quantcrim

Een open-web handboek voor kwantitatief criminologisch onderzoek

Voorwoord

Welkom bij het quantcrim handboek Criminologie. Hier ga je leren hoe je kwantitatieve data kan analyseren met R. Het boek is ontworpen en beschikbaar gesteld door docenten en onderzoekers van de opleiding Criminologie aan de Erasmus Universiteit. Het boek is bedoeld voor zowel bachelor- als masterstudenten.

Voor de pagina met collegeslides zie 2  Collegeslides.

Hieronder vind je een voorbeeld van hoe makkelijk het is om data in te laden, een regressiemodel te schatten en de resultaten ervan te presenteren in een plot.¹

¹ We gaan in een later hoofdstuk zien wat een regressiemodel precies is.

# load libraries
library(ggplot2) # this package needs to be installed in console
library(readr)

# import data
data <- read_csv2("data/selfreport_delinquency_MT2.csv")

ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.

Rows: 1000 Columns: 187
── Column specification ────────────────────────────────────────────────────────
Delimiter: ";"
chr  (13): v0607a, v08a, v09a, v13a, v14a, v15a, v16a, v17a, v2207a, v37a, v...
dbl (172): keyvar, school, type_sch, sec_lev, respnum, v01, v02, v03, v04, v...
lgl   (2): v28a2, v28b2

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

# inspect dataframe
knitr::kable(
  data[1:5, ]
)

keyvar	school	type_sch	sec_lev	respnum	v01	v02	v03	v04	v05	v0601	v0602	v0603	v0604	v0605	v0606	v0607	v0607a	v07	v080	v081	v082	v083	v084	v085	v08a	v090	v091	v092	v093	v09a	v1001	v1002	v1003	v1004	v1005	v1006	v11	v12	v130	v131	v132	v133	v13a	v140	v141	v142	v143	v14a	v150	v151	v152	v153	v15a	v160	v161	v162	v163	v16a	v170	v171	v172	v173	v17a	v18	v19	v20	v21	v2201	v2202	v2203	v2204	v2205	v2206	v2207	v2207a	v23	v240	v241	v242	v243	v25	v26	v27	v28a0	v28a1	v28a2	v28b0	v28b1	v28b2	v28c0	v28c1	v28c2	v2901	v2902	v2903	v2904	v30	v31	v32	v33	v34	v35	v360	v361	v37	v37_1	v37a	v37a1	v37b	v37b1	v38	v3901	v3902	v3903	v3904	v3905	v3906	v3907	v3908	v4001	v4002	v4003	v4004	v41	v42	v43	v44	v4501	v4502	v4503	v4504	v4505	v4506	v4507	v4508	v4509	v46	v47	v48	v48a	v49	v49a	v50	v50a	v5101	v5102	v5103	v5104	v5105	v5201	v5202	v5203	v5301	v5302	v5303	v5304	v5305	v5306	v54	v54a	v54b	v55	v55a	v55b	v56	v56a	v56b	v57	v57a	v57b	v58	v58a	v58b	v59	v59a	v59b	v60	v60a	v60b	del_ern	crime_types	unsafe_nh	ethnicity	dutch	surinam_antillian	moroccan_turkish
1001	55	13	4	5513401	2	5	4	3	3	1	2	1	1	3	2	2	NA	2	2	3	0	0	0	0	0	1	0	0	0	0	2	1	1	1	2	2	2	2	7	9	0	0	0	8	0	0	0	0	8	0	0	0	0	2	8	0	0	0	7	0	0	0	0	2	3	6	6	2	1	1	2	1	1	2	NA	1	8	0	0	0	1	1	13	1	NA	NA	1	NA	NA	1	3	NA	0	1	0	0	4	2	2	5	2	2	1	0	1	1	NA	NA	NA	NA	1	2	2	2	1	1	1	1	1	4	2	4	4	2	1	3	3	1	1	1	1	3	3	3	5	3	2	1	2	12	1	NA	2	12	1	1	2	2	1	4	2	4	5	3	7	2	4	2	1	NA	1	1	NA	1	2	11	2	1	NA	1	1	NA	1	1	NA	1	1	NA	1	0	1	2.6	1	1	0	0
1002	55	13	4	5513402	2	5	5	2	2	2	1	1	1	1	1	2	NA	2	3	5	0	0	0	0	0	3	0	0	0	0	3	1	3	1	1	1	9	9	4	9	0	0	0	11	0	0	0	vond het niet erg	2	0	0	0	0	2	8	0	0	de ruziezoeker	2	0	0	0	0	2	2	6	6	2	1	2	1	1	4	2	NA	3	6	9	0	0	3	3	13	1	NA	NA	1	NA	NA	3	NA	NA	0	0	0	1	3	2	2	4	99	9	NA	NA	1	1	NA	NA	NA	NA	1	4	3	3	1	1	4	3	1	4	3	4	2	1	3	4	3	2	4	2	5	4	3	3	5	4	2	1	1	NA	1	NA	2	10	3	2	2	2	2	4	2	4	3	1	7	1	7	3	1	NA	1	1	NA	1	1	NA	1	2	10	2	1	NA	1	1	NA	1	1	NA	1	0	1	2.2	NA	NA	NA	NA
1004	55	13	4	5513404	1	4	4	3	4	4	2	1	2	5	5	1	buitengesloten, uit-maken voor dikzak	7	2	4	5	6	9	0	0	1	5	0	0	plagen op de manege	2	2	1	2	2	2	4	4	4	5	7	8	niet huilen id. doen	2	3	5	6	0	3	5	6	9	0	2	0	0	0	0	4	8	9	0	hartsvriendin	6	6	3	6	1	1	1	1	1	2	2	NA	1	1	0	0	0	1	1	13	1	NA	NA	1	NA	NA	1	3	NA	1	1	0	0	4	2	2	4	2	2	1	0	1	1	NA	NA	NA	NA	1	3	2	2	1	1	1	1	1	5	4	5	3	1	2	3	3	2	4	3	4	2	4	4	4	4	2	1	1	NA	1	NA	1	NA	2	3	3	3	1	3	3	3	3	2	7	4	7	6	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	0	0	2.4	1	1	0	0
1005	55	13	4	5513405	2	4	5	1	1	1	1	1	1	1	2	1	0	1	1	0	0	0	0	0	0	1	0	0	0	0	1	1	1	1	1	2	1	1	1	0	0	0	0	1	0	0	0	0	1	0	0	0	0	1	0	0	0	0	1	0	0	0	0	1	1	1	5	2	1	1	2	1	1	2	NA	1	1	0	0	0	1	1	12	1	NA	NA	1	NA	NA	3	NA	NA	0	1	0	0	8	2	2	8	3	2	1	0	1	1	NA	NA	NA	NA	1	2	2	5	3	2	2	3	2	4	4	4	4	2	2	3	3	2	4	2	3	5	5	5	5	5	3	2	1	NA	1	NA	1	NA	2	3	1	3	2	3	3	3	6	1	2	2	1	2	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	1	NA	1	0	0	1.0	1	1	0	0
1007	55	13	4	5513407	2	4	5	2	2	1	1	1	1	1	2	2	NA	2	4	0	0	0	0	0	0	1	0	0	0	0	1	1	1	1	1	3	4	2	6	0	0	0	0	3	5	8	0	0	2	0	0	0	0	8	0	0	0	0	8	0	0	0	0	2	2	2	5	3	1	1	1	1	1	2	NA	4	4	0	0	0	2	2	12	1	NA	NA	1	NA	NA	3	NA	NA	0	0	0	1	8	2	2	4	2	2	1	0	2	1	NA	NA	NA	NA	1	4	4	3	3	1	1	5	3	4	3	4	3	2	1	3	3	1	5	1	1	4	4	4	4	5	3	2	2	10	1	NA	2	9	1	2	3	3	2	3	2	3	3	2	6	1	7	2	1	NA	1	1	NA	1	1	NA	1	2	10	2	1	NA	1	1	NA	1	1	NA	1	0	1	1.8	1	1	0	0

