ScholarGate
Avustaja
Regression modelLongitudinal clustering and latent class growth methods

Criminal Trajectory Clustering

Criminal trajectory clustering is the broad family of methods that group individuals by the shape of their longitudinal offending curves. Rather than committing to a single statistical model, it spans algorithmic approaches — k-means for longitudinal data, distance-based clustering of trajectory shapes, and likelihood-based latent class growth — and treats the choice of clustering method itself as a modeling decision validated by fit and stability criteria.

Avaa sovelluksessa MethodMindTulossaSovella, vertaa, saa ohjeita
Työkalut ja resurssit
Lataa diat
Opi ja tutki
VideoTulossa

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

Lähteet

  1. Nagin, D. S. (2005). Group-Based Modeling of Development. Harvard University Press. ISBN: 9780674016866
  2. Genolini, C., & Falissard, B. (2010). KmL: k-means for longitudinal data. Computational Statistics, 25(2), 317–328. DOI: 10.1007/s00180-009-0178-4

Näin viittaat tähän sivuun

ScholarGate. (2026, June 22). Clustering of Criminal Offending Trajectories. ScholarGate. https://scholargate.app/fi/criminology/criminal-trajectory-clustering

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain

Tähän viittaavat

ScholarGateCriminal Trajectory Clustering (Clustering of Criminal Offending Trajectories). Haettu 2026-06-24 osoitteesta https://scholargate.app/fi/criminology/criminal-trajectory-clustering · Aineisto: https://doi.org/10.5281/zenodo.20539026