Het effect van de doodstraf op misdaad

(1)

Het effect van de doodstraf op misdaad

Naam: Rachel Ho

Studentnummer: 10079742 Opleiding: Econometrie

Instelling: Universiteit van Amsterdam Begeleider: dr. Maurice Bun

Datum: 28-06-2013

[Kies de datum]

Abstract

Sinds de vorige eeuw is een grote hoeveelheid aan empirische onderzoeken uitgevoerd in het kader van de relatie tussen de doodstraf en misdaad. Deze relatie berust op de theorie dat de doodstraf een

afschrikwekkend middel is tegen criminaliteit. Het negatieve effect is in de literatuur vaak onderzocht zonder het besef van eventuele simultaniteit tussen de twee variabelen. In dit onderzoek wordt deze vorm van endogeniteit aangepakt door een log-lineaire specificatie zowel te schatten met Ordinary Least Squares (OLS) als Two-Stage Least Squares (TSLS). Hierbij wordt gebruikgemaakt van een panel dataset van Lin (2008) over de periode van 1971 tot 2000. Omdat de instrumenten zeer zwak blijken te zijn, zijn de IV-schatters inconsistent. Er wordt gewend tot de OLS-resultaten, met de veronderstelling dat de simultaniteit beperkt is. Een voorzichtige interpretatie van deze resultaten leidt tot de conclusie dat zowel het lange- als het kortetermijneffect van de doodstraf op misdaad ongeveer gelijk is aan -5.6 procent.

(2)

Na drie maanden onderzoek ligt mijn bachelorscriptie voor u. Vol enthousiasme en plezier heb ik mijn onderzoek over het effect van de doodstraf op misdaad mogen doen onder

begeleiding van dr. Maurice Bun. Van deze gelegenheid wil ik de heer Bun bedanken voor de begeleiding en de nodige ondersteuning. Ook wil ik graag mijn vaardigheidsdocent drs. Rob van Hemert bedanken voor de ondersteunende bijeenkomsten. In deze afsluitende fase van de bachelor heb ik zowel mijn onderzoeks- als schrijfvaardigheid ontwikkeld. Dit zal zeker meegenomen worden in mijn verdere ontwikkeling als toekomstige masterstudent.

(3)

1 Inleiding ... 1

2 Theoretisch kader ... 2

3 Onderzoeksopzet ... 4

4 Resultaten ... 8

4.1 Beschrijvende statistiek ... 8

4.2 Uitkomsten van de regressies ... 10

4.3 Misspecificatietoetsen ... 11

4.4 Bespreking van de resultaten ... 12

5 Robuustheidsanalyse ... 13

6 Conclusie ... 16

Bibliografie ... 19 Bijlage 1 De beschrijvende statistiek van alle opgenomen variabelen

Bijlage 2 Robuustheidsanalyse: een splitsing van de steekproef via TSLS Bijlage 3 Robuustheidsanalyse: een splitsing van de VS in regio’s via TSLS

(4)

1 Inleiding

Een controversieel onderwerp is het zeker. Al decennialang debatteert men over het

afschaffen van de doodstraf dan wel het behouden ervan. Meningen zijn erover verdeeld. Wat wel vaststaat, is het feit dat 32 van de 50 staten van de Verenigde Staten de doodstraf tot op heden hanteren (Death Penalty Information Center, 2013). Een van de belangrijkste

argumenten voor de doodstraf is de afschrikking voor potentiële misdadigers. Toch is de afschaffing van de doodstraf een trend in de VS (Amnesty International, 2013B).

Volgens Van den Haag (1983) is de angst voor de dood het meest afschrikwekkend voor moordenaars. In de onderzoeken van Ehrlich (1975) en Mocan en Gittings (2003) tonen zij een significant negatief effect van de doodstraf op misdaad aan. Volgens Bailey (1978) is er juist geen significant effect te vinden op moordcijfers. De controversie in deze resultaten en de maatschappelijke kwestie in de VS vormen de aanleiding voor dit onderzoek. In dit verslag wordt onderzocht of de doodstraf een negatief effect heeft op misdaad, en in het bijzonder op het aantal moorden dat wordt gepleegd.

Een Autoregressive Distributed Lag (ADL)-model wordt gebruikt om het effect te onderzoeken. Met behulp van dit model met vertraagde variabelen van de doodstraf en de moordcijfers wordt het effect van de doodstraf op het aantal moorden geschat. Zo worden niet alleen kortetermijn-, maar ook langetermijneffecten onderzocht. Daarnaast wordt

gecontroleerd voor simultaniteit. Dit wordt gedaan door niet alleen de methode Ordinary Least Squares (OLS) toe te passen, maar ook Two-Stage Least Squares (TSLS). De data zijn afkomstig van het onderzoek van Lin (2008) en bestaan uit een panel van observaties van 50 staten en de District of Columbia over de periode van 1971 tot 2000.

Paragraaf twee geeft het theoretisch kader weer, waarna een opzet van het onderzoek volgt in paragraaf drie. In paragraaf vier worden de resultaten gepresenteerd. Vervolgens wordt de robuustheidsanalyse beschreven in paragraaf 5. Tot slot wordt de conclusie in paragraaf 6 gepresenteerd.

(5)

2 Theoretisch kader

In deze paragraaf wordt allereerst een definitie gegeven van de doodstraf en de bijbehorende achtergrondinformatie. Vervolgens worden cijfers omtrent de doodstraf in de Verenigde Staten gepresenteerd. Daaruit volgt het praktische belang van dit onderzoek. Daarnaast komt de bespreking van bestaande theorieën aan bod. Tot slot worden eerdere onderzoeken

behandeld met de resultaten daarvan.

De internationale mensenrechtenorganisatie Amnesty International omschrijft de doodstraf als volgt:

‘De doodstraf is, in juridische termen, een gerechtelijke executie. Van de doodstraf is sprake wanneer iemand van het leven wordt beroofd op grond van een vonnis dat is uitgesproken door een bevoegde rechter na een strafrechtelijk proces.’ (Amnesty International, 2013A)

Deze straf wordt gezien als de meest zware straf die een verdachte opgelegd kan krijgen. Volgens cijfers van de Death Penalty Information Center (2013) is de meest toegepaste

uitvoeringsmethode hierbij de dodelijke injectie met gif. Daarnaast wordt gebruikgemaakt van elektrocutie, vergassing of ophanging.

