estimaciÓn de un modelo estadÍstico que mida el crimen en …
TRANSCRIPT
ESTIMACIÓN DE UN MODELO ESTADÍSTICO QUE MIDA EL CRIMEN EN
LA CIUDAD DE CALI
YALILA ALJURE JIMÉNEZ
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA INDUSTRIAL
BOGOTA JULIO 13 DE 2004
2
ESTIMACIÓN DE UN MODELO ESTADÍSTICO QUE MIDA EL CRIMEN EN LA CIUDAD DE CALI
YALILA ALJURE JIMÉNEZ
ASESOR:
HERNANDO MUTIS PROFESOR ASISTENTE
DEPARTAMENTO DE INGENIERIA INDUSTRIAL UNIVERSIDAD DE LOS ANDES
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA INDUSTRIAL
BOGOTA JULIO 13 DE 2004
3
CONTENIDO
Pág.
1. Introducción 5
2. Cali, Crimen y Violencia Urbana 8
2.1 Panorama Histórico del Desarrollo Económico en Cali 9 2.2 Actividad Económica 11
2.3 Pobreza y Educación 12
2.4 Impacto del Narcotráfico 14
2.5 Crimen Urbano en La Ciudad de Cali. 15
2.5.1 Aspectos Conceptuales de la Violencia y el Crimen 16 Urbano
2.5.2 Panorama General del Crimen Urbano en Cali 16
3. Modelos explicativos del Crimen 20
3.1 Aproximación al Crimen desde la Teoría de Becker 20 3.2 Literatura enfocada en demostrar que las variables 23
económicas son determinantes del crimen violento.
3.3 Investigaciones del Crimen Violento en Colombia 31
4. Enfoque Metodológico 36
4.1 Análisis Exploratorio de Datos Espacial 36 4.1.1 Construcción de los Test de Autocorrelación Espacial 37
4.2 Componentes Principales 40 4.3 Correlación Canónica 43
5. Análisis de Resultados 45
5.1 Descripción de la Base de Datos 45 5.2 Resultados del Análisis Exploratorio de Datos Espaciales 50
4
5.3 Resultados del Análisis de Componentes Principales 54
5.3.1 Resultados del Análisis de Componentes Principales 55 para la Muestra Total de Delitos
5.3.2 Resultados del Análisis de Componentes Principales 103 para la Muestra Total de Capturas 5.3.3 Conclusiones de los Resultados del Análisis de 107 Componentes Principales 5.4 Resultados del Análisis de Correlación Canónica 111
6. Modelos del Crimen 138
6.1 Definición de los Modelos del Crimen 138 6.2 Estimaciones de los Modelos del Crimen 151
7. Conclusiones y Recomendaciones 170
5
Capítulo 1. Introducción
Colombia ha alcanzado niveles de violencia en tal magnitud que hoy es
tristemente reconocido por ser uno de los países con mayores tasas de
homicidios en el mundo. Desde los años ochenta la violencia alcanza niveles
sin precedentes donde los autores principales son los carteles de la droga,
grupos guerrilleros y organizaciones paramilitares. El país entonces sufre una
fuerte perturbación al no contar con fuertes instrumentos de orden público y
mantener un alto grado de impunidad.
Ciudades como Bogotá, Cali y Medellín presentan el número de homicidios
comunes más altos del país. El caso más grave lo presenta Medellín que en
el año 2000 se hallaba frente a una frecuencia de homicidios comunes de
4296. Cali mientras tanto presentaba una frecuencia de homicidios comunes
de 2249 y Bogotá exponía una frecuencia homicidios similar a la de Cali de
2264 1.
Cali se encuentra conformada por 21 comunas que agrupan más de 300
barrios. Entre cada comuna se puede notar una gran diversidad, incluso
entre cada barrio de la comuna, una diversidad en cuanto a tasas de
homicidios y tipos de violencia. Implicando así que la criminalidad en Cali es
una combinación compleja de un gran número de circunstancias sociales,
económicas y políticas.
Cali la pachanguera, la ciudad de los cholados y chontaduros es hoy una de
las urbes más violentas dadas sus condiciones de desempleo, de
1 Policía Nacional- Republica de Colombia.
6
desplazamiento, de consumo de drogas, de deserción escolar y de violencia
interpersonal.
Este trabajo intenta encontrar las principales causas que explican el crimen
en la ciudad de Cali. Para tal fin se utilizan algunas herramientas
econométricas y de estadística multivariada.
En el primer capítulo se realiza es un breve resumen de Cali en su contexto
social y económico. Luego se expone algunos antecedentes del crimen en la
ciudad basados en varios trabajos de Alvaro Guzmán.
En el siguiente capítulo se plantean modelos que se encuentran en la
literatura, donde se reconocen varias explicaciones del crimen.
En el cuarto capítulo se presenta la base teórica del análisis exploratorio de
datos, del análisis de componentes principales y del análisis de correlación
canónica. En el quinto capítulo se efectúa un análisis exploratorio de datos
espaciales sospechando de una dependencia espacial del crimen entre las
comunas de la ciudad, rechazando o no la autocorrelación espacial de los
datos.
Posteriormente se quiere indagar acerca de la asociación entre los distintos
tipos de delitos dentro de cada comuna en particular, para ello se recurre al
análisis de componentes principales.
Antes de introducirse en la definición de los modelos se realiza un análisis de
correlación canónica entre las variables dependientes (los delitos) y las
variables explicativas (socioeconómicas en su mayoría), con el propósito de
conocer a priori qué tanto las variables socioeconómicas pueden explicar los
diferentes delitos.
7
En el sexto capítulo se sugieren los diferentes modelos que explican el
crimen en la ciudad de Cali y se presentan las estimaciones respectivas.
En el último capítulo se plantean las conclusiones de este trabajo y se
exponen las sugerencias para investigaciones posteriores.
8
Capítulo 2. Cali, Crimen y Violencia Urbana
Cali atraviesa por muchos problemas socioeconómicos que reflejan
claramente lo que está sucediendo en el país, una economía en decadencia
y una crisis institucional que la ha golpeado con mayor fuerza que a otras
ciudades grandes.
Con este capítulo se intenta contextualizar a Cali en un marco histórico,
económico y social con el fin de entender y formular más adelante bajo qué
condiciones socioeconómicas se esta estudiando el comportamiento del
crimen en ésta sede urbana.
En la primera parte de este capítulo se intenta mostrar al lector un panorama
general del proceso social y económico que vive Cali en el siglo XX.
Partiendo de un comportamiento económico positivo en la década de los
ochenta, Cali se ve gravemente afectada por la apertura internacional y una
indulgencia tributaria que se da a principios de la década de los noventa. En
consecuencia la composición del empleo y del producto, cambian
sustancialmente agudizándose los conflictos sociales que existían desde
antes y revelándose otros nuevos.
Una vez se ha expuesto a Cali en un marco socioeconómico se pretende
proporcionar ciertos antecedentes históricos del crimen en la ciudad,
basados en algunos trabajos de Álvaro Guzmán2 y en estadísticas locales de
delincuencia.
2 [1]. Colombia, ciudad y violencia / Alvaro Camacho Guizado, Alvaro Guzmán Barney;
prólogo de Estanislao Zuleta. Bogotá: Ediciones Foro Nacional, 1990. [2]. Colombia: violencia y democracia / Comisión de Estudios sobre la Violencia; Jaime
Arocha R....[et al.]; coordinación de la Comisión Gonzalo Sánchez G.
9
2.1 Panorama Histórico del Desarrollo Económico en Cali
Durante el siglo XIX el departamento del Valle era una región plagada de
conflicto: persecución y sometimiento de indígenas; fugas, amotinamiento y
asaltos por parte de los negros, como respuesta de su esclavitud.
Ya hacia finales del siglo XIX y comienzos del siglo XX la guerra de los mil
días condujo a que la colonización antioqueña, impulsando a gente pobre a
la aventura conquistadora, despegara el desarrollo vallecaucano creando en
el norte del departamento una importante zona cafetera. El ritmo de
colonización crece a medida que la población demanda ampliar la frontera
productiva, en consecuencia aparece una notable actividad y mercado
esclavista, dado las difíciles condiciones de estas zonas.
Durante las siguientes cuatro décadas, se presentaron adelantos que
hicieron que Cali ingresara a la modernidad capitalista. Por medio del
ferrocarril consigue la comunicación con varios centros aledaños,
especialmente con el puerto de Buenaventura en 1915 que permitió abrir las
puertas a la exportación de productos primarios, facilitando el establecimiento
de empresas comercializadoras y procesadoras. Se crea oficialmente el
departamento del Valle y la designación de Cali como su capital, sin embargo
se encontraba lejos de ser una urbe distinguida social y culturalmente.
Hacia comienzos de los años cuarenta la creciente demanda de tierras para
la expansión cañera del sector azucarero lleva a la valorización de las tierras
planas del Valle. Con el desarrollo de la electricidad se logra la expansión
industrial, la modernización del campo y el desarrollo urbano.
[3]. Nuevas visiones sobre la violencia en Colombia / Alvaro Camacho... [et al.]. Bogotá:
FESCOL: IEPRI, 1997.
10
En el período que va de los años cincuenta a los años setenta Cali fue sede
de importantes cambios, el desarrollo en la actividad manufacturera atrajo a
una ola de emigrantes, el sector oficial se fortaleció con la creación de
servicios públicos y se culminaron importantes infraestructuras.
Cali experimenta la recesión que azotó a Colombia a principios de los años
ochenta, por políticas de libre importación que impulsaron los gobiernos
nacionales y por el contrabando.
Alberto Corchuelo y sus colaboradores3, argumentan que: “La situación
vallecaucana, no estuvo muy afligida por la recesión que estaba afectando al
país en ese momento, como consecuencia de la dependencia de la oferta
industrial regional de las exportaciones, particularmente de las dirigidas hacia
Venezuela”. Durante esta década se hace notar el narcotráfico, como forma
generalizada y rápida de acumular fortuna en Cali.
La década de los noventa enmarca para Cali un periodo de crisis
principalmente económico, derivado de las políticas consecuentes de la
apertura económica. La transformación de manejos internos como
privatización y desregulación en muchas áreas económicas, permiten la
entrada de productos nuevos que habilitan el endeudamiento internacional
por parte del gobierno y del sector privado. Si bien en los primeros años de
esta década se presenta un crecimiento en la economía, a partir de 1996 se
inicia la desaceleración de tal crecimiento alcanzando un delicado nivel de
recesión en 1999 (ver gráfico 2.1).
El tipo de desarrollo económico que Cali vive durante el siglo XX, resulta ser
débil, y en cierta medida muy afectado por las nuevas fuerzas económicas
que aparecen por el tráfico de drogas. En resumen se tiene una economía
basada esencialmente en la agroindustria de la caña un sector productivo de
11
multinacionales, medianas y pequeñas industrias de bienes transables que
se ven muy afectadas por el fenómeno del narcotráfico y la apertura
económica.
Gráfico 2.1
Valle, Producto Interno Bruto Departamental por habitante a precios constantes de 1994
1.700.000
1.800.000
1.900.000
2.000.000
2.100.000
2.200.000
2.300.000
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2.000 2001
Año
PIb
Fuente: DANE-Cuentas Regionales 2.2 Actividad Económica Los principales sectores económicos de Cali son: la industria, la agricultura,
el comercio, la construcción, servicios inmobiliarios y servicios comunales.
El sector industrial, es uno de los sectores que posee mayor fuerza laboral,
emplea oficialmente a más de 80000 personas. En términos geográficos, la
principal actividad industrial se encuentra al nordeste de la ciudad,
acercándose cada día más a Yumbo.
3 CORCHUELO, Alberto (1987), “Estructura, comportamiento y tendencia de la economía vallecaucana”.
12
La construcción es un sector que tomó importancia en el período de recesión,
con inversiones de millones de dólares que se utilizaron para vivienda. Este
fenómeno se le atribuye a una fuerte suma de dineros del narcotráfico.
Las exportaciones de la región se dividen en manufacturas tradicionales y no
tradicionales, y estas dependen principalmente de materias primas
parcialmente procesadas. El azúcar constituye hoy el producto más
importante de exportación y otros tipos de manufactura tradicional como las
prendas, calzado, espárragos y flores, han sufrido un crecimiento fuerte en
las exportaciones. 2.3 Pobreza y Educación
Cali es una ciudad donde la heterogeneidad en términos socioeconómicos es
una característica propia.
Miller y Robi (1969) ven la necesidad de centrar el problema de la pobreza en
la perspectiva de la estratificación social y con ello consideran el fenómeno
como un asunto de desigualdad. Por tanto, si a esto se le adiciona la
distribución desigual de los bienes, servicios y beneficios que tiene en cuenta
hasta los bienes intangibles como la cultura, es fácil ver que la pobreza
puede desarrollarse para ciertos grupos cuando sus paquetes de
propiedades son casi nulos, y es entonces cuando la pobreza indica
desigualdad frente a la riqueza.
La zona más pobre de la ciudad se le conoce como el distrito de Aguablanca
situada al extremo oriental, habitada principalmente por inmigrantes de la
costa pacífica, inmigrantes con desigualdad de derechos de intercambios que
los sumerge en la miseria.
13
En general en Cali se observa focos de extrema pobreza que se caracterizan
por poseer tasas de crecimiento muy altas (Ver mapa 1), lo cual explica los
tamaños tan elevados de la población provocando hacinamientos,
inseguridad alimentaría por los ingresos bajos de los miembros de la familias,
el limitado acceso a los servicios básicos y la falta de asistencia a la escuela.
El fenómeno de la pobreza en Cali tiene rasgos característicos que dificultan
el crecimiento económico y puede manifestar una relación positiva con la
criminalidad.
La educación es un componente necesario cuando se quiere emprender una
estrategia de cambio social que mejore las oportunidades de cada miembro y
no propicie obstáculos más graves de los que afronta la ciudad.
En Cali la inversión en educación es menor que en otras ciudades del país,
revelándose en las condiciones físicas del plantel, no aportando a las
habilidades necesarias que necesita un joven para emprender con
efectividad una vida laboral y la deficiencia en la calidad y cobertura del
sistema educacional. Una de las consecuencias de la mala calidad de la
educación, es la cantidad de desempleados bachilleres y de jóvenes que no
terminan su educación secundaria.
Los indicadores de educación en Cali muestran que la asistencia escolar ha
ido empeorando, ya que los niños encuentran un lugar en la fuerza de
trabajo. De no encontrar un trabajo y no asistir a la escuela, estos niños
tienen una alta tendencia a involucrarse en actividades ilícitas.
En general se hace notoria una crisis en el sistema de educación en la
ciudad de Cali, desmejorando notablemente el comportamiento
socioeconómico que arrastra un fenómeno de permanencia y profundización,
la pobreza.
14
2.4 Impacto del Narcotráfico El narcotráfico en Cali es un factor coyuntural, que cumple un papel decisivo
en la globalización de esta ciudad.
Desde mediados de los años setenta el departamento del Valle ya contaba
con laboratorios rudimentarios para el procesamiento de cocaína. La
prosperidad de este negocio creció tanto que los laboratorios no daban
abasto con la preparación de pasta, lo mismo que la materia bruta para suplir
la demanda extrajera que se estaba presentando.
El apreciable crecimiento del tráfico de Cocaína en todo el país entre 1975 y
1980, estrecha los contactos entre los diferentes grupos de negociantes,
especialmente entre los grupos ubicados al sur occidente del país.
Entre 1980 y 1983 la manufactura de la cocaína tuvo una evolución
significativa, tanto que desde zonas rurales de la región vallecaucana se
traficaba a territorio Europeo. Los empresarios ilegales de la región siempre
se han mostrado alejados a la confrontación entre la guerrilla y el gobierno,
aún cuando se han encontrado bajo enfrentamientos con sus semejantes en
la región de Antioquia.
Una economía regional de estupefacientes se conforma con zonas centrales
de manufactura en el departamento del Valle, zonas de exportación al norte
Valle, y zonas de producción como el departamento del Cauca, Tolima, y
Huila.
Con el fin de servir a la demanda externa, la oferta y la exportación de la
región vallecaucana se organizan en varios grupos de negociantes
15
relativamente independientes. Cada grupo tiene su propia área de influencia
pero no por ello se aleja de la organización global descentralizada.4
El sector económico que al parecer se vio más afectado por el narcotráfico
en la región, es la construcción tanto urbana como rural. El impacto que esto
tuvo en el empleo y subempleo no es para nada despreciable y tampoco el
efecto inflacionario que surge de la actividad inmobiliaria.
A manera de conclusión el narcotráfico regional es resultado de un ambiente
favorable; la disponibilidad de extensas tierras apropiadas para la actividad
agrícola en diferentes tipos térmicos, intercambios fuertes con la economía y
cultura americana, la tradición familística de los grupos empresariales, entre
otras.
En efecto, esta actividad ilegal surte una fuerte demanda externa que por ser
exógena a la economía regional, le imprime un dinamismo diferente que
puede ocultar sus manifestaciones de carácter recesivo.
2.5 El Crimen Urbano en la Ciudad de Cali
Entre los sociólogos existe un pensamiento muy difundido, según el cual, la
ciudad es un conjunto de varias relaciones sociales, donde se hace presente
el desarrollo del anonimato, el surgimiento de la desigualdad y el de pobreza,
que pueden dar paso a condiciones donde la frustración, la conducta
violenta, la incapacidad de los mecanismos de control social, entre otros,
sean aspectos que aparecen reiterativamente en la vida urbana.5
4 Impacto social del narcotráfico/ Jorge Hernández Lara, Neptalí Tellez Ariza. Anuario de investigaciones 2001. Cidse. Universidad del valle. 5 Wolfgang y Ferracuti, 1971
16
2.5.1 Aspectos Conceptuales de la Violencia y el Crimen Urbano
De acuerdo a los autores del libro Colombia Violencia y Democracia6, la
delincuencia en Colombia se enmarca en las relaciones de los ciudadanos
entre sí y con la sociedad.
La Violencia Urbana en Colombia es multifacética, proviene tanto de la
pobreza, como de las formas de defender y proteger riqueza. La violencia
tiene varias maneras de expresarse, existe una violencia organizada que se
presenta en formas como el atraco, la extorsión y la eliminación física. Se
puede pensar que el crimen organizado involucra a un grupo de ejecutores
que pertenecen a los estratos bajos, y a un tercer actor que financiaría la
operación, así mismo las armas, como los vehículos y otros recursos
sugieren una idea del grado de organización del crimen.
Cuando se habla de violencia social, se habla de una violencia de
intolerancia y otra violencia de reconocimiento. La primera violencia se ejerce
de tal forma que la parte dominante conserve el poder de la relación social. Y
la segunda violencia surge cuando el polo dominante, busca ejercer control y
es cuestionado. Entonces en la violencia social los dominados y dominantes
pueden luchar por establecer principios que transformen.
2.5.2 Panorama General del Crimen en Cali
A comienzo de la década de los ochenta Colombia se encuentra en una
situación de inseguridad nacional, causada principalmente por grupos
armados y carteles de la droga. Las ciudades del país que mejor reflejaron
esta situación son Cali y Medellín presentando tasas de homicidios muy
6 Colombia: violencia y democracia / Comisión de Estudios sobre la Violencia; Jaime Arocha
R....[et al.]; coordinación de la Comisión Gonzalo Sánchez G.
17
altas, donde los actores afectados en su mayor parte son personas jóvenes y
adultas.
En Cali el número de delitos no parece variar mientras que la tasa de
homicidios aumenta apreciablemente, como se puede apreciar en la tabla
2.5.2. Parece entonces que la ciudad puede representar un síndrome de
violencia que se manifiesta mediante la liquidación del otro y en el
incremento notorio del uso de arma de fuego en el escenario (homicidio). Cali
paso de 50.52% de muertes por arma de fuego en 1980 a 84.73% en 1986,
quedando atrapada en la tendencia nacional al porte de armas.
Tabla 2.5.2.
Cali, Tasa de Delitos Año Total Delitos No. Homicidios 1982 15.79 511 1983 17.09 501 1984 15.649 578 1985 12.983 901 1986 16.754 1068
Fuentes : Medicina legal y Policía Metropolitana de Cali. Aparecen cambios muy importantes que se expresan en los medios de
emprender la violencia, como el nivel organizativo e intencional que emplea
el victimario, comparado con los cuadros tradicionales de violencia en la
ciudad.
El sicario es un ejemplo del alto nivel organizativo alcanzado por la violencia
en Cali. En los escenarios en que más se encuentra la presencia del sicario7
son los de limpieza y ajuste de cuentas, donde se exhibe racionalidad en la
violencia, representada en la organización y planeación de los recursos y la
selección de la víctima.
En 1986 Cali se convierte en centro de limpieza urbana, cuando la operación
“rastrillo” cobra victimas por simple intolerancia política y social.
7 De acuerdo a los informes presentados por el diario :El País.
18
Cuando el acto de violencia tiene ese nivel de racionalidad y cálculo, la
impunidad reina en la ciudad y se revela la incapacidad estatal de impartir
justicia e invita a la criminalidad. Y es entonces cuando surge en los
ciudadanos una necesidad de seguridad, el temor a los raponazos, atracos
callejeros, robos y homicidios ocupan lugares principales en la población de
Cali.
El año1985 se caracteriza por el predominio relativo que tiene el grupo
guerrillero M-19, grupo que halla su máxima expansión con la toma de
Yumbo. El conflicto con las fuerzas del Estado se agudiza después de la
muerte de un miembro de la organización guerrillera. Con el deterioro de las
treguas entre el Estado y el M-19 las actividades delictivas fueron
aumentando, se decide escribir una carta al presidente pidiendo solución
inmediata que garantice el orden social que se había perdido. El desenlace
de este grupo se supone en diciembre de 1985 con la toma del barrio Siloé
por las fuerzas armadas.
La violencia política caleña a pesar de no ser la principal fuente de violencia
urbana en los años ochenta, si marcó un vínculo que la ubica en las primeras
planas nacionales.
Desde 1990 la delincuencia común en la ciudad ha venido decreciendo a
tasas más bajas que para Colombia en general, sin embargo la tasa de
homicidios en la ciudad ha mostrado un comportamiento contrario.
La disminución en la tasa de crimen se cree que es causa de un mejor
desempeño de la policía y la administración de justicia, mejores políticas para
disminuir el crimen y neutralización en el tráfico de drogas. Mientras que el
aumento en la tasa de homicidios se atribuye a confrontaciones de los
19
actores armados, aumento en la delincuencia común y a la crisis
socioeconómica y política de la región.
La violencia en Cali es un problema que se presenta por diferentes orígenes
y dinámicas que depende particularmente de la ubicación en la ciudad, y esto
puede ser consecuencia de la heterogeneidad socioeconómica que existe
dentro de las comunas (Ver mapa 2). Es una compleja mezcla de actores,
economías y formas sociales, que pretenden conseguir desde un objetivo
insulso hasta un objetivo político.
La situación en la comuna 20 (el Cotijo) por ejemplo, por pertenecer a la
parte periférica de la ciudad, exhibe un crimen organizado debido
principalmente a la presencia guerrillera. Las comunas 3 y 9 (Fray Damián y
Junín) están ubicadas en el centro de la ciudad manifestando niveles altos
de prostitución, tráfico y consumo de drogas, competencia violenta entre
pandillas, entre otros.
Haciendo un resumen de las últimas décadas, Cali ha vivido un desarrollo
urbano desorganizado que ha dado lugar a condiciones de crisis social y
económica, permitiendo que el crimen se establezca arduamente en la vida
de los Caleños.
20
II04(1)2
Capítulo 3. Modelos Explicativos del Crimen
Entender el crimen se ha convertido en uno de los temas más preocupantes
y polémicos de la actualidad. Muchos investigadores desde sus respectivas
disciplinas intentan dar respuesta a los interrogantes que se concentran
alrededor del crimen.
El presente capítulo expone varias investigaciones que han realizado
expertos en el comportamiento del crimen, las cuales se desarrollan
disponiendo de una parte teórica que se construye sobre un modelo y una
validación estadística de los planteamientos con metodologías cada vez más
sofisticadas.
El capítulo intenta mostrar una formalización teórica de los elementos que se
sostienen referentes al comportamiento del crimen en la actualidad, prevista
en la literatura matemática y económica.
3.1 Aproximación al Crimen desde la Teoría de Becker
GARY S. Becker, en su investigación “Crime and Punishment: An Economic
Approach”, investiga cuántos recursos y qué castigo debe imponer el Estado
para hacer cumplir la justicia, formulando una medida de pérdida social
causada por la actividad criminal encuentra qué gasto en recursos y qué
castigo minimiza esa pérdida.
La pérdida social es simplemente la diferencia entre el daño que sufre la
sociedad por un cierto nivel de crimen y la ganancia por esta actividad
criminal.
21
II04(1)2
Di = Hi(Oi) – Gi(Oi)
Sea Hi el daño que sufre la sociedad por el nivel de actividad criminal Oi,
H´i> 0 (primera derivada mayor que cero), es decir, el daño social aumenta
con el nivel de crímenes.
La ganancia del crimen Gi(Oi), de la misma forma que el daño social
aumenta con el nivel de crimen. G´ > 0.
Existe un costo por combatir el crimen C(A), donde A es la actividad de
operar sobre el crimen, por lo tanto se puede definir a A como la probabilidad
de captura p por el nivel de crimen O.
A ~ pO, C(A) ~ C(pO)
la derivada con respecto a la probabilidad y el nivel de delitos es mayor que cero.
Cp > 0 y Co > 0,
Esto significa que un incremento en la probabilidad de captura o en el
número de homicidios, aumenta el costo de combatir el crimen.
Para Becker lo central es que el individuo comete un crimen, si el valor
esperado para él excede la utilidad que obtiene por usar su tiempo y recursos
en actividades legales. Esta aproximación implica que el número de actividad
criminal depende de la probabilidad de captura, el castigo y de otras
variables.
Oj = Oj( pj, fj, uj ) La derivada de esta función con respecto a pj y fj es positiva, indicando que
un aumento en la probabilidad de captura o castigo reduce el número de
crímenes.
22
II04(1)2
A lo largo de la historia la humanidad ha intentado una variedad ingeniosa de
castigar al convicto: muerte, tortura, prisión, restricciones en general. El costo
de los diferentes castigos se puede medir al construir su equivalente
monetario.
Sea f´ el costo social asociado al castigo del crimen, b el coeficiente
asociado al castigo en general. f´= bf
Becker asume que la sociedad tiene una función que mide las pérdidas
asociadas al crimen, sea L la función de pérdida:
L = L( D, C, bf, O)
Donde D como ya se mencionó es el daño a la sociedad, C el costo por
combatir el crimen, bf el costo asociado al castigo y O el nivel de crimen. El
propósito es seleccionar aquellos valores de f, c y b que minimicen L. Para
resolver esto, resulta conveniente asumir la siguiente función de pérdida:
L = D(O) + C(p,O) + bpfO
De acuerdo a la expresión anterior, las únicas variables decisión son p (probabilidad de captura) y f (castigo), sus valores óptimos se obtienen
derivando a L con respecto a cada variable de decisión e igualando a cero.
Las condiciones de primer orden son:
0´´ =+++= bpObpfOOCODdfdL
fff
0´´ =++++= bpObpfOCOCODdpdL
pppp
Como pO y fO son diferentes de cero, dividiendo por estos términos se obtienen las siguientes expresiones:
)11(´´f
bpfCDε
−−=+ Donde ff OOf
−=ε
23
II04(1)2
)11(´´p
bpfCpCDε
−−=++ Donde pp OOp
−=ε
Gráfico 3.1. Nivel de Crimen Optimo
CMf = D´+ C´ CM IM CMp = D´+ C´+ Cp*1/Op MRf = -bpf (1- 1/ ef ) MRp = -bpf (1- 1/ ep) O*
El gráfico 3.1 enseña el nivel de crimen optimo que proporciona el gasto en
recursos y el castigo que minimiza la pérdida social.
L* = D(O*) + C(p,O*) + bpfO* 3.2 Literatura enfocada en demostrar que las variables económicas son determinantes del crimen violento.
En el trabajo “What Causes Violent Crime?”(Versión 2000) Pablo Fajnzylber,
Daniel Lederman, y Norman Loayza, usan la metodología estadística de Data
Panel sobre las variables: Tasa de Homicidio Intencional y Robos.
Construidas las tasas de crimen en varios países del mundo el objetivo de
este artículo es ayudar a entender qué factores sociales y económicos
ocasionan el crimen violento en una variada muestra de países.
24
II04(1)2
Estos autores consideran una “Regresión Básica” (Core Model), que está
formada principalmente por variables económicas que intervienen en el
aumento del crimen. Estas variables son: Tasa de crecimiento, Ingreso
promedio de la población, Nivel de inequidad y Nivel promedio de educación
de la población adulta.
Luego extiende éste modelo en cuatro dimensiones; en la primera dimensión
incorporan variables que caracterizan el efecto disuasivo del crimen, como la
presencia de policía en el país, o la existencia de capital para castigar el acto
delictivo.
En la segunda dimensión adicionan las variables que tratan sobre producción
y posesión de drogas en una población determinada. En la tercera
dimensión se incluyen variables que figuran la demografía de una población,
como el grado de urbanización. En la cuarta y última dimensión, se agregan
variables culturales como la religión.
En el artículo, los autores primero modelan el comportamiento criminal desde
la perspectiva individual, para luego obtener el modelo agregado.
De acuerdo a la paradoja de Becker, los individuos que son potencialmente
criminales actúan racionalmente. Basan sus decisiones en un análisis de
costo-beneficio asociado al acto criminal. Cuando se asume que el criminal
es neutral al riesgo, se puede contemplar la siguiente definición del valor
esperado de cometer un crimen (nb), para un individuo dado:
nb = (1-pr)*L - c – w - pr*pu
Donde; L es el “botín” pr es la probabilidad de ser atrapado c es el costo de planificar y ejecutar un crimen
25
II04(1)2 w es el costo que adquiere el individuo por no devengar un salario en una actividad legal pu es castigo por cometer el crimen
Se define una variable binaria d, que toma el valor de 1 si el individuo decide
cometer el delito y cero en el caso contrario. El individuo decide cometer el
crimen si su moralidad (m) es menor o igual al valor esperado de cometer el
crimen.
Sea dt+1 la variable que refleja la actividad criminal del individuo. Esta variable
puede interpretarse como la decisión de cometer el crimen por dos razones.
La primera razón puede ser que el convicto tiende a ser estigmatizado en el
mercado laboral legal, donde las oportunidades de empleo se disminuyen, y
la variable w decrece. Y la segunda razón, es que los criminales aprenden,
por lo tanto el costo de planear y ejecutar un crimen ( c ) disminuye.
El incremento en la tasa de crimen influye positivamente en la decisión de un
individuo al efectuar un delito. Cuando el crimen se incrementa el costo de
planificar y ejecutar un crimen disminuye, reduciendo también la probabilidad
de captura y finalmente perjudicando los valores morales de una sociedad.
El nivel y crecimiento de una economía (EA) tiene un efecto ambiguo en la
decisión de un individuo, cuando crece una economía el salario laboral legal
aumenta, de la misma forma que el “botín”(L) aumenta.
La inequidad en una sociedad (INEQ), de acuerdo a todos los supuestos
planteados hasta el momento, afecta la decisión del criminal si este es pobre.
Un aumento en la inequidad, causa que el salario de un individuo adinerado,
sea mayor y se aleje del salario de un individuo pobre. Por lo tanto la
diferencia entre w y L es más grande, y la decisión de cometer el crimen se
vuelve muy atractiva.
