den-dynamiske-rettsstaten/paper/part3.tex

% =================================================================
\section{Slik brukes modellen i praksis}\label{sec:bruk}
% =================================================================

Prinsippet i \cref{def:konsept} --- at innsatsen løpende skal stå i forhold til
hvor mye, og hvor alvorlig, lovene faktisk brytes --- kan ikke gjennomføres
uten et apparat som måler bruddene, beregner en avdempet respons og viser hva
responsen betyr for resten av kjeden. Modellen er en skisse til dette
apparatet. Avsnittet beskriver hvordan den er tenkt brukt når den er kalibrert
og validert, ikke et ferdig verktøy (\cref{sec:diskusjon}). Den er ment
som \emph{beslutningsstøtte}, ikke som autopilot: den skal gjøre
konsekvensene av valg synlige, tallfeste avveininger og avdekke dynamiske feller,
mens avgjørelsene fortsatt tas av ansvarlige politikere og ledere. Naturlige
brukere er Politidirektoratet og politidistriktene (prioritering og
ressursfordeling), Justis- og beredskapsdepartementet (budsjett og
styringsdialog) og Stortinget (vurdering av satsinger og kutt). Dette avsnittet
beskriver hva modellen kan brukes til, hvordan den settes i drift, og
hvordan metoden i \cref{sec:metode} blir en arbeidsform for aktørene i
kjeden.

\subsection{Fire bruksområder}
Modellen kan brukes på fire måter, med økende krav til data og kalibrering.
\Cref{tab:bruk} oppsummerer hvilke spørsmål hver av dem besvarer, og hva
beslutningstakeren får.

\begin{table}[!tb]
\centering\small
\caption{Bruksområder, spørsmål modellen besvarer, og hva den leverer.}
\label{tab:bruk}
\begin{tabularx}{\linewidth}{@{}P{3.5cm} L L@{}}
\toprule
Bruksområde & Spørsmål & Leveranse \\
\midrule
\textbf{1.\ Diagnose} & Er dagens styringspraksis stabil, eller skaper den
  pendelsvingninger? Hvor i straffesakskjeden ligger flaskehalsen? & Estimert
  implisitt reaktivitet $\hat k_p$, forsinkelse $\hat\tau$,
  stabilitetsmargin $\tau_c-\tau$ (\cref{prop:stabilitet}); utnyttelsesgrad
  $\upsilon_k$ og køtid $\tau_k^{\text{kø}}$ per ledd (\cref{sec:kjede}). \\
\textbf{2.\ Scenarioanalyse} & Hva skjer med kriminalitet, trygghet, tillit og
  restanser ved et konjunkturfall, et budsjettkutt, en opptrapping av
  politiinnsatsen eller en endring i domstolskapasiteten? & Prognosebaner med
  usikkerhetsbånd for $N_i$, $U$, $\Lambda$, $Q_{\mathrm{D}}$ og
  $\tau_{\mathrm{D}}^{\text{kø}}$ under alternative forløp av $\vE$, $\Bud$,
  $\xi_{\mathrm{D}}$ og $Z_{\mathrm{D}}$ (\cref{sec:simkjede}). \\
\textbf{3.\ Beslutningsstøtte} & Hvordan bør innsatsen fordeles mellom kategorier
  og over tid innenfor budsjett og rettsstatlige grenser, og hvilken type tiltak
  svarer til den skranken som binder? & Anbefalt tiltaksplan fra metoden
  (\cref{alg:metode}) med MPC for innsatsen, skyggepriser, varsel om forskyvning
  og tillitsrisiko. \\
\textbf{4.\ Evaluering} & Virket tiltaket, eller skyldtes endringen makroforhold
  eller registreringspraksis? & Dekomponering av observert endring i
  makrobidrag, tiltaksbidrag og målebidrag (\cref{eq:Omega,eq:maling}). \\
\bottomrule
\end{tabularx}
\end{table}

\subsection{Trinn for trinn}\label{sec:trinn}
\begin{enumerate}[leftmargin=*,label=\textbf{Trinn \arabic*.},ref=\arabic*,itemsep=4pt]
\item \label{tr:avgrens}\textbf{Avgrens styringsnivået.} Velg nivå (nasjonalt eller
  politidistrikt), tidsenhet (måned er et godt utgangspunkt) og et lite antall
  lovbruddskategorier, typisk $n=4$--$8$, for eksempel vold, vinning, seksuallovbrudd,
  narkotika, økonomisk kriminalitet og trafikk. Skill mellom offerbaserte og
  kontrollavhengige kategorier, fordi de har ulik måleligning~\eqref{eq:maling}.

\item \label{tr:vekter}\textbf{Fastsett de normative vektene.} Alvorlighetsvektene
  $A_i$ kan utledes av strafferammene, for eksempel som normalisert
  maksimumsstraff. Skadekostnadene $S_i$ kan bygge på samfunnsøkonomiske
  kostnadsanslag per lovbrudd. Start med $\theta=1$ og vis følsomheten for
  $\theta=1{,}5$. Vektene $A_i$, $S_i$, $\theta$ og $\omega$ er politiske valg og
  skal dokumenteres åpent.

\item \label{tr:data}\textbf{Bygg datagrunnlaget.} \Cref{tab:data} viser aktuelle
  kilder. Datasett med ulik frekvens (måned, kvartal, år) kobles i en felles
  tilstandsrommodell. Ta med innstrømning, restanse og saksbehandlingstid for
  hvert ledd i straffesakskjeden, slik at $\upsilon_k$ og $\tau_k^{\text{kø}}$
  i~\eqref{eq:ko} kan beregnes.

