Page - 298 - in Wirkungsevaluation mobiler Jugendarbeit - Methodische Zugänge und empirische Ergebnisse

298 Andreas Bengesser Ein Vergleich mit den Entwicklungen von Straftaten mit jugendlichen Tat- verdächtigen laut Anzeigenstatistik der Polizei (vgl. Pilgram 2015) lässt er- kennen, dass die in beiden Datengruppen abgebildete Veränderung von 2008 einer österreichweiten Entwicklung entspricht: Es kommt in ganz Österreich von 2007 auf 2008 zu einer deutlichen Trendumkehr, die angezeigte Jugend- kriminalität sinkt nach einer Spitze im Jahr 2007 ab 2008 für einige Jahre deutlich ab. Diesen weiteren Trend nach 2008 bilden die SIMO-Daten nicht entsprechend ab. 15.3 Methodische Vorgehensweise Bei der statistischen Analyse von Kriminalitätsdaten besteht die Gefahr, dass mit zu starken Vereinfachungen gearbeitet wird. Werden nur deskriptivstatis- tische Auswertungen durchgeführt, kann dies dazu führen, dass zufällige Veränderungen nicht als solche erkannt werden. Ein Vergleich von Mittel- werten mittels t-Tests, vor bzw. nach einer Intervention, ist ebenfalls oft nicht aussagekräftig. Hier können die Voraussetzungen für die Zulässigkeit dieses Testverfahrens nicht erfüllt sein oder beispielsweise Trends, saisonale und regionale Effekte nicht geeignet berücksichtigt werden. Zur Evaluierung der Interventionen der mobilen Jugendarbeit kann für räumlich und zeitlich abgrenzbare Maßnahmen deren Wirksamkeit auf die Deliktzahlen anhand von Querschnittsdaten mittels eines Regressionsmodells überprüft und bewertet werden. Dabei sollte der gewählte empirische Schätz- ansatz idealerweise auch weitere regionalspezifische Faktoren – wie etwa die lokalen sozio-ökonomischen Gegebenheiten, aber auch „weiche“ Faktoren (Freizeitangebot, Image) – berücksichtigen. In der Literatur wird den Letzte- ren aus zwei Gründen eine besondere Aufmerksamkeit geschenkt: Einerseits kann es darum gehen, eine explizite inhaltliche Interpretation dieser, auch amenities genannten, zusätzlichen Einflussfaktoren zu ermöglichen. Anderer- seits ist es aus statistischer Sicht wichtig, derartige Faktoren zu berücksichti- gen, um nicht durch ausgelassene Variable (Omitted Variable Bias) das Prob- lem verzerrter Schätzergebnisse zu riskieren. Daher sollten die Modelle regi- onale und unbeobachtete Faktoren über die Modellierung von regionsspezifi- schen Effekten in der Schätzgleichung berücksichtigen. Dies ist hier jedoch durch das Fehlen sozio-ökonomischer Daten im benötigten lokalen Kontext nicht möglich. Fehlen – wie im Fall der vorliegenden Untersuchung – die entsprechen- den Daten, muss dieser kritische Umstand durch einen geeigneten methodi- schen Zugang ausgeglichen werden. Dabei kann der Umstand zu Nutze ge- macht werden, dass die zur Verfügung stehenden Daten sowohl Querschnitts- als auch Längsschnittdaten enthalten. Diese Kombination wird als Paneldaten bezeichnet (vgl. u.a. Allison 2009, Arellano 2003, Hsiao 2004). Die methodi-