26
II04(1)2
El efecto del nivel de educación ( e ) de un individuo, es a priori ambiguo en
la decisión de cometer el crimen. Altos niveles de educación, están
asociados a un salario legal ( w ) mayor. Pero, igualmente el nivel de
educación reduce el costo de planear y ejecutar un crimen ( c ).
De acuerdo al argumento anterior, d = 1 sí: + + + + - - - - + - + L ( EA, INEQ, e, DRUGS, JUST ) – c (dt-1, Dt-1, e, otras) – w ( EA, dt-1, e ) + - + - - - + – pr(JUST, Dt-1)* pu ( JUST) – m (dt-1, Dt-1, INEQ, e, otras) >= 0
Rescribiendo la ecuación anterior: + - + ? + - f( EA, INEQ, dt-1 ,Dt-1, e, DRUGS, JUST, otras) = f (ψ)>=0 Ψ es un vector de determinantes del crimen. Por lo tanto se puede obtener la siguiente regresión: d = BT Ψ De forma agregada se tiene la siguiente regresión: Dt = BT Ψ t
Con la formulación del modelo anterior la “Regresión Básica” se presenta a continuación:
tiititi
titititioti
otrasBDRUGSBJUSTBINEQBEABTasaCrimenBBTasaCrimen
,,7,6
,5,3,21,1,
******
εη +++
+++++= −
Donde iη es un efecto no observable por país. La tasa de crimen rezaga en un periodo, se introduce para contemplar la
inercia del crimen.
27
II04(1)2
Ya en la metodología empírica, los autores proponen usar tasas de homicidio
intencional y robo, como variables dependientes, para el periodo
comprendido entre 1970 y 1994. La muestra que se toma es de 45 países
para la regresión de homicidio y 34 países para las regresión de robo.
En el modelo de “Regresión Básica” todas las variables se trataron como
endógenas. Como medida del ingreso promedio se usó el GNP (Producción
Nacional Bruta) per cápita. Para medir la actividad económica, se usó la tasa
de crecimiento real del GDP. El grado de inequidad se midió por medio del
índice GINI. La variable educación es el promedio de años de estudio de la
población que tiene más de quince años.
La variable disuasión que se maneja en la primera extensión del modelo
básico se forma por la construcción de dos variables, la primera es el número
de policías por 100000 habitantes y la segunda es una variable dummy que
indica si hay pena de muerte en el país. Estas dos variables pretenden medir
la probabilidad de ser capturado y el correspondiente castigo, estas dos
variables se manejaron como exógenas.
En el caso de la segunda extensión las variables que se construyeron para
medir la actividad ilegal del país son: violaciones por posesión de drogas por
100000 habitantes y una variable dummy que toma el valor de uno cuando el
país es productor significativo de droga.
Finalmente las variables de la última extensión se construyen de tal forma
que puedan describir factores demográficos y culturales. Se emplea la tasa
de urbanización por país y el total de la población abarcada por hombres
entre 15 y 29 años. Se describen las características culturales tomando la
religión y la región como variables dummys.
28
II04(1)2
Para solucionar el problema de endogeneidad de alguna de las variables, los
autores recurren al uso de instrumentos, encontrando que los instrumentos
más apropiados son las variables rezagadas.
Los resultados a los que llegan estos autores, muestran que la tasa de
homicidio intencional y la tasa de robo son anti-cíclicas con respecto al
crecimiento económico, es decir, un estancamiento en la actividad
económica aumenta tanto la tasa de homicidio, como la tasa de robos.
El efecto positivo de la inequidad en la tasa de homicidio y robo, que resultó
de correr la regresión básica, la interpretan como la diferencia que se crea
entre el “botín” (L) y el salario legal (w). Entre mayor sea está diferencia para
los individuos propensos al crimen, la decisión de realizar el acto delictivo se
convierte en una medida más atractiva.
Otro factor que puede explicar esta sospechosa correlación entre la tasa de
crimen y el índice de Inequidad (GINI), es la limitada cantidad de capital y la
disímil distribución de esfuerzos que se proveen para prevenir el crimen en
países donde la inequidad es alta.
El incremento en la fuerza policial presenta un efecto negativo en el
crecimiento de la tasa de homicidio resultado que se esperaba, aun así se
tiene que tener cuidado porque las políticas de prevención y castigo están
muy relacionadas con el efecto especifico que posee cada país, y por lo
tanto, pueda que no sea suficiente aislar el efecto exógeno sobre las tasas
de crimen.
Contrario al argumento anterior cuando se obtuvo el resultado de la regresión
básica para la tasa de robo, el efecto disuasivo refleja que un aumento en la
29
II04(1)2
fuerza policial aumenta la tasa de robos, y por otro lado la pena de muerte no
tiene relación significativa con ésta tasa.
El comercio ilegal de drogas genera grandes ganancias, y está usualmente
acompañado de actos violentos. La presencia de redes de contrabando
pueden entonces tener un impacto indirecto en la tasa de homicidio y robos.
Éste análisis es consistente con los coeficientes que los autores obtuvieron
en todas las regresiones realizadas.
Algunas características demográficas y culturales pueden promover un
ambiente que lleve a realizar actividades criminales. Los autores prueban
que el grado de urbanización tiene un efecto positivo sobre la tasa de robos y
grupos de religión hindú poseen las menores tasas de homicidio y robos.
Finalmente los autores concluyen que el crecimiento económico y el
crecimiento de inequidad son determinantes robustos del crimen violento.
Hope Corman y Naci Mocan investigan en su artículo “Carrots, Sticks and
Broken Windows” (2002), el impacto que tienen las condiciones económicas
(carrots) y las sanciones (sticks) en las tasas de homicidios, robos, asaltos,
allanamiento y robo de motos en la ciudad de New York. Llegan a la
conclusión que tanto las variables económicas como las variables de
disuasión del delito son importantes a la hora de explicar el descenso en la
tasa del crimen.
De la misma forma se interesan por validar la hipótesis de “Broken Window”
propuesta por los autores James Q. Wilson y George L. Kelling en su artículo
“Broken Window, The police and Neighborhood safety” (1982), en donde se
plantea la importancia de mantener el orden público. Usan la metáfora de la
30
II04(1)2
ventana rota para explicar que visibles signos de indulgencia y disturbio
inducen niveles más altos de crimen y desorden.
Sicólogos sociales y la policía8 tienden a ponerse de acuerdo al afirmar que
si una ventana de un edificio esta rota y no se repara, todas las otras
ventanas de la misma edificación se encontraran rotas en el futuro. Una
ventana rota es señal de que a nadie le importa entonces romper otras más
no significa ningún costo.
Corman y Mocan estiman la siguiente ecuación para el crimen:
tiwwiststmtmiptpi
ntniktikirtriqtqitijiiti
SEASTEENSMISARRPOL
PRISARRRMINWURCRCR
,,,,
,,,,,1,,,
εϕµηφ
πγβαλ
+++++
+∂++++=
∑∑∑∑∑∑∑∑∑
−−−−
−−−−−
Donde tiCR , es el crimen i en el mes t, UR es la tasa de desempleo, RMINW
es el sueldo real mínimo, ARR es la tasa de arrestos, PRIS es el numero de
prisioneros, POL es la fuerza policial, MIZAR arrestos por mala conducta,
TEENS el numero de personas entre los 14 y 17 años en New York y SEAS
representa un vector de 11 meses, una variable dicotómica que refleja el
efecto estacional sobre el crimen.
Lo primero que realizan los autores es una prueba de raíz unitaria, para
investigar el comportamiento de las variables usando el test de Dickey-Fuller.
Los resultados muestran que todos las variables no rechazan la hipótesis
(raíz unitaria) excepto por las variables población adolescentes y población
en prisión. Lo que significa que en la ecuación que se estimó para el crimen
debe incluir un rezago en las variables con raíz unitaria, la longitud de éste
rezago está determinado por el criterio de Akaike.
8 Broken Windows, The Policy and neighborhood safety (1982)
31
II04(1)2
En general los resultados que se obtienen realizando las diferentes
regresiones para cada tipo de crimen, muestra que el tamaño de la policía
controlado por las otras variables de disuasión ejerce un efecto negativo
únicamente sobre el robo de motos. Por otro lado los arrestos poseen un
significativo efecto sobre la disminución en la tasa de asaltos y robos de
motos.
Un aumento en el mínimo salario real es significativo frente a la reducción en
la tasa de homicidios y robos, y un mayor desempleo está significativamente
relacionado con más asaltos y robos de motos.
En este artículo se investigo el impacto de las variables económicas y
disuasivas sobre la tasa de homicidios, asaltos, atracos y robos de motos en
la ciudad de New York , encontrando que las variables disuasivas tienen un
mayor impacto que las variables económicas.
Finalmente controlando las variables económicas y las otras variables de
disuasión los autores mostraron que los arrestos tienen un efecto negativo
sobre las variables asaltos y robos de motos, concluyendo que las políticas
alrededor de la hipótesis de “Broken Window” se evidencian estadísticamente
únicamente sobre estos dos tipos de crímenes.
3.3 Investigaciones del crimen violento en Colombia.
En el documento “Determinantes del crimen violento en un país altamente
violento: El caso de Colombia”, Fabio Sánchez y Jairo Núñez (2001), utilizan
la información de las siete ciudades principales del país, para determinar
cuáles son las variables que explican el crimen violente, durante el período
entre 1980 y 1998.
32
II04(1)2
Las variables socioeconómicas que emplearon estos autores, fueron
construidas con base en la Encuesta Nacional de Hogares, Gini, la línea de
pobreza, las tasas de desempleo por edad, género y nivel educativo, los
ingresos laborales y los años de escolaridad de la fuerza laboral.
Una variable importante que presenta este documento es la presencia y
densidad del narcotráfico (ingresos del narcotráfico per. capita). El supuesto
que se utiliza para la construcción de esta variable es que los ingresos del
narcotráfico por departamento están muy correlacionados con la actividad del
narcotráfico. Entonces se estima el número de personas dedicadas a esta
actividad dividiendo el número de capturas del narcotráfico, sobre la tasa de
impunidad (en homicidios) para cada departamento.
La eficiencia de la justicia se modeló construyendo dos variables. La primera
variable es el número de capturas por homicidios sobre el número de
homicidios, y la segunda variable es la ineficiencia de capturas por
narcotráfico; el ingreso del narcotráfico, sobre el número de capturas (por
narcotráfico).
La variable que explica la presencia de la guerrilla, es entendida como los
ataques y actos delictivos del grupo subversivo.
La primera regresión que obtienen utiliza como variables explicativas el
coeficiente Gini, el porcentaje de hogares bajo la lineal de pobreza, la
población de la ciudad, la densidad del narcotráfico y la tasa de homicidios
rezagada.
Los resultados mostraron que la inequidad (el Gini) tiene un efecto negativo y
la pobreza tiene un efecto no significativo. Contrario a esto la densidad del
narcotráfico y la lucha contra el narcotráfico presentaron un efecto positivo y
33
II04(1)2
significativo. Por último la tasa de homicidios rezagada confirma que choques
sobre la tasa de homicidios tiene una larga permanencia.
En una segunda regresión extendieron el modelo e incluyeron la presencia
de actores armados. En este caso el Gini muestra una correlación positiva
sobre la tasa de homicidio y como se esperaba la presencia de la guerrillera
posee un efecto positivo sobre la tasa.
Un ejercicio interesante que hacen estos autores es la descomposición de la
diferencia de las tasas de homicidios para diferentes quintiles. Se tiene que
THt,i – THt,j es la diferencia en las tasas de homicidios entre los quintiles i y j.
La regresión queda entonces de la siguiente forma:
)( ,,,, jtitkjtit XXBTHTH −=− ∑
Donde jtit XX ,, − son las variables explicativas que se mencionaron anteriormente para el modelo sin diferencia de quintiles en la tasa de homicidio. Lo resultados que se obtuvieron a partir de esta regresión revelan que a
medida que el quintil es mayor, más alta se hace la actividad del narcotráfico.
La descomposición de la tasa de homicidios muestra de manera general que
la tasa de homicidios obedece a la presencia de los actores armados, del
narcotráfico y a la mezcla de estos dos elementos.
Finalmente los autores llegan a la conclusión de que las variables
socioeconómicas aunque están relacionadas con la tasa de homicidio, no
explican el crimen violento diferente a como puede ser explicado en otras
sociedades. Las variables que sí determinan el crimen violento en un país
como Colombia son la actividad de grupos armados, el narcotráfico y la
ineficiencia de la justicia.
34
II04(1)2
En el artículo, “Conflicto, crimen violento y actividad criminal en Colombia: un
análisis espacial”9, el principal interés de sus autores es encontrar la relación
entre el conflicto armado y las diferentes manifestaciones de violencia y
actividad criminal.
Las técnicas de análisis espacial las utilizan para determinar la difusión y
dinámica de la tasa de homicidios, actividades ilegales y de grupos armados
al margen de la ley. La idea es que las unidades espaciales más violentas
contagien a las unidades contiguas.
Los patrones de expansión de la actividad criminal pueden clasificarse de
dos formas: relocalización (cuado la actividad legal deja un territorio y se
ubica en otro) y difusión (cuando desde un territorio central se expande a
otros territorios aledaños).
Los resultados que encuentran los autores con el análisis espacial señalan
que los municipios con alta presencia de las FARC (Fuerzas Armadas
Revolucionarias de Colombia), coinciden con una alta tasa de homicidios en
los municipios vecinos. La relación entre la presencia de grupos armados en
los municipios vecinos y la tasa de homicidios en municipios locales es
positiva. En general la presencia de grupos armados ilegales está
relacionada con la presencia local de violencia, sin importar si existen los
factores que la causen.
La metodología del análisis espacial mostró una fuerte correlación entre los
indicadores del conflicto y la violencia colombiana.
9 Fabio Sánchez, Ana Maria Díaz y Michel Formisano. DOCUMENTO CEDE 2003-06 ISSN 1657-5334 MARZO DE 2003.
35
II04(1)2
Recurrieron a la regresión espacial para explicar las tasas de homicidio, de
secuestros, de piratería terrestre y de delitos contra el patrimonio, en función
de las variables: ataques guerrilleros, ingresos del narcotráfico, ineficiencia
de la justicia, pobreza, desigualdad y cobertura educativa.
Los resultados de la regresión mostraron que en todos los delitos se presenta
difusión espacial. Lo que significa que un choque de un homicidio en el largo
plazo generara cuatro homicidios más de acuerdo al tiempo y espacio.
El secuestro está fundamentalmente explicado por la actividad de grupos
armados ilegales, mientras que los delitos contra el patrimonio no están
afectados ni explicados por este tipo de actividad.
Finalmente llegan a la conclusión que la dinámica del conflicto armado
determina la violencia del país, contradiciendo la falsa separación de
homicidios del conflicto y homicidios comunes.
36
II04(1)2
Capítulo 4. Enfoque Metodológico
En esta sección se expone la teoría en torno al análisis exploratorio de datos
espaciales (AEDE), con el propósito de entender como se está evaluando la
existencia de una autocorrelación espacial en los datos que se tienen.
Posteriormente se introduce una ilustración conceptualmente sobre el
análisis de componentes principales que permite entender la estructura de
las relaciones entre las variables, buscando identificar características
subyacentes de la población.
4.1 Análisis Exploratorio de Datos Espaciales La Econometría espacial suministra las técnicas de contrastación y de
estimación necesarias para trabajar con datos que presentan problemas de
heterogeneidad y/o dependencia espacial.
La dependencia espacial aparece como consecuencia de la existencia de
una relación funcional entre lo que ocurre en un punto determinado del
espacio y lo que ocurre en otro lugar. El valor que toma una variable en una
región no viene explicado únicamente por las condiciones internas sino
también por el valor que ésta variable tome en otra región.
El análisis espacial que se desarrolla en este trabajo se centra en los efectos
espaciales que surgen por la existencia de autocorrelación entre una comuna
y otra en la ciudad de Cali, analizando los principales test de autocorrelación
a nivel univariante sobre las 21 comunas que componen a esta ciudad.
37
II04(1)2 4.1.1 Construcción de los test de Autocorrelación Espacial10 La dependencia espacial es multidireccional, una región no solo puede estar
afectada por una única región contigua sino por muchas otras que la rodean,
al igual que esta región puede influir sobre las que la rodean. Por tanto la
solución al problema de multidireccionalidad se halla en el cálculo de una
Matriz de pesos W.
No existe una propia definición de cómo calcular la matriz W, la única
restricción que debe cumplir la construcción de esta matriz es que los pesos
deben ser finitos y No-negativos.
En esta investigación se recurre al criterio de Contigüidad Física de primer
orden, donde Wij es igual a 1 si las regiones i y j son adyacentes, en caso
contrario es igual a cero, considerando Wii = 0.
Las regiones vecinas están definidas en una cuadricula regular donde el
numero de vecinos que puede tener una región es 8, dado que comparte
algún vértice en el espacio.
Por medio del operador de retardos los valores de las observaciones
“vecinas” pueden ser expresados en el dominio de la “región”.
Operador de retardo Espacial:
(i-1, j+1) (i j+1) (i+1, j+1)(i-1, j) (i , j) (i+1,j) (i-1,j-1) (i , j-1) (i+1,j-1)
10 Técnicas econométricas para el tratamiento de datos espaciales : La econometría espacial. / R. Moreno Serrano – E. Vayá Valcarce. Ediciones Universidad de Barcelona, 2000.
38
II04(1)2 I de Moran La I de moran puede considerarse como una medida de correlación de cada
Xi (valor de la variable cuantitativa en la región i) con el resto de las regiones
con las que se encuentran vinculada.
jixx
xxxxw
SNI N
ii
N
ijjiij
o
≠−
−−=
∑
∑2)(
))((
Donde wij son los pesos de la matriz W, N el tamaño muestra y ∑=
ijijo wS .
Cuando el tamaño de la muestra es suficientemente grande la I de Moran sigue una distribución normal:
[ ])1,0(~
)()()( 2/1 N
IVIEIIZ −
=
Donde E(I) y V(I) son la esperanza y la varianza de I respectivamente. En este caso un valor no significativo de Z(I) a no rechazara la hipótesis nula
de no autocorrelación espacial. Si el valor significativo es positivo (negativo)
informa sobre presencia de autocorrelación espacial positiva (negativa).
11)(−
−=
NIE
[ ] [ ]
20
2021
220
221
22
)3)(2)(1(62)(3)33(
)(SNNN
SNSSNNbSNSSNNNIE
−−−+−−−+−+−
=
Donde 22
42 m
mb = , N
zm i
i∑=2 ,
N
zm i
i∑=
4
4 , 21 )(
21
jiij
ij wwS += ∑
2...2 )( j
iji wwS += ∑ y ∑
=
=N
jiji ww
1.
39
II04(1)2
La C de Geary La C de Geary (1954) es el segundo contraste de autocorrelación espacial.
jixx
xxw
SNC N
ii
N
ijjiij
o
≠−
−−
=
∑
∑2)(
)(
21
Donde el significado de los elementos es el mismo que para la I de Moran. Respecto a la distribución de contraste, la C de Geary se distribuye como
una normal estandarizada cuando el tamaño de la muestra es
suficientemente grande.
1)( =CE
[ ] [ ] [ ]
20
22
2202
2222
21
2
)3)(2)(1(
)1(3)2(63()1(41)1(33()1(
)(SNNN
bNNSbNNNNSNbNNNSNCE
−−−
−−−++−−−+−−−−+−−=
La hipótesis nula indica la inexistencia de autocorrelación espacial. Un valor
negativo (positivo) significativo indicara la presencia de autocorrelación
positiva (negativa). Scatterplot de Moran
Además de los dos contrastes anteriores otro instrumento útil es el
Scatterplot de Moran, este gráfico intenta reproducir diferentes tipos de
dependencia espacial. En el eje de abscisas se encuentra la variable z (x
normalizada) y en el eje de ordenadas se encuentra zW (la multiplicación de
la matriz de pesos por la variable normalizada).
40
II04(1)2
Así si la nube de puntos se encuentra concentrada sobre la diagonal que
conecta el cuadrante I con el cuadrante III se dice que existe una
dependencia espacial positiva, de forma que la pendiente es igual al valor
obtenido en el contraste de la I de Moran.
La dependencia es negativa si la nube de puntos se encuentra en la diagonal
que conecta los cuadrantes II y IV. Y si por el contrario se observa una nube
de puntos sin una forma específica se dice que hay ausencia de dependencia
espacial.
4.2 Componentes principales11 El análisis de componentes principales revela relaciones entre las variables
que previamente no son fáciles de visualizar. Este análisis se centra en la
explicación de la varianza-covarianza de un conjunto de variables a través de
unas cuantas combinaciones lineales de estas variables.
Si bien se requiere p componentes principales para reproducir el total de la
variabilidad del conjunto, gran parte de esta variabilidad puede verse
representada significativamente por un numero menor (k) de componentes
principales. Los k componentes pueden entonces representar las p variables
y el conjunto original de datos. Obtener un conjunto menor de variables no
correlacionadas que remplace las p variables originales no constituye una
pérdida grave de información.
Se tiene una muestra de p variables X = [x1 x2 x3....xp] con su respectiva
matriz de covarianzas (cov(X) = Σ).
11 Applied Multivariate Statistical Analysis/ Richard A. Johnson-Dean W. Wichern. Fourth Edition, Prentice Hall , 1998.
41
II04(1)2
Y se quiere construir un conjunto de nuevas variables Y1, Y2, Y3, ...... Yp
ortogonal y con un sistema de variabilidad alto. Estas variables son
combinaciones lineales de las variables Xi, que pretenden explicar la
estructura de varianza-covarianza de este conjunto de variables X.
ppppppTpp
ppT
ppT
xxxxXY
xxxxXY
xxxxXY
lllll
lllll
lllll
++++==
++++==
++++==
........
....
....
332211
232322212122
131321211111
Considerando las combinaciones anteriores se obtiene la varianza y
covarianza de este nuevo conjunto de variables.
pkiYYCov
piYVar
kTiki
iTii
,...,2,1,),(
,...,2,1)(
=Σ=
=Σ=
ll
ll
El primer componente es la combinación lineal con la mayor varianza.
Primer Componente principal = la combinación lineal XT1l , que maximiza
Var ( XT1l ) sujeto a que 111 =llT
Segundo Componente principal = la combinación lineal XT2l , que maximiza
Var ( XT2l ) sujeto a que 122 =llT y 0),( 21 =XXCov TT ll .
En i-esimo paso,
42
II04(1)2
i-esimo Componente principal = la combinación lineal XTil , que maximiza
Var( XTil ) sujeto a que 1=i
Ti ll y 0),( =XXCov T
kTi ll para k < i.
Resolviendo el problema de optimización tenemos que:
Sean ),(),.....,,(),,( 2211 pp eee λλλ las parejas de eingervalores y eingervectores
de la matriz de covarianza (o correlación). Donde 0.......21 ≥≥≥ pλλλ . El i-
esimo componente está dado por la siguiente ecuación:
kieeYYCov
eeYVarDonde
pixexexexeXeY
kTiki
iiTii
iiiiTii
≠=Σ=
=Σ=
=++++==
0),(
)(
,...,2,1...... 44332211
λ
Los componentes principales no están correlacionados y tienen varianza
igual al eingervalor respectivo.
Otro resultado que se desprende del anterior relaciona la varianza de los
componentes principales con la varianza de las variables del conjunto
original.
)()()()(1 1
∑ ∑= =
=Λ=Σ=P
i
P
iii YVartrtrxVar , dado esto el total de la varianza es igual
a ppp λλλσσσσ +++=++++ ......... 21332211 .
La proporción del total de la varianza explicada por el i-esimo componentes
es igual a pip
i ,...2,1...21
=+++ λλλ
λ .
En muchos de los casos los tres primeros componentes explican un 80% a
un 90% del total de la varianza.
43
II04(1)2
La correlación entre los componentes principales y las variables son de gran
ayuda para propósitos interpretativos de los componentes. La correlación
entre X (el conjunto original de variables) y Y (el conjunto de componentes
principales) se presenta a continuación:
pkie
kk
iikXY ki
,...,3,2,1,, ==σ
λρ
4.3 Correlación Canónica12 El análisis de correlación canónica intenta identificar y cuantificar las
asociaciones entre dos conjuntos de variables. La idea central de este
análisis es encontrar parejas de variables (canónicas) formadas por
combinaciones lineales de los dos conjuntos originales de variables. La
primera pareja de variables posee la correlación más alta, a esta correlación
se le llama correlación canónica.
Sea X el primer conjunto formado por p variables y Y el segundo conjunto
formado por q variables, suponiendo p<q. La estructura de covarianzas de
estos dos conjuntos es la siguiente:
Tyxxy
y
x
YXCov
YCovXCov
Σ=Σ=
Σ=Σ=
),(
)()(
Las combinaciones lineales que proveen un “resumen” de información sobre
los dos conjuntos de variables se construyen de la siguiente forma:
12 Applied Multivariate Statistical Analysis/ Richard A. Johnson-Dean W. Wichern. Fourth Edition, Prentice Hall , 1998.
44
II04(1)2
bbaa
ba
EntoncesbaVUCov
bbVVaraaUVar
DondeYbVXaU
yT
xT
xyT
uv
xyT
yT
xT
t
T
ΣΣ
Σ=
Σ=
Σ=
Σ=
=
=
ρ
),(
)()(
El primer par de variables canónicas (U1,V1) maximizan el coeficiente de
correlación ( uvρ ).
El segundo par de correlaciones canónicas (U2,V2) maximiza el coeficiente de
correlación y no están correlacionadas con la primera pareja de variables
canónicas.
En el k-esimo paso,
El k-esimo par de variables canónicas (UK,VK) maximiza el coeficiente de
correlación y no están con el conjunto previo (K-1) de variables canónicas.
Se propone entonces el siguiente problema:
11.
=
=
SybbSxaasa
SxybaMax
T
T
T
La solución a este problema de maximización indica que:
[ ][ ]
[ ]aAa
ASyxSxySySxSxySyxSxSyB
bbSxySyxSxSy
2
11
11
211
ρ
ρ
=
=
=
=
−−
−−
−−
Se tiene que b son los eingervectores de la matriz B y a son los
eingervectores de la matriz A. Como se puede observar ρ2 es el eingervalor
de ambas eingerestructuras y la relación a con b esta determinada por
SyxbSya 1−= .
45
II04(1)2
Capítulo 5 Análisis de Resultados
El presente capítulo muestra las diferentes variables que se utilizan para
desarrollar esta investigación. El capítulo se encuentra organizado de la
siguiente manera: la primera sección proporciona información sobre las
bases de datos. En las siguientes secciones se exhibe los resultados
obtenidos por implementar las técnicas Análisis Exploratorio de Datos
Espaciales, Análisis de Componentes Principales y Análisis de Correlación
Canónica. Al final de cada sección se concluye respecto a la composición de
las variables bajo la herramienta correspondiente.
El propósito de este capitulo es proveer información estadística sobre las
variables de interés, presentada por cada una de las salidas
correspondientes a los tres análisis ya mencionados.
5.1 Descripción de la Base de Datos Los datos principalmente fueron copilados de la Policía Metropolita de Cali.
Estos datos corresponden al periodo comprendido entre los años 2001 y
2003 y están construidos de forma mensual para las 21 comunas que
conforman a la ciudad de Cali y los municipios aledaños Jamundi, Yumbo,
Vijes, La Cumbre y Candelaria. Estos datos se dividen en dos conjuntos.
El primer conjunto Delitos contiene el siguiente grupo de variables:
1. Secuestro Simple (i, t): número de secuestros simples cometidos en el sitio i, en el periodo t.*
2. Acceso Carnal Violento (i, t): número de Accesos Carnal Violentos cometidos en el sitio i, en el periodo t.*
3. Corrupción de Menores (i, t): número de Corrupción de Menores cometidos en el sitio i, en el periodo t.*
* Para todo i = 1,2,3...21, CA, JA, YU, VI, CU (21 comunas más los 5 municipios aledaños)
y t = 1,2,3.......,36 (meses).
46
II04(1)2
4. Moneda Falsa (i, t): número de veces que se confisca Moneda Falsa
en el sitio i, en el periodo t.* 5. Homicidio Arma de Fuego (i, t): número de Homicidio por arma de
Fuego cometidos en el sitio i, en el periodo t.* 6. Homicidio Arma Blanca (i, t): número de Homicidio por arma Blanca
cometidos en el sitio i, en el periodo t.* 7. Homicidios otras Armas (i, t): número de Homicidio por Otras Armas
cometidos en el sitio i, en el periodo t.* 8. Homicidio Accidente de Tránsito (i, t): número de Homicidios por
Accidente de Tránsito cometidos en el sitio i, en el periodo t.* 9. Lesiones Arma Fuego (i, t): número de Lesiones por Arma de Fuego
cometidos en el sitio i, en el periodo t.* 10. Lesiones Arma Blanca (i, t): número de Lesiones por Arma Blanca
cometidos en el sitio i, en el periodo t.* 11. Lesiones Otras Armas (i, t): número de Lesiones por Otras Armas
cometidos en el sitio i, en el periodo t.* 12. Lesiones Accidente de Tránsito (i, t): número de Lesiones por
Accidente de Tránsito cometidos en el sitio i, en el periodo t.* 13. Hurto Robo (i, t): número de Hurto en Robo cometidos en el sitio i, en
el periodo t.* 14. Hurtos Atraco (i, t): número de Hurtos en Atraco cometidos en el sitio i,
en el periodo t.* 15. Hurtos Callejero (i, t): número de Hurtos Callejeros cometidos en el
sitio i, en el periodo t.* 16. Hurto Banco (i, t): número de Hurtos de bancos cometidos en el sitio i,
en el periodo t.* 17. Hurto Carros (i, t): número de Hurtos de Carros cometidos en el sitio i,
en el periodo t.* 18. Hurto Motos (i, t): número de Hurtos de Motos cometidos en el sitio i,
en el periodo t.* 19. Piratería (i, t): número de veces que se ve Piratería cometida en el
sitio i, en el periodo t.* 20. Documentos Falsos (i, t): número de veces que se ve Documentos
Falsos en el sitio i, en el periodo t.* 21. Terrorismo (i, t): número de veces que se realiza Terrorismo en el sitio
i, en el periodo t.* 22. Abigeato (i, t). número de Abigeatos cometidos en el sitio i, en el
periodo t.* 23. Daño Bien Ajeno (i, t): número de veces que se comete Daño a Bien
Ajeno en el sitio i, en el periodo t.* 24. Violencia Intrafamiliar(i, t): número de veces que se comete Violencia
Intrafamiliar en el sitio i, en el periodo t.* 25. Maltrato a Menor (i, t): número de veces que se comete Maltrato a
Menor en el sitio i, en el periodo t.*
47
II04(1)2 26. Estafa(i, t): número de Estafas que se comete en el sitio i, en el
periodo t.* 27. Fraude mediante Cheque(i, t): número de Fraudes Mediante Cheque
que se cometen en el sitio i, en el periodo t.* 28. Extorsión (i, t): número de Extorsiones que se cometen en el sitio i, en
el periodo t.* 29. Fuga de presos (i, t): número de veces que se Fuga un Preso en el
sitio i, en el periodo t.* 30. Aborto (i, t): número de Abortos que se cometen en el sitio i, en el
periodo t.* 31. Secuestro Extorsivo (i, t): número de Secuestros Extorsivos que se
comete en el sitio i, en el periodo t.* 32. Fraude Electoral (i, t): número de Fraudes Electorales que se comete
en el sitio i, en el periodo t.* 33. Posesión Ilícita de Cedula (i, t): número de veces que se comete
Posesión Ilícita de cedula en el sitio i, en el periodo t.* 34. Suicidio (i, t): número de Suicidios que se comete en el sitio i, en el
periodo t.* 35. Estupefacientes (i, t): número de Estupefacientes que se incautan en
el sitio i, en el periodo t.* 36. Porte Ilegal (i, t): número de veces se capturan personas portando
ilegalmente arme de fuego en el sitio i, en el periodo t. El segundo conjunto Capturas contiene las siguientes variables:
1. Arma de Fuego con Salvoconducto (i,t): número de armas de fuego incautadas con salvoconducto en el sitio i, en el periodo t.