\item \label{tr:tilstand}\textbf{Estimer tilstanden.} Rå registerdata er ikke et mål
  på $N_i$. Bruk et Kalman-filter eller en bayesiansk tilstandsrommodell
  \citep{kalman1960} som kombinerer registrerte lovbrudd, offerundersøkelser
  (som anslår registreringsgraden $r_i$) og innbyggerundersøkelser. Resultatet er
  løpende estimater $\hat N_i(t)$, $\hat U(t)$, $\hat\Lambda(t)$ med usikkerhet.
  Gjør identifikasjonsantakelsene fra \cref{sec:maling} eksplisitte: modeller
  $\log r_i$ som en langsom tilfeldig gang eller strukturelt som
  $r_i(\hat\Lambda,T_i)$, bruk offerundersøkelsene som forsinkede
  ankerpunkter, og ta med uavhengige indikatorer der de finnes. Rapporter
  usikkerheten i $\hat N_i$ sammen med estimatet, og la filterets
  tidskonstant inngå i $\tau_{\mathrm{info}}$ når stabilitetsmarginen
  beregnes i \cref{tr:bruk}: jo svakere observerbarheten er, desto mer må
  registerstøyen glattes, og desto lavere reaktivitet tåler sløyfen.

\item \label{tr:kalibrer}\textbf{Kalibrer parameterne.} Den største metodiske
  utfordringen er at politiinnsatsen selv svarer på kriminaliteten. En naiv
  regresjon av kriminalitet på innsats gir derfor skjeve anslag på $\gamma_i$
  \citep{levitt1997}; også instrumentbaserte anslag er sårbare, jf.\
  \citet{mccrary2002}. Effektparametere bør hentes fra kvasieksperimenter og
  randomiserte forsøk, for eksempel med \emph{hot spots}-patruljering
  \citep{sherman1995,braga2019}. Forskyvningsmatrisen $\Sigma$ kan anslås fra
  studier med kontrollområder \citep{guerette2009}. Makrokoeffisientene $\beta_k$
  estimeres i paneldata over distrikter med etterslep, og tillitsparameterne
  ($\kappa_\Lambda$, $\mu_1$--$\mu_3$) fra gjentatte undersøkelser. Bayesiansk
  estimering med forhåndsfordelinger fra litteraturen gir et realistisk bilde av
  usikkerheten.

\item \label{tr:valider}\textbf{Valider.} Estimer modellen på en tidlig periode og
  test prognosene på en senere periode som ikke er brukt i estimeringen. Sjekk om
  modellen gjenskaper historiske sykluser i innsats og kriminalitet. Gjennomfør
  følsomhetsanalyser for de normative vektene og de mest usikre parameterne.

\item \label{tr:bruk}\textbf{Ta modellen i bruk} for diagnose, scenarioer,
  beslutningsstøtte og evaluering (\cref{tab:bruk}). En enkel stabilitetsdiagnose
  (\cref{sec:regneeks}) og en flaskehalsdiagnose (\cref{sec:kjedebruk}) kan
  gjøres allerede etter \cref{tr:data}. Den fulle beslutningssyklusen
  (\cref{alg:metode}) krever at \cref{tr:tilstand,tr:kalibrer,tr:valider} er gjennomført.
\end{enumerate}

\subsection{Regneeksempel: stabilitetsdiagnose}\label{sec:regneeks}

\noindent
\begin{praksisboks}[Eksempel: Er budsjettsyklusen en kilde til svingninger?]
\small
Tallene er tenkte og viser framgangsmåten; de er ikke estimater for Norge, og
reaktiviteten i trinn~2 er trolig langt høyere enn i noen faktisk
budsjettprosess (\cref{sec:regimer}). Kriminalitet og innsats
måles i andeler av referansenivået, slik at $\bar K=\bar T=1$ (jf.\
\cref{tab:param}).

\smallskip
\textbf{1. Mål forsinkelsen.} Anta at statistikken foreligger etter 3 måneder, at
omprioritering skjer i den årlige budsjettprosessen (i gjennomsnitt 6 måneder
etter at tallene foreligger), og at iverksetting tar 2 måneder:
$\tau=3+6+2=11$ måneder.

\smallskip
\textbf{2. Estimer den implisitte reaktiviteten.} Anta at en regresjon av
innsatsendringer på tidligere avvik fra målnivået viser at et avvik på
10~prosent over målet har gitt om lag 30~prosent mer innsats, altså
$\hat k_p\approx 0{,}30/0{,}10=3$.

\smallskip
\textbf{3. Beregn $a$ og $b$.} Med fjerningsrate
$c\bar T=\gamma\bar\Lambda^{\eta}\bar T=0{,}10$ per måned og naturlig avgang
$\delta=0{,}02$ gir~\eqref{eq:ab} $a=0{,}10+0{,}02=0{,}12$ og
$b=c\bar K\hat k_p=0{,}10\cdot 3=0{,}30$.

\smallskip
\textbf{4. Sammenlign med stabilitetsgrensen.} Siden $b>a$, gir~\eqref{eq:tauc}
\[
  \tau_c=\frac{\arccos(-0{,}4)}{\sqrt{0{,}30^2-0{,}12^2}}
  =\frac{1{,}98}{0{,}275}\approx 7{,}2\ \text{måneder}\;<\;\tau=11 .
\]
\emph{Diagnose:} med disse forutsetningene er sløyfen ustabil. Ved
stabilitetsgrensen er svingeperioden $2\pi/\sqrt{b^2-a^2}\approx 23$ måneder,
altså om lag to år, det vil si et mønster der satsinger og kutt ville avløse
hverandre over budsjettårene.

