudsher een politiek en maatschappelijk gevoelige kwestie.

Vandaar dat heel wat onderzoekers deze

variabele voorzichtig samen met het geslacht van de misdadiger bestuderen en bij de rapportering van de hogere recidivegraad - die meestal wordt teruggevonden concluderen dat misschien wel het interactie-effect met het geslacht bepalend was (bvb. Sims en Jones, 1997: 324). Een Canadese studie (Correctional Service Canada, 1993a, 1993b) rond recidive bij autochtonen (‘aboriginals’) vond hogere recidivecijfers bij deze groep.

Het

Amerikaanse onderzoek van Beck en Shipley (1989: 5) wees uit dat de recidivegraad 5 tot 8 procentpunt hoger lag voor de zwarte bevolking. Ekland-Olson en Kelly (1993: 72) vonden dat de kans om terug te keren naar de gevangenis onder afro-americans en latino’s respectievelijk 64% en 42% hoger lag dan onder blanken. Tournier (1982: 88) vond een recidivegraad van 42,7% voor Fransen en 47,4% voor vreemdelingen. Waarschijnlijk zijn deze verschillen naargelang ras, etniciteit of nationaliteit voor een stuk toe te schrijven aan intermediërende variabelen zoals arbeidssituatie of aard van de misdrijven (vermogensdelicten kennen een hogere recidivegraad, cf. infra). Uit de meta-analyse van Hanson en Bussière (1996) in verband met recidive bij sexuele delinquenten blijkt het behoren tot een raciale minderheidsgroep immers enkel een significant effect te hebben voor wat betreft de algemene recidive, maar niet voor de sexuele recidive.

9

Specialisten zijn recidivisten waarvan de meeste misdrijven waaraan ze zich tijdens hun loopbaan hebben schuldig gemaakt, behoren tot dezelfde groep als het laatst gepleegde misdrijf (N.I.S., 1995: 92; zie ook §1.1.1).

- 24 -

2.1.2 Justitiële factoren

2.1.2.1 Aantal vorige misdrijven

Binnen de categorie gerechtelijke antecedenten is het aantal vorige misdrijven, veroordelingen of opsluitingen als krachtigste variabele met betrekking tot het voorspellen van toekomstig recidive vermeld (zie o.a. Correctional Service Canada, 1993a, 1993b: 3; Gendreau, Little en Goggin, 1996: 583; Baumer, 1997: 616; Sims en Jones, 1997: 325; Hanson & Bussière, 1996: 47; Beck en Shipley, 1989: 7-8; Greenberg, 1991: 30; Schmidt en Witte, 1988: 87, 96-97, 107-108; Tournier, 1982: 74-76). Het verband tussen het aantal gerechtelijke antecedenten en de kans op recidive is vanzelfsprekend positief, maar daarnaast blijkt dat personen met meerdere vroegere veroordelingen ook eerder hervallen dan anderen (Tournier, 1982; Beck en Shipley, 1989). Op Figuur 4 en Figuur 5 zien we duidelijk dat de curve veel vlugger stijgt voor de ‘frequente’ recidivisten: na een zekere periode 10 wordt de helling gelijk maar het

Cumulatief percentage recidives

0.9 0.8 0.7

11 of meer vorige arrestaties

0.6 7 tot 10 vorige arrestaties

0.5 4 tot 6 vorige arrestaties

0.4 2 of 3 vorige arrestaties

0.3 1 vorige arrestatie

0.2 0.1 0 0

2

5

8 11 14 17 20 23 26 29 32 35

Aantal maanden na vrijlating

Figuur 4: Cumulatief percentage herarresties, naargelang aantal vroegere arrestaties (naar Beck en Shipley, 1989: 7; Table 12 en Figure 2).

10

Voor de Amerikaanse gegevens over herarrestaties is dit na ongeveer 2 jaar, voor de Franse gegevens over heropsluitingen gebeurt dit na ongeveer 4 à 5 jaar.

- 25 -

Cumulatief percentage recidives

70 60 2 of meer vorige veroordelingen

50 40

1 vorige veroordeling

30

Geen vorige veroordelingen

20 10 0 0

1

2

3

4

5

6

7

8

Aantal jaren na vrijlating

Figuur 5: Cumulatief percentage heropsluitingen, naargelang aantal vroegere veroordelingen (naar Tournier, 1982: 75-76; Tableau 2 en Figure 2).

percentage recidives blijft op een hoger niveau naargelang het aantal vroegere arrestaties (Figuur 4) of veroordelingen (Figuur 5). Na één jaar zijn reeds 40% van degenen met 11 of meer vroegere arrestaties opnieuw gearresteerd, tegenover 11% in de groep met 1 vroegere arrestatie.

Periode na vrijlating (in maand)

Aantal vorige arrestaties

1 1-3 4-6 7-9 10 - 12 13 - 15 16 - 18 19 - 21 22 - 24 25 - 27 28 - 30 31 - 33 34 - 36

5,1% 6,4% 5,4% 3,6% 4,1% 4,4% 3,4% 3,2% 3,0% 3,0% 2,8% 2,8%

2 of 3

4 tot 6

7 tot 10

11 of meer

Gemiddeld

8,1% 8,9% 7,1% 7,2% 6,7% 6,1% 5,1% 4,8% 4,7% 4,6% 3,3% 3,6%

11,7% 10,9% 10,8% 8,3% 7,8% 6,9% 6,9% 6,2% 5,8% 4,6% 4,2% 4,6%

15,3% 13,2% 10,7% 11,6% 10,5% 8,9% 7,4% 6,8% 5,9% 5,2% 5,0% 6,4%

24,1% 20,6% 17,7% 14,7% 10,4% 10,6% 9,4% 9,1% 6,8% 6,5% 6,2% 7,0%

14,2% 12,6% 11,2% 8,9% 7,9% 7,3% 6,6% 6,0% 5,3% 4,6% 4,4% 4,6%

Tabel 2: Percentage opnieuw gearresteerd na vrijlating per periode van 3 maand vanaf het tijdstip van vrijlating, naar aantal vroegere arrestaties (Beck en Shipley, 1989: 7; Table 12).

Ook Tabel 2 leert ons dat, onafgezien van de tijd verlopen na de vrijlating, personen met een langer strafblad steeds een hogere recidivegraad hebben dan ‘minder ervaren

- 26 -

delinquenten’ (Beck en Shipley, 1989: 7). In Tabel 2 zien we verder nogmaals een bevestiging voor het feit dat de meeste vrijgelatenen tamelijk vlug hervallen: tijdens de eerste drie maand is reeds 14,2% opnieuw gearresteerd, in de daaropvolgende trimesters daalt het aantal recidivisten (in percentage van het totaal aantal personen die het vorige trimester ‘overleefden’) gestaag. In §2.1.1.2 werd reeds vermeld dat Beck en Shipley vonden dat de kans op recidive bij mannen eenvierde hoger ligt dan bij vrouwen, wanneer we nu het aantal vorige arrestaties in rekening brengen, dan blijkt dat dit verschil verdwijnt voor de groep met 7 of meer antecedenten, zowel mannen als vrouwen vertonen dan een recidiverisico van 70 tot 80% (Beck en Shipley, 1989: 8; Table 13).

Dat de gerechtelijke antecedenten een sterk discriminerende factor vormen tussen recidivisten en niet-recidivisten, blijkt ook uit andere gegevens. Zamble en Quinsey (1997: 71) vonden bij recidivisten een aantal vorige veroordelingen dat ruim tweederde hoger lag; uit een andere studie bleken recidivisten zelfs dubbel zoveel voorgaande veroordelingen te hebben opgelopen (Correctional Service Canada, 1993b: 3). Zamble en Quinsey (1997) maken echter een bedenking bij de voorspellende kracht van het aantal gerechtelijke antecedenten. Ze veronderstellen dat ‘crimineel gedrag grotendeels wordt bepaald door de huidige gang van zaken in het leven van een delinquent, in dat geval wijst een lange lijst veroordelingen enkel op een zich opstapelend chronisch onaangepast gedrag zodat de criminele voorgeschiedenis niet zozeer een verklaring vormt voor het al dan niet recidiveren, maar eerder een resultante is van de verschillende manier waarop recidivisten zich gedragen en op allerhande situaties reageren’ (Zamble en Quinsey, 1997: 72, cursivering overgenomen).

2.1.2.2 Aard van het vorige misdrijf

Delinquenten veroordeeld voor een vermogensdelict blijken de hoogste kans te hebben om na hun vrijlating te hervallen. De gegevens van Beck en Shipley (1989) tonen een recidivegraad van 47,7% (heropsluiting) voor deze groep, tegenover 36,5% voor

personen

drugsdelinquenten.

veroordeeld

wegens

geweldsdelicten

en

30,3%

voor

Personen die hadden vastgezeten voor diefstal van een

- 27 -

motorvoertuig kenden de hoogste recidive (78,4% werd opnieuw gearresteerd), moordenaars de laagste (42,1% opnieuw gearresteerd). Wat betreft de speciale recidive, wordt de helft van de plegers van een vermogensdelict, binnen de drie jaar opnieuw gearresteerd voor een vermogensdelict, voor de geweldsdelicten ligt de speciale recidive op 30% (Beck en Shipley, 1989: 6), ook in België kent ‘diefstal en stroperij’ relatief het hoogste aantal specialisten (N.I.S., 1995: 96-97; Tabel 15). Voor de specifieke recidive geldt dat een persoon die voor een bepaald misdrijf werd opgesloten een hogere kans heeft om voor datzelfde misdrijf te worden veroordeeld dan personen die een gevangenisstraf hadden uitgezeten voor een ander misdrijf (Beck en Shipley, 1989: 6). Beck en Shipley berekenden voor elk type misdrijf de relatieve waarschijnlijkheid11 om voor een gelijkaardig misdrijf te worden gearresteerd na de vrijlating; sexuele delinquenten leken het meest waarschijnlijk om voor een gelijkaardig misdrijf te worden gearresteerd, zo bleek het voor verkrachters tien maal meer waarschijnlijk om na de vrijlating voor een verkrachting te worden gearresteerd dan voor niet-verkrachters (Beck en Shipley, 1989: 6; Table 10). Ondanks de tendens om voor eenzelfde type misdrijf opnieuw te worden gearresteerd, worden de vrijgelatenen ook vaak opgepakt voor andere misdrijven: 32% van de plegers van geweldsdelicten wordt naderhand gearresteerd voor een vermogensdelict, omgekeerd wordt een kleine 20% van de plegers van een vermogensdelict naderhand gearresteerd voor een geweldsdelict (Beck en Shipley, 1989: 6). De Correctional Service Canada (1993b: 4) besluit eveneens dat het misdrijf gepleegd na de vrijlating meestal verschilt van het misdrijf waarvoor ze eerder vastzaten, of met andere woorden dat recidivisten niet de neiging vertonen zich te specialiseren zodat het vorig misdrijf geen zeer goede voorspeller is voor het type misdrijf waarin een delinquent na zijn vrijlating zal hervallen. Een uitzondering op deze regel is de sexuele recidive: de meta-analyse van Hanson en Bussière (1996) wees uit dat ‘voorgaande sexuele misdrijven’ de hoogste correlatie vertonen met sexuele recidive, een vroegere veroordeling wegens verkrachting bleek voor sexuele

11

Dit is een odds ratio met in de teller de odds om voor een bepaald misdrijf te worden gearresteerd voor personen vrijgelaten na een gevangenisstraf voor dat misdrijf (aantal personen voor dat misdrijf vrijgelaten én opnieuw voor dat misdrijf gearresteerd gedeeld door het aantal personen voor dat misdrijf vrijgelaten maar niet opnieuw voor zo’n misdrijf gearresteerd) en in de noemer de odds om voor dat bepaald misdrijf te worden gearresteerd voor personen vrijgelaten na een gevangenisstraf voor een ander soort misdrijf.

- 28 -

delinquenten de beste voorspeller te zijn voor het plegen van een (niet-sexueel) geweldsdelict.

2.1.2.3 Duur van de opsluiting

Over de invloed van de duur van de gevangenisstraf op latere recidive werd al veel geschreven (Gosselin, 1970), maar omtrent deze kwestie heerst op zijn minst gezegd onenigheid. Bepaalde onderzoeken vonden een positieve correlatie, dus hoe langer de opsluiting, hoe groter de kans op recidive (Schmidt en Witte, 1988; Sims en Jones, 1997; Myers, 1985), andere vonden een negatief verband of helemaal geen significant verband (Beck en Shipley, 1989; Baumer, 1997). Ongetwijfeld doemt hier alweer het spook van de bedenkelijke vergelijkbaarheid op: de lengte van de gevangenisstraf is immers ook gecorreleerd met andere factoren zoals de aard en de ernst van het gepleegde misdrijf; de manier waarop wordt gecontroleerd voor het type misdrijf, de leeftijd, etc. kan sterk verschillen van onderzoek tot onderzoek. Ook Baumer (1997: 609) besluit dat de dubbelzinnige conclusies wat betreft het verband tussen de duur van de opsluiting en de recidivegraad wellicht te wijten zijn aan de inconsistenties in controle voor demografische of criminele karakteristieken of aan het feit we misschien te maken hebben met een niet-lineair verband (dat dus door de veel gebruikte lineaire technieken niet kan worden gedetecteerd).

2.1.2.4 Leeftijd op ogenblik van eerste misdrijf

De leeftijd waarop een persoon een criminele loopbaan aanvat, blijkt negatief gecorreleerd te zijn met de kans op recidive. De studie van Beck en Shipley (1989) duidt op een kans op herarrestatie binnen de drie jaar na vrijlating van 72,2% voor personen die voor hun 18de reeds een eerste keer werden gearresteerd, voor de groep met een eerste arrestatie tussen het 25ste en 29ste levensjaar en 30 jaar of ouder is dit respectievelijk 39,2% en 26,6% - beduidend lagere cijfers. Dit verschil wordt nog groter naargelang men in totaal minder voorgaande arrestaties heeft. In de groep met minder dan vier voorgaande arrestaties, is de kans op recidive 3 tot 4 maal hoger voor personen die voor hun 18de reeds werden gearresteerd in vergelijking met diegenen bij wie dit pas na hun 30ste voor het eerst gebeurde.

- 29 -

2.1.2.5 Strafuitvoering

De modaliteiten van de strafuitvoering lijken geen direct verband te vertonen met de latere recidive, in de meeste gevallen is de eventuele relatie niet meer dan reflectie van het risico van de misdadiger (Correctional Service Canada, 1993b: 4). Lichtman en Smock (1981) spitsten hun aandacht toe op probanten en vonden dat intensieve probatie geen garanties gaf voor een verminderde recidive.

2.1.3 Overige

In de meta-analyse van Gendreau, Little en Goggin (1996) zijn nog een aantal andere mogelijke verklarende of predictieve factoren voor recidive vermeld (intellectueel vermogen, opleidingsniveau, familiegebonden factoren, sociale klasse (afkomst), …); doch deze blijken alle een minder uitgesproken of algemeen aangenomen correlatie met recidive te hebben. Bovendien vormen deze factoren geen directe aanleiding tot recidive of criminaliteit, veelal hebben ze enkel een indirecte invloed doordat ze bvb. een minder gunstige financiële situatie in de hand kunnen werken.

Een laag

opleidingsniveau kan op die manier een lager inkomen als gevolg hebben, en zo eventueel leiden tot herhaalde vermogensdelicten, de meta-analyse van Hanson en Bussière (1996) vond echter helemaal geen verband tussen een zwakke scholingsgraad en sexuele recidive.

2.2 DYNAMISCHE FACTOREN Het gebruik van dynamische factoren om de predictie van recidive accurater te maken, is vooral ontstaan vanuit een zoektocht naar het recidiveproces en naar de manier waarop iemands ervaringen, cognities en mogelijkheden op elkaar inwerken en zo leiden tot een eventueel teruggrijpen naar criminele activiteiten (Zamble, 1993: 2).

Recidive (of criminaliteit in het algemeen) mag dan wel voor een stuk

gedetermineerd zijn door zgn. historische factoren, het belang van wat zich in ‘de tegenwoordige tijd’ afspeelt zal minstens even groot zijn. Factoren als de manier waarop men met bepaalde situaties kan omgaan, neigingen tot antisociaal gedrag of

- 30 -

het vertoeven in een criminele omgeving, zijn ongetwijfeld voor een stuk beïnvloed door bepaalde vroegere gebeurtenissen of situaties en zullen dus gecorreleerd zijn met of kunnen verklaard worden vanuit statische, historische variabelen; toch kan het even goed voorkomen dat toekomstige veranderingen niet samenhangen met deze statische variabelen. Indien dit het geval is en deze dynamische factoren op zich mede de aanleiding vormen tot recidive, dan levert het direct meten van deze variabelen ongetwijfeld een veel krachtiger predictie op dan het meten van de indirect gerelateerde statische variabelen (Zamble en Quinsey, 1997: 5).

Het incorporeren van dynamische factoren in het onderzoek naar recidive is een relatief recent fenomeen, vandaar dat er nog niet zo’n rijke literatuur in verband met deze materie voorhanden is. Amper vijftien jaar geleden had Maltz (1984: 128) het in zijn referentiewerk “Recidivism” nog over ‘variabelen met een effect op recidive die normaliter niet worden gemeten in studies rond recidive’, hij waarschuwt de lezer ervoor dat zijn modellen ‘niet de belangrijkste, maar de belangrijkste gemeten variabelen gebruiken’. Als concrete voorbeelden van variabelen die niet beschouwd zijn, geeft hij emotionele stabiliteit in crisissituaties, mate van impulsiviteit, risicoavers of risicozoekend zijn, kwaliteit van de interacties met de ouders als kind en leeftijd waarop de thuis voor het eerst werd verlaten; hij maakt hierbij tevens de bedenking dat dit soort factoren wel eens belangrijker zou kunnen zijn dan de standaardvariabelen die gewoonlijk worden gebruikt. Het mag duidelijk zijn dat het effectieve gebruik van dynamische factoren voor de predictie van recidive pas het voorbije decennium een opgang kende, voorheen bleek de moeilijke kwantificering van dergelijke variabelen een te complexe hindernis te zijn met als gevolg dat de aandacht ervoor zich beperkte tot studies van beschrijvende 12 en niet van analytische aard. In deze paragraaf wordt in de eerste plaats een overzicht gegeven van de (dynamische) factoren die tot dusver in de wetenschappelijke literatuur werden onderzocht en ter verklaring van recidive aangereikt.

De weinige onderzoeken die de aandacht toespitsten op de predictieve kracht van deze factoren, geven alvast gunstige vooruitzichten maar voorlopig blijft het meten

12

In dit kader verwijst Maltz (1984: 128; voetnoot) o. a. naar een veertig jaar oud werk, nl. MCCORD, W. & MCCORD, J. w/ ZOLA, I. K. (1959). Origins of Crime. New York: Columbia University Press.

- 31 -

van dergelijke factoren nog een knelpunt.

Het betreft immers vooral moeilijk te

kwantificeren grootheden, veelal dient men zijn toevlucht te nemen tot vragenlijsten of checklists, maar daar kan de subjectiviteit van de onderzoeker die de persoon ondervraagt de objectieve meting parten spelen.

Sommige van deze dynamische variabelen zoals het al dan niet gehuwd zijn of het al dan niet tewerkgesteld zijn, horen voor een stuk ook thuis onder de eerder vermelde demografische factoren, maar worden doorgaans - vanwege hun veranderlijk karakter - bij de dynamische factoren gerekend. In theorie vormt ook de leeftijd van een persoon een veranderlijk gegeven, maar deze variabele wordt toch onder de statische variabelen gerekend omdat de evolutie ervan vastligt, men kan niet op iemands leeftijd inwerken om een verandering te bewerkstelligen. Deze verandering is net waar de aandacht voor dit type variabelen om draait: eens men deze factoren kan identificeren, kan men ze niet enkel gebruiken om mogelijke recidive te voorspellen, maar kan men door middel van begeleiding of behandeling actief op deze factoren inwerken om zo toekomstige recidive te vermijden.

Hierna worden de dynamische factoren ingedeeld in factoren van maatschappelijke of interpersoonlijke aard en factoren van intrapersoonlijke aard. Sommige factoren interageren met elkaar zodat de grenzen tussen de twee categorieën niet altijd even scherp afgelijnd zijn. Gevolg is dat beide categorieën deels overlappen, toch werd getracht de factoren in de categorie onder te brengen die het best de lading dekt.

2.2.1 Maatschappelijke of interpersoonlijke factoren

Een belangrijke factor - die ook in de meeste traditionele studies (i.e. studies vooral gebaseerd op kwantitatieve, statische variabelen) als hoogcorrelerende variabele in rekening wordt gebracht - is de arbeidsmarktsituatie van een persoon. Het al dan niet tewerkgesteld zijn, komt zowat in alle onderzoeken naar voor als een significant discrimerende factor tussen recidivisten en niet-recidivisten (Brown, 1998b; Hanson en Bussière, 1996; Motiuk, 1998; Sims en Jones, 1997; Wartna en Aidala, 1995; Zamble, 1993; Zamble en Quinsey, 1997). Uit een studie van het WODC (Wartna en Aidala, 1995) bleek dat personen die na het volgen van een vakopleiding (tijdens hun detentie)

- 32 -

langdurig of vast werk hadden, een merkelijk lagere recidivegraad kenden dan de groep die slechts kort of wisselend werk had. Laatsgenoemde groep vertoonde dan weer een beter resultaat dan de groep die nauwelijks of geen werk vond. Uit de cijfers van Zamble en Quinsey (1997) blijkt bijna eenderde van de recidivisten nooit langer dan zes maanden dezelfde job te hebben gehad, voor de niet-recidivisten was dit minder dan 10%. Eén van de problemen die met werkloosheid samenhangen (naast o.a. tijdsbesteding en verveling, cf. infra) zijn de financiële moeilijkheden. In veel gevallen vormen deze een directe aanleiding tot het opnieuw plegen van een vermogensdelict, maar ze kunnen ook indirect, of als deel van een maalstroom van negatieve omstandigheden, leiden tot recidive in een gewelddadig misdrijf. Vandaar dat ook financiële problemen - die soms kunnen geïnduceerd zijn door een slechte reïntegratie na een opsluiting - als verklarende factor voor recidive optreden.

Onder de personen in de studie van

Zamble en Quinsey (1997) verklaarde 22,3% van de recidivisten dat ze hun belangrijkste bron van inkomen uit illegale activiteiten haalden (in de groep nietrecidivisten gaf niemand dit antwoord).

Een tweede factor, die ook veelvuldig in de traditionele studies is opgenomen, is de burgerlijke staat (Schmidt en Witte, 1988; Sims en Jones, 1997; Tournier, 1982). Strikt genomen hoort deze thuis onder de demografische variabelen (cf. supra, §2.1.1), maar wegens de veranderlijke aard ervan wordt deze variabele toch onder de dynamische factoren gecatalogeerd.

Een wijziging in burgerlijke staat kan immers een grote

verandering in iemands leven betekenen en aldus een invloed hebben op mogelijke recidive. Zoals intuïtief te verwachten was, blijkt het feit dat men gehuwd is, of een vaste relatie heeft, inderdaad een gunstige invloed te hebben op de recidivekans. Tournier (1982) vond dat 25% van de gehuwden binnen de drie jaar naar de gevangenis waren teruggekeerd, tegenover 40% en 42% voor respectievelijk gescheiden personen en vrijgezellen. Zamble en Quinsey (1997) vonden dat de langste relatie bij recidivisten gemiddeld genomen iets meer dan 3 jaar had geduurd, tegenover ruim 7 jaar bij nietrecidivisten, bovendien bleken recidivisten na hun vrijlating duidelijk meer ernstige problemen te hebben gehad met partner of familie. Hanson en Bussière vonden bij sexuele delinquenten significante effecten van het al dan niet gehuwd zijn of vrijgezel zijn (nooit gehuwd geweest), zowel op de algemene als op de sexuele recidivegraad.

- 33 -

In de CNIA-schaal (cf. infra, hoofdstuk 3) vormt de relatie met en de steun van partner en familiekring één van de 7 hoofddomeinen, een indicatie voor het belang dat aan deze factor(en) wordt gehecht. De recidivereducerende invloed van de factoren ‘tewerkstelling’ en ‘relatie’ kan wellicht worden gezien in het verlengde van Hirschi’s normconformerende noties commitment en involvement. Job en familieleven bieden een persoon enerzijds bepaalde toekomstperspectieven die hij niet door crimineel gedrag op de helling wenst te zetten, anderzijds zal de drukte rond werk en familie potentiële recidivisten van een hervallen weerhouden.

De mate waarin wordt gesocialiseerd met een criminele omgeving wordt eveneens veel verbonden met recidive.

De meta-analyse van 131 recidive-onderzoeken van

Gendreau, Little en Goggin (1996) wees dit aan als één van de sterkst correlerende factoren. Brown (1998b) kwam tot dezelfde conclusie in haar studie rond de CNIAschaal.

Zamble en Quinsey (1997) trachten de mate waarin iemand omgaat met

andere delinquenten te kwantificeren aan de hand van een meetschaal (Crime Socialisation Scale) bestaande uit 16 items, de scores op deze schaal blijken significant verschillend voor recidivisten vs. niet-recidivisten, zelfs na controle voor leeftijd of gerechtelijk verleden.

Een andere frequent vernoemde variabele is de manier waarop men zijn dagen doorbrengt. De groep die recidiveerde bleek zich een groot stuk van de tijd onledig te houden met ‘hanging around’ of was veel meer geneigd verveling als een probleem naar voor te schuiven (Zamble en Quinsey, 1997). Brown (1998b) vond eveneens een hoge correlatie van de manier waarop vrije tijd wordt besteed met recidive.

2.2.2 Intrapersoonlijke factoren

De meest geciteerde factor, ook in onderzoeken gebaseerd op statische variabelen, is zonder twijfel het alcohol- of druggebruik (Sims en Jones, 1997; Schmidt en Witte, 1988; Gendreau, Little en Goggin, 1996; Hanson en Bussière, 1996; Zamble, 1993; Brown, 1998b; Zamble en Quinsey, 1997). 80% van de recidivisten in de studie van Zamble en Quinsey (1997) stelt ooit wel eens problemen te hebben gehad met alcohol of drugs, verder gebruikte eenderde drugs

- 34 -

gedurende de 24 uur voor het (nieuwe) misdrijf. Een meerderheid (56%) vertelde tijdens het etmaal voor het misdrijf alcohol te hebben gebruikt, opvallend hierbij is dat de (reeds hoge) alcoholconsumptie gemiddeld genomen meer dan verdubbeld was in vergelijking met het gebruikelijke drankverbruik in de (iets langere) periode voor het misdrijf. Het middelengebruik lag significant hoger dan bij de groep niet-recidivisten, binnen de groep recidivisten hadden vooral degenen die een geweldsdelict pleegden een hoge alcoholconsumptie (Zamble en Quinsey, 1997: 55-56, 76, 85 en 105). Een op te merken punt is evenwel dat alcohol- of druggebruik niet alleen een oorzaak op zich kan zijn van crimineel gedrag, maar eveneens zelf een gevolg kan zijn van een psychische inzinking ten gevolge van bvb. dieper liggende emotionele problemen.

De meeste van de dynamische risicofactoren hebben te maken met de emotionele of cognitieve belevingen van het individu.

Gendreau, Little en Goggin (1996: 597;

Appendix) schoven vanuit hun meta-analyse volgende factoren naar voor: antisociale persoonlijkheid of psychopathie (die kan worden gemeten met behulp van bestaande meetschalen zoals de MMPI, PCL of DSM-IV), interpersoonlijke conflicten (i.e. familiale ruzies en conflicten met zgn. ‘significant others’), persoonlijke smarten (angsten, depressie, neurotische toestanden, laag gevoel van eigenwaarde, psychiatrische problemen zoals schizofrenie of affectieve stoornissen, zelfmoordpogingen) en de in het begin van dit hoofdstuk reeds aangehaalde criminogenic needs of antisociale attitudes die een antisociale levenstijl of antisociaal gedrag ten opzichte van school en werk ondersteunen. De auteurs verwijzen (Gendreau et al., 1996: 590) naar Andrews en Bonta13 die beweren dat deze criminogene noden samen met een antisociale ‘kennissenkring’ essentieel twee van de sterkst aan crimineel gedrag gerelateerde factoren moeten zijn, de criminogene noden vormen immers de voedingsbodem voor antisociaal, crimineel gedrag terwijl het antisociaal netwerk waartoe men behoort de gelegenheid en legitimatie voor dit gedrag aanreikt. In de Canadese CNIA-schaal staan de persoonlijk/emotionele en attitude-component eveneens sterk op de voorgrond want ze omvatten twee van de in totaal zeven domeinen waaruit het instrument bestaat (Motiuk, 1998; Brown, 1998b). Hanson en Bussière (1996) vonden hoogst significante correlaties tussen persoonlijkheidsstoornissen, antisociale persoonlijkheid en alcoholproblemen enerzijds en algemene recidive bij sexuele delinquenten anderzijds.

13

Cf. voetnoot 8.

- 35 -

Zamble (1993: 2) beschrijft een studie14 waarin werd nagegaan hoe misdadigers interageren met hun omgeving en in het bijzonder hoe ze het hoofd bieden aan hun problemen. Dit resulteerde in een ‘coping-criminality’ hypothese: ‘de herhaling van het crimineel gedrag is het gevolg van een inadequate of destructieve manier van reageren op dagdagelijkse problemen‘ of ‘recidive is de uiting van een ineenstorting van de zelfcontrole-mechanismen die het wetsconform gedrag in stand houden’.

Later

onderzoek (Zamble en Quinsey, 1997) bevestigt deze stelling, recidivisten hebben niet alleen de neiging meer problemen te percipiëren, ze kunnen deze problemen ook minder goed aan dan niet-recidivisten; in vele gevallen blijken ze deze moeilijkheden ook zelf veroorzaakt te hebben (bvb. conflicten met anderen of middelengebruik). Uit ditzelfde onderzoek bleek tenslotte nog dat recidivisten veel meer dan niet-recivisten gekweld werden door gevoelens van depressie, woede, frustratie en eenzaamheid.

2.3

SLOTBESCHOUWING

In dit hoofdstuk werd een overzicht gegeven van de met recidive geassocieerde risicofactoren. Deze vallen uiteen in twee klassen: enerzijds de statische variabelen die vooral teruggrijpen naar demografische karakteristieken of irreversibele antecedenten van een individu en anderzijds de dynamische variabelen die vooral geconcentreerd zijn rond iemands huidige situatie. Dit actuele karakter van dynamische factoren heeft enkele belangrijke implicaties. Ten eerste vormen ze in vergelijking met de statische factoren een betere afspiegeling van de omstandigheden (zowel innerlijk als maatschappelijk) waarin de delinquent zich tegenwoordig bevindt; dit zorgt ongetwijfeld voor een grotere relevantie met betrekking tot het voorspellen van (toekomstige) recidive. Een meta-analyse van 131 studies omtrent recidive (Gendreau, Little en Goggin, 1996) wees uit dat dynamische factoren in meer dan de helft van de gevallen een betere predictieve score hadden dan de traditioneel gehanteerde statische factoren. Ten tweede mag het veranderlijke karakter van deze risicofactoren niet uit het oog worden verloren: eenmaal men weet welke dynamische factoren het al dan niet

14

Deze studie is gerefereerd als ZAMBLE, E. & PORPORINO, F. J. (1988). Coping, behaviour, and adaptation in prison inmates. New York: Springer-Verlag.

- 36 -

hervallen beïnvloeden, kunnen behandelingen ook zodanig op de aanwezige risicofactoren worden afgestemd en zo de waarschijnlijkheid dat de persoon in kwestie hervalt reduceren (Correctional Service Canada, 1993a).

Tot dusver werden de afzonderlijke factoren besproken, in het volgende hoofdstuk wordt bekeken hoe deze kunnen samengevoegd worden tot veel beter met recidive correlerende predictie-instrumenten.

- 37 -

Hoofdstuk 3

3 Geïntegreerde schalen en modellen

In hoofdstuk 2 werden een reeks factoren aangereikt die nauw verwant zijn met het risico dat een persoon hervalt in zijn vroeger crimineel gedrag. Uit de literatuur (zie o.a. Gendreau, Little en Goggin, 1996; Brown, 1998; Hanson, 1997) blijkt echter dat de predictieve kracht van elk van deze factoren afzonderlijk relatief beperkt is: de meeste correlaties met recidive liggen tussen 0,10 en 0,20. Door de constructie van meetschalen, samengesteld uit een aantal van deze afzonderlijke variabelen, probeert men tot betere predictie-instrumenten te komen. Dergelijke schalen selecteren de factoren die in overweging moeten worden genomen en kennen daarnaast ook aan elke factor een relatief belang toe (Solicitor General Canada, 1999: 1). Het mag duidelijk wezen dat de in het voorgaande hoofdstuk besproken risicofactoren elkaar voor een stuk overlappen of gemeenschappelijke oorzaken en/of gevolgen hebben. Dit doet de vraag rijzen naar technieken die rekening houden met de relatie tussen de diverse factoren die beschouwd worden. Langlois (1972: 73) kwam tot de bevinding ‘dat het de methodes die rekening houden met de correlaties tussen de factoren zijn die toelaten de beste predictietafels op te stellen’15. Statistische modellen gebaseerd op kleinste kwadratenregressie of logistische regressie kunnen hier een

15

Langlois baseerde zich hiervoor op twee studies van Ward, nl.: WARD, P. G. (1967). Validating prediction scales. British Journal of Criminology, 7, 1, p. 36-44; WARD, P. G. (1968). The comparative efficiency of differing techniques of prediction scaling. Australian and New Zealand Journal of Criminology, 1, 2.

- 38 -

antwoord bieden.

De vroegste methodes om het risico op recidive van een delinquent in te schatten, zijn gebaseerd op de klinische intuïtie en het oordeel van experten (Gendreau, Little en Goggin, 1996), dergelijke benadering gaat echter gebukt onder een groot gebrek aan validiteit en een overmaat aan subjectiviteit. Een tweede generatie technieken krijgt in de literatuur de naam actuariële schalen (actuarial scales) mee; het betreft gestandardiseerde, objectieve predictie-instrumenten die bestaan uit een reeks gewogen variabelen die resulteert in een cijfer dat een maat zou moeten zijn voor het recidiverisico. Deze gebundelde schalen correleren zoals reeds vermeld veel beter met het al dan niet recidiveren en zijn in elk geval veel betrouwbaarder dan de vroegere puur klinische oordelen (Gendreau et al., 1996; Greenberg, 1998; Service correctionnel du Canada, 1989). Deze schalen maken vooral gebruik van historische variabelen (vandaar de benaming ‘actuariële schalen’16); om het domein van deze meetinstrumenten uit te breiden én om de predictieve kracht ervan te verhogen, doken de voorbije jaren schalen op die de bestaande schalen aanvullen met variabelen die peilen naar de huidige psychologische toestand van een individu (Zamble en Quinsey, 1997). Binnen deze derde groep vinden we ook schalen die puur gebaseerd zijn op dynamische factoren.