2. Arma de Fuego sin Salvoconducto (i,t): número de armas de fuego incautadas sin salvoconducto en el sitio i, en el periodo t.
3. Marihuana (i,t): gramos de Marihuana incautados en el sitio i, en el periodo t.
4. Bazuco (i,t): gramos de Bazuco incautados en el sitio i, en el periodo t. 5. Cocaína (i,t): gramos de Cocaína incautados en el sitio i, en el periodo
t. 6. Heroína (i,t): gramos de Heroína incautados en el sitio i, en el periodo
t. 7. Base de Coca (i,t): gramos de Base de Coca incautados en el sitio i,
en el periodo t. 8. Capturas (i,t): número de capturas realizada en el sitio i, periodo t que
no tienen que ver con estupefaciente e incautación de armas de fuego.
48
II04(1)2
Por otra lado se recopilo una serie de variables sociales, geográficas y
económicas para cada comuna en particular, esta información corresponde al
año 2002. Las variables son las siguientes:
1. Área Bruta (i): número de hectáreas en la comuna i.13 2. Población (i): número de personas en la comuna i.14 3. Densidad Bruta (i): habitantes por hectárea en la comuna i. 4. Densidad Bruta Vivienda (i): Vivienda por hectárea en la comuna i. 1 5. Estrato Moda (i): Número del estrato con mayor frecuencia en la
comuna i. 1 6. Barrios (i): número de barrios en la comuna i. 1 7. Urbanizaciones (i): número de urbanizaciones en la comuna i. 1 8. Puestos de Salud (i): número de puestos de salud en la comuna i. 15 9. Establecimientos Preescolar (i): número de establecimientos de
preescolar en la comuna i. 16 10. Matricula Preescolar (i): número de personas matriculadas en los
establecimientos de preescolar en la comuna i. 4 11. Docentes Preescolar (i):número de docentes en los establecimientos
de preescolar en la comuna i. 4 12. Establecimientos Primaria (i): número de establecimientos de primaria
en la comuna i. 4 13. Matricula Primaria (i): número de personas matriculadas en los
establecimientos de primaria en la comuna i. 4 14. Docentes Primaria (i): número de docentes en los establecimientos de
primaria en la comuna i. 4 15. Establecimientos Secundaria (i): número de establecimientos de
secundaria en la comuna i. 4 16. Matricula Secundaria (i): número de personas matriculadas en los
establecimientos de secundaria en la comuna i. 4 17. Docentes Secundaria (i): número de docentes en los establecimientos
de secundaria en la comuna i. 4 18. Estaciones de Policía (i): número de estaciones de policía en la
comuna i. 17 19. Suscripción Acueducto (i): número de suscripciones a acueducto en la
comuna i. 18 20. Residencial Alcantarillado (i): número de residencias suscritas al
servicio de alcantarillado en la comuna i. 6 13 Fuente: Departamento Administrativo de Planeación Municipal 14 Fuente : DAP-La población de Cali 15 Fuente: Secretaria de Salud Municipal 16 Fuente: Secretaria de Educación Municipal 17 Fuente: Policía metropolitana de Cali 18 Fuente: EMCALI
49
II04(1)2
21. Cobertura Energía (i): porcentaje de la comuna i con servicio de
energía.6 22. Cobertura _ gas _natural (i): porcentaje de la comuna i con servicio de
gas natural. 19 23. Líneas Telefónicas (i): numero de líneas telefónicas por 100 habitantes
en la comuna i. 6 24. Otros Aseo (i): número de suscripciones que no son residenciales, ni
industriales al servicio de aseo en la comuna i. 20 25. Cobertura _ aseo (i): porcentaje de la comuna i con servicio de aseo. 8 26. Inversión_presupuesto_final (i): presupuesto final en inversión publica,
en millones de pesos, en la comuna i. 21 27. Inversión_ejecución (i): ejecución en inversión publica, en millones de
pesos, en la comuna i. 9
19 Fuente: Gases de Occidente 20 Fuente: EMSIRVA 21 Fuente: Departamento Administrativo de Hacienda
50
II04(1)2 5.2 Resultados del Análisis Exploratorio de Datos Espaciales El Análisis Exploratorio de Datos Espaciales es la aproximación más
tradicional al efecto de dependencia espacial, resumido en un indicador bien
sea la I de Moran o la de C de Geary. Estas medidas suelen utilizarse para
conocer el rango de interacción espacial de los datos.
El contraste de la presencia o ausencia de un esquema de dependencia
espacial se desarrolla a nivel univariante, entonces es necesario que las
variables que se encuentran en función del tiempo, como el caso de los
conjuntos de datos Capturas y Delitos, se manejen en un solo periodo de
tiempo.
Las observaciones que forman los conjuntos de datos Capturas y Delitos, se
modificaron de tal forma que se promediaron los valores que toma una
determinada variable sobre cada comuna, quedando las 21 comunas como
observaciones de las variables. Por ejemplo la variable Secuestro Extorsivo
esta definida como: número de Secuestros Extorsivos que se comete en el
sitio i, en el periodo t. Para este análisis se manejo la variable del siguiente
modo Secuestro Extorsivos (i), número promedio de secuestros extorsivos en
la comuna i durante los 3 años (2001 a 2003), perdiendo el efecto de
temporalidad de la variable. Del mismo modo se manejo el resto de las
variables dada las limitaciones que se presentan en este análisis
exploratorio.
La limitación que posee el análisis espacial de desarrollarse a nivel
univariante puede solucionarse utilizando la herramienta estadística Data
Panel, pero debido a que el interés de está investigación se centra en otro
tema esto no se llevo esto a cabo.
51
II04(1)2
El contraste I de Moran reveló en un esquema general que no existía
dependencia espacial sobre las variables que conforman el grupo de datos
Capturas.
Definida una estructura espacial por la ubicación geográfica de cada Comuna
en la ciudad de Cali, se construye el contraste I de Moran y se obtiene su
valor en la función normal estándar (Z(I)). Cada Z(I) es elaborado para cada
variable del conjunto de datos Capturas, en todos los casos este valor es no
significativo lo cual lleva a no rechazar la hipótesis nula de no autocorrelación
espacial entre las observaciones de cada variable. Por lo tanto se cree que
la presencia de estupefacientes y armas de fuego en una región viene
explicado únicamente por el valor de la variable en ese sitio, es decir, la
presencia de estupefacientes y armas de fuego en una comuna no parece
ser consecuencia de que en comunas vecinas se presente este fenómeno.
(Ver Anexo1)
Los resultados del contraste I de Moran para las diferentes variables del
conjunto de datos Delitos mostraron que no se presenta una autocorrelación
espacial.
De la misma forma como se maneja las variables del conjunto de datos
Capturas, se construye una estructura espacial dada la ubicación de cada
comuna para obtener el valor del contraste I de Moran en la función normal
estándar (Z(I)). El Z(I) es obtenido para cada variable del conjunto de datos
Delitos, en todos los casos este valor es no significativo lo cual lleva a no
rechazar la hipótesis nula de no dependencia espacial en los datos. Por lo
tanto el acto delictivo en una comuna no parece ser consecuencia de que en
comunas vecinas se presenten los mismos actos delictivos. (Ver Anexo2)
52
II04(1)2
Los Resultados de la C de Geary se construyeron para las variables del
conjunto de datos Capturas, donde se confirma que dada una estructura
espacial por las condiciones geográficas de las comunas, las observaciones
de las distintas variables no presentan dependencia espacial. (Ver Anexo 3)
Además de los dos contrastes anteriores el Scatterplot de Moran en las
gráficas (Ver Anexo 4) reproduce la ausencia de autocorrelación espacial
entre las observaciones de las variables de los dos conjuntos de datos
Delitos y Capturas.
La variable Marihuana parece no presentar un dependencia espacial de
ningún tipo (Gráfica 5.2.1), el Scatterplot de Moran para esta variable
reproduce una nube de puntos dispersa en los cuatro cuadrantes dando
indicio de ausencia de dependencia espacial.
Para el caso de la variable estupefacientes se esperaba encontrar una
dependencia espacial positiva entre las comunas como resultado de la
dinámica que presenta un comercio como el de las drogas en la ciudad de
Cali, sin embargo como ya se argumento anteriormente con los dos
contrastes, la variable no rechaza la hipótesis nula de ausencia de
autocorrelación. Del mismo modo el Scatterplot de Moran reproduce una
53
II04(1)2
nube de puntos alrededor de los cuatro cuadrantes (Gráfico 5.2.2)
confirmando nuevamente la no autocorrelación de las observaciones
espaciales de esta variable.
El porte Ilegal de armas de fuego ha mostrado una dinámica creciente desde
la década de los años ochenta en la ciudad de Cali, por tanto se presumía
una dependencia espacial entre las comunas del centro Urbano. Los análisis
exploratorios de datos espaciales no indicaron un efectos de dependencia
espacial en las observaciones de la variable porte ilegal. El Scatterplot de
Moran para la variable (Gráfico 5.2.3) alcanza a señalar valores que se
encuentran sobre la diagonal que cruza los cuadrantes I y III, pese a esto no
parecen estar lo suficientemente concentrados para indicar una dependencia
espacial positiva.
54
II04(1)2
A manera de conclusión se pensaba que uno de los factores que podía
explicar el proceder del crimen en la ciudad de Cali, se debía a la localidad
donde ocurría el delito a causa de la evidente heterogeneidad que
caracteriza a la ciudad. Cuando en Cali se observa características sociales,
demográficas y económicas concentradas en un grupo particular de
comunas contiguas, el contagio de crimen no se percibiría como algo insólito.
5.3 Resultados del Análisis de Componentes Principales Se realizó el análisis de componentes principales sobre los dos conjuntos de
Datos Delitos y Capturas, con el propósito de revelar relaciones entre las
variables que previamente no son fáciles de visualizar.
Los k componentes principales se construyeron a partir de la matriz de
correlaciones de las variables apropiadamente estandarizadas y Per Cápita.
Lo primero que se hizo fue tomar la muestra total de Delitos y determinar un
cierto número de componentes principales que capturaran un porcentaje
55
II04(1)2
significativo del total de la variabilidad de la muestra y expusieran relaciones
que no son tan evidentes en principio. Luego se toman los datos acumulados
de la muestra que consisten en las 36 variables (Delitos) con sus 21
observaciones (Comunas) correspondientes. Sobre este conjunto de datos
se realiza nuevamente el análisis de componentes principales y se interpreta
ciertas similitudes que permiten agrupar las comunas. Cada Comuna es
investigada bajo la construcción de sus componentes principales y su
pertenencia a un respectivo grupo.
Después de elaborar el estudio de los datos de la muestra total de delitos, se
examina la muestra total de capturas pero únicamente se tiene en cuenta el
análisis sobre los datos acumulados que consisten en las 8 variables
(Capturas) con sus 21 observaciones (Comunas) correspondientes.
Finalmente se concluye sobre los resultados que se obtuvieron para ambas
muestras: Delitos y Capturas.
5.3.1 Resultados del Análisis de Componentes Principales para la
Muestra Total de Delitos
Los eingervalores inicialmente mostraron que con los primeros 21
componentes se explicaba el 74.3% del total de la varianza. Debido al
número tan alto de componentes se decidió recurrir a la medida de Káiser
para determinar que variables poseen una menor medida de adecuación.
Este indicador se trata de una medida de la homogeneidad de las variables.
Compara la magnitud de los coeficientes de correlación simple con los
coeficientes de correlación parcial observados. Valores pequeños sugieren
que el análisis de componentes principales podría no ser conveniente, ya que
las correlaciones entre pares de variables no pueden ser explicadas por las
56
II04(1)2
demás variables. Se sugiere una medida de Káiser mayor o igual que 0.8;
aunque, una medida por encima de 0.5 es tolerable.22
En el siguiente cuadro se puede ver que la medida de adecuación global es
de 0.744, pero al observar las medidas de adecuación de cada variable nos
encontramos con valores muy bajos como el de la variable Abigeato (Tabla
5.3.1.1)
Tabla 5.3.1.1 Initial Factor Method: Principal Components
Kaiser's Measure of Sampling Adequacy: Overall MSA = 0.74460228
SECUESTROSIMPLE ACCESOCARNALVIOLE CORRUPCIONDEMENORES MONEDAFALSA HOMARMAFUEGO 0.44506959 0.53031496 0.55136328 0.55992516 0.58675084
HOMARMABLANCA HOMOTRASARNMAS HOMACCTRANS LESIONESARMAFUEGO LESIONESARMABLANCA
0.79634030 0.64620580 0.74244546 0.60966044 0.72971899
LESIONESOTRASARMAS LESIONESACCTRANSITO HURTOROBO HURTOATRACO HURTOCALLEJERO 0.59735804 0.56952956 0.88351336 0.85697572 0.73050603
HURTOBANCOS HURTOCARROS HURTOMOTOS PIRATERIA DOCFALSOS TERRORISMO ABIGEATO
0.87213364 0.78836500 0.81666616 0.60795076 0.88023857 0.62349568 0.23026383
DAÑOBIENAJENO VIOLOINTRAFAMILIAR MALTRATOAMENOR ESTAFA FRAUDEMEDIANTECHEQUE 0.77561690 0.42630787 0.49109396 0.70625330 0.86271902
EXTORSION FUGADEPRESOS ABORTO SECUESTROEXTORSIVO FRAUDEELECTORAL
0.73564576 0.60947286 0.65734965 0.68067054 0.52543092
POSESIONILICITACEDULA SUICIDIO ESTUPEFACIENTES PORTE ILEGAL 0.42348164 0.60958514 0.84699240 0.69120926
Después de generar varias veces la medida de Kaiser se encuentra que las
variables que se deben excluir del estudio son: Secuestro Simple, Acceso
Carnal Violento, Corrupción de Menores, Moneda Falsa, Abigeato, Violencia
Intrafamiliar, Maltrato a Menor y Posesión Ilícita de Cedula.
Excluyendo dichas variables se encontró que los tres primeros componentes
principales explican aproximadamente el 30% de la varianza total y con los
22 Díaz Luis G. Estadística Multivariada: Inferencia y Métodos (2002). Edición: Universidad nacional de Colombia. Primera Edición. P. 255.
57
II04(1)2
14 primeros componentes se alcanza a explicar un 71.42% de la varianza
total (Tabla 5.3.1.2).
Tabla 5.3.1.2 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 4.14167303 2.11469391 0.1534 0.1534 2 2.02697913 0.61536502 0.0751 0.2285 3 1.41161411 0.07767250 0.0523 0.2808 4 1.33394161 0.08608251 0.0494 0.3302 5 1.24785910 0.04157364 0.0462 0.3764 6 1.20628546 0.10842037 0.0447 0.4211 7 1.09786509 0.03374899 0.0407 0.4617 8 1.06411610 0.02432094 0.0394 0.5011 9 1.03979516 0.03697324 0.0385 0.5396 10 1.00282192 0.01383744 0.0371 0.5768 11 0.98898448 0.04202937 0.0366 0.6134 12 0.94695511 0.03708690 0.0351 0.6485 13 0.90986821 0.04446016 0.0337 0.6822 14 0.86540804 0.01674919 0.0321 0.7142 15 0.84865885 0.0314 0.7457
El primer componente principal posee cargas positivas altas sobre las
variables Hurto Robo, Hurto Atraco, Hurto Callejero, Hurto de motos y
Estupefacientes. De modo que el componente parece estar mostrando que el
comercio ilegal de drogas con delitos comunes como los hurtos, poseen
dinámicas parecidas. Dada las cargas positivas del componente sobre estas
variables se puede sospechar que en una comuna donde la presencia de
estupefacientes es profunda, se presenta un nivel costoso de hurtos (ver
anexo 5. Tabla 1).
En los últimos años fueron capturados en Cali alrededor de 7000 menores
por delitos relacionados con venta y uso de drogas, hurtos y homicidios,
viéndose forzados a recurrir a este tipo de actividades por la mala condición
económica y familiar que padecen. El número de menores involucrados no se
puede separar de la marginalidad y la pobreza, la violencia domestica, el
narcotráfico, el desplazamiento y el conflicto armado.23
58
II04(1)2
El anterior párrafo puede de cierta forma justificar la relación entre los
estupefacientes y los hurtos que es insinuada por la composición del primer
componente principal.
El segundo componente posee correlaciones positivas sobre las variables
Homicidio Arma de Fuego, lesiones Arma de Fuego y Porte Ilegal. Y en
cuanto a la variable Hurto de Carros posee una carga negativa.
El componente parecería rescatar una relación de naturaleza homicida: el
uso de arma de fuego en el escenario del crimen. Por tanto la correlación
negativa con respecto a la variable hurto de carros estaría reflejando que en
este tipo de delito no se involucra un arma de Fuego.
Del mismo modo que el segundo componente, el tercer componente parece
reflejar el uso de un arma de fuego en el escenario del crimen, mostrando
altas correlaciones negativas con los delitos Homicidio Arma de Fuego,
Lesiones Arma de Fuego y Porte Ilegal. Y con relación a las variables
Homicidio Accidente de Tránsito y Lesiones Accidente de Tránsito el
componente presenta cargas positivas, revalidando la idea de que en este
tipo de delitos no se involucra un arma de fuego.
El cuarto componente simula una correlación negativa entre dos tipos de
delitos fraude Mediante Cheque y Estafa. El quinto componente posee
cargas positivas sobre los delitos secuestro extorsivo y extorsión
manifestando que ambos delitos poseen una dinámica similar.
El sexto componente principal exhibe cargas positivas sobre las variables
Lesiones Accidente de Tránsito, Piratería, Estafa y una carga negativa sobre
la variable Secuestro extorsivo. Interpretar el significado de esta relación
23 Revista CAMBIO ( Marzo 15 a Marzo 22 del 2004), Número 559 , 19-22.
59
II04(1)2
resulta ser algo confuso sin embargo se puede rescatar la presencia de una
mecánica diferente en el comportamiento de la variable Secuestro Extorsivo.
El séptimo componente posee una correlación positiva con la variable
Suicidio y una correlación negativa con la variable Terrorismo. La correlación
negativa entre estas dos variables resulta ser perceptible debido a que un
delito como el terrorismo se encuentra relacionado con una violencia Social y
Política, mientras que el suicidio es una violencia contra si mismo.
El octavo componente presenta una relación que no es tan obvia en principio,
la correlación entre los delitos Terrorismo y Homicidio Otras Armas. Sin
embargo si se interpreta a la variable Homicidio Otras Armas como los
homicidios por causa de la papa bomba, del libro bomba, del cinturón bomba,
del paquete bomba, entre otras armas de este estilo, ya no es tan laborioso
entender que el terrorismo esta asociado con homicidios que involucran
armas de tipo explosivo.
El noveno componente presenta una correlación positiva con la variable Fuga
de presos y una correlación negativa con la variable Homicidio Otras Armas.
Muestra una relación negativa un poco difícil de interpretar, sin embargo
tiene sentido que estos dos tipos de delitos presenten dinámicas disímiles.
El décimo componente principal parece capturar el comportamiento particular
de la variable Fuga de presos. Esta variable depende mucho de la presencia
o ausencia de cárceles dentro de la comuna o un sitio en especial, por lo
tanto no se esperaría encontrar una relación significativa de este delito con
otros, que representara alguna característica del crimen sobre toda la
muestra (Comunas y Municipios).
60
II04(1)2
El onceavo componente exhibe una correlación negativa entre los delitos
homicidio con arma blanca y abortos. La relación negativa que indica el
componente es razonable, el nivel de homicidios por arma blanca debería ser
diferente al nivel de abortos dentro de cada comuna o municipio en particular.
El resto de componentes revelan una composición muy delicada y su
interpretación se vuelve muy confusa. Adicionalmente la variabilidad
explicada por el componente es muy pequeña y su valor sobre toda la
muestra tiende a verse insignificante.
Después de hacer el estudio anteriormente relatado y observar que ciertas
características globales necesitan de un estudio complementario, se tomaron
los datos que se manejaron en el Análisis Espacial, donde se promediaron
los valores que toma una determinada variable sobre cada comuna (en los
tres años), quedando las 21 comunas más los cinco municipios como las
observaciones de cada una de estas variables.
Con la información de 36 delitos (variables estandarizadas y Per Cápita) en
26 sitios (observaciones) se obtuvo la matriz de correlación que permitió la
construcción del los componentes principales.
Los tres primeros componentes resultaron proporcionando el 88.23% del total
de la varianza, hecho que es muy ventajoso si se sabe que el conjunto
original corresponde a 36 variables (Tabla 5.3.1.3).
Tabla 5.3.1.3. Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 26.0699720 23.0113069 0.7242 0.7242 2 3.0586651 0.4251415 0.0850 0.8091 3 2.6335236 0.8788011 0.0732 0.8823 4 1.7547225 0.5742008 0.0487 0.9310 5 1.1805217 0.2477723 0.0328 0.9638 6 0.9327494 0.7020602 0.0259 0.9897 7 0.2306892 0.0915326 0.0064 0.9961 8 0.1391565 0.1391565 0.0039 1.0000
61
II04(1)2 El primer componente parece ser una medida general de todo el crimen.
Posee correlaciones positivas con casi todas las variables, resumiendo un
comportamiento símil de los distintos delitos (Ver anexo 5. Tabla 2).
El segundo componente principal presentas cargas positivas sobre las
variables Moneda Falsa, Fuga de Presos, Aborto y Posesión ilícita de cedula.
Por otro lado presenta cargas negativas y significativas sobre las variables
Secuestro simple, Abigeato, Fraude Electoral, Documentos Falsos y
Piratería. El componente parece resumir el comportamiento de delitos que se
presentan con menor frecuencia y que tienen mucho que ver con el engaño.
El tercer componente muestra estar correlacionado positivamente con las
variables Corrupción Menores, Homicidio Otras Armas, Terrorismo, Aborto,
fraude Electoral, Posesión Ilícita de Cedula y Suicidio. Con respecto a las
variables Fraude mediante Cheque, Extorsión y Secuestro Extorsivo.
Analizando el gráfico 5.3.1.1, se puede observar como las 21 comunas se
concentran en un solo punto, este efecto se puede atribuir al hecho de que
en cada comuna se observa un rango menor de crimen con respecto a los
otros cinco municipios.
Al comparar los 5 municipios basándose en los tres primeros componentes
principales (explican conjuntamente el 88.23% de la variabilidad total),
Yumbo resulta poseer el nivel de crimen más alto, seguidamente Candelaria
y finalmente el Jamundi. Los municipios Cumbre y Vijes conservan grados
de crimen mucho menores.
62
II04(1)2
Gráfico 5.3.1.1
El segundo componente principal rescata un efecto de diferenciación entre
los municipios de Yumbo y Jamundi. De acuerdo a lo que se menciono
acerca de lo señalado por el segundo componente, la diferencia entre estos
dos municipios se debe a delitos relacionados con factores como: fraude,
trampa y falsificación.
Interpretando el valor que toma cada observación en el tercer componente,
se pensaría que Candelaria exhibe casos de Extorsión y Secuestro Extorsivo
con mayor frecuencia, mientras que Yumbo y Jamundi registrarían casos
más frecuentes de Terrorismo.
Debido al agrupamiento tan particular que tomaron las 21 comunas se decide
realizar nuevamente el análisis de componentes principales, pero esta vez
solo se tuvieron en cuenta las 21 comunas, para examinar el efecto aislando
los 5 municipios.
II04(1)2
63
II04(1)2
Los tres primeros componentes explican el 68.27% de la variabilidad total de
la muestra y con los cinco primeros componentes se alcanza a explicar el
77.91% (Tabla 5.3.1.4).
Tabla 5.3.1.4
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 17.6103339 13.0962085 0.4892 0.4892 2 4.5141254 2.0606721 0.1254 0.6146 3 2.4534532 0.5593978 0.0682 0.6827 4 1.8940554 0.3184696 0.0526 0.7353 5 1.5755858 0.1047851 0.0438 0.7791 6 1.4708007 0.2069002 0.0409 0.8200 7 1.2639005 0.2653141 0.0351 0.8551
El primer componente principal igual que en el caso anterior se muestra
como una medida general del crimen, dado que guarda una correlación
positiva con gran parte de las variables (Ver Anexo 5. Tabla 3).
El segundo componente esta correlacionado positivamente con las variables
Homicidio Arma de Fuego, Homicidio Arma Blanca, Lesiones Arma de
Fuego, Lesiones Arma Blanca y Porte Ilegal. Por otra parte se encuentra
correlacionado negativa y significativamente con las variables Hurto Robo,
Hurto Atraco, Hurto Bancos y Hurto Carros. El componente parece exhibir la
mecánica disímil de los hurtos con respecto a homicidios y lesiones por
arma blanca y de delitos que involucran el uso de arma de fuego.
El tercer componente expone cargas positivas sobre las variables Acceso
Carnal Violento, Corrupción de Menores, Violencia Intrafamiliar y Maltrato a
Menor. El componente parecería aglomerar las variables que están
concernidas en un habiente de destrucción familiar.
El cuarto componente muestra correlaciones positivas con las variables
Abigeato, Maltrato a Menor y Porte Ilegal. Con respecto a la variable
Violencia Intrafamiliar posee una correlación negativa significativa. El quinto
64
II04(1)2
componente principal esta correlacionado positivamente con las variables
Secuestro Simple y Fuga de Presos. Estos dos componentes presentan
composiciones muy débiles, y su interpretación se hace poco descifrable.
Utilizando el gráfico 5.3.1.2 se puede inferir sobre la composición de
agrupaciones entre las comunas. Se podría discurrir acerca de la
composición de un primer grupo por las comunas 12, 9, y 17, las cuales
presentan características económicas y sociales parecidas. De acuerdo al
segundo componente principal este primer grupo se caracteriza por poseer
casos de hurtos con frecuencias superiores frente al resto de las comunas.
Con relación a los niveles de lesiones y homicidios por arma blanca y delitos
que involucran arma de fuego los casos que se presentan en las comunas
del este primer conjunto son menores frente a las otras comunas.
Gráfico 5.3.1.2.
65
II04(1)2
Continuando con la especulación, un segundo grupo estaría conformado por
la comuna 3. Observación que tratada por primer componente muestra
rangos de crimen en general mucho más altos que el resto de las comunas.
Un tercer conjunto se conforma por la comuna 20. Observación que tratada
por el segundo componente principal, describe grados de lesiones y
homicidios con arma blanca y delitos que involucran arma de fuego,
costosos, así mismo se describe a una comuna donde los hurtos no suceden
con numerosa eventualidad.
Las comunas 1, 14, 21, y 4 constituirían un cuarto grupo, definido por el
tercer componente principal. Se pensaría entonces que en estas cuatro
comunas se advierte de un entorno donde la destrucción familiar juega un
papel protagónico.
Un quinto grupo estaría conformado por las comunas 5,6, 10 y 18 donde el
nivel de hurtos es mayor al nivel de homicidios y lesiones por uso de arma
blanca y delitos que involucran arma de fuego. Las comunas 9, 8, 7, y 11
construyen un sexto grupo que los componentes consideran que poseen una
elevada tasa de homicidios. Un séptimo y último grupo conformado por las
comunas 12,13 15 y 16 donde contrario a lo anterior, el nivel de homicidios y
lesiones por uso de arma blanca y delitos que involucran arma de fuego es
mayor que el nivel de hurtos.
Después de evaluar la aglomeración de las comunas en ciertos grupos, se
toma independientemente a cada comuna para realizarle el análisis de
componentes principales. La idea es complementar los argumentos que ya
se han venido exponiendo sobre las discrepancias en la forma como se da el
crimen entre las comunas.
66
II04(1)2
En general se definieron unas etapas para interpretar los resultados del
análisis particular de cada comuna, primero se examina que variable para
dicha comuna es cero; es decir, en los tres años nunca se presenta tal delito.
Inmediatamente después se corre el análisis de componentes sobre todas
las variables que no son cero y se observa que el número de componentes
que alcanza a explicar un porcentaje significativo de la variabilidad total es
cuantioso. Se recurre entonces a la medida de Káiser para identificar que
variables no son apropiadas. Finalmente se corre el análisis de componentes
principales excluyendo las variables inadecuadas y se interpreta la
composición de los primeros componentes principales.
a). Grupo 1 (Comunas 2,17, 19) Las comunas que hacen parte de este primer grupo forman un corredor que
recorre desde el norte (Comuna 2) pasando por el centro (Comuna 19) y
llega hasta el sur (Comuna 17). Este conjunto de comunas esta poblado por
estratos de ingreso medio-alto, mostrando niveles bajos de pobreza.24
El análisis de componentes principales sobre la comuna 2 mostró que los
tres primeros componentes explican el 40.47% del total de la varianza y los
siete primeros componentes explican el 72.7% (Tabla 5.3.1.5).
Tabla 5.3.1.5 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 2.40438047 0.24329061 0.1503 0.1503 2 2.16108986 0.25065810 0.1351 0.2853 3 1.91043176 0.41038457 0.1194 0.4047 4 1.50004720 0.19908029 0.0938 0.4985 5 1.30096691 0.06385298 0.0813 0.5798 6 1.23711393 0.11866467 0.0773 0.6571 7 1.11844925 0.11745124 0.0699 0.7270
El primer componente asocia el porte ilegal de armas de fuego con los
hurtos, en vez de asociarlo a los delitos lesiones y homicidios por arma de
24 Departamento Administrativo Municipal 2002.
67
II04(1)2
fuego como se venia observando en las anteriores muestras. Esto indica que
dentro de la comuna existe una dinámica particular en el porte ilegal de arma
de fuego esto permite pensar que los causantes de homicidios y lesiones con
arma de fuego provienen de otras comunas (Ver Anexo 5. Tabla 5).
El segundo componente expone una relación significativa entre las variables
Hurto Moto, Hurto Robo y Homicidio Arma Blanca, de modo que estos dos
tipos de hurtos están relacionados con homicidios de arma blanca dentro de
la comuna 2. El tercer componente exhibe una asociación negativa entre
Lesiones Accidente de Tránsito y los delitos: Homicidio Arma de Fuego,
Hurto Callejero y Hurto Banco, esta asociación negativa resulta ser muy
simple de interpretar dada la naturaleza del delito.
Los seis tipos de hurtos aumentan para el año 2002 y disminuyen para el año
2003 dentro de la comuna 2 basándose en el comportamiento de los tres
primeros componentes principales (Gráfico 5.3.1.3). También es posible
advertir una suerte de cambio en la mecánica de los componentes cuando se
inicia un nuevo año.
Gráfico 5.3.1.3
Componentes Principales Comuna 2
-5
-4
-3
-2
-1
0
1
2
3
4
5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
68
II04(1)2
En resumen la comuna 2 presenta esencialmente delitos por causa de
hurtos, ya sea que estén relacionados con el porte ilegal de armas de fuego
o con armas corto punzantes.
Al realizar el análisis de componentes principales sobre la comuna 17 se
observa que los tres primeros componentes explica el 50.18% y los seis
primeros explican el 71.76% de la variabilidad total de la muestra (Tabla
5.3.1.6).