\smallskip
\textbf{5. Vurder tiltak.}
(a)~\emph{Dempe reaksjonen:} Ved $\tau=11$ er største stabile reaktivitet
$k_p\approx 2{,}3$; den konservative regelen~\eqref{eq:tommel} gir $k_p<1{,}4$.
I praksis: la et avvik på 10~prosent utløse høyst 14--23~prosent endring i
innsatsen, ikke 30.
(b)~\emph{Korte ned forsinkelsen:} Månedlig statistikk ($\tau_{\mathrm{info}}=1$)
og fullmakt til omprioritering i løpet av året ($\tau_{\mathrm{pol}}=2$) gir
$\tau=1+2+2=5<7{,}2$, slik at dagens $k_p=3$ blir stabil.
(c)~\emph{Styre modellbasert:} MPC predikerer virkningen av vedtatte tiltak og
fjerner hovedårsaken til overreaksjon (\cref{fig:sim}, regime~D).
\end{praksisboks}

\begin{table}[!t]
\centering\small
\caption{Datagrunnlag og estimeringsmetode for modellens størrelser (norske forhold).}
\label{tab:data}
\begin{tabularx}{\linewidth}{@{}P{2.4cm} L P{1.7cm} L@{}}
\toprule
Størrelse & Kilde & Frekvens & Bruk / metode \\
\midrule
$N_i^{\mathrm{obs}}$ & Politiets straffesaksregister; SSBs kriminalstatistikk & måned & observasjoner i~\eqref{eq:maling} \\
$r_i$ & Nasjonal trygghetsundersøkelse (offerundersøkelse) \citep{lovgren2023} & årlig & anslag på mørketall per kategori \\
$U,\ \Lambda$ & Politiets innbyggerundersøkelse \citep{pod2024} & årlig, distrikt & målinger i tilstandsrommodellen \\
$u,\ \varphi$ & SSB/NAV (ledighet), SSB (KPI) & måned & $\vE$ i~\eqref{eq:Omega} \\
$G$ & SSBs inntektsstatistikk & årlig & $\vE$ i~\eqref{eq:Omega} \\
$\Ygap$ & Norges Banks anslag på produksjonsgapet & kvartal & $\vE$ i~\eqref{eq:Omega} \\
$T_i,\ w_i,\ \Bud$ & Ressursregnskap, tidsregistrering, statsbudsjettet & måned/år & innsats, enhetskostnader, budsjettskranke \\
$\tau_{\mathrm{info}},\tau_{\mathrm{pol}},\tau_{\mathrm{oper}}$ & Tidsstempler i saksbehandling; budsjettkalender & løpende & forsinkelsen $\tau$ i~\eqref{eq:tau} \\
$J_k,\ Z_k,\ Q_k$ & Politiets og påtalemyndighetens saksbehandlingsstatistikk; Domstoladministrasjonens statistikk over restanser og saksbehandlingstid per instans; kriminalomsorgens soningskø & måned, kvartal & kapasitetsskranker i~\eqref{eq:skranker2}; flaskehalsdiagnose (\cref{tab:toc}) \\
$T_i^{\mathrm{lov}},\ \cD$ & Gjeldende lov og forskrift; forsøkshjemler med utløpsdato & ved lovendring & lovbestemte grenser og domene i~\eqref{eq:Tlov} \\
$\gamma_i,\ \Sigma$ & Kvasieksperimenter, randomiserte forsøk, meta-analyser & --- & forhåndsfordelinger \\
\bottomrule
\end{tabularx}
\end{table}

\subsection{Beslutningssyklusen: metoden som algoritme}

\Cref{alg:metode} gjør metoden i \cref{sec:metode} operativ som en fast
beslutningssyklus. Syklusen kjøres i hvert lag av \cref{fig:lag} i lagets
takt: månedlig eller kvartalsvis for innsats og reaksjonsform, årlig for
kapasitet og kvalitet, og ved lovrevisjoner for handlingsrommet. Trinnene er
de samme i alle lag; det som skiller dem, er hvilke komponenter
av~\eqref{eq:tiltak} som kan endres, og med hvilken ledetid. MPC~\eqref{eq:mpc}
er trinn~(e) for innsatsen; for reaksjonsform og kapasitet kan reglene i
\cref{sec:endogen} brukes, så lenge de bygger på samme skrankebilde og
prognose.