De constructie van dergelijke meetschalen kan gebeuren aan de hand van unidimensionale schaaltechnieken17: items of variabelen worden samengeplaatst in een meetinstrument; de antwoorden op deze items worden geaggregeerd tot één enkele score die een indicatie moet geven van het recidiverisico van de onderzochte persoon.

De weging van de variabelen die in de schaal zijn opgenomen, kan op verschillende manieren gebeuren. In het geval van Burgess-weging krijgt een item de waarde 1 of 0, naargelang een karakteristiek al dan niet aanwezig is (bvb. de RAND schaal, zie §3.1.1.4). Bij integer-weging worden voor de items meerdere niveaus onderscheiden, aan elk niveau wordt een bepaalde waarde (een geheel getal) gekleefd (bvb. de Salient

Cf. de verzekeringssector, waar men met behulp van actuariële technieken iemands verwachte levensduur tracht te schatten op basis van informatie over zijn antecedenten (bvb. van medische of professionele aard); deze geschatte levensverwachting vormt uiteindelijk één van de variabelen die wordt gebruikt om het bedrag van de periodiek te betalen levensverzekeringspremie te berekenen. 17 Een referentiewerk in het Nederlandse taalgebied betreffende unidimensionale schaaltechnieken is Swanborn (1993). 16

- 39 -

Factor Score, zie §3.1.1.2). Een derde mogelijkheid is logit-weging; hierbij wordt de score voor een variabele berekend door het aantal keer dat de variabele voorkomt (bvb. het aantal vorige veroordelingen) te vermenigvuldigen met een bepaalde coëfficiënt (bvb. de CGR schaal, zie §3.1.1.5).

Naast deze eerder traditionele schaaltechnieken wordt in het onderzoek naar recidive ook gebruik gemaakt van methodes als logit analyse (logistische regressie) en lineaire discriminantanalyse of worden modellen geconcipieerd met behulp van complexere statistische en mathematische procedures zoals survival analysis.

Hierna worden eerst enkele actuariële schalen onder de loep genomen, daarna komen enkele schalen aan bod die tevens dynamische factoren bevatten. In een volgende paragraaf wordt uitleg verschaft bij enkele modelleringstechnieken en worden een aantal meer mathematische benaderingen besproken. Tenslotte wordt nog aandacht besteed aan de vraag of men zich dient te beperken tot uitspraken over hoe bepaalde groepen personen zich in de toekomst zullen gedragen, of of men ook uitspraken mag doen over de kans op recidive voor indivuele personen.

3.1 GEÏNTEGREERDE MEETSCHALEN

3.1.1 Actuariële schalen

De voorbije kwarteeuw ontwierpen vooral Amerikaanse en Canadese onderzoekers meetschalen die het recidiverisico van delinquenten willen inschatten. Het betreft hoofdzakelijk instrumenten die in de eerste plaats gebruik maken van historische factoren.

In deze paragraaf worden enkele van deze actuariële schalen kort

besproken18.

18

De tekst is gebaseerd op volgende werken: Service correctionnel du Canada (1989) en Solicitor General Canada (1996) voor §3.1.1.1; Ekland-Olson en Kelly (1993) voor §3.1.1.2; Cohen, Zimmerman en King (1992) voor §3.1.1.2, §3.1.1.3, §3.1.1.4 en §3.1.1.5; Hanson (1997) voor §3.1.1.6.

- 40 -

3.1.1.1 Statistical Information on Recidivism (SIR)

Deze SIR-schaal19 is ontstaan vanuit de kritieken die in de loop van de jaren zeventig werden geuit aan het adres van de Commission nationale des libérations conditionnelles du Canada. De commissie werd onvoldoende uniformiteit en objectiviteit verweten in het beslissingsproces met betrekking tot voorwaardelijke vrijlating. Om aan de vraag naar verandering tegemoet te komen, werd de Division de la recherche du Secrétariat du ministère du Solliciteur général du Canada verzocht een systeem uit te dokteren dat de uniformiteit en de transparantie van de beslissingen kon verbeteren.

Een steekproef van 2475 mannelijke gedetineerden die tussen 1970 en 1972 werden vrijgelaten, vormde de basis voor de studie20. Een grote hoeveelheid informatie over hun demografische karakteristieken en criminele antecedenten werd verzameld om de relatie ten opzichte van latere recidive te onderzoeken.

Een persoon werd als

recidivist bestempeld indien hij tijdens een follow-up periode van drie jaar een misdrijf had gepleegd en daarvoor werd gearresteerd. Het onderzoek bevond een selectie van 15 variabelen geschikt om het risico op recidive te bepalen. In de categorie sociale antecedenten waren dit de leeftijd, de burgerlijke staat, het aantal personen ten laste en de situatie m.b.t. tewerkstelling op het moment van het laatste misdrijf. In de categorie criminele antecedenten waren dit onder andere het type van de inbreuk, de totale duur van de straf, gegevens over ontsnappingen en de leeftijd op het ogenblik van de eerste veroordeling als volwassene.

De kwantificering van deze variabelen gebeurt aan de hand van een nomenclatuur die aan bepaalde karakteristieken een bepaalde score geeft. Deze score is gerelateerd aan een bepaalde kans op recidive. Zo kan de score ‘+1’, die overeenkomt met ‘3 of 4 eerdere gevangenisstraffen’, worden vertaald in een verhoging van 5% ten opzichte van de normale recidivegraad; de score ‘-4’ die wijst op ‘geen voorgaande gevangenisstraf’ betekent een vermindering van het recidiverisico met 20%.

In het franstalig deel van Canada (Québec) wordt de schaal aangeduid met de afkorting ISR, wat staat voor Information statistique générale sur la récidive. 20 Voor het rapport van het onderzoek wordt gerefereerd naar: NUFFIELD, J. (1982). La libération conditionnelle au Canada: Recherce en vue d’une normalisation des décisions. Ottawa: Solliciteur général du Canada. 19

- 41 -

De som van de scores op de 15 variabelen in de schaal kan waarden aannemen tussen -27 en +30. Dit interval werd opgedeeld in vijf risicogebieden, gaande van ‘zeer goed’ tot ‘slecht’ (zie Tabel 3). De voorlaatste kolom van Tabel 3 geeft voor elke groep het percentage gedetineerden dat niet recidiveerde. Idealiter zou dit voor de groep met het laagste risico (‘zeer goed’) 100% moeten zijn, en voor de groep met het hoogste risico (‘slecht’) 0%. Deze perfectie wordt vanzelfsprekend niet bereikt, maar de SIR slaagt er toch in de verschillende risiconiveaus te onderscheiden.

Omdat dit de resultaten zijn voor de steekproef die tevens als input diende voor de constructie van de schaal, werden naderhand verschillende studies gedaan om te zien of de efficiëntie van de SIR ook stand zou houden voor andere steekproeven. De resultaten voor een groep gedetineerden die in 1983 en 1984 werden vrijgelaten zijn weergegeven in de laatste kolom van Tabel 3: de slaagpercentages voor deze steekproef liggen dicht in de buurt van die voor de oorspronkelijke steekproef; de iets hogere waarden zijn wellicht te verklaren door het feit dat de follow-up periode voor deze studie slechts tweeënhalf jaar bedroeg. De stabiliteit of objectiviteit van de toegekende scores werd getest door een tweede team dat op hun beurt elk individu evalueerde met behulp van de SIR schaal. De correlatie met de oorspronkelijke scores bedroeg 85%, een zeer bevredigend resultaat. De SIR slaagt er in ongeveer 75% van de gevallen in een correct oordeel te vellen, dit ligt in de lijn van de efficiëntie van andere actuariële schalen (cf. infra).

Groep

Totaalscore

Zeer goed Goed Middelmatig Middelmatig tot voldoende Slecht

-6 -1 0 +5 +9

-

Slaagpercentage binnen de groep (steekproef 1970-72)

Slaagpercentage binnen de groep (steekproef 1983-84)

84% 67% 53% 39% 33%

87% 74% 62% 47% 37%

-27 -5 +4 +8 +30

Tabel 3: Slaagpercentages per risicogroep volgens de SIR-schaal (naar Service Correctionnel du Canada, 1989: 2, 4; Tableau 1 en Tableau 2).

- 42 -

3.1.1.2 Salient Factor Score

Deze schaal werd ontwikkeld door de Amerikaanse Federal Parole Commission met de bedoeling het risico op recidive te kunnen inschatten bij gevangenen die in aanmerking komen voor voorwaardelijke invrijheidstelling (‘parole’). De SFS evalueert potentiële parolees aan de hand van hun scores op een aantal belangrijke (‘salient’) persoonlijke karakteristieken en elementen uit hun strafregister. Sinds de meetschaal in de jaren zeventig door de Parole Boards in gebruik werd genomen onderging de SFS al een aantal revisies21. Bij deze updates werden bepaalde scores aangepast of werden items toegevoegd.

Hoe de schaal is samengesteld en gekwantificeerd is weergegeven in Tabel 4 op de vogende bladzijde, een totale score lager dan 5 wordt gelijk gesteld met een hoog risico, een score van 5 tot 10 met een middelmatig risico en een score hoger dan 11 met een laag risico.

3.1.1.3 INSLAW schaal

De INSLAW schaal22 werd opgesteld op basis van een steekproef die bestond uit zowel gedetineerden als probanten.

De bedoeling van de INSLAW schaal is de

identificatie van beroepscriminelen, i.e. personen met een hoge probabiliteit om binnen een korte tijdspanne een nieuw misdrijf te plegen; deze groep vormt immers een belangrijke bedreiging voor de samenleving. Enkele items die deel uitmaken van deze schaal zijn onder andere: een hoge alcoholconsumptie, het gebruik van heroine, de leeftijd op het ogenblik van de meest recente arrestatie, de lengte van de criminele carrière, het aantal arrestaties tijdens de voorbije vijf jaar, de langste gevangenisstraf, het aantal probaties en het type van het meest recente misdrijf.

Enkele vaak gerefereerde studies in dit verband zijn HOFFMAN, P. B. & Beck, J. L. (1974). Parole Decision-Making: A Salient Factor Score. Journal of Criminal Justice, 2, p. 195-206; HOFFMAN, P. B. (1983). Screening for risk: A revised Salient Factor Score (SFS81). Journal of Criminal Justice, 11, p. 539-547. 22 Voor een gedetailleerde bespreking van de INSLAW schaal verwijzen Cohen, Zimmerman en King (1992) naar RHODES, W., TYSON, H., WEEKLEY, J., CONLY, C. & POWELL, G. (1982). Developing criteria for identifying career criminals (Report to the Department of Justice). Washington, D.C.: INSLAW Inc. 21

- 43 -

Factor

Categorieën

Scores

A.

Vorige veroordelingen

Geen 1 2 3 of meer

3 2 1 0

B.

Vorige opsluitingen

Geen 1 2 3 of meer

3 2 1 0

C.

Leeftijd op het ogenblik van de eerste gevangenisstraf

26 jaar of ouder Tussen 18 en 25 17 of jonger

2 1 0

D.

Misdrijf

Niets te maken met autodiefstal, inbraak of valsheid in geschrifte Autodiefstal, inbraak of valsheid in geschrifte

1 0

E.

Invrijheidstelling of probatie ingetrokken

Nooit Eén keer Meer dan één keer

2 1 0

F.

Afhankelijkheid van drugs of alcohol

Geen antecedenten Andere gevallen

1 0

G.

Tewerkstelling

Minimum 6 maand tijdens laatste twee jaar Andere gevallen

1 0

H.

Opleiding

12th grade (GED) beëindigd Andere gevallen

1 0

Plan voor vrijlating

Omvat tewerkstelling Andere gevallen

1 0

I.

Tabel 4: Salient Factor Score (naar Ekland-Olson en Kelly, 1993: 130-131; Appendix A).

3.1.1.4 RAND schaal

Het doel van deze schaal23 is delinquenten te identificeren die met een hoge frequentie relatief zware misdrijven plegen. Dit meetinstrument moet informatie verschaffen omtrent de noodzaak om een langere opsluiting te voorzien. De RAND schaal gaat onder andere na of het individu voorheen reeds werd veroordeeld voor een gelijkaardige aanklacht, of hij gedurende de voorbije twee jaar meer dan 50% van de tijd in de gevangenis doorbracht, of hij gedurende de voorbije twee jaar minder dan 50% van de tijd een job had, of hij voor zijn zestiende reeds een

23

De basisprincipes van de RAND schaal zijn terug te vinden in GREENWOOD, P. (1982). Selective Incapacitation. Santa Monica, CA.: The RAND Corporation.

- 44 -

veroordeling opliep, of hij de in voorbije twee jaar drugs gebruikte en of hij tijdens zijn jeugd drugs gebruikte.

3.1.1.5 CGR schaal

Het New Yorkse Centre for Governmental Research ontwierp deze schaal om de noodzaak van een opsluiting vóór het proces in te beoordelen. Enkele van de gebruikte variabelen zijn: het aantal arrestaties voor gewelddadige misdrijven (felonies) tijdens de voorbije 5 jaar, het aantal maanden bij de huidige werkgever en het aantal jaar opleiding dat de persoon genoot.

3.1.1.6 Rapid Risk Assessment for Sexual Offense Recidivism (RRASOR)

Het samenstellen van deze schaal (Hanson, 1997) gebeurde om tegemoet te komen aan de tekortkomingen van de bestaande schalen.

Deze schalen leveren tamelijk

bevredigende predicties af voor algemene recidive, maar blijken heel wat minder efficiënt wanneer men zich toespitst op specifieke groepen delinquenten (cf. supra, §1.3.3).

Zo zou de SIR schaal een correlatie van 0.34 vertonen met niet-sexueel

gewelddadige recidive, 0.41 met algemene recidive maar slechts 0.09 met sexuele recidive.

De meta-analyse van Hanson en Bussière (1996) toonde reeds aan dat

sexuele recidive voor een stuk door andere variabelen wordt verklaard dan algemene recidive. De schalen die wel een redelijke correlatie hadden met sexuele recidive, bleken dan weer de moeilijkste (i.e. de duurste) om in de praktijk te gebruiken. Dit vormde voor Hanson de aanleiding om op zoek te gaan naar een korte, actuariële schaal die het risico te hervallen in een nieuw sexueel misdrijf kan inschatten.

De auteur selecteerde uit het onderzoek van Hanson en Bussière (1996) de factoren die een correlatie van minstens 0.10 hebben met sexuele recidive en bovendien makkelijk kunnen worden verzameld (m.a.w. historische factoren).

Dit leverde volgende

variabelen op (in dalende volgorde van correlatie met sexuele recidive volgens de studie van Hanson en Bussière): voorgaande sexuele delicten, onbekende slachtoffers, voorgaande delicten (algemeen), leeftijd, burgerlijke staat, slachtoffers die niet tot de

- 45 -

familie behoren, mannelijke slachtoffers. Daarna werd aan de hand van gegevens uit een zevental vroegere recidivestudies een gemiddelde correlatiematrix opgesteld voor bovenstaande factoren. Met behulp van stapsgewijze regressie zocht Hanson naar de beste niet-redundante subset uit deze factoren.

Het is immers duidelijk dat de

factoren niet onafhankelijk zijn van elkaar, bvb. ‘leeftijd’ en ‘burgerlijke staat’, of ‘onbekende slachtoffers’ en ‘slachtoffers die niet tot de familie van de dader behoren’. Vier factoren werden overgehouden in de uiteindelijke regressievergelijking, de (meervoudige) correlatiecoëfficiënt voor deze vergelijking bedroeg 0.27. Op basis van het resultaat van deze regressie-analyse werd uiteindelijk de RRASOR schaal (Rapid Risk Assessment for Sexual Offense Recidivism) opgesteld.

De factoren en hun

kwantificering zijn terug te vinden in Tabel 5. De totale score die een persoon haalt, is een maat voor het risico op sexuele recidive. De validiteit van deze laatste stelling werd nagegaan door voor een steekproef eerst de score op de schaal te berekenen en vervolgens voor elke categorie (de scores kunnen variëren van 0 tot 6) het percentage personen dat binnen de 5 jaar recidiveerde te bepalen. De recidivegraden bleken overeen te stemmen met het geschatte risico (zie Figuur 6): van 4,4% voor score=0 tot 49,8% voor score=5 (in de steekproef had niemand een score gelijk aan 6).

Factor

Categorieën

Scores

Vorige sexuele misdrijven

Geen 1 veroordeling; 1 of 2 aanklachten 2 of 3 veroordelingen; 3 tot 5 aanklachten 4 of meer veroordelingen; 6 of meer aanklachten

0 1 2 3

Huidige leeftijd of leeftijd op het ogenblik van de vrijlating

25 jaar of ouder Jonger dan 25 jaar

0 1

Geslacht van het slachtoffer

Enkel vrouwelijke slachtoffers Minstens één mannelijk slachtoffer

0 1

Relatie tot het slachtoffer

Enkel verwanten Minstens één niet-verwante persoon

0 1

Tabel 5: RRASOR schaal (naar Hanson, 1997: 14; Table 4).

Gemiddeld genomen (over verschillende studies) heeft de RRASOR een correlatie van 0.27 met sexuele recidive, wat betekent dat de schaal veel beter presteert dan elke variabele afzonderlijk. De correlatie met sexuele recidive lag in de meta-analyse van Hanson en Bussière (1996) voor elk van de vier factoren tussen 0.11 en 0.19. Hanson

- 46 -

(1997: 19) waarschuwt er echter voor dat de RRASOR - niettegenstaande deze correlatie - hooguit mag worden gebruikt om delinquenten te screenen en in een bepaalde risicogroep in te delen. De schaal bevat te weinig variabelen om op basis

Percentage recidives

van de bekomen scores beslissingen te nemen omtrent individuen.