Tabla 5.3.1.6
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 3.20899501 0.39514060 0.2006 0.2006 2 2.81385440 0.80726045 0.1759 0.3764 3 2.00659395 0.56116799 0.1254 0.5018 4 1.44542596 0.17207358 0.0903 0.5922 5 1.27335238 0.38004086 0.0796 0.6718 6 0.89331153 0.11374612 0.0558 0.7276
El primer componente relaciona los hurtos de carros y motos con el porte
ilegal de arma de fuego y estupefacientes (Ver Anexo 5 Tabla 20).
El segundo componente asocia los delitos Homicidio Arma de Fuego, Hurto
Atraco, Hurto Robo y Porte Ilegal. Por consiguiente se creería que los hurtos:
Atraco y Robo, involucran un arma de fuego en el momento de cometer el
crimen.
El tercer componente exhibe correlaciones positivas con los delitos Homicidio
Arma de Fuego, Homicidio Arma Blanca, Hurto Carro y Porte Ilegal.
La composición de los tres primeros componentes señalan que el hurto de
motos, el hurto de carros, los homicidios con Arma de fuego, los homicidios
con Arma Blanca, el porte ilegal y la presencia de estupefacientes para el
69
II04(1)2
2003 presentan una dinámica decreciente dentro de la comuna (Gráfico
5.3.1.4).
Gráfico 5.3.1.4
Componentes Principales Comuna 17
-8,0
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35Prin1Prin2Prin3
Del mismo modo que la comuna 2 la comuna 17 padece costosos márgenes
de hurtos, sin embargo se señalo que dentro de esta comuna los valores de
ciertos delitos han venido decreciendo, lo cual sitúa a la comuna en un
ambiente social más tranquilo frente a la violencia criminal que se siente en
otras zonas de la ciudad.
El análisis de componentes sobre la comuna 19 muestra que los tres
primeros componentes explican el 41.95% de la variabilidad total y con los
siete primeros componentes se explica el 71.97% (Tabla 5.3.1.7).
Tabla 5.3.1.7
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 3.03548109 0.38755522 0.1598 0.1598 2 2.64792587 0.36113275 0.1394 0.2991 3 2.28679312 0.28382308 0.1204 0.4195 4 2.00297004 0.38029263 0.1054 0.5249 5 1.62267740 0.52375026 0.0854 0.6103 6 1.09892714 0.11911217 0.0578 0.6681 7 0.97981497 0.11682181 0.0516 0.7197
70
II04(1)2
El primer componente presenta cargas positivas sobre los delitos Homicidio
Arma de Fuego, Homicidio otras Armas, lesiones Arma de fuego y Hurto
Callejero, señalando que el Hurto callejero dentro de la comuna se encuentra
relacionado a crímenes de origen violento (Ver anexo 5 Tabla 22).
El segundo componente indica una asociación positiva entre las variables
Hurto Atraco, Terrorismo y Estupefacientes. El tercer componente se
correlaciona positivamente con las variables Daño Bien Ajeno, Hurto Moto,
Hurto carro y Hurto Banco. Y se correlaciona negativamente con las variables
Homicidios Accidentes de Tránsito y Lesiones Accidentes de Tránsito.
El componente por una parte parece medir el nivel de ciertos hurtos dentro
de la comuna, y por otra parte mide los delitos relacionados con los
accidentes de tránsito. El cuarto componente también parece medir los
crímenes ligados a los accidentes de tránsito, adicionalmente el componente
se encuentra correlacionado a los delitos: Hurto Moto y Hurto Carro.
Gráfico 5.3.1.5
Componentes Principales Comuna 19
-4
-3-2
-1
01
23
4
56
7
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
Prin4
71
II04(1)2
Acerca de la composición de los cuatro primeros componentes a lo largo de
los tres años (2001-2003) se puede interpretar la reducción en los delitos
hurto de motos, hurto de carros y accidentes de tránsito. Sin embrago el
componente dos indica un incremento en los atracos (Gráfico 5.3.1.5).
En particular la comuna 19 presenta reducciones en los accidentes de
tránsito y un aumento en los atracos. La comuna al igual que la comuna 17
expone una reducción en los hurtos de motos y carros.
Si bien los delitos que se registran con mayor frecuencia dentro de las tres
comunas (2, 17,19) son los vinculados con hurtos de motos y carros, la
situación social que se puede percibir bajo el estudio es una situación
“manejable”, es decir, la población de este conjunto de comunas se
encuentra beneficiada frente a otras zonas de la ciudad en cuanto a un
entorno seguro frente al crimen en general se refiere.
b) Grupo 2 (Comuna 3)
La comuna tres forma gran parte de lo que es el centro de la ciudad de Cali,
lugar con una alta concentración de gentes sin hogar, prostitución, tráfico de
drogas, delincuencia menor y una permanente guerra entre pandillas que
propician un ambiente sumamente violento.
El análisis de componentes principales que se realizo sobre la comuna 3
revelo que los primeros tres componentes explican el 53.72% de la
variabilidad total de la muestra y con los primeros 5 componentes se logra
explicar el 72.12% (Tabla 5.3.1.8). Tabla 5.3.1.8
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.83859043 0.95568479 0.2581 0.2581 2 1.88290564 0.69485774 0.1712 0.4292 3 1.18804790 0.13392264 0.1080 0.5372 4 1.05412526 0.08439751 0.0958 0.6331 5 0.96972775 0.17762961 0.0882 0.7212
72
II04(1)2
El primer componente presenta cargas positivas sobre las variables
Homicidio Arma Blanca, Lesiones Arma Blanca, Violencia Intrafamiliar y
Suicidio. Con relación a las variables Homicidios Arma de Fuego, Lesiones
Arma de fuego y Porte Ilegal presentan cargas negativas. El componente
parecería asociar a los delitos que poseen en común una violencia impulsiva:
maltrato al interior del hogar y en particular aquel ejercido contra mujeres y
niños. Estos delitos de acuerdo a lo presentado por el componente poseen
características opuestas a los delitos que involucran un arma de fuego (Ver
anexo 5 Tabla 6). La asociación que expone el segundo componente entre
las variables Homicidio Arma Blanca y Lesiones Accidentes de Tránsito se
podría atribuir a que ambos delitos se encuentran muy relacionados con el
consumo alcohol.
Los delitos correlacionados con el componente 2 debido a su relación con el
consumo de alcohol han venido aumentando a lo largo de los tres años
(Gráfico 5.3.1.6). Un comportamiento igual de creciente presenta el
componente uno, el cual mide los delitos que se encuentran asociados a una
violencia impulsiva. Gráfico 5.3.1.6
Componentes Principales Comuna 3
-4,0-3,0-2,0-1,00,01,02,03,04,05,06,07,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
73
II04(1)2
En conclusión se despliega una comuna 3 que posee delitos relacionados
con la presencia de estupefacientes, homicidios y hurtos. Adicionalmente se
pensaría que se encuentran varios expendios de alcohol dentro de la
comuna, entiéndase como expendios de alcohol bares, licoreras, tabernas,
burdeles, entre otros. La comuna 3 se encuentra ubicada en el centro de la
ciudad de Cali, por tanto no es extraño pensar que cómodamente se pueden
encontrar comercios de alcohol y drogas.
c) Grupo 3 (Comuna 20)
La comuna 20 es una ladera ubicada en la parte occidental de la ciudad,
poblada principalmente por emigrantes mestizos que padecen de un
profundo estado de pobreza.
Los eingervalores del análisis realizado sobre la comuna 20 indican que los
tres primeros componentes explican el 44.10% de la variabilidad total y con
los 7 primeros componentes se logra explicar el 75.95% (Tabla 5.3.1.9).
El primer componente asocia los delitos Extorsión, Piratería, Moneda Falsa y
Lesiones Accidente de tránsito (ver anexo 5 Tabla 23).
Tabla 5.3.1.9
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.74536320 0.54447435 0.1716 0.1716 2 2.20088885 0.09064808 0.1376 0.3091 3 2.11024077 0.37417478 0.1319 0.4410 4 1.73606599 0.47535325 0.1085 0.5495 5 1.26071275 0.15345235 0.0788 0.6283 6 1.10726039 0.11563806 0.0692 0.6975 7 0.99162234 0.23795380 0.0620 0.7595
El segundo componente indica una relación entre las variables:
estupefacientes y violencia Intrafamiliar. La presencia de estupefacientes se
74
II04(1)2
puede atribuir a la existencia de grupos armados relacionados con el
narcotráfico dentro de la comuna.
El tercer componente esta correlacionado positivamente con las variables
Homicidio Arma Blanca, lesiones Arma Blanca y Hurto Robo.
La composición de los componentes principales en general muestran una
fuerte frecuencia de los delitos: violencia intrafamiliar, lesiones y homicidios
con arma de fuego y arma blanca (Gráfico 5.3.1.7).
Gráfico 5.3.1.7
Componentes Principales Comuna 20
-8
-6
-4
-2
0
2
4
6
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
La comuna 20 es definida bajo el análisis de componentes principales como
una zona que manifiesta niveles alarmantes de violencia intrafamiliar, de
homicidios y lesiones con arma blanca y de homicidios con arma de fuego.
Lo cual en términos generales describe una crisis de social manifestada en la
falta de educación, en la convivencia, en la intolerancia, en la delincuencia,
entre otras.
75
II04(1)2
d) Grupo 4 (Comunas 1, 4,14, y 21)
Las comunas que forman este cuarto grupo parecen caracterizarse por se
lugares donde se presenta extrema pobreza. La comuna 1 es una ladera
donde los niveles de pobreza son altos. La comuna 14 hace parte de lo que
se conoce como el distrito de Aguablanca situado en el extremo oriental de la
ciudad y poblado por emigrantes de raza negra provenientes de la costa
Pacífica. La comuna 14 definitivamente es la zona más pobre de la ciudad de
Cali. La comuna 4 se encuentra poblada por estratos de ingreso bajo-medio.
Y la comuna 21 ubicada en el extremo oriental y al igual que las otras tres
comunas presenta niveles altos de pobreza.
El análisis de componentes principales para la comuna 1 expone que los tres
primeros componentes principales explican el 48.21% del total de la
variabilidad de la muestra y los seis primeros componentes explican el
74.48% (Tabla 5.3.1.10).
Tabla 5.3.1.10
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.39912647 0.45677467 0.1999 0.1999 2 1.94235180 0.49875066 0.1619 0.3618 3 1.44360114 0.13407152 0.1203 0.4821 4 1.30952962 0.32361466 0.1091 0.5912 5 0.98591496 0.12854074 0.0822 0.6734 6 0.85737422 0.17521660 0.0714 0.7448
El primer componente asocia positivamente los delitos terrorismo y homicidio
con otras armas, dicha relación se ha concedido en la interpretación que se
hizo de los homicidios con otras armas como homicidios por un artefacto
explosivo. La comuna 1 se encuentra geográficamente ubicada en una ladera
donde la guerrilla viene teniendo una fuerte presencia, por tanto no es
inexplicable que actos terroristas se manifiesten en esta comuna (Ver Anexo
5. Tabla 4).
76
II04(1)2
El segundo componente presenta cargas positivas sobre las variables
Lesiones Arma de Fuego y Estupefacientes. El componente esta recreando
una relación que señala que en la comuna 1 estos dos delitos poseen
comportamientos similares.
El cuarto componente principal resulta estar correlacionado con las variables
Violencia Intrafamiliar y Lesiones Arma blanca y se encuentra negativamente
correlacionado con la variable Lesiones Arma de Fuego. El componente
indica una asociación positiva entre dos delitos que asumen el significado de
una violencia impulsiva al no tener como objetivo la aniquilación del otro.
El quinto componente esta correlacionado positivamente con las variables
Estupefacientes y Violencia Intrafamiliar. La asociación propuesta por el
componente manifiesta un elemento del cual se viene sospechando:
menores involucrados en delitos como el comercio de drogas forzados por la
mala situación familiar.
Gráfico 5.3.1.8
Componentes Principales Comuna 1
-6
-4
-2
0
2
4
6
8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
77
II04(1)2
El comportamiento del primer componente sobre los tres años de análisis
parece indicar que los actos terroristas han disminuido dentro de la comuna
(gráfico 5.3.3). Por otro lado la construcción del segundo componente indica
que en el último año la presencia de estupefacientes y Lesiones Arma de
Fuego se ha incrementado.
En general se revela una comuna 1 en la que la violencia intrafamiliar esta
muy relacionada con la presencia de estupefacientes. Sumado a esto las
condiciones geográficas en las que se encuentra ubicada la comuna favorece
los actos terroristas por parte de los grupos armados que circundan la capital
vallecaucana.
El análisis de componentes principales sobre la comuna 4 mostró que los
primeros tres componentes explican el 45.59% de la variabilidad total de la
muestra y con los primeros 7 componentes se explica el 74.51% (Tabla
5.3.1.11).
Tabla 5.3.1.11 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 3.35938841 0.99346675 0.1976 0.1976 2 2.36592166 0.34126524 0.1392 0.3368 3 2.02465642 0.35372265 0.1191 0.4559 4 1.67093377 0.37555550 0.0983 0.5542 5 1.29537827 0.17025106 0.0762 0.6304 6 1.12512721 0.30005508 0.0662 0.6966 7 0.82507213 0.08970071 0.0485 0.7451
El primer componente presenta una asociación positiva entre los hurtos y
estupefacientes dentro de la comuna 4. Este efecto de asociación se puede
atribuir al el número de menores que se han capturado por delitos como
estupefacientes, homicidios y hurtos, obligados en cierta medida por la
situación familiar tan desfavorable que padecen (Ver Anexo 5 Tabla 7) .
El segundo componente principal esta correlacionado positivamente con las
variables Hurto Robo, Hurto Callejero y Daño a Bien Ajeno. Y con relación a
78
II04(1)2
las variables Moneda Falsa, Lesiones otras Armas, Piratería y Suicidio se
encuentra correlacionado negativamente. La primera relación que describe el
componente se puede describir como los delitos que tienen una finalidad
concebida en el bien ajeno. En el gráfico 5.3.1.9 se observa una tendencia
creciente del componente 1 a lo largo de los tres años, lo que estaría
representando de acuerdo a lo analizado anteriormente es el crecimiento de
delitos por estupefacientes y ciertos tipos de hurtos dentro de la comuna 4.
Gráfico 5.3.1.9
Componentes Principales Comuna 4
-8,0
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
1 4 7 10 13 16 19 22 25 28 31 34
Prin1Prin2Prin3
Se puede analizar de forma general a la comuna 4 como un albergue de
violencia intrafamiliar relacionada a ciertos tipos de hurtos y a la presencia de
Estupefacientes.
Al realizarse el análisis de componentes principales sobre la comuna 14 se
observa que los tres primeros componentes explican el 48.46% de la
variabilidad total de la muestra y con los 6 primeros componentes se explica
el 74.2% (Tabla 5.3.1.12).
El primer componente expone la asociación positiva entre los delitos
Estupefacientes, Violencia Intrafamiliar y Lesiones Arma de fuego. Parecería
79
II04(1)2
que estos tres delitos presentan mecánicas parecidas dentro de la comuna
ligadas a un factor económico o bien sea social (Ver Anexo 5 Tabla 17).
Tabla 5.3.1.12
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.88152545 1.05297552 0.2217 0.2217 2 1.82854993 0.23936891 0.1407 0.3623 3 1.58918101 0.26149241 0.1222 0.4846 4 1.32768861 0.22240947 0.1021 0.5867 5 1.10527914 0.19173846 0.0850 0.6717 6 0.91354068 0.13094252 0.0703 0.7420
El segundo componente principal presenta cargas positivas sobre los delitos
Hurto carro y Maltrato a menor. El tercer componente relaciona los
homicidios en accidente de tránsito, hurtos de motos y porte ilegal. El cuarto
componente se correlaciona negativamente con las variables
Estupefacientes y Porte Ilegal, reproduciendo la asociación de estos dos
delitos. El quinto componente correlaciona positivamente la presencia de
estupefacientes con los incidentes de violencia intrafamiliar.
El comportamiento del primer componente advierte de un incremento en los
delitos: violencia intrafamiliar, estupefacientes y lesiones arma de fuego
dentro de la comuna (Gráfico 5.3.1.10). El segundo componente parece
exhibir un aumento en el porte ilegal de arma de fuego en el último año, este
aumento se ve confirmado por el incremento que presenta el componente
tres para el mismo periodo.
80
II04(1)2
Gráfico 5.3.1.10
Componentes Principales Comuna 14
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
La comuna 14 al igual que la comuna 4 parece reflejar una angustiosa
situación de Violencia Intrafamiliar, sumado a esto se despliegan casos de
homicidios que se atribuyen a una violencia interpersonal y actos terroristas
por parte de grupos armados o pandillas con sus conflictos territoriales.
Se elabora el análisis de componentes principales de la comuna 21
mostrando que los tres primeros componentes explican el 45.40% de la
variabilidad total y con los 6 primeros componentes se explica el 70.25%
(Tabla 5.3.1.13).
Tabla 5.3.1.13
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.95589334 0.89448953 0.1971 0.1971 2 2.06140381 0.26924620 0.1374 0.3345 3 1.79215761 0.37171690 0.1195 0.4540 4 1.42044072 0.14739982 0.0947 0.5487 5 1.27304090 0.23913001 0.0849 0.6335 6 1.03391088 0.10078496 0.0689 0.7025
El primer componente exhibe cargas positivas sobre las variables Homicidio
Arma de fuego, Homicidio Arma Blanca, Hurto Carro, Hurto Moto, Terrorismo
y Estupefacientes. La composición del componente señalar un escenario que
81
II04(1)2
parece revelar la presencia de sicarios y narcotráfico dentro de la comuna
(Ver Anexo 5 Tabla 24).
El segundo componente se correlaciona negativamente con las variables
Homicidio Arma de Fuego y Porte Ilegal, señalando un comportamiento símil
de estas dos variables dentro de la comuna.
El tercer componente relaciona fuertemente los delitos Hurto Atraco con
Lesiones otras Armas. En este caso particular se pensaría que las lesiones
otras armas son ocasionadas con elementos corto punzantes como un
botella rota, un destornillador, entre otros, con el fin de causar una lesión y
asustar a la victima en el momento del atraco.
La dinámica de los tres primeros componentes proyecta frecuentes casos de
terrorismo, una presencia marcada de estupefacientes y serios incidentes por
lesiones y homicidios, dentro de la comuna en el periodo 2001 a 2003
(Gráfico 5.3.1.11).
Gráfico 5.3.1.11
Componentes Principales Comuna 21
-3
-2
-1
0
1
2
3
4
5
6
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
En consecuencia el análisis de componentes principales nos expone a un
grupo de comunas afectadas por una terrible ola de terrorismo,
82
II04(1)2
adicionalmente se ven ceñidas a la presencia de estupefacientes. La
violencia intrafamiliar, las lesiones y los homicidios cometidos con cualquier
tipo de arma agregan un aliciente para instaurar la violencia en cualquiera de
sus fases dentro de cada una de las comunas de este grupo.
e) Grupo 5 (Comunas 5, 6, 10, 18) Este conjunto de comunas se encuentra poblado principalmente por estratos
de ingreso medio y bajo, con niveles moderados de pobreza excepto por la
comuna 5 que presenta niveles inferiores y la comuna 18 que esta
identificada como de alto grado de pobreza por ser una ladera.
El análisis de componentes principales para la comuna 5 expuso que los tres
primeros componentes explican el 54.26% de la variabilidad total de la
muestra y con los 5 primeros componentes se logra explicar el 72.38%
(Tabla 5.3.1.14). Tabla 5.3.1.14
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.96921802 0.83254292 0.2474 0.2474 2 2.13667511 0.73157842 0.1781 0.4255 3 1.40509669 0.19313304 0.1171 0.5426 4 1.21196365 0.24890626 0.1010 0.6436 5 0.96305739 0.16892422 0.0803 0.7238
El primer componente esta correlacionado negativamente con las variables
Homicidios Accidentes de Tránsito, Lesiones Accidente de Tránsito y Hurto
Callejero. La asociación mostrada por la estructura del componente parece
estar ligada a un factor externo difícil de interpretar (Ver Anexo 5 Tabla 8).
Del mismo modo que el primer componente el segundo componente asocia
accidentes de tránsito con un tipo de hurto, la interpretación de estas
relaciones parece ser un poco ambigua. El tercer componente despliega una
correlación negativa entre las variables hurto atraco y hurto callejero.
Mientras que el cuarto componente principal expone una correlación positiva
entre Hurto Atraco y Hurto Robo.
83
II04(1)2
Los componentes muestran que a lo largo de los tres años los accidentes de
transito han venido decreciendo, del mismo modo que los diferentes tipos de
hurtos (Gráfico 5.3.6).
Gráfico 5.3.1.12
Componentes Principales Comuna 5
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
En general se presenta una comuna 5 donde los hurtos son más frecuentes
que cualquier otro tipo de delitos.
Para la comuna 6 el análisis de componentes principales mostró que los tres
primeros componentes explican el 56.17% de la variabilidad total de la
muestra y con los 5 primeros componentes se explica el 71.49% (Tabla
5.3.1.15).
Tabla 5.3.1.15
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 3.11569699 1.02489998 0.2596 0.2596 2 2.09079701 0.55631177 0.1742 0.4339 3 1.53448524 0.60684539 0.1279 0.5617 4 0.92763985 0.01762779 0.0773 0.6391 5 0.91001205 0.09407372 0.0758 0.7149
El primer componente principal se encuentra correlacionado negativamente
con las variables Homicidio Accidente de Tránsito, Lesiones Accidente de
Tránsito y Lesiones Arma Blanca. La relación de este conjunto de variables
84
II04(1)2
se había definido anteriormente, y se ligaba a estos delitos con el consumo
de bebidas embriagantes (ver Anexo 5 Tabla 9).
Por otra parte el primer componente esta correlacionado positivamente con
las variables Hurto Motos, Violencia Intrafamiliar y Estupefacientes. A lo largo
del análisis se ha venido especulando acerca de los delitos que se relacionan
fuertemente con la presencia de estupefacientes, este componente propone
que los hurtos de motos y la violencia intrafamiliar presentan características
similares.
El segundo componente principal posee cargas positivas sobre las variables
Hurto Robo, Hurto Callejero, Documentos Falsos, Suicidio y Porte Ilegal. Y
posee cargas negativas sobre las variables Estupefacientes y Violencia
Intrafamiliar. Nuevamente se esta relacionando la variable Violencia
Intrafamiliar con la presencia de estupefacientes.
El tercer componente principal esta correlacionado positivamente con las
variables Hurto Callejero y Porte Ilegal. El componente inmediatamente
anterior plantea la asociación entre las variables Hurto Robo, Hurto Callejero
y el porte Ilegal, se creería entonces que dentro de la comuna estos tipos de
hurtos se encuentran ligados a la presencia de un arma de fuego.
El grafico 5.3.1.13 muestra que el primer componente posee una tendencia
creciente a lo largo de los tres años, lo cual estaría insinuando que los
accidentes de Tránsito y las lesiones con arma blanca han venido
disminuyendo. Mientras que los otros dos componentes parecen representar
la presencia creciente de estupefacientes y de incidentes de violencia
intrafamiliar.
85
II04(1)2
Gráfico 5.3.1.13
Componentes Principales Comuna 6
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
5.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
La comuna 6 al igual que la comuna 5 parece ser victima de los hurtos,
adicionalmente la comuna bajo el análisis de componentes principales exhibe
casos de violencia intrafamiliar relacionados con la presencia de
estupefacientes.
El análisis de componentes principales sobre la comuna 10 muestra que los
tres primeros componentes explican el 52.78% de la variabilidad total, y con
los seis primeros se alcanza a explicar el 74.91% (Tabla 5.3.1.16).
Tabla 5.3.1.16
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 3.43900848 0.39816548 0.2149 0.2149 2 3.04084300 1.07513421 0.1901 0.4050 3 1.96570879 0.50975472 0.1229 0.5278 4 1.45595407 0.28703348 0.0910 0.6188 5 1.16892059 0.25302793 0.0731 0.6919 6 0.91589266 0.14106816 0.0572 0.7491
El primer componente presenta cargas negativas sobre las variables
Estupefacientes, Violencia Intrafamiliar y Homicidio Arma Fuego. El
componente asocia tres delitos que se han mostrado muy correlacionados
86
II04(1)2
dentro de las comunas estudiadas: la asociación entre estupefacientes y
violencia intrafamiliar (Ver Anexo Tabla 13).
El segundo componente se muestra correlacionado positivamente con las
variables Homicidio Arma de fuego, Lesiones Arma de fuego, Terrorismo,
Fuga de presos y Suicido. Y se muestra correlacionado negativamente con
las variables Estupefacientes y Homicidio Otras armas.
El tercer componente se correlaciona positivamente con las variables Hurto
Moto, Hurto Callejero, Homicidio Arma Fuego y Porte Ilegal. La composición
del componente propone la asociación entre dos delitos que evidentemente
involucran un arma de fuego con dos tipos de hurtos que sugieren el uso de
un arma.
El cuarto componente principal presenta cargas positivas sobre las variables
Homicidio otras Armas, Lesiones Otras Armas, Violencia Intrafamiliar y
Estupefacientes. El componente parece asociar delitos que se encuentran
envueltos en una violencia impulsiva.
En el gráfico 5.3.1.14 se puede observar que el primer componente presenta
una tendencia decreciente, por consiguiente los delitos: violencia
intrafamiliar, presencia de estupefacientes y homicidios con arma de fuego se
han incrementado de un año a otro dentro de la comuna. El segundo
componente reafirma el aumento en la presencia de estupefacientes.
La comuna 10 exhibe numerosos casos de hurtos, sin embargo padece de
un ambiente social en el que la violencia intrafamiliar, las lesiones y
homicidios por arma de fuego, la presencia de estupefacientes y el porte
ilegal de arma de fuego, parecen estar relacionados ocasionando un
escenario propicio para la delincuencia común.
87
II04(1)2
Gráfico 5.3.1.14
Componentes Principales Comuna 10
-6.0
-4.0
-2.0
0.0
2.0
4.0
6.0
8.0
10.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
Al realizar el análisis de componentes principales sobre la comuna 18 se
observa que los tres primeros componentes principales explican el 52.04%
de la variabilidad total y con los 6 primeros componentes se logra explicar el
77.45% (Tabla 5.3.1.17).
Tabla 5.3.1.17
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.77389216 0.81352002 0.2312 0.2312 2 1.96037214 0.44939427 0.1634 0.3945 3 1.51097787 0.20921450 0.1259 0.5204 4 1.30176337 0.33554580 0.1085 0.6289 5 0.96621757 0.18521511 0.0805 0.7094 6 0.78100246 0.13795395 0.0651 0.7745
El primer componente expone una correlación positiva con las variables
Homicidio Arma Blanca, Homicidios Accidente de Tránsito, Lesiones Arma
Blanca y Lesiones Accidente de Tránsito. El componente plantea una
asociación que ya se ha analizado en otras comunas, y la mecánica similar
de estos delitos se atribuye al consumo de bebidas embriagantes (ver Anexo
5 Tabla 21).
88
II04(1)2
Por otra parte el componente se encuentra asociado negativamente con los
delitos violencia intrafamiliar, la presencia de estupefacientes y el porte ilegal.
La estructura del componente expone una relación que se ha analizado en la
mayoría de las comunas, la relación entre violencia intrafamiliar y
estupefacientes.
El segundo componente posee cargas positivas sobre los delitos violencia
intrafamiliar, atracos y lesiones con arma blanca. La violencia intrafamiliar se
observa muy relacionado con otros tipos de delitos dentro de la comuna.
El tercer componente reproduce la correlación de los delitos hurto callejero y
porte ilegal.
La estructura del primer componente a lo largo de los tres años (2001 al
2003) expone un incremento en la presencia de estupefacientes, en los
incidentes de violencia intrafamiliar y en los casos de porte ilegal de arma de
fuego.
Gráfico 5.3.1.15 Componentes Principales Comuna 18
-6
-5
-4
-3
-2
-1
0
1
2
3
4
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35Prin1Prin2Prin3
89
II04(1)2 La mecánica del segundo componente reconfirma lo presentado por el primer
componente acerca de los incidentes de violencia Intrafamiliar,
adicionalmente afirma un incremento en los atracos y en las lesiones con
arma blanca. El tercer componente indica que los casos de hurto callejero y
porte ilegal se han incrementado dentro de la comuna.
Si bien las comunas de este cuarto grupo presentan niveles graves de
hurtos, estas agresiones parecerían encontrarse asociados a delitos como la
violencia intrafamiliar y la presencia de estupefacientes, de acuerdo a los
resultados obtenidos por el análisis de componentes principales. En resumen
nos encontramos frente a un conjunto de comunas que sobrevive a
problemas de destrucción familiar e inseguridad social.
f) Grupo 6 (Comunas 7,8, 9, 11)
Las comunas de este grupo se encuentran pobladas principalmente por
estratos de ingreso medio y bajo, mostrando niveles moderados de
pobreza.25 La comuna 9 es parte de lo que se denomina el centro de la
ciudad, un sector donde se presenta una concentración alta de gente sin
hogar, prostitución, tráfico de drogas, delincuencia menor, entre otras.
El análisis de componentes principales sobre la comuna 7 expone que los
tres primeros componentes explican el 50.07% del total de la variabilidad y
con los 6 primeros componentes se alcanza a explicar el 73.61% (Tabla
5.3.1.18).
El primer componente se puede interpretar como una medida general del
crimen ya que posee cargas positivas sobre la mayoría de los delitos. En el
90
II04(1)2
contexto de este componente el Secuestro Simple parece describir una
mecánica diferente al resto de delitos (Ver anexo 5 Tabla 10). Tabla 5.3.1.18
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative
1 2.80863552 0.46981352 0.2006 0.2006 2 2.33882199 0.47696184 0.1671 0.3677 3 1.86186015 0.60125026 0.1330 0.5007 4 1.26060988 0.20388793 0.0900 0.5907 5 1.05672195 0.07834587 0.0755 0.6662 6 0.97837609 0.14172977 0.0699 0.7361
El segundo componente posee cargas positivas sobre las variables Acceso
Carnal Violento, Homicidio otras Armas, Hurto Robo Y Hurto atraco. De
acuerdo a la estructura del componente se puede inferir acerca de que un
comportamiento similar de estas variables dentro de la comuna 7, debido tal
vez a su naturaleza de delincuencia común.
El componente tres se muestra correlacionado positivamente con las
variables Homicidio Arma Blanca, Hurto Callejero y Daño a Bien Ajeno. Y
negativamente con las variables Lesiones Arma de Fuego y Homicidio Arma
de Fuego. El componente primeramente relaciona un cierto grupo de delitos
que parecerían tener una intención sobre la propiedad privada, contrastados
sobre otro grupo de delitos que proyectan la aniquilación del otro.
El comportamiento de los componentes a lo largo de los tres años (Gráfico
5.3.1.16), indican que la comuna 7 sostiene niveles de hurtos: Robo, Atraco y
Callejero cada vez menores, mientras que los homicidios en general se han
venido incrementando.
25 Departamento Administrativo Nacional de Estadística 2002.
91
II04(1)2
Gráfico 5.3.1.16
Componentes Prinpicipales Comuna 7
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
En la comuna 7 es presentada por el análisis como un lugar con frecuentes
casos de homicidios y lesiones por arma de fuego, igualmente se analiza
frecuentes casos de porte ilegal que están correlacionados con otros delitos.