\begin{algorithm}[!htb]
\small
\caption{Beslutningssyklus etter metoden (\cref{sec:metode}) for ett lag i \cref{fig:lag}}\label{alg:metode}
\KwIn{kalibrert modell $f$ med estimerte parametere; skranker~\eqref{eq:skranker} og~\eqref{eq:skranker2};
  horisont $H$; vekter i målfunksjonen~\eqref{eq:J}; makroscenarier; lagets tiltakskomponenter i $\bm v$ og deres ledetider}
\KwOut{anbefalte tiltak, prognoser og beslutningsgrunnlag for hver periode}
\ForEach{beslutningsperiode $t$ i lagets takt}{
  \textbf{(a) Observer og estimer:} hent $\mathcal O(t)$ (registrerte lovbrudd, undersøkelser, restanse og
  saksbehandlingstid per ledd, utnyttelse, ressursbruk, makroindikatorer); oppdater
  $\hat\vx(t)$ med Kalman-filter, korrigert for $r_i(\Lambda,T_i)$, med usikkerhet\;
  \textbf{(b) Sammenlign med målene:} alvorlighetsvektede avvik per kategori, trygghet, tillit og
  saksbehandlingstid mot $K^*$, $U^*$, $\Lambda_{\mathrm{krit}}$, $\tau_k^{\mathrm{ref}}$\;
  \textbf{(c) Identifiser skranken:} beregn $\upsilon_k$, restansevekst og skyggepriser på kapasitets-,
  budsjett-, tillits- og lovskranker; pek ut den som binder\;
  \textbf{(d) Velg type tiltak} etter skranken: innsats og organisering, utnytte, underordne ($\xi$), utvide ($Z$),
  kvalitet ($q$), eller signal til lovgiver ($T^{\mathrm{lov}}$)\;
  \textbf{(e) Dimensjoner:} prediker tilstanden fram til nye tiltak kan virke, gitt allerede vedtatte tiltak
  i alle lag\;
  \ForEach{makroscenario $\hat\vE^{(s)}$ (basis, nedside, oppside)}{
    løs~\eqref{eq:mpc} for innsatsen og kapasitetsbalansen~\eqref{eq:regelkoord} for reaksjonsform og kapasitet,
    med prognosen for den gjenopprettede likevekten, ikke dagens strøm\;
    \If{problemet er uten tillatt løsning}{
      løs COP med slakk på myke skranker; rapporter hvilke mål som må vike, og hvor mye\;
    }
  }
  kontroller at reaksjonen ligger innenfor stabilitetsgrensen for laget (\cref{prop:stabilitet,kor:tommel}),
  og at den er tidlig nok der vippepunkter er plausible\;
  \textbf{(f) Kontroller rettsstatlige skranker:} $T_i^{\mathrm{grl}}$, $T_i^{\mathrm{lov}}$, likhet for loven,
  forholdsmessighet, rimelig tid\;
  presenter beslutningsgrunnlaget: anbefalte tiltak, prognoser med usikkerhet, stabilitetsmargin,
  skyggepriser, tillits- og forskyvningsrisiko\;
  \textbf{Menneskelig beslutning:} ansvarlig myndighet vedtar tiltak; avvik fra anbefalingen begrunnes\;
  \textbf{(g) Iverksett og evaluer:} iverksett første periode; logg prognosefeil; re-estimer parameterne
  periodisk; gjenta fra (a) når skranken har flyttet seg\;
}
\end{algorithm}

\subsection{Diagnose av straffesakskjeden og lov- og prosessendringer}\label{sec:kjedebruk}
Flaskehalsanalysen i \cref{sec:kjede,sec:toc} kan gjennomføres uavhengig av
resten av modellen, fordi den bare krever data som allerede registreres:
innstrømning, restanse og saksbehandlingstid for hvert ledd. Utnyttelsesgraden
$\upsilon_k$ og køtiden $\tau_k^{\text{kø}}$ fra~\eqref{eq:ko} beregnes per
ledd og per sakstype, og leddet med høyest utnyttelse og raskest voksende restanse
identifiseres som skranken. Når kjedeskrankene er lagt inn i
optimeringen~\eqref{eq:skranker2}, gir skyggeprisene det samme svaret i
verdienheter. Tiltakene som følger, hører hjemme hos ulike aktører, og det er et
poeng i seg selv at modellen gjør arbeidsdelingen synlig:
\begin{itemize}[leftmargin=*,itemsep=1pt]
  \item \emph{Politiet og påtalemyndigheten} styrer takten inn i flaskehalsen
    (underordning): prioritering etter alvorlighet, ferdig forberedte saker og
    bruk av forenklede reaksjoner der loven åpner for det.
  \item \emph{Domstolene og Domstoladministrasjonen} utnytter og utvider
    kapasiteten: beramming, færre utsettelser, digital saksavvikling og
    dimensjonering av dommerressurser.
  \item \emph{Justis- og beredskapsdepartementet og Stortinget} forvalter
    regelskrankene: prosessuelle lovendringer, forsøkshjemler og
    solnedgangsklausuler (\cref{sec:lov}), og fastsetter de lovbestemte grensene
    $T_i^{\mathrm{lov}}$ innenfor de konstitusjonelle.
\end{itemize}
Arbeidsdelingen svarer til sløyfene i \cref{fig:lag}. Metoden krever ikke
at én instans fatter alle vedtak, men at sløyfene deler ett bilde av hvilken
skranke som binder, og at hver dimensjonerer med de andres tiltak og med
prognosen for den gjenopprettede likevekten; \cref{sec:endogen} viser at
det er denne delingen, ikke reglenes forsiktighet, som hindrer
overutbygging og svingninger i kapasitet og reaksjonsform.
Modellens bidrag er å vise \emph{hvor} i kjeden en endring gir størst virkning,
og å skille mellom tiltak som krever penger, tiltak som krever organisering, og
tiltak som krever lovendring. Med domstolskøen koblet til dynamikken
(\cref{sec:kjededyn}) kan tiltakene dessuten vurderes i sammenheng med styringen
av politiinnsatsen: hva en planlagt opptrapping betyr for restanse,
saksbehandlingstid, frafall og tillit, hvor stor andel av sakene som må ledes
til forenklede reaksjoner for at køen skal holdes stabil, og hvor stor og hvor
rask en kapasitetsutvidelse må være for at restansen skal avvikles
(\cref{sec:simkjede}). Rekkefølgen har betydning: underordning virker raskt,
men stabiliserer ikke kjeden alene; utvidelse gjenoppretter balansen, men først
når kapasiteten er på plass; og å begrense politiinnsatsen til det domstolen
kan ta unna, gir det dårligste utfallet for kriminaliteten.