100 80 60

5-jaar recidivegraad

40

10-jaar recidivegraad

20 0 0

1

2

3

4

5

RRASOR score

Figuur 6: RRASOR scores versus recidivegraad (naar Hanson, 1997: 16; Table 6).

3.1.2 Schalen gebaseerd op dynamische factoren

In hoofdstuk 2 werd reeds de toegenomen aandacht voor dynamische factoren in verband met recidive besproken.

Deze groeiende interesse voor variabelen die

inspelen op aspecten van de persoonlijkheid of levensomstandigheden van delinquenten uit zich ook in de meer recente meetschalen.

3.1.2.1 Persoonlijkheidstests

Een eerste groep zijn in feite psychometrische en psychologische vragenlijsten. In oorsprong werden deze schalen niet ontworpen voor criminologisch onderzoek; wanneer de onderliggende, latente variabele die ze pogen te meten (bvb. een antisociale houding) echter verband houdt met criminaliteit (of meer specifiek: recidive), dan worden deze meetinstrumenten wel eens gebruikt om het recidiverisico van een individu te schatten.

De bekendste voorbeelden zijn de MMPI (Minnesota Multiphasic Personality Inventory) en de PCL (Psychopathy Checklist). De scores op deze vragenlijsten hebben doorgaans

- 47 -

een matige correlatie met recidive, ongeveer van dezelfde grootte-orde als de correlatie van betere statische factoren (Gendreau, Little en Goggin, 1996; Zamble en Quinsey, 1997). De MMPI schalen leveren meestal zwakke resultaten af als het op het voorspellen van recidive aankomt (Blackburn, 1993). Gendreau et al. (1996) kwamen in hun meta-analyse tot de conclusie dat de PCL in 83% van de gevallen hogere correlaties met recidive vertoonde dan de MMPI; gemiddeld genomen bedroeg de correlatie van de PCL met recidive 0.28, tegenover slechts 0.16 voor de MMPI. Hanson en Harris (1998) vonden een zeer significant verschil tussen de scores op de PCL schaal voor recidivisten en niet-recidivisten.

De PCL-R24 (een revisie van de oorspronkelijke PCL) wil een maat zijn voor de psychopathische persoonlijkheid van een individu. De checklist bestaat uit 20 items, gegroepeerd rond twee factoren. De eerste factor beslaat persoonlijkheidstrekken als daar zijn impulsiviteit, onverantwoordelijkheid en ongevoeligheid; de tweede factor richt zich op antisociaal gedrag.

Aan elk van de items (bvb. ‘meedogenloos’ of

‘parasitische levenstijl’) wordt een waarde 2 (zeer van toepassing), 1 (mogelijks van toepassing) of 0 (afwezig) toegekend.

De diagnose ‘psychopatische of antisociale

persoonlijkheid’ wordt gesteld wanneer de totaalscore een bepaalde afkapwaarde overschrijdt; meestal ligt deze grens ergens tussen 30 en 33 (op een maximum van 40).

3.1.2.2 Gemengde schalen

Als gevolg van het verleggen van de aandacht van demografische en criminele variabelen naar de persoon en de omgeving van de delinquent, sijpelden ook dynamische factoren binnen in de eerder besproken actuariële schalen.

Een typisch voorbeeld van dit soort schalen, is de Level of Service Inventory (LSI)25. De LSI (of LSI-R, een gereviseerde versie) is een gestandaardiseerde vragenlijst die

De tekst in deze alinea is gebaseerd op Hanson en Harris (1998). Deze auteurs verwijzen voor de oorspronkelijke publicatie naar HARE, R. D. (1991). Manual for the Hare Psychopathy Checklist - Revised. Toronto: Multi-Health Systems. 25 In de literatuur wordt ook soms de benaming Level of Supervision Inventory gebruikt. Vaak gerefereerde publicaties in verband met de LSI zijn ANDREWS, D. A., & BONTA, J. (1995). LSI-R: The Level of Service Inventory - Revised. Toronto, Ontario: Multi-Health Systems, Inc.; BONTA, J. & MOTIUK, L. (1985). Utilization of an interview-based classification instrument: A study of correctional halfway houses. Criminal Justice and Behaviour, 12, p 333-352. 24

- 48 -

statische variabelen combineert met dynamische variabelen zoals tewerkstelling, familiale problemen en attitudes ten opzichte van criminaliteit (Blackburn, 1993: 327). Gendreau, Little en Goggin (1996) vonden voor de LSI-R een zeer goede correlatie van 0.35 met recidive, tegenover 0.28 voor de Psychopathy Checklist en 0.26 voor de Salient Factor Score.

Een ander voorbeeld van een gemengde schaal is de VRAG of Violent Risk Appraisal Guide26. De schaal werd ontwikkeld met de bedoeling sexuele recidive of niet-sexuele gewelddadige recidive te voorspellen voor delinquenten die zijn doorverwezen naar psychiatrische instellingen.

Voor de VRAG dienen getrainde, professionele

interviewers informatie te verzamelen over 12 items, waaronder de PCL-R, andere persoonlijkheidsstoornissen, vroege onaangepastheid op school, leeftijd, burgerlijke staat, criminele voorgeschiedenis, verwondingen bij het slachtoffer en schizofrenie. Onderzoek wees uit dat de VRAG er zeer goed in slaagt gewelddadige recidive te voorspellen; wat betreft de predictie van sexuele recidive presteert de VRAG echter minder goed. De correlaties met gewelddadige (inclusief sexuele) recidive en sexuele recidive bedroegen respectievelijk 0.47 en 0.20. Toch vonden Hanson en Harris (1998) dat de score bij recidivisten gemiddeld 2 tot 3 maal hoger lag dan bij de nietrecidivisten (dergelijk significant verschil werd eveneens opgemerkt voor de scores op de SIR).

3.1.2.3 Schalen uitsluitend opgebouwd uit dynamische factoren

Bepaalde onderzoekers gingen de laatste jaren nog een stap verder en ontwikkelden schalen en modellen die enkel dynamische factoren bevatten.

Zamble en Quinsey (1997) stelden op basis van 30 niet-statische variabelen een discriminantfunctie (cf. infra, §3.2.1.2) op met betrekking tot recidive. De variabelen hebben betrekking op de algemene toestand van de persoon (emotionele, familiale,

26

De tekst in deze alinea is gebaseerd op Hanson (1997) en Hanson en Harris (1998). Deze auteurs verwijzen voor de oorspronkelijke publicaties naar HARRIS, G. T., RICE, M. E. & QUINSEY, V. L. (1993). Violent Recidivism of mentally disordered offenders: The development of a statistical prediction instrument. Criminal Justice and Behaviour, 20, p 315-335; WEBSTER, C. D., HARRIS, G. T., RICE, M. E., CORMIER, C., & QUINSEY, V. L. (1994). The violence prediction scheme. Toronto, Ontario: Centre for Criminology, University of Toronto.

- 49 -

financiële en psychologische problemen, drug- en alcoholgebruik, etc.), de gemoedstoestand in de 24 uur voorafgaand aan het laatste misdrijf (gevoelens van angst, woede, frustratie, etc.), tijdsbesteding en verveling, probleemresistentie (coping), tewerkstelling en criminele socialisering (Zamble en Quinsey, 1997: 88; Table 4.8).

Een grootschalig project in Canada resulteerde eveneens in een evaluatie-instrument dat enkel uit dynamische factoren is opgebouwd: de Case Needs Identification and Analysis (CNIA)27. De CNIA vormt een onderdeel van de Offender Intake Assessment (OIA).

Deze OIA bestaat uit een uitgebreide en geïntegreerde evaluatie van de

delinquent op het ogenblik dat hij in het correctioneel systeem wordt opgenomen. De OIA begint met een beoordeling van de veiligheidsrisico’s, zelfmoordneigingen en behoeften op het vlak van fysieke en mentale gezondheid. Vervolgens wordt de delinquent beoordeeld door de Criminal Risk Assessment en de Case Needs Identification and Analysis. Op basis van de bekomen informatie wordt tenslotte een correctioneel project uitgewerkt met het oog op een succesvolle reïntegratie.

De CNIA is opgebouwd uit zeven domeinen waar eventueel behoeften kunnen geïdentificeerd worden: •

tewerkstelling: de waarde gehecht aan werk en de rol van werk in iemands leven;

•

huwelijk/gezin: de waarde gehecht aan een familiekring en de steun die men krijgt van gezin of familie;

•

kennissenkring:

de

waarde

gehecht

aan

niet-criminele

kennissen

en

de

mogelijkheden voor positieve sociale interactie; •

middelengebruik: de waarde gehecht aan het leven zonder afhankelijkheid van alcohol en/of drugs;

•

maatschappelijk functioneren: de waarde gehecht aan het beschikken over de kennis en de capaciteiten om het dagelijks leven aan te kunnen;

•

persoonlijk/emotioneel: de waarde gehecht aan het onder controle hebben van het eigen leven;

•

attitudes: de waarde gehecht aan een levenswijze in overeenstemming met de wet.

Elk van de zeven domeinen is opgesplitst in hoofdcomponenten die op hun beurt bestaan uit verschillende subcomponenten.

27

Deze subcomponenten omvatten

Dit deel van de tekst is gebaseerd op Brown (1998a en 1998b) en Motiuk (1998).

- 50 -

uiteindelijk een reeks ja/nee vragen, in totaal 199. Op basis van deze dichotome indicatoren (ja-antwoorden wijzen op een probleem) wordt aan elk domein een waarde-oordeel toegekend op een vier-puntenschaal; dit oordeel kan gaan van ‘factor vormt een troef voor correctie in de maatschappij’ tot ‘duidelijk verbetering nodig’.

Het domein ‘middelengebruik’ bestaat bvb. uit 3 hoofdcomponenten.

Binnen de

hoofdcomponent ‘alcoholmisbruik’ zijn drie subcomponenten voorzien: ‘patroon’, ‘situaties’ en ‘problemen’. Indicatoren geassocieerd met de subcomponent ‘patroon’ zijn bvb. ‘drinkt op regelmatige basis’, ‘begon op vroege leeftijd te drinken’ en ‘combineerde alcohol en drugs’; indicatoren voor de subcomponent ‘situaties’ zijn ‘overmatig drankgebruik tijdens vrije tijd’, ‘overmatig drankgebruik tijdens sociale aangelegenheden’ en ‘drinkt tegen de stress’; indicatoren voor de subcomponent ‘problemen’ zijn onder andere ‘zorgt drinken voor problemen i.v.m. tewerkstelling’, ‘zorgt drinken voor familiale problemen’, ‘zorgt drinken voor gezondheidsproblemen’ en ‘had drinken ooit wetsovertredingen tot gevolg’.

Verschillende studies onderzochten de relatie tussen de mate waarin de domeinen behoeftes vertoonden (laag, midden of hoog) en de latere recidive. Elk van de zeven domeinen bleek een relatief middelmatige correlatie te vertonen met recidive (correlaties tussen 0.10 en 0.20). Wanneer men zich toespitst op de componenten en subcomponenten, worden wel correlaties boven 0.20 gevonden.

Deze conclusies

wijzen er toch op dat de CNIA een bruikbaar instrument is om het risico op recidive te beoordelen. Aangezien de CNIA uit niet minder dan 7 behoeftedomeinen, 35 hoofdcomponenten, 94 subcomponenten en 199 indicatoren bestaat, is vlot gebruik ervan niet echt evident. Vandaar dat Brown (1998b) de aanbeveling deed de structuur van de CNIA te vereenvoudigen door redundante elementen of elementen met een lagere correlatie met recidive weg te laten.

- 51 -

3.2 GEAVANCEERDE PREDICTIEMODELLEN

3.2.1 Regressietechnieken

De meetschalen die in het eerste deel van dit hoofdstuk aan bod kwamen, zijn methodologisch relatief eenvoudig geconcipieerd. Bij het ontwerp van de schalen ging de aandacht vooral naar de inhoud, niet zozeer naar de te gebruiken statistische methoden. Zo worden aan de waarde-oordelen of scores over de items meestal gehele getallen gekleefd die voor het berekenen van een totaalscore op de schaal worden gesommeerd over de diverse items. Een eerste probleem hierbij is het waarde-oordeel dat aan een bepaalde karakteristiek wordt toegekend.

In de Salient Factor Score (zie §3.1.1.2) wordt bvb. aan de

karakteristiek ‘Geen vorige veroordelingen’ de score ‘3’ gegeven, aan ‘1 vorige veroordeling’ de score ‘2’ , aan ‘2 vorige veroordelingen’ de score ‘3’ en aan ‘3 of meer vorige veroordelingen’ de score ‘0’, maar wie zegt dat de ‘werkelijke’ afstand tussen de opeenvolgende mogelijkheden steeds gelijk is? Het is mogelijk dat, met betrekking tot recidive, het verschil tussen geen en één vorige veroordeling veel groter is dan het verschil tussen één en twee vorige veroordelingen. In de schaal zijn deze mogelijke verschillen echter niet in overweging genomen; aan de verschillende karakteristieken werd een tamelijk rudimentaire waarde verbonden. Het gebruik van uitgewerkte schaaltechnieken zou dit type schalen ongetwijfeld kunnen verbeteren.

Bij deze

technieken worden de diverse items meestal aan een testpanel (leken of experten) voorgeschoteld; op basis van hun waardering of rangschikking worden de gelijkenissen en verschillen tussen de items geanalyseerd om uiteindelijk te komen tot gefundeerde in plaats van willekeurige scores (zie o.a. Swanborn (1993)). Een tweede probleem is de manier waarop de verschillende variabelen worden opgeteld om een totaalscore op de schaal te bekomen. Vele schalen houden geen rekening met het relatief belang van de factor en beperken zich tot een louter optellen van de verschillende scores. Hanson (1997) kent in zijn RRASOR (zie §3.1.1.6) aan de factoren ‘jonger dan 25 jaar’ en ‘minstens één niet-verwant slachtoffer’ een waarde 1 of 0 toe (naargelang het kenmerk al dan niet aanwezig is) en neemt achteraf een ongewogen som van deze scores. Uit het onderzoek van Hanson en Bussière (1996) bleek echter dat deze factoren een verschillende correlatie vertonen met sexuele

- 52 -

recidive, wat betekent dat de ene factor meer gerelateerd is aan recidive dan de andere. Dit verschil is echter niet weerspiegeld in de manier waarop het aggregaat wordt samengesteld. Door een beroep te doen op regressietechnieken kan aan dit euvel worden verholpen. Regressie laat toe te bepalen welke groep factoren het best presteert met betrekking tot het schatten van toekomstige recidive en kent bovendien aan elke factor een relatief gewicht toe.

3.2.1.1 Lineaire regressie

De meest eenvoudige variant van regressie is de lineaire regressie. De standaardvorm van een lineair regressiemodel is Yˆ = β1X1 + β2X2 + … + βkXk

waarin Yˆ de verwachte waarde van de afhankelijke variabele (recidive) voorstelt, Xi de i verklarende factoren28 en βi de regressiecoëfficiënten.

Aan de hand van een

steekproef kan dit model (meer bepaald βi’s) geschat worden met de kleinste kwadratenmethode.

De Y-waarde voor nieuwe gevallen kan op basis van het

bekomen model worden bepaald door de waarde29 voor elke factor Xi te vermenigvuldigen met de overeenkomstige βi. Deze Y-waarde kan worden gezien als een score op een meetschaal. Dit type modellen heeft echter een aantal beperkingen. Ten eerste wordt een lineair verband verondersteld (terwijl het werkelijke verband in veel gevallen niet-lineair is). Ten tweede moeten een aantal voorwaarden vervuld zijn om deze techniek te ‘mogen’ toepassen (bvb. dat de variabelen multivariaat normaal verdeeld zijn). Ten derde mag dit soort modellen in principe niet worden gebruikt wanneer de afhankelijke variabele dichotoom is (wat hier het geval is gezien de variabele enkel de waarden ‘1’ (recidive) en ‘0’ (geen recidive) aanneemt). Wanneer we niet geïnteresseerd zijn in een waarde op een schaal, maar in de kans op recidive, dan is er het bijkomende probleem dat de afhankelijke variabele in het model

In de gangbare softwarepakketten zijn procedures voorzien die uit de beschikbare variabelen een optimale selectie maken voor het model. 29 Deze techniek kan ook worden gebruikt met kwalitatieve variabelen die enkel de waarde 0 of 1 aannemen (Schmidt en Witte, 1984a: 12). 28

- 53 -

alle mogelijke waarden kan aannemen, dit terwijl een kans per definitie tussen 0 en 1 ligt.

Vermeldenswaard is tenslotte nog een studie van Schmidt en Witte (1984a) naar recidive waarbij als afhankelijke variabele ‘de totale tijd veroordeeld tot een gevangenisstraf’ wordt genomen. Deze notie is veel rijker dan de gewone dichotomie ‘hervallen of niet’, de totale tijd die iemand na zijn vrijlating opnieuw in de gevangenis doorbrengt kan immers worden gezien als een maat voor de ernst van de recidive. Een praktisch probleem is echter dat deze variabele voor niet-recidivisten steeds de waarde 0 zal aannemen, voor recidivisten kan de variabele elke waarde groter dan 0 aannemen (natuurlijk begrensd door de lengte van de follow-up periode). Er wordt een gewone regressievergelijking geschat, maar de totale tijd veroordeeld tot een gevangenisstraf zal gelijkgesteld worden met 0 voor negatieve waarden van de regressiecurve. De modellen van dit type worden Tobit modellen genoemd (Schmidt en Witte, 1984a).