En el caso de la comuna 8 el análisis de componentes principales muestra
que los tres primeros componentes explican el 50.88% y con los seis
primeros componentes se logra explicar el 73.04% del total de la varianza de
la muestra (Tabla 5.3.1.19).
Tabla 5.3.1.19
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.99423302 0.84811283 0.2139 0.2139 2 2.14612019 0.16365253 0.1533 0.3672 3 1.98246766 0.80328165 0.1416 0.5088 4 1.17918601 0.16551158 0.0842 0.5930 5 1.01367443 0.10355311 0.0724 0.6654 6 0.91012132 0.10994266 0.0650 0.7304
El primer componente se puede interpretar como la medida general de los
homicidios y lesiones por Arma de Fuego Y Arma Blanca. Por otro parte esta
medida se encuentra negativamente asociada a la variable Violencia
Intrafamiliar, identificando así el comportamiento disímil de la variable dentro
de la comuna (Ver Anexo 5 Tabla 11).
92
II04(1)2
El segundo componente asocia negativamente los delitos porte ilegal y
homicidios con arma de fuego, lo cual se presta para sospechar que la
regularidad con que se incautan armas de fuego es diferente al grado de
homicidios con arma de fuego que se efectúan dentro de la comuna. De
forma que el número de armas de fuego sobre las cuales no se tiene un
control fiscal crean unas condiciones para que se dé un habiente mayor de
mortalidad.
El tercer componente presenta cargas positivas sobre las variables
Terrorismo y Homicidio Otras Armas, y presenta cargas negativas sobre las
variables Porte Ilegal y Hurto Robo.
La composición de los tres primeros componentes (Gráfico 5.3.1.17) en los
tres años, reproduce una continua presencia de homicidios con arma de
fuego y un descenso en los hurtos en el último año (2003) dentro de la
comuna 8.
Gráfico 5.3.1.17
Componentes Principales Comuna 8
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
La comuna 8 al igual que la comuna 7 sobrelleva considerables niveles de
homicidios y lesiones con arma de fuego. Dentro de la comuna el terrorismo
93
II04(1)2
parece no ser tan latente como se observa en otras comunas donde se
puede presumir acerca de la presencia de grupos armados o narcotráfico.
Los resultados obtenidos por el análisis de componentes sobre la comuna 9,
revelaron que los tres primeros componentes explican el 46.96% de la
variabilidad total, y con 6 componentes se alcanza a explicar el 71.61%
(Tabla 5.3.1. 20).
Tabla 5.3.1.20
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.96598600 0.70255958 0.1977 0.1977 2 2.26342642 0.44838046 0.1509 0.3486 3 1.81504596 0.23458177 0.1210 0.4696 4 1.58046419 0.43091148 0.1054 0.5750 5 1.14955271 0.18205930 0.0766 0.6516 6 0.96749341 0.06182564 0.0645 0.7161
El primer componente asocia la presencia de Estupefacientes con los delitos
violencia intrafamiliar, suicidio y homicidio arma de Fuego, que al parecer
presentan una dinámica semejante debido a las delicadas condiciones
sociales en que se encuentra la comuna (Ver Anexo 5 Tabla 12).
El segundo componente nuevamente relaciona la variable Estupefacientes
con la variable Violencia Intrafamiliar, revalidando la asociación inicial del
componente uno.
La correlación positiva que muestra el componente tres entre hurtos y
accidentes de tránsito que se ha venido observando dentro de las comunas
se puede atribuir a las fechas especiales como el día de la madre, días
festivos, partidos de fútbol, semana santa, entre otros.
En fechas especiales como el día de la madre las personas se incorporan en
un ambiente de festejo siguiendo una tradición en la que el alcohol está
presente en los momentos de celebración. Por otra parte estas fechas se
94
II04(1)2
prestan para que las personas carguen dinero y joyas a altas horas de la
noche cuando los organismos de control son más débiles, propiciando así
una oportunidad valiosa para el ladrón.
La tendencia decreciente del primer componente desde mediados del 2002,
sumado a la tendencia creciente del segundo componente en el último año
(Gráfico 5.3.1.18), permite especular acerca de un aumento en la presencia
de estupefacientes y violencia intrafamiliar en la comuna 9.
Al igual que en las comunas 7 y 8 los homicidios con arma de fuego son
numerosos dentro de la comuna 9. Sin embrago el análisis de componentes
principales sobre la comuna revela una situación más alarmante, la presencia
de estupefacientes e incidentes de violencia intrafamiliar relacionada a los
hurtos y homicidios son causa de un ambiente sumamente violento.
5.3.1.18
Componentes principales Comuna 9
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35Prin1Prin2Prin3
El análisis de componentes principales sobre la comuna 11 mostró que los
tres primeros componentes explican el 48.57% de la varianza total de la
95
II04(1)2
muestra y con los seis primeros componentes se alcanza a explicar el
75.88% (Tabla 5.3.1.21).
Tabla 5.3.1.21 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 2.54265370 0.47760698 0.1956 0.1956 2 2.06504672 0.35879757 0.1588 0.3544 3 1.70624915 0.32590805 0.1312 0.4857 4 1.38034110 0.20751802 0.1062 0.5919 5 1.17282308 0.17521043 0.0902 0.6821 6 0.99761265 0.30726430 0.0767 0.7588
El primer componente principal asocia positivamente las variables Homicidio
Accidente de Tránsito, Lesiones Arma Blanca y Hurto Callejero. La relación
de este conjunto de variables se había definido anteriormente, y se ligaba a
estos delitos con el consumo de bebidas embriagantes (ver Anexo 5 Tabla
14).
El segundo componente relaciona positivamente las variables
Estupefacientes, Violencia intrafamiliar y Hurto Callejero. Esta relación de
delitos se puede atribuir a una composición social en decadencia y propicia
para un ambiente violento.
Gráfico 5.3.1.19
Componentes Principales Comuna 11
-4.0-3.0-2.0-1.00.01.02.03.04.05.06.07.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
96
II04(1)2 La tendencia decreciente que presenta el primer componente (Gráfico
5.3.1.19) por un lado recrea el aumento en la presencia de estupefacientes y
por otro lado la reducción en los homicidios en accidentes de tránsito, en las
lesiones con arma blanca y en los hurtos callejeros. La disminución en los
delitos ligados al consumo de bebidas embriagantes, puede ser fruto de
políticas enfocadas en reducir el consumo de alcohol.
La comuna 11 como las comunas 7, 8 y 9, parece ser victima de una
violencia homicida. Sin embargo presenta un elemento similar a la comuna
nueve la presencia de estupefacientes y destrucción familiar. Este tipo de
ambiente se da para que pandillas y comerciantes de drogas prosperen a
medida que la comuna se convierte en un espacio en deterioro.
En resumen estudiamos a un conjunto de comunas donde la población es
victima primordial de homicidios y lesiones con arma de fuego y arma blanca.
Adicionalmente la presencia de estupefacientes y violencia intrafamiliar están
presentes en muchas situaciones sociales y económicas que forman parte
importante de estas comunas.
g) Grupo 7 (Comunas 12, 13,15 y 16)
Las comunas de este grupo corresponden en parte al distrito de Aguablanca,
zona donde se concentra un gran número de carencias relacionadas a los
ingresos, educación, seguridad, riesgos sanitarios, entre otras.
El análisis de componentes sobre la comuna 12 muestra que los tres
primeros componentes están explicando el 49.78% de la variabilidad total y
con los 6 primeros componentes se explica el 72.98% (Tabla 5.3.1.22).
97
II04(1)2
Tabla 5.3.1.22 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 3.40943311 1.04346607 0.2131 0.2131 2 2.36596704 0.17607765 0.1479 0.3610 3 2.18988939 0.71124626 0.1369 0.4978 4 1.47864313 0.19267397 0.0924 0.5902 5 1.28596916 0.33952584 0.0804 0.6706 6 0.94644332 0.03187942 0.0592 0.7298
La estructura del primer componente relaciona las variables Estupefacientes
y Violencia Intrafamiliar. Como ya se comentó estas dos variables se han
visto muy relacionadas dentro de las comunas, parece ser un fenómeno que
afecta seriamente a toda la ciudad de Cali (Ver Anexo 5 Tabla 15).
El segundo componente expone una asociación entre las variables Homicidio
Arma Fuego, Hurto Robo, Hurto Atraco, Violencia Intrafamiliar y
Estupefacientes. El componente además de asociar nuevamente las
variables Estupefacientes y Violencia Intrafamiliar, expone que los delitos:
robos, atracos y homicidio con arma de fuego presentan características
similares.
El tercer componente presenta cargas positivas sobre las variables Homicidio
Arma Fuego, Hurto Callejero y Violencia Intrafamiliar.
Gráfico 5.3.1.20
Componentes Principales Comuna12
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1
Prin2
Prin3
98
II04(1)2
La construcción de los tres primeros componentes a lo largo de los tres años
indica que los casos de violencia intrafamiliar y homicidios con arma de fuego
se han incrementado en el último año dentro de la comuna.
La comuna 12 es expuesta por el análisis como una zona donde la violencia
intrafamiliar parece estar ligada a otros delitos como son los hurtos, los
homicidios con armas de fuego y los estupefacientes.
El análisis de componentes de la comuna 13 indica que los tres primeros
componentes explican el 47.72% de la variabilidad total y con los seis
primeros componentes se alcanza a explicar el 71.18% (Tabla 5.3.1.23).
Tabla 5.3.1.23
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 3.41476502 1.40249190 0.2277 0.2277 2 2.01227312 0.28187057 0.1342 0.3618 3 1.73040255 0.36843744 0.1154 0.4772 4 1.36196512 0.20644936 0.0908 0.5680 5 1.15551576 0.15352549 0.0770 0.6450 6 1.00199027 0.12743589 0.0668 0.7118
El primer componente principal presenta correlaciones con las variables
Homicidios Otras Armas, Hurto Atraco, Terrorismo, Violencia Intrafamiliar,
Estupefacientes y Porte Ilegal. El componente puede interpretarse como una
medida del crimen más representativo dentro de la comuna 13 (Ver Anexo
Tabla 16).
El segundo componente expone una asociación entre las variables Lesiones
Arma de Fuego, Lesiones Accidente de Tránsito y Hurto Moto.
El tercer componente se ve fuertemente correlacionado con las variables
Secuestro Simple, Homicidio Arma Fuego y Hurto Banco.
99
II04(1)2
El comportamiento del primer componente (Gráfico 5.3.1.21) y la
interpretación que se hizo acerca del mismo permite pensar que en el último
año el terrorismo, la violencia intrafamiliar, la presencia de estupefacientes y
el porte ilegal se han incrementado dentro de la comuna. El comportamiento
del segundo componente permite reconoce un descenso en las lesiones con
arma de fuego, las lesiones en accidentes de tránsito y los hurtos de motos.
El tercer componente parece reafirmar que los homicidios con arma de fuego
se han incrementado en la comuna.
Gráfico 5.3.1.21
Componentes principales Comuna 13
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
10,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
La comuna 13 parece ser un escenario principalmente de violencia
interpersonal, donde las pandillas fomentan una guerra territorial, y se
sospecha acerca de la penetración de grupos armados.
El análisis de componentes sobre la comuna 15 exhibe que los tres primeros
componentes explican el 45.11% de la variabilidad total y con los siete
primeros componentes se logra explicar el 72.86% (Tabla 5.3.1.24).
100
II04(1)2
Tabla 5.3.1.24 Eigenvalues of the Correlation Matrix
Eigenvalue Difference Proportion Cumulative 1 2.83199507 0.07175603 0.1666 0.1666 2 2.76023903 0.68392158 0.1624 0.3290 3 2.07631746 0.41141302 0.1221 0.4511 4 1.66490444 0.50798143 0.0979 0.5490 5 1.15692301 0.16965314 0.0681 0.6171 6 0.98726988 0.07950147 0.0581 0.6752 7 0.90776840 0.08830342 0.0534 0.7286
El primer componente se muestra correlacionado con las variables Acceso
carnal Violento, Homicidio Arma Blanca, Hurto Carro, Terrorismo y Aborto,
exponiendo un comportamiento semejante entres las variables (ver Anexo 5
Tabla 18).
El segundo componente posee cargas positivas sobre las variables
Homicidio Arma Fuego, Lesiones Arma Fuego, Hurto Carro y Porte Ilegal, y
posee cargas negativas sobre las variables Aborto, Terrorismo, Hurto
Callejero y Homicidios Otras Armas. El componente parece representar una
medida de los delitos que involucran un arma de fuego.
La estructura del tercer componente relaciona nuevamente las variables
Acceso Carnal Violento, Terrorismo y Aborto. El cuarto componente asocia
las variables Violencia Intrafamiliar, Hurto Moto y Hurto Callejero.
La composición de los cuatro primeros componentes permite observar un
incremento en el último año de los delitos que involucran un arma de fuego:
homicidios, lesiones y porte ilegal. Sumado a esto se observa una ola de
terrorismo y violencia Intrafamiliar que trastorna terriblemente a la comuna
(Gráfico 5.3.1.22).
101
II04(1)2
Gráfico 5.3.1.22
Componentes Principales Comuna15
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3Prin4
La comuna 15 de la misma forma que las comunas 12 y 13 se interpreta bajo
el análisis como una zona con una fuerte presencia de violencia
interpersonal, violencia intrafamiliar y terrorismo.
El análisis de componentes principales sobre la comuna 16 exhibió que los
tres primeros componentes explican el 54% de la variabilidad total y con los
cinco primeros componentes se puede explicar el 72.81% (Tabla 5.3.1.25).
Tabla 5.3.1.25
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2.87439147 0.76716949 0.2211 0.2211 2 2.10722198 0.06947802 0.1621 0.3832 3 2.03774396 0.59707402 0.1567 0.5400 4 1.44066993 0.43596339 0.1108 0.6508 5 1.00470655 0.20719562 0.0773 0.7281
El primer componente expone que las variables Homicidio Arma Blanca,
Homicidio Accidente de Tránsito, Hurto Moto y Estupefacientes, presentan
dinámicas parecidas dentro de la comuna (Ver Anexo 5 Tabla 19).
102
II04(1)2
El segundo componente se correlaciona positivamente con los variables
Corrupción Menores, Hurto Callejero y Porte Ilegal. Interpretar el componente
es muy laborioso y su significado puede fácilmente caer en razonamientos
con bases sociales muy ambiguas. El tercer componente presenta la
asociación entre estupefacientes y violencia intrafamiliar.
La construcción de los tres primeros componentes a lo largo de los tres años
(2001 a 2003), indica una continua manifestación de los homicidios y las
lesiones con arma de fuego. Del mismo modo la comuna parece sostener un
ambiente de violencia Intrafamiliar correspondido a la presencia de
estupefacientes.
Gráfico 5.3.1.23
Componentes Principales Comuna 16
-6,0
-4,0
-2,0
0,0
2,0
4,0
6,0
8,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Prin1Prin2Prin3
En conjunto la comuna 16 lucha contra un medio de violencia interpersonal,
de violencia intrafamiliar y de violencia política. Una violencia interpersonal
representa en las lesiones y homicidios, y una violencia política expresada
en los actos terroristas.
103
II04(1)2
En resumen las comunas de este grupo se sumergen en una realidad mucho
más violenta que delincuencial. Una violencia que se reduce en la
apropiación de recursos entre diferentes agentes ya sean pandillas, guerrilla,
narcotráfico o el mismo individuo.
5.3.2 Resultados del Análisis de Componentes Principales para la Muestra Total de Capturas El análisis de componentes que se realizó de la muestra total de capturas
expuso que con los cinco primeros componentes se logra explicar el 70.61%
de la variabilidad de una muestra que originalmente posee 8 variables.
El primer Componente principal identifica un comportamiento similar entre las
variables Arma Fuego con Salvoconducto, Capturas, Arma de fuego sin
Salvoconducto y Bazuco. El segundo componente principal interpreta una
relación negativa entre las variables Arma Fuego sin Salvoconducto y
Cocaína. El tercer componente correlaciona positivamente con las variables
Marihuana y Base de Coca (Ver Anexo 6 Tabla 1).
Después de evaluar los resultados de este primer análisis sobre la muestra
total de capturas, se decide realizar nuevamente el análisis de componentes
principales sobre una muestra acumulada de 8 variables (capturas) con 26
observaciones (21 comunas y los 5 municipios).
El análisis mostró que los tres primeros componentes explicaban 92.24% del
total de la variabilidad de la muestra.
El primer componente se correlaciona positivamente con todos los las
variables excepto con la variable Heroína. La incautación de heroína dentro
de la ciudad de Cali y dentro de los cinco municipios no es muy frecuente. El
104
II04(1)2
segundo componente representa la relación que tienen las variables Cocaína
y Base de Coca. El tercer componente parece capturar el comportamiento
disímil de la variable Heroína.
Como se esperaba las comunas se concentraron alrededor de un punto en el
gráfico, lo cual señala que la dinámica de capturas dentro de cada comuna,
es diferente a la dinámica que se presenta en cada uno de los municipios
(Gráfico 5.3.2.1).
Gráfico 5.3.2.1
De acuerdo a la definición que se le dio al segundo componente, en los
municipios de Yumbo y Candelaria, se incautan numerosas cantidades de
Cocaína y Base de Coca, mientras que en el municipio de Jamundi parece
ocurrir otra cosa totalmente distinta.
La comuna 3 de acuerdo a la interpretación del tercer componente, presenta
niveles mayores de incautación de heroína que todos los municipios y
105
II04(1)2
comunas. Sin embargo este resultado es ilusorio debido a que el número de
incautaciones de heroína sobre total la muestra es mínimo, por tanto una
incautación que se efectuó en la comuna 3 en febrero del último año (2003)
disparo el valor que toma el componente sobre esa observación (Comuna 3).
Nuevamente se realiza el análisis de componentes principales pero esta vez
únicamente sobre las comunas con el fin de advertir un comportamiento
particular de las mismas, y se excluye la variable heroína por la mecánica tan
desventajosa que posee para el análisis. De este modo se realiza el análisis
sobre una muestra de 7 variables con 21 observaciones.
El análisis de componentes encuentra que con los tres primeros
componentes se logra explicar el 79.23% del total de la variabilidad (Tabla
5.3.2.1).
Tabla 5.3.2.1
Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative
1 3.40116248 1.73307834 0.4251 0.4251 2 1.66808414 0.39893175 0.2085 0.6337 3 1.26915239 0.50963347 0.1586 0.7923 4 0.75951892 0.19117749 0.0949 0.8872
El primer componente se correlaciona positivamente con todas las variables,
sin embargo las variables Arma Fuego sin Salvoconducto y Cocaína presenta
una correlación no significativa con el componente. El segundo componente
identifica una asociación negativa entre las variables Arma Fuego sin
Salvoconducto y Cocaína. El tercer componente asocia positivamente las
variables Arma Fuego sin Salvoconducto, Bazuco y Cocaína (Ver Anexo 6
Tabla 2).
El gráfico 5.3.2.2 permite visualizar la aglomeración que se da entre algunas
comunas debido a la arquitectura de los tres primeros componentes. Un
106
II04(1)2
primer grupo se conformaría por la comuna 3, donde la incautación de arma
de fuego con salvoconducto, la incautación de marihuana, la incautación de
bazuco, la incautación de base de coca y las capturas, presentan niveles
mucho mayores que el resto de las comunas.
Gráfico 5.3.2.2
Se puede analizar un segundo grupo que estaría conformado por la comuna
9, en la que se presentan niveles de incautación de cocaína
significativamente más altos que al resto de las comunas. Adicionalmente se
presentan niveles de incautación de arma de fuego con salvoconducto,
incautación de marihuana, incautación de bazuco, incautación de base de
coca y capturas, menores que la comuna tres pero mayores que el resto de
las comunas.
El tercer grupo lo conformarían las comunas 21, 20, 14 y 15, que se
distinguen por presentar niveles relativamente altos de incautación de armas
de fuego sin salvoconducto.
107
II04(1)2
Un cuarto grupo se consolidaría con las comunas 19,18,17,16,13,12, 11, 10,
8, 7, 6, 5, 4, 2 y 1 donde no parece incautarse ningún tipo de estupefaciente,
ni arma de fuego y las capturas parecen ser nulas.
5.3.3 Conclusiones de los Resultados del Análisis de Componentes Principales Los resultados nos permiten identificar una cantidad de zonas con
características delictivas diferentes en medio de una misma ciudad.
Los niveles máximos de delitos relacionados con estupefacientes, homicidios
y hurtos parecen manifestarse en la comuna 3 en niveles preocupantes. Los
rangos de capturas e incautaciones de armas y estupefacientes para esta
zona son significativos en los tres años de evaluación.
Del mismo modo se puede reconocer en la comuna 9 una fuerte presencia
de estupefacientes asociada a incidentes de violencia intrafamiliar. Los
homicidios con arma de fuego también sostienen dentro de la comuna un
nivel preocupante. Con respecto a las capturas e incautaciones de armas y
estupefacientes los niveles son más altos que el resto de las comunas
excepto por la comuna 3.
En contraste a la situación de estas dos zonas se despliegan las comunas 2,
17 y 19 exponiendo niveles de homicidios y estupefacientes relativamente
menores que el resto de las comunas. El mismo fenómeno ocurre con las
capturas e incautaciones que resultan conservar bajos niveles.
El análisis de componentes permite interpretar acerca de la comuna 20
niveles alarmantes de homicidios y lesiones, y casos de violencia intrafamiliar
asociada a la presencia de estupefacientes. Sin embargo mientras que los
108
II04(1)2
homicidios y las lesiones con arma de fuego aumentan en el último año las
incautaciones de arma de fuego parecen presentar un descenso en el mismo
año.
La zona más pobre de la ciudad, la comuna 14, parece describir graves
conflictos de violencia interpersonal y abundantes actos terroristas. No
obstante las dinámicas de las capturas e incautaciones exponen rangos
relativamente bajos.
Una situación similar presenta la comuna 1 donde las condiciones
geográficas favorecen los actos terroristas y se percibe una relación entre la
presencia de estupefacientes y los casos de violencia intrafamiliar. Si bien el
análisis parece no mostrar un nivel importante de incautación de armas y
estupefacientes, estos parecen presentar una tendencia creciente en los dos
últimos años.
Al observar la situación en las comunas 4 y 21 se verifica la misma
asociación entre violencia intrafamiliar y la presencia de estupefacientes,
ligados a un costoso ambiente de hurtos. Las incautaciones de arma de
fuego sin salvoconducto y bazuco parecen estar creciendo en el último año
dentro de la comuna 4, a pesar de que las incautaciones en general
presentan niveles respectivamente bajos. En el caso de la comuna 21 las
incautaciones de armas sin salvoconducto presentan niveles elevados desde
el 2002 hasta mediados del 2003.
La comuna 5 es igualmente una zona muy pobre donde la regla parece
romperse al no manifestar angustiosos niveles de crimen en el periodo de
estudio, así mismo no refleja rangos de incautaciones y capturas altos como
los sostenidos por las comunas 3 y 9.
109
II04(1)2
Dentro de la comuna 6 nuevamente se aprecia una suerte de asociación
entre los estupefacientes y la violencia intrafamiliar que aumentaron en el
último año (2003), además se puede observar que la comuna describe
niveles elevados de hurtos.
En el caso de las comunas 7 y 8 los niveles de homicidios y lesiones con
arma de fuego muestran tasas elevadas. Si bien en la comuna 8 el nivel
incautación de arma de fuego sin salvoconducto parece aumentar, en la
comuna 7 las incautaciones de armas de fuego no muestran un
comportamiento importante en los tres años.
De la comuna 10 se puede comentar que es un escenario donde la violencia
intrafamiliar, la presencia de estupefacientes, los homicidios y los hurtos se
encuentran asociados reconociéndose un desarrollo delincuencial. Las
incautaciones de estupefacientes y armas de fuego no parecen responder a
la imperiosa necesidad de un control de estos dos aspectos en la zona.
La criminalidad en la comuna 11 y la comuna 12 es similar a la realidad que
sufre la comuna 9, donde los homicidios se relacionan con la presencia de
estupefacientes y con casos de violencia intrafamiliar. A pesar de que la
comuna 11 no se beneficia de los mismos niveles de incautaciones de armas
y estupefacientes que tiene la comuna 9, estos niveles parecen presentar
una tendencia creciente en los tres años de evaluación. En la comuna 12 las
incautaciones de estupefacientes no son muy frecuentes y las incautaciones
de armas aumentaron en el último año.
La principal causa de violencia en la comuna 13 y 15 se creería que es la
interpersonal, donde los homicidios y lesiones son muy frecuentes. Las
incautaciones de armas y estupefacientes en los dos primeros años de
análisis son casi nulas para la comuna 13, es en el tercer año (2003) donde
110
II04(1)2
parece que se promueve un cambio en la política de seguridad social, dado
que los niveles de incautaciones son mucho más significativos. Aunque la
comuna 15 no presente los mismos niveles de incautaciones de armas y
estupefacientes que la comuna 13, también presenta un aumento
significativo de incautación de armas de fuego en el último año.
La comuna 16 aparte de exhibir una violencia interpersonal e intrafamiliar,
expone frecuentes actos terroristas. El nivel de incautaciones de armas es
significativo en el 2002 y presenta un descenso para el 2003, revelando así
una incoherencia entre el nivel de homicidios y lesiones con arma de fuego y
la incautación de la misma.
Los hurtos relacionados con incidentes de violencia intrafamiliar y presencia
de estupefacientes describen la actividad delictiva en la comuna 18. Las
incautaciones de armas no muestran un elevado nivel dentro de la comuna.
Después de recorrer sobre la conclusión que nos deja el análisis de
componentes de cada comuna, se puede desprender dos argumentos
importantes, el primero es que los niveles de hurtos más altos los presentan
las comunas 2,17 y 19, donde la población de dichas zonas dispone de
ingresos medio-altos. El segundo argumento es que zonas como la ladera
(comunas 1,18,20) de la ciudad y el distrito de Aguablanca (comunas
12,13,14,15) donde las condiciones de pobreza son extremas, las lesiones y
homicidios asociados a casos de violencia intrafamiliar y presencia de
estupefacientes conforman un ambiente de inseguridad insostenible en
dichas zonas.
111
II04(1)2
5.4 Resultados del Análisis de Correlación Canónica
El análisis de correlación canónica intenta identificar y cuantificar las
asociaciones entre dos conjuntos de variables, en este caso el primer grupo
hace referencia a las variables dependientes (Y), el segundo a las variables
explicativas (X). La idea central de éste análisis es identificar qué tanto las
variables X pueden explicar a las variables Y.
Primeramente se construye dos conjuntos de variables, el conjunto de las
variables dependientes con la Muestra total de Delitos y el conjunto de
variables explicativas con la muestra total de Capturas
El conjunto de las variables dependientes (Y) está conformado por las
variables HOMICIDO ARMA FUEGO, HOMICIDIO ARMA BLANCA, LESIONES ARMA
FUEGO, LESIONES ARMA BLANCA, LESIONES OTRAS ARMAS, HURTO ROBO, HURTO
ATRACO, HURTO CALLEJERO, HURTO BANCOS, HURTO MOTOS y VIOLENCIA
INTRAFAMILIAR.
El conjunto de las variables explicativas (X) está conformado por las
variables ARMA DE FUEGO CON SALVOCONDUCTO, ARMA DE FUEGO SIN
SALVOCONDUCTO, MARIHUANA, BAZUCO, COCAÍNA, BASE DE COCA Y CAPTURAS.
En este primer análisis se posee un total de 936 observaciones, 11 variables
dependientes y 7 variables explicativas.
Antes de entrar a interpretar el análisis es necesario que exista una
asociación entre ambos conjuntos de variables, es decir, que exista la matriz
de correlación entre los dos grupos de variables. La hipótesis nula donde la
112
II04(1)2
matriz de correlación entre las variables Y y las variables X es igual a cero es
rechazada por cuatro pruebas estadísticas26.
La correlación canónica entre el primer par de variables es de 69.1% siendo
la máxima correlación en la tabla 5.4.1. El cuadrado de esta primera
correlación muestra la cantidad de varianza explicada por la variable W1 de
V1.
Tabla 5.4.1
Adjusted Approximate Squared Canonical Canonical Standard Canonical
Correlation Correlation Error Correlation 1 0.691539 0.684875 0.017064 0.478226
2 0.389859 . 0.027733 0.151990 3 0.363353 . 0.028386 0.132025 4 0.153857 . 0.031929 0.023672 5 0.145488 . 0.032011 0.021167 6 0.048423 . 0.032627 0.002345 7 0.038461 . 0.032655 0.001479
Las cuatro primeras correlaciones canónicas resultan ser significativas de
acuerdo a la prueba de máxima verosimilitud. Después de identificar el
número de correlaciones se procede a interpretar cada par de variables
canónicas.
En la tabla 5.4.1 se observan los coeficientes canónicos los cuales permiten
identificar la importancia de cada variable sobre la pareja de variables
canónicas respectivas. En este caso en particular se examinarán cuatro
parejas de variables (canónicas).
Las variables Hurto Callejero y Violencia Intrafamiliar son las variables que
más influyen en la formación de la variable V1. Las variables Homicidio Arma
Fuego, Hurto Robo y Hurto Bancos son las más influyentes en el caso de la
variable V2. Las variables Homicidio Arma Fuego, Lesiones arma Fuego y
Violencia Intrafamiliar son las variables importantes en la formación de V3.
26 1. Wilks' Lambda, 2. Pillai's Trace, 3. Hotelling-Lawley Trace, 4. Roy's Greatest Root.
113
II04(1)2
Y finalmente las variables Homicidio Arma Blanca y Lesiones Arma Fuego
son las responsables de la variable V4. Tabla 5.4.2
Standardized Canonical Coefficients for the Y Variables V1 V2 V3 V4
HOMICIDOARMAFUEGO 0.2124 -0.4126 0.3241 -0.1225 HOMICIDIOARMABLANCA 0.0404 -0.1348 0.2762 0.8367 LESIONESARMAFUEGO -0.1564 -0.2688 0.4698 -0.4884 LESIONESARMABLANCA 0.2678 -0.1617 -0.2024 0.2089 LESIONESOTRASARMAS 0.1710 0.0365 -0.0287 -0.2794 HURTO_ROBO_ 0.2136 0.2445 -0.0120 -0.1488 HURTO_ATRACO_ 0.0815 0.3675 0.0984 -0.2142 HURTOCALLEJERO 0.4492 -0.1595 0.1610 0.1261 HURTOBANCOS 0.0412 0.3132 0.2537 0.1140 HURTOMOTOS 0.0539 0.2753 -0.0826 -0.1827 VIOLENCIAINTRAFAMILIA 0.4098 -0.2505 -0.5606 -0.0771
Standardized Canonical Coefficients for the X Variables W1 W2 W3 W4 X1 0.2164 0.8064 0.5870 -0.0866 X2 -0.0556 -0.5596 0.8008 -0.1713 X3 -0.0588 0.0746 -0.0154 0.3016 X4 0.0345 -0.0263 0.5269 0.3913 X5 0.0255 -0.0820 0.0894 0.7370 X7 0.0369 0.0176 0.0451 -0.4071 X8 0.9081 -0.3085 -0.6478 -0.0406
En el segundo grupo de variables canónicas la variable Capturas es la más
influyente sobre la variable W1. Las variables Arma Fuego con
Salvoconducto y Arma Fuego(A/F) sin Salvoconducto son las variables que
influyen en formación de la variable W2. Las variables A/F con
Salvoconducto, A/F sin Salvoconducto y Bazuco son las variables que
construyen la variable W3. Y finalmente las variables Marihuana, Bazuco,
Cocaína, Base de Coca y Capturas intervienen significativamente en la
formación de la variable W4.