In Nederland is de doodstraf al in 1870 afgeschaft, wat is opgenomen in de ‘Wet van 17 september 1870, tot afschaffing der doodstraf’. In de Verenigde Staten daarentegen is de toepassing dan wel de afschaffing van de doodstraf nog steeds in volle gang in de vijftig staten van de VS. Zo vond de afschaffing van de doodstraf in de staat Maryland plaats op 2 mei 2013 (Amnesty International, 2013B). Daarmee komt het aantal staten, dat wel de

doodstraf hanteert, op een totaal van 32 (Death Penalty Information Center, 2013B). Vooral in de zuidelijke staten van de VS wordt de doodstraf veelvoudig gehanteerd ten opzichte van de overige staten. Maar liefst 82 procent van alle executies wordt in de zuidelijke regio

gehanteerd, waaronder Texas en Virginia. Dat stelt het Death Penalty Information Center (2013A).

Voorstanders van de doodstraf menen dat de doodstraf een afschrikwekkend middel is tegen criminaliteit. Ook wraak en de uitsluiting van de kans op recidive spelen een rol in de discussies omtrent de doodstraf. Tegenstanders beweren juist dat het een schending van de mensenrechten betreft. Daarnaast is de doodstraf onomkeerbaar, waardoor onschuldigen ten

(6)

onrechte omgebracht kunnen worden. Ook wordt gesproken over het ontbreken van bewijs van het afschrikeffect. Een toevoeging aan het laatstgenoemde is de moordratio van staten met en zonder de doodstraf in figuur 1. In dit figuur is te zien dat de moordratio per 100.000 inwoners van staten, die de doodstraf hanteren, hoger blijkt te zijn door de jaren heen in vergelijking met staten, waarbij er sprake is van afschaffing van de doodstraf. Met deze statistieken wordt het afschrikargument in twijfel getrokken. In dit onderzoek wordt nader gekeken naar het afschrikeffect van de doodstraf op de moordcijfers.

Figuur 1 Moordcijfers van staten met en zonder de doodstraf

(Amnesty International, 2012)

Voorafgaand aan dit onderzoek komt de belangrijkste theorie aan bod, namelijk de zogeheten afschrikkingstheorie. Deze theorie vloeit voort uit de veronderstelling dat een rationele individu de kosten opweegt tegen de voordelen en daarmee voor de grootste winst gaat (Bailey en Peterson, 1994). Dat zou de achterliggende gedachte zijn waarom een crimineel overgaat tot het plegen van een misdaad. Socioloog en hoogleraar rechtswetenschap Van den Haag (1983) meent dat niets afschrikwekkender is dan de doodstraf, omdat angst voor de dood het grootst is voor een mens. Volgens de socioloog is wat men het meest vreest waarschijnlijk het meest afschrikwekkend. Omdat de doodstraf zwaarder is dan een

levenslange gevangenisstraf, zal een potentiële crimineel ervan afzien een moord te plegen. Echter, niet iedereen denkt er zo over. Volgens de klassieke filosoof Beccaria (1963) is bestraffing een afschrikwekkend middel tegen recidive en heeft het een preventieve werking tegen criminaliteit. Hij stelt dat het doel van bestraffing is om een betere gemeenschap te

(7)

creëren. Maar dat gaat niet op voor de doodstraf. Volgens de filosoof is dit een te zware straf. Daarnaast meent hij dat de doodstraf een slecht effect op de samenleving heeft, doordat het empathisch vermogen van de mens wordt gereduceerd. Het is dus duidelijk dat men het niet altijd eens is over dit omstreden onderwerp.

Door deze uiteenlopende theorieën zijn door de jaren heen veel verschillende

empirische onderzoeken uitgevoerd. Al deze onderzoeken zijn gericht op het vinden van een afschrikeffect van de doodstraf op moordcijfers op statistische wijze. Resultaten van Ehrlich (1975) suggereren dat er inderdaad een significant negatief effect van de doodstraf op misdaad bestaat. Een executie leidt tot het redden van acht mensenlevens volgens Ehrlich (1975). Dat doet hij met behulp van een multivariabele analyse. De gebruikte dataset bestaat uit observaties van een onbekend aantal staten van de VS over de periode van 1933 tot 1969. De dataset van Mocan en Gittings (2003) bestaat uit observaties van een periode erna, namelijk van 1977 tot 1997. Om hun model te schatten wordt gebruikgemaakt van weighted least squares. Beide onderzoeken implementeren een set variabelen in hun model die afschrikwekkend zijn, waaronder de kans op arrestatie, veroordeling en executie.

Passell en Taylor (1977) tonen aan dat het model van Ehrlich (1975) niet voldoet aan homogeniteit en dat de resultaten gevoelig zijn voor specificatie van de gebruikte variabelen en data. Om die redenen zijn zij niet in staat een conclusie te trekken over het bestaan van het afschrikeffect. Uit het onderzoek van Katz, Levitt en Shustorovich (2003) blijkt dat er weinig systematisch bewijs is over een significant afschrikeffect van de doodstraf. Deze

onderzoekers passen weighted least squares toe op hun model. Hun paneldataset bestaat uit observaties van de staten van de VS over de periode van 1950 tot 1990. Ook Bailey (1978) toont aan geen significant effect te hebben gevonden. Hij maakt juist gebruik van ordinary least squares (OLS). De dataset bevat gegevens van de periode van 1920 tot 1960. Zo volgen nog vele onderzoekers, die een bijdrage leveren aan de discussie rondom de doodstraf en diens afschrikeffect.

3 Onderzoeksopzet

De grote vraag in dit onderzoek is of de doodstraf een negatief effect heeft op het aantal gepleegde moorden. Uitgaande van de afschrikkingstheorie is de verwachting dat er een negatief effect te vinden is van de doodstraf op de moordcijfers. Deze hypothese ontstaat uit

(8)

de veronderstelling dat de meerderheid van de individuen in een samenleving rationeel handelen.