3.2.1.2 Lineaire discriminantanalyse

Een techniek die soms wordt gebruikt om te voorspellen tot welke van twee groepen de elementen van een populatie (zullen) behoren, is discriminantanalyse (zie o.a. Klecka, 1990 en Tacq, 1992, Hoofdstuk 8). Op basis van een model tracht men voor nieuwe gevallen te voorspellen in welke groep ze zullen terechtkomen, in dit geval recidivisten of niet-recidivisten. Deze techniek wordt in de financiële wereld vaak gebruikt om - op basis van een aantal financiële ratio’s - te voorspellen of een bedrijf al dan niet zal falen. Bij lineaire discriminantanalyse wordt gezocht naar een lineaire combinatie van verklarende variabelen die zo goed mogelijk de verschillen tussen de groep weergeeft. Bedoeling is dat de scores op deze lineaire combinatie voor de twee groepen zover mogelijk uit elkaar dienen te liggen of zo weinig mogelijk overlappen zodat een minimum aantal gevallen verkeerd geklasseerd wordt 30.

30

In technische termen uitgedrukt betekent dit dat ‘voor de discriminantscores geldt dat de verhouding tussen de between- en de within-spreiding maximaal is’ (Tacq, 1992: 226), met andere woorden tussen de groepen een zo groot mogelijke heterogeniteit en binnen de twee groepen een zo groot mogelijke homogeniteit.

- 54 -

Voor nieuwe delinquenten wordt de discriminantscore berekend (analoog aan de procedure bij lineaire regressie is dit de gewogen som van scores op de diverse verklarende variabelen); ligt deze onder een bepaalde grens, dan zal de voorspelling voor toekomstige recidive ‘negatief’ zijn, ligt zijn score boven deze grens, dan wordt de persoon bestempeld als potentieel recidivist. Doorgaans wordt deze grens (ook wel scheidingsniveau of afkapwaarde genoemd) gelijkgesteld met het midden van de gemiddelde scores voor de twee groepen, maar er bestaan ook meer gesofisticeerde methodes die rekening houden met de kost van verkeerde classificaties. Iemand ten onrechte als potentieel recidivist klasseren kan immers een hogere of lagere (maatschappelijke) kost hebben dan een als ‘laag risico’ bestempelde (latere) recidivist. Lineaire discriminantanalyse is gebaseerd op de veronderstelling dat de variabelen multivariaat normaal verdeeld zijn en dat de correlaties tussen de verklarende variabelen in beide groepen dezelfde zijn.

Zamble en Quinsey (1997: 87-89) voerden een discriminantanalyse uit op een set dynamische variabelen om het gewicht van elke variabele te beoordelen in vergelijking met de andere variabelen.

Wanneer de auteurs de bekomen

discriminantfunctie testten als predictie-instrument, bleek deze zeer accuraat te zijn (tenminste binnen de groep recidivisten, cf. infra).

Het toevoegen van statische

variabelen bleek een negatief effect te hebben op deze accuraatheid, volgens Zamble en Quinsey nog maar eens een indicatie voor het belang van dynamische factoren voor de predictie van recidive.

3.2.1.3 Logistische regressie

Voor enkele van de hogervermelde problemen waarmee lineaire regressie krijgt af te rekenen, kan logistische regressie een oplossing bieden (zie o.a. Long, 1997; Schmidt en Witte, 1984a; Knoke en Burke, 1980). In een logit model31 wordt de relatie tussen Pi (de kans op recidive) en de verklarende variabelen Xi verondersteld de volgende te zijn: ln[Pi / (1 - Pi)] = β1X1 + β2X2 + … + βkXk = Xβ

31

Logit modellen zijn in principe log-lineaire modellen waarin expliciet een onderscheid wordt gemaakt tussen afhankelijke en onafhankelijke variabelen (Hagenaars, 1990: 25).

- 55 -

waarin ‘ln’ de natuurlijke logaritme voorstelt32 en Xβ een verkorte notatie is voor de lineaire combinatie van de verklarende variabelen. Wanneer deze vergelijking wordt uitgewerkt naar Pi krijgen we: Pi =

exp( Xβ ) 1 = 1 + exp( Xβ ) 1 + exp(− Xβ )

waarin ‘exp’ de exponentiële functie voorstelt. Het waardengebied van deze functie is beperkt tot het interval [0 , 1], zodat Pi als een kans kan worden beschouwd. De parameters van dit model (de βi’s) kunnen worden geschat met behulp van een iteratieve procedure, bvb. maximum likelihood estimation. Indien een coëfficiënt groter is dan nul, dan gaat een stijging van de waarde van de overeenkomstige factor gepaard met een stijging van de kans op recidive; het omgekeerde geldt indien een coëfficiënt kleiner is dan nul. Een logit model veronderstelt dat het verband tussen de kans op recidive, Pi, en de gewogen totaalscore op de factoren, Xβ, als volgt zal verlopen: voor lagere scores zal een verhoging een meer dan proportionele verhoging van de kans betekenen, in het middenste deel zal de verhoging van de kans ongeveer proportioneel zijn, voor hoge scores zal de verhoging van de kans minder dan proportioneel zijn (op een grafiek lijkt de curve op een langgerekte letter S). Een nadeel van deze methode in vergelijking met lineaire regressie is dat de resultaten moeilijker interpreteerbaar zijn.

Schmidt en Witte (1984a) wijzen erop dat de meeste sets verklarende variabelen alles behalve normaal verdeeld zijn, dit wegens de aanwezigheid van 0-1-variabelen (bvb. al dan niet een vaste job) of variabelen met een sterk scheve verdeling (bvb. aantal vorige veroordelingen). In dit geval zal een discriminantanalyse - die uitgaat van normaliteit van de variabelen - slechtere schattingen geven van de parameters dan een logistische regressie (Schmidt en Witte, 1984a: 24). Sims en Jones (1997) kwamen met een logit model gebaseerd op historische variabelen tot 81% correcte predicties.

32

De odds op recidive is de verhouding van de kans dat iemand recidiveert ten opzichte van de kans dat iemand niet recidiveert, het linkerlid van de vergelijking is dus gelijk aan de logaritme van de odds (de logodds) op recidive.

- 56 -

In hun studie rond recidivisme bij Amerikaanse vrijgelaten gedetineerden, gebruikten Beck en Shipley (1989) logit modellen om de relatieve bijdrage van de verschillende variabelen tot de kans op recidive te onderzoeken, controlerend voor mogelijke interacties tussen de verklarende variabelen onderling. Zo zou het bvb. kunnen zijn dat de hogere recidivegraad bij plegers van vermogensdelicten voor een stuk te maken heeft met de leeftijdsverdeling binnen deze groep delinquenten; wanneer men controleert voor de variabele ‘leeftijd’ verdwijnt misschien het verschil met plegers van andere delicten. In het definitieve model waren inderdaad enkele variabelen weggelaten omdat ze een niet-significant netto-effect hadden op de afhankelijke variabele. Dit wil niet zeggen dat deze variabelen geen relatie hebben met recidive, maar wel dat ze naast hun correlatie met recidive ook sterk gecorreleerd zijn met één of meerdere andere verklarende variabelen. Het resultaat van hun analyse was dat de leeftijd en het aantal vorige arrestaties de grootste (netto-)impact hadden. De kans op recidive (i.e. een nieuwe arrestatie) voor personen die àlle karakteristieken met een hoog risico bezitten werd op basis van hun logit model geschat op 90,4%; voor personen die voor elke variabele tot de categorie met het laagste risico behoorden, was dit slechts 17,4% (Beck en Shipley, 1989: 11-12).

3.2.1.4 Recente ontwikkelingen

Uit bovenstaande besprekingen van lineaire regressie, discriminantanalyse en logistische regressie is duidelijk dat deze technieken gebukt gaan onder een zware lading assumpties, niet alleen wat betreft de verdeling van de variabelen (bvb. normaliteit bij lineaire regressie en discriminantanalyse) maar evenzeer inzake de relatie tussen de onafhankelijke variabelen en de afhankelijke variabelen.

De

afhankelijke variabele wordt uitgedrukt als een functie van de gewogen som van de verklarende variabelen. Ten eerste worden er belangrijke veronderstellingen gemaakt in verband met de aard van de functie. Lineaire regressie en discriminantanalyse gaan uit van een lineair verband tussen afhankelijke en verklarende variabelen maar slechts weinig maatschappelijke fenomenen vertonen in werkelijkheid een perfect lineair verband. Ook bij logistische regressie wordt een model geschat dat een welbepaalde ‘voorgedefinieerde’ vorm heeft. Ten tweede wordt verondersteld dat de te verklaren

- 57 -

variabele afhangt van een lineaire combinatie van de verklarende variabelen. Dit additieve karakter is echter niet vanzelfsprekend, misschien moeten sommige van de verklarende variabelen met elkaar worden vermenigvuldigd in plaats van opgeteld? De overdosis veronderstellingen bij de traditionele methodes zorgen voor een groot verlies aan informatie, dit soms met verkeerde conclusies als gevolg.

De afgelopen vijftien jaar staken in andere disciplines (met name biometrie en econometrie) enkele nieuwe methodes de kop op die op een meer flexibele manier de relatie tussen afhankelijke en onafhankelijke variabele schatten. kunnen

in

twee

groepen

worden

ingedeeld:

Deze methodes

niet-parametrische

en

semi-

parametrische.

Het standaard niet-parametrisch model heeft volgende specificatie33 (Härdle, 1990): Yi = m( X i ) + ε i ,i = 1, K , n

Aan dit type modellen worden geen beperkingen opgelegd wat betreft de aard van de functie. Niet-parametrische modellen worden geschat door middel van een methode die local averaging wordt genoemd: de waarde van de afhankelijke variabele voor een bepaalde waarde x van de verklarende variabele X wordt geschat door een (gewogen) gemiddelde te nemen van de waarden van de afhankelijke variabele voor in de nabijheid van x gelegen waarden van X. Enkel de punten in de dichte omgeving van x komen in aanmerking, de waarde van de afhankelijke variabele voor afgelegen punten kan immers te veel verschillen. De local averaging techniek kent drie varianten: kernel smoothing, k-nearest neighbours smoothing en spline smoothing. In de eerste methode wordt in een vaste zone rond x op basis van een gewichtsfunctie het gewogen gemiddelde berekend; hoe groter deze zone, hoe meer punten in het gewogen gemiddelde vertegenwoordigd zijn.

De

gewichtsfunctie kan aan alle punten een zelfde gewicht toekennen, maar meestal zal het gewicht afnemen naarmate de punten verder van het centrale punt x liggen (Härdle, 1991). De tweede variant neemt het gemiddelde in een variabele omgeving van x: de k punten die het dichtst bij x liggen worden in aanmerking genomen. In

33

Voor de duidelijkheid van de uiteenzetting wordt maar één verklarende variable gebruikt, de modellen zijn vanzelfsprekend uitbreidbaar naar meerdere verklarende variabelen.

- 58 -

gebieden waar veel observaties terug te vinden zijn, zal de afstand tot deze k punten relatief klein zijn in vergelijking met gebieden waar slechts weinig waarden beschikbaar zijn. Voor de derde methode, spline smoothing, wordt het domein van de verklarende variabele opgesplitst in een aantal stroken (‘splines’), in elk van deze stroken wordt een curve geschat die de datapunten goed representeert maar tegelijk ook netjes aansluit op de curves in de aangrenzende stroken. Beide elementen, nl. weinig afwijkingen van de geobserveerde data en weinig schommelingen of ‘lokale variatie’ (Härdle, 1990: 56), worden samengevoegd in één uitdrukking.

Het

minimaliseren van deze uitdrukking levert uiteindelijk de geschatte regressiecurve.

Deze niet-parametrische technieken hebben ondanks hun flexibiliteit toch enkele minpunten. Ten eerste kan de schatting van de curve een zeer omslachtige opdracht zijn. Ten tweede kunnen de resultaten moeilijk te interpreteren zijn. Zolang men in twee dimensies werkt, kan een grafiek een duidelijk beeld van de relatie geven, maar eenmaal men in 3 of meer dimensies werkt, is dit echter een stuk minder voor de hand liggend. Dit was voor sommige auteurs een aanleiding om opnieuw enkele parametrische componenten in de niet-parametrische modellen te injecteren, wat leidde tot een nieuw type modellen: semi-parametrische modellen.

Twee belangrijke types semi-

parametrische modellen zijn de partieel lineaire modellen en de index modellen.

De algemene vorm van een partieel lineair model (Green, Jennison en Seheult, 1985; Speckman, 1988; Härdle, 1990) is: E [Y ] = Zβ + m( X )

waarin Zβ - een lineaire combinatie van een aantal variabelen Zi - en m(X) respectievelijk de parametrische en de niet-parametrische component voorstellen. Green et al. (1985), Heckman (1986), Speckman (1988) en Härdle (1990) brengen diverse benaderingen aan om dit soort modellen te schatten.

Index modellen worden voorgesteld door de vergelijking (Stoker, 1991) E [Y ] = G ( Xβ )

waarin Xβ, de ‘index’, een lineaire combinatie is van de verklarende variabelen; de veronderstelling dat de variabelen moeten worden opgeteld, vormt het parametrische - 59 -

deel van dit type modellen. G is een niet nader gespecifieerde functie van de index. Technieken om index modellen te schatten, werden beschreven door Härdle en Stoker (1989), Powell, Stock en Stoker (1989) en Stoker (1991).

De in deze paragraaf besproken technieken kennen tot dusver geen wijd verspreid gebruik. Enerzijds zijn het immers tamelijk recente technieken, anderzijds zijn de complexe schattingsprocedures (nog) niet opgenomen in populaire softwarepakketten zoals SPSS of SAS.

Toch tonen toepassingen in bio-medische en economische

studiegebieden aan dat deze modellen zeker relevant zijn. Vooral onderzoeken die af te rekenen krijgen met een waaier aan grillige variabelen - die alles behalve voldoen aan de voorwaarden om traditionele regressiemethodes toe te passen - kunnen uit deze nieuwere methodes een meerwaarde halen. Gezien het ‘afwijkend gedrag’ van variabelen in criminologische onderzoeken, ligt hier ongetwijfeld een interessant toepassingsgebied. Härdle (1990) vermeldt een studie waar deze recente technieken werden gebruikt in een onderzoek naar het hervallen van patiënten na het volgen van een bepaalde medische therapie; de analogie met een studiegebied als predictie van recidive is treffend …

3.2.2 Mathematische modellen

De modellen die in deze paragraaf aan bod komen, proberen recidive te relateren aan de tijd verlopen na de vrijlating. Het interessante aan deze modellen (in tegenstelling tot de regressiemodellen) is dat ze zowel het vóórkomen van recidive als het tijdstip van recidive modelleren (Baumer, 1996: 12). Omdat de theoretisch (mathematische) achtergrond buiten het bestek van deze verhandeling valt, is de bespreking beperkt tot een beknopt overzicht van de verschillende invalshoeken.

Een eerste soort wil de cumulatieve proportie recidives modelleren. Recidive is geen deterministisch maar een probabilistisch gegeven (misschien wel voor de delinquent, maar niet vanuit het standpunt van een onderzoeker …). Het is niet mogelijk te voorspellen wie zal falen, we kunnen enkel stellen dat gemiddeld zoveel personen zullen recidiveren binnen een bepaalde tijdspanne (Maltz, 1984: 77-78). Dit wordt bij uitstek uitgewerkt door de waarschijnlijkheidsverdeling van de recidives te

- 60 -

beschouwen over de tijd, alsook de bijhorende cumulatieve verdeling. In hoofdstuk 1 werd er reeds op gewezen dat deze cumulatieve verdeling een logaritmisch verloop kent (zie Figuur 1 en Figuur 2). Het is net deze cumulatieve verdeling die wordt gemodelleerd. Het precieze verloop van de functie wordt bepaald door de assumpties of restricties die worden gemaakt omtrent de falingsgraad (failure rate, hazard rate). De falingsgraad is het percentage personen dat in een bepaalde periode ‘uitvalt’, bekeken ten opzichte van het aantal dat (in de vorige periodes) nog niet was hervallen (Maltz, 1984, Schmidt en Witte, 1984a). Maltz (1984, hoofdstuk 7 en 8) bespreekt een groot aantal mogelijke modellen en schuift uiteindelijk een model op basis van de onvolledige exponentiële verdeling naar voren.

Belangrijkste veronderstellingen zijn een constante falingsgraad (i.e. elke

periode faalt een zelfde percentage - dus niet eenzelfde aantal!) en een bepaalde kans dat iemand uiteindelijk faalt (bvb. het percentage recidives in de steekproef).

Overlevingsmodellen (survival models) (Schmidt en Witte, 1984a, 1988; Ekland-Olson en Kelly, 1993) bekijken recidive vanuit het omgekeerde standpunt en willen iets zeggen over de kans dat iemand op een bepaald ogenblik in de tijd nog niet zal zijn hervallen.

Ook hier worden in de literatuur diverse wiskundige modellen

voorgesteld34.

Proportionele falingsmodellen (proportional hazard models) maken gebruik van individuele karakteristieken als verklarende variabelen om de tijd die verloopt tussen vrijlating en recidive te schatten (Schmidt en Witte, 1984a, 1988). Dergelijke modellen veronderstellen een falingsgraad van de vorm h(tX) = h0 (t )e Xβ , h(t) is dus conditioneel ten opzichte van de verklarende variabelen (voorgesteld door X). h0(t) geeft de ‘algemene’ hazard rate weer; dit model veronderstelt dus dat de falingsgraad (in de tijd) tussen twee personen op een proportionaliteitsfactor na gelijk is.

In de vergelijking zien ze dat deze factor afhankelijk is van Xβ (de lineaire

combinatie van de verklarende variabelen). Baumer (1996) gebruikte dergelijk model in zijn studie rond recidive op het eiland Malta en kwam tot de conclusie dat het aantal vorige veroordelingen en de leeftijd op het ogenblik van de vrijlating de meest

34

Voor een uitgebreide discussie, zie Schmidt en Witte (1988).

