• No results found

BROTTSKONCENTRATION- IDENTIFIERA BROTTSMÖNSTER GENOM BROTTSFREKVENS ELLER DET TOTALA BROTTSSKADEVÄRDET?

N/A
N/A
Protected

Academic year: 2021

Share "BROTTSKONCENTRATION- IDENTIFIERA BROTTSMÖNSTER GENOM BROTTSFREKVENS ELLER DET TOTALA BROTTSSKADEVÄRDET?"

Copied!
51
0
0

Loading.... (view fulltext now)

Full text

(1)

KARIN AXELSSON OLSSON

HANNA GUSTAFSSON

Examensarbete i kriminologi Malmö universitet 61-90 hp Hälsa och samhälle Kriminologiprogrammet 205 06 Malmö Juni 2018

BROTTSKONCENTRATION-

IDENTIFIERA BROTTSMÖNSTER

GENOM BROTTSFREKVENS

ELLER DET TOTALA

(2)

BROTTSKONCENTRATION-

IDENTIFIERA BROTTSMÖNSTER

GENOM BROTTSFREKVENS

ELLER DET TOTALA

BROTTSSKADEVÄRDET?

KARIN AXELSSON OLSSON

HANNA GUSTAFSSON

Axelsson Olsson, Karin & Gustafsson, Hanna. Brottskoncentration- identifiera brottsmönster genom brottsfrekvens eller det totala brottsskadevärdet?

Examensarbete i kriminologi 15 högskolepoäng. Malmö universitet: Fakulteten för hälsa och samhälle, institutionen för kriminologi, 2018.

Den aktuella studien ämnar undersöka huruvida de mest brottsfrekventa

delområdena i Malmö även är de delområden med högst brottsskadevärde. Genom en analys av registerdata över anmälda brott framkommer det att 13 delområde i Malmö både uppvisar det högsta brottsskadevärdet och den högsta

brottsfrekvensen. Fem delområden har dock enbart ett högt brottsskadevärde samtidigt som fem delområden enbart har en hög brottsfrekvens. Detta indikerar på att brottsbekämpande aktörer även bör komplettera sina arbetsmetoder mot brottsfrekventa plaster med metoder som riktar sig mot platser med höga brottsskadevärden. Därmed är det tänkbart att det brottsförebyggande arbetet skulle effektiviseras. I resultatet framkommer det även svaga samband mellan flertalet olika oberoende variabler, kopplade till teori, och delområden som kan klassificeras som brottsfrekventa och/eller med ett högt brottsskadevärde. Sammanfattningsvis uppmuntrar studien till vidare forskning inom ämnet med fokus på mikroplatser.

Nyckelord: Brottsfrekvens, Brottsskadevärde, Crime Harm Index, Harm-area, Hot-area, Hot-spot, Malmö.

(3)

CRIME CONCENTRATIONS-

IDENTIFYING CRIME PATTERNS

BY VOLUME OF CRIMES OR BY

THE OVERALL HARM OF

CRIMES?

KARIN AXELSSON OLSSON

HANNA GUSTAFSSON

Axelsson Olsson, Karin & Gustafsson, Hanna. Crime concentrations- identifying crime patterns by volume of crimes or by the overall harm of crimes? Degree project in criminology 15 credits. Malmö University: Faculty of Health and Society, Department of criminology, 2018.

The current study aims to investigate whether or not the neighborhoods with the highest crime rates in Malmö also are the areas with the highest crime harm. A database analysis of reported crime incidents shows that 13 of the highest crime rate neighborhoods likewise are the neighborhoods with the highest crime harm rate. Five neighborhoods are solelyclassified as high crime rate neighborhoods meanwhile five are classified solely as high crime harm neighborhoods. This result indicates that the crime fighting agencies should supplement their working methods against high-crime areas with methods targeting neighborhoods with high crime harm. Thereby it is possible that the crime prevention could work more efficiently. The result also shows on weak correlations between several different independent variables, linked to theory, and neighborhoods that can be classified as high crime rate neighborhoods and/or a high crime harm neighborhoods. In conclusion the study encourages for further research on the subject with focus on microplaces.

Keywords: Crime rate, Crime Harm, Crime Harm Index, Harm-area, Hot-area, Hot-spot, Malmö.

(4)

Tack till!

Först och främst vill vi tacka Johan Sundqvist, Roger Karlsson och Anders Telsing på Utvecklingscentrum Syd. Genom er hjälp fick vi tillgång till de material som ligger till grund för studien samt möjligheten att komma i kontakt med May-Britt Rinaldo. Vidare vill vi även rikta ett stort tack till May-Britt Rinaldo, grundare av det svenska Crime Harm Indexet, utan din hjälp och samarbetsvilja hade studien inte varit genomförbar. Ytterligare riktas ett tack till Manne Gerell som delgivit oss betydelsefullt material. Avslutningsvis vill vi rikta vår tacksamhet till vår handledare Alexander Engström. Tack vare ditt

engagemang och stöd har denna studie drivits framåt och utan dina råd samt våra diskussioner hade denna uppsats aldrig varit möjlig.

Malmö, juni år 2018

(5)

INNEHÅLLSFÖRTECKNING

INLEDNING ... 1

Syfte och frågeställningar ... 2

DEFINITIONER ... 3

Hot-spot ... 3

Bostadsområde ... 3

Crime Harm Index ... 3

TIDIGARE FORSKNING... 4

Hot-spot ... 4

Hot-spot policing ... 4

Crime Harm Index ... 6

TEORI ... 7 Rutinaktivitetsteorin ... 8 Sociala desorganisationsteorin... 9 Kollektiv styrka ... 9 METOD ... 9 Malmö ... 10 Material ... 10 Urval ... 10 Avgränsningar... 11 Bortfall ... 11 Bearbetning av material ... 11 Variabelförteckning ... 12 Analys av material ... 13 Etik ... 14 RESULTAT... 15 Deskriptiva analyser ... 15 Sambandsanalys ... 17 Hot- area ... 19 Harm-area ... 19 Logistisk regressionsanalys ... 20 Modell 1 ... 21 Modell 2 ... 21 DISKUSSION... 22 Resultatdiskussion... 22 Metoddiskussion ... 25 KONKLUSION ... 28 REFERENSER ... 30 BILAGOR ... 35 Bilaga 1 ... 35 Bilaga 2 ... 40

(6)

INLEDNING

Inom det kriminologiska fältet är det välkänt att brottslighet inte är ett slumpmässigt fenomen utan forskning tyder snarare på att brott både är

koncentrerat till specifika platser och tidpunkter (Marklund 2011). Historisk sett har sambandet mellan brott och plats varit av intresse sedan mitten av 1800-talet (Eck & Weisburd 1995). Burgess, Shaw och Mckay är exempel på internationella forskare som tidigt argumenterade för platsens betydelse för kriminalitet och menade att orsakerna till brott kan härledas till ett bostadsområdes karaktär (a.a.). Initialt studerades brott och plats ur ett makroperspektiv med fokus på större områden, idag är det dock allt vanligare att studera platsens betydelse ur ett mikroperspektiv (a.a.). Även om mindre platser är en förekommande inriktning inom dagens forskning är det viktigt att poängtera att studier avseende

brottslighetens koncentration än idag bedrivs på makronivå, exempelvis studerar Gerell och Kronkvist (2016) och Boessen och Hipp (2015) brottslighet på en områdesnivå. Flertalet aktuella kriminologiska teorier ämnar förklara hur

kriminalitet fördelar sig på större geografiska ytor, till exempel fokuserar sociala desorganisationsteorin och kollektiv styrka på faktorer som socioekonomisk status och social sammanhållning som avgörande för huruvida ett bostadsområde

präglas av brottslighet eller inte (Bursik & Grasmick 1993; Sampson 2006). Som tidigare nämnts har mikronivå blivit en allt vanligare utgångspunkt i dagens brottsförebyggande arbete och flertalet forskare och praktiker menar att polisen kan effektivisera sina arbetsmetoder genom att fokusera på mindre avgränsade platser med hög brottsfrekvens, så kallade Hot-spots (Braga, Papachristos & Hureau 2014; Eck & Weisburd 1995; Weisburd, Telep & Braga 2010). Hot-spot policing, även kallat platsbaserat polisarbete, är en arbetsmetod där polisen riktar extra resurser mot Hot-spots i syfte att förhindra återkommande brottsproblematik (Braga m.fl. 2014; Goldstein 1990). Arbetsmetoden inkluderar flertalet olika tillvägagångssätt vilka samtliga riktar sig till att förebygga brott på brottsfrekventa platser, exempelvis innefattar arbetssättet extra polisiära resurser i form av ökad fotpatrullering (Weisburd 2008). Även om Hot-spot policing främst syftar till att förebygga brott på mindre avgränsade platser finns det argument för att det även skulle kunna vara en lämplig åtgärd i större områden som kantats av hög brottslighet och av andra sociala problem (Holmberg 2016). I likhet med vad som framkommit i internationella studier finns det även i Sverige goda

förutsättningar för polisen att arbeta platsbaserat (Marklund 2011) och idag fokuserar den svenska polisen bland annat på platser som under helgkvällar och nätter utgörs av större folksamlingar där risken för problem förekommer (Polisen 2018).