\subsection{Hva beslutningstakeren får}
I tillegg til en anbefalt fordeling av innsatsen gir modellen fem typer
innsikt som sjelden er tilgjengelige i dag: \emph{stabilitetsmarginen},
hvor nær dagens praksis er grensen for pendelsvingninger, om det er
reaksjonsstyrken eller forsinkelsen som bør endres, og der selvforsterkende
mekanismer er plausible, avstanden til et mulig vippepunkt
(\cref{sec:vippe}); \emph{skyggeprisen på budsjettet},
$-\partial\cJ^{*}/\partial\Bud$, som direkte innspill til
budsjettforhandlinger; \emph{prisen på rettsstaten}, hvor mye høyere
kriminalitet eller utrygghet de konstitusjonelle skrankene innebærer i en
gitt situasjon, et tall som gjør avveiningen synlig uten å være et argument
for å flytte skrankene (\cref{sec:csp}); \emph{flaskehals og skyggepris per
ledd}, $-\partial\cJ^{*}/\partial Z_k$, verdien av det lovbestemte
handlingsrommet (\cref{sec:kapskranke}) og prognoser for restanse og
saksbehandlingstid ved planlagt innsats, som skiller tiltak som krever
bevilgning, fra tiltak som krever lovendring; og \emph{risikoen for
forskyvning og tillitstap}, hvilke kategorier som vil øke når innsatsen
flyttes, og når planlagt innsats nærmer seg grensen for det som oppleves som
forholdsmessig, $\Tprop$.

\subsection{Skranker for forsvarlig bruk}

\begin{praksisboks}[Sjekkliste for forsvarlig bruk]
\small
\begin{itemize}[leftmargin=*,itemsep=1pt]
  \item[$\square$] \textbf{Aggregert nivå:} modellen brukes på kategorier og områder,
    aldri til å forutsi enkeltpersoners atferd. EUs KI-forordning
    \citep{eu2024ai} forbyr risikovurderinger av enkeltpersoner for å forutsi
    lovbrudd når de bare bygger på profilering (artikkel~5), og klassifiserer
    annen bruk i rettshåndhevelse som høyrisiko. Forordningen er per november 2026 ikke
    gjennomført i norsk rett; personopplysningsloven og politiregisterloven
    gjelder uansett.
  \item[$\square$] \textbf{Menneskelig beslutning:} modellen anbefaler; ansvarlige
    myndigheter beslutter og begrunner eventuelle avvik.
  \item[$\square$] \textbf{Åpenhet:} vekter ($A_i$, $S_i$, $\theta$, $\omega$),
    kostnadsfunksjoner, parametere og antakelser dokumenteres og kan etterprøves.
  \item[$\square$] \textbf{Låste rettsstatsskranker:} $T_i^{\max}$ og
    menneskerettighetene er absolutte i optimeringen og kan ikke byttes mot
    måloppnåelse.
  \item[$\square$] \textbf{Kontroll av tilbakekobling:} for kontrollavhengige lovbrudd
    vurderes jevnlig om økt registrering skyldes økt innsats og ikke økt
    kriminalitet \citep{ensign2018}.
  \item[$\square$] \textbf{Flere indikatorer:} registrerte tall skal ikke bli mål i
    seg selv \citep{campbell1979}. Offer- og innbyggerundersøkelser brukes
    som korrektiv.
  \item[$\square$] \textbf{Usikkerhet og robusthet:} anbefalinger skal tåle
    rimelige feil i parameterne. Når usikkerheten er stor, bør man velge den
    robuste løsningen framfor det beregnede optimum.
  \item[$\square$] \textbf{Personvern:} bare aggregerte og anonymiserte data
    brukes.
\end{itemize}
\end{praksisboks}

\subsection{Kom i gang}
Fullskala MPC er ikke nødvendig for å få nytte av modellen. Et realistisk
første prosjekt er en \emph{stabilitetsdiagnose} for ett politidistrikt med
tre til fire kategorier; den krever bare historiske serier for innsats og
registrert kriminalitet, et anslag på forsinkelsen og et anslag på
effektparameteren fra litteraturen, og simuleringskoden bak
\cref{fig:sim,fig:stab,fig:kjedesim,fig:endogen} kan brukes som
utgangspunkt. Neste steg er scenarioanalyse med makrodrivere; først når
modellen predikerer godt utenfor estimeringsperioden, bør den brukes som
løpende beslutningsstøtte. Tre tiltak kan iverksettes uavhengig av modellen:
korte ned forsinkelsen (hyppigere statistikk, fullmakt til omprioritering
innenfor budsjettåret) og dempe reaksjonen på enkeltårs utslag, som begge
følger av \cref{prop:stabilitet} alene, og en flaskehalsdiagnose av
straffesakskjeden (\cref{sec:kjedebruk}), som bare krever restanse- og
saksbehandlingsstatistikk som allerede finnes, og avdekker om økt
politiinnsats i dag omsettes i reaksjoner eller i kø. Den koblede
simuleringen bør i første omgang brukes til å rangere tiltak, ikke til å
tallfeste nivåer.

% =================================================================
\section{Diskusjon og begrensninger}\label{sec:diskusjon}
% =================================================================

\paragraph{Strukturell stabilitet}
Lovbrytere tilpasser seg ny politikk, og parametere som er estimert under ett
regime, gjelder ikke nødvendigvis under et annet \citep{lucas1976}. Dette taler for
jevnlig re-estimering, robuste styringsregler og forsiktighet med store
politikkskift som bare begrunnes med modellen.