- 61 -

significante factoren waren.

3.3 ACCURAATHEID VAN

PREDICTIES

3.3.1 Verklarende kracht

In hoofdstuk 2 bleek de correlatie van de recidivegerelateerde factoren met het al dan niet optreden van recidive zelden boven 0.20 te liggen, ook de schalen en modellen slagen er niet in veel meer dan 30% van de variantie te verklaren (Schmidt en Witte, 1988). Dit impliceert dat recidive door heel wat meer factoren wordt beïnvloed. Het hoeft waarschijnlijk weinig uitleg dat predicties betreffende het al dan niet hervallen verre van perfect zullen zijn.

Enkele van de frequentst gebruikte benaderingen om de

accuraatheid of kracht van meetschalen of modellen te evalueren, komen in deze paragraaf aan bod.

De meest voor de hand liggende manier om de accuraatheid van predicities te beoordelen, is het percentage correcte voorspellingen (het discriminerend vermogen) na te gaan.

Dit komt neer op de verhouding van het aantal correct positieve

voorspellingen plus het aantal correct negatieve voorspellingen op het totaal aantal personen waarvoor een voorspelling werd gedaan. Het aantal vals positieve (recidive voorspeld, maar persoon hervalt niet) en vals negatieve (geen recidive voorspeld, maar persoon hervalt toch) predicties dient dus zo laag mogelijk te zijn. Hoewel beide fouten vanuit wetenschappelijk oogpunt even erg zijn, kunnen ze wel verschillende maatschappelijke gevolgen hebben (Blackburn, 1993: 323). Een hoge graad van vals negatieve voorspellingen (i.e. de verhouding van het aantal vals negatieve predicties ten opzichte van totaal aantal negatieve predicties) impliceert dat heel wat personen ‘ten onrechte’ worden vrijgelaten, een hoog aantal vals positieve voorspellingen heeft als gevolg dat velen verkeerdelijk als een gevaar worden bestempeld. Uit de literatuur blijkt dat de meeste recidivestudies aan beide fouten een gelijk belang toekennen. De efficiëntie van een predictie-instrument is de mate waarin het erin slaagt

- 62 -

voorspellingen te doen die ‘een voorspelling op goed geluk’ overtreffen 35 (Blackburn, 1993: 323). Aangezien er maar twee mogelijke uitkomsten zijn (nl. recidive en geen recidive), is de kans om bij een willekeurige toewijzing iemand in de correcte groep te plaatsen gelijk aan 50%. Een discriminerend vermogen van 80% wil dus zeggen dat 30% meer van de populatie juist is ingedeeld in vergelijking met een puur toevallige indeling.

Blackburn (1993: 325) merkt op dat de accuraatheid op zich nog niet alles zegt. Stel dat de recidivegraad in de populatie 95% zou bedragen, en men beschikt over een meetinstrument dat in 80% van de gevallen een juiste predictie maakt, dan worden minder foute beslissingen gemaakt als iedereen als recidivist wordt gecatalogeerd (5% fouten ten opzichte van 20%).

Een tweede maat om de accuraatheid van predicties te evalueren, is de kans dat een willekeurige recidivist een hogere score (indien hogere scores een hoger risico betekenen) behaalt op de schaal dan een niet-recidivist. Deze maat kan worden geoperationaliseerd door de oppervlakte onder de receiver operating characteristic (ROC) curve te berekenen; deze curve zet het aantal juist geklasseerde recidivisten uit tegen het aantal fout geklasseerde niet-recidivisten, dit voor elke waarde die de schaal kan aannemen (Hanson, 1997: 11). Deze oppervlakte varieert tussen 0.5 (toevallige indeling) en 1.0 (perfecte voorspelling).

In praktijk valt de accuraatheid van de schalen over het algemeen ergens halfweg tussen 50% (toevallige toewijzing) en 100% (perfecte predictie) (Zamble, 1993: 1; Zamble en Quinsey,1997: 3). Sims en Jones (1997: 320) vermelden voor hun model een overall hit ratio (i. e. het percentage correcte predicties - positief en negatief) van 81%. Bij Schmidt en Witte (1988) was dit 65% (met in de subgroepen 47% vals positieve en 27% vals negatieve predicties). Een uitzonderlijk resultaat geeft de discriminantfunctie van Zamble en Quinsey (1997: 87-88): 97% accuraatheid (309 van de 311 recidivisten en 28 van de 36 niet-recidivisten werden goed geklasseerd). Wat de auteurs niet opmerken, is de scheefheid in de

35

In de literatuur wordt deze grootheid soms aangeduid met de term ROIC, wat staat voor de rate of improvement over chance (Greenberg, 1998) of relative improvement over chance (Cohen, Zimmerman en King, 1992).

- 63 -

steekproef. Die bevat immers zeer weinig niet-recidivisten, en voor die groep is de accuraatheid veel lager, nl. 28/36 of 78%). Het is dus belangrijk naast het totaal aantal juiste voorspellingen ook het aantal juiste voorspellingen binnen de twee groepen te bekijken.

Een verraderlijk element bij de mate van accuraatheid is dat deze meestal is berekend op basis van dezelfde steekproef die werd gebruikt om het model of de schaal op te stellen. Een juist beeld van de accuraatheid kan enkel worden bekomen door de schaal te testen op een andere steekproef. Een tweede punt is dat de invloed van bepaalde verklarende factoren verandert in de tijd. Gevolg is dat een bepaald meetinstrument zeer goed werkt op het moment van de constructie, maar jaren later totaal irrelevant geworden is 36.

3.3.2 Risicobeoordeling of indivuele predicties?

De meeste auteurs waarschuwen ervoor de schalen of modellen te gebruiken om individuele predicties te doen omtrent recidive. Veelal wordt aangeraden enkel een screening te doen (Hanson, 1997) en de individuen hoogstens in te delen in een bepaalde risicocategorie (Shannon, 1985). Een harde afkapwaarde hanteren en stellen dat degenen die onder die waarde zitten niet zullen hervallen en zij die boven die grens uitkomen wel, is - gezien de matige kracht van de meetinstrumenten - onverantwoord.

Rond de afkapwaarde zal immers een soort

grijze zone liggen waar de twee groepen sterk overlappen (een zone die dus zou kunnen overeenstemmen met de beoordeling ‘matig risico’). Beck en Shipley (1989: 12) schrijven dat hun logit model ‘enkel een beoordeling van het risico van ex-gedetineerden met specifieke karakteristieken verschaft’.

Anderen raden aan zich te beperken tot uitspraken over groepen en niet over individuen. Geaggregeerde cijfers over de te verwachten recidive kunnen een interessant

gegeven

vormen

op

beleidsniveau,

bvb.

om

de

toekomstige

gevangenispopulatie te schatten.

36

De SIR-schaal (zie §3.1.1.1) werd na elf jaar getest op z’n validiteit; het resultaat was dat de scores nog steeds een verband vertoonden met toekomstige recidive (zie ook Tabel 3) (Solicitor General Canada, 1996; Service correctionnel du Canada, 1989).

- 64 -

Schmidt en Witte (1988: 5) merken tenslotte nog op dat heel wat variabelen die in de modellen worden gebruikt een controversieel karakter hebben: ras, etniciteit, geslacht, godsdienst, etc. Hun voorstel is om deze variabelen te gebruiken om het model op te stellen, maar er geen rekening mee te houden bij het toepassen van het model. Op die manier zijn de interacties tussen dit soort variabelen en andere factoren toch in rekening gebracht. De auteurs geven als voorbeeld dat het weglaten van de factor ‘ras’ de coëfficiënt van de factor ‘opleidingsniveau’ sterk zal beïnvloeden indien bvb. zwarten vlugger naar de gevangenis terugkeren en gemiddeld genomen lager opgeleid zijn.

‘Opleidingsniveau’ zal ten onrechte als een goede indicator voor

recidive worden beschouwd, met als gevolg dat personen met een hoger opleidingsniveau vlugger zullen worden vrijgelaten (een groep die vooral uit blanken zal bestaan). Indien de factor ‘ras’ wordt gebruikt om het model op te stellen, dan zal een groot stuk van de vermeende correlatie van de factor ‘opleidingsniveau’ worden opgeslorpt zodat enkel de échte (partiële) correlatie tussen iemands genoten opleiding en recidive overblijft.

3.4 BESLUIT Gedurende de voorbije vijfentwintig jaar werden heel wat meetinstrumenten ontwikkeld om voorspellingen te doen omtrent het al dan niet hervallen van delinquenten.

De recente evolutie in dit domein wordt gekenmerkt door een

uitbreiding van het gamma variabelen dat een invloed zou kunnen hebben op recidive. Het accent verschuift meer en meer in de richting van dynamische factoren. Bij de constructie van deze schalen is echter vooral aandacht besteed aan de inhoud, namelijk welke variabelen wel of niet moeten worden opgenomen. Heel wat van de predictieve kracht van deze factoren gaat ongetwijfeld verloren in de manier waarop de schaal wordt opgesteld. De gebruikte technieken zijn veelal niet aangepast aan de aard van de gegevens, wat tot zeer slechte schattingen kan leiden. De diverse waarden die een variabele kan aannemen worden meestal op tamelijk rudimentaire wijze gecodeerd. multidimensionale

Een beroep doen op de vele beschikbare uni- en

schaaltechnieken

zou

‘metingen’ kunnen zorgen.

- 65 -

waarschijnlijk

voor

veel

accuratere

Een betere interactie tussen zij die de (criminologische) inhoud beheersen en zij die de (methodologische) vorm beheersen kan ongetwijfeld een krachtige kruisbestuiving opleveren.

- 66 -

Hoofdstuk 4

4 Empirisch onderzoek: recidive in North Carolina

4.1 INLEIDEND De oorspronkelijke bedoeling van deze verhandeling was om na een overzicht van de in de literatuur gegeven verklaringen voor recidive, deze bevindingen te testen op een steekproef van Belgische personen en zo na te gaan of de conclusies ook naar ons land kunnen worden gegeneraliseerd. Spijtig genoeg heb ik enkel een bevestiging gekregen dat de conclusies van §1.2 kunnen worden gegeneraliseerd: het bleek onmogelijk in België een instantie te vinden die haar medewerking wou verlenen door gegevens te verschaffen die ik voor dit onderzoek had kunnen gebruiken.

Een waardig alternatief werd echter gevonden in de Verenigde Staten. Twee datasets ter beschikking gesteld door het Inter-university Consortium for Political and Social Research bevatten een rijke verzameling aan gegevens over gevangenen vrijgelaten in de staat North Carolina (Schmidt en Witte, 1984b). De eerste dataset bevat gegevens over de personen die tussen 1 juli 1977 en 30 juni 1978 werden vrijgelaten, de tweede dataset bevat analoge gegevens voor de gevangenen die in de periode 1 juli 1979 - 30 juni 1980 in vrijheid werden gesteld.

Gezien het oorspronkelijke opzet - Belgische gegevens analyseren - onmogelijk is

- 67 -

gebleken, en daarmee een stuk van de relevantie van dit afsluitend hoofdstuk verloren gaat, is het onderzoek beperkt tot het empirisch testen van enkele aspecten die in hoofdstuk 2 en 3 aan bod kwamen. De dataset zelf legt natuurlijk heel wat beperkingen op daar niet alle gewenste variabelen aanwezig zijn (zo is het aantal dynamische variabelen (zie hoofdstuk 2) zeer beperkt).

4.2 OVERZICHT VAN DE DATASETS Zoals in de inleiding reeds vermeld, hebben de twee datasets betrekking op vrijgelaten gevangenen in North Carolina. De eerste dataset bevat gegevens van 9327 personen die tussen 1 juli 1977 en 30 juni 1978 werden vrijgelaten; de tweede dataset bevat gelijkaardige gegevens van 9549 personen die tussen 1 juli 1979 en 30 juni 1980 werden vrijgelaten.

In beide bestanden zijn voor ongeveer de helft van de personen geen volledige gegevens ter beschikking.

Enkel de personen met volledige gegevens werden

weerhouden; gezien er geen patroon zit in de ontbrekende gegevens - het gaat vooral om een slechte registratie - vormt dit geen probleem.

Voor de hierna uitgevoerde analyses werd het tweede bestand opgesplitst in twee delen: één deel werd gebruikt voor de analyses, het tweede deel werd gehanteerd voor occasionele validaties van resultaten bekomen op basis van het andere deel. De gegevens van het bestand met betrekking tot 1978 worden eveneens enkel gebruikt ter controle.

Volgende variabelen zijn beschikbaar:

- 68 -

Naam

Omschrijving

WHITE ALCHY JUNKY SUPER MARRIED FELON WORKREL PROPTY PERSON MALE PRIORS SCHOOL RULE AGE TSERVD FOLLOW RECID TIME

geeft aan of de persoon al dan niet blank is geeft aan of de persoon al dan niet een alcoholprobleem heeft geeft aan of de persoon al dan niet hard drugs gebruikt geeft aan of de persoon na zijn vrijlating al dan niet onder toezicht stond geeft aan of de persoon al dan niet gehuwd was op het moment van de vrijlating geeft aan of het misdrijf waarvoor hij vastzat een felony of een misdemeanor betrof37 geeft aan of de persoon al dan niet deelnam in een werkprogramma geeft aan of het misdrijf waarvoor hij vastzat al dan niet een vermogensdelict betrof geeft aan of het misdrijf waarvoor hij vastzat al dan niet een misdrijf tegen personen was geeft aan of de persoon mannelijk of vrouwelijk is geeft het aantal vorige opsluitingen geeft het aantal jaar dat de persoon school liep geeft aan of bepaalde overtredingen van de gevangenisregels werden gerapporteerd geeft de leeftijd van de persoon op het ogenblik van de vrijlating (in maanden) geeft de tijd die de persoon in de gevangenis doorbracht voor het laatste misdrijf geeft de lengte van de follow-up periode geeft aan of de persoon al dan niet naar de gevangenis terugkeerde geeft de tijd aan tussen de vrijlating en de eventuele terugkeer naar de gevangenis

Tabel 6: Beschrijving van de variabelen in de North Carolina bestanden.

4.3 BESPREKING

4.3.1 Risicofactoren

Bij wijze van introductie is in Tabel 7 voor elke subcategorie personen het percentage recidivisten38 en niet-recidivisten weergegeven. Voor de continue variabelen is de gemiddelde waarde gegeven voor respectievelijk niet-recidivisten en recidivisten. In de derde kolom van de tabel is voor elke nominale variabele de samenstelling vermeld (aandeel van elke groep in de totale steekproef). Ongeveer 36% van de personen in de steekproef is tijdens de follow-up periode hervallen. Wat betreft de richting van de effecten (i. e. welke categorie de hoogste recidivegraad vertoont), stemmen de resultaten in Tabel 7 mooi overeen met wat intuïtief (of op basis van hoofdstuk 2) werd verwacht. De verschillen zijn meestal niet

De indeling in felony en misdemeanor is moeilijk te vergelijken met ons strafrecht; de eerste groep leidt normaal tot een straf van meer dan twee jaar, de tweede groep tot een straf van minder dan twee jaar. 38 Recidive is in deze dataset gedefinieerd als een terugkeer naar een gevangenis in North Carolina gedurende de follow-up periode. 37

- 69 -

Variabele

Categorie

Aandeel in de steekproef

Nietrecidivisten

Recidivisten

t-waarde verschil en significantie

Correlatie (Pearson) en significantie

TOTAAL

-

100%

64%

36%

-

WHITE

zwart blank

49% 51%

60% 68%

40% 32%

4.176 (.000)

-.078 (.000)

ALCHY

geen wel

65% 35%

65% 61%

35% 39%

-2.255 (.024)

.042 (.023)

JUNKY

geen wel

80% 20%

65% 60%

35% 40%

-2.190 (.029)

.042 (.026)

SUPER

nee ja

18% 82%

60% 65%

40% 35%

2.060 (.040)

-.039 (.036)

MARRIED

nee ja

77% 23%

62% 71%

38% 29%

4.616 (.000)

-.083 (.000)

FELON

misdemeanor felony

58% 42%

65% 62%

35% 38%

-1.544 (.123)

.029 (.122)

WORKREL nee ja

56% 44%

65% 63%

35% 37%

-1.165 (.244)

.022 (.243)

PROPTY

nee ja

55% 45%

68% 59%

32% 41%

-4.694 (.000)

.088 (.000)

PERSON

nee ja

89% 11%

63% 69%

37% 31%

2.222 (.027)

-.040 (.032)

MALE

vrouw man

5% 95%

75% 63%

25% 37%

-3.056 (.003)

.052 (.005)

PRIORS

gemiddelde

-

1,1

1,7

-5.828 (.000)

.120 (.000)

SCHOOL

gemiddelde

-

9,7

9,5

2.897 (.004)

-.054 (.004)

RULE

gemiddelde

-

1,3

1,9

-4.899 (.000)

.094 (.000)

AGE

gemiddelde

-

348,5

326,1

5.018 (.000)

-.093 (.000)

TSERVD

gemiddelde

-

17,1

22,8

-6.961 (.000)

.129 (.000)

FOLLOW

gemiddelde

-

51,4

51,5

-

-

TIME

gemiddelde

-

-

18,1

-

-

Tabel 7: Recidive versus niet-recidive per subgroep.

- 70 -

-

erg groot maar wel zeer significant (wat kan veroorzaakt zijn door de relatief grote steekproef, n = 2873). Enkel het feit of de gedetineerde een werkprogramma volgde en de ernst van het misdrijf blijken geen significant verschil op te leveren tussen recidivisten en niet-recidivisten. Dit laatste is ook af te leiden uit de laatste kolom van de tabel, waar voor elke variabele de correlatie met recidive is weergegeven; beide variabelen vertonen geen significante correlatie met recidive. Enkel het aantal vorige veroordelingen en de lengte van de gevangenisstraf hebben een correlatie die boven 0.10 uitkomt.