Ratcliffe (2014) anser dock att fokus bör ligga på hur mycket skada ett brott orsakar snarare än att enbart se till dess antal då detta kan generera ett mer

realistiskt mätinstrument. Även Rinaldo (2015) förespråkar att en kombination av brottsfrekvens och brottsskada skulle öka möjligheten att effektivisera det

brottsförebyggande arbetet. Mitchell (2017) menar att ett index baserat på ett brotts skadevärde är ett effektivt hjälpmedel när det förekommer stora kvantiteter av brott och även en variation gällande brottstyperna. Crime Harm Index som syftar till ett brotts skadevärde är en förhållandevis ny arbetsmetod och forskning inom ämnet är relativt begränsad (Mitchell 2017). Genom att granska

(7)

allvarlighetsgraden av olika brottskategorier, och inte enbart antalet anmälda brott, möjliggörs en ökad förståelse av brottsligheten och dess karaktär (Babyak, Turner & Wallace 2009). Då samtliga anmälda brott beräknas likartat kan antalet anmälda brott påverkas kraftigt av en minskning i frekventa brottstyper med lägre brottsskadevärde (a.a.). Exempelvis kan en minskning i cykelstölder ha en stor inverkan på antalet brott men inte på brottsskadevärdet för den specifika platsen. Förändringar i brottsnivån gällande grövre brott, exempelvis mord, har därmed en liten påverkan på antalsräkningen (a.a.). Brottsskadevärdet kan därmed tydliggöra om kriminaliteten har ändrat struktur och blivit grövre (a.a.). Idag har flertalet länder implementerat Crime Harm Index och förespråkar arbetsmetoden Crime harm-policing då detta anses kunna bistå polisen i deras brottsförebyggande arbete (Mitchell, 2017; Sherman, Neyroud & Neyroud 2016). Även i Sverige har arbetsmetodens potentiella användningsområde uppmärksammats genom Rinaldo (2015) som är den första i Sverige att studera huruvida Crime Harm Index kan tillföra information gällande brottslighetens karaktär.

Även om arbetsmetoden Crime Harm Index blir allt vanligare behövs det

ytterligare kunskap om dess effekter i en svensk kontext, vilket kan ge utökat stöd till den internationella forskningen inom ämnet (Rinaldo 2015). Som tidigare nämnts syftar metoden till att inkludera den skada som ett brott genererar och därmed avser denna undersökning att identifiera delområden i Malmö med hög brottsfrekvens, så kallade Hot-areas, för att sedan jämföra dessa med delområden som har ett högt brottsskadevärde, så kallade Crime Harm-areas. Fokus är att undersöka huruvida platser med en hög brottsfrekvens och ett högt

brottsskadevärde korrelerar eller om dessa skiljer sig åt. Detta för att se huruvida arbetsmetoderna Hot-spot policing och Crime harm-policing kan komma att ge en kompletterande bild i hur det brottsförebyggande arbetet kan utvecklas och bli mer lönsamt.

Syfte och frågeställningar

Den aktuella studien ämnar undersöka huruvida de mest brottsfrekventa delområdena i Malmö korrelerar med de delområden som uppvisar högst brottsskadevärde avseende våldsbrott mot person utomhus på allmän plats. Undersökningen omfattas även av en granskning gällande en eventuell förekomst av delområden med en hög brottsfrekvens och ett lågt brottsskadevärde respektive delområden med en låg brottsfrekvens och ett högt brottsskadevärde. Flertalet variabler kommer att analyseras i syfte att närma sig en förklaring gällande eventuella skillnader mellan Hot-areas och Harm-areas. Syftet är därmed att jämföra Harm-areas och Hot-areas då det är tänkbart att detta kan generera kunskap i hur den svenska polisen kan effektivisera sina arbetsmetoder. Utifrån detta har följande frågeställningar skapats:

1) Kännetecknas delområden med en hög brottsfrekvens även av ett högt brottsskadevärde och vice versa?

2) Förekommer det delområden som kännetecknas av ett högt brottsskadevärde och av en låg brottsfrekvens alternativt ett lågt brottsskadevärde och en hög brottsfrekvens?

3) Vad karaktäriserar delområden med ett högt brottsskadevärde och/eller delområden med en hög brottsfrekvens?

(8)

DEFINITIONER

Som tidigare nämnts fördelar sig brottslighet till vissa specifika platser och områden, således kan brottslighet studeras på olika nivåer. Hot-spots, som

generellt avser mikroplatser, är en vanlig utgångspunkt vid studier av brottslighet samtidigt som brottslighet även studeras på större nivåer som exempelvis

bostadsområden eller andra större geografiska delar av en stad (Eck & Weisburd 1995). I den aktuella studien kommer begreppet Hot-areas att användas istället för Hot-spots då studien avser att analysera brottsligheten inom större geografiska områden mer specifikt Malmös 136 delområden. Nedan följer därav en

beskrivning av hur Hot-spots och större geografiska områden exempelvis bostadsområden kan definieras. Vidare följer även hur metoden Crime Harm Index på olika sätt kan beräkna brottslighetens skador.

Hot-spot

Som ovan nämnts syftar Hot-spots till platser med en hög brottsfrekvens, dock är begreppet komplext och kan definieras på flertalet olika sätt då ytans storlek och antalet brott inom denna yta kan variera (Marklund 2011). Definitionen kan påverkas av vilken stad och vilka brott som avses att studera, till exempel

definierar Marklund (2011) Hot-spots som platser med en 90 meters radie, där 20 procent av den totala brottsligheten för specifik brottskategori anmälts och där brottsligheten varit relativt stabil under en treårsperiod. Likväl som en Hot-spot kan utgöras av en snäv definition kan det även avse exempelvis ett gathörn, en adress eller ett kluster av gatusegment (Eck & Weisburd 1995; Weisburd m.fl. 2010).

Bostadsområde

En av de första att studera brottslighet på områdesnivå var Robert Park (1915) som ansåg att ett bostadsområde utgjorde en liten homogen geografisk yta i en stad. Parks definition kom att vidareutvecklas av bland annat Sampson (2012) som menade att ett bostadsområde är ett avgränsat geografiskt område i ett större samhälle eller en stad som vanligtvis innefattar invånare eller institutioner med olika sociala egenskaper. Definitionen av ett bostadsområde kan således variera och diskussionen kring detta har pågått sedan början av 1900-talet och har fortsatt in på 2000-talet (Weisburd, Bruinsma & Bernasco 2009). I Weisburd och

Amrams (2014) studie framkommer det att om flertalet av de platser som definieras som Hot-spots i en stad är belägna i samma bostadsområde är det tänkbart att detta skulle kunna benämnas som ett Hot-neighbourhood. Precis som Hot-spots karaktäriseras även Hot-areas av en hög brottsfrekvens som är relativt stabil över tid och rum, dock skiljer sig begreppen åt i den mening att Hot-areas utgör ett större geografiskt område (Clarke & Eck 2005; International Association of Crime Analyst 2013).

Crime Harm Index

Crime Harm Index syftar till att ge en kompletterande bild av brottslighetens karaktär och fokuserar på just de skador som uppkommer av brottsliga handlingar (Mitchell 2017). Det finns flertalet olika tillvägagångssätt för att beräkna skadorna av olika brottstyper, exempelvis redogör Paoli och Greenfield (2013) för flertalet studier som diskuterar kostnader och skador kopplade till kriminalitet, bland annat diskuteras direkta och indirekta kostnader av brott. Kostnader som direkt kan kopplas till brott gäller exempelvis stulna föremål eller utebliven lön på grund av skada som uppkommit efter misshandel (Cohen 2005). Indirekta kostnader syftar

(9)

istället till bland annat att en individ införskaffar sig ett inbrottslarm eller väljer att flytta på grund av en upplevd otrygghet (Cohen 2005). I en studie av Cohen, Steen och Tidd (2004) undersöks hur mycket individer är villiga att betala för att förebygga brottslighet, det framkommer dock flertalet svårigheter med olika sätt att mäta kostnaderna gällande brott på detta sätt (Paoli & Greenfield 2013). Till exempel kan en individs vilja att betala för att förebygga ett brott påverkas av dennes inkomst (Cohen m.fl. 2004). Andra studier beräknar brottens skadeverkan genom att kontrollera för antalet fängelsedagar olika brottstyper genererar

(Sherman m.fl. 2016), vilket även används som definition i den aktuella studien. Om studier, gällande effekterna av Hot-spot policing, även inkluderat en analys av brottens skadevärde hade eventuellt resultatet sett annorlunda ut och visat på ännu starkare respektive svagare effekter (Sherman m.fl. 2016).

TIDIGARE FORSKNING

I följande avsnitt presenteras tidigare forskning gällande Hot-spot, Hot-spot policing och Crime Harm Index. I denna studie syftar frågeställningarna ett och två till att identifiera delområden som kategoriseras som Hot-areas och/eller Harm-areas, därav anses det väsentligt att presentera forskning som ligger till grund för dessa definitioner och de arbetsmetoder som kan kopplas till begreppen. Inledningsvis redogörs för hur brottslighet förhåller sig till vissa specifika platser och därefter presenteras effekterna av arbetsmetoden Hot-spot policing.

Avslutningsvis ges en förklaring till olika Crime Harm Index samt vilka eventuella möjligheter och effekter Crime Harm Index genererar.

