Polisens lista över utsatta områden har blivit ett viktigt fenomen i den svenska samhällsdebatten. Listan uppdateras vartannat år utifrån en nationell inhämtning som polisens Nationella Operativa Avdelning (NOA) genomför, och väcker stor uppmärksamhet. Senaste uppdateringen kom i december 2021, och listan innefattar numera 61 områden. Flera kommuner har som politiskt mål att inte ha några utsatta områden, eller åtminstone att inte ha några särskilt utsatta områden (den mest allvarliga nivån av problem). Det gäller t ex Stockholm och Göteborg , men även regeringen har gjort uttalanden på temat, då på Sverigenivå.
Den metod som polisen använder för att bedöma om ett område ska vara utsatt eller ej är ganska komplicerad, och innefattar bedömningar av problem på lokalpolisområden följt av bedömningar av hur problemen beskrivs på NOA. Vem som gör bedömningen och hur situationen mer allmänt är i dess lokalpolisområde kan tänkas inverka på utfallet. Somliga har bättre koll på sitt område, och somliga kan vara bättre på att beskriva situationen. Det finns ett visst mått av subjektivitet i metoden, till skillnad från den strikt kvantitativa danska metoden som bara utgår från statistik. För att bättre förstå våra utsatta områden har jag tillsammans med Nicklas Guldåker på Lunds Universitet och Mia Puur som tidigare skrev masteruppsats på detta tema (och som nu ska doktorera hos Nicklas på ett nytt projekt) nu publicerat en studie om utsatta områden i Nordic Journal of Urban Studies.
I studien använder vi rutnätsdata från SCB över utländsk bakgrund, förvärvsfrekvens, åldersgrupper och hushållstyper samt data från polisen över anmälda brott i en rad olika kategorier plus skjutningsregistret. Totalt handlar det om 116 660 rutor som är 250x250 meter stora, och i analysen tar vi hänsyn till genomsnittet för angränsande rutor. Vi tar dessutom med vilken kommun rutan är i och hur många som bor i kommunen.
Vi ser sedan vad som skiljer de 1678 rutor som år 2019 låg i utsatta områden från andra rutor. Ett par av de viktigaste variablerna visar sig då vara befolkning - utsatta områden tenderar att vara i kommuner med hög befolkning, och rutor i utsatta områden har också hög befolkning. Utsatta områden framträder alltså där det finns stora koncentrationer av människor. Det är också höga andelar barn och ungdomar i de utsatta områdena, även om det har en mindre betydelse. Utländsk bakgrund är viktigt, utsatta områden kännetecknas av att ha en hög andel utlandsfödda och barn till utlandsfödda. Förvärvsfrekvens har mindre betydelse, liksom flertalet av de brottsvariabler vi inkluderar. Det är dock fler skjutningar och narkotikabrott i utsatta områden, och färre cykelstölder samt fall av våld mot tjänsteman. Det sistnämnda är helt klart förvånande eftersom utsatta områden ju är kända för att präglas av just våld mot tjänstemän såsom poliser och liknande. När vi lägger till valdeltagande i vår modell bortfaller dock det sambandet, liksom sambandet med kommunens befolkning, medan valdeltagandet i sig har en stark koppling till att vara utsatt område.
I nästa steg kollar vi om det verkar finnas skillnader mellan kommuner. Är det så att det i vissa kommuner verkar som att det skulle kunna finnas fler eller färre utsatta områden utifrån de indikatorer vi tittat på? Svaret verkar vara ja, där Huddinge är ett exempel på en kommun som rent statistiskt borde haft fler utsatta områden än kommunen redan hade jämfört med andra kommuner med utsatta områden. Det har också Huddinge nu, för i december 2021 lades Visätra till på polisens lista, vilket vi tar upp längst ner i detta inlägg.
I det sista steget tar vi sedan resultaten från våra statistiska modeller och skickar dom tillbaka in i statistikprogrammet. Baserat på våra analyser, vilka platser tycker datorn "borde" vara utsatta och hur förhåller det sig till de platser polisen betecknat som utsatta? Det visar sig då att vår modell byter ut 40% av de rutor polisen klassat som utsatta mot rutor som den tycker passar bättre. På kartan nedan visas Göteborg, med svarta rutor det som modellen klassar som utsatt. Desto ljusare färger desto mindre utsatt. Modellen tycker att Backa kanske inte borde vara ett utsatt område - eller kanske ett mindre område i alla fall - eftersom det mesta i Backa är grått snarare än svart. Däremot tycker modellen att Kortedala och Angered centrum (ytor med svart uppe i nordöstra Göteborg) borde vara utsatta områden. Det här är absolut inget facit - polisen vet massor av saker som vår dumma statistiska modell inte vet. Men det är ett annat sätt att se på frågan.
