Predicting Recidivism Using Survival Models

علاقه ما به مدل‌سازی آماری داده‌ها در مورد زمان‌بندی تکرار جرم در اواسط دهه 1970، زمانی که هر دو عضو خردسال بخش اقتصاد دانشگاه کارولینای شمالی بودیم، آغاز شد. در آن زمان روش های تحلیل متغیرهای کیفی و محدود به سرعت در ادبیات اقتصاد سنجی در حال توسعه بود و ما علاقه مند شدیم تا کاربرد مناسبی برای این روش های جدید پیدا کنیم. داده‌های مربوط به زمان تکرار تکرار، چالش‌های آماری منحصر به فرد و جالبی مانند چولگی توزیع و وجود سانسور ارائه می‌دهد. از آنجایی که جوان و احمق بودیم، به این نتیجه رسیدیم که امتحان کردن چیزی که \"واقعا\" دشوار است، سرگرم کننده است. و از آنجایی که جوان و ناآگاه بودیم، خوشبختانه از پیشرفت‌های متخلف در مدل‌سازی آماری زمان‌های بقا که سپس در آمار زیستی، تحقیقات عملیاتی و ادبیات جرم‌شناسی ظاهر می‌شد، بی‌اطلاع بودیم. در جریان برخی تحقیقات قبلی، متوجه شده بودیم که دپارتمان اصلاح و تربیت کارولینای شمالی یک پایگاه داده غیرمعمول به خوبی توسعه یافته در مورد زندانیان خود دارد. ما به وزارتخانه مراجعه کردیم و از آنها پرسیدیم که آیا آنها علاقه مند به همکاری با ما برای توسعه مدل هایی هستند که پیش بینی کند که اتهامات قبلی آنها چه زمانی به بازداشت آنها بازمی گردد. آنها موافقت کردند زیرا علاقه مند به استفاده از چنین مدل هایی برای ارزیابی برنامه های توانبخشی و سیستم های مدیریت زندان جایگزین و کمک به طرح جمعیت زندان های آینده بودند.

Our interest in the statistical modeling of data on the timing of recidivism began in the mid 1970s when we were both junior members of the eco­ nomics department at the University of North Carolina. At that time, methods of analyzing qualitative and limited variables were being developed rapidly in the econometric literature, and we became interested in finding a suitable application for these new methods. Data on the timing of recidivism offered unique and interesting statistical challenges, such as skewness of the distribution and the presence of censoring. Being young and foolish, we decided it would be fun to try something "really" difficult. And, being young and ignorant, we were blissfully unaware of the con­ current developments in the statistical modeling of survival times that were then appearing in the biostatistics, operations research, and criminological literatures. In the course of some earlier research, we had learned that the North Carolina Department of Correction had an unusually well-developed data base on their inmates. We approached the Department and asked if they would be interested in working with us to develop models that would predict when their former charges would return to their custody. They agreed because they were interested in using such models to evaluate rehabilitative programs and alternative prison management systems and to help project future prison populations.