Hot-spot

Några av de viktigaste upptäckterna gällande Hot-spots är att brottsligheten är koncentrerad till specifika platser samt är stabil över tid. Weisburd, Bushway, Lum och Yangs (2004) studie framkom att cirka hälften av Seattles brottslighet mätt under en fjortonårsperiod återfanns i drygt fem procent av stadens

gatusegment. Att brottsligheten är koncentrerad till specifika platser är även något som flertalet andra studier konstaterat och i en studie av Sherman, Gartin och Buerger (1989) framkommer att omkring hälften av telefonsamtalen till polisen kom från ett fåtal platser (3 procent). För vissa specifika brott som exempelvis rån och våldtäkt kom samtalen från en ännu mindre del av platserna (a.a.). Till

exempel stod 24 affärer för totalt 2,444 larmsamtal gällande snatteri och 2,2 procent av de inkluderade platserna i staden (över 115,000 stycken) stod för samtliga rån, totalt 4,166 stycken (a.a.). Totalt var 95 procent av stadens platser fria från brotten våldtäkt/sexualbrott, rån och motorfordonsstölder (a.a.). Utifrån en geografisk synpunkt tyder således forskning på att brottslighet inte

slumpmässigt fördelar sig i en stad utan förhåller sig till specifika platser samt är relativt stabil över tid (Spelman 1995; Weisburd m.fl. 2010). På grund av

brottslighetens koncentration till vissa specifika platser anses polisarbete riktat till Hot-spots kunna bidra till ett effektivt brottsförebyggande arbete (Braga m.fl. 2014; Weisburd m.fl. 2010).

Hot-spot policing

Braga m.fl. (2014) redogör i en systematisk litteraturstudie och meta-analys för effekterna gällande arbetsmetoden Hot-spot policing. I studien inkluderas 19 experimentella eller kvasiexperimentella undersökningar som totalt innefattar 25 olika experiment (a.a.). Sammanfattningsvis tyder resultatet på att Hot-spot

(10)

policing genererar små men positiva effekter avseende brottsligheten i ett område och enbart 5 av de 25 experimenten uppvisade inte några positiva effekter (Braga m.fl. 2014). Flertalet andra studier framhäver positiva effekter av Hot-spot policing (Bond & Braga 2008; Ratcliffe, Taniguchi, Groff & Woods 2011; Sherman & Weisburd 1995). En undersökning genomförd i Minneapolis visade att ökad polisiär patrullering på brottsfrekventa platser minskade antalet anmälda brott mellan 6 och 13 procent (Sherman & Weisburd 1995). Dock framkom det att det enbart var den grova brottsligheten som reducerades när platsbaserat

polisarbete riktades mot Hot-spots, det skedde således ingen reduktion bland de lindrigare brotten och därmed ansågs platsbaserat polisarbete mot Hot-spots vara effektivt sett till den grova brottsligheten (a.a.). Detta kan även konstateras i en studie gjord i Philadelphia där den grova brottsligheten minskade med 23 procent vid de Hot-spots där polisiär fotpatrullering implementerats (Ratcliffe m.fl. 2011). Bond och Bragas (2008) forskning gällande riktade åtgärder mot Hot-spots visade på positiva effekter i de områden där åtgärderna tillämpats, till exempel minskade antalet rån med 41.8 procent i experimentområdena i jämförelse med

kontrollområdena (a.a.). Den positiva effekten konstaterades för samtliga brottstyper som inkluderades i studien (a.a.). I en svensk studie av Frogner, Andershed, Lindberg & Johansson (2013) identifierades inga statistiskt signifikanta skillnader gällande riktade åtgärder mot Hot-spots i Örebro. Åtgärden, som syftade till att förebygga gatuvåld med hjälp av patrullerande ordningsvakter, genererade en liten men icke-signifikant minskning av antalet anmälda brott gällande gatuvåld (a.a.). Författarna menar att arbetsmetoden eventuellt skulle kunna resultera i andra effekter om åtgärden implementerats annorlunda (a.a.).

Ett av de främsta argumenten mot arbetsmetoden Hot-spot policing är den så kallade förflyttningseffekten, det vill säga att brottsligheten enbart förflyttar sig till närliggande områden där polisen inte specifikt riktar sina insatser (Braga m.fl. 2014; Sherman & Weisburd 1995). Det finns dock forskning som tyder på att det snarare sker en positiv spridning av arbetsmetodens effekter till närliggande områden (Braga m.fl. 2014; Braga & Bond 2008; Ratcliffe m.fl. 2010; Sherman & Weisburd 1995). I en studie av Weisburd, Wyckoff, Ready, Eck, Hinkle &

Gajewski (2006) visade resultatet att brottsligheten inte spred sig till de

angränsande områdena utan istället konstaterades att den positiva effekten av de brottsförebyggande åtgärderna även observerades i de närliggande områdena (a.a.). Även Braga m.fl. (2014) fastställde i sin systematiska litteraturöversikt och meta-analys att de positiva effekterna av riktade åtgärder mot Hot-spots spred sig till närliggande områden. 9 av 13 undersökningar visade på positiva effekter och sammanfattningsvis konstaterades en liten men signifikant spridningseffekt (a.a.). Ratcliffe m.fl. (2011) menade att en liten del av brottsligheten förflyttas till närliggande områden men att den nya omgivningen försvårar för förbrytarna att fortsätta med sina kriminella handlingar, vilket i sin tur reducerar brottsligheten även i de angränsande områdena. Sammanfattningsvis kan det genom flertalet studier konstateras att arbetsmetoden Hot-spot policing genererar goda resultat i de fall där de identifierade Hot-spots platserna är relativt stabila över tid och därav anses metoden effektiv (Bond & Braga 2008; Ratcliffe, Taniguchi, Groff &

Woods 2011; Spelman 1995; Taylor 1999; Weisburd m.fl. 2004). Vissa forskare anser dock att arbetet mot Hot-spots bör kompletteras med hur stor skada

brottsligheten orsakar snarare än att enbart se till dess frekvens (Babyak, Turner & Wallace 2009; Mitchell 2017; Ratcliffe 2014; Rinaldo 2015). Med hjälp av ett relativt nytt mätinstrument, Crime Harm Index, granskas allvarlighetsgraden av

(11)

olika brottskategorier vilket anses kunna öka möjligheten att effektivisera det brottsförebyggande arbetet (Rinaldo 2015) eftersom detta möjliggör för en ökad förståelse av brottsligheten och dess karaktär (Babyak, Turner & Wallace 2009). Crime Harm Index

Med hjälp av Englands och Wales riktlinjer för straffmätning utvecklade Sherman m.fl. (2016) Cambridge Crime Harm Index, vilket framtagits med hjälp av

riktlinjerna beträffande minimumstraff för förstagångsförbrytare. De undersökta brottskategorierna värderades sedan utifrån olika brottskoder och antalet

fängelsedagar som dessa genererade (a.a.). I de fall där minimumstraffet omfattas av böter eller innefattar samhällstjänst har dessa omvandlats till antal

fängelsedagar, exempelvis beräknas hur många dagars arbete bötesbeloppet motsvarar i antalet fängelsedagar (a.a.). Således fokuserar Cambridge Crime Harm Index på den skada brott utgör och därigenom kan platser med höga brottsskadevärden identifieras, vilket i slutändan kan användas för att reducera brottsligheten på dessa platser (a.a.). I Cambridge Crime Harm Index inkluderas enbart de anmälningar som inkommit från brottsoffer eller vittnen vilket innebär att exempelvis all form av brottsprovokation från polis exkluderats (a.a.). Det framtagna indexet anses vara en enkel och kostnadseffektiv matris att följa och applicera (Sherman 2013) vilket kan återspeglas i att flertalet polismyndigheter tillämpar detta i Storbritannien (Sherman m.fl. 2016). Även andra länder,

exempelvis Australien och Uruguay, har implementerat Cambridge Crime Harm Index men då baserat det utifrån de lokala lagar och regler som gäller för det specifika landet (a.a.).

Canada Crime Severity Index utvecklades med syftet att även ta hänsyn till allvarlighetsgraden av olika kriminella handlingar (Babyak m.fl 2009). Indexet, som skapades av bland annat poliser och akademiker, är tänkt att ge en

kompletterande bild av hur brottsligheten förändras över tid och skiljer sig åt mellan olika platser (a.a.). Canada Crime Severity Index baseras på det totala antalet fängelsedömda individer för enskild brottstyp multiplicerat med medelvärdet av antalet fängelsedagar för specifik brottstyp (a.a.). Därefter multipliceras detta med det sammanlagda antalet anmälda brott gällande den specifika brottstypen (a.a.). Dessa beräkningar baseras på ett material gällande en femårsperiod (a.a.). Syftet med indexet är inte att analysera de exakta värdena för specifika brottstyper utan snarare att jämföra värdena mellan olika brott (a.a.). I en studie av Babyak m.fl. (2009) konstaterade att brottsligheten i Kanada var stabil mellan åren 1999 och 2002, däremot fastställdes med hjälp av Canada Crime Severity Index att det skett en minskning av brottslighetens allvarlighetsgrad. Mellan år 2004 och år 2006 minskade istället den totala brottsligheten samtidigt som en ökning gällande den grova brottsligheten kunde identifieras, till exempel ökade mordförsöken med 22 procent (a.a.). Detta menar forskarna tydliggör nackdelarna med att bara undersöka antalet anmälda brott och motiverar därmed för användning av Canada Crime Severity Index (a.a.).

