2022-03 Raadsbrief B4 Profielonderzoek straatdealers.pdf

De uitkomsten van een LCA geven daarnaast ook voor elk individu een inschatting (kans) dat hij/zij, op basis van iemands scores op de inputvariabelen, tot een bepaald profiel behoort. Deze kans wordt gebruikt om individuen in te delen in een profiel. Zo kunnen profielen verder worden onderzocht, en kunnen verschillen tussen profielen ook worden gevisualiseerd. Met name de visualisatie van profielen, waarbij per profiel het percentage van individuen dat voldoet aan een bepaalde combinatie van kenmerken wordt weergegeven, is behulpzaam bij de inhoudelijke interpretatie van de gevonden profielen.

27

Een profielonderzoek naar straatdealers actief in de Amsterdamse binnenstad in de periode 2017-2019

GGD Amsterdam September 2021

Om een dergelijke analyse uit te kunnen voeren is het belangrijk om met een aantal vereisten rekening te houden. De belangrijkste daarbij is de omvang van de onderzoeksgroep. Daarvoor zijn geen harde richtlijnen voor hoe groot zo’n onderzoeksgroep moet zijn. Wel is bekend dat de benodigde steekproefgrootte voor een goede profielanalyse (en oplossing) afhangt van: -

Het aantal profielen dat je wilt kunnen onderscheiden;

-

De relatieve grootte van de profielen die je wilt kunnen onderscheiden;

-

De mate van detail op basis waarvan je profielen wilt herkennen, oftewel het aantal indicatoren dat je wilt includeren in de analyse;

-

De kwaliteit van de indicatoren: weinig “missings” en weinig inhoudelijke overlap tussen indicatoren (conditional independence);

-

De mate van heterogeniteit van de onderzoekspopulatie. Hierbij geldt hoe homogener de onderzoeksgroep (hoe meer individuen op elkaar lijken) hoe groter de onderzoeksgroep moet zijn om subgroepen te kunnen onderscheiden.

PoLCA De LCA is uitgevoerd met het statistische softwareprogramma R. In R zijn meerdere “packages” beschikbaar voor het uitvoeren van een LCA, elk met zijn eigen voor- en nadelen. Gekozen is voor de PolCA package. Deze module is relatief eenvoudig uit te voeren. Belangrijker is dat PolCA goed om gaat met inputvariabelen met een verschillende meetniveau. Zowel dichotome (ja/nee; man/vrouw) als categorische variabelen (bijvoorbeeld leeftijd in meerdere categorieën) kunnen in één analyse worden meegenomen. Ook levert PolCA eenduidige uitkomsten op die relatief eenvoudig zijn te interpreteren.

Om te bepalen welke “oplossing” de steekproef het best verdeelt in betekenisvolle profielen zijn de “goodness of fit” indicatoren AIC en BIC beoordeeld (zie tabel 8). Voor de BIC gold dat sprake was van een afname tot de modeloplossing met drie profielen. Voor elk van de daaropvolgende oplossingen nam de BIC weer toe. Daarnaast is voor de AIC te zien dat deze voor opvolgende oplossingen in steeds kleinere stappen afnam (de blauwe lijn in grafiek 1 in tabel 8 werd steeds vlakker). Een zichtbare “knik” in de lijn manifesteerde zich bij de oplossing met 3 profielen. Op basis van de gezamenlijke beoordeling van de BIC en AIC was een oplossing met drie profielen het best passen op de data. Bij een oplossing met 3 profielen was de maat voor entropy met 0,9 behoorlijk hoog. Dit geeft aan dat de gevonden profielen duidelijk van elkaar verschillen (weinig overlap).

28

Een profielonderzoek naar straatdealers actief in de Amsterdamse binnenstad in de periode 2017-2019

GGD Amsterdam September 2021

Tabel 8. AIC en BIC per profieloplossing Aantal profielen 1 2 3 4 5 6 7 8

AIC 11849 11039 10672 10555 10424 10419 10328 10285

BIC 11996 11338 11123 11157 11177 11324 11385 11493

Grafiek

AIC en BIC 12000 11500 11000 10500 10000

1

2

3

4

5

6

7

8

9

10

AANTAL PROFIELEN AIC

BIC

De profielanalyse berekende voor elke persoon de kans om tot een van de gevonden profielen te behoren. Personen zijn ingedeeld in het profiel waarvoor zij de hoogste kans hadden om daarin te behoren. Op basis hiervan bleek een meerderheid van 192 personen (43%) ingedeeld te worden in profiel 1. Profiel 2 bestond uit 85 personen (19%) en profiel 3 uit 121 personen (27%). Samen met de groep “onbekende buitenlanders” (12%) zijn daarmee vier profielen onderscheiden (tabel x). Binnen elk van de profielen zijn vervolgens percentages berekend op alle beschikbare indicatoren. “Scores” op deze indicatoren zijn voor elk profiel weergegeven in een grafiek om zo de gevonden profielen te visualiseren (Figuur x).