Las correlaciones entre las variables Y y su conjunto de variables canónicas
permite proveer un significado sustancial de cada variable (canónica),
igualmente sucede con la correlación entre las variables X y sus conjunto de
variables canónicas. La lógica es que las variables que más correlacionadas
se encuentre tienen más en común con su respectiva variable (canónica).
II04(1)2
114
En algunos casos resulta que la variable no se presenta de forma influyente
en la formación de la variable canónica sin embargo su correlación con ésta
es alta. Mientras que el coeficiente canónico pertenece a la contribución
parcial de cada variable, la correlación entre la variable y su variable
canónica tiene en cuenta el resto de variables del conjunto.
En la tabla 5.4.3 se puede examinar que las variables que más influyen en la
formación de la variable V1, también se encuentran muy correlacionadas con
ésta. Adicionalmente se puede observar que las variable Homicidio Arma de
Fuego, Lesiones Arma Blanca, Lesiones otras Armas, Hurto Atraco, Hurto
Callejero y Hurto Motos se encuentran correlacionadas significativamente
con la variable (V1).
Tabla 5.4.3 Correlations Between the Y Variables and Their Canonical Variables V1 V2 V3 V4 HOMICIDOARMAFUEGO 0.3203 -0.5589 0.4240 -0.2247 HOMICIDIOARMABLANCA 0.2833 -0.1003 0.3766 0.7499 LESIONESARMAFUEGO 0.0539 -0.3879 0.6195 -0.3608 LESIONESARMABLANCA 0.5824 -0.1714 0.0303 0.2013 LESIONESOTRASARMAS 0.3939 -0.0380 -0.0802 -0.1971 HURTO_ROBO_ 0.5339 0.4492 0.1481 -0.0612 HURTO_ATRACO_ 0.4474 0.5085 0.2700 -0.1788 HURTOCALLEJERO 0.7559 0.1700 0.3262 0.0371 HURTOBANCOS 0.1997 0.4879 0.3816 0.0484 HURTOMOTOS 0.5012 0.4214 0.2060 -0.0263 VIOLENCIAINTRAFA 0.4402 -0.3466 -0.5606 -0.1190 Correlations Between the X Variables and Their Canonical Variables
W1 W2 W3 W4 X1 0.5326 0.6996 0.4057 -0.0887 X2 0.2115 -0.6481 0.5999 -0.2323 X3 -0.0014 0.0535 -0.0677 0.2968 X4 0.2636 -0.0276 0.4133 0.3771 X5 0.0649 -0.0768 0.0402 0.7476 X7 0.0706 0.0178 0.0897 -0.4046 X8 0.9724 -0.2004 -0.0848 0.0072
Las variables que presentan coeficientes altos sobre la variable V2,
igualmente presentan una correlación significativa con ésta. La variable
Homicidio Arma Fuego presenta una correlación negativa, del mismo modo
que las Lesiones Arma Fuego y Violencia Intrafamiliar, adicionalmente se
II04(1)2
115
puede observar que las variables Hurto Robo, Hurto Atraco, Hurto Bancos y
Hurto Motos se correlacionan positivamente con V2.
Las variables que presentan coeficientes altos sobre la variable V3
(Homicidio Arma Fuego, Lesiones Arma Fuego y Violencia Intrafamiliar) se
correlacionan positiva y significativamente con la variable canónica excepto
por la variable Violencia Intrafamiliar que exhibe una correlación negativa.
Las variables Lesiones Arma Blanca, Hurto Callejero, Hurto Bancos se
adhieren a la lista de variables correlacionadas positivamente.
Finalmente las variables que presentan coeficientes significativos con V4,
son las únicas variables que muestran valores importantes en la correlación
con la variable canónica. Mientras que la variable Homicidios Arma Blanca se
correlaciona positivamente, la variable Lesiones arma de fuego se
correlaciona negativamente.
La variable W1 se correlaciona positiva y principalmente con las variables
Arma de fuego con salvoconducto, Arma de fuego sin salvoconducto, Bazuco
y capturas. La variable W2 presenta una correlación positiva importante con
la variable Arma de fuego con salvoconducto y una correlación negativa con
la variable Arma de fuego sin salvoconducto. La variable W3 muestra una
correlación positiva con las variables Arma de fuego sin salvoconducto, Arma
de fuego con salvoconducto y bazuco. Por ultimo la variable W4 presenta
una correlación positiva con las variables Marihuana, Bazuco y Cocaína, y
una correlación negativa con la variable Base de Coca.
En general se puede observar que las variables que contribuyen en la
formación de sus variables canónicas (con coeficientes significativos) no
difieren en signo ni importancia con respecto a la correlación con dicha
variable (canónica). Sin embargo la diferencia en la magnitud de los valores,
116
II04(1)2
entre los coeficientes y las correlaciones puede indicar que las variables de
cada grupo se encuentran correlacionadas entre si.
Tabla 5.4.4 Correlations Between the Y Variables and the Canonical Variables of the X Variables
W1 W2 W3 W4 HOMICIDOARMAFUEGO 0.2215 -0.2179 0.1541 -0.0346 HOMICIDIOARMABLANCA 0.1959 -0.0391 0.1369 0.1154 LESIONESARMAFUEGO 0.0373 -0.1512 0.2251 -0.0555 LESIONESARMABLANCA 0.4027 -0.0668 0.0110 0.0310 LESIONESOTRASARMAS 0.2724 -0.0148 -0.0291 -0.0303 HURTO_ROBO_ 0.3692 0.1751 0.0538 -0.0094 HURTO_ATRACO_ 0.3094 0.1983 0.0981 -0.0275 HURTOCALLEJERO 0.5227 0.0663 0.1185 0.0057 HURTOBANCOS 0.1381 0.1902 0.1387 0.0074 HURTOMOTOS 0.3466 0.1643 0.0748 -0.0040 VIOLENCIAINTRAFAMILIAR 0.3044 -0.1351 -0.2037 -0.0183
La correlación entre el conjunto de variables dependientes (Y) y las variable
canónica W1 revela que los homicidios con arma de fuego, las lesiones con
arma blanca, las lesiones con otras armas, los hurtos callejeros, los robos,
los atracos, los hurtos de motos y los incidentes de Violencia Intrafamiliar
parecen estar explicados por la incautación de armas de fuego con
salvoconducto y armas de fuego sin salvoconducto en la ciudad de Cali
(Tabla 5.4.4).
La correlación negativa entre la variable Homicidios Arma Fuego y la variable
canónica W2, permite interpretar que el nivel de homicidios con Arma de
fuego está explicado esencialmente por el número de armas incautadas sin
salvoconducto.
La variable Lesiones Arma Fuego al ser la variable que presenta una mayor
correlación con W3, parecería que se encuentra explicada por el nivel de
incautación de armas de fuego con salvoconducto y sin salvoconducto, y por
la presencia de bazuco.
117
II04(1)2
Finalmente los homicidios con arma blanca parecen se explicados por la
presencia de estupefacientes, dado la interpretación realizada de la variable
W4. Tabla 5.4.5
Standardized Variance of the Y Variables Explained by Their Own The Opposite
Canonical Variables Canonical Variables Canonical Variable Cumulative Canonical Cumulative Number Proportion Proportion R-Square Proportion Proportion
1 0.2020 0.2020 0.4782 0.0966 0.0966 2 0.1390 0.3409 0.1520 0.0211 0.1177 3 0.1288 0.4697 0.1320 0.0170 0.1347 4 0.0797 0.5494 0.0237 0.0019 0.1366
La tabla 5.4.5 permite conocer la proporción de variabilidad explicada por
cada variable canónica de X sobre el conjunto de variables dependientes Y.
Por tanto la primera variable canónica W1 logra explicar 9.66% de la
variabilidad de el conjunto de variables Y, siendo el mayor porcentaje. Éste
valor no es muy alto y la proporción de variabilidad explicada por todas las
variables canónicas del conjunto de variables X apenas alcanza a explicar el
13.66%.
De realizar la regresión múltiple del conjunto de variables Y con el conjunto
de variables X el R2 sería de 0.1989, el cual no es muy representativo y
sugiere que los delitos que conforman el grupo de variables Y no estarían
explicados satisfactoriamente por el nivel de incautaciones de armas,
estupefacientes y el nivel de capturas.
Debido a que se posee información de ciertas variables socio-económicas
sobre cada comuna tan solo del año 2002, se modifica la muestra total de
delitos y la muestra total de capturas de tal forma que cada variable de las
dos muestras contiene el acumulado del 2002 de las comunas. Esta
alteración en las bases de datos permite que más adelante cuando se estén
118
II04(1)2
estimando los modelos se pueda explicar el crimen utilizando la información
de las variables socio-económicas que se tienen.
Modificada las bases de datos se realiza de nuevo el análisis anterior con las
variables dependientes Y: Homicidio Arma Fuego, Homicidio Arma Blanca,
Homicidios Otras Armas, Lesiones Arma Fuego, Lesiones Arma Blanca,
Lesiones Otras Armas, Hurto Robo, Hurto Atraco, Hurto Callejero, Hurto
Banco, Hurto Carro, Hurto Moto y Violencia Intrafamiliar.
Las variables explicativas X, son las mismas excepto que ya no poseen 936
observaciones sino 21 observaciones refiriéndose a las 21 comunas de la
ciudad de Cali.
La matriz de correlación entre ambos conjuntos resultó ser una matriz
diferente de cero sustentada por las pruebas citadas anteriormente. La
primera y segunda correlación canónica dada la prueba de máxima
verosimilitud son las únicas dos correlaciones significativas. Las
correlaciones canónicas poseen porcentajes muy parecidos (Tabla 5.4.6).
Tabla 5.4.6 Canonical Correlation Análisis
Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 0.999880 . 0.000054 0.999759 2 0.997658 . 0.001046 0.995321
3 0.970895 0.944366 0.012827 0.942637 4 0.953601 0.917639 0.020269 0.909354 5 0.941595 . 0.025357 0.886602 6 0.642241 0.440830 0.131375 0.412473 7 0.491638 0.341190 0.169559 0.241708
Los coeficientes canónicos de V1 indican que las variables Homicidio Arma
Blanca, Homicidio Otras Armas, Lesiones Arma Blanca, Lesiones Otras
Armas, Hurto Robo, Hurto Atraco, Hurto Callejero, Hurto Bancos, Hurto
Motos y Violencia Intrafamiliar influyen en la formación de ésta primera
variable canónica (Tabla 5.4.7).
119
II04(1)2
Los coeficientes de V2 muestran que las variables Homicidio Arma Fuego,
Homicidio Arma Blanca, Homicidio Otras Armas y Hurto Callejero, son las
variables que esencialmente construyen a la segunda variable canónica. Por
otro parte los coeficientes de W1 señalan que las variables Arma Fuego con
salvoconducto, Marihuana, Cocaína y Base de Coca son las variables que
construyen a la primera variable canónica del segundo conjunto. Los
coeficientes muestran que las variables Cocaína y Capturas son las variables
que influyen en la formación de la segunda variable canónica (W2).
Las variables que exponen coeficientes canónicos altos muestran una
correlación significativa con la variable V1, sin embargo los signos difieren y
puede ser causa de multicolinealidad en los datos o porque el tamaño de la
muestra es pequeño. Por tanto se sugiere que una vez utilizados los
coeficientes canónicos para determinar la contribución en la formación de
cada variable sobre la respectiva variable canónica, se utilicen las
correlaciones con el fin de establecer una interpretación de dicha variable
canónica (Tabla 5.4.8). Tabla 5.4.7
Standardized Canonical Coefficients for the Y Variables V1 V2
HOMICIDO ARMA FUEGO -0.101994643 0.411841296 HOMICIDIO ARMA BLANCA 0.9735512093 -0.525117985 HOMICIDIO OTRAS ARMAS -0.63725226 -0.671317438 LESIONES ARMA FUEGO 0.1599278057 0.1389032628 LESIONES ARMA BLANCA -0.41950882 -0.262260053
LESIONES OTRAS ARMAS -0.684800678 0.0631307653 HURTO (ROBO) 1.4012699503 -0.038559145 HURTO (ATRACO) -1.56709782 0.1094306231
HURTO CALLEJERO 1.7890685178 1.0585718837 HURTO BANCOS 1.0342851585 -0.296971208 HURTO CARROS -0.297237776 0.0748806874 HURTO MOTOS -0.705869709 -0.065726283
VIOLENCIA INTRAFAMILIAR 0.8654006192 0.3430789452
Standardized Canonical Coefficients for the X Variables W1 W2
A/F CON SALVOCONDUCTO 0.4659651006 -0.274491059 A/F SIN SALVOCONDUCTO 0.1894062676 0.22124684 MARIHUANA (Grs) 0.5703881554 -0.119199324 BAZUCO (Gramos) 0.0483147964 0.1936158811 COCAINA (Gramos) 0.4203920969 -0.91811349 BASES DE COCA (Gramos) 0.3785652163 0.0697232028
Capturas 0.2706018298 0.6019973083
120
II04(1)2
La variable V1 se correlaciona positivamente con las variables Homicidio
Arma Blanca, Hurto Robo, Hurto Callejero, Hurto Bancos y Violencia
Intrafamiliar. Por otra parte se muestra correlacionada (V1) negativamente
con las variables Homicidio otras Armas, Lesiones Arma Blanca, Lesiones
Otras Armas, Hurto Atraco y Hurto Motos.
La variable V2 y las variables Homicidio Arma de Fuego, Hurto Callejero y
Violencia Intrafamiliar, se encuentra positivamente correlacionadas. Las
variables Homicidio Arma Blanca y Homicidio Otras Armas se correlacionan
negativamente con dicha variable canónica.
La variable W1 se correlaciona positivamente con todas las variables del
conjunto X, esencialmente por las variables Arma Fuego sin Salvoconducto,
Marihuana, Bazuco, Cocaína y Capturas.
Tabla 5.4.8
Correlations Between the Y Variables and Their Canonical Variables V1 V2
HOMICIDO ARMA FUEGO 0.0926 0.3273 HOMICIDIO ARMA BLANCA 0.5882 -0.2863 HOMICIDIO OTRAS ARMAS 0.7256 -0.1160 LESIONES ARMA FUEGO 0.2305 0.0838 LESIONES ARMA BLANCA 0.4300 0.3726 LESIONES OTRAS ARMAS 0.4487 0.5579 HURTO (ROBO) 0.6588 0.0556 HURTO (ATRACO) 0.7137 0.0796 HURTO CALLEJERO 0.7270 0.3645 HURTO BANCOS 0.4333 -0.3844 HURTO CARROS 0.3348 -0.3135 HURTO MOTOS 0.6204 0.1010 VIOLENCIA INTRAFAMILIAR 0.3859 0.6165
Correlations Between the X Variables and Their Canonical Variables W1 W2
A/F CON SALVOCONDUCTO 0.4640 -0.0007 A/F SIN SALVOCONDUCTO 0.2430 0.5509 MARIHUANA (Grs) 0.6346 0.1561 BAZUCO (Gramos) 0.3532 -0.1959 COCAINA (Gramos) 0.3716 -0.7469 BASES DE COCA (Gramos) 0.0369 0.0538 Capturas 0.6968 0.4068
121
II04(1)2
Entre la variable W2 y las variables Arma Fuego sin Salvoconducto y
Capturas presenta una correlación positiva, mientras que con la variable
Cocaína se observa una correlación negativa.
Definidas las variables canónicas en términos de sus correlaciones con sus
respectivos conjuntos de variables, la correlación entre las variables
dependientes Y y la variable canónica W1 permite sugerir que los homicidios
con arma blanca y otras armas, lesiones con arma blanca y con otras armas,
robos, atracos, hurtos callejeros, hurtos de bancos, hurtos de carros, hurtos
de motos y los casos de violencia intrafamiliar parecen ser explicados por la
presencia de ciertos estupefacientes y el porte de arma con salvoconducto
en la ciudad de Cali (Tabla 5.4.8).
En el caso de la variable W2 y su correlación con las variables dependientes
(Y), es posible pensar que los homicidios con arma de fuego, las lesiones
con arma blanca y con otras armas, los hurtos callejeros y los incidentes de
violencia intrafamiliar son explicados por la dinámica de la incautación de
armas de fuego sin salvoconducto en la ciudad de Cali.
Tabla 5.4.8 Correlations between the Y Variables and the Canonical Variables of the X Variables
W1 W2 HOMICIDO ARMA FUEGO 0.0925 0.3265 HOMICIDIO ARMA BLANCA 0.5881 -0.2856 HOMICIDIO OTRAS ARMAS 0.7255 -0.1157 LESIONES ARMA FUEGO 0.2304 0.0836 LESIONES ARMA BLANCA 0.4300 0.3717 LESIONES OTRAS ARMAS 0.4487 0.5566 HURTO (ROBO) 0.6588 0.0555 HURTO (ATRACO) 0.7136 0.0794 HURTO CALLEJERO 0.7269 0.3636
HURTO BANCOS 0.4332 -0.3835 HURTO CARROS 0.3348 -0.3128 HURTO MOTOS 0.6204 0.1007 VIOLENCIA INTRAFAMILIAR 0.3859 0.6150
De acuerdo a la que se expone en la tabla 5.4.9 la proporción de variabilidad
explicada del conjunto de variables dependientes (Y) por la variable W1 es
aproximadamente el 30%, porcentaje que revela un indicio de que las
122
II04(1)2
variables dependientes no están siendo bien explicadas por el conjunto de
variables X.
Si se realizara una regresión entre el conjunto de variables dependientes Y y
el conjunto de variables explicativas X, el R2 de la regresión sería del 38.89%
el cual sugiere que las variables del conjunto Y no estarían explicados
satisfactoriamente por las variables del conjunto X. Es decir, los homicidios
con arma de fuego, con arma blanca y otras armas no son explicados
únicamente por el nivel de incautación de armas y la presencia de
estupefacientes, la misma situación ocurre con los diferentes tipos de hurtos,
lesiones y los incidentes de violencia intrafamiliar.
Tabla 5.4.9 Raw Variance of the Y Variables Explained by
Their Own The Opposite Canonical Variables Canonical Variables
Canonical Variable Cumulative Canonical Cumulative
Number Proportion Proportion R-Square Proportion Proportion
1 0.2789 0.2789 0.9998 0.2789 0.2789 2 0.1106 0.3896 0.9953 0.1101 0.3890
Expuesto el anterior argumento se realiza el análisis de correlación canónica
pero esta vez utilizando la información de las variables socioeconómicas.
Se conforma un conjunto de variables dependientes Y con las variables: HOMICIDIO ARMA FUEGO, HOMICIDIO ARMA BLANCA, LESIONES ARMA FUEGO,
LESIONES ARMA BLANCA, VIOLENCIA INTRAFAMILIAR y ESTUPEFACIENTES.
Y un conjunto de variables explicativas X con las variables: Urbanizaciones,
Puestos salud, Suscripción Acueducto, Establecimientos primaria,
Establecimientos secundaria y Estación policía.
La matriz de correlación entre los dos conjuntos de variables resulta se
diferente de cero bajo los test pertinentes. Las dos primeras correlaciones
II04(1)2
123
canónicas resultan ser significativamente diferentes de cero de acuerdo a la
prueba de máxima verosimilitud. La primera y más alta correlación de la tabla
5.4.10 es de 0.94157. 5.4.10
Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation
1 0.941577 0.909045 0.025364 0.886568 2 0.862188 0.804439 0.057385 0.743368 3 0.696001 0.537987 0.115288 0.484418 4 0.613030 . 0.139574 0.375805 5 0.382882 0.207912 0.190826 0.146599 6 0.299776 . 0.203512 0.089866
Los coeficientes de la variable V1 exhiben que las variables Homicidio Arma
Fuego, Lesiones Arma Fuego y Lesiones Arma Blanca son las variables que
mayor contribución tienen sobre esta variable canónica (Tabla 5.4.11).
Las variables Homicidio Arma Blanca, Lesiones Arma de Fuego, Lesiones
Arma Blanca y Violencia Intrafamiliar son las que contribuyen
significativamente en la formación de V2.
Por otro lado los coeficientes de la variable W1 señalan que las variables
Puestos Salud, Establecimientos Secundaria, Establecimientos Primaria,
Suscripción Acueducto, Y Cobertura Aseo, son las variables que influyen en
la formación de la variable canónica. 5.4.11
Standardized Canonical Coefficients for the Y Variables V1 V2
HOMICIDO ARMA FUEGO 0.4320 0.0521 HOMICIDIO ARMA BLANCA -0.1345 -1.2445 LESIONES ARMA FUEGO -0.5012 0.8051 LESIONES ARMA BLANCA 1.3701 0.6388 VIOLENCIA INTRAFAMILIAR -0.0719 -0.5417 ESTUPEFACIENTES -0.2989 -0.1976
Standardized Canonical Coefficients for the X Variables
W1 W2 Urbanizaciones -0.1109 -0.0092 Puestos_salud 0.8672 0.1182 Establec_secund 0.6560 -0.0177 Suscrip_acued 0.1930 -0.0811 Establecimientos_prim -0.4616 1.0119 Cobertura_aseo 0.5474 -0.5588
124
II04(1)2
La variable W2 se encuentra esencialmente concebida por la influencia de
las variables Establecimientos Primaria y Cobertura aseo.
En la tabla 5.4.12 se puede observar que en general las variables Y y su
respectiva variable canónica V1, se encuentran correlacionadas
positivamente. Con relación a la variable V2 y las variables Homicidio Arma
Blanca, Violencia Intrafamiliar y Estupefacientes se indica una correlación
negativa. Las variables Puestos salud, Establecimientos secundaria,
Establecimientos primaria y Cobertura Aseo se encuentran positivamente
correlacionados con W1. Del mismo modo la variable W2 se correlaciona
positivamente con las variables Puestos salud y Establecimientos Primaria.
Tabla 5.4.12 Correlations Between the Y Variables and Their Canonical Variables
V1 V2 HOMICIDO ARMA FUEGO 0.6478 0.2332 HOMICIDIO ARMA BLANCA 0.4943 -0.4908 LESIONES ARMA FUEGO 0.4745 0.2638 LESIONES ARMA BLANCA 0.9020 -0.1361 VIOLENCIA INTRAFAMILIAR 0.4798 -0.3060 ESTUPEFACIENTES 0.5916 -0.4347
Correlations Between the X Variables and Their Canonical Variables
W1 W2 Urbanizaciones -0.2269 -0.1009 Puestos_salud 0.4614 0.4324 Establec_secund 0.4885 0.1773 Suscrip_acued 0.1809 0.0160 Establecimientos_prim 0.3525 0.8069 Cobertura_aseo 0.6979 -0.2432
La correlación de conjunto de variables dependientes Y y las variables
canónicas W, permite pensar que todas las variables del este conjunto (Y) se
encuentra explicadas positivamente por la presencia de puestos de salud,
establecimientos de secundaria y primaria y por la cobertura de aseo.
Sin embargo la correlación de las variables del conjunto Y con las variables
W2 muestra que los homicidios con arma blanca, los incidentes de violencia
intrafamiliar y la presencia de estupefacientes esta explicada por carencia de
puestos de salud y establecimientos de primarias.
II04(1)2
125
Tabla 5.4.13 Correlations Between the Y Variables and the Canonical Variables of the X Variables
W1 W2 HOMICIDO ARMA FUEGO 0.6099 0.2011 HOMICIDIO ARMA BLANCA 0.4654 -0.4231 LESIONES ARMA FUEGO 0.4468 0.2274 LESIONES ARMA BLANCA 0.8493 -0.1173 VIOLENCIA INTRAFAMILIAR 0.4518 -0.2638 ESTUPEFACIENTES 0.5571 -0.3748
La proporción de variabilidad del conjunto de la variables dependientes
explicado por la primera variable canónica del conjunto de variables X es de
33.73%, y la proporción total de variabilidad explicado por el total de
variables canónicas (W1 y W2) alcanza a ser de 41.98 (Tabla 5.4.14).
Tabla 5.4.14
Standardized Variance of the VAR Variables Explained by Their Own The Opposite
Canonical Variables Canonical Variables Canonical Variable Cumulative Canonical Cumulative
Number Proportion Proportion R-Square Proportion Proportion 1 0.3805 0.3805 0.8866 0.3373 0.3373 2 0.1110 0.4915 0.7434 0.0825 0.4198
Si se realizara una regresión con el conjunto de variables dependientes Y y el
conjunto de variables explicativas X el R2 de la regresión sería de 0.42. El
cual indica que los Homicidios por arma de fuego y arma blanca, las lesiones
por arma de fuego y arma blanca, los incidentes de violencia intrafamiliar y la
presencia de estupefacientes no están siendo claramente explicados por las
variables socioeconómicas utilizadas para este caso.
En el análisis de componentes principales se sospecha que existe una
asociación entre las variables que describen algún grado de destrucción
familiar y las zonas de bajos recursos económicos, de tal forma que se
decide realizar el análisis de correlación canónica con el conjunto de
variables Y: ACCESO CARNAL VIOLENTO, CORRUPCION DE MENORES, HOMICIDIO
ARMA BLANCA, LESIONES ARMA BLANCA, LESIONES OTRAS ARMAS, VIOLENCIA
INTRAFAMILIAR y SUICIDIO.
II04(1)2
126
Y el segundo conjunto de variables X: Puestos salud, Suscripción acueducto,
Cobertura Energía, Establecimientos primaria, Establecimientos secundaria,
Estaciones policía, Cobertura aseo y Cobertura gas natural.
Dado que la matriz de correlación entre ambos conjuntos de variables resulto
ser diferente de cero, se procede a interpretar las salidas del análisis de
correlación canónica. La prueba de máxima verosimilitud determinó que las
dos primeras correlaciones canónicas son significativamente diferentes de
cero. La primera y más alta correlación canónica es de 0.99 (Tabla 5.4.15).
Los coeficientes de la variable V1 muestran que las variables Corrupción
menores, Lesiones Arma Blanca y Lesiones otras Armas influyen
valiosamente en la formación de esta primera variable canónica (Tabla
5.4.16) .
Tabla 5.4.15 Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 0.995246 0.992180 0.002121 0.990514 2 0.982257 0.973370 0.007865 0.964829 3 0.912386 0.872137 0.037466 0.832448 4 0.772015 0.683642 0.090336 0.596007 5 0.591464 0.487205 0.145383 0.349829 6 0.303785 0.072979 0.202971 0.092285 7 0.171356 . 0.217041 0.029363
Observando los coeficientes asociados a la variable V2 se puede pensar que
las variables que más contribuyen en su formación son las variables
Homicidio Arma Blanca, Lesiones Arma Blanca, Lesiones otras armas y
Suicidio.
Por el otro lado los coeficientes de W1 exhiben que las variables Cobertura
energía y Cobertura Aseo son las que más importancia presentan en la
formación de la variable canónica (W1).
II04(1)2
127
Las variables Estación policía, Cobertura energía, Establecimientos primaria
y Cobertura gas natural parecen ser las variables que más intervienen en la
formación de W2.
Tabla 5.4.16 Standardized Raw Canonical Coefficients for the Y Variables
V1 V2 ACCESO CARNAL VIOLENTO -0.140421446 0.0762522913 CORRUPCION DE MENORES -1.097745299 -0.002103604 HOMICIDIO ARMA BLANCA 0.1243517747 0.9855368267 LESIONES ARMA BLANCA -0.311293642 -0.869102688 LESIONES OTRAS ARMAS 0.4156164652 0.8068007545 VIOLENCIA INTRAFAMILIAR 0.2504037474 -0.11359831
SUICIDIO -0.195943567 0.3882668117
Standardized Raw Canonical Coefficients for the X Variables W1 W2
Estac_policía -0.083236709 -0.35108758 Cobertura_energía -1.360638021 1.066227381 Puestos_salud -0.015490524 -0.194811478 Establec_secund 0.1272742083 0.297661728 Suscrip_acued 0.1421088592 -0.034481 Establecimientos_prim -0.1688645 -0.422820133 Cobertura_aseo 1.6596441332 0.2178312692 Cobertura_gas_natural 0.1696115681 -0.521727061
Las correlación entre las variables del conjunto Y y sus respectivas variables
canónicas establecen que las variables Acceso carnal Violento y Corrupción
de menores se correlacionan negativamente con V1, mientras que la variable
Suicidio se muestra correlacionada positivamente (Tabla 5.4.17).
Las variables Homicidio Arma Blanca, Lesiones Arma blanca, Lesiones otras
Armas, Violencia intrafamiliar y suicidio se correlacionan positiva y
significativamente con la variable V2.
Estudiando el segundo conjunto de variables y su correlación con las
pertinentes variables canónicas se presenta que las variables
Establecimientos secundaria, Suscripción acueducto, Establecimientos
primaria, Cobertura aseo y Cobertura gas natural son las variables
II04(1)2
128
positivamente correlacionadas con W1. Mientras que la variable W2 se
presenta positivamente correlacionada con las variables Estaciones policía,
Cobertura energía, Establecimientos secundaria y Cobertura Aseo.
Tabla 5.4.17
Correlations Between the Y Variables and Their Canonical Variables V1 V2
ACCESO CARNAL VIOLENTO -0.4767 -0.2732 CORRUPCION DE MENORES -0.9461 0.1669 HOMICIDIO ARMA BLANCA 0.0204 0.8332 LESIONES ARMA BLANCA 0.2333 0.6979 LESIONES OTRAS ARMAS 0.1066 0.7115 VIOLENCIA INTRAFAMILIAR -0.0705 0.4152 SUICIDIO 0.3169 0.7206
Correlations Between the X Variables and Their Canonical Variables
W1 W2 Estac_policía -0.0589 0.6690
Cobertura_energía 0.0707 0.8383 Puestos_salud -0.2443 -0.1139 Establec_secund 0.5559 0.3392 Suscrip_acued 0.5093 0.0557
Establecimientos_prim 0.5445 -0.2197 Cobertura_aseo 0.5874 0.6632
Cobertura_gas_natural 0.3628 0.0337
La correlación entre el conjunto de variables dependientes y las variables
canónicas (W1 y W2) sugieren que casos de acceso carnal violento y
corrupción de menores se explican por la falta de establecimientos de
primaria y secundaria, y la carencia de servicios públicos como acueducto, el
aseo y el gas natural (Tabla 5.4.18).
No obstante los homicidios con arma blanca, las lesiones con arma blanca y
otras armas, los incidentes de violencia Intrafamiliar y los casos de suicidios
parecen estar explicados por la presencia de estaciones de policía, la
cobertura de energía y de aseo, y los establecimientos de secundaria en la
ciudad de Cali.
Las conexiones eléctricas y la recolección de basura tiene una cobertura casi
completa en la ciudad de Cali, por tanto zonas de bajos ingresos no
II04(1)2
129
prescinden de estos servicios públicos y las variables Cobertura energía y
Cobertura aseo no señalaría la segmentación deseada entre las zonas de
diferentes ingresos.
Tabla 5.4.18 Correlations Between the Y Variables and the Canonical Variables of the X Variables
W1 W2 ACCESO CARNAL VIOLENTO -0.4745 -0.2684 CORRUPCION DE MENORES -0.9416 0.1639 HOMICIDIO ARMA BLANCA 0.0203 0.8184 LESIONES ARMA BLANCA 0.2322 0.6855 LESIONES OTRAS ARMAS 0.1061 0.6988 VIOLENCIA INTRAFAMILIAR -0.0702 0.4078 SUICIDIO 0.3154 0.7078
La proporción de variabilidad total de las variables dependientes (Y)
explicada por la variable canónica W1 es de 18.31, y la proporción de
variabilidad total explicada por las dos variables canónicas (W1 y W2) es de
52.52% que si bien no es un porcentaje despreciable, no es suficientemente
significativo.