Till skillnad från Canada Crime Severity Index bygger California Crime Harm Index baseras på antalet fängelsedagar som maxstraffet gällande specifika brottskategorier genererar (Mitchell 2017). I Sacramento, USA, genomfördes ett randomiserat experiment gällande effekterna av Hot-spot policing (a.a.).

Effekterna analyserades med hjälp av California Crime Harm Index och slutsatsen av studien var att en minskning i brottsskadevärde på specifika platser främst

(12)

berodde på en minskning av antalet egendomsbrott och inte på grund av förändringar i brottens allvarlighetsgrad (Mitchell 2017).

Cambridge Crime Harm Index och Canada Crime Severity Index användes som utgångspunkt i skapandet av Swedish Crime Harm Indexet, således baseras även detta på antalet fängelsedagar olika brottstyper genererar men med anpassning efter det svenska rättssystemet (a.a.). Som tidigare nämnts är Rinaldo (2015) den första i Sverige att undersöka specifika platsers brottsskadevärden och hur dessa korrelerar med identifierade Hot-spots. Fem domare från Göteborgs tingsrätt och hovrätt fick i uppdrag att uppskatta antalet fängelsedagar för förstagångsförbrytare gällande flertalet olika brottskoder (a.a.). Trots enskilda bedömningar var

domarna i stor utsträckning samstämmiga i sina utlåtanden och det slutgiltiga brottsskadevärdet utgjordes av medelvärdet av domarnas bedömningar för varje specifik brottskod (a.a.). I Rinaldos (2015) studie var syftet att med hjälp av det svenska Crime Harm Indexet jämföra Hot-spots, det vill säga brottsfrekventa platser, med Crime Harm-spots, det vill säga platser med höga brottsskadevärden. Utgångspunkten för studien var Göteborg där områdena Göteborg City, Linné och Majorna undersöktes (a.a.). Med hjälp av polisens rationella anmälningsrutin (RAR) plottades samtliga anmälda våldsbrott mot person på allmän plats under år 2014 för att kunna identifiera stadens Hot-spots (Rinaldo 2015). Därefter

applicerades det svenska Crime Harm indexet för att undersöka huruvida platser med höga brottsskadevärden skiljer sig från platser med hög brottsfrekvens (a.a.). Det resultat som framkom av studien tyder på att om fokus enbart läggs på Hot-spots går 50 procent av de platser som har ett högt brottssakdevärde förlorade och det samma gäller för om fokus enbart läggs på Crime harm-spots då 53 procent av Hot-spotsen går förlorade (Rinaldo 2015). Utifrån dessa resultat förespråkar Rinaldo (2015) att en kombination av de båda skulle öka möjligheterna att effektivisera det brottsförebyggande arbetet.

Även i Danmark har ett Crime Harm Index framtagits, Danish Crime Harm Index, vilket baseras på antalet fängelsedagar för en förstagångsförbrytare (Andersen & Mueller-Johnson 2018). Till skillnad från Rinaldos (2015) studie bygger detta index på utlåtande från åklagare och åklagarmyndighetens riktlinjer (Andersen & Mueller-Johnson 2018). Likt Rinaldos (2015) studie gäller dessa utlåtande brott som inte innefattar några förmildrande eller försvårande omständigheter

(Andersen & Mueller-Johnson 2018). Av studien framkommer det att brottsligheten i Danmark har minskat mellan åren 2011 och 2016, däremot konstateras en ökning av brottsskadevärdet (a.a.). Enligt antalsräkningen minskade den totala brottsligheten, exklusive våldtäkter, med 54 000 anmälda brott mellan år 2011 och år 2016 samtidigt som en ökning med 46 640

fängelsedagar noterades (a.a.). Således sammanfattar den danska studien att Crime Harm Index är ett verktyg som borde användas som en kompletterande metod vid analys av brottslighet (a.a.).

TEORI

Utifrån tidigare forskning kan det konstateras att brottslighet varken fördelar sig jämt eller slumpmässigt i tid och rum, med hjälp av teori kan vi förklara varför det på vissa platser förekommer en större mängd brott jämfört med andra (Anselin, Cohen, Cook, Gorr & Tita 2000). För att förstå varför brottsligheten fördelar till vissa specifika platser integrerar flertalet kriminologiska teorier både individuella

(13)

och strukturella förklaringar till varför kriminalitet uppstår (Bursik & Grasmick 1993) och inom dagens polisarbete utgör platsen en allt mer central roll i det brottsförebyggande arbetet (Marklund & Merenius 2014). Platsbaserade teorier fokuserar på hur den strukturella kontexten påverkar individers handlingar, en kategori under vilka bland annat rutinaktivitetsteorin, brottsmönsterteorin, sociala desorganisationsteorin samt kollektiv styrka faller (Anselin m.fl. 2000). I den aktuella studien fokuserar frågeställning tre på vad som karaktäriserar de delområden som identifierats som en Hot-area och/eller en Harm-area. För att besvara denna har variabler som kan härledas till rutinaktivitetsteorin, sociala desorganisationsteroin och kollektiv styrka använts, därav följer en genomgång av de tre teorierna för att få en djupare förståelse av brottslighetens koncentration. Brottsmönsterteorin tillämpas därmed inte som teoretisk utgångspunkt i denna undersökning då den fokuserar på mindre specifika platser där brott begås

(Brantingham & Brantingham 1995). I denna studie är det huvudsakliga syfte inte att identifiera brottslighetens exakta plats utan att undersöka hur den fördelar sig på en delområdesnivå.

Rutinaktivitetsteorin

För att förstå rutinaktivitetsteorin behöver hänsyn tas till både mikro- och makronivå då de båda perspektiven är beroende av varandra och krävs för att förstå människan och dennes handlande (Cohen & Felson 1979). Makronivå syftar till studier av större sociala system medan mikronivå avser studier på individnivå (Månson 2014). Rutinaktivitetsteorin ämnar förklara brottslighet genom att studera individens vardagliga aktiviteter, så kallade rutinaktiviteter (Felson & Boba 2010), och på så sätt se hur dessa kan leda till en ökad eller minskad brottslighet (Felson 2013). Cohen och Felson (1979) menar att det är viktigt att förstå och analysera hur förändringar på en makronivå leder till förändringar på en mikronivå, exempelvis ledde andra världskriget till en stor strukturell förändring av samhället som kom att förändra gemene mans

rutinaktiviteter. Detta innebar att allt fler kvinnor började arbeta utanför hemmet och utbilda sig i större utsträckning än tidigare vilket resulterade i att husen lämnades obevakade och därmed ökade risken för inbrott (a.a.). Enligt rutinaktivitetsteorin kommer sådana stora samhällsförändringar antingen underlätta eller försvåra möjligheten att begå brott (a.a.).

Grundarna av teorin, Cohen och Felson (1979), anser att brott utgörs av tre

grundelement: tillgängliga mål/offer, en motiverad gärningsperson samt frånvaron av kapabla väktare (det vill säga avsaknaden av kontroll). Ett tillgängligt

mål/offer kan bland annat innefatta en plånbok, en bil eller en person (Felson 2013). Värdet, tillgängligheten och synligheten är omständigheter som kan

påverka att en motiverad förövare ser ett objekt eller en individ som ett potentiellt offer (a.a.). Exempelvis är det tänkbart att en gärningsperson skulle välja att stjäla ett dyrare föremål med ett högre värde framför ett föremål som har ett lägre eller helt saknar ekonomiskt värde. Kapabla väktare avser inte specifikt poliser eller ordningsvakter utan är vanligtvis en närvarande privatperson, till exempel en släkting eller en vän (Felson 2013). Enligt teorin är en brottslig handling beroende av att alla tre grundelement skall sammanfalla i tid och rum, den motiverade gärningspersonen behöver således inte söka sig till en kriminogen situation för att ett brott skall begås utan det sker när de tre komponenterna sammanfaller (Cohen & Felson 1979). Till skillnad från andra kriminologiska teorier som ämnar

(14)

mer strukturfokuserad då platsbundna och rumsliga omständigheter får ett större fokus än individens besluts- och handlingsprocesser (Cohen & Felson 1979). Sociala desorganisationsteorin

I början av 1900-talet, Chicago, utvecklades tankar om att brott bör förklaras och förstås utifrån den sociala kontexten snarare än utifrån individen (Bursik &

Grasmick 1993). Detta skifte medförde att ett större fokus riktades mot det sociala samspelet i samhället, det vill säga interaktionen mellan olika sociala grupper och samhällets fysiska miljö (a.a.). Park (1915) delade in Chicago i olika delar vilka samtliga förhöll sig till varandra och menade att brottsligheten inom ett

bostadsområde var ett resultat av bristfällig social organisering. Med inflytande från Parks ekologiska tankesätt testade Shaw och McKay teorin om social desorganisation genom att applicera brottsstatistik på områdesnivå och på så sätt kunde de lokalisera i vilka områden brottsligheten var som mest utbredd (Bursik & Grasmick 1993). De hävdade att brottsligheten kunde förklaras utifrån under vilka omständigheter individer levde och således ansågs den sociala kontexten vara avgörande för nivån av brottslighet i ett visst område (a.a.). Socialt desorganiserade områden ansågs präglas av låg socioekonomisk status, hög heterogenitet samt hög mobilitet vilka samtliga är faktorer som ansågs påverka den informella sociala kontrollen negativt, det vill säga den sociala organiseringen (a.a.). Detta betraktades i sin tur öka sannolikheten för brottslighet (a.a.).

Socioekonomisk status är ett samlingsbegrepp som avser en individs ekonomiska förutsättningar och innefattas av inkomst, utbildningsnivå och yrkesstatus (a.a.). Shaw och McKay menade att låg socioekonomisk status i sig inte hade en direkt koppling till brottslighet utan att områden av den karaktären snarare

karaktäriserades av en hög mobilitet vilket försvårar för de boende att skapa starka sociala band till varandra (a.a.). En anledning till varför starka sociala band är svårt att skapa i områden som präglas av en hög mobilitet kan kopplas till att en hög in- och utflyttning leder till en stor variation avseende olika etniska grupper (a.a.). Detta i sin tur kan medföra att de boende beroende på sina olika bakgrunder har lite gemensamt vilket kan resultera i en svag informell social kontroll (a.a.). Teorin avser därmed att förklara varför brottslighet har en stark koncentration till vissa specifika områden utifrån under vilka omständigheter individer lever (Stark 2013).

Kollektiv styrka

Robert Sampson var en av de personer som valde att vidareutveckla teorin om social desorganisation efter att denna blivit kritiserad (Gerell 2017). Sampson (2006) ansåg att ett områdes sociala kontroll var avgörande för huruvida det förekom brottslighet i ett område eller inte och hävdade att anledningen till att brottsligheten var högre i vissa områden berodde på nivån av kollektiv styrka. Begreppet kollektiv styrka avser ett områdes sociala sammanhållning och tillit respektive informella sociala kontroll (Sampson, Raudenbush & Earls 1997), således kan kollektiv styrka förklaras som de boendes förmåga att upprätthålla gemensamma normer, hantera problem och värna om sitt bostadsområde. Områden med en låg kollektiv styrka löper större risk att etablera brottslighet då de boende saknar förmågan att upprätthålla ordning, gemensamma normer samt informell social kontroll (Ivert, Chrysoulakis, Kronkvist & Torstensson Levander 2013). I områden som däremot karaktäriseras av en hög kollektiv styrka återfinns ett högt förtroende mellan de boende vilket gör att de på ett effektivt sätt kan upprätthålla gemensamma normer och ordning i området de bor (a.a.). Till

(15)

större utsträckning på de sociala nätverk och organisationer som finns i ett område (Gerell 2017).

METOD

För att uppfylla den aktuella studiens syfte och besvara dess frågeställningar har en kvantitativ ansats använts. Genom en sekundäranalys gällande registerdata undersöks brottsligheten i Malmös 136 delområden med fokus på områdenas totala brottsfrekvens och sammanställda brottsskadevärde.

Malmö

Då denna studie ämnar undersöka delområden i Malmö följer en presentation av staden. Malmö, beläget i södra delen av Sverige, är landets tredje största stad med totalt 333 633 invånare och med en stadigt ökande befolkning är även Malmö Sveriges snabbast växande storstad (Malmö stad 2018). Staden utgörs av 136 delområden varav ett fåtal med färre än 100 folkbokförda (Ivert m.fl. 2013). Malmö präglas av en ung befolkning där mer än hälften av populationen är under 39 år (Statistiska centralbyrån 2016), till exempel återfinns Malmö universitet som vid årsskiftet 2018 tilldelades universitetsstatus vilket gör staden rik på studenter (Malmö universitet 2018). Vidare kopplar Öresundsbron samman Malmö och Köpenhamn där i genomsnitt 75 300 individer passerar dagligen, vilket genererar en stor in- och utpendling till och från Malmö (Malmö stad 2017). Till skillnad från storstäderna Göteborg och Stockholm ligger Malmös ytterområden nära stadskärnan vilket medför att det mesta upplevs ligga centralt och lättillgängligt (a.a.). Malmö är en stad som de senaste åren frekvent dykt upp i media och då främst gällande rapportering av skjutningar och gängkriminalitet (Expressen 2018; Skånska dagbladet 2017) och under år 2017 anmäldes totalt 59 306 brott i Malmö (Brå 2018).

Material

Den aktuella studiens material baseras på registerdata avseende anmälda brott i Malmö som rapporterats in under år 2017 via polisens datasystem rationell anmälningsrutin (RAR). Detta system använder sig polisen av vid upptagning av anmälningar vilket innebär att de ärenden som inte kommer till polisens

kännedom inte inkluderas. Datan avser således endast de upptagna anmälningar som polisen gjort under år 2017 och då studien endast ämnar undersöka de

brottskoder som avser våld mot person utomhus på offentlig plats har enbart dessa inkluderats. Det ursprungliga datamaterialet tilldelades av Utvecklingscentrum-Syd vilket omfattade totalt 7 475 anmälda brott med information gällande adress, brottskod, brottskodsspecifikation samt beräknat händelsedatum. Efter

bearbetningen av materialet exkluderades 2 666 anmälda brott och således omfattar det slutgiltiga materialet 4 809 anmälningar. För att kunna besvara studiens frågeställningar har strukturella variabler adderats från bland annat Malmö stad (2018), Ivert m.fl. (2013) och Gerell & Kronkvist (2016). De strukturella variablerna är; medelinkomst, Eftergymnasial utbildning, utländsk bakgrund, mobilitet, in-och utpendling, nattklubb/bar och kollektiv styrka, se kommande variabelförteckning (s. 12) för en fullständig förklaring.

Urval

Utgångspunkten för de brottskoder som inkluderas i denna undersökning är Rinaldos (2015) studie där våldsbrott mot person utomhus på offentlig plats är i

(16)

fokus och totalt omfattas den aktuella studien av 83 brottskoder. Brotten berör indelningarna; Brott mot liv och hälsa, Brott mot frihet och frid, Sexualbrott samt Stöld, rån och andra tillgreppsbrott. Brott mot liv och hälsa innefattas av

brottskategorierna mord och misshandel, Brott mot frihet och frid inkluderar brott så som exempelvis olaga hot, Sexualbrott syftar till bland annat våldtäkt och ofredande medan Stöld, rån och andra tillgreppsbrott inkluderar bland annat rån mot privatperson utomhus. I bilaga 1 återfinns en fullständig förteckning av de 83 brottskoder som ingår i den aktuella studien. Listan baseras på Rinaldos (2015) studie samt Brottsförebyggande rådets klassificering av brott (Brottsförebyggande rådet 2014; 2017). I den aktuella studien omfattar Brott mot liv och hälsa totalt 37 brottskoder, Brott mot frihet och frid inkluderar 13 brottskoder, Sexualbrott omfattar 23 stycken och Stöld, rån och andra tillgreppsbrott står för 10 brottskoder.

Avgränsningar

Med anledning av den tidsram som är gällande för detta projekt har flertalet avgränsningar varit nödvändiga. Det hade varit av intresse att undersöka mindre avgränsade brottsfrekventa platser men på grund av rådande förutsättningar var detta inte möjligt, således avgränsas studien till att undersöka Malmös 136 olika delområden. Likväl omfattas även den aktuella studien av en avgränsning gällande brottskoder. De brottskoder som inkluderas i studien berör enbart våldsbrott mot person utomhus på offentligt plats, därmed exkluderas exempelvis samtliga brott som inträffat inomhus. Även brott som inte riktas mot privatperson har exkluderats, till exempel avser brottskoderna inte våld mot tjänsteman. Det index som används för att beräkna brottsskadevärdet är hämtat från Rinaldos (2015) studie. Som tidigare nämnts bygger detta på antalet fängelsedagar som en brottskod kan generera för en förstagångsförbrytare, således är fängelsedagar för individer som återfaller i brott inte en del av indexet.

Bortfall

I det tillhandahållna materialet har samtliga brott som saknade gatunummer, det vill säga en specifik adress, exkluderats. Detta för att inte ge en missvisande bild om vart brottsligheten faktiskt inträffat då en gata kan sträcka sig genom flera delområden. Likaså exkluderades de brott som helt saknade adress samt ett brott som registrerats under år 2018 eftersom studien endast ämnar undersöka anmälda brott under år 2017. Som tidigare nämnts utgör bortfallet totalt 2 666 brott vilket har granskats för att säkerställa att detta inte enbart består av en viss

brottskategori. Efter granskningen av bortfallen kan det konstateras att det inte enbart är en brottskategori som har exkluderats och således uppvisar bortfallet en variation gällande de olika brottskoderna.

Bearbetning av material

Inledningsvis kodades samtliga delområden utifrån adress för varje anmält brott efter bokstavsordning med nummer 1-136 med hjälp av Malmö stads hemsida och Google maps. Därefter påbörjades registreringen av det svenska Crime Harm Indexet, det vill säga antalet uppskattade fängelsedagar för varje specifik

brottskod. Majoriteten av de anmälda brotten har ett uppskattat brottsdatum under år 2017, dock har flertalet brott ett uppskattat händelsedatum innan år 2017 men har anmälts under år 2017. I materialet förekom det flertalet anmälningar som innefattade mer än en händelse och för att underlätta analysen i

statistikprogrammet SPSS 25 (Statistical Package for the Social Sciences) har dessa kodats separat. Slutligen granskades de anmälda brott som initialt

(17)

exkluderats ur materialet, exempelvis valdes även att inkludera de brott som enbart kodats utifrån delområdets namn. Därav lades brottsanmälningar med adresser som exempelvis Möllevången, Sibbarp och Västra hamnen åter tillbaka i materialet eftersom det är troligt att de brott som kodats likt ovan har skett i just det angivna delområdet. Flertalet strukturella variabler, med utgångspunkt i teori, har adderats i syfte att kunna jämföra vad som karaktäriserar ett delområde med högt/lågt brottsskadevärde respektive en hög/låg brottsfrekvens. När

ursprungsmaterialet granskats och rensats sammanställdes det i en SPSS-fil vilket utgjorde det slutliga materialet på 4 809 anmälda brott.