29

Een profielonderzoek naar straatdealers actief in de Amsterdamse binnenstad in de periode 2017-2019

GGD Amsterdam September 2021

Bijlage 3. Representativiteit van de steekproef De mate van representativiteit van de steekproef voor de gehele onderzoekspopulatie is bepaald op basis van de indicatoren die van de gehele groep bekend waren. Dit betrof de sociodemografische indicatoren leeftijd en nationaliteit, alle delict indicatoren zoals bekend uit de registratie van de politie en de indicatoren van het AcVZ over gemeentelijke aanpakken en het hebben van een uitkering bij WPI.

De steekproef bleek alleen op een beperkt aantal delict indicatoren niet geheel representatief voor de gehele doelgroep van Amsterdamse straatdealers. Zo bleek het gemiddelde aantal delicten van alle types binnen de steekproef wat lager dan in de gehele populatie straatdealers (3,13 vs. 3,48). Het gemiddeld aantal straatdealdelicten was juist in de steekproef wat hoger dan in de gehele populatie (2,52 vs. 2,17), met uitzondering van de delictscategorie “handel in harddrugs” die gemiddeld lager was in de steekproef (o,01 delicten per persoon) dan in de hele populatie (gemiddeld 0,34). Behalve deze indicatoren zijn op geen van alle overige indicatoren significante verschillen tussen steekproef en de gehele populatie gevonden. Het verschil op de delict indicatoren kan worden verklaard doordat een vijftal personen met een afwijkend hoog aantal straatdealdelicten (≥19 per persoon) in de steekproef terecht is gekomen. Hierdoor is met name het gemiddeld aantal gepleegde straatdealdelicten binnen de steekproef relatief hoog.

De volgende tabellen 9-11 geven een overzicht van de kenmerken van de gehele populatie straatdealers, de steekproef en op welke indicatoren significante verschillen tussen steekproef en populatie zijn gevonden.

Tabel 9. Sociodemografie van de onderzoekspopulatie en representativiteit van de steekproef

Leeftijd 12 t/m 17 jaar 18 t/m 24 jaar 25 t/m 34 jaar 35 jaar en ouder

Hele groep (n = 2267) % 1,5 27,6 37,6 33,2

Steekproef (n = 450) % 0,7 30,0 41,1 28,2

Significant verschil Nee

Nationaliteit Nederlandse Niet Nederlandse

% 62,0 38,0

% 60,2 39,8

Nee

30

Een profielonderzoek naar straatdealers actief in de Amsterdamse binnenstad in de periode 2017-2019

GGD Amsterdam September 2021

Tabel 10. Delict kenmerken van de populatie straatdealers en representativiteit van de steekproef

Straatdealincidenten (aantal) Totaal Bezit harddrugs Handel harddrugs Handel softdrugs Nepdope Andere delicten (percentage) Woninginbraak Inbraak garage Auto inbraak Autodiefstal Scooterdiefstal Zakkenrollerij Moord/doodslag Openlijk geweld tegen personen Bedreiging Mishandeling Straatroof Overval Vermogen overig Drank/drugs overlast Vernieling Diefstal/inbraak bedrijf Winkeldiefstal Wapenhandel Totaal aantal delicten (gem. aantal)

Hele groep (n = 2267) gemiddeld 2,17 0,42 0,34 0,03 1,38 % 9,2 0,1 7,7 2,1 6,9 6,8 3,7 5,1 26,4 26,4 14,1 3,4 35,2 6,7 19,2 10,1 31,9 12,0 3,48

Steekproef (n = 450) gemiddeld 2,52 0,48 0,01 0,01 1,66 % 11,2 1,8 12,6 2,7 10,3 4,9 5,4 4,9 22,0 28,7 13,0 1,3 33,2 3,1 16,7 7,2 28,3 11,7 3,13

Significant verschil Ja Ja ja Nee

Ja

Tabel 11. Gemeentelijke aanpakken, Veelplegerslijst OM en representativiteit van de steekproef

Aanpak Top600 Top400 Verwarde verdachten Veelplegerslijst OM Stelselmatige daders Veelplegers Zeer actieve veelplegers WPI uitkering

Hele groep (n = 2267) % 5,2 1,4 0,4 18,1 7,3 9,9 0,9 35,1

31

Steekproef (n = 450) % 7,3 4,4 0,7 18,7 6,0 11,6 1,1 38,2

Significant verschil Nee

Nee

Nee