4.3.1.1 Demografische factoren

In de literatuur vonden we dat de kans op recidive afneemt naarmate de delinquent ouder wordt (zie §2.1.1.1). In Figuur 7 zien we dat dit inderdaad zo is: voor de oudere

Percentage recidives

60% 45% 39%

40%

36% 29%

27%

30-49

>50

20%

0% < 20

20-24

25-29

Leeftijdscategorie

Precentage recidives

Figuur 7: Percentage recidives per leeftijdscategorie (niet-willekeurige categorieën).

60% 45% 39%

40%

40%

36% 31%

33%

30%

23%

23%

20%

0% < 20

20-24

25-29

30-34

35-39

40-44

45-49

50-54

>54

Leeftijdscategorie

Figuur 8: Percentage recidives per leeftijdscategorie (normale categorieën).

- 71 -

leeftijdscategorieën is het percentage recidivisten lager.

Het was misschien reeds

opgevallen dat de grenzen van de subgroepen niet erg logisch zijn gekozen. Wanneer we de personen gewoon indelen in leeftijdscategorieën van 5 jaar (zie Figuur 8), zien we dat er geen gestage daling is maar dat de recidivegraad tussen 35 en 50 jaar weer toeneemt … people can come up with statistics to prove anything …

Uit Tabel 7 konden we afleiden dat de recidivegraad voor zwarten gemiddeld genomen hoger ligt.

Tabel 8 leert ons echter dat dit enkel het geval is voor

vermogensdelicten; voor misdrijven tegen personen is er nauwelijks een verschil tussen de twee groepen. De logische verklaring voor de grotere recidivekans voor vermogensdelicten ligt waarschijnlijk in het feit dat zwarten doorgaans een lagere plaats op de sociale ladder innemen, met andere woorden tot lagere inkomensklasse horen.

Blank Recidive voor vermogendelict Recidive voor delict tegen personen Totaal

Zwart

34,4% 30,6% 32%

46,6% 30,7% 40%

Tabel 8: Recidivegraad naar ras en aard van het delict.

Wanneer we kijken naar de interactie tussen geslacht en de aard van het misdrijf (zie Tabel 9), dan merken we dat mannen voor beide types een veel hogere recidivegraad hebben. Het verschil lijkt iets groter bij delicten tegen personen (ongeveer dubbel zo hoge recidivegraad) dan bij vermogensdelicten (ongeveer de helft hoger).

Mannen Recidive voor vermogendelict Recidive voor delict tegen personen Totaal

Vrouwen

41,5% 31,6% 37%

28,6% 17,4% 25%

Tabel 9: Recidivegraad naar geslacht en aard van het delict.

Tot dusver werd nog niet echt stilgestaan bij het verband tussen het opleidingsniveau (het aantal jaar scholing) van een delinquent en recidive.

- 72 -

Figuur 9 doet echter

vermoeden dat er geen groot risicoverlagend effect uitgaat van het scholingsniveau. Enkel voor de kleine (ongeveer 5% van de steekproef) groep personen die 12 jaar of langer school liepen is de recidivegraad lager.

Percentage recidives

50% 38%

40%

38%

35% 26%

30% 20% 10% 0% Maximum 6 jaar

7 tot 9 jaar

10 tot 12 jaar

Meer dan 12 jaar

Aantal jaar scholing

Figuur 9: Percentage recidives, naargelang aantal jaar opleiding.

4.3.1.2 Justitiële antecedenten

In alle studies kwam het aantal vorige veroordelingen of gevangenisstraffen bovendrijven als één van de belangrijkste predictieve variabelen. In Figuur 10 zien we dat de recidivegraad inderdaad toeneemt, maar toch vallen twee groepen te onderscheiden: voor de groep met minder dan 7 vorige opsluitingen bedraagt de recidive ongeveer 40%, voor de ‘zwaardere gevallen’ is dit rond de 60%.

Percentage recidive

80% 60%

62%

7 tot 9

10 of meer

60% 40%

40%

39%

41%

1

2 of 3

4 tot 6

32%

20% 0% 0

Aantal vorige gevangenisstraffen

Figuur 10: Percentage recidives naargelang aantal vorige gevangenisstraffen

- 73 -

Figuur 4 en Figuur 5 leerden ons al dat personen met een goed gevuld ‘palmares’ niet alleen meer kans hebben te hervallen, maar dat zij tevens vlugger hervallen. Figuur 11 bevestigt deze hypothese; enige uitzondering is de periode tussen 1 en 3 jaar na de vrijlating waar reeds meer personen met 7 tot 9 vorige veroordelingen recidiveerden dan personen met 10 of meer vorige veroordelingen.

Ook in deze steekproef van delinquenten uit North Carolina is duidelijk dat personen die waren veroordeeld voor een vermogensdelict vlugger hervallen dan anderen. Op Figuur 12 ligt de curve voor eerstgenoemde groep boven de curve voor andere groepen; het feit dat de curve in het begin sneller stijgt, bevestigt dat personen die voordien een vermogensdelict pleegden, vlugger recidiveren. Dit stemt overeen met de correlaties uit Tabel 7, die aangeven dat het feit of men al dan niet een vermogensdelict pleegde (PROPTY, .088) veel beter correleert met recidive dan het feit of men al dan niet een misdrijf tegen personen pleegde (PERSON, -.044).

70%

60%

Precentage recidive

50% 10 of meer 40%

7 tot 9 4 tot 6 2 of 3

30%

1 0

20%

10%

0% 0

6

12

18

24

30

36

42

48

54

Tijd verlopen na vrijlating (in maanden)

Figuur 11: Cumulatief percentage heropsluitingen, naar aantal vroegere arrestaties.

- 74 -

Cumulatief percentage recidives

50%

40%

30%

Vermogensdelict Delict tegen personen Andere delicten

20%

10%

0% 0

12

24

36

48

Tijd verlopen na recidive (in maanden)

Figuur 12: Cumulatief percentage heropsluitingen, naar aard van het vorige delict.

In de literatuur blijkt nogal wat onenigheid te bestaan over de invloed van de duur van de opsluiting op het al dan niet hervallen (zie §2.1.2.3). Voor de personen in de steekproef die hier werd gebruikt, is er zeker een stijging van de recidivegraad waar te nemen naargelang de persoon een langere periode in de gevangenis doorbracht (zie Figuur 13). De groep die 10 jaar of meer in de gevangenis doorbracht, blijkt een extreem hoge recidivegraad van 94% te hebben.

Er dient echter wel te worden

opgemerkt dat deze groep amper een half percent van de totale steekproef

Lengte gevangenisstraf

vertegenwoordigt (16 personen, waarvan er 15 recidiveerden), zodat het bekomen

Minder dan 3 maand

31%

4 tot 6 maand

31% 33%

7 maand tot 1 jaar Tussen 1 en 2 jaar

37%

Tussen 2 en 3 jaar

43%

Tussen 3 en 5 jaar

42% 46%

Tussen 5 en 10 jaar 10 jaar of langer

94% 0%

10%

20%

30%

40%

50%

60%

70%

Percentage recidives

Figuur 13: Invloed van de duur van de gevangenisstraf op de recidive.

- 75 -

80%

90% 100%

resultaat aan toeval kan te wijten zijn; inderdaad, in de validatiesteekproef (de andere helft van het bestand met gegevens over personen vrijgelaten in 1979-1980) en het bestand met gegevens van personen vrijgelaten in 1977-1978 bedraagt de recidivegraad voor de groep die 10 jaar of langer was opgesloten respectievelijk 60% en 66%.

4.3.1.3 Dynamische factoren

Zoals eerder reeds werd vermeld, zijn slechts een beperkt aantal dynamische factoren in de dataset opgenomen. Het betreft ook de meest voor de hand liggende variabelen in verband met drug- en alcoholgebruik en burgerlijke staat.

Variabelen met

betrekking tot de persoonlijkheid van de delinquent zijn spijtig genoeg niet beschikbaar.

Uit Tabel 7 konden we reeds aflezen dat het al dan niet gehuwd zijn een belangrijke factor is met betrekking tot recidive na vrijlating uit de gevangenis.

Onder de

gehuwden hervalt ‘slechts’ 29%, voor de niet-gehuwden bedraagt de recidivegraad 38%.

Diezelfde Tabel 7 leerde ons eveneens dat het risico op recidive hoger is voor personen die kampen met een drugs- of alcoholprobleem. In Tabel 10 is voor verschillende groepen personen de kans op recidive gegeven naargelang het delict waarvoor ze opgesloten waren.

Bij personen die waren opgesloten voor een misdrijf tegen

personen en geen tekenen vertonen van een alcoholverslaving ligt de kans op recidive rond 20%. Een alcoholprobleem (zonder drugsprobleem) verdubbelt dit risico, de combinatie drugs- én alcoholprobleem zorgt bijna voor een verdrievouding!

Aard van het delict waarvoor de persoon een gevangenisstraf uitzat

Geen drugs- of alcoholprobleem Drugsprobleem Alcoholprobleem Drugs- én alcoholprobleem

Vermogendelict

Misdrijf tegen personen

Ander type delict

39% 42% 41% 47%

23% 20% 43% 55%

31% 33% 34% 37%

Tabel 10: Invloed van middelengebruik op recidive, naargelang aard van het vorige delict.

- 76 -

Voor de vermogens- en andere delicten zijn de verschillen kleiner, maar toch steekt de groep met zowel een drugsprobleem als een alcoholprobleem er duidelijk uit.

4.3.2 Tijdstip van recidive

Curves die het cumulatief aantal gevallen van recidive uitzetten tegen de tijd verlopen sinds de vrijlating van de bestudeerde groep personen hebben doorgaans de vorm van een logaritmische functie: veel personen hervallen in de periode kort na de vrijlating, eenmaal een bepaalde tijd is verlopen (meestal is dit na een drietal jaar, cf. §1.1.3) groeit het totaal aantal recidives slechts traag aan. Ook voor deze steekproef blijkt dit het geval te zijn, doch de toename in het begin verloopt niet spectaculair snel (zie

Cumulatief percentage recidives

Figuur 14 en hierboven, Figuur 11 en Figuur 12).

100 80 60 40 20 0 0

12

24

36

48

Tijd verlopen na vrijlating (in maanden)

Figuur 14: Cumulatief percentage recidives voor personen vrijgelaten in North Carolina (1979-1980).

4.3.3 Predictiemodel op basis van discriminantanalyse

In dit laatste deel wordt een model opgesteld dat in staat zou moeten zijn op basis van de scores op een reeks variabelen te voorspellen of een delinquent al dan niet zal hervallen. De techniek die hierbij wordt aangewend, lineaire discriminantanalyse, werd reeds beknopt besproken in §3.2.1.2.

- 77 -

Het is waarschijnlijk beter op voorhand al te stellen dat dit deel moet worden gezien als een illustratie van de techniek, het is geenszins de bedoeling om een model te schatten dat in werkelijkheid bruikbaar is. Ten eerste is de dataset afkomstig uit een specifiek gebied (de staat North Carolina). Elk gebied, zij het nu een land of een gemeente, kent zijn eigen nuances qua strafrechtelijk beleid zodat vergelijkingen of veralgemeningen weinig zinvol zijn. Ten tweede betreft het een dataset van personen die twintig jaar geleden werden vrijgelaten. Tenslotte zijn ook de basisvoorwaarden om deze techniek op een ‘wettige’ manier te kunnen toepassen, niet vervuld. De correlaties en varianties verschillen sterk tussen de twee groepen (recidivisten en nietrecidivisten) en bovendien zijn de variabelen verre van normaal verdeeld, laat staan dat er sprake zou kunnen zijn van een multivariaat normale verdeling.

De variabelen die in Tabel 7 geen significante correlatie bleken te hebben met recidive, FELON

en WORKREL, werden niet gebruikt. Een aantal van de resterende variabelen

werden tijdens het zoeken naar een (zo) geschikt (mogelijk) model nog verwijderd, ofwel omdat hun correlatie met recidive te laag was, ofwel omdat ze hoog gecorreleerd waren met andere variabelen en dus enkel redundante informatie verstrekken.

Tabel 11 geeft de coëfficiënten voor het geschatte model. De variabelen JUNKY, SUPER, MARRIED, PERSON

en MALE zijn uiteindelijk niet weerhouden.

De gestandaardiseerde coëfficiënten van de discriminantfunctie geven een indicatie voor het relatieve belang van elke variabele.

AGE, PRIORS

en TSERVD leveren duidelijk de

grootste bijdrage aan het discriminerend vermogen van het bekomen model (het teken van de coëfficiënten is niet van belang). Dit strookt met de eerdere bevindingen dat de leeftijd, het aantal vorige veroordelingen en de lengte van de gevangenisstraf belangrijke verklarende factoren voor recidive zijn (in deze steekproef). De cijfers in de laatste kolom van Tabel 11 vormen de coëfficiënten van de eigenlijke discriminantfunctie. Voor elk individu wordt iedere coëfficiënt vermenigvuldigd met de waarde die de overeenkomstige variabele voor dit individu heeft; wanneer deze cijfers worden gesommeerd, bekomt men de score op de discriminantfunctie voor dit individu. De gemiddelde scores voor de groep recidivisten en voor de groep niet-recidivisten bedragen respectievelijk -0.210 en 0.372. De score die precies in het midden van deze

- 78 -

twee gemiddeldes (ook wel de groepscentroïdes genoemd) ligt, wordt gebruikt als afkapwaarde om classificaties te maken. In dit geval betekent dit dat personen die een score lager dan 0.081 halen wellicht niet recidiveren; diegenen die wel boven 0.081 uitkomen worden als potentiële recidivisten beschouwd.

Gestandaardiseerde coëfficiënten van de discriminantfunctie Constante term

Coëfficiënten van de discriminantfunctie 2,124

WHITE

-0,320

-0,642

ALCHY

0,359

0,754

PROPTY

0,184

0,372

PRIORS

0,620

0,240

SCHOOL

-0,195

-0,085

AGE

-0,741

-0,006

0,525

0,025

TSERVD

Tabel 11: Gestandaardiseerde en niet-gestandaardiseerde coëfficiënten van de discriminantfunctie.

Nu het model gekend is, kunnen we het meteen testen op zijn accuraatheid. Wanneer voor elke persoon de predictie op basis van het model wordt vergeleken met het werkelijke al dan niet hervallen, dan blijkt de predictie in slechts 62,3% van de gevallen correct te zijn. In zowel de groep van de recivisten als de groep van de nietrecidivisten bedraagt het aantal foute voorspellingen ongeveer 38%. Als de afkapwaarde wordt verhoogd, zullen minder niet-recidivisten ten onrechte in de groep recidivisten worden ingedeeld, maar de keerzijde van de medaille is natuurlijk dat heel wat recidivisten dan als ‘laag-risico’ zullen worden bestempeld.

Wanneer de discriminantfunctie wordt toegepast op de personen die tussen 1 juli 1979 en 30 juni 1980 werden vrijgelaten maar niet tot de steekproef behoren, dan blijkt in totaal 64% predicties correct zijn. Zowel bij de recidivisten als bij de niet-recidivisten wordt voor ongeveer 36% van de personen een verkeerde diagnose gesteld. Van diegenen die op basis van het model in de groep recidivisten wordt ondergebracht is 47% niet hervallen, diegenen die op basis van het model in de groep niet-recidivisten worden ondergebracht zijn in realiteit in 26% van de gevallen wel recidivisten. Voor de gevangenen vrijgelaten in 1977 en 1978 worden met behulp van de

- 79 -

discriminantfunctie bijna 66% correcte voorspellingen gemaakt, dit is iets hoger dan voor de steekproef die als basis diende voor het model.

Ongeveer 45% van de

voorspelde recidivisten hervallen uiteindelijk niet. Voor deze groep personen slaagt het model er maar in de helft van de gevallen in om latere recidivisten ook als recidivisten te detecteren.

In Figuur 15 zijn de scores gegroepeerd: scores tussen bvb. 1.00 en 1.99 hebben nu een waarde ‘1’. Voor elke waarde van deze schaal is in de figuur aangegeven hoeveel personen die deze risicobeoordeling kregen, hervallen zijn en hoeveel niet hervallen zijn. Het is duidelijk dat vooral niet-recidivisten de lagere scores halen en dat vooral recidivisten de hoge scores halen. Voor personen met een waarde ‘0’, ‘1’ of ‘2’ op deze schaal, lijkt het niet echt mogelijk ook maar iets te voorspellen.

Natuurlijk

vertegenwoordigt deze groep bijna de helft van de steekproef.

100% 80% 60% Niet-recidivisten 40% Recidivisten 20% 0% -5

-4

-3

-2

-1

0

1

2

3

4

5

6

Scores

Figuur 15: Aandeel recidivisten en niet-recidivisten per score op risicoschaal.

4.4 BESLUIT De resultaten bekomen bij het analyseren van de recidive van een groep gevangenen die ongeveer twintig jaar geleden in de Verenigde Staten werd vrijgelaten, liggen quasi volledig in de lijn van de bevindingen die uit de eerdere literatuurstudie bleken. Ook bij deze groep delinquenten bleken de leeftijd en het aantal vorige veroordelingen een belangrijke factor te vormen met betrekking tot latere recidive; de duur van de gevangenisstraf wordt niet altijd als een verklarende factor naar voren geschoven,

- 80 -

maar in deze korte studie vertoonde deze factor een duidelijk verband met recidive. Het - ter illustratie van hoofdstuk 3 - geschatte model bevestigt het belang van deze variabelen.

- 81 -

Algemeen besluit

Deze verhandeling bestond uit een zoektocht naar factoren die gerelateerd zijn aan recidive van delinquenten.