Tabla 5.4.19 Standardized Variance of the VAR Variables Explained by
Their Own The Opposite Canonical Variables Canonical Variables
Canonical Variable Cumulative Canonical Cumulative
Number Proportion Proportion R-Square Proportion Proportion 1 0.1849 0.1849 0.9905 0.1831 0.1831 2 0.3545 0.5394 0.9648 0.3420 0.5252
El R2 de la regresión entre las variables del conjunto Y y las variables del
conjunto X sería del 0.525, el cual no es insustancial sin embargo se
pensaría que las variables que se relación a un fenómeno de destrucción
familiar no están siendo bien explicadas por las variables socioeconómicas
seleccionadas para este tercer análisis.
Al graficar la variable V1 versus la variable W1 la comuna 21 parase
expresarse como un dato outlier (fuera de lo normal o no esperado). De
forma que se omite la observación en las variables y se realiza nuevamente
II04(1)2
130
el análisis de correlación canónica para entender el componente que permite
esta anomalía.
La observación (comuna 21) presenta valores negativamente altos en las dos
variables (V1 y W1) frente a las otras observaciones, lo que indica es que la
comuna presenta casos de corrupción de menores y violaciones sexuales
con mayor frecuencia que el resto de las comunas.
Gráfico 5.4.1
El análisis de correlación sin la comuna 21 muestra que las dos primeras
correlaciones canónicas son significativas bajo la prueba de máxima
verosimilitud. La primera correlación canónica es de 0.9839 (Tabla 5.4.20).
Tabla 5.4.20 Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 0.983928 0.973507 0.007315 0.968114 2 0.941288 0.901693 0.026148 0.886023 3 0.912353 0.892907 0.038453 0.832389 4 0.723223 0.619331 0.109419 0.523052 5 0.558000 0.488878 0.157984 0.311364 6 0.197316 -.015191 0.220484 0.038934
II04(1)2
131
Los coeficientes de la variable V1 presentan a las variables Homicidio Arma
Blanca, Lesiones Arma Blanca y Lesiones Otras Armas como las variables
más significativas en la formación de la variable canónica (Tabla 5.4.21).
Los coeficientes en el caso de la segunda variable parecen resaltar que la
única variable que no tiene influencia alguna en la construcción de V2 es
corrupción de menores.
Lo coeficientes de la variable canónica W1 muestran que las variables
Estación policía, Establecimientos secundaria, Establecimientos primaria,
Cobertura aso y Cobertura gas natural son las variables responsables de la
formación de la variable canónica (W1).
La variable W2 parece estar construida particularmente por las variables
Cobertura de energía, Suscripción acueducto, Cobertura aseo y Cobertura
gas natural. Tabla 5.4.21
Standardized Canonical Coefficients for the Y Variables V1 V2
ACCESO CARNAL VIOLENTO -0.0388 -0.5639 CORRUPCION DE MENORES 0.0000 0.0000 HOMICIDIO ARMA BLANCA 0.9474 -0.3718 LESIONES ARMA BLANCA -0.9845 -0.4044 LESIONES OTRAS ARMAS 0.9983 0.6646 VIOLENCIA INTRAFAMILIAR 0.0855 0.9223
SUICIDIO 0.1933 -0.8278
Standardized Canonical Coefficients for the WITH Variables W1 W2
Estac_policía -0.3530 0.1457 Cobertura_energía -0.0788 -5.1146 Puestos_salud -0.1742 0.1660 Establec_secund 0.3117 0.1791 Suscrip_acued 0.0693 0.4845 Establecimientos_prim -0.3887 -0.2753 Cobertura_aseo 1.2558 4.4311 Cobertura_gas_natural -0.3112 0.8900
Al excluir la comuna 21 la variable corrupción de menores no influye en la
formación de las variables canónicas mostrando coeficientes de valor cero y
II04(1)2
132
ninguna correlación con dichas variables. De modo que los incidentes de
corrupción de menores parecen haberse presentado únicamente en la
comuna 21 o solo se denunciaron en esta zona en el periodo del 2001 al
2003.
El conjunto de variables dependientes Y se encuentran positivamente
correlacionadas con la variable canónica V1, excepto por la variable acceso
carnal violento que se correlaciona negativamente (Tabla 5.4.22).
La variable V2 se muestra correlacionada negativamente con las variables
Acceso carnal violento y Homicidio arma blanca, y positivamente con la
variable violencia intrafamiliar.
Con relación al otro conjunto de variables canónicas (W1 y W2) las variables
Estación policía, Cobertura energía, Establecimientos secundaria y Cobertura
aseo se correlacionan positivamente con W1. La variable Suscripción
acueducto se correlaciona positivamente con W2. Tabla 5.4.22
Correlations Between the Y Variables and Their Canonical Variables V1 V2
ACCESO CARNAL VIOLENTO -0.4268 -0.3170 CORRUPCION DE MENORES 0.0000 0.0000 HOMICIDIO ARMA BLANCA 0.7613 -0.4513 LESIONES ARMA BLANCA 0.7309 -0.0693 LESIONES OTRAS ARMAS 0.7870 0.2944 VIOLENCIA INTRAFAMILIAR 0.5079 0.5101
SUICIDIO 0.7894 0.0491
Correlations Between the X Variables and Their Canonical Variables W1 W2
Estac_policía 0.6713 0.0218 Cobertura_energía 0.8212 -0.1807 Puestos_salud -0.1812 -0.1412 Establec_secund 0.5028 0.0188 Suscrip_acued 0.1983 0.2363 Establecimientos_prim -0.1767 -0.1499 Cobertura_aseo 0.8534 -0.0477 Cobertura_gas_natural 0.1307 0.1665
II04(1)2
133
La correlación entre el conjunto de variables Y y las variables canónicas (W1
y W2) proporcionan información para intuir acerca de que variable
socioeconómicas están explicando el conjunto de variables dependientes.
De acuerdo a lo anterior los casos de corrupción de menores se presentan
en lugares donde las estaciones de policía y los establecimientos de
secundaria no son muy frecuentes, y los servicios de energía y aseo son
exiguos.
Las lesiones con arma blanca y otras armas y los incidentes de violencia
Intrafamiliar y suicidios parecen ocurrir en zonas de la ciudad de Cali donde
se ve la presencia de estaciones de policía, establecimientos de secundaria,
y los servicios públicos de energía y aseo no son escasos.
Los casos de violaciones sexuales y homicidios con arma blanca perecen ser
explicados por la carencia del servicio de acueducto. Tabla 5.4.23
Correlations Between the Y Variables and the Canonical Variables of the X Variables W1 W2
ACCESO CARNAL VIOLENTO -0.4200 -0.2983 CORRUPCION DE MENORES 0.0000 0.0000 HOMICIDIO ARMA BLANCA 0.7490 -0.4248 LESIONES ARMA BLANCA 0.7191 -0.0653 LESIONES OTRAS ARMAS 0.7744 0.2771 VIOLENCIA INTRAFAMILIAR 0.4997 0.4802
SUICIDIO 0.7768 0.0463
El porcentaje de variabilidad explicado por la variable W1 es de 38.68% el
cual no es insignificante si se concibe como el porcentaje explicado por una
sola variable de un conjunto de variables Y.
Tabla 5.4.24 Standardized Variance of the VAR Variables Explained by
Their Own The Opposite Canonical Variables Canonical Variables
Canonical Variable Cumulative Canonical Cumulative Number Proportion Proportio R-Square Proportion Proportion
1 0.3995 0.3995 0.9681 0.3868 0.3868 2 0.0940 0.4935 0.8860 0.0833 0.4701
II04(1)2
134
Al hacer la regresión entre las variables del conjunto dependientes (Y) con
las variables del conjunto X se generaría un R2 de 0.47, por consiguiente las
variables que describen una carencia de valores en las familias no logran ser
cómodamente explicadas por ciertas variables sociales y económicas.
Finalmente se realiza el análisis de correlación sobre el conjunto de variables
que representan los diferentes tipos de hurtos y ciertas variables
socioeconómicas. En el análisis de componentes principales el nivel de
hurtos más elevado lo soportaban las comunas con niveles de ingresos altos.
Se esperaría encontrar en este análisis una asociación entre las variables de
un grupo con otro que sustente este argumento.
El conjunto de las variables Y es conformado por las variables: Hurto robo,
Hurto Atraco, Hurto Banco, Hurto carro y Hurto Moto.
Y el conjunto de variables explicativas X por las variables: Puestos salud,
Suscripción acueducto, Cobertura energía, Establecimientos primaria,
Establecimientos secundaria, Estaciones de policía, Cobertura aseo y
Cobertura gas natural.
La prueba de máxima verosimilitud indica que tan solo la primera correlación
canónica es significativamente diferente de cero, tomando el valor de 0.971
(Tabla 5.4.25). Tabla 5.4.25
Adjusted Approximate Squared Canonical Canonical Standard Canonical Correlation Correlation Error Correlation 1 0.971046 0.953497 0.012761 0.942930 2 0.855275 0.739260 0.060039 0.731496 3 0.789803 0.562309 0.084123 0.623790 4 0.769581 . 0.091174 0.592256 5 0.530281 0.372853 0.160729 0.281198 6 0.427403 . 0.182760 0.182673
II04(1)2
135
Los coeficientes de la variable V1 exponen que todas las variables
dependientes (Y) contribuyen significativa en la formación de la variable V1,
menos la variable Hurto Motos (Tabla 5.4.26).
Por otra parte las variables Estación Policía, Cobertura energía, Puestos
salud, Establecimientos secundaria, Establecimientos primaria y Cobertura
aseo son las variables que influyen en la formación de W1.
Tabla 5.4.26 Standardized Raw Canonical Coefficients for the Y Variables
V1 HURTO (ROBO) 1.8994633882
HURTO (ATRACO) 1.3251769409 HURTO CALLEJERO -1.844707443 HURTO BANCOS -0.972758897 HURTO CARROS -0.631934239 HURTO MOTOS 0.2982258058
Standardized Canonical Coefficients for the X Variables
W1 Estac_policía 0.3638
Cobertura_energía -0.7984 Puestos_salud 0.4184 Establec_secund 0.8438 Suscrip_acued 0.0010
Establecimientos_prim -0.8507 Cobertura_aseo 1.0435
Cobertura_gas_natural 0.1669
Todos los tipos de hurtos parecen encontrarse positivamente correlacionados
con V1, excepto por la variable Hurto banco. Y las variables Estación policía,
Cobertura energía, Establecimiento secundaria y Cobertura aseo son las
variables que más se correlacionan con W1 (Tabla 5.4.27).
Dada la definición de la variable W1 en términos de su correlación con las
variables explicativas (X) y su correlación con las variables dependientes Y,
se puede interpretar que los robos, atracos, hurtos callejeros, hurtos de
carros y hurtos de motos están relacionados con la presencia de estaciones
de policía, con la cobertura de energía, con los establecimientos de
II04(1)2
136
secundaria y con la cobertura de aseo en una determinada zona (Tabla
5.4.28).
Tabla 5.4.27 Correlations Between the Y Variables and Their Canonical Variables
V1 HURTO (ROBO) 0.7906
HURTO (ATRACO) 0.7931 HURTO CALLEJERO 0.7534 HURTO BANCOS 0.1905 HURTO CARROS 0.3133 HURTO MOTOS 0.7386
Correlations Between the X Variables and Their Canonical Variables
W1 Estac_policía 0.5690
Cobertura_energía 0.5435 Puestos_salud -0.1617 Establec_secund 0.6382 Suscrip_acued 0.2254
Establecimientos_prim -0.0180 Cobertura_aseo 0.6930
Cobertura_gas_natural 0.1048
De manera que se puede sospechar que los hurtos se presentan en
comunas donde la presencia de estaciones de policía es numerosa, y la
cobertura de ciertos servicios públicos es apropiada.
Tabla 5.4.28 Correlations Between the Y Variables and the Canonical Variables of the X Variables
W1 HURTO (ROBO) 0.7677
HURTO (ATRACO) 0.7701 HURTO CALLEJERO 0.7315 HURTO BANCOS 0.1850 HURTO CARROS 0.3043 HURTO MOTOS 0.7172
La proporción de variabilidad total del conjunto Y explicado por la variable
canónica W1 es de 39.32%, indicando así que los diferentes tipos de hurtos
no son suficientemente explicados por las variables del conjunto X.
Tabla 5.4.29
Standardized Raw Variance of the Y Variables Explained by Their Own The Opposite
Canonical Variables Canonical Variables Canonical Variable Cumulative Canonical Cumulative
Number Proportion Proportion R-Square Proportion Proportion 1 0.4170 0.4170 0.9429 0.3932 0.3932
II04(1)2
137
Las correlaciones entre las dinámicas de los diferentes hurtos y ciertas
variables socioeconómicas como la presencia de estaciones de policía y un
porcentaje alto de cobertura de servicios en una zona determinada, pueden
dar un indicio acerca de que los hurtos se concentran en zonas donde los
recursos económicos son medio-altos.
138
II04(1)2
Capítulo 6.
Modelos del Crimen
En el capítulo anterior se desarrollaron los análisis de componentes
principales y correlación canónica. En este capítulo se intenta definir algunos
modelos explicativos del crimen basándose substancialmente en estos dos
análisis.
Una vez que se han identificado cuales son los modelos que explican el
crimen se estiman por medio de regresiones lineales y se concluye acerca de
los resultados obtenidos.
6.1 Definición de los Modelos del Crimen
Lo primero que se hizo fue determinar los delitos que tienen un profundo
impacto en la ciudad de Cali, debido a que poseen una mayor frecuencia.
Los delitos que se deciden modelar porque parecen ser el peor problema de
inseguridad en Cali son: los homicidios con arma de fuego, blanca y otras
armas, las lesiones con arma de fuego, blanca y otras armas, los robos, los
atracos, los hurtos callejeros, los hurtos de motos, los hurtos de carros, y los
casos de violencia intrafamiliar.
A continuación cada uno de estos crímenes es modelado en función de un
conjunto de variables explicativas, ya sean variables sociales, económicas o
de disuasión (capturas e incautaciones).
139
II04(1)2
HOMICIDIO ARMA FUEGO
Los componentes principales señalaron que los homicidios con arma de
fuego estaban muy relacionados con el porte ilegal y con la presencia de
estupefacientes. Por otra parte las zonas con niveles de ingresos medio-
altos como las comunas 2, 17 y 19 no presentan niveles altos de homicidios,
lo cual permite creer que en lugares donde las condiciones económicas nos
son favorables se presentan mayores niveles de homicidios. Adicionalmente
el análisis de componentes permite observar una asociación entre los
homicidios con arma de fuego y otros crímenes de violencia interpersonal.
El análisis de correlación canónica muestra que los homicidios vienen
explicados esencialmente por la incautación de arma de fuego e incautación
de bazuco, y con relación a las variables socioeconómicas el análisis expone
cierta asociación positiva con la variable Cobertura_aseo, sin embargo los
establecimientos de educación que se esperaba explicaran los homicidios
con arma de fuego no mostraron un efecto significativo sobre este crimen.
Loayza y Lederman en su trabajo “What Causes Violent Crime” como ya se
mencionó en el capítulo 3, utilizan variables que caracterizan el efecto
disuasivo del crimen como la presencia de policías, variables que tratan
sobra la producción y posesión de drogas en una población determinada e
incluyen variables de tipo demográfico para modelar el comportamiento de la
tasa de homicidios y la tasa de robos en un país.
El modelo que se plantea para describir el número de homicidios con arma
de fuego en Cali en el año 2002 es el siguiente:
Homicidios Arma Fuego (i) = β1 Cobertura_aseo (i) + β2 Estación_policía (i)
+β3 A_Fsinsalvoconducto (i) + β1 Bazucó _ gramos(i) + εi
140
II04(1)2
Donde:
Homicidios Arma Fuego (i): son el número de homicidios con arma de fuego
en la comuna i en el año 2002. La variable esta estandarizada y es Per
cápita.
Cobertura_aseo (i): es el porcentaje de la comuna i que posee una cobertura
de aseo en el año 2002. La variable esta estandarizada y es Per cápita.
Estación_policía (i): es el número de estaciones de policía en la comuna en el
año 2002. La variable esta estandarizada y es Per cápita.
A_Fsinsalvoconducto (i): es el número de armas de fuego sin salvoconducto
incautadas en la comuna i en el año 2002. La variable esta estandarizada y
es Per cápita.
Bazuco gramos (i): es el número de gramos de bazuco incautados en la
comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Y εi es el error de la regresión.
HOMICIDIO ARMA BLANCA
Con el análisis de componentes principales se lograr asociar los homicidios
con arma blanca, con incidentes de violencia intrafamiliar y presencia de
estupefacientes.
El estudio de correlación canónica por otra parte permite observar que los
homicidios con arma blanca pueden ser explicados por las variables:
Puesto_salud, Establecimientos primaria, Establecimientos secundaria y
Cobertura_aseo. Adicionalmente la presencia de los estupefacientes:
bazuco, marihuana y cocaína especialmente, parecen estar relacionadas
con los homicidios.
141
II04(1)2
La variable Cobertura_aseo puede ser una variable crítica para medir visibles
signos de descomposición visual en una zona. Es decir, la variable puede en
cierta medida separar las comunas que poseen un nivel alto de cobertura de
aseo a las comunas que poseen un nivel bajo de cobertura. De este modo
una zona con bajos porcentajes de cobertura de aseo induce niveles más
altos de crimen, basándose en la metáfora de “Broken Window”. Se esparcía
que el estimado asociado a la variable Cobertura_aseo tenga un signo
negativo.
Homicidios Arma Blanca (i) = β1 Violencia Intrafamiliar (i) + β2 Cocaína_gramos(i) + β3 Cobertura_aseo(i)
+ β1 Inversión_presupuesto_final (i) + εi Donde:
Homicidios Arma Blanca (i): son el número de homicidios con arma blanca en
la comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Violencia Intrafamiliar (i): son el número de incidentes ocurridos por violencia
intrafamiliar en la comuna i en el año 2002. La variable esta estandarizada y
es Per cápita.
Cocaína gramos (i): es el número de gramos de cocaína incautados en la
comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Inversión_presupuesto_final (i): es la inversión que se dispone para la comuna i
en el año 2002. La variable esta estandarizada y es Per cápita.
HOMICIDIO OTRAS ARMAS
El análisis de componentes principales expuso que la variable Homicidios
Otras Armas se correlaciona con las variables Terrorismo y Estupefacientes
esencialmente.
142
II04(1)2
El análisis de correlación canónica por otra parte permitió interpretar la
asociación de este tipo de homicidio con las variables Bazuco, Marihuana Y
Cocaína.
Se presume que en zonas donde los establecimientos de educación no son
numerosos y los servicios públicos son limitados los actos terroristas son
más frecuentes, por consiguiente se define el siguiente modelo:
Homicidios otras Armas (i) = β4 Terrorismo (i) + β2 Líneas _ telefónicas (i) +
β3Establecimientos _ secundaria (i) + β4 Estupefacientes (i) + εi Donde:
Homicidios Otras Armas (i): son el número de homicidios con otras armas en
la comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Terrorismo (i): es el número de atentados terroristas en la comuna i en el año
2002. La variable esta estandarizada y es Per cápita.
Líneas _ telefónicas (i): es el número de líneas telefónicas en la comuna i en el
año 2002. La variable esta estandarizada y es Per cápita.
Establecimientos _ secundaria (i): es el número de establecimientos de
secundaria en la comuna i en el año 2002. La variable esta estandarizada y
es Per cápita.
Estupefacientes (i): es el número de estupefacientes en general incautados en
la comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
La variable socioeconómica Líneas_telefónicas, parecería segmentar
adecuadamente zonas donde se presenta una extrema pobreza y zonas
donde no es tan extrema la pobreza.
143
II04(1)2
LESIONES ARMA FUEGO
El análisis de componentes principales mostró que las lesiones con arma de
fuego están muy correlacionadas con los delitos homicidios con arma de
fuego y porte ilegal.
La correlación canónica señalo que las incautaciones de arma de fuego sin
salvoconducto y la presencia de cocaína lograban explicar parte de lo que
son las lesiones con arma de fuego.
Por otra parte las variables Puestos_salud, Establecimientos primaria y
secundaria, y Cobertura_aseo parecen explicar positivamente a la variable.
Dados los argumentos anteriores el modelo queda definido de la siguiente
manera:
Lesiones Arma Fuego (i) = β1 A_Fsinsalvoconducto (i) + β2 Establecimientos_secundaria (i) + β3 Viviendas (i) + β4 Cocaína _ gramos (i) + εi
Donde:
Lesiones Arma Fuego (i): son el número de lesiones con arma de fuego en la
comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Viviendas (i): es el número de viviendas en la comuna i en el año 2002. La
variable esta estandarizada y es Per cápita.
LESIONES ARMA BLANCA
El análisis de componentes principales en gran parte de los casos mostró
que las lesiones con arma blanca se asociaban a la presencia de
144
II04(1)2
estupefacientes, a los incidentes de violencia intrafamiliar, a las lesiones en
accidentes de tránsito y a los homicidios en accidentes de tránsito.
La asociación de las lesiones con arma blanca y los accidentes de tránsito
permiten incorporan un elemento que es el consumo de alcohol, el cual en
cierta media puede dar una explicación a esta asociación.
El análisis de correlación canónica identificó que un menor número de
puestos de salud y estaciones de policía explicaban en algún grado, el
aumento en las lesiones con arma blanca.
La variable se modeló de la siguiente forma:
Lesiones Arma Blanca (i) = β1 Estupefacientes (i) + β2 Matrícula_secundaría(i)
+ β3 Estación_policía(i) + β4 Cobertura_energía (i) +
β5 Puestos_salud(i) + β6 Violencia intrafamiliar (i) + εi Donde: Lesiones Arma Blanca (i): son el número de lesiones con arma blanca en la
comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
Matrícula_secundaría(i): número de estudiantes matriculados en los
establecimientos de educación secundaría en la comuna i en el año 2002. La
variable esta estandarizada y es Per cápita.
Cobertura_energía (i): porcentaje de la comuna i que posee el servicio
público de energía en el año 2002. La variable esta estandarizada y es Per
cápita.
Puestos_salud(i): número de puestos de salud en la comuna i en el año
2002. La variable esta estandarizada y es Per cápita.
Pueda que la variable cobertura de energía no explique con mucha claridad
las lesiones con arma de fuego, ya que no es una medida clara de
145
II04(1)2
segmentación entre zonas con diferentes ingresos. Como se menciono
anteriormente la cobertura de energía en la ciudad de Cali es casi completa.
LESIONES OTRAS ARMAS
Los componentes principales asociaron este crimen a los atracos, robos y a
la presencia de estupefacientes. Adicionalmente el análisis de correlación
canónica indica que la incautación de marihuana, bazuco y cocaína se ven
relacionados a esta variable.
Por otro lado en Cali se observa mucho que los adolescentes de estratos
bajos se ven inmiscuidos en pleitos violentos27, en los cuales cualquier tipo
de instrumento corto-punzante (botellas rotas, vidrios, destornilladores) sirve
como arma de agresión. Por consiguiente los establecimientos de educación
y las variables dummy que indican estratos bajos pueden explicar la variable
acertadamente.
De este modo el modelo que explica la variable Lesiones Otras Armas se
define así:
Lesiones Otras Armas (i) = β1 Estupefacientes (i)
+ β2 Establecimientos_secundaria(i)
+ β3 Establecimientos_primaría (i) + β4 E1(i) + β5 E2(i)
+ εi
27http://www.elcolombiano.com.co/proyectos/serieselcolombiano/textos/valle_pasoapaso/pandillas_cali.htm
146
II04(1)2
Donde:
Lesiones Otras Armas (i): son el número de lesiones con Otras Armas
(explosivas o corto punzantes exceptuando cuchillos) en la comuna i en el
año 2002. La variable esta estandarizada y es Per cápita.
Establecimientos _ primaria (i): es el número de establecimientos de primaria en
la comuna i en el año 2002. La variable esta estandarizada y es Per cápita.
E1(i): variable dummy que toma el valor de una si la comuna es de estrato 1
y cero en caso contrario.
E2(i): variable dummy que toma el valor de una si la comuna es de estrato 2
y cero en caso contrario.
HURTO ROBO
Los hurtos en general fueron identificados por el análisis de componentes
principales, con mayor frecuencia en las comunas de estratos medio-altos.
Los robos por su parte se vieron asociados por los componentes en la
mayoría de los casos, a la presencia de estupefacientes, lesiones y
homicidios con algún tipo de arma.
El análisis de correlación canónica parece corroborar el argumento de que
los hurtos se presentan en mayor frecuencia en los estratos más altos,
debido a que un mayor número de estaciones de policía, y un mayor
porcentaje de cobertura de energía y aseo explicaban un mayor número de
robos. Adicionalmente muestra que la variable explica positivamente a la
variable Establecimientos_secundaría.
De modo que la variable se modela de la siguiente manera:
147
II04(1)2 Hurto Robo(i) = β1 Estupefacientes(i) + β2 Establecimientos_secundaría(i) + β3 E3 (i) + β4 E5 (i) + εi Donde:
Hurto Robo (i): número de robos en la comuna i en el año 2002. La variable
esta estandarizada y es Per cápita.
E3 (i): variable dummy que toma el valor de una si la comuna es de estrato 3
y cero en caso contrario.
E5 (i): variable dummy que toma el valor de una si la comuna es de estrato 5
y cero en caso contrario.
HURTO ATRACO
Igual que en el caso anterior el análisis de correlación canónica mostró que
la variable era explicada por un mayor número de de estaciones de policía,
establecimientos de secundaria, y un mayor porcentaje de cobertura de
energía y aseo.
Los componentes principales indicaron una correlación positiva con los
crímenes que involucran una violencia interpersonal y con la presencia de
estupefacientes.
Con las explicaciones anteriores la variable se modeló de la misma forma
que la variable Hurto robo.
Hurto Atraco(i) = β1 Estupefacientes(i) + β2 Establecimientos_secundaría(i) + β3 E3 (i) + β4 E5 (i) + εi
148
II04(1)2
HURTO CALLEJERO
Los hurtos callejeros parecen presentar una dinámica diferente a los dos
tipos de hurtos anteriores. Debido a que el análisis de correlación canónica
asocia la variable de manera diferente, al ser explicada significativamente por
un mayor número de establecimientos de secundaria y por un menor número
de establecimientos de primaría.
El análisis de componentes principales relaciona a este tipo de hurto con
lesiones y homicidios con arma de fuego, y con la presencia de
estupefacientes.
Al ser las variables Lesiones Arma Fuego y Homicidios Arma Fuego
esencialmente explicadas por la incautación de armas sin salvoconducto se
decide usar esta variable para explicar esta clase de hurto. Con todo esto el
modelo explicativo de la variable quedó de la siguiente forma:
Hurto Callejero (i) = β1 Estupefacientes(i) + β2 A_Fsinsalvoconducto (i) +β3 Establecimientos_secundaria(i)
+ β4 Establecimientos_primaría (i) + εi
HURTO CARRO
El hurto de carros es un delito que basándose en los análisis de correlación
canónica y componentes principales se encuentra concentrado en zonas con
ingresos altos. Por tanto no es de extrañarse que este crimen este explicado
por el estrato de una comuna.
Hurto Carro (i) = β1 E1(i) + β2 E2(i) + + β3 E3(i) + β4 E5(i) + εi
149
II04(1)2
HURTO MOTO
El análisis de componentes principales señalo que los hurtos de motos se
encontraban muy asociados a la presencia de estupefacientes.
Por otra parte el análisis de correlación canónica permite observar que un
mayor porcentaje en la cobertura de energía explica de forma significativa un
mayor número de hurto de motos.
De esta manera se decide modelar la variable del siguiente modo:
Hurto Moto (i) = β1E1(i) + β2 E5(i) + β3 Cobertura_energía (i) +
β4 Estupefacientes + εi
VIOLENCIA INTRAFAMILIAR
Uno de los centros especializados para el estudio de violencia CISALVA,
mediante investigaciones realizadas en institutos de salud, comisarías de
familia y hasta en hogares, ubicados en zonas con más altos índices de
violencia, se encontró que los actores que están mayormente involucrados,
como victimas de la violencia intrafamiliar, son de sexo femenino, usualmente
atacados por familiares y/o conyugues, y el sitio es el hogar. Adicionalmente
se encontró que son jóvenes de sexo masculino entre 15 y 30 años, los
victimarios de los hechos violentos más frecuentes.
El análisis de componentes principales mostró claramente que existe una
asociación entre las variables Violencia Intrafamiliar y Estupefacientes,
especialmente en comunas pobladas por estratos bajos.
150
II04(1)2
Por otra parte el análisis de correlación canónica planteó que un mayor
número de establecimientos de secundaria y un menor número de
establecimientos de primaria, explican un mayor número de incidentes de
violencia intrafamiliar.
Con todo esto se define el siguiente conjunto de variables explicativas para
modelar la variable Violencia Intrafamiliar del siguiente modo:
Violencia intrafamiliar(i) = β1Estupefacientes(i)
+β2 Establecimientos_secundaria(i)
+ β3 Establecimientos_primaría (i) + β4E1(i) + β5 E5(i) + εi
151
II04(1)2
6.2 Estimación de los Modelos del Crimen
Esta sección presenta los resultados de las regresiones realizadas sobre los
modelos anteriormente definidos. A cada estimación realizada se le verificó si
tenía problemas de colinealidad, de heteroscedasticidad, de especificación y
de autocorrelación, basándose en los resultados de las pruebas pertinentes.
Homicidio Arma de Fuego
La regresión sobre los homicidios con arma de fuego reportó que todos los
coeficientes asociados a las diferentes variables explicativas son
significativos.
El único coeficiente negativo es el de la variable Estación_policia, que por
definirse como una variable de efecto disuasivo sobre el crimen se esperaba
que tuviere este signo. Mientras que el coeficiente asociado a la variable
Cobertura_aseo no presento el signo esperado, ya que un menor nivel de
cobertura de aseo en una zona induce un mayor nivel de crímenes violentos,
de acuerdo a lo mencionado en la metáfora de “Broten Window”28 (Tabla
6.2.1).
La presencia de bazuco y armas de fuego sin salvoconducto parece explicar
significativamente los homicidios por arma de fuego en la ciudad de Cali.
28 Propuesta por los autores James Q. Wilson y George L.Kelling en su artículo “Broken Window, The police and neighborhood safety”.
152
II04(1)2
Tabla 6.2.1 Analysis of Variance
Sum of Mean Source DF Squares Square F Value Pr > F Model 4 13.95571 3.48893 9.81 0.0003 Error 17 6.04429 0.35555 Uncorrected Total 21 20.00000
Root MSE 0.59628 R-Square 0.6978 Dependent Mean 2.56409E-16 Adj R-Sq 0.6267 Coeff Var 2.325496E17
Parameter Estimates Parameter Standard
Variable DF Estimate Error t Value Pr > |t| Cobertura_aseo 1 0.76463 0.17862 4.28 0.0005 Estac_polic_a 1 -0.41126 0.19614 -2.10 0.0513
A_FSINSALVOCONDUCTO 1 0.71355 0.14892 4.79 0.0002 BAZUCO_Gramos_ 1 0.26494 0.14752 1.80 0.0903
La prueba de multicolinealidad indica que no existe una asociación entre las
variables explicativas del modelo que afecten la estimación de los
coeficientes por el método de mínimos cuadrados (Ver Anexo 7 tabla 1).
