Tatverdächtigenraten von Deutschen und Ausländern

chart_tatverdaechtigenrate_d_a.r

library(ggplot2)
library(readr)
library(dplyr)
library(stringr)
library(scales)
library(ggrepel)

sf <- 2
width <- 600 * sf
height <- 335 * sf

options(vsc.dev.args = list(width = width, height = height, res = 72 * sf))

# Daten einlesen
df <- read_csv("https://gist.githubusercontent.com/USMortality/f86191938620d3c99075e2c664cf04af/raw/germany_tatverdaechtigenrate.csv")

# Plot erstellen
ggplot(df, aes(x = Jahr)) +
  geom_line(aes(y = `Ausländer insgesamt`, color = "Ausländer insgesamt"), size = 1) +
  geom_line(aes(y = `Ausländer ohne ausl. Wohnsitz`, color = "Ausländer ohne ausl. Wohnsitz"), size = 1) +
  geom_line(aes(y = Deutsche, color = "Deutsche"), size = 1) +
  labs(
    title = "Tatverdächtigenraten von Deutschen und Ausländern",
    x = "Jahr",
    y = "Tatverdächtigenrate",
    color = "Gruppe" # Ändert den Legendentitel
  ) +
  scale_color_manual(values = c(
    "Ausländer insgesamt" = "#00426c",
    "Ausländer ohne ausl. Wohnsitz" = "#0071b7",
    "Deutsche" = "#94c3e0"
  )) +
  scale_y_continuous(limits = c(0, 80)) +
  theme_minimal() +
  theme(legend.position = "top")

df |>
  mutate(multpl = `Ausländer insgesamt` / Deutsche) |>
  ggplot(aes(x = Jahr, y = multpl)) +
  geom_line(color = "red", size = 1.5) +
  geom_point(color = "red", size = 3) +
  scale_y_continuous(labels = percent_format(), limits = c(0, 4)) +
  labs(
    title = "Verhältnis der Tatverdächtigenraten: Ausländer vs. Deutsche",
    x = "Jahr",
    y = "Verhältnis"
  ) +
  theme_minimal()

df_pop <- read_delim(
  "https://apify.mortality.watch/destatis-genesis/12411-0001.csv.gz",
  delim = ";", skip = 7, n_max = 72
) |>
  setNames(c("year", "population")) |>
  mutate(year = as.integer(str_sub(year, -4)))

df_pop_non_citizen <- read_delim(
  "https://apify.mortality.watch/destatis-genesis/12521-0001.csv.gz",
  delim = ";", skip = 7, n_max = 57
) |>
  select(1, 4) |>
  setNames(c("year", "population_non_citizen")) |>
  mutate(year = as.integer(str_sub(year, -4)))

df_plot <- df_pop |>
  inner_join(df_pop_non_citizen, by = join_by(year)) |>
  mutate(non_citizen_ratio = population_non_citizen / population)

chart <- df_plot |>
  ggplot(aes(x = year, y = non_citizen_ratio)) +
  geom_line(color = "black", size = 1.5) +
  geom_text_repel(
    data = rbind(
      df_plot |> filter(year %% 10 == 0),
      df_plot |> filter(year == 2023)
    ),
    aes(label = scales::percent(non_citizen_ratio, accuracy = 0.1)),
    size = 5, color = "black", nudge_y = 0.02
  ) +
  scale_y_continuous(labels = percent_format(), limits = c(0, .2)) +
  labs(
    title = "Anteil der Nicht-Staatsbürger an der Gesamtbevölkerung",
    x = "Jahr",
    y = "Nicht-Staatsbürger Anteil"
  ) +
  theme_minimal()

ggplot2::ggsave(
  filename = "chart2.png", plot = chart, width = width, height = height,
  units = "px", dpi = 72 * sf, device = grDevices::png, type = c("cairo")
)

germany_tatverdaechtigenrate.csv

Geschätzt durch ChatGPT 4o Abb. 1: https://www.ifo.de/publikationen/2025/aufsatz-zeitschrift/steigert-migration-die-kriminalitaet-ein-datenbasierter-blick