\paragraph{Målstyring og indikatorpress}
Når en indikator brukes til styring, øker presset på den, og den kan miste
informasjonsverdien sin \citep{campbell1979}. Måleligningen~\eqref{eq:maling} og
bruken av flere uavhengige datakilder er modellens svar på dette, men løser ikke
problemet fullt ut. Observerbarheten er den dypere begrensningen
(\cref{sec:maling}): registertall alene kan ikke skille faktisk kriminalitet
fra registreringstilbøyelighet, og mellom offerundersøkelsene hviler
estimatet på antakelser om hvor langsomt $r_i$ endrer seg. Antakelsene kan
gjøres eksplisitte og testes, men ikke unngås, og usikkerheten de gir, bør
møtes med lavere reaktivitet og med at raske omprioriteringer bygger på de
kategoriene der registreringsgraden er best kjent.

\paragraph{Forenklinger}
Modellen er aggregert og ser bort fra romlig struktur, heterogenitet i
befolkningen og fordelingsvirkninger. To politikkløp med samme $\cJ$ kan
fordele byrdene svært ulikt mellom områder og grupper; totypemodellen i
\cref{sec:robust} viser at også kapasitetstapet i domstolene har en
fordelingsside, der prioritering verner de alvorlige sakene på de øvriges
bekostning. Hensynet til likebehandling kan legges inn som ekstra skranker,
for eksempel grenser for hvor mye innsatsen per innbygger kan variere mellom
områder. Nettverk mellom lovbrytere er bare representert gjennom det
aggregerte rekrutteringsleddet i \cref{sec:vippe}, som viser at
selvforsterkende mekanismer kan gi vippepunkter, men ikke hvor de ligger;
det krever en eksplisitt nettverks- eller markedsmodell og empirisk
identifikasjon av terskelen. Politiets kapasitet er modellert med én
metningsparameter, uten den sakstype- og distriktsvise strukturen som
avgjør hvor presset faktisk oppstår. Funksjonsformene for $p_i$,
$\Pi_i$, $\Lambda$, $F$ og $\mathcal H$ er valgt for å være enkle og
tolkbare. De må testes empirisk.

\paragraph{Beslutningsreglene}
Reglene i \cref{sec:endogen} er stiliserte representasjoner av hvordan
påtale- og budsjettmyndighet kan svare på det de observerer, ikke
beskrivelser av dagens praksis. Nivåene i \cref{tab:endogen} avhenger av
terskler, forsterkninger, dødsoner og ledetider; det som er robust, er
mekanismene: at innstrømningen til en overbelastet domstol er et oppblåst
signal, at to aktører som svarer fullt ut på samme signal
overdimensjonerer, og at et felles skrankebilde med prognose fjerner begge
deler. Den koordinerte regelen forutsetter at
prognosen for den gjenopprettede likevekten er omtrent riktig; med en
feilspesifisert intern modell arver den svakheten til MPC i
\cref{sec:simkjede}. Andelen saker som kan avgjøres forenklet, er i
praksis bestemt av sakenes art og av hjemlene i straffeprosessloven, og er
et rettspolitisk valg, ikke en styringsparameter. Kvalitetssløyfen bygger
på årlige målinger og virker derfor på nivået, ikke på raske fall.
Lovgivers sløyfe er ikke simulert; den inngår i metoden som et handlingsrom
gitt på forhånd (\cref{sec:lov}).

\paragraph{Normative valg}
Vektene i $\Kobj$ og $\Kt$, kostnadsfunksjonene og nivåene $K^*$, $U^*$ og
$\Lambda_{\mathrm{krit}}$ er verdivalg, ikke tekniske størrelser. Modellens fremste
styrke er at slike valg blir eksplisitte og etterprøvbare.

\paragraph{Dynamikk og forutberegnelighet}
Kravet om et lovbestemt handlingsrom (\cref{sec:lov}) står i et reelt spenningsforhold
til rettsstatens krav om forutberegnelighet, likebehandling og vern mot
tilbakevirkning. Spenningen løses ikke ved å velge det ene framfor det andre,
men ved å plassere dynamikken riktig: i prioritering, organisering,
prosessformer og reaksjonsformer, som kan justeres innenfor rammelover og
forsøkshjemler, og ikke i straffebudene og strafferammene, som må være kjent på
forhånd. Også innenfor dette rommet har dynamikken en pris. Hyppige endringer i
prosessregler øker opplæringsbehovet, svekker rettspraksisens veiledende verdi
og kan i seg selv bli en kilde til feil. Forsøksordninger reiser dessuten
spørsmål om likebehandling mellom dem som omfattes, og dem som ikke gjør det.
Kjedemodellen i \cref{sec:kjede,sec:kjededyn} er på sin side en
forenkling: grunnmodellen har én kø uten prioritering, mens domstolene
prioriterer blant annet varetektssaker og saker med unge lovbrytere, og
totypemodellen i \cref{sec:robust} viser at dette betyr mye for hvem som
rammes, men ikke for rangeringen av tiltakene. Ikke modellert er at
sakstyper har ulik behandlingstid, at ledd deler ressurser, og at
ankeadgangen gir tilbakeløp. Parameterne $\vartheta$, $\chi_{\mathrm{D}}$,
$\mu_4$ og $\vartheta_{\mathrm{A}},\vartheta_{\mathrm{B}}$ er stiliserte;
rangeringen av tiltakene er robust, men nivåene er det ikke. Frafallet
$\varsigma_{\mathrm{D}}$ begrenser køen, men skjuler at henleggelse og
foreldelse er beslutninger med egne rettssikkerhetsmessige kostnader, som
med prioritering konsentreres i de sakene som prioriteres ned.

