04.01.2013 Aufrufe

Jugendgewalt und Jugenddelinquenz in Hannover. Aktuelle Befund

Jugendgewalt und Jugenddelinquenz in Hannover. Aktuelle Befund

Jugendgewalt und Jugenddelinquenz in Hannover. Aktuelle Befund

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

ger<strong>in</strong>gsten im Stadtteil Misburg-Süd. Durchschnittlich ziehen 235 Bewohner e<strong>in</strong>es Stadtteils<br />

zu bzw. weg. Die Fluktuation ist am niedrigsten im Stadtteil Wettbergen, am größten h<strong>in</strong>gegen<br />

im Stadtteil Mitte. Die durchschnittliche soziale Kohäsion e<strong>in</strong>es Stadtteils liegt mit 2.61<br />

sehr nah am theoretischen Mittelwert (2.5) <strong>und</strong> variiert nur ger<strong>in</strong>gfügig zwischen den Stadtteilen<br />

(M<strong>in</strong>=2.30, Max=2.88).<br />

7.4.2. Mehrebenenanalysen zum E<strong>in</strong>fluss von Kontextvariablen<br />

Um zu prüfen, ob Stadtteileigenschaften überhaupt relevant für die Erklärung von del<strong>in</strong>quentem<br />

Verhalten s<strong>in</strong>d, wird zunächst e<strong>in</strong> so genanntes „<strong>in</strong>tercept-only-model“ geschätzt (vgl.<br />

Snijders/Bosker 1999, Ditton 1998). 94 Hierbei handelt es sich um e<strong>in</strong> sogenanntes „leeres“<br />

Mehrebenenmodell, bei dem geprüft wird, ob die Gewalt- bzw. schwere Eigentumsprävalenz<br />

signifikant zwischen den Stadtteilen variiert <strong>und</strong> wie viel Anteil an Varianz dieser Variablen<br />

möglicherweise durch Kontextvariablen erklärbar ist (Tabelle 50). Dabei zeigt sich, dass jeweils<br />

ca. drei Prozent der Gesamtvarianz der Gewalt bzw. der Eigentumsdelikte auf Stadtteilmerkmale<br />

zurückzuführen s<strong>in</strong>d. 95 Um zu kontrollieren, dass es nicht alle<strong>in</strong> die spezifische<br />

Zusammensetzung der Jugendlichen e<strong>in</strong>es Stadtteils (Hauptschüler, bestimmte Ethnie) ist, die<br />

für diese Stadtteileffekte verantwortlich ist, werden <strong>in</strong> e<strong>in</strong>em zweiten Schritt konditionierte<br />

Modelle berechnet. Dabei wird neben dem Geschlecht <strong>und</strong> der ethnischen Herkunft auch die<br />

Schulform, die Erfahrung mit Arbeitslosigkeit der Eltern bzw. Sozialgeld/ALG II-Bezug <strong>und</strong><br />

die unvollständige Familienkonstellation kontrolliert. Auch unter Berücksichtigung dieser<br />

Faktoren bleibt e<strong>in</strong> signifikanter Effekt des Stadtteils sowohl für die Gewalt- als auch die<br />

schwere Eigentumsdel<strong>in</strong>quenz bestehen.<br />

Tabelle 50: Intraklassenkorrelationen der Gewalt- bzw. Eigentumsdel<strong>in</strong>quenz (Prävalenz 2005) 96<br />

Gewaltdel<strong>in</strong>quenz Schwere Eigentumsdel<strong>in</strong>quenz<br />

ICC (%) 2,99** 3,01 †<br />

ICC konditional + (%) 2,44* 3,89*<br />

** p < .01, * p < .05, †<br />

p < .10; nur Stadtteile mit m<strong>in</strong>destens 20 Befragten; nur Schüler, die noch nie soweit umgezogen s<strong>in</strong>d, dass sie Fre<strong>und</strong>e<br />

verloren haben<br />

+ unter Kontrolle von Schulform, Geschlecht, ethnischer Herkunft, Armut, unvollständige Familienkonstellation<br />

Die Frage nach der sozialräumlichen Bed<strong>in</strong>gtheit von del<strong>in</strong>quentem Verhalten ersche<strong>in</strong>t damit<br />

angebracht. Im nächsten Schritt wurde deshalb untersucht, ob neben <strong>in</strong>dividuellen Merkmalen<br />

möglicherweise auch Kontextmerkmale zur Erklärung del<strong>in</strong>quenten Verhaltens beitragen<br />

können. Tabelle 51 gibt e<strong>in</strong>en Überblick über den E<strong>in</strong>fluss verschiedener Merkmale auf Individual-<br />

bzw. Stadtteilebene. Abgebildet s<strong>in</strong>d die unstandardisierten Effektkoeffizienten; Werte<br />

über 1.000 deuten auf e<strong>in</strong>en Anstieg der Wahrsche<strong>in</strong>lichkeit del<strong>in</strong>quenten Verhaltens h<strong>in</strong>,<br />

Werte unter 1.000 auf e<strong>in</strong>e Verr<strong>in</strong>gerung des Risikos. Werte gleich bzw. nahe 1.000 h<strong>in</strong>gegen<br />

94 Alle Modelle wurden mit HLM 6.0 berechnet.<br />

95 Berechnet wurde e<strong>in</strong> Modell für dichotome abhängige Variablen (Bernoulli-Modell, vgl. Raudenbush et al.<br />

2004, S. 115ff.). Zur Berechnung des durch die Stadtteile erklärbaren Varianzanteils vgl. Snijders <strong>und</strong> Bosker<br />

(1999, S. 224).<br />

96 Im leeren Modell stehen 2.600 Fälle <strong>in</strong> 40 Stadtteilen zur Verfügung, <strong>in</strong> den konditionalen Modellen nur noch<br />

2.583 Fälle <strong>in</strong> 40 Stadtteilen. Die Differenz geht auf den Umstand zurück, dass für das leere Modell e<strong>in</strong><br />

Datensatz nur mit den abhängigen Variablen verwendet wurde, für das zweite Modell h<strong>in</strong>gegen die<br />

entsprechenden Kontrollvariablen aufgenommen wurden. Durch fehlende Werte bei e<strong>in</strong>zelnen Variablen<br />

reduziert sich die Gesamtzahl der für die Auswertung zur Verfügung stehenden Fälle.<br />

176

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!