La prueba de hetoroscedasticidad que se realizó verifica que el primer y
segundo momento del modelo, se encuentre bien especificados. Es decir, la
hipótesis nula de la prueba es que los errores son homoscedasticos. En el
caso de esta regresión la hipótesis nula no se rechaza, lo cual implica que los
coeficientes son insegados.
La prueba de especificación de Ramsey (Reset test) indica si el modelo
posee una forma funcional correcta o incorrecta. La hipótesis nula de la
prueba es que los coeficientes de las variables de predicción conjuntamente
son diferentes de cero. El test para este caso indica que no se rechaza la
hipótesis nula, de tal forma que el modelo parece encontrase bien
especificado por el conjunto de variables explicativas.
153
II04(1)2
La prueba de Durban-Watson determina que no se presenta en el modelo
una autocorrelación de orden 1.
Dadas las diferentes pruebas el modelo parece cumplir con todos los
supuestos que se requiere para obtener una buena estimación por el método
de mínimos cuadrados.
Homicidio Arma Blanca
La estimación del modelo de la variable Homicidio Arma Blanca informo que
todos los coeficientes de las variables explicativas son significativos excepto
por la variable Violencia Intrafamiliar (Tabla 6.5.2).
Igual que en el caso anterior la variable Cobertura_aseo presenta un signo
positivo, contradiciendo en cierta forma la metáfora de “Broten Window”.
Durante los últimos cinco años se han aumentado los barrios marginales en
la periferia de la ciudad y de la población que vive en extrema pobreza. Estos
sectores son los más afectados por la ocurrencia de desastres debido a que
se encuentran en zonas de alta vulnerabilidad física.
Se esperaría que la variable Inversión_presupuesto_final identifique las
zonas en Cali que necesitan de una inversión pública urgente. De esta forma
el coeficiente positivo asociado a la variable (Inversión_presupuesto_final)
puede ser interpretado como el impacto que presenta una mayor
marginalidad y pobreza sobre el número de homicidios con arma blanca.
La presencia de cocaína en una comuna parece explicar significativamente el
número de homicidios con arma blanca en dicha comuna.
154
II04(1)2
Las pruebas para multicolinealidad y heteroscedasticidad, y el Reset test
reportan que no se rechaza la hipótesis nula en ninguno de los tres casos. El
test de Godfrey indica que no se puede rechazar la hipótesis nula de
autocorrelación (Ver Anexo 7 Tabla 2.1).
Al ser el coeficiente asociado a la variable Violencia Intrafamiliar no
significativo se decide omitir la variable del modelo y analizarlo.
Tabla 6.2.2
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 18.20299 4.55075 43.05 <.0001 Error 17 1.79701 0.10571 Uncorrected Total 21 20.00000
Root MSE 0.32513 R-Square 0.9101 Dependent Mean 4.44089E-16 Adj R-Sq 0.8890 Coeff Var 7.321178E16
Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| VIOLENCIAINTRAFAMILIAR 1 0.14101 0.09191 1.53 0.1434 COCAINA_Gramos_ 1 0.67922 0.08336 8.15 <.0001 Cobertura_aseo 1 0.44568 0.08778 5.08 <.0001 Inversi_n_Presupuesto_final 1 0.29464 0.08546 3.45 0.0031 El R2 de la regresión se muestra muy parecido al modelo en el que se incluía
la variable, los coeficientes continúan siendo significativos, no parece existir
problema de multicolinealidad, ni de heteroscedasticidad. Aunque el Reset
test indica que el modelo no se encuentra bien especificado. Por lo tanto
parece que existe un elemento exógeno asociado a las variables Violencia
Intrafamiliar y Homicidio Arma Blanca que las asocia (Ver Anexo 7 Tabla
2.2).
155
II04(1)2
Homicidio Otras Armas
La regresión sobre la variable Homicidio Otras Armas señalo que todos los
coeficientes son significativos (Tabla 6.2.3).
A lo largo del estudio de componentes principales se observo frecuentemente
que la variable Terrorismo se encontraba muy asociada a la variable
Homicidios Otras Armas. Por consiguiente, el signo del coeficiente asociado
a esta variable (Terrorismo) es el esperado. Muchos actos terroristas
parecen explicar el número de homicidios con otras armas.
El coeficiente asociado a la variable Estupefacientes revelo el signo
esperado, ya que una mayor presencia de estupefacientes induce un mayor
nivel de homicidios de acuerdo a lo plasmado en el artículo “What Causes
Violent Crime?”.
Lo que si no se esperaba era el signo positivo de las variables
socioeconómicas Lineas_telefónicas y Establecimientos_secundaría. Sin
embargo el signo tomado por el estimador asociado a la variable
Establecimientos_secundaria puede indicar que un mayor número de
adolescentes en la zona recurren a la violencia interpersonal.
El signo no esperado de algunos coeficientes en esta regresión puede que se
deba a problemas de multicolinealidad, sin embargo el test de colinealidad,
el test de heteroscedasticidad y el Reset test, mostraron que no se
rechazaba la hipótesis nula en ninguno de los casos, indicando de esta
manera que no se posee ninguno de estos tres problemas. El test de Durban-
Watson revela que no existe autocorrelación de orden 1 (Ver anexo 7 tabla
3). En síntesis se posee un modelo que no viola ninguno de los supuestos
permitiendo una adecuada estimación de los coeficientes por el método de
mínimos cuadrados.
156
II04(1)2
Tabla 6.2.3 Analysis of Variance
Sum of Mean Source DF Squares Square F Value Pr > F Model 4 16.95917 4.23979 23.70 <.0001 Error 17 3.04083 0.17887 Uncorrected Total 21 20.00000
Root MSE 0.42293 R-Square 0.8480 Dependent Mean 3.96508E-17 Adj R-Sq 0.8122 Coeff Var 1.066644E18
Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| TERRORISMO 1 0.37419 0.09511 3.93 0.0011 L_neas_telef_nicas 1 0.47578 0.11780 4.04 0.0009 Establec_secund 1 0.31709 0.10299 3.08 0.0068 ESTUPEFACIENTES 1 0.23556 0.11334 2.08 0.0531
Lesiones Arma Fuego
La estimación del modelo definido para la variable Lesiones Arma fuego
expone que todos los coeficientes son significativos (Tabla 6.2.4).
De la misma forma que en el caso de los homicidios con otras armas, el
coeficiente asociado a la variable Establecimientos_secundaría presenta un
signo positivo. La presencia de cocaína y la presencia de armas de fuego
influyen positivamente en el número de lesiones con arma de fuego.
Por último un menor número de viviendas en una comuna parece aumentar
el nivel de lesiones con arma de fuego. Esta variable resulta ser un poco
ambigua si se piensa que tanto en zonas de estratos bajos como altos el
número de viviendas no depende de nada en particular. Pero dado el valor
significativo que toma esta variable en la explicación del modelo y el análisis
de componentes principales, un menor número de viviendas puede indicar
pobreza y marginalidad en la comuna. Nuevamente se estaría encontrando
que una zona con escasos recursos económicos se convierte en victima
predilecta de la violencia interpersonal.
157
II04(1)2
Tabla 6.2.4 Analysis of Variance
Sum of Mean Source DF Squares Square F Value Pr > F Model 4 14.74364 3.68591 11.92 <.0001 Error 17 5.25636 0.30920 Uncorrected Total 21 20.00000
Root MSE 0.55606 R-Square 0.7372 Dependent Mean 0 Adj R-Sq 0.6753 Coeff Var .
Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| A_FSINSALVOCONDUCTO 1 0.52070 0.13040 3.99 0.0009 Establec_secund 1 0.56519 0.13076 4.32 0.0005 Viviendas 1 -0.41646 0.12999 -3.20 0.0052 COCAINA_Gramos_ 1 0.49789 0.12670 3.93 0.0011
Las diferentes pruebas que permiten conocer si existen problemas de
multicolinealidad, heteroscedasticidad y especificación, rechazan la hipótesis
nula indicando que no se presentan ninguno de estas situaciones.
Adicionalmente el test de Durbin-Watson revela que no hay problemas de
autocorrelación de orden 1(Ver Anexo Tabla 4.1).
Se realizo nuevamente la regresión excluyendo la variable
Establecimientos_secundaría, y adicionando la variable
Matriculas_secundaría. El R2 resulto ser un poco menor en este último caso.
El coeficiente de la variable Matriculas_secundaría mostró un signo positivo,
confirmando que un mayor número de adolescentes se ven inmiscuidos en
conflictos en los que se recurre a una violencia interpersonal.
Las diferentes pruebas señalaron que no se presentaban problemas de
multicolinealidad, heteroscedasticida y especificación. El test de Godfrey
muestra que no hay problemas de autocorrelación de orden 1 (Ver Anexo 7
Tabla 4.2).
II04(1)2
158
Lesiones Arma Blanca
La estimación del modelo explicativo de la variable Lesiones Arma Blanca
señalo que todos los coeficientes de las variables son significativos, excepto
por la variable Estación_policía (Tabla 6.2.5).
El coeficiente asociado a variable Estupefacientes se muestra con signo
positivo, de modo que una mayor presencia de estupefacientes induce las
lesiones con arma blanca.
Nuevamente el coeficiente asociado a la variable Matriculas_secundaria se
presenta con signo positivo, reargumentando que los adolescentes recurren
a una violencia interpersonal.
La presencia de estaciones de policía parece reducir los niveles de lesiones
con arma blanca.
Los coeficientes asociados a las variables Puestos_salud y
Cobertura_energia se revelan con un signo no esperado, ya que se esperaba
que un mayor número de establecimientos de salud influyeran negativamente
sobre este crimen. En el caso del nivel de cobertura de energía como ya se
ha mencionado varias veces, Cali posee una cobertura de energía casi
completa, por tanto no se esperaba que la variable diferenciara las zonas con
niveles altos de pobreza.
Si bien ciertos coeficientes de la regresión se mostraron con el signo no
esperado, el test colinealidad, el test heteroscedasticidad, y el reset test
exhibieron que no se presenta ninguno de estos problemas. El test de
Godfrey, adicionalmente muestra que no existe autocorrelación de orden 1
en el modelo (Ver Anexo 7 Tabla 5).
II04(1)2
159
Tabla 6.2.5 Analysis of Variance
Sum of Mean Source DF Squares Square F Value Pr > F Model 6 17.04885 2.84148 14.44 <.0001 Error 15 2.95115 0.19674 Uncorrected Total 21 20.00000 Root MSE 0.44356 R-Square 0.8524 Dependent Mean 3.4364E-17 Adj R-Sq 0.7934 Coeff Var 1.29076E18 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| ESTUPEFACIENTES 1 0.32552 0.15189 2.14 0.0489 Matr_cula_secund 1 0.40235 0.15419 2.61 0.0197 Estac_polic_a 1 -0.30271 0.19052 -1.59 0.1329 Cobertura_energ_a 1 0.42149 0.19041 2.21 0.0428 Puestos_salud 1 0.32401 0.11010 2.94 0.0101 VIOLENCIAINTRAFAMILIAR 1 0.25035 0.12133 2.06 0.0568
Lesiones Otras Armas
La regresión del modelo explicativo de la variable Lesiones Otras Armas
reporto que todos los parámetros estimados son significativos (Tabla 6.2.6).
El coeficiente de la variable dummy E5 es de signo negativo. Con esto se
ilustra de algún modo que este tipo de lesión no se presenta en comunas con
ingresos altos.
Por otro lado el signo opuesto que presenta los coeficientes de las variables
Establecimientos_primaría y Establecimientos_secundaría, permite continuar
con el argumento que realmente son los adolescentes los que se ven
involucrados en una violencia interpersonal.
Los coeficientes de la variables estupefaciente y la variable dummy E1
consienten que la presencia de estupefacientes en lugares donde se hay una
pobreza, influyen positivamente sobre las lesiones con otras armas.
160
II04(1)2
Tabla 6.2.6
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 5 15.04020 3.00804 9.70 0.0002 Error 16 4.95980 0.30999 Uncorrected Total 21 20.00000 Root MSE 0.55677 R-Square 0.7520 Dependent Mean 1.21596E-16 Adj R-Sq 0.6745 Coeff Var 4.578817E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| ESTUPEFACIENTES 1 0.26904 0.13976 1.92 0.0722 ESTABLECIMIENTOS_PRIM_ 1 -0.59613 0.17141 -3.48 0.0031 ESTABLEC_SECUND_ 1 0.98183 0.18953 5.18 <.0001 E1 1 1.28330 0.31223 4.11 0.0008 E5 1 -0.19333 0.07755 -2.49 0.0240
Las pruebas respectivas de multicolinealidad, heteroscedasticida y
especificación indicaron que no se presentaba ninguna de estas situaciones.
El test de Durban-Watson, por otro lado mostró que no se tenía problema de
autocorrelación de orden 1(Ver Anexo 7 tabla 6).
Hurto Robo
En el caso de la estimación de este modelo la variable
Establecimientos_secundaría no se expuso significativa, por lo tanto se utilizó
la variable Matricula_secundaría para no perder el efecto explicativo de la
variable (Establecimientos_secundaría), que se exhibió mediante el análisis
de correlación canónica. Estimando de nuevo el modelo explicativo de la
variable Hurto Robo todos los coeficientes son significativamente diferentes
de cero (Tabla 6.5.7).
Los coeficientes de las variables dummy E3 y E5, revelan lo que ya se había
venido sospechando, que este tipo de hurto se presenta más en zonas de
estrato alto que en zonas de estratos bajo y medio. La presencia de
estupefacientes y los adolescentes influyen positivamente sobre el nivel de
161
II04(1)2
hurtos, diciendo así que el mercado alrededor del negocio ilegal de las
drogas envuelve otro tipo de crimen, el robo.
Tabla 6.2.7
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 17.23102 4.30775 26.45 <.0001 Error 17 2.76898 0.16288 Uncorrected Total 21 20.00000 Root MSE 0.40359 R-Square 0.8616 Dependent Mean 1.85037E-16 Adj R-Sq 0.8290 Coeff Var 2.181106E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| ESTUPEFACIENTES 1 0.44301 0.11859 3.74 0.0016 Matricula_secund 1 0.44079 0.11911 3.70 0.0018 E3 1 -0.10252 0.04582 -2.24 0.0389 E5 1 0.31823 0.04791 6.64 <.0001
La prueba de colinealidad señalo que no se presenta este problema sobre las
variables explicativas del modelo. También las pruebas de
heteroscedaticidad y especificación indicaron que no hay ninguno de estos
dos inconvenientes. Por último el de Durbin_Watson revela que no se hay
una autocorrelación de orden 1 (Ver anexo 7 Tabla 7).
Hurto Atraco
Igual que en el caso la variable Establecimientos_secundaría no mostró ser
significativa sobre el modelo definido para los atracos, por consiguiente se
sustituye la variable (Establecimientos_secundaría) por la variable
Matricula_secundaría.
Los coeficientes resultaron ser todos significativos, siendo el coeficiente
asociado a la variable dummy E3 el único con signo positivo (Tabla 6.5.8). La
162
II04(1)2
presencia de estupefacientes influye significativamente sobre los atraco, del
mimo modo lo parece hacer el número de estudiantes matriculados en los
establecimientos de secundaría.
Tabla 6.5.8
Analysis of Variance Sum of Mean
Source DF Squares Square F Value Pr > F Model 4 15.83760 3.95940 16.17 <.0001 Error 17 4.16240 0.24485 Uncorrected Total 21 20.00000
Root MSE 0.49482 R-Square 0.7919 Dependent Mean -7.9302E-17 Adj R-Sq 0.7429 Coeff Var -6.23972E17
Parameter Estimates
Parameter Standard Variable DF Estimate Error t Value Pr > |t|
ESTUPEFACIENTES 1 0.44105 0.14540 3.03 0.0075 Matrícula_secund 1 0.47816 0.14603 3.27 0.0045 E3 1 -0.10279 0.05617 -1.83 0.0849 E5 1 0.25766 0.05875 4.39 0.0004
Los test de colinealidad, heteroscedasticidad y el reset test, no rechazaron
las tres hipótesis nulas respectivas, de modo que no parece existir ninguno
de estos inconvenientes en los datos del modelo. Adicionalmente la prueba
de Durban-Watson indico que no existía autocorrelación de orden 1 en el
modelo (Ver Anexo 7 Tabla 8).
Hurto Callejero
En el modelo estimado para la variable Hurto Callejero todos los coeficientes
resultaron ser significativos y positivos, excepto por el único coeficiente de la
variable Establecimientos_primaria que es signo negativo (Tabla 6.5.9.).
El coeficiente negativo de la variable Establecimientos_primaria señala que
un mayor número de establecimientos de educación primaría tienen un
efecto disuasivo de los hurtos callejeros.
163
II04(1)2
Tabla 6.5.9 Analysis of Variance
Sum of Mean Source DF Squares Square F Value Pr > F
Model 4 17.25215 4.31304 26.68 <.0001 Error 17 2.74785 0.16164
Uncorrected Total 21 20.00000
Root MSE 0.40204 R-Square 0.8626 Dependent Mean 1.78429E-17 Adj R-Sq 0.8303 Coeff Var 2.253239E18
Parameter Estimates Parameter Standard Variable DF Estimate Erro r t Value Pr > |t| ESTUPEFACIENTES 1 0.49111 0.09592 5.12 <.0001 A_FSINSALVOCONDUCTO 1 0.38127 0.09387 4.06 0.0008 Establec_secund 1 0.70843 0.11393 6.22 <.0001 Establecimientos_prim 1 -0.42684 0.10699 -3.99 0.0009
Por tanto se podría pensar que un incremento de los establecimientos de
educación disminuyen los niveles de este tipo de hurto. Sin embargo el
coeficiente de la variable Establecimientos_secundaria permite considerar
que este tipo de establecimientos promueve los hurtos callejeros.
Por último los coeficientes establecen que la presencia de armas de fuego y
de estupefacientes, fomentan y posibilitan los hurtos callejeros en las
comunas de la ciudad de Cali.
La evaluación de las diferentes pruebas, ilustraron que no se presentaba
problemas de colinealidad, heteroscedasticidad y especificación en el
modelo explicativo de la variable Hurto callejero. El test de Durbin-Watson
mostró además que no autocorrelación de orden 1 (Ver Anexo 7 Tabla 9) .
164
II04(1)2
Hurto Carros
El modelo que se determino en la sección anterior para la variable Hurto
Carros al ser estimado mostró que los únicos dos coeficientes que sem
exhibieron significativos son los de las variables dummy E3 y E5, lo cual en
cierta medida puede argumentar que los hurtos de carros ocurren
particularmente en las comunas de ingresos altos y medios (Ver Anexo 7
Tabla 10.1).
Con las variables E3 y E5 que resultaron ser significativas en el caso
inmediatamente anterior, y las variables Arma de Fuego sin salvoconducto y
estaciones de policía, dado que el análisis de correlación canónica enseño
que estas variables mostraban ser significativas explicando el nivel de hurtos
de carros, se definió nuevamente el modelo y se estimo.
Todos los coeficientes resultaron ser significativamente diferente de cero
excepto la variable dummy E3, por tanto se decidió omitirla y estimar de
nuevo el modelo.
En este ultima estimación todos los coeficientes resultaron ser diferentes de
cero con signo positivo, menos la variable arma de fuego sin salvoconducto
que resulto mostrar un signo negativo (Tabla 6.5.10).
El signo negativo del coeficiente de la variable Arma de fuego sin
salvoconducto puede ser interpretado, conociendo que la presencia de armas
de fuego sin salvoconducto no es menos frecuente en zonas de estratos
altos, como que el nivel de hurtos de carros ocurre fundamentalmente en
estratos altos.
165
II04(1)2
El comentario anterior puede ser corroborado por el coeficiente de la variable
dummy E5, el cual tiene un signo positivo que sostiene que los hurtos de
carros se presentan con mayor frecuencia en las comunas de estrato 5.
Finalmente el coeficiente de la variable Estacion_policía en el fondo propone
lo mismo que los dos anteriores dos argumentos, ya que se esperaría que las
comunas que presentan un menor nivel de crimen violento (que son las
comunas de estratos altos), se deba a que las estaciones de policía
fomentan un efecto disuasivo mayor en esas zona.
Tabla 6.5.10 Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 3 13.98052 4.66017 13.94 <.0001 Error 18 6.01948 0.33442 Uncorrected Total 21 20.00000 Root MSE 0.57829 R-Square 0.6990 Dependent Mean -1.0574E-16 Adj R-Sq 0.6489 Coeff Var -5.46918E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| A_FSINSALVOCONDUCTO 1 -0.37956 0.13810 -2.75 0.0132 Estac_polic_a 1 0.29057 0.13366 2.17 0.0433 E5 1 0.33648 0.06917 4.86 0.0001
Las pruebas de colinealidad, heteroscedasticidad y especificación,
rechazaron la hipótesis nula respectiva, indicando así que no se presenta
ninguna de estas tres situaciones en el último modelo definido para variable
Hurto Carro. De igual modo el test de Durbin-Watson revela que no hay
autocorrelación de orden 1 (Ver Anexo 7 Tabla 10.2).
166
II04(1)2
Hurto Motos
Inicialmente el modelo que se definió para la variable Hurto Motos en la
sección anterior resolvió que todos los coeficientes de las variables
explicativas son diferentes de cero y con signo positivo, excepto por el
coeficiente de la variable dummy E1 que es negativo.
El signo negativo de la variable dummy E1 reargumenta que los hurtos de
motos no son muy frecuentes en zonas de bajos recursos. Sin embargo no
todas las pruebas para identificar los problemas en la definición del modelo
resultaron no rechazar la hipótesis nula. El Reset test indico que el modelo
no se encuentra bien especificado.
De forma que se decide incluir la variable Estación_policia para notar un
efecto similar al que ocurre en el modelo explicativo de la variable Hurto
Carro y así confirmar lo que se dijo en ese momento. Sin embargo al incluir
está variable, la variable dummy E1 resulta ser no significativa y se decide
excluir.
Tabla 6.5.11
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 15.58485 3.89621 15.00 <.0001 Error 17 4.41515 0.25971 Uncorrected Total 21 20.00000 Root MSE 0.50962 R-Square 0.7792 Dependent Mean 2.48478E-16 Adj R-Sq 0.7273 Coeff Var 2.05097E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| E5 1 0.25303 0.06175 4.10 0.0008 Estac_polic_a 1 -0.77354 0.21476 -3.60 0.0022 Cobertura_energ_a 1 0.89293 0.20259 4.41 0.0004 ESTUPEFACIENTES 1 0.69146 0.15484 4.47 0.0003
El modelo finalmente queda definido por las variables explicativas
Estación_policia, Cobertura_energía Estupefacientes y la variable dummy
167
II04(1)2
E5. Todos los coeficientes respectivos son significativos y con signo positivo,
excepto por el de la variable Estación_policia (Tabla 6.5.10).
De este modo la presencia de estaciones de policía posee un efecto
disuasivo sobre los hurtos de motos, contrario a lo que ocurre con los hurtos
de carros, lo cual muestra claramente que estos delitos poseen
características muy diferentes. Además la presencia de estupefacientes
parece influir positivamente en el nivel de este delito.
Sin embargo este tipo de hurtos parecen presentarse esencialmente en
zonas de estratos altos ya que la variable dummy E5 y la variable
Cobertura_energía muestran coeficientes positivos.
No se presenta problemas de colinealidad, heteroscedasticidad y
especificación, de acuerdo a las diferentes pruebas respectivas.
La prueba de Durbin-Watson indica que no se hay autocorrelación de Orden
1, enseñando así un modelo que no presenta problemas en la forma como se
define (ver Anexo 7 Tabla 11.2). Violencia Intrafamiliar
La regresión del modelo explicativo de la variable Violencia Intrafamiliar
expuso que todos los parámetros estimados son significativos, excepto el de
la variable Estupefacientes. El análisis de componentes principales indicó
claramente que las variables Violencia Intrafamiliar y Estupefacientes se
encontraban asociadas, por tanto no se esperaba que el coeficiente asociado
a esta última variable no se mostrara significativo (Tabla 6.5.12).
168
II04(1)2
Con relación a los otros coeficientes, el de la variable
Establecimientos_primaria y el de la variable dummy E5, admiten que existe
un efecto disuasivo de estas variables sobre los incidentes de violencia
intrafamiliar. Mientras que los coeficientes de las variables Estupefacientes,
Establecimientos_secundaría y el de las variable dummy E1, muestran que
estas variables influyen positivamente sobre la variable Violencia
Intrafamiliar.
Tabla 6.5.12
Analysis of Variance Sum of Mean
Source DF Squares Square F Value Pr > F Model 5 14.39166 2.87833 8.21 0.0005 Error 16 5.60834 0.35052 Uncorrected Total 21 20.00000 Root MSE 0.59205 R-Square 0.7196 Dependent Mean -2.1147E-16 Adj R-Sq 0.6320 Coeff Var -2.79966E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| ESTUPEFACIENTES 1 0.24250 0.14862 1.63 0.1223 Establec_secund 1 0.80125 0.20154 3.98 0.0011 Establecimientos_prim 1 -0.70352 0.18227 -3.86 0.0014 E1 1 1.14146 0.33202 3.44 0.0034 E5 1 -0.33989 0.08246 -4.12 0.0008
De manera que los incidentes de violencia Intrafamiliar son más frecuentes
en comunas de estratos bajos, promovidos por la presencia de
estupefacientes y establecimientos de educación secundaría.
Los diferentes test de heteroscedasticidad, colinealidad y el Reset test,
señalaron que no hay ninguno de estos tres problemas en el modelo. Por
otro lado el test de autocorrelación Durbin–Watson, mostró que no se
presentaba autocorrelación de orden 1(Ver Anexo 7 Tabla 12.1). Como se
comento antes la variable Estupefacientes no resulto ser significativa, de
modo que se decide excluirla y estimar de nuevo el modelo.
169
II04(1)2
Todos los coeficientes se mostraron significativamente diferentes de cero, sin
embargo el R2 resulto ser menor que en el caso anterior y la prueba de
especificación rechazo la hipótesis nula.
En resumen la variable Violencia Intrafamiliar parece ser explicada por la
presencia de estupefacientes pero no directamente.
170
II04(1)2
Capítulo 7
Conclusiones y Recomendaciones El crimen en Cali es el resultado de una compleja mezcla de causas,
producidas por una variedad de actores que van desde los más prosaicos
hasta los presuntamente políticos. Los grupos guerrilleros, perturbando
gravemente en las actividades de los habitantes de las laderas de la ciudad.
Las pandillas juveniles en su plena diversidad, fomentan seriamente el nivel
de violencia interpersonal en los barrios menos cordiales. La débil imposición
de la ley y la impunidad favoreciendo una justicia popular, la venganza.
En Cali existe un marcado desequilibrio en la distribución de oportunidades
de progreso económico y social, que promueven día a día un incremento
acelerado en la pobreza y desigualdad. Y son estos dos elementos los que
en parte, explican las dinámicas de la delincuencia y la violencia
interpersonal de acuerdo a los resultados de este trabajo.
El análisis de componentes principales reveló que los delitos asociados a una
violencia interpersonal, como son las lesiones, los homicidios y la violencia
intrafamiliar se encuentra muy asociados a la presencia de estupefacientes.
También mostró que los diferentes tipos de hurtos los padecen las comunas
de estrato medio y sobretodo alto, sin embargo son las comunas de estrato
bajo que enfrenta diariamente un crimen violento. En efecto son las comunas
que pertenecen al distrito de Aguablanca (12, 13,14 y 15), las comunas de la
ladera (1, 20 y 18) que sobreviven a un ambiente difícil de homicidios,
lesiones, terrorismo y guerras entre pandillas por intereses territoriales
ligados al comercio de drogas.
171
II04(1)2
Asimismo el análisis de componentes principales expuso a una comuna tres
con los niveles más altos de crimen en general, en donde claramente parece
divulgarse esa mezcla de actores y circunstancias que conllevan a un
ambiente sumamente hostil.
El análisis de correlación canónica, indagando acerca del efecto que tienen el
número de establecimientos de educación, los puestos de salud, las
estaciones de policía y la cobertura de los servicios públicos en general
sobre el nivel de crimen de cada comuna, determinó que el nivel de hurtos se
presenta con mayor frecuencia en comunas que parecen corresponder a
estratos altos y medios, dado que tienen una mayor cobertura en cuanto a
servicios públicos. Adicionalmente se pudo analizar que un mayor número de
establecimientos de educación secundaría influyen positivamente sobre el
nivel de homicidios, lesiones e incidentes de violencia intrafamiliar.
Finalmente la estimación de los modelos definidos en este trabajo enfatiza el
papel de las diferentes variables socioeconómicas y las variables de efecto
disuasivo (Estaciones_policía) o persuasivo (Estupefacientes) sobre los
delitos que se consideran tienen un mayor impacto sobre la inseguridad en
Cali.
Los homicidios con arma de fuego y las lesiones con arma de fuego se ven
claramente explicadas por el número de armas que circulan sin
salvoconducto en la ciudad. Entonces no parece realizarse una labor eficaz
por parte de las entidades pertinentes, en cuanto al control de estas se
refiere. Así, quien tenga un arma hace su justicia como le plazca.
La presencia de estupefacientes explica de manera indirecta o directa los
diferentes delitos aquí modelados. Se sabe que el comercio ilegal de drogas
genera grandes ingresos y trae consigo violentas disputas entre las
172
II04(1)2
diferentes redes de distribuidores y fabricantes. Además, la perdida moral e
intelectual asociado al consumo de estupefacientes puede contribuir en la
proliferación de otros actos violentos.
Las estaciones de policía tienen un efecto disuasivo sobre gran parte de los
delitos. Excepto en los hurtos de carros, que por el contrarío el número de
estaciones de policía no parece tener ese efecto negativo.
La variable Estrato (dummy) demostró que los hurtos en general ocurren en
comunas de estratos altos, mientras que los homicidios, las lesiones y los
incidentes de violencia intrafamiliar son más frecuentes en comunas de
estratos bajos.
Los establecimientos de educación secundaria tienen un efecto positivo en
algunos delitos de tipo violento, lo cual le confiere a la explicación del crimen
una realidad más dolorosa. Un trasfondo de alta violencia parece
encontrarse detrás del proceder de los jóvenes, ante la ausencia de
oportunidades y la autopercepción de excluidos. De modo que se hace
urgente una evaluación acerca de la forma como se están guiando a los
jóvenes en estos establecimientos.
Las conclusiones anteriores sugieren que se debe mejorar la calidad de vida
de la población más pobre, para lo que se propone: potencializar el empleo e
ingresos en determinados territorios, incrementar las zonas recreativas e
invertir en espacio público.
Atención especial a los altos niveles de desempleo juvenil. Apoyo a
programas de desarrollo de los jóvenes, donde se brinde oportunidades de
trabajo, aprendizaje y sobretodo puedan entender el significado de un
compromiso social.
173
II04(1)2
Es comprensible que en los barrios marginales la falta del Estado como
controlador de la vida social, hace que prospere la delincuencia en todas sus
formas. Es clave que se implanten mecanismos de seguridad local en las
zonas más segregadas.
En la actualidad existen varias instituciones que han desarrollado programas
destinados a reducir la violencia en Cali como lo son: el BID (Banco
Interamericano de Desarrollo), algunas organizaciones no gubernamentales,
la Arquidiócesis de Cali, la Cámara de Comercio, entre otras. Con ayuda de
estas organizaciones se puede poner en marcha proyectos y programas para
mejorar la crisis social y económica que fomenta el crimen en la ciudad de
Cali.
175
Bibliografía Arocha, Jaime R….[et