Deze hypothese wordt getoetst aan de hand van een empirisch model. In de literatuur wordt vaak een eenzijdige causale relatie getoetst, namelijk:

(1)

waarbij het aantal gepleegde moorden representeert in staat i en in jaar t. De variabele is een dummy-variabele die de status van de doodstraf aangeeft in staat i en in jaar t. De vector X bevat controlevariabelen, die wellicht gecorreleerd zijn met het aantal gepleegde moorden. Hieronder vallen jaareffecten, demografische en economische variabelen. Ongeobserveerde staatseffecten worden gecontroleerd door middel van de

dummy-variabele . Deze staatseffecten zijn het gevolg van factoren die een verschil in moordcijfers veroorzaken tussen staten. Tot slot representeert de storingsterm in staat i in jaar t. In dit model wordt slechts een eenmalig effect onderzocht op tijdstip t. Dit verklaart alleen kortetermijneffecten.

In model (1) is er geen sprake van een dynamische toepassing. Vanwege het gebruik van tijdsreeksen zou een dynamische regressie een vollediger beeld scheppen. Moordcijfers van dit jaar zijn namelijk gecorreleerd aan moordcijfers en de wettelijke status van de doodstraf van een jaar ervoor. Het dynamische karakter vermindert de kans op seriële correlatie in de storingsterm. Naast de afwezigheid van een dynamisch model wordt

simultaniteit in eerdere onderzoeken niet behandeld. Er wordt slechts uitgegaan van een effect van de doodstraf op moordcijfers. Echter, het aantal moorden zou wellicht van invloed

kunnen zijn op de invoering of de afschaffing van de doodstraf.

Als uitbreiding van model (1) wordt hiervoor een dynamisch stelsel van simultane vergelijkingen geïntroduceerd. Dit stelsel bestaat uit de volgende twee vergelijkingen:

(2)

(3)

(9)

Hierin zijn een aantal vertraagde variabelen opgenomen (naast de gebruikelijke variabelen van (1)), waaronder de variabele die het aantal gepleegde moorden in staat i in

jaar t-1 representeert. Daarnaast is de variabele gespecificeerd, die de

wettelijke status van de doodstraf aangeeft in staat i in jaar t-1. Ook is een constante C in het model opgenomen. De set controlevariabelen binnen de vector X bevat jaareffecten, armoede- en werkloosheidscijfers, stedelijke regio’s, leeftijdsgroepen, de etnische groep

Afro-Amerikanen, het inkomen per hoofd van de bevolking, alcoholconsumptie, cijfers over het aantal gedetineerden en politieagenten, staatsuitgaven aan educatie, zorg en welzijn en gezondheid en een dummy-variabele die aangeeft of een staat behoort tot het zuiden van de VS. Door de toevoeging van deze variabelen wordt er gecontroleerd voor omitted variable bias. De aanname die hierbij wordt gemaakt in dit model, is dat alle controlevariabelen exogeen zijn. Een uitgebreide beschrijving van de data is te vinden in de bijlagen.

In dit onderzoek wordt gericht op het effect van de doodstraf op het aantal moorden. Voor het onderzoeken van een oorzakelijk verband tussen deze twee variabelen wordt de volgende log-lineaire specificatie als basismodel van dit onderzoek gepresenteerd:

(4)

Door de toepassing van de log-specificatie kunnen de resultaten als elasticiteiten worden geïnterpreteerd. Daarnaast worden extreme waarnemingen in de afhankelijke variabele geneutraliseerd. In model (4) zijn exact dezelfde variabelen opgenomen als in vergelijking (2). Dankzij dit meervoudig regressiemodel is de kans op vertekening kleiner, indien de samenhang tussen de verklarende variabelen sterker is. Maar de correlatie tussen

en is zo hoog, zodanig dat er multicollineariteit zou kunnen optreden. Dit leidt dan tot onjuiste schattingen van de afzonderlijke doodstrafvariabelen. Om deze reden wordt naast model (4) de volgende modellen geschat:

(5)

(10)

In model (5) is de doodstrafvariabele op tijdstip t-1 achterwege gelaten ten opzichte van model (4). Model (6) presenteert juist een log-lineaire relatie, waarin de doodstraf op tijdstip t geen rol meer speelt. In deze modellen worden tevens dezelfde set controlevariabelen

opgenomen en staats- en jaardummies als in model (4).

Allereerst worden de modellen (4), (5) en (6) met behulp van OLS geschat. Omdat er mogelijk simultaniteit bestaat, zou de variabele wellicht endogeen kunnen zijn. In dit geval geeft de OLS-methode een inconsistente schatting weer van het effect van de doodstraf op het aantal moorden. Om deze reden wordt vervolgens de methode Two-Stage Least Squares (TSLS) toegepast. De vertraagde variabelen en dienen als instrumentele variabelen (IV) ingezet te worden. Verondersteld is dat zij beide voldoen aan relevantie en validiteit. De relevantie van de instrumenten is te toetsen met

behulp van de First-Stage F-statistic. Een OLS-regressie wordt toegepast op de first-stage van het TSLS-model. Daarnaast is de validiteit van de instrumenten te toetsen door middel van de Sargan-toets.

Omdat er zowel OLS- als TSLS-regressie wordt toegepast op model (4), (5) en (6), kunnen de resultaten worden vergeleken. In het geval van sterk overeenkomende schattingen zal de veronderstelling zijn dat de variabele inderdaad exogeen is. Met behulp

van OLS zullen de schattingen consistenter zijn vanwege hun kleinere standaardfouten, in vergelijking met de resultaten via de TSLS-methode.