\paragraph{Empirisk forankring}
Modellen er ikke kalibrert eller validert, og tre av premissene er ikke
påvist. Det er ikke dokumentert at norsk rettshåndhevelse pendler mellom over-
og underhåndhevelse; med realistisk reaktivitet kan sløyfen ligge trygt i det
stabile området (\cref{sec:regimer}). Det er ikke dokumentert at domstolen er
kjedens bindende ledd; dagens tall peker andre steder
(\cref{sec:innledning}), og etterforskning, påtale og straffegjennomføring
har verken kø, frafall eller kapasitet i simuleringene. Og måleproblemet, som
er den første forutsetningen, er ikke prøvd: alle simuleringene antar et
feilfritt estimat, og resultatene er enkeltbaner uten parameterusikkerhet.
Kriminalitetsmålet blander dessuten en bestand av pågående virksomhet med
strømmer av registrerte lovbrudd (\cref{sec:dekomp}), og de ytre driverne er
makrovariabler, mens utviklingen i norske tall i stor grad forklares av
praksis- og regelendringer, anmeldelsesmønstre og nye kriminalitetsformer.

\paragraph{Institusjonelle rammer}
Metoden forutsetter samordning mellom aktører som ikke kan instruere
hverandre. Påtalemyndigheten er uavhengig i den enkelte sak, domstolene og
dommerne er uavhengige, og leddene i kjeden har hver sine bevilgninger under
ettårsprinsippet. Artikkelen beskriver ikke hvem som kan beslutte hva, med
hvilken hjemmel, eller hvordan sløyfene i \cref{fig:lag} passer inn i
budsjettåret, tildelingsbrevene og den ordinære etatsstyringen. Modellens
størrelser er normaliserte og er ikke oversatt til årsverk, saker eller
kroner, og innsatsen behandles som fritt flyttbar, noe den ikke er. Prinsippet
har også en insentivside som ikke er behandlet: en regel som gir mer ressurser
der tallene er dårligst, krever måling som er uavhengig av dem som får
ressursene. Forebygging er ikke en beslutningsvariabel, slik at modellen bare
kan anbefale tiltak i straffesakskjeden, også der det mest virkningsfulle
tiltaket ligger utenfor den.

\paragraph{Samfunnsøkonomi}
Målfunksjonen~\eqref{eq:J} er stilt opp, men ikke brukt. Ingen kostnader eller
gevinster er tallfestet, regimene er ikke sammenlignet på samfunnstap, og
skyggeprisene er ikke beregnet. Gevinstene modellen peker på --- mindre
stopp-og-start, mindre overkapasitet, kortere køer --- er vist som forløp,
ikke som verdier, og kostnadssiden dekker bare politiets innsats. En
samfunnsøkonomisk analyse etter statens rammeverk, med nullalternativ,
enhetskostnader per ledd, kalkulasjonsrente, skattefinansieringskostnad,
usikkerhet og fordelingsvirkninger, gjenstår (\cref{sec:skranker}).

\paragraph{Veiplan for videre arbeid}
Artikkelen er ment som et utgangspunkt. Det som gjenstår, er i prioritert
rekkefølge:
\begin{enumerate}[leftmargin=*,itemsep=1pt,label=(\arabic*)]
  \item en flaskehalsdiagnose av hele kjeden på norske tall, som avgjør hvilket
    ledd modellen bør bygges rundt;
  \item estimering av faktisk reaktivitet og forsinkelse i budsjett- og
    prioriteringsprosessene, og av stabilitetsgrensen for en inkrementell
    regel (\cref{sec:stabilitet});
  \item en kjedemodell med kø og frafall i alle fire ledd, flere sakstyper,
    ulike behandlingstider og tilbakeløp;
  \item simuleringer med målestøy, skjevhet og parameterusikkerhet;
  \item kalibrering på norske data, herunder av politiets metningsnivå
    $K_{\mathrm{sat}}$ per sakstype, av virkningen av ulike reaksjonsformer og
    av om rekrutteringsterskler finnes i bestemte kategorier;
  \item kostnadsfunksjoner i kroner og en nytte-kostnadsvurdering av
    tiltakene, med forebygging som alternativ;
  \item en beskrivelse av beslutningsrettigheter, hjemler og budsjettmekanikk
    for samordningen;
  \item en romlig versjon med forskyvning mellom distrikter, og en
    modellprediktiv styring som optimerer hele
    tiltaksvektoren~\eqref{eq:tiltak} på hver komponents tidsskala.
\end{enumerate}
Simuleringskoden som gjenskaper tallene og figurene i artikkelen, gjøres åpent
tilgjengelig sammen med den, slik at andre kan etterprøve, kritisere og bygge
videre.

% =================================================================
\section{Konklusjon}\label{sec:konklusjon}
% =================================================================

Innsatsen for å håndheve lover og regler bør løpende stå i forhold til hvor
mye, og hvor alvorlig, de faktisk brytes. Artikkelen har gitt dette prinsippet
et presist innhold --- et alvorlighetsvektet mål på de faktiske bruddene og en
styringsregel som lar innsatsen følge avviket fra et akseptabelt nivå --- og
vist at gjennomføringen er et dynamisk styringsproblem med forsinkelser,
strategiske motspillere, målefeil og absolutte normative grenser. Prinsippet
gjelder alle tiltak, ikke bare politiets innsats: reaksjonsformer, kapasitet,
prosessuell kvalitet og lovbestemt handlingsrom er bevisste responser på det
observerte bildet, formulert som én beslutningsregel,
$T\leftarrow f(K,\mathcal O)$, fra kriminalitetsbildet og observasjonene til en
samlet tiltaksvektor. Analysen gir fem hovedinnsikter; de fire første svarer
til forutsetningene for å realisere prinsippet, den femte til hvordan
tiltakene bør velges.

