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.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Nagin, D. S. (2005). Group-Based Modeling of Development. Harvard University Press. ISBN: 9780674016866
- 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.
- Age-Crime Curve ModelingCriminology↔ vertaa
- Criminal Career ParadigmCriminology↔ vertaa
- Group-Based Trajectory ModelCriminology↔ vertaa
- Life-Course Criminology AnalysisCriminology↔ vertaa
Tähän viittaavat
Samankaltaiset menetelmät
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →