Estimating recidivism risk in earnings loss calculations for persons recently released 
from incarceration 
 
 
 
 
 
 
 
Dwight Steward 
EmployStats 
www.employstats.com 
 

October 29, 2010 
 
 

 

1 
 
Electronic copy available at: http://ssrn.com/abstract=1753285

Introduction 
The risk of re‐incarceration is a complicating factor in evaluations involving earnings losses for persons 
who are recently released from incarceration.  Criminologists and economists have shown that factors 
such as the ex‐inmate’s age, education, and the type of crime committed are correlated with the risk of 
criminal  recidivism  and  re‐incarceration.    Some  studies  have  shown  that  in  some  groups,  over  50 
percent  of  ex‐inmates  are  re‐incarcerated  within  three  years  of  being  released  (Langen  and  Levin 
(2002)).   
This  paper  provides  an  estimate  of  the  re‐incarceration  risk  for  individuals  who  are  recently  released 
from  jail  or  prison.    The  estimates  of  the  year‐by‐year  re‐incarceration  risk  can  be  used  in  a  standard 
labor  force  participation  economic  damage  model  to  calculate  earnings  losses  for  persons  who  have 
been recently released from incarceration.  Using person‐level data from the Bureau of Justice Statistics 
(BJS) to estimate a Cox Proportional Hazards model that accounts for factors such as race, gender, age at 
release, and type of crime committed, I find that in any given year within the first six years of release, 
the recidivism risk probability varies between 2.5 to 10.9 percent.   

Review of recidivism literature 
Collectively, recidivism studies have identified a number of factors related to the timing and likelihood 
that  a  person  will  be  re‐incarcerated.    These  factors  include  demographics,  criminal  history,  length  of 
sentence received, and the activities that the individual undertook while incarcerated.  In this section, I 
provide a brief overview of the criminal recidivism literature. 
Age,  gender,  and  race  of  the  ex‐inmate  are  several  factors  that  criminologists  have  identified  as 
correlated with the likelihood of criminal recidivism.  Studies such as Laub and Sampson (2001), Spivak 
and Sharp (2007), and Bierens and Carvalho (2006) suggest that as ex‐inmates age, they become more 
mature  and  stable  and  may  be  less  likely  to  become  a  recidivist.    Some  empirical  data  and  research 
suggest  that  female  ex‐inmates  are  less  likely  to  be  re‐incarcerated  and  some  racial  groups  are  more 
likely  than  others  to  be  re‐incarcerated  following  their  release  from  prison  or  jail  (Spivak  and  Sharp 
(2007), Alaska Judicial Council (2007), and Texas Legislative Budget Board (2009), Mbuba (2004), Kyung 
Yon Jhi and Hee‐Jong Joo (2009), Bierens and Carvalho (2007)).  
In addition to demographic factors, some criminologists and economists suggest that the physical body 
type of an individual may be correlated with the propensity for criminal activity.  Researchers posit that 
the  ability  to  carry  out  certain  crimes,  such  as  burglary,  robbery,  and  drug  dealing,  is  correlated  with 
physical  traits,  such  as  weight‐height  proportionality  and  muscularity.    Sheldon  (1949),  compared  the 
body  types,  or  somatotypes,  of  a  sample  of  criminal  offenders  and  college  students.    He  found  that 
relative  to  college  students,  criminal  offenders  tended  to  have  more  muscular  and  athletic,  or  what 
Sheldon (1949) referred to as mesomorphic type, bodies.  Hooten (1969) found that criminals tended to 
be  smaller  in  height  and  weight,  and  recidivism  decreased  as  both  height  and  weight  increased.  
Bodenhorn, Moehling and Price (2009) find a similar negative correlation between crime rates and body 
weight in data on inmates incarcerated in Tennessee and Illinois state penitentiaries in the 19th century.  
2 
 
Electronic copy available at: http://ssrn.com/abstract=1753285

Maddan,  Walker,  and  Miller  (2008)  re‐investigate  the  relationship  between  an  inmate’s  somatotype, 
which they measured using the inmate’s body mass index (BMI), and the propensity for criminality using 
demographic  data  for  a  sample  of  Arkansas  prisoners.    The  researcher’s  BMI‐derived  somatotypes 
measures  support  the  contention  that  inmates  with  more  muscular  body  types  are  more  likely  to  be 
incarcerated for more violent crimes.   
Criminologists  and  economists  also  posit  that  recidivism  rates  are  correlated  with  substance  abuse, 
criminal history, and the type of adjudication received by the offender.  Empirical studies, such as Alaska 
Judicial Council (2007) and Wexler, Melnick, Lowe, and Peters (1999), suggest that individuals who have 
a history of drug and alcohol abuse, especially those who are untreated for their disease, are more likely 
to become re‐incarcerated.  The individual’s pre‐incarceration criminal history, such as arrests and other 
run‐ins with law enforcement and the type of crime committed have also been shown to be correlated 
with the likelihood of re‐incarceration (Langen and Levin (2002)).   
In  addition  to  pre‐incarceration  criminal  activity,  economic  reasoning  suggests  that  the  length  of 
sentence  received  by  the  individual  could  be  correlated  to  the  likelihood  of  re‐incarceration.    Holding 
other factors constant, such as the individual’s age at release, it is possible that a person who receives a 
longer  sentence  will  be  sufficiently  deterred  from  committing  future  crimes  that  would  lead  to  re‐
incarceration (Bierens and Carvalho (2007)).  Conversely, research suggest longer sentences and serving 
more incarcerated time may result in the further development of an individual’s criminal network and 
contacts that may lead to future crimes  (Kyung Yon Jhi and Hee‐Jong Joo (2009)). 
Finally,  the  activities  and  programs  that  the  inmate  participated  in,  as  well  as  the  support  system 
developed while incarcerated has also been shown to be correlated with recidivism.  Localized studies of 
jail  facility  training  programs  provide  some  evidence  that  inmates  who  complete  job  training, 
educational  programs,  and  substance  abuse  treatment  while  incarcerated  have  lower  recidivism  rates 
than inmates that do not undertake these programs (Smith and Bechtel (2005), Texas Legislative Budget 
Board (2009) and Kyung Yon Jhi and Hee‐Jong Joo (2009)).  Kyung Yon Jhi and Hee‐Jong Joo (2009) show 
that inmates who are not enrolled in educational and training programs and are involved in gangs and 
have behavioral and conduct problems while incarcerated are more likely to become recidivists.   . 

Estimation of re­incarceration risk  
Estimating the probability that a person with a recent incarceration history will be re‐incarcerated is the 
focus  of  this  paper.    Similar  to  Langen  and  Levin  (2002),  Kyung  Yon  Jhi  and  Hee‐Jong  Joo  (2009),  and 
other  studies  of  criminal  recidivism,  I  estimate  a  Cox  proportional  hazards  model  that  provides  the 
probability that a person who was previously incarcerated, and has been released for a certain amount 
of time (t years), will be returned to jail or prison.  The instantaneous hazard rate is written as follows: 
 (1) 

∆ |

 

The  Cox  proportional  hazards  model  incorporates  a  time‐dependent  baseline  hazard  rate 
time‐independent explanatory variables X .  The model is written as follows: 
3 
 

  and 

(2) 

,

∑

 

where 
 is the baseline hazard, e is the exponential function,   is the 
the   explanatory variable. 

 model coefficient and X  is 

Data 
The Cox proportional hazards model of recidivism described above is estimated using Bureau of Justice 
Statistics  (BJS)  release  records  for  a  sample  of  prisoners.    The  inmate  release  record  data  is  obtained 
from a 2001‐2 BJS study of the recidivism rates of persons who were released in 1994.  In the study, the 
BJS  obtained  302,309  release  records  from  15  state  Departments  of  Corrections.    The  15  state 
Departments of Corrections were selected based on their willingness to participate, prison population, 
and  participation  in  an  earlier  study  conducted  by  the  BJS.    The  participating  state  Department  of 
Corrections supplied FBI and state criminal history files that tracked the released inmates from the date 
of  the  inmates  release  through  the  year  2001.    Using  the  criminal  history  files,  the  BJS  drew  a 
representative sample of 38,624 released prisoners from the release records supplied by the 15 states. 
Table 1 presents summary statistics for the inmate release data used in my analysis.  As the table shows, 
the typical inmate is male (94.0%) with an average age of 33.5 years of age.  As is consistent with other 
studies  of  incarceration,  African‐Americans  (44.0%)  and  Hispanics  (14.0%)  are  over‐represented  in  the 
inmate population relative to the general population, and women (6.0%) are underrepresented.   
The table also presents statistics describing the BMI, or height and weight proportionality index, of the 
inmate sample.   The BMI of the inmates is measured at the beginning of their incarceration.  Generally, 
a BMI that exceeds a certain level suggests that the person is overweight while a BMI that falls under a 
certain level suggests that the person is underweight.  According to the Center for Disease Control and 
Prevention (CDC), the average BMI is  26.6 for the U.S.  general  population.  1   The average inmate BMI 
measure of 24.41 suggests that inmates in the sample fall into the ‘normal’ height‐weight proportional 
range. 2     The  average  BMI  for  the  inmates  in  the  sample  suggests  that  the  inmates  tend  to  be  more 
height and weight proportionate than the general population when admitted to jail or prison. 3 
The largest portion of individuals in the data is incarcerated for a violent crime (48.0%) and served an 
average  sentence  length  of  5.73  years.    The  inmates  in  the  sample  served  approximately  37.85%  (not 
shown  in  Table  1)  of  their  jail  or  prison  sentence.    The  vast  majority  of  released  inmates  had  been 
arrested  prior  to  their  1994  incarceration  (88.0%),  and  about  one‐third  of  the  individuals  had  been 
previously incarcerated.  
Approximately  20.0%  of  the  released  inmates  were  certified  by  their  respective  Department  of 
Corrections  as  a  drug  abusers  while  16.0%  were  classified  as  alcohol  abusers..    Less  than  10%  of  the 
individuals completed an educational or vocational training program while incarcerated.  The majority of 
                                                            
1

See: Center for Disease Control and Prevention (CDC), http://www.cdc.gov/healthyweight/assessing/bmi/adult_bmi/index.html
See: Center for Disease Control and Prevention (CDC), http://www.cdc.gov/healthyweight/assessing/bmi/adult_bmi/index.html
3
See: Center for Disease Control and Prevention (CDC), http http://www.cdc.gov/nchs/data/nhanes/databriefs/adultweight.pdf
2

4 
 

individuals  (67.0%)  were  released  to  a  state  outside  of  their  birth  state  following  their  incarceration 
stint.   

Findings 
In this section, I discuss my findings and present recidivism probabilities for different inmate sub groups.  
The Cox proportional hazards recidivism model coefficients are shown in Table 2.  In the table, Models I 
through IV represent different variable specifications of the recidivism models.  The relative likelihood 
associated with each variable can be found by exponentiation of the coefficients shown in Table 2.  
The proportional hazards assumption for the models is tested using visual examinations of the Kaplan‐
Meir  curves  and  statistical  tests  of  the  model’s  Schoenfeld  and  scaled  Schoenfeld  residuals.    With  the 
exception  of  the  indicator  variable  for  race,  there  is  no  evidence  of  a  significant  violation  of  the 
proportional hazards assumption.   
To determine the potential impact of the violation of the proportional hazards assumption for the race 
variable,  a  separate  set  of  Cox  models  that  were  stratified  by  race  was  estimated.    The  variable 
specification  in  the  race‐stratified  Cox  models  mirrored  the  variable  specifications  in  the  non‐race 
stratified models.  The variable coefficients and standard errors obtained from the stratified approach 
were  consistent  with  the  variable  coefficients  and  standard  errors  obtained  from  the  non‐stratified 
approach shown in Table 2. 4   Since the results were consistent using the two approaches, the practical 
impact of the proportionality violation is in all likelihood small. 
The  recidivism  models  suggest  that  there  are  a  number  of  factors  that  need  to  be  considered  when 
estimating  the  earnings  loss  for  individuals  who  are  recently  released  from  incarceration.  First,  the 
recidivism  models  suggest  that  gender  and  race  are  factors  that  are  significantly  correlated  with  the 
likelihood  of  recidivism.    While  women  are  significantly  less  likely  to  be  re‐incarcerated,  African‐
American  and  Hispanic  inmates  are  more  likely  to  be  re‐incarcerated  after  being  released  from  jail  or 
prison.  Although the results are significant and consistent across the models, the correlation between 
race and recidivism should be interpreted with caution since the BJS data does contain complete socio‐
economic  information,  such  as  income  and  education,  for  the  inmate  or  the  inmate’s  family.    It  is 
possible  that  the  race  variable  in  the  BJS  data  is  simply  a  de‐facto  proxy  for  differences  in  the  socio‐
economic status of the inmates in the sample. 
Second, the analyses suggest that the type of crime committed is related to recidivism.  Individuals who 
were  convicted  of  property,  drug,  and  public  order  crimes  were  more  likely  than  persons  who 
committed  violent  crimes  to  be  re‐incarcerated.    As  has  been  found  in  other  studies  (Bierens  and 
Carvalho  (2007)  and  Kyung  Yon  Jhi  and  Hee‐Jong  Joo  (2009)),  individuals  who  committed  property 
crimes, such as burglary and public order crimes, which include those related to weapons, prostitution, 
and probation violators, were the most likely offenders to return to incarceration.  This finding is also 
consistent with the proposition that some violent crimes are ‘crimes of passion’ that are not as subject 
                                                            
4

The coefficients and standard errors for the stratified model are available upon request.

5 
 

to repetition.   The expected sentence length for violent crimes may also serve as a separate deterrent 
to potential recidivism.   
Third,  my  results  indicate  that  the  likelihood  of  recidivism  is  correlated  with  an  individual’s  criminal 
history.  Individuals who had a criminal history of arrests were approximately 1.8 times more likely to be 
re‐incarcerated while those who had been incarcerated previously were approximately 1.3 times more 
likely to become recidivist.   Individuals who committed rules infractions while incarcerated were slightly 
more likely to become recidivist following release from jail or prison. 
Fourth, the recidivism models indicate that individuals, who were incarcerated in their home state and 
were released to their home state, were significantly more likely to return to incarceration.  Similarly, 
persons, who served time in U.S. facilities but were born outside of the U.S., were less likely to return to 
prison following their release.  Both of these findings suggest that serving time away from the inmate’s 
home  state  may  assist  in  breaking  up  of  negative  relationships,  networks,  and  connections  that  could 
lead to recidivism.  Nonetheless, these findings should be viewed with some caution because the data 
does not capture potential post‐release incarcerations committed outside the 15 states in the data or in 
jurisdictions outside of the U.S. 
Fifth,  participation  in  jail  or  prison  facility  educational  programs  is  significantly  correlated  to  lower 
recidivism  rates  while  participation  in  in‐house  substance  abuse  programs  is  not.    Individuals  who 
completed educational and vocational programs while incarcerated were over a quarter less likely than 
those  who  did  not  complete  such  programs  to  become  a  recidivist.    Likewise,  participation  in  a 
substance abuse treatment program is negatively correlated with recidivism, but the correlation is not 
statistically significant.  These findings are consistent across all four of the model specifications.   
Sixth, similar to the studies mentioned previously, I find that the inmate’s body type is correlated with 
the  likelihood  of  recidivism.    Individuals  who  were  overweight  or  obese  relative  to  their  heights,  i.e. 
inmates who had higher body mass indexes (BMI), were less likely to become a recidivist than those who 
were  in  the  normal  BMI  range.    For  instance,  an  individual  who  was  obese  at  the  beginning  of  their 
incarceration  is  about  one‐tenth  less  likely  than  a  person  in  the  normal  weight‐height  range  to  be  re‐
incarcerated  following  their  release.    Individuals  who  were  underweight  at  admission  tended  to  have 
lower recidivism rates, but this finding is not statistically significant.   
Seventh,  the  recidivism  models  indicate  that  older  individuals  are  significantly  less  likely  to  be  re‐
incarcerated.  A person who was age 45 or older when released from incarceration is about half as less 
likely  as  a  person  who  was  age  30  to  34  to  return  to  jail  or  prison.    In  contrast,  a  person  who  was 
between the ages of 18 and 24 at release is nearly one‐third more likely than a person who was age 30 
to 34 at release to be re‐incarcerated.  
Eighth,  my  results  suggest  that  the  length  of  the  inmate’s  sentence  does  not  matter  in  the  recidivism 
calculus, but the actual amount of time served does. As shown in Table 2, the coefficients on the length 
of sentence are generally statistically insignificant in all four models.  In contrast, the coefficients on the 
time served variables are statistically significant and indicate that the actual time served by the inmate is 
6 
 

negatively related to recidivism. For instance, individuals who served more than 61 months incarcerated 
were  one‐fourth  to  one‐fifth  less  likely  than  a  person  who  served  19  to  24  months  (the  comparison 
group)  to  be  re‐incarcerated  following  their  release  from  jail  or  prison.    Individuals,  who  served  very 
short  terms,  less  than  six  months,  were  significantly  more  likely  to  be  re‐incarcerated  following  their 
release. 
The  estimates  of  the  year‐by‐year  re‐incarceration  risk  derived  from  the  recidivism  models  described 
above  can  be  used  in  a  standard  labor  force  participation  economic  damage  model  to  calculate  the 
expected  earnings  for  persons  who  have  been  recently  released  from  incarceration.    Case  specific 
estimates can be derived by evaluating the Cox model in equation (2) using the appropriate values for 
the  independent  explanatory  variables X .    The  baseline  hazard 
, which  is  not  specified  can  be 
5
estimated using kernel techniques.    
Table 3 presents recidivism hazard rates for ex‐inmate sub‐groupings, including age at release, type of 
crime committed, and race for up to six years following the individual’s release from incarceration.  The 
table presents the year‐by‐year recidivism risk calculated for different sub‐groupings using equation (2) 
evaluated  at  the  mean  values  of  the  other  variables  in  the  equation.    Generally,  the  risk  of  recidivism 
increases each year until approximately the fifth year following the inmate’s release.  Beginning in the 
fifth post‐incarceration year, the risk of recidivism declines in the last two years in which the ex‐inmate 
was tracked.   
For instance, as shown in the table, a person who was aged 25 to 29 at the time of their release, has a 
0.05 chance of being re‐incarcerated in the first year following their incarceration.  The risk of recidivism 
for  ex‐inmates  in  this  age  group  increases  each  year  until  year  five,  in  which  the  risk  of  recidivism 
probability reaches 0.10, and then decreases in the last two years that the person is tracked in the data.   
Care should be exercised when interpreting and using the recidivism probabilities for the last year.  It is 
not clear from the data that the BJS actually tracked all of the inmates throughout the entire last year of 
the study.  Therefore, while it is possible that due to the factors discussed above, recidivism risk does in 
fact decrease significantly in the last year, it is not possible to rule out the possibility that this finding is 
in part an artifact of the BJS data.   

Conclusions 
In  sum,  this  paper  provides  an  estimate  of  the  re‐incarceration  risk  for  individuals  who  are  recently 
released from jail or prison.  The estimates of the year‐by‐year re‐incarceration risk in this paper can be 
used  in  a  standard  labor  force  participation  economic  damage  model  to  calculate  earnings  losses  for 
individuals.  I find that in any given year within the first six years of release, the recidivism risk for typical 
ex‐inmate varies between a 2.5 to 10.9 percent.  In my study I use person‐level data from the Bureau of 
Justice  Statistics  (BJS)  to  estimate  a  Cox  Proportional  Hazards  model  that  accounts  for  factors  such  as 
race, gender, age at release, and type of crime committed.   
                                                            
5

See for example, Stata, Survival Analysis and Epidemiological Tables, Reference Manual Release 11, p. 231-240

7 
 

 

 

8 
 

Table 1: Variable Summary Statistics 
Variable 
African‐American 
Female 
Hispanic 
Body Mass Index (BMI) at intake 

Mean 

Min 

Max 

0.44
0.06
0.14

0
0
0

1 
1 
1 

BMI  =wgt (lbs.) * 703/hgt²(in.) 

24.41

13.19

90.22 

Age (Yrs) at release 
18‐24 yrs old at release 
25‐29 yrs old at release 
30‐34 yrs old at release 
35‐39 yrs old at release 
40‐44 yrs old at release 
>45 yrs old at release 

33.47
0.19
0.21
0.22
0.17
0.1
0.11

14.5
0
0
0
0
0
0

87.96 
1 
1 
1 
1 
1 
1 

Born outside of U.S. 
Inmate released in home state 

0.06
0.33

0
0

1 
1 

Violent crime committed 
Property crime committed 
Drugs crime committed 
Public order crime committed 

0.48
0.22
0.2
0.1

0
0
0
0

1 
1 
1 
1 

Length of sentence received (Yrs) 
Life sentence received 
0‐3 yrs sentence received 
3‐5 yrs sentence received 
5‐7 yr sentence received 
7‐10 yr sentence received 
10‐15 yr sentence received 
15‐20 yr sentence received 
20‐30 yr sentence received 
30‐Life sentence received 

5.73
0.09
0.34
0.24
0.11
0.1
0.06
0.03
0.02
0.01

0
0
0
0
0
0
0
0
0
0

183 
1 
1 
1 
1 
1 
1 
1 
1 
1 

Pre‐incarceration arrest record 
Pre‐incarceration prison record 

0.88
0.34

0
0

1 
1 

1‐6 months served incarcerated 
7‐12 months served incarcerated 

0.23
0.2

0
0

1 
1 

6

                                                            
6

See Center for Diease Control and Prevention (CDC), http://www.cdc.gov/healthyweight/assessing/bmi/adult_bmi/index.html.

9 
 

13‐18 months served incarcerated 
19‐24 months served incarcerated 
25‐30 months served incarcerated 
31‐36 months served incarcerated 
37‐60 months served incarcerated 
>61 months served incarcerated 

0.14
0.18
0.07
0.06
0.12
0.1

0
0
0
0
0
0

1 
1 
1 
1 
1 
1 

Had rules infractions as inmate 
Drug abuser prior to incarceration 
Alcohol abuser prior to incarceration 
Alcohol treatment program completion 
Educational program completion 
Vocational program completion 

0.24
0.2
0.16
0.01
0.06
0.04

0
0
0
0
0
0

1 
1 
1 
1 
1 
1 

 
 

10 
 

 
Table 2: Cox Recidivism Models 
Coefficient 
Variable 
African‐American inmate 
Female inmate 
Hispanic inmate 
14‐17 yrs old at release 
18‐24 yrs old at release 
25‐29 yrs old at release 
35‐39 yrs old at release 
40‐44 yrs old at release 
>45 yrs old at release 
Property 
Drugs 
Public Order 
Underweight1 
Overweight 
Obese 
Born outside of U.S. 
Inmate released in home state 
Life Sentence 

Model I 
0.2708*** 
(0.0266) 
‐0.1372** 
(0.0481) 
0.0647 
(0.0407) 
0.3649* 
(0.1574) 
0.2452*** 
(0.0358) 
0.1241*** 
(0.0345) 
‐0.0831* 
(0.0382) 
‐0.2969*** 
(0.0475) 
‐0.7028*** 
(0.0567) 
0.4274*** 
(0.0319) 
0.2286*** 
(0.0334) 
0.4023*** 
(0.0404) 
‐0.0013 
(0.0695) 
‐0.0661* 
(0.0280) 
‐0.1045* 
(0.0420) 
‐0.2287*** 
(0.0586) 
0.2254*** 
(0.0270) 
0.3600*** 
(0.0434) 

Model II 

Model III 

Model IV 

0.2559*** 
(0.0263) 
‐0.0754 
(0.0478) 
0.0591 
(0.0407) 

0.2506*** 
(0.0263) 
‐0.0994* 
(0.0476) 
0.0758 
(0.0406) 

0.2591*** 
(0.0266) 
‐0.1253** 
(0.0478) 
0.0822* 
(0.0407) 

0.0065 
(0.0694) 
‐0.0695* 
(0.0280) 
‐0.1136** 
(0.0419) 
‐0.2559*** 
(0.0584) 
0.2266*** 
(0.0269) 
0.2640*** 
(0.0426) 
11 

 

0.4161*** 
(0.0310) 
0.2144*** 
(0.0325) 
0.3678*** 
(0.0394) 
0.0049 
‐0.0061 
(0.0694) 
(0.0694) 
‐0.0738**  ‐0.0762** 
(0.0280) 
(0.0280) 
‐0.1138**  ‐0.1105** 
(0.0419) 
(0.0420) 
‐0.2758***  ‐0.2562*** 
(0.0583) 
(0.0587) 
0.2368***  0.2758*** 
(0.0268) 
(0.0268) 

0‐3 yrs Sentence  
5‐7 yr Sentence  
7‐10 yr Sentence  
10‐15 yr Sentence  
15‐20 yr Sentence  
20‐30 yr Sentence  
30‐Life Sentence 
Prior arrest record 
Prior prison record 
1‐6 months served 
7‐12 months served 
13‐18 months served 
25‐30 months served 
31‐36 months served 
37‐60 months served 
>61 months served 
Had infractions as inmate 
Drug abuser 
Alcohol abuser 
Alcohol treatment 
Education program 
Vocational program 

‐0.0032 
(0.0338) 
0.0111 
(0.0471) 
‐0.1186* 
(0.0494) 
‐0.0814 
(0.0656) 
‐0.0837 
(0.0872) 
‐0.3077** 
(0.1167) 
‐0.3045 
(0.1720) 
0.5670*** 
(0.0548) 
0.2810*** 
(0.0256) 
0.1165** 
(0.0415) 
0.0728 
(0.0424) 
‐0.0864 
(0.0477) 
‐0.0603 
(0.0614) 
‐0.2569*** 
(0.0712) 
‐0.1638** 
(0.0553) 
‐0.1980** 
(0.0689) 
0.0769* 
(0.0354) 
0.0994 
(0.0532) 
0.1331** 
(0.0515) 
0.1087 
(0.5808) 
‐0.3206*** 
(0.0630) 
‐0.2140** 

‐0.0070 
(0.0337) 
‐0.0346 
(0.0470) 
‐0.1847*** 
(0.0491) 
‐0.1644* 
(0.0653) 
‐0.1770* 
(0.0870) 
‐0.3543** 
(0.1168) 
‐0.3766* 
(0.1717) 
0.6506*** 
(0.0543) 
0.3366*** 
(0.0253) 
0.1261** 
(0.0414) 
0.0626 
(0.0423) 
‐0.1304** 
(0.0474) 
‐0.1074 
(0.0612) 
‐0.3292*** 
(0.0709) 
‐0.2417*** 
(0.0548) 
‐0.2960*** 
(0.0684) 
0.0941** 
(0.0352) 
0.1216* 
(0.0531) 
0.1234* 
(0.0517) 
0.0988 
(0.5804) 
‐0.3484*** 
(0.0630) 
‐0.2288** 
12 

 

0.6541*** 
(0.0543) 
0.3399*** 
(0.0252) 
0.2082*** 
(0.0390) 
0.0982* 
(0.0419) 
‐0.1171* 
(0.0475) 
‐0.0830 
(0.0611) 
‐0.3048*** 
(0.0700) 
‐0.2172*** 
(0.0537) 
‐0.2004** 
(0.0671) 
0.0839* 
(0.0349) 
0.1091* 
(0.0525) 
0.0939 
(0.0510) 
0.1849 
(0.5800) 
‐0.3404*** 
(0.0629) 
‐0.2065** 

0.6066*** 
(0.0545) 
0.3062*** 
(0.0259) 

‐0.0091 
(0.0341) 
0.0701 
(0.0523) 
0.1430** 
(0.0502) 
0.3103 
(0.5802) 
‐0.3568*** 
(0.0628) 
‐0.2266** 

(0.0801) 
Age at release 

(0.0800) 
‐0.0306*** 
(0.0015) 

Imprisonment sentence (yrs) 
Time served 

(0.0800) 
‐0.0291*** 
(0.0015) 
‐0.0234*** 
(0.0028) 

(0.0799) 
‐0.0289*** 
(0.0015) 
‐0.0295*** 
(0.0027) 
‐0.0006 
(0.0006) 

chi2 
2408.744 
2228.626 
2206.963 
2258.924 
N 
20,733 
20,733 
20,733 
20,733 
*, **, and *** denotes p‐value<0.05, p‐value<0.01, and p‐value<0.001 respectively 
1. The variables underweight, overweight, and obese are constructed from the inmate’s BMI index at 
the time of admission to jail or prison.  Underweight, overweight, and obese, is defined as a BMI less 
than 18.5, 24.9 to 29.9, and greater than 29.9, respectively.  Source: Center for Diease Control and 
Prevention (CDC), http://www.cdc.gov/healthyweight/assessing/bmi/adult_bmi/index.html 
 

13 
 

Table 3: Recidivism Probabilities by ex‐Inmate Sub‐grouping  
Gender 
Time 

Male 

Race 

Female 

White 

Black 

In Facility Training 
Hispanic 

Vocational 

Educational 

None 

<1 year  0.047105 

0.041067 

0.041613 

0.054555 

0.044394 

0.038757 

0.034837 

0.048003 

1 to 2 years  0.064917 

0.056596 

0.057348 

0.075184 

0.061181 

0.053413 

0.04801 

0.066154 

2 to 3 years  0.069066 

0.060212 

0.061013 

0.079988 

0.065091 

0.056826 

0.051078 

0.070382 

3 to 4 years  0.085031 

0.074132 

0.075117 

0.098478 

0.080138 

0.069962 

0.062886 

0.086652 

4 to 5 years  0.094651 

0.082519 

0.083616 

0.109618 

0.089204 

0.077877 

0.070001 

0.096455 

5 to 6 years  0.082695 

0.072095 

0.073053 

0.095772 

0.077936 

0.06804 

0.061158 

0.084271 

0.02469 

0.025018 

0.032799 

0.02669 

0.023301 

0.020944 

0.02886 

6 to 7 years 

0.02832 

 
 
Time 

Property 

Crime Committed 
Public 
Drugs 
Order 

Violent 

<1 year 

0.065676 

0.056029 

0.066948 

0.039219 

1 to 2 years 

0.09051 

0.077215 

0.092263 

0.05405 

2 to 3 years 

0.096293 

0.082149 

0.098158 

0.057504 

3 to 4 years 

0.118552 

0.101139 

0.120848 

0.070797 

4 to 5 years 

0.131963 

0.11258 

0.134519 

0.078807 

5 to 6 years 

0.115294 

0.09836 

0.117527 

0.068852 

6 to 7 years 

0.039485 

0.033685 

0.04025 

0.023579 

 
 
Time 
<1 year 

 

Age at Release 
14‐17 Yrs 

18‐24 Yrs 

25‐29 Yrs 

30‐34 Yrs 

35‐39 Yrs 

>45 Yrs 

 

0.067149 

0.057078 

0.051534 

0.049488 

0.04358 

0.035836 

0.025127 

 

1 to 2 years 

0.09254 

0.078661 

0.071021 

0.068201 

0.060059 

0.049387 

0.034628 

 

2 to 3 years 

0.098453 

0.083687 

0.075559 

0.072559 

0.063897 

0.052543 

0.036841 

 

3 to 4 years 

0.12121 

0.103032 

0.093025 

0.089332 

0.078668 

0.06469 

0.045358 

 

4 to 5 years 

0.134922 

0.114688 

0.103549 

0.099438 

0.087568 

0.072009 

0.05049 

 

5 to 6 years 

0.117879 

0.100201 

0.090469 

0.086877 

0.076506 

0.062913 

0.044112 

 

6 to 7 years 

0.04037 

0.034316 

0.030983 

0.029752 

0.0262 

0.021545 

0.015106 

 

 
14 
 

40‐44 yrs 

References 

Bierens, Herman, and Jose Carvalho. "Semi‐Nonparametric Competing Risks Analysis of Recidivism." 
Journal of Applied Econometrics 22, no. 5 (2007): 971‐993. 
Bodenhorn, Howard, Carolyn Moehling, and Gregory Price. "nals: Stature and Crime in Early America."  
NBER Working paper Series w15945 (2010). 
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1598061 (accessed October 28, 2010). 
Connolly, Michele, and Val Shepperd. "Statewide Criminal Justice Recidivism and Revocation Rates." 
Legislative Budget Board 1 (2009). 
http://www.lbb.state.tx.us/PubSafety_CrimJustice/3_Reports/Recidivism_Report_2009.pdf 
(accessed October 28, 2010). 
"Criminal Recidivism in Alaska." Alaska Judicial Council, January 1, 2007. 
http://www.ajc.state.ak.us/reports/1‐07CriminalRecidivism.pdf (accessed October 28, 2010). 
Hooten, Earnest. The American Criminal: An Anthropological Study. 1939. Reprint, Santa Barbara: 
Greenwood Press, 1969. 
Langan, Patrick, and David Levin. "Recidivism of Prisoners Released in 1994. ." United States Department 
of Justice ‐ (2002). http://www.ojp.usdoj.gov/bjs/pub/pdf/rpr94.pdf (accessed October 28, 
2010). 
Laub, John, and Robert Sampson. "Understanding Desistance from Crime." Crime and Justice 28 (2001): 
1‐69. 
Maddan, Sean, Jeffery Walker, and J. Mitchell Miller. "Does size really matter? A reexamination of 
Sheldon's somatotypes and criminal behavior." The Social Science Journal 45, no. 2 (2008): 330‐
344. 
Mbuba, Jospeter. Juvenile Recidivism: An Analysis of Race and Other Socio‐Demographic Predictors 

15 
 

within Three Intervention Modalities in the State of Louisiana. baton rouge: louisiana state 
university, 2004. 
Sheldon, William. Varieties of Delinquent Youth: An Introduction to Constitutional Psychiatry. New York: 
Harper And Brothers Publishers, 1949. 
Smith, Cindy, Jennifer Bechtel, Angie Patrick, Richard Smith, and Laura Wilson‐Gentry. "Correctional 
Industries Preparing Inmates for Re‐entry: Recidivism & Post‐release Employment." U.S. 
Department of Justice ‐ (2006). http://www.ncjrs.gov/pdffiles1/nij/grants/214608.pdf 
(accessed October 28, 2010). 
Spivak, Andrew, and Susan Sharp. "Inmate Recidivism as a Measure of Private Prison Performance." 
Crime and Delinquency 54, no. 3 (2008): 482‐508. 
Wexler, Harry, Gerald Melnick, Lois Lowe, and Jean Peters. "3 year Reincarceration Outcomes for Amity 
In‐Prison Therapeutic Community and Aftercare in California." The Prison Journal 79, no. 3 
(1999): 321‐336. 
Yon Jhi, Kyung, and Hee‐Jong Joo. "Predictors of Recidivism among Major Age Groups of Parolees." 
Justice Policy Journal 6, no. 1 (2009). http://www.cjcj.org/files/predictors_of.pdf (accessed 
October 28, 2010).  
 

16