In dit onderzoek wordt gebruikgemaakt van een dataset, die afkomstig is van het onderzoek van Lin (2008). Deze data bestaan uit observaties van een panel van 50 staten van de Verenigde Staten en de District of Columbia over de periode van 1971 tot 2000. Cijfers van zeven misdaadcategorieën zijn in de data opgenomen. De categorieën zijn moord,

verkrachting, mishandeling, overval, inbraak, diefstal en autodiefstal. Alle gegevens hierover zijn terug te vinden in de Uniform Crime Report (UCR). Dat geldt ook voor het totale aantal lokale en staatspolitieagenten. Cijfers over het aantal gedetineerden en de wettelijke status van de doodstraf komen van the Sourcebook of Criminal Justice Statistics, dat vrijgegeven is door the Bureau of Justice Statistics. Alcoholconsumptie komt van de website van the National Institute of Alcohol Abuse and Alcoholism. Demografische en economische variabelen, waaronder leeftijdsgroepen, stedelijke regio’s, het inkomen, het uurloon, werkloosheids- en armoedecijfers en staatsuitgaven, zijn afkomstig uit the Statistical Abstract of the United States.

(11)

4 Resultaten

In deze paragraaf worden de beschrijvende statistieken van de data gerapporteerd. Vervolgens worden de uitkomsten van de regressies gepresenteerd in tabellen. Dan volgt de bespreking van de misspecificatietoetsen en de uitkomsten ervan. De paragraaf wordt afgesloten met een interpretatie van de verkregen resultaten.

4.1 Beschrijvende statistiek

Een onderdeel van de beschrijvende statistiek is het gemiddelde aantal moorden per 100.000 inwoners van staten met en zonder de hantering van de doodstraf, weergegeven in figuur 2. Deze moordcijfers zijn afkomstig van de dataset van Lin (2008). In figuur 2 is te zien dat staten met de doodstraf in de periode tot 1988 hogere moordcijfers vertonen ten opzichte van staten waarin de doodstraf is afgeschaft. Na 1988 geldt juist het omgekeerde: er worden meer moorden gepleegd in staten zonder de doodstraf. Deze constatering is in tegenspraak met de weergave in figuur 1 in paragraaf 2. Figuur 1 toont aan dat er na 1990 meer moorden worden gepleegd in staten, waarin de doodstraf wel legaal is. Deze controversie wordt nader

onderzocht in de robuustheidsanalyse in paragraaf 5.

Figuur 2 Moordcijfers van staten met en zonder de doodstraf uit de data van Lin (2008)

0 2 4 6 8 10 12

Moordcijfers van staten met de doodstraf Moordcijfers van staten zonder de doodstraf Moordcijfers per 100.00 inwoners, afkomstig van de dataset van Lin (2008).

(12)

Naast figuur 2 als beschrijvende statistiek worden in respectievelijk figuur 3 en 4 de

histogram van de moordvariabele en de logaritme ervan gepresenteerd. Figuur 3 toont rechts-scheef verdeelde data aan. Dit gegeven is ook af te leiden uit de waarde van de rechts-scheefheid (skewness). Een scheefheid gelijk aan nul impliceert een symmetrische verdeling. Hoe groter de absolute waarde, des te asymmetrischer de verdeling wordt. Met een scheefheid van -0.237 in de verdeling van de logaritme van de moordvariabele wordt deze log-specificatie

beschouwd als een geschiktere toepassing in het model. Hiermee wordt de verdeling symmetrischer en de uitschieters worden geminimaliseerd.

Figuur 3 Histogram van de moordcijfers

Figuur 4 Histogram van de logaritme van de moordcijfers

0 100 200 300 400 0 10 20 30 40 50 60 70 80 Series: MURDERS100K Sample 70 100 Observations 1581 Mean 7.663919 Median 6.542815 Maximum 81.14478 Minimum 0.156740 Std. Dev. 7.053195 Skewness 5.500496 Kurtosis 47.86578 Jarque-Bera 140574.6 Probability 0.000000 0 40 80 120 160 200 240 280 -2 -1 0 1 2 3 4 Series: LOG(MURDERS100K) Sample 70 100 Observations 1581 Mean 1.787151 Median 1.878368 Maximum 4.396235 Minimum -1.853168 Std. Dev. 0.708786 Skewness -0.237207 Kurtosis 3.989455 Jarque-Bera 79.31937 Probability 0.000000

(13)

4.2 Uitkomsten van de regressies

In tabel 1 worden met behulp van OLS de schattingen van het effect van de doodstraf op de moordcijfers weergegeven. De schattingen vloeien voort uit regressies van verschillende modelspecificaties, besproken in paragraaf 3. In kolom (1) wordt het logaritme van het aantal gepleegde moorden verklaard door de wettelijke status van de doodstraf in datzelfde jaar, het aantal moorden en de wettelijke status van de doodstraf in het jaar ervoor, en verschillende staatskenmerken. In kolom (2) van tabel 1 worden de resultaten weergegeven van het model, waarbij de variabele wordt weggelaten. In de specificatie in kolom (3) is juist sprake van het weglaten van de variabele . De puntjes in de kolom representeren het niet opnemen van de desbetreffende variabele in de regressie. De specificaties in kolom (1), (2) en (3) komen respectievelijk overeen met model (4), (5) en (6), gepresenteerd in het onderzoeksopzet.

In elk van de drie specificaties zijn staats- en jaar specifieke effecten opgenomen om te controleren voor staats- en jaareffecten. Daarnaast is gebruikgemaakt van

White-standaardfouten om te controleren voor heteroskedasticiteit. Deze robuuste White-standaardfouten zijn tussen haakjes aangegeven onder de geschatte coëfficiënten.

Tabel 1 Het effect van de doodstraf op de moordcijfers via OLS

Variabele

(1) (2) (3) Afhankelijke variabele: Log(Moord)

Doodstraf -0.0281 (0.0371) -0.0564** (0.0266) .. Moord(-1) 0.0311** (0.0030) 0.0312** (0.0030) 0.0311** (0.0030) Doodstraf(-1) -0.0359 (0.0339) .. -0.0567** (0.0246) Controlevariabelen Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Observaties 1518 1518 1518 R² 0.9283 0.9283 0.9283 F-statistiek 181.58 183.39 183.45

N.B.: Robuuste standaardfouten zijn tussen haakjes aangegeven onder de coëfficiënt. * geeft significantie aan bij een significantieniveau van 0.10 en ** geeft dat aan bij een significantieniveau van 0.05. De puntjes

(14)

Naast de OLS-resultaten in tabel 1 worden in tabel 2 de resultaten gepresenteerd, die verkregen zijn via de TSLS-methode. De specificaties in de kolommen (1), (2) en (3) van tabel 2 zijn respectievelijk identiek aan de modellen in de kolommen (1), (2) en (3) van tabel 1. Er is slechts verschil in methode tussen tabel 1 en 2. In de modellen in tabel 2 is er

gebruikgemaakt van instrumentele variabelen. Dit zijn de vertraagde variabelen en .