Variabelförteckning

Kommande analyser baseras på totalt elva variabler vilka samtliga är kodade på delområdesnivå. Variabeln anmälda brott utgör grunden för studiens Hot-areas och variabeln brottsskadevärde utgör grunden för studiens Harm-areas, således har dessa använts som utfallsvariabler i följande analyser. Medelinkomst, eftergymnasial utbildning, utländsk bakgrund och mobilitet är variabler som återkopplas till sociala desorganisationsteorin, variablerna in- och utpendling samt nattklubb/bar härleds till rutinaktivitetsteorin och variabeln kollektiv styrka avser teorin kollektiv styrka. Samtliga ursprungsvariabler är kontinuerliga förutom nattklubb/bar som enbart innefattar två värden. Fem av de oberoende variablerna är kodade med hänsyn till antalet invånare per delområde, det vill säga

exempelvis antal pendlare per invånare i delområdet. Detta gjordes i syfte att minska risken för skevheter i analysen då invånarantalet kraftigt kan skilja sig åt mellan de olika delområdena. Nedan presenteras vart datan för de olika

variablerna är inhämtad samt vilka år den beträffar.

Variabel 1 - Invånare

Avser antal invånare per delområde under år 2017 och baseras på statistikunderlag från Malmö stad (Malmö stad 2018).

Variabel 2- Anmälda brott

Avser den totala mängden anmälda brott (våldsbrott mot person utomhus på offentlig plats) per delområde under år 2017 och baseras utifrån polisens datasystem rationell anmälningsrutin (RAR).

Variabel 3- Anmälda brott per invånare

Avser antal anmälda brott per invånare och delområde.

Variabel 4 - Brottsskadevärde

Avser det sammanslagna brottsskadevärdet för varje enskilt delområde. Brottsskadevärdet baseras utefter antalet fängelsedagar (Swedish Crime Harm Index) som de undersökta brottskoderna uppskattas generera och är hämtat från Rinaldos (2015) studie.

Variabel 5 – Medelinkomst

Avser medelinkomsten år 2015 och baseras på statistikunderlag från Malmö stad (Malmö stad 2018).

Variabel 6 – Eftergymnasial utbildning

Avser andelen invånare med eftergymnasial utbildning år 2016 och grundas på Malmö stads statistikunderlag (Malmö stad 2018).

(18)

Variabel 7- Utländsk bakgrund

Avser andelen invånare med utländsk bakgrund år 2016 och baseras utifrån Malmö stads statistikunderlag (Malmö stad 2018).

Variabel 8 – Mobilitet

Avser in- och utflyttning under år 2016 där höga värden indikerar på en hög mobilitet. Datan är hämtad från Malmö stads statistikunderlag (Malmö stad 2018).

Variabel 9 – In-och utpendling

Avser antal pendlare per invånare under år 2016 där höga värden indikerar på en hög in-och utpendling i delområdet. Datan baseras utifrån Malmö stads

statistikunderlag (Malmö stad 2018).

Variabel 10- Nattklubb/bar

Avser förekomsten av nattklubbar och barer med utskänkningstillstånd efter 01:00 och är kodad som finns respektive finns inte. Datan är hämtad från Gerell och Kronkvists (2016) studie och baseras på år 2013.

Variabel 11- Kollektiv styrka

Variabeln kollektiv styrka är hämtad från Malmö områdesundersökning och avser ett delområdes sociala sammanhållning och tillit respektive informella sociala kontroll (Ivert m.fl. 2013). I Malmö områdesundersökning mäts den sociala sammanhållningen med hjälp av fem olika påståenden som bland annat berör huruvida en individ kan lita på de boende i området samt om individen upplever att de boende i området delar lika värderingar (a.a.). Även den informella sociala kontrollen mäts med hjälp av fem påståenden som syftar till huruvida en individ skulle ingripa om exempelvis denne såg ungdomar klottra eller bevittnade ett pågående bilinbrott i sitt eget bostadsområde (a.a.). Sammantaget kan den sociala sammanhållningen och den sociala informella kontrollen, som tillsammans utgör ett index för kollektiv styrka, anta värden mellan 0 och 40 (a.a.). Höga värden indikerar på en hög kollektiv styrka medan låga värden tyder på en låg kollektiv styrka (a.a.). Delområden med färre än 100 folkbokförda saknar information gällande kollektiv styrka och har därmed kodats som bortfall (a.a.).

Analys av material

Analyserna av materialet har genomförts i statistikprogrammet SPSS 25 och inledningsvis har univariata analyser genomförts för variablerna 1- Anmälda brott och 2 - Brottsskadevärde. Således har frekvenstabeller granskats i syfte att kunna ge en deskriptiv bild av hur materialet ser ut. I denna studie har avgränsningen gällande vilka delområden som klassas som Hot-areas respektive Harm-areas baserats utifrån Malmös mest brottsfrekventa delområden respektive dem

delområden med högst brottsskadevärde. Indelningen har skett genom att använda sex brytpunkter, vilket genererar sju lika stora grupperingar. Omkring 14 procent av delområdena motsvarar en Harm-area, således kan 18 delområden klassas som en Harm-area medan 118 inte faller under denna klassificering. Detsamma gäller för de delområden som klassificerats som Hot-areas. Denna indelning grundas i en frekvenstabell gällande brottsskadevärdet där en naturlig brytpunkt

identifierades. Det lägsta brottsskadevärdet för de delområden som klassificerade som Harm-areas uppgår till 8887 och följs därefter av ett delområde med ett uppnått brottsskadevärde på 8168, vilket innebär en skillnad på 719

(19)

skillnader och således identifierades ingen naturlig brytpunkt för att fler områden skulle klassificerats som Harm-areas. Ytterligare en naturlig brytpunkt

identifierades mellan ett delområde med brottsskadevärde på 9762 och 11 179, dock hade denna brytpunkt genererat ett något lågt antal identifierade Harm-areas. Då detta eventuellt hade varit problematiskt för analysen anses det motiverat att använda sig av den aktuella brytpunkten som inkluderar 18 delområden. Vidare saknas nio delområden då dessa inte utgjorde några anmälningar och därav kan inte dessa kategoriseras som varken en Hot-area eller en Harm-area.

För att besvara frågeställningarna ett och två har en korstabell skapats i syfte att tydligt presentera hur fördelningen gällande delområdena ser ut, det vill säga hur många områden som klassificeras som Ej Hot-area/Ej Harm-area, Hot-area, Harm-area eller Hot-area och Harm-area. Därefter genomfördes en deskriptiv analys av de olika utfallsvariablerna och de oberoende variablerna, vilken presenterar skillnader i medelvärde och median. I en bivariat analys undersöks sedan korrelationen mellan de två utfallsvariablerna Hot-area respektive Harm-area och samtliga oberoende variablerna med hjälp av Pearsons r, vilket är ett sambandsmått som används vid analys av variabler (Djurfeldt, Larsson &

Stjärnhagen 2010). Genom de bivariata analyserna presenteras både riktningen på sambandet samt om detta är signifikant eller inte, vilket syftar till om ett resultat uppkommit av slumpen eller inte (a.a.). Avslutningsvis genomfördes en logistisk regression för att beräkna oddset för ett visst utfall, även här framkommer om sambanden är signifikanta eller inte. Inför den logistiska regressionen har variablerna mobilitet, utländsk bakgrund, eftergymnasial utbildning och

medelinkomst kodats som dikotoma variabler, det vill säga att de enbart kan anta två värden. Denna indelning genomfördes efter att en logistisk regression visat på extremvärden, vilket, enligt författarna, ansågs motivera för en dikotomisering av de variablerna som uppvisade skevheter gällande värdena. Indelningen utgick från medelvärdet där samtliga värden under medelvärdet kodades som låg och

samtliga värden över medelvärdet kodades som hög.

Etik

Då den aktuella studien innefattar känsliga uppgifter om brottsliga handlingar på specifika adresser har etikrådet på Malmö universitet granskat och godkänt

genomförandet av studien. Det datamaterial som ingår i undersökningen innefattar enbart information om specifika adresser, brottskoder och datum, således

inkluderas inte någon närmare beskrivning av de anmälda brotten. Materialet omfattas av anmälningar gällande våldsbrott mot person utomhus på offentligt plats och därmed går det inte att härleda ett brott till ett specifikt bostadshus. Studier som innefattar känsliga uppgifter ska uppfylla vissa krav på hur materialet hanteras och bevaras (Ivert & Mellgren 2014) och uppgifter som tilldelats

forskare i förtroende ska behandlas med största konfidentialitet (Vetenskapsrådet 2017). Därav kommer datamaterialet enbart nyttjas av behöriga, behandlas med försiktighet och de uppgifter som samlas in kommer endast att användas för att besvara studiens frågeställningar. Således uppfyller den aktuella studien

nyttjandekravet, vilket syftar till att det insamlade materialet uteslutande används för det avsedda forskningsändamålet (Bryman 2011). För att säkerställa att materialet inte nyttjas av obehöriga förvaras det på en extern hårddisk och på de personliga datorer som används. Efter avslutad och godkänd uppsats kommer materialet omedelbart att raderas från samtliga enheter där det har bevarats. Resultatet av studien kommer även att presenteras på en aggregerad nivå, därmed redogörs inte för specifika fall eller adresser. Då studien kommer att beröra

(20)

områden med hög brottsfrekvens och grov kriminalitet kan en publicering av resultatet eventuellt upplevas som stigmatiserande för de individer som bor eller vistas i dessa områden (Vetenskapsrådet 2017). Detta kan leda till att boende, på grund av rädsla, väljer att flytta och att tillfälliga besökare avstår från att

uppehålla sig i området. Det är dock inte den aktuella studiens syfte att peka ut områden som “farliga” utan snarare att jämföra Crime harm- areas och Hot-areas, vilket i sin tur skulle kunna generera kunskap i hur polisen kan prioritera sina resurser. Gerell (2013) menar att en bedömning gällande för- respektive nackdelar med en avidentifiering av datamaterialet bör göras eftersom detta kan leda till problem med geografiska analyser, därav anses de försvarbart och fördelaktigt att presenterar resultatet på en delområdesnivå. För att minska risken att identifiera enskilda brottshändelser har dock samtliga delområden med färre än tio anmälda brott markerats med (-) istället för att uppge antalet anmälningar och

brottsskadevärde (se bilaga 2).

RESULTAT

Nedan redovisas resultatet av de analyser som har genomförts, inledningsvis presenteras deskriptiva analyser gällande de variabler som utgör grunden för Hot-areas och Harm-Hot-areas, det vill säga antalet anmälda brott och sammanställt brottsskadevärde för respektive delområde. Därefter följer en redogörelse för hur de delområden som klassificerats som Hot-areas och/eller Harm-areas alternativt varken Hot-area eller Harm-area skiljer sig åt. Efter presentationen av den deskriptiva statistiken redovisas för en korrelationstabell gällande sambandet mellan utfallsvariablerna och de sju oberoende variablerna. Avslutningsvis redogörs för en logistisk regression.

Deskriptiva analyser

Analyserna utgörs av 136 delområden varav det i 127 förekommer anmälda våldsbrott mot person på allmän plats, således finns det nio delområden som saknar dessa brottstyper. Flertalet delområden omfattades inte av några anmälningar under år 2017 och således identifierades ett lägsta värde på 0 samtidigt som det högsta antalet anmälningar påträffades i delområde Gamla staden, vilket påvisar 481 anmälda brott under år 2017 (se bilaga 2).

Brottsskadevärdet uppvisar ett lägsta värde på 0, vilket återigen återfinns i flertalet delområden, och ett högsta värde på 75 223 tillhörande delområde Möllevången (se bilaga 2). Antalet anmälda brott för Malmö uppvisar ett medelvärde på cirka 38 och en median på 22 medan medelvärdet för

brottsskadevärdet i Malmö är cirka 4 927 och medianen 1 982. Detta indikerar på att det förekommer extremvärden i materialet som leder till ett högt medelvärde. När indelningen gällande vilka delområden som kategoriseras som Hot-areas respektive Harm-areas skett identifierades ett lägsta värde för antalet anmälda brott i Ribersborg, vilket utgjorde 59 brott medan Gamla staden kvarstår som det delområde med högst antal anmälda brott. Sett till de utvalda delområdenas brottsskadevärde återfinns det lägsta antalet fängelsedagar i Västra hamnen, 8 887, medan Möllevången förblir det delområde med högst brottsskadevärde.

(21)

Tabell 1. Korstabell av topp 14 procent Hot-areas respektive topp 14 procent Harm-areas.

Tabell 1 baseras på antalet anmälda brott per delområde och det sammanställda brottsskadevärdet för samtliga anmälda brott per delområde. 113 av de 136 delområdena identifierades varken som en Hot-area eller en Harm-area medan 13 av delområdena kategoriserades som både en Hot-area och en Harm-area. De delområden som varken klassificeras som Hot- eller Harm-area inkluderar även nio delområden där inga brottsanmälningar registrerats under år 2017. Total är det fem delområden som klassificeras som Hot-areas men inte som Harm-areas. Likväl är det fem delområden som identifieras som Harm-areas men inte som Hot-areas.

För att undersöka vad som karaktäriserar de olika delområdena har nedanstående oberoende variabler i tabell 2 analyserats i relation till huruvida delområdet identifierats som en Hot-area, en area, både som en Hot-area och Harm-area eller som varken eller. Utifrån tabell 2 utläses ett högsta medelvärde på 5 865 gällande antal invånare i de delområden som klassas både som en Hot- och Harm-area. Likaså har dessa 13 delområden det högsta medelvärdet avseende anmälda brott, 163, samt antal brott per invånare, 0,13. Vidare har de 13 delområdena ett medelvärde på 24 063 avseende brottsskadevärdet, vilket är betydligt högre jämfört med resterande kategorier. Medelinkomsten är relativt jämt fördelad mellan de fyra olika kategorierna men den högsta medelinkomsten återfinns i de delområden som identifierats som både en Hot-och Harm-area och uppgår till 214 142. Andelen med eftergymnasial utbildning är lägst i Harm-areas med ett

genomsnitt på 29 procent jämfört med resterande kategorier som sträcker sig mellan 44-51 procent. Andel invånare med utländsk bakgrund är som störst i Harm-areas och uppgår till ett genomsnittligt värde på 71 procent medan det i övriga kategorier är förhållandevis jämnt fördelat med värden mellan 41-49 procent. Sett till variabeln mobilitet är fördelningen mellan alla fyra kategorier relativt lik men ett högsta medelvärde återfinns i kategorin både Hot-och Harm-area med ett värde på 0,34. Även sett till antal pendlare per invånare utgör Hot-och Harm-areas det högsta medelvärdet på 2,66, vilket är betydligt högre jämfört med de resterande kategorierna som antar värden mellan 0,09-0,31. Medelvärdet gällande nattklubb/bar per delområde är högst i de delområden som klassas som en Hot-area och uppvisar ett värde på 0,60, ett högt medelvärde avseende denna variabel återfinns likaså i kategorin Hot-area och Harm-area med ett värde på

Ej Hot-area Hot-area Total

Ej Harm-area 113 5 118 % inom Harm-area % inom Hot-area 95,8 % 95,8 % 4,2 % 27,8 % 100 % 86,8 % Harm-area 5 13 18 % inom Harm-area % inom Hot-area 27,8 %4,2 % 72,2 %72,2 % 100 % 13,2 % Total 118 18 136 % inom Harm-area % inom Hot-area 86,8 % 100 % 13,2 % 100 % 100 % 100 %

(22)

0,40. Slutligen kan det konstateras att den kollektiva styrkan är högst i de delområden som varken klassas som en Hot-area eller en Harm-area då värdet uppgår till 27 medan det i övriga kategorier varierar mellan 23 och 24.

Sambandsanalys

Nedan följer en korrelationsmatris som ämnar förklara de bivariata

korrelationerna mellan de oberoende och de beroende variabler som ingår i studien, detta för att identifiera huruvida det förekommer några eventuella samband mellan variablerna.

Variabel

Ej Hot/Ej Harm

(n = 113) Hot-area (n =5) Harm-area (n = 5) Hot-area och Harm-area (n = 13) M (SD) M (SD) M (SD) M (SD) Invånare 1870 (1759,779) 5650 (2918,943) 3167 (867,173) 5865 (3352,550) Anmälda brott 20 (16,386) 76 (17,530) 41 (13,191) 163 (142,100) Anmälda brott per invånare 0,01 (0,018) 0,03 (0,034) 0,01 (0,005) 0,13 (0,353) Brottsskad evärde 2117 (2080) 6263 (1928) 12290 (3375) 24063 (20987) Medelink omst 181547 (130365) 208369 (46928) 125541 (71614) 214142 (61144) Eftergymn asial utbildning 0,46 (0,246) 0,44 (0,094) 0,29 (0,134) 0,51 (0,141) Utländsk bakgrund 0,41 (0,255) 0,49 (0,166) 0,71 (0,331) 0,46 (0,191) Mobilitet 0,23 (0,131) 0,27 (0,056) 0,25 (0,126) 0,34 (0,097) In- och utpendling 0,31 (0,611) 0,23 (0,180) 0,09 (0,057) 2,66 (7,733) Nattklubb/ bar 0,13 (0,340) 0,60 (0,548) 0,25 (0,500) 0,40 (0,516) Kollektiv styrka 27 (3,228) 24 (2,387) 23 (1,258) 24 (2,098)

Tabell 2. Deskriptiv statistik avseende Malmös 136 delområden vilka identifierats som antingen; ej Hot-area eller Harm-area, enbart Hot-area, enbart Harm-area samt både Hot-area och Harm-area. M = medelvärde (SD) = standardavvikelser.