# fit linear model 
model1 <- lm(crime_types ~ unsafe_nh, data)
summary(model1)

Call:
lm(formula = crime_types ~ unsafe_nh, data = data)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.5758 -0.9078 -0.3525  0.6475  6.3886 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) -0.12972    0.10887  -1.192    0.234    
unsafe_nh    0.74110    0.05317  13.939   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.434 on 963 degrees of freedom
  (35 observations deleted due to missingness)
Multiple R-squared:  0.1679,    Adjusted R-squared:  0.167 
F-statistic: 194.3 on 1 and 963 DF,  p-value: < 2.2e-16

# plot w ggplot2
#| column: margin
ggplot(data, aes(x = unsafe_nh, y = crime_types)) +
  geom_point() + 
  geom_smooth()

`geom_smooth()` using method = 'gam' and formula = 'y ~ s(x, bs = "cs")'

Warning: Removed 35 rows containing non-finite outside the scale range
(`stat_smooth()`).

Warning: Removed 35 rows containing missing values or values outside the scale range
(`geom_point()`).

Voor we verder gaan..

We hopen dat je dit boek handig vindt om mee te werken. In het kader van Open Science hebben we geprobeerd dit boek volledig transparant en reproduceerbaar te ontwikkelen. De broncode is beschikbaar via https://github.com/joostjansen/quantcrim. Als je vragen, suggesties of aanpassingen hebt, aarzel niet deze te stellen.²

² Het beste is om dit via GitHub te doen in onze Repository.