Tabel 2 Het effect van de doodstraf op de moordcijfers via TSLS

Variabele

(1) (2) (3) Afhankelijke variabele: Log(Moord)

Doodstraf -6.9583 (11.8343) -0.0866** (0.0374) .. Moord(-1) 0.0366** (0.0119) 0.0324** (0.0030) 0.0324** (0.0030) Doodstraf(-1) 4.8535 (8.3621) .. -0.0602** (0.0263) Controlevariabelen Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Observaties 1467 1467 1467 R² 0.9275 0.9275 0.9275 F-statistiek 177.78 178.73 178.70

representeren het ontbreken van de desbetreffende variabele in de regressie.

4.3 Misspecificatietoetsen

Een belangrijke voorwaarde voor de consistentie van schatters is de afwezigheid van seriële correlatie in de storingsterm. Dit is onderzocht door een autoregressieve (AR) analyse van orde 1 uit te voeren op de residuen van elk van de bovenstaande specificaties. Met een p-waarde hoger dan 0.05, behorend bij de vertraagde residu, kan worden verondersteld dat er geen sprake is van seriële correlatie in alle regressies.

Een tweede voorwaarde voor een juiste interpretatie van de resultaten is dat er geen teken van multicollineariteit is tussen twee of meer variabelen. Door de twijfels aan de implementatie van twee doodstrafvariabelen in model (4), te zien in kolom (1) van tabel 1 en

(15)

2, is de correlatie tussen de twee variabelen onderzocht. Er is een hoge correlatie van 0.869052 tussen en gevonden. Dit is een indicatie van de

aanwezigheid van multicollineariteit in model (4). Het schatten van de afzonderlijke doodstrafvariabelen in model (5) en (6) schetst wellicht een beter beeld van de werkelijke waarden.

Bovendien is er sprake van consistente IV-schatters als de instrumenten relevant en valide zijn. De validiteit van de instrumenten is onderzocht via de Sargan-toets. Met een R² gelijk aan 0.000030 en 1467 observaties overschrijdt de LM-waarde de kritieke waarde van χ² (2) niet. Daarmee kan worden aangenomen dat er sprake is van valide instrumenten.

Daarnaast is een toets op relevantie uitgevoerd. Met behulp van de First-Stage F-Statistic is een F-waarde gevonden van 0.3122. Gebruikmakend van de vuistregel dat een sterk instrument een F-waarde groter dan 10 moet hebben (Stock, Wright en Yogo, 2002, p. 522), kan er worden verondersteld dat de gebruikte instrumenten uitermate zwak zijn. Er wordt niet aan de eis van relevantie voldaan. Hierdoor zijn de hypothesetoetsen en

betrouwbaarheidsintervallen incorrect en onbetrouwbaar. Dat leidt dan tot inconsistente IV-schatters.

4.4 Bespreking van de resultaten

Door het gebrek aan consistentie van de IV-schatters kan er geen juiste interpretatie van de TSLS-schattingen aangenomen worden. In de TSLS-resultaten is de inconsistentie af te leiden uit de enorm grote standaardfouten, verkregen uit de regressie in kolom (1) van tabel 2. Zodra de doodstrafvariabelen afzonderlijk worden geregresseerd, dalen de standaardfouten tot plausibele waarden. Dit is weergegeven in kolom (2) en (3) van tabel 2. Daarbij wordt een significant negatief effect gevonden van de doodstraf op de moordcijfers. Echter, vanwege de inconsistente IV-schatters kan niet aangenomen worden dat deze resultaten een juist beeld van de werkelijkheid weergeven.

Ook de OLS-schattingen zijn inconsistent, omdat de doodstrafvariabele

verondersteld is endogeen te zijn. Dit is met uitzondering van de schattingen van model (6) in kolom (3) van tabel 1. In dit model is er geen sprake van simultaniteit, omdat het aantal moorden op tijdstip t niet van invloed kan zijn op de wettelijke status van de doodstraf op

(16)

tijdstip t-1. Aan de andere kant bestaat er een kans op endogeniteit door het weglaten van . De verkregen resultaten dienen met voorzichtigheid te worden geïnterpreteerd.

Uit deze resultaten is te zien dat een extra moord in het jaar ervoor leidt tot een significante stijging van circa 3.1 procent van de moordcijfers in het daaropvolgende jaar. Ook is er een significant negatief effect van de doodstraf in het jaar ervoor waar te nemen. Dit langetermijneffect staat gelijk aan een daling van circa 5.7 procent van het aantal gepleegde moorden, ten opzichte van staten zonder de doodstraf.

Ondanks de veronderstelde endogeniteit van de variabele is de coëfficiënt van de moordvariabele op tijdstip t-1 in kolom (1) en (2) van tabel 1 vrijwel identiek aan de schatting in kolom (3) van tabel 1. Ook deze schattingen zijn significant. De doodstraf op tijdstip t heeft een significant negatief effect op de moordcijfers in hetzelfde jaar, ter grootte van 5.6 procent. Dit kortetermijneffect is waar te nemen in kolom (2) en is

vergelijkbaar met de schatting van het langetermijneffect in kolom (3) van tabel 1. Deze bevindingen impliceren dat de simultaniteit zeer beperkt is. Waarschijnlijk spelen de moordcijfers van de laatste jaren nauwelijks een rol bij de invoering of afschaffing van de doodstraf. Door deze implicatie kan de inconsistentie van de OLS-schatters worden betwist en worden de OLS-resultaten een stuk aannemelijker.