Einddoel van deze zoektocht was te ontdekken in

hoeverre dergelijke factoren kunnen dienen om voorspellingen te doen omtrent toekomstige recidive.

In een eerste deel werden gewezen op de vele methodologische problemen die kunnen opdoemen in studies rond recidive. Recidive is een begrip dat vele ladingen kan dekken zodat een duidelijke omschrijving van primordiaal belang is. Daarnaast blijkt ook de input voor recidive-onderzoek voor enige complicaties te zorgen.

Niet alleen hangt rond strafrechtelijke gegevens een sluier van

confidentialiteit, tevens zullen deze gegevens steeds een vertekend beeld geven van de werkelijke situatie. Bij het vergelijken of generaliseren van onderzoeksresultaten, kunnen tenslotte eveneens grote vraagtekens worden geplaatst.

Onder het motto ‘een verwittigd man is er twee waard’ werd vervolgens onderzocht welke factoren de literatuur naar voren schuift als gerelateerd aan recidive. Deze factoren vallen uiteen in twee categorieën. Een

eerste

categorie,

de

statische

factoren,

omvat

vooral

demografische

karakteristieken en aspecten van het gerechtelijk verleden van de delinquent. Uit de meeste onderzoeken blijkt dat jongeren met een rijk crimineel verleden het hoogste risico op recidive vertonen, in het bijzonder wanneer ze reeds werden opgepakt voor een vermogensdelict. Dynamische factoren proberen daarentegen inzicht te krijgen in de huidige toestand van de delinquent. Dit zowel wat betreft maatschappelijke elementen als omgeving, tewerkstelling en relaties als over attitudes en gemoedstoestand. Uit onderzoek is reeds gebleken dat deze factoren veel sterker verbonden zijn met latere recidive dan

- 82 -

de statische, historische factoren. Het grote belang van deze categorie ligt in hun veranderlijke karakter: actief inwerken op eventuele probleemgebieden kan de voedingsbodems die iemand tot recidive aanzetten ongetwijfeld voor een stuk afremmen of opheffen.

De predictieve kracht van deze individuele factoren is eerder laag te noemen, vandaar dat in hoofdstuk 3 werd bekeken in hoeverre ze kunnen worden samengekneed tot een krachtiger predictie-instrument. De meeste risicoschalen die in de literatuur worden beschreven, zijn inhoudelijk weldoordacht, maar in vele gevallen methodologisch niet sterk onderbouwd. De accuraatheid van deze schalen ligt meestal ergens tussen een puur toevallige voorspelling (i. e. 50% correcte voorspellingen) en een perfecte predictie. De recente evolutie om dynamische factoren in deze schalen te incorporeren zal deze matige prestatie wellicht opkrikken. Struikelblok is natuurlijk dat dergelijke gegevens niet voor het rapen liggen. administratieve

Informatie omtrent statische factoren kan meestal uit

bestanden

worden

geplukt;

gegevens

over

gevoelens

of

persoonlijkheid zijn echter heel wat moeilijker in te zamelen. In België vormen de maatschappelijke enquête en het medisch-psychisch onderzoek wellicht een interessante bron aan gegevens. Bij het construeren van de meetschalen en modellen die vandaag worden gebruikt om bij delinquenten het risico op recidive te evalueren, is veelal toevlucht gezocht tot intuïtieve ingevingen of - in het betere geval - tot de meest voor de hand liggende statistische technieken. Dit leidde in deze verhandeling tot enkele methodologische aanbevelingen. Het toepassen van methodes en technieken die in andere disciplines worden gebruikt om predictiemodellen op te stellen, kan waarschijnlijk leiden tot meer accurate predicties omtrent recidive.

Het feit of iemand al dan niet hervalt in crimineel gedrag, is het resultaat van talrijke zichtbare en verborgen factoren die daarenboven nog op een grillige manier op elkaar inwerken. verschijnsel.

Dit maakt recidive tot een moeilijk te doorgronden maatschappelijk De relatieve lage betrouwbaarheid van de bestaande predictie-

instrumenten zorgt ervoor dat voorspellingen voor individuele personen zowel vanuit ethisch als vanuit wetenschappelijk oogpunt onverantwoord zijn. Het is wel mogelijk bepaalde risicogroepen afzonderen. Wanneer een delinquent tot

- 83 -

een bepaalde risicogroep blijkt te behoren, kunnen de ‘recidivebevorderende’ factoren die bij deze persoon aanwezig zijn, worden afgezonderd en als startpunt dienen voor verandering of behandeling zodat toekomstige recidive kan worden vermeden. Wat ons terugbrengt bij de anderhalve eeuw oude woorden van A. Bonneville (1841) die hoopte dat een beter gebalanceerde strafuitvoering beter ‘gecorrigeerde’ delinquenten en dus minder recidive als gevolg zou hebben.

- 84 -

5 Lijst van geraadpleegde werken

Opmerking: enkel werken die door de auteur werden geraadpleegd bij het redigeren van dit werk zijn in onderstaande lijst weergegeven; in de literatuur gerefereerde titels die niet konden worden opgespoord maar toch het vermelden waard zijn, werden in de voetnoten van de eigenlijke tekst afgedrukt.

BAUMER, E. (1997). Levels and predictors of recidivism: the Malta experience. Criminology, An Interdisciplinary Journal, Vol. 35, No. 4., 1997, p. 601-628. BECK, A. J. & SHIPLEY, B. E. (1989). Recidivism of Prisoners Released in 1983 (Bureau of Justice Statistics Special Report). Washington, DC: U.S. Department of Justice, Office of Justice Programs, Bureau of Justice Statistics. BELCOURT, R., NOUWENS, T. & AND LEFEBVRE, L. (1993). Examining the Unexamined: Recidivism Among Female Offenders. FORUM on Corrections Research, vol. 5, no. 3, Sept. 1993 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e053/e053d.htm). BLACKBURN, R. (1993). The Psychology of Criminal Conduct: Theory, Research and Practice. In WATTS, F. N. & WILLIAMS J. M. G. (series eds.), The Wiley Series in Clinical Psychology. Chichester: John Wiley & Sons. BONNEVILLE, A. (1841). De la récidive. Paris: Librairie de Jurisprudence de Cotillon. BOYCE, W. E. & DIPRIMA, R. C. (1986). Elementary differential equantions and boundary value problems (fourth edition). New York: John Wiley & Sons. BROWN, S. L. (1998a). The Case Needs Review Project: Background and research strategy. FORUM on Corrections Research, vol. 10, no. 3, Sept. 1998 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e103/e103b.htm). BROWN, S. L. (1998b). Dynamic factors and recidivism: What have we learned from the Case Needs Review Project? FORUM on Corrections Research, vol. 10, no. 3, Sept. 1998 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e103/e103l.htm). COCHRAN, W. G. (1977). Sampling Techniques (third edition). New York, NY: John Wiley & Sons.

- 85 -

COHEN, J., ZIMMERMAN, S. & KING, S. (1992). Improved Techniques for Assessing The Accuracy of Recidivism Prediction Scales. Washington, D.C.: U.S. Department of Justice, Office of Justice Programs, National Institute of Justice. CORRECTIONAL SERVICE CANADA (1993a). Aboriginal Recidivists. FORUM on Corrections Research, vol. 5, no. 3, Sept. 1993 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e053/e053c.htm). (deze referentie is een bespreking van BONTA, J., LIPINSKI, S. & MARTIN, M. (1992) The Characteristics of Aborginal Recidivists. Canadian Journal of Criminology, July-Oct. 1992, p. 517-521)

CORRECTIONAL SERVICE CANADA (1993b). Recidivists Tend to Be ... FORUM on Corrections Research, vol. 5, no. 3, Sept. 1993 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e053/e053e.htm). (deze referentie is een bespreking van BONTA, J., LIPINSKI, S. & MARTIN, M. (1992). Characteristics of Federal Inmates Who Recidivate. Ottawa: Statistics Canada).

COVENT, W. & SNACKEN, S. (1992). Recidive na probatie: een verkennend onderzoek bij probanten te Antwerpen. Panopticon, 1992, 13, 1, p. 5-23. EKLAND-OLSON, S. & KELLY, W. R. (1993). Justice Under Pressure: A Comparison of Recidivism Patterns Among Four Successive Parolee Cohorts. In A. BLUMSTEIN & D. P. FARRINGTON (eds.), Research in criminology. New York: Springer-Verlag. FARRINGTON, D. P. (1992). Criminal Career Research in the United Kingdom. British Journal of Criminology, Vol. 32, No. 4, p. 521-536. GEE, T. (1998). Buyer Beware: A Consumer's Guide to Reading and Understanding Correctional Research. FORUM on Corrections Research, vol. 5, no. 3, Sept. 1993 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e053/e053a.htm). GENDREAU, P., LITTLE, T. & GOGGIN, C. (1996). A meta-analysis of the predictors of adult offender recidivism: what works! Criminology, An Interdisciplinary Journal, Vol. 34, No. 4, 1996, p. 575-607. GORDON, A., HOLDEN, R. & LEIS, T. (). Managing and Treating Sex Offenders: Matching Risk and Needs with Programming. FORUM on Corrections Research, vol. 3, no. 4, Dec. 1991 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e034/e034ind.htm). GOSSELIN, M. (1970). Influence de la longueur de l'incarcération sur la récidive (mémoire de maîtrise). Montréal: Ecole de Criminologie, Université de Montréal. GREEN, P., JENNISON, C. & SEHEULT, A. (1985). Analysis of field experiments by least squares smoothing. Journal of the Royal Statistical Society, Series B, 47, p. 299-315. GREENBERG, D. F. (1991). Modelling criminal careers. Criminology, An Interdisciplinary Journal, Vol. 29, No. 1, 1991, p 17-46.

- 86 -

GREENBERG, D. M. (1998). Sexual Recidivism in Sex Offenders. The Canadian Journal of Psychiatry, June 1998, Vol. 43, No. 5 (elektronische kopie, URL: http://cpa.medical.org/arc/pubs/journal/1998/june98/greenberg.htm). HAGENAARS, J. (1990). Categorical Longitudinal Data: Log-Linear Panel, Trend, and Cohort Analysis. Newbury Park, CA: Sage Publications Inc. HANSON, R. K. (1997). The Development of a Brief Actuarial Risk Scale for Sexual Offense Recidivism. Users report, No. 1997-04. Ottawa: Solicitor General Canada (elektronische kopie, URL: http://www.sgc.gc.ca/epub/corr/e199704/e199704.htm). HANSON, R. K. & BUSSIÈRE, M. T. (1996). Les prédicteurs de la récidive chez les délinquants sexuels : une méta-analyse. Rapport pour spécialistes, No. 1996-04. Ottawa: Ministère du Solliciteur général du Canada. HANSON, R. K. & HARRIS, A. (1998). Dynamic Predictors of Sexual Recidivism. Users report, No. 1998-01. Ottawa: Solicitor General Canada (elektronische kopie, URL: http://www.sgc.gc.ca/epub/corr/e199801b/e199801b.htm). HÄRDLE, W. (1990). Applied nonparametric regression. Cambridge: Cambridge University Press. HÄRDLE, W. (1991). Smoothing Te chniques (with implementations in S). New York: Springer-Verlag. HÄRDLE, W. & STOKER, T. M. (1989). Investigating smooth multiple regression by the method of average derivatives. Journal of the American Statistical Association, 84, p. 986- 995. HECKMAN, N. E. (1986). Spline smoothing in a partly linear model. Journal of the Royal Statistical Society, Series B, 48, p. 244-248. KLECKA, W. R. (1990). Discriminant Analysis. In Sage University Papers on Quantitative Analysis in the Social Sciences. Beverly Hills, CA: Sage Publications. KNOKE, D. & BURKE, P. J. (1980). Log-linear Models. In Sage University Papers on Quantitative Analysis in the Social Sciences. Beverly Hills, CA: Sage Publications. LANGLOIS, R. (1972). Les méthodes de prédiction en criminologie: un inventaire de la technologie de la prédiction. Montréal : Ecole de Criminologie, Université de Montréal. LICHTMAN, C. M. & SMOCK, S. M. (1981). Social Services and Probationer Recidivism. Journal of Research in Crime and Delinquency, Vol. 18, No. 1, Jan. 81, p. 81100. LONG, S. (1997). Regression Models for Categorical and Limited Dependent Variables. Beverly Hills, CA: Sage Publications.

- 87 -

MALTZ, M. D. (1984). Recidivism. In P.H. ROSSI (cons. ed.), Quantitative studies in social relations. Orlando, FL: Academic Press. MOTIUK, L. (1998). Using dynamic factors to better predict post-release outcome. FORUM on Corrections Research, vol. 10, no. 3, Sept. 1998 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e103/e103c.htm). MYERS, S. L., Jr. (1985). Statistical Tests of Discrimination in Punishment. Journal of Quantitative Criminology, Vol. 1, No. 2, June 1985, p. 191-218. NATIONAAL INSTITUUT VOOR DE STATISTIEK (1995). Criminele statistiek van België: jaar 1992. Gerechtelijke statistieken, 1995, Nr. 6. Brussel: Nationaal Instituut voor de Statistiek. NOUWENS T., MOTIUK, L. & BOE, R. (1993). So You Want to Know the Recidivism Rate. FORUM on Corrections Research, vol. 5, no. 3, September 1993, p. 22-26. POWELL, J. L., STOCK, J. H. & STOKER, T. M. (1989). Semiparametric estimation of index coefficients. Econometrica, 57, p. 1403-1430. SCHMIDT, P. & WITTE, A. D. (1984a). An Economic Analysis of Crime and Justice: Theory, Methods, and Applications. In P.H. ROSSI (cons. ed.), Quantitative studies in social relations. Orlando, FL: Academic Press. SCHMIDT, P. & WITTE, A. D. (1984b). Predicting Recidivism in North Carolina, 1978 and 1980 (gegevensbestanden). East Lansing, MI: Peter Schmidt and Ann Witte, Michigan State University (producenten, 1984). Ann Arbor, MI: Inter-university Consortium for Political and Social Research (verdelers, 1988). SCHMIDT, P. & WITTE, A. D. (1988). Predicting recidivism using survival models. In A. BLUMSTEIN & D. P. FARRINGTON (eds.), Research in criminology. New York: Springer-Verlag. SCHNAPPER, B. (1982). La récidive, une obsession créatrice au XIXe siècle. In XXIE CONGRÈS DE L’ASSOCIATION FRANÇAISE DE CRIMINOLOGIE (POITIERS, 7-8-9 OCTOBRE 1982), Le récidivisme (rapports et communications) (p. 25-64). Paris: Presses Universitaires de France. SERVICE CORRECTIONNEL DU CANADA (1989). Information statistique générale sur la récidive: aperçu de recherche, février 1989, n° B-01. Ottawa: Service Correctionnel du Canada. SHANNON, L. W. (1985). Risk Assessment vs Real Prediction: The Prediction Problem and Public Trust. Journal of Quantitative Criminology, Vol. 1, No. 2, June 1985, p. 159-189. SIMS, B. & JONES, M. (1997). Predicting success or failure on probation: factors associated with felony probation outcomes. Crime & Delinquency, Vol. 43, No. 3, July 1997, p. 315-327. SOLICITOR GENERAL CANADA (1996). Prediction of Recidivism. Research - 88 -

Summary: Corrections and Research Development, vol. 1, no. 1, May 1996. (elektronische kopie, URL: http://www.sgc.gc.ca/epub/corr/e199671/e199671.htm). SOLICITOR GENERAL CANADA (1999). Approaches to offender risk assesment: static versus dynamic. Research Summary: Corrections and Research Development, vol. 4, no. 2, March 1999. (elektronische kopie, URL: http://www.sgc.gc.ca/epub/corr/e199903/e199903.htm). SPECKMAN, P. (1988). Kernel smoothing in partial linear models. Journal of the Royal Statistical Society, Series B, 50, p. 413-436. STOKER, T. M. (1991). Lectures on semiparametric econometrics. In CORE Lecture Series. Louvain-la-Neuve: CORE. SWANBORN, P. G. (1993). Schaaltechnieken: theorie en praktijk van acht eenvoudige procedures (3de druk). Amsterdam: Boom. TACQ, J. (1992). Van Probleem naar Analyse: de keuze van een gepaste multivariate analysetechniek bij een sociaal-wetenschappelijke probleemstelling (2de herziene druk). De Lier: Academische Boeken Centrum. TOURNIER, P. (1982). Le retour en prison: analyse rétrospective de la cohorte des condamnés à une peine de trois ans et plus, libérés en 1973. In XXIE CONGRÈS DE L’ASSOCIATION FRANÇAISE DE CRIMINOLOGIE (POITIERS, 7-8-9 OCTOBRE 1982), Le récidivisme (rapports et communications) (p. 65-89). Paris: Presses Universitaires de France. VAN DEN WYNGAERT, C. (1994). Strafrecht en strafprocesrecht: In Hoofdlijnen (tweede uitgave). Antwerpen: MAKLU uitgevers. WARTNA, B. S. J. & AIDALA, R. (1995). De vakopleidingen van hvb Havenstraat: resultaten in termen van werk en recidive. Rapporten WODC, nr. 36. Den Haag: Ministerie van Justitie, WODC. ZAMBLE, E. (1993). Expanding the Recidivism Inquiry: A Look at Dynamic Factors. FORUM on Corrections Research, vol. 5, no. 3, Sept. 1993 (elektronische kopie, URL: http://www.csc-scc.gc.ca/crd/forum/e053/e053i.htm). ZAMBLE, E. & QUINSEY, V. L. (1997). The Criminal Recidivism Process. In A. BLUMSTEIN & D. P. FARRINGTON (eds.), Cambridge Criminology Series. Cambridge: Cambridge University Press.

- 89 -