(23)

Variabel Hot-area Harm-area Medelinkomst Eftergymnasial

utbildning bakgrundUtländsk Mobilitet In-och utpendling Nattklubb/bar Kollektiv styrka

Hot-area 1 Harm-areas 0,680** p = 0,000 1 Medelinkomst 0,093 p = 0,282 0,019 p = 0,825 1 Eftergymnasial utbildning 0,221** p = 0,010 0,121 p = 0,159 0,867** p = 0,000 1 Utländsk bakgrund p = 0,027 0,189* p = 0,009 0,225** p = 0,024 0,193* p = 0,020 0,200* 1 Mobilitet 0,366** p = 0,000 0,311** p = 0,000 0,336** p = 0,000 0,527** p = 0,00 0,635** p = 0,000 1 In- och utpendling 0,241** p = 0,005 0,234** p = 0,006 0,045 p = 0,603 0,151 p = 0,079 0,004 p = 0,963 0,128 p = 0,139 1 Nattklubb/bar 0,306** p = 0,003 p = 0,0850,178 p = 0,932-0,009 p = 0,0130,254* p = 0,598-0,055 p = 0,0050,284* p = 0,0270,227* 1 Kollektiv styrka -0,260** p = 0,008 -0,285** p = 0,003 -0,621** p = 0,000 0,386** p = 0,000 -0,661** p = 0,000 -0,699** p = 0,000 -0,063 p = 0,527 -0,147 p = 0,153 1

Tabell 3. Korrelationsmatris för samtliga variabler.

* = p ≤ .05; ** = p ≤ .01

(24)

I tabell 3 framkommer ett starkt signifikant samband mellan variabeln Hot-ara och Harm-area, vilket indikerar på att ju högre antal anmälda brott desto högre

brottsskadevärde. För sambandet mellan mobilitet och utländsk bakgrund

uppvisar tabellen ett värde på 0,635, även detta signifikant. Detta indikerar på att ju högre mobilitet, desto högre andel utländsk bakgrund. För variabeln Kollektiv styrka och mobilitet respektive in- och utpendlare förekommer signifikanta starka negativa samband, det vill säga att när den kollektiva styrkan ökar minskar mobiliteten och andelen pendlare. I tabellen framkommer även flertalet signifikanta positiva samband och ett fåtal icke signifikanta samband. Nedan följer en redogörelse med fokus på korrelationen mellan de oberoende variablerna och de två utfallsvariablerna, Hot-area respektive Harm-area.

Hot-area

I tabell 3 kan det utläsas att det förekommer sex signifikanta samband när variablerna eftergymnasial utbildning, utländsk bakgrund, mobilitet, in-och utpendling, nattklubb/bar och kollektiv styrka ställs i relation till utfallsvariabeln Hot-areas. Kollektiv styrka är den enda variabeln som uppvisar ett svagt negativt samband, -0,260, vilket innebär att det finns ett samband mellan låg kollektiv styrka och delområden som identifierats som Hot-areas. Resterande variabler uppvisar likaså svaga samband men till skillnad från kollektiv styrka är dessa positiva, exempelvis kan det utläsas en svag positiv korrelation mellan mobilitet och Hot-areas, 0,366. Detta innebär att ju högre mobilitet ett delområde har desto högre antal anmälda brott och därmed en ökad chans för att delområdet ska klassificeras som en Hot-area. Vidare följer även svaga positiva samband för variablerna eftergymnasial utbildning (0,221), utländsk bakgrund (0,189), in-och utpendling (0,241) samt nattklubb/bar (0,306) i relation till Hot-areas, vilket precis som för mobilitet tolkas som att ju högre andel invånare med

eftergymnasial utbildning och utländsk bakgrund desto högre antal anmälda brott och därmed en ökad chans för att delområdet ska vara en Hot-area. Variabeln medelinkomst är den enda av de sju variablerna som inte uppvisar något

signifikant värde vilket innebär att sambandet uppkommit av slumpen. Dessutom antar medelinkomst ett värde på 0,093 vilket är förhållandevis lågt i jämförelse med resterande variabler, detta innebär att korrelationen mellan medelinkomst och Hot-areas uppvisar ett nollsamband.

Harm-area

Under kolumnen Harm-areas i ovanstående tabell går det att urskilja fyra signifikanta samband, utländsk bakgrund, mobilitet, in-och utpendling och kollektiv styrka. Likt Hot-areas är variabeln kollektiv styrka även i relation till Harm-areas negativ med ett värde på -0,285 vilket indikerar på ett svagt negativt samband mellan kollektiv styrka och Harm-areas. Således ökar chansen för att ett delområde ska ha ett högt brottsskadevärde när den kollektiva styrkan är låg vilket ökar chansen för att ett delområde ska klassas som en area. Även för Harm-areas är de variabler som uppvisar signifikanta värden låga, exempelvis utländsk bakgrund (0,225), mobilitet (0,311) och in-och utpendling (0,234). Dock antar variabeln utländsk bakgrund ett något högre värde för de delområden som identifierats som Harm-areas i jämförelse med Hot-areas medan mobilitet och in-och utpendling ligger något lägre. Detta tyder på att ju högre andel invånare med utländsk bakgrund samt ju högre mobilitet och in-och utpendling desto högre brottsskadevärde har delområdet vilket i sin tur ökar chansen för att det ska

(25)

klassas som en Harm-area. För Harm-areas förekommer det fler icke signifikanta samband än vad det gör för Hot-areas och förutom medelinkomst är även

eftergymnasial utbildning och nattklubb/bar icke signifikanta i relation till Harm-areas. Trots detta kan det utläsas att variablerna eftergymnasial utbildning (0,121) samt nattklubb/bar (0,178) uppvisar svaga positiva samband medan medelinkomst nästintill uppvisar ett nollsamband då värdet är väldigt lågt (0,019).

Logistisk regressionsanalys

I tabellen nedan utläses genom Modell 1 hur oddset för ett specifikt utfall förändras beroende på flertalet olika oberoende variabler. I Modell 2 analyseras sambandet mellan en oberoende variabel och de två utfallsvariablerna, Harm-area respektive Hot-area, när de oberoende variablerna hålls konstanta. Det vill säga när övriga variabler hålls konstanta. Värdena i tabellen nedan tolkas genom att samtliga värden under ett innebär en minskning av oddset för ett specifikt utfall och samtliga värden som överstiger ett indikerar på en ökning av sannolikheten.

Variabel

Modell 1 Modell 2

Hot-area Harm-area Hot-area Harm-area OR OR OR OR Medelinkomst 1,471 0,511 1,117 0,163 Eftergymnasial utbildning 4,833* 1,326 2,373 0,807 Utländsk bakgrund 2,720 2,720 1,263 0,602 Mobilitet 9,481** 9,481** 1,473 5,491 In-och utpendling 1,438 1,336 3,183 8,797 Nattklubb/bar 5,489** 2,906*** 3,464 1,720 Kollektiv styrka 0,780* 0,750** 0,787 0,977

Tabell 4. Logistisk regressionsanalys. Bivariat logistisk regression (Modell 1) och multipel logistisk regression (Modell 2). Odds ratio (OR) avser oddset för att ett delområde ska vara antingen en Hot- eller Harm area när förändringar i de oberoende variablerna sker.

* = p ≤ .05; ** = p ≤ .01.

Kodning: Medelinkomst (0=låg, 1=hög), Eftergymnasial utbildning (0=låg, 1=hög), Utländsk

bakgrund (0=låg, 1=hög), Mobilitet (0=låg, 1=hög), In-och utpendling (0=0,00, 1 =28,33), Nattklubb/bar (0=nej, 1=ja) och Kollektiv styrka (0=34, 1=19).

Figure

Tabell 1. Korstabell av topp 14 procent Hot-areas respektive topp 14 procent  Harm-areas.
Tabell 2. Deskriptiv statistik avseende Malmös 136 delområden vilka identifierats  som antingen; ej Hot-area eller Harm-area, enbart Hot-area, enbart Harm-area samt  både Hot-area och Harm-area
Tabell 3. Korrelationsmatris för samtliga variabler.

References

Related documents

Även variabler som inte har ett uppenbart samband med kommunens kostnader togs med, exempelvis Alliansstyre, Blandat styre, Andel gifta och Medelålder.. Att antalet anställda på-

Denna studie ämnar till att undersöka om det finns ett samband mellan byte av verkställande direktör och nedskrivning av goodwill bland börsnoterade bolag inom EU. Utifrån resultatet

Detta är högst relevant för vår studie då vi ämnar undersöka hur aktivism för normbrytande manliga kroppar uttrycks genom bilder i sociala medier?. Tecknet är den

Vid projektering idag ställs konstruktören ofta inför valet att projektera för antingen ventilation med konstanta flöden, eller med variabla flöden.. Vidare kan även flödena

Flykt & Bjärtå (2007) visade på en långsammare reaktionstid för en urskiljningsuppgift när (spindelrädda) försöksdeltagare exponerades för bilder av spindlar än

Based on the problem we described in the previous section (chapter 1.2), the purpose of this study is to analyze how knowledge is transferred through information systems in

copingstrategier behövs för att förståelsen kring olika copingstrategier i sin tur ska kunna utmynna i bättre omvårdnad för vuxna personer med diagnosen epilepsi.. Detta genom

Arkitekturcentralen verkar för att lyfta fram arkitek- turen till en plats där den kan spela roll?. Arkitekturen - både den befintliga och den planerade är en stor del av