Het opvallende aan de resultaten in tabel 1 is het ontbreken van een significant effect van de doodstrafvariabelen in de gezamenlijke regressie in kolom (1). De bijbehorende lage t-waarden, in combinatie met een zeer hoge F-statistiek, geven een teken van

multicollineariteit. Daarbovenop wordt dit vermoeden versterkt door de hoge correlatie tussen de twee doodstrafvariabelen. Al deze bevindingen samen geven de implicatie dat er sprake is van multicollineariteit in model (4). Dit leidt tot grotere betrouwbaarheidsintervallen en lagere t-statistieken, wat op zijn beurt zorgt voor insignificantie van variabelen.

Ongeacht de (in)consistentie van de OLS-schatters is in elke regressie van tabel 1 een negatief effect van de doodstraf op misdaad waar te nemen. Dit is in overeenkomst met de theorie dat de doodstraf een afschrikwekkend middel is tegen criminaliteit.

5 Robuustheidsanalyse

In deze paragraaf worden twee procedures uitgevoerd om de robuustheid van model (4), (5) en (6) te onderzoeken. De eerste procedure is het splitsen van de gehele steekproef in tweeën.

(17)

Zoals te zien in figuur 2 in paragraaf 4.1 is er een omslag te zien in de relatie tussen de doodstraf enerzijds en de gemiddelde moordcijfers in staten anderzijds rond het jaar 1988. Er lijkt eerst een positief verband te zijn tussen de twee variabelen. Na 1988 loopt dit over op een negatief verband. Door de gehele steekproef te splitsen in twee kleinere steekproeven kan het effect van de doodstraf nader worden onderzocht. Een tweede procedure is het splitsen van de Verenigde Staten in de zuidelijke regio enerzijds en de overige regio’s anderszijds in de steekproef. In de zuidelijke staten wordt namelijk tot op heden 82 procent van alle executies uitgevoerd. Dit zou de drijfveer kunnen zijn voor het aangetoonde negatieve effect van de doodstraf over alle staten.

Slechts de OLS-resultaten van beide procedures van de robuustheidsanalyse worden weergegeven in deze paragraaf. De veronderstelling van de inconsistentie van de OLS-resultaten wordt namelijk in twijfel getrokken door de beperkte simultaniteit. Wel dienen de resultaten behoedzaam geïnterpreteerd te worden. De IV-schatters vertonen daarentegen duidelijk inconsistentie vanwege haar zeer zwakke instrumenten. Dat leidt tot onnauwkeurige en niet informatieve resultaten. Deze resultaten zijn terug te vinden in de bijlagen.

Tabel 3 Robuustheidsanalyse: een splitsing van de steekproef via OLS

Variabele _{Steekproef: 1971-1987} (1) (2) (3) Steekproef: 1988-2000 (4) (5) (6) Doodstraf -0.0451 (0.0338) -0.0432 (0.0291) .. -0.1857 (0.1473) -0.0330 (0.0862) .. Moord(-1) 0.0214** (0.0049) 0.0214** (0.0049) 0.0214** (0.0049) 0.0181** (0.0035) 0.0180** (0.0035) 0.0179** (0.0035) Doodstraf(-1) 0.0027 (0.0307) .. -0.0266 (0.0270) -0.2570* (0.1365) .. -0.1088 (0.0837) Controlevariabelen Ja Ja Ja Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Ja Ja Ja Observaties 867 867 867 651 651 651 R² 0.9399 0.9399 0.9398 0.9367 0.9363 0.9365

Tabel 3 geeft de resultaten weer van het effect van de doodstraf op misdaad in de perioden van 1971 tot 1987 en 1988 tot 2000. De specificaties in kolommen (1), (2) en (3) zijn

(18)

respectievelijk identiek aan de modellen (4), (5) en (6), gepresenteerd in paragraaf 3. Dit geldt eveneens voor de respectievelijke kolommen (4), (5) en (6) van tabel 3. Er is slechts verschil in de steekproef. In vergelijking met tabel 1 hebben deze OLS-resultaten veelal hun

significantie verloren, wat betreft de doodstrafvariabelen. Slechts de variabele

vertoont een significant negatief effect in de regressie in kolom (4) van tabel 3. Dit

langetermijneffect staat gelijk aan een daling van circa 25.7 procent in misdaad in staten met de doodstraf ten opzichte van staten zonder de doodstraf. Dit effect is waargenomen in de steekproef van 1988 tot 2000. In de gehele steekproef was dit effect niet significant en acht maal zo klein. De twijfels aan deze schatting zijn hierdoor groot. Ook het optreden van multicollineariteit in dit model kan bijdragen aan de grootte van deze schatting. De elasticiteit van de misdaad van het jaar ervoor is in beide deelsteekproeven licht gedaald van circa 3 procent naar 2 procent ten opzichte van de gehele steekproef. Deze variabele behoudt daarentegen wel haar significantie.

Kennelijk is er weinig sprake van een significant effect van de doodstraf op misdaad, wanneer de steekproef wordt opgesplitst. Wel blijven de meeste coëfficiënten negatief, net als in tabel 1. Dat de doodstrafvariabelen in de afzonderlijke regressies in tabel 1 wel significant zijn, kan duiden op een vertekening van het daadwerkelijke effect van de doodstraf. Wat wel duidelijk naar voren komt, is het gebrek aan robuustheid in de modellen door de splitsing van de steekproef.

De tweede procedure van deze gevoeligheidsanalyse is het onderzoeken van het effect van de doodstraf in de zuidelijke staten van de VS enerzijds en de overige regio’s anderzijds. In tabel 4 worden de resultaten hiervan gepresenteerd. De specificaties in kolom (1), (2) en (3) komen respectievelijk overeen met de modellen (4), (5) en (6). Dit geldt eveneens voor de

respectievelijke kolommen (4), (5) en (6) van tabel 4. Er wordt nu slechts een beperking opgelegd aan het aantal onderzochte staten in elke regressie.

In de afzonderlijke regressies in kolom (2) en (3) van tabel 4 wordt een negatief significant effect gevonden van de doodstraf op misdaad in de zuidelijke regio van de VS. Dit komt overeen met de uitkomsten uit tabel 1. Opmerkelijk is dat de significantie licht is

gedaald in tabel 4. In de zuidelijke staten van de VS wordt op de korte termijn een elasticiteit van -6.4 procent geschat ten opzichte van de gevonden elasticiteit van -6.0 in de overige staten van de VS. Op de lange termijn is dit effect gelijk aan -5.6 procent in het zuiden ten

(19)

opzichte van -6.2 procent in de overige regio’s van de VS. Deze coëfficiënten zijn ongeveer gelijk aan elkaar. Ook de bijbehorende standaardfouten schelen niet veel van elkaar.

Tabel 4 Robuustheidsanalyse: een splitsing van de VS in regio’s via OLS

Variabele _{Zuidelijke regio}

(1) (2) (3) Overige regio’s (4) (5) (6) Doodstraf -0.0494 (0.0405) -0.0637* (0.0355) .. -0.0261 (0.0501) -0.0604* (0.0314) .. Moord(-1) 0.0430** (0.0044) 0.0431** (0.0044) 0.0428** (0.0044) 0.0272** (0.0032) 0.0273** (0.0032) 0.0273** (0.0032) Doodstraf(-1) -0.0361 (0.0339) .. -0.0556* (0.0320) -0.2570 (0.0412) .. -0.0615** (0.0290) Controlevariabelen Ja Ja Ja Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Ja Ja Ja Observaties 385 385 385 1133 1133 1133 R² 0.8951 0.8948 0.8946 0.9163 0.9162 0.9163

De gevonden elasticiteiten van de doodstraf voor de zuidelijke regio verschillen kennelijk niet veel van de elasticiteiten in de overige regio’s. Ook de significantie van de verschillende variabelen in de regressies komen vrijwel overeen. Daarnaast zijn de overeenkomsten tussen de uitkomsten van tabel 1 en 4 groot. Alle geschatte coëfficiënten van elke regressie komen vrijwel overeen met een standaardafwijking van hooguit 0.01. Ook de bijbehorende

standaardfouten van tabel 4 liggen niet ver naast de standaardfouten van tabel 1. Er kan worden verondersteld dat de onderzochte modellen niet zozeer gevoelig zijn voor verschil in regio’s.

6 Conclusie

Uit de resultaten en de robuustheidsanalyse is gebleken dat de doodstraf een significant negatief effect heeft op het aantal gepleegde moorden. Dit is met inachtneming van de aanname dat de simultaniteit tussen de doodstraf en misdaad beperkt is. Aanvankelijk lag de

(20)

focus in dit onderzoek op de TSLS-resultaten en de interpretatie ervan. Echter, door het gebruik van zeer zwakke instrumenten is gebleken dat de IV-schatters inconsistent waren. Daarmee is geen juiste interpretatie van de resultaten mogelijk geweest. Een mogelijke oplossing was de veronderstelling van een beperkte simultaniteit tussen de doodstraf en misdaad.

Een voorzichtige interpretatie van de OLS-resultaten leidt tot de conclusie dat het langetermijneffect van de doodstraf op misdaad ongeveer gelijk is aan -5.7 procent. Op kortetermijn is het significante effect gelijk aan -5.6 procent. Het categoriseren van de staten in regio’s leidt tot significante effecten van ongeveer gelijke grootte. Wanneer de steekproef tweedelig wordt gesplitst en geschat, worden deze waargenomen effecten insignificant.

Het gezamenlijk schatten van de korte- en langetermijneffecten heeft als gevolg insignificante schattingen, wat mogelijk wordt veroorzaakt door het optreden van

multicollineariteit tussen de variabelen en . Deze schattingen zijn ook waargenomen in de robuustheidsanalyse, met uitzondering van een enkele

coëfficiënt.

Wel is er zichtbaar aangetoond, ongeacht de insignificantie, dat vrijwel alle OLS-schattingen van de variabelen en een negatieve coëfficiënt

bevatten. Dit is in overeenstemming met de hypothese en de theorie dat de doodstraf een afschrikwekkend middel is tegen criminaliteit. Ook is dit waargenomen in de

robuustheidsanalyse.

De modellen (4), (5) en (6) zijn in zekere zin robuust tegen wijzigingen in de regressie, met uitzondering van de splitsing van de steekproef in twee perioden. Waar verondersteld was dat de zuidelijke regio van de VS een dominante rol speelt in het significante negatieve effect van de doodstraf op misdaad, bleek niet waar. De robuustheidsanalyse is slechts uitgevoerd met behulp van OLS, omdat er sprake was van inconsistente IV-schatters.

Een aanbeveling voor vervolgonderzoek is dan ook het introduceren en onderzoeken van nieuwe instrumenten, die sterk, relevant en valide zijn. Uit die analyse kan worden

opgemaakt of de resultaten inderdaad overeenkomen met de OLS-schattingen. Op dit moment kan er namelijk nog weinig gezegd worden over de exogeniteitsstatus van de variabele

. Alle OLS-resultaten dienen dan ook behoedzaam geïnterpreteerd te worden. Een tweede aanbeveling is het model uit te breiden met meerdere afschrikvariabelen. Dit zijn voornamelijk de kans op arrestatie en veroordeling, het aantal executies en het aantal omzettingen van executies naar levenslange straffen enzovoort. De uitbreiding met deze

(21)

variabelen schept een vollediger beeld, wat betreft de verklaring van het aantal moorden dat jaarlijks gepleegd wordt.

(22)

Bibliografie

Amnesty International (2012). U.S. death penalty facts.

(http://www.amnestyusa.org/our-work/issues/death-penalty/us-death-penalty-facts), 3 mei.

Amnesty International (2013A). Doodstraf.

(http://www.amnesty.nl/mensenrechten/themas/doodstraf), 3 mei.

Amnesty International (2013B). Maryland joins global trend against the death penalty. (http://www.amnestyusa.org/news/press-releases/maryland-joins-global-trend-against-the-death-penalty), 3 mei.

