l9clshg

Latente Klasse Analyse
Eén van de subdoelen van deze studie was het verkrijgen van inzicht in het voorkomen van
subgroepen, gekarakteriseerd door het voorkomen van (specifieke combinaties van ) risicofactoren,
waaraan een hoge of juist een lage kans op het voortzetten van crimineel (gewelddadig) gedrag tot
in de volwassenheid kan worden gerelateerd (onderzoeksvraag 7). Hiervoor is een clusteranalyse
uitgevoerd, in het bijzonder ‘Latente Klasse Analyse’.
Latente Klasse Analyse (of Latent Class Analysis; LCA) is een statistische techniek die speciaal is
gericht op het creëren van homogene subgroepen van individuen binnen een grotere
onderzoekspopulatie (zoals de Top 600). De toevoeging ‘Latent’ verwijst naar het gegeven dat de
verschillende subgroepen niet direct waarneembaar zijn, maar wel latent aanwezig zijn in de data.
Een bekend toepassingsgebied van LCA is marketingonderzoek, waarbij deze techniek helpt om
aparte producten te ontwikkelen voor specifieke klantgroepen. Een belangrijk verschil tussen LCA
en traditionele cluster technieken (bijvoorbeeld K-means clustering) is dat LCA een statistisch model
is, wat betekent dat statistisch getoetst kan worden welk aantal clusters, en daarmee welke
profielen, de beste oplossing biedt.
De LCA is uitgevoerd met het statistische programma LATENT – GOLD 4.0 (Vermunt, 2004;
Madginson & Vermunt, 2005). Met kenmerken uit de FPJ als input berekent het programma
verschillende modellen, uiteenlopend van één tot meerdere (in dit onderzoek is gekozen voor
maximaal vier) latente klassen in de data. De kwaliteit van de uitkomst van elk van deze modellen is
leidend voor het aantal ‘zinvolle’ profielen dat is te onderscheiden. Voor het bepalen van de
kwaliteit van een model wordt gekeken naar het ‘Bayesiaanse Informatie Critrium’ (BIC). Het model
met de laagste BIC waarde, daarmee het ‘best passende’ model, geeft aan tussen hoeveel profielen
onderscheid kan worden gemaakt in de data.
Het was niet mogelijk om een latente klasse analyse uit te voeren waarbij alle afzonderlijke
risicofactoren van alle FPJ-domeinen tegelijkertijd aan een model werden toegevoegd. De
belangrijkste reden daarvoor was dat het programma LATENT – GOLD elke ‘case’ met minimaal één
missende waarde niet includeert in de analyse. Hoe groter het aantal variabelen in een model, hoe
groter de kans op missende waardes en dus hoe groter de kans op uitval van ‘cases’ in de
modeloplossing. Met 65 risicofactoren als inputvariabele in één model werd dan ook een grote
meerderheid van de ‘cases’ geëxcludeerd uit het model. Een optie om missende waarden te
vervangen door de gemiddelde score van de gehele groep was onwenselijk. Bij twijfel over het
toekennen van een score 1 of 2 (“ik vermoed 2, maar ik kan het niet hard maken”) was namelijk
afgesproken om de optie “?” te scoren (ik weet het niet), en niet te kiezen voor een 1. Bij het
vervangen van een missende waarde voor het gemiddelde zou het aannemelijk zijn dat hierdoor in
veel gevallen een onderschatting van de gemiddelde ernst van de aanwezigheid van een risicofactor
zou ontstaan. Bovendien zou het vervangen door gemiddelde scores mogelijk afbreuk doen aan de
grootte van eventuele contrasten tussen de Top 600 en de Boefjes.
Er is daarom niet gewerkt met één model met daarin alle 65 afzonderlijke items maar er zijn, naar
analogie van de probleemdomeinen van de FPJ, zeven analyses met elk ongeveer 10 (variërend van
5 tot 15) items uitgevoerd. Aangezien per FPJ-domein minder afzonderlijke risicofactoren aanwezig
zijn, is de kans op missende waardes dus ook kleiner. De oplossingen worden zo robuuster omdat
22