\emph{For det første} må bruddene måles riktig. Registrert kriminalitet
avhenger av både tillit og innsats, og en innsats som følger registreringen i
stedet for de faktiske bruddene, kan skape selvforsterkende sløyfer; styringen
bør derfor bygge på estimater som kombinerer registerdata med offer- og
innbyggerundersøkelser. \emph{For det andre} må reaksjonen være avdempet nok.
En regel der man reagerer kraftig når kriminaliteten øker, kan gi vedvarende
pendelsvingninger når forsinkelsen er lang. Svingningene
er ikke tilsiktet: de oppstår selv når hver beslutning er bevisst og rimelig
ut fra de tallene som foreligger, fordi tallene beskriver en situasjon som
tiltak som ennå ikke har virket, allerede har endret. Stabilitetsgrensen kan beregnes, og moderat
reaktivitet er robust uansett forsinkelse når responsen er proporsjonal. I
simuleringene fjerner en avdempet regel svingningene og verner tilliten;
prognosebasert styring fjerner i tillegg det varige avviket. Om norsk
rettshåndhevelse faktisk ligger nær stabilitetsgrensen, er ikke undersøkt. \emph{For det tredje} må
tilpasningen skje innenfor legitimitetens grenser. Tillit er både et mål og et
virkemiddel, og den svekkes av både for lite og uforholdsmessig mye
håndhevelse. Tillit bør derfor behandles som en skranke og fremmes gjennom
prosessuell kvalitet, ikke gjennom volum. \emph{For det fjerde} kan styringen
av politiinnsatsen ikke være mer dynamisk enn det lovverket og
straffesakskjeden tillater. Lovgivningen er sløyfens langsomste ledd, og den
bør ikke gjøres raskere gjennom hendelsesdrevet hastelovgivning, men gis et
regelstyrt handlingsrom på forhånd --- rammelover, forsøkshjemler,
solnedgangsklausuler og innebygd evaluering --- innenfor Grunnlovens og EMKs
faste grenser. Et ledd nedstrøms kan være kjedens flaskehals; med domstolen
som gjennomregnet eksempel omsettes da økt politiinnsats i restanser og lengre forsinkelse, og \emph{Theory of Constraints}
gir en metode for å utnytte, underordne og utvide kapasiteten uten å svekke
rettssikkerhetsgarantiene. Simuleringene viser at opptrapping ved en mettet
domstol gir høyere kriminalitet og lavere tillit, at underordning virker
raskt mens bare utvidelse gjenoppretter balansen varig, og at en mettet
domstol kan maskere en ustabil styringssløyfe til kapasiteten utvides.
Resultatene står seg med politimetning, som gjør sløyfen mer følsom, og med
prioriterte domstolskøer, som verner de alvorlige sakene og flytter
kostnaden til de øvrige. Der kriminalitet avler kriminalitet, kan systemet
ha vippepunkter; da må den avdempede responsen også være tidlig og
tilstrekkelig, og stabilitetsmarginen må måles som avstand til vippepunktet,
ikke bare til svingningsgrensen. \emph{For det femte} må tiltakene velges etter en metode
som ser hele kjeden under ett: observer og estimer, sammenlign
alvorlighetsvektet med målene, identifiser den bindende skranken, velg type
tiltak etter skranken, dimensjoner avdempet og med prognose, kontroller de
rettsstatlige skrankene, og gjenta. Når underordning, kapasitet og kvalitet
gjøres til responser på observasjoner, gir desentraliserte regler, der hver
aktør svarer rimelig på sitt eget signal, en kapasitet om lag 30~prosent over
behovet og en dempet kapasitetssvingning over seks til sju år, fordi innstrømningen
til en overbelastet domstol er et signal flaskehalsen selv har blåst opp;
en koordinert regel med felles skrankebilde og prognose gir nesten samme
utfall som vedtak fattet med full kjennskap til likevekten, med mindre
kapasitet og uten svingninger.

Alt dette er resultater i en teoretisk modell med stiliserte parametere.
Hvilket ledd som binder i dag, hvor kraftig styringen faktisk reagerer, og hva
tiltakene koster og er verdt, er empiriske spørsmål som artikkelen stiller,
men ikke besvarer (\cref{sec:diskusjon}).

Den viktigste praktiske anbefalingen er derfor tredelt: \emph{mål forsinkelsen,
demp reaksjonen og styr etter prognoser, ikke etter gårsdagens tall;
dimensjoner lovverkets handlingsrom og straffesakskjedens kapasitet slik at
styringen har et rom å virke i; og la alle som rår over et virkemiddel,
svare på det samme bildet av hvor skranken binder.} Utviklingen i henleggelser, saksbehandlingstid og soningskø
(\cref{sec:innledning}) understreker at dette er en helhetlig, systemisk
oppgave: politi, påtalemyndighet, domstoler, kriminalomsorg og lovgiver må
ses og styres som ett system. Straffebud og strafferammer ligger fast;
regelverket må gi fleksibiliteten. Når disse forutsetningene er på plass, kan innsatsen for å
håndheve lover og regler løpende stå i forhold til hvor mye, og hvor
alvorlig, de faktisk brytes --- uten at tilpasningen selv blir en kilde til
ustabilitet, restanser eller svekket tillit.