Bailey, W.C. (1978). Some further evidence on imprisonment vs. the death penalty as a deterrent to murder. Law and Human Behavior, 2 (3).

Bailey, W.C., Peterson, R.D. (1994). Murder, capital punishment and deterrence: A review of the evidence and an examination of police killings. Journal of Social Issues, 50 (2), 53-74.

Beccaria, C.B. (1963). An essay on crimes and punishments (vertaald door H. Paolucci). New York: Macmillan. (Oorspronkelijk gepubliceerd in 1764)

Corman, H., & Naci Mocan, H. (2000). A time-series analysis of crime and drug use in New York City. American Economic Review, 90 (4), 584–604.

Death Penalty Information Center (2013A). Number of executions by state and region (http://www.deathpenaltyinfo.org/number-executions-state-and-region-1976), 27 mei. Death Penalty Information Center (2013B). States with and without the death penalty

(http://www.deathpenaltyinfo.org/states-and-without-death-penalty), 1 mei.

Ehrlich, I. (1975). The deterrent effect of capital punishment: A question of life and death. The American Economic Review, 65 (3), 397-417.

Katz, L., Levitt, S.D. en Shustorovich, E. (2003). Prison conditions, capital punishment and deterrence. American Law and Economics Review, 5 (2), 318-343.

Lin, M. J. (2008). Does unemployment increase crime: Evidence from US data 1974-2000. The Journal of Human Resources, 43 (2), 413-436.

Marvell, T. B., & Moody, C. E. (1996). Speciﬁcation problems, police levels and crime rates. Criminology, 34 (4), 609–646.

Mocan, H. Naci, Gittings, R. Kaj (2003). Getting off death row: Commuted sentences and the deterrent effect of capital punishment. Journal of Law and Economics, 46, 453-487. Passell, P., Taylor, J.B. (1977). The deterrent effect of capital punishment: Another view. The

(23)

Stock, J.H., Wright, J.H., Yogo, M. (2002). A survey of weak instruments and weak identification in generalized method of moments. Journal of Business & Economic Statistics, 20 (4), 522.

Van den Haag, E., Conrad, J.P. (1983). The death penalty: A debate. New York: Plenum Press.

(24)

Bijlagen

Bijlage 1 De beschrijvende statistiek van alle opgenomen variabelen

Variabele Beschrijving Gemiddelde

Standaard- afwijking Log(Moord) De logaritme van het aantal moorden per

100.000 inwoners

1.7872 0.7088

Doodstraf Dummy-variabele (=1) als de doodstraf is ingevoerd in dat jaar

0.5933 0.4914

Moord(-1) Het aantal moorden per 100.000 inwoners in het jaar ervoor

7.7417 7.0803

Doodstraf(-1) Dummy-variabele (=1) als de doodstraf is in gevoerd in het jaar ervoor

0.0582 0.4923

Lokale politie Het aantal lokale politieagenten per 1000 inwoners

2.3530 0.9844

Staatspolitie Het aantal staatspolitieagenten per 1000 inwoners

0.3363 0.1923

Gedetineerden Het aantal gedetineerden per 1000 inwoners 2.1830 1.8995

Armoede Armoedecijfers in percentages 13.4847 4.4114

Werkloosheid Werkloosheidscijfers in percentages 6.0804 2.1041

Urbanisatie De urbanisatie in percentages 64.5840 22.5389

Afro-Amerikaans Het aantal Afro-Amerikanen in percentages 10.5987 12.1802

Inkomen Het inkomen per hoofd van de bevolking 19.9933 6.0301

Alcohol Alcoholconsumptie in gallons per jaar per hoofd van de bevolking (1 gallon=4.54 liter)

2.0184 0.6056

Leeftijd 15-17 Het aantal inwoners in de leeftijd 15-17 in percentages

4.9676 0.8458

11.6455 1.6741

15.5579 2.0885

13.3692 2.4457

10.7176 1.3986

8.7863 0.9546

Leeftijd 65+ Het aantal inwoners van 65 jaar en ouder in percentages

11.5419 2.3319

Educatie Staatsuitgaven aan educatie in dollars per hoofd van de bevolking

2538.50 3530.57

Gezondheid Staatsuitgaven aan de gezondheidssector in dollars per hoofd van de bevolking

618.95 975.44

(25)

Bijlage 2 Robuustheidsanalyse: een splitsing van de steekproef via TSLS Variabele _{Steekproef: 1972-1987} (1) (2) (3) Steekproef: 1988-2000 (4) (5) (6) Doodstraf -0.8914 (0.6687) -0.0715 (0.0499) .. 7.3474* (4.4175) -0.1243 (0.1113) .. Moord(-1) 0.0221** (0.0071) 0.0227** (0.0052) 0.0227** (0.0052) 0.0284** (0.0079) 0.0177** (0.0035) 0.0179** (0.0035) Doodstraf(-1) 0.4964 (0.4070) .. -0.0386 (0.0299) -5.9731* (4.0697) .. -0.1088 (0.0837) Controlevariabelen Ja Ja Ja Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Ja Ja Ja Observaties 816 816 816 651 651 651 R² 0.8973 0.9395 0.9393 0.6105 0.9361 0.9365

Bijlage 3 Robuustheidsanalyse: een splitsing van de VS in regio’s via TSLS

Variabele _{Zuidelijke regio}

(1) (2) (3) Overige regio’s (4) (5) (6) Doodstraf 0.1289 (0.3440) -0.1350 (0.0873) .. -0.8135 (0.5431) -0.1031** (0.0420) .. Moord(-1) 0.0415** (0.0045) 0.0420** (0.0046) 0.0417** (0.0045) 0.0252** (0.0035) 0.0269** (0.0034) 0.0272** (0.0034) Doodstraf(-1) -0.1088 (0.1345) .. -0.0608* (0.0331) 0.5372 (0.4129) .. -0.0735** (0.0311) Controlevariabelen Ja Ja Ja Ja Ja Ja Jaar- en staatseffecten Ja Ja Ja Ja Ja Ja Observaties 372 372 372 1095 1095 1095 R² 0.8910 0.8966 0.8975 0.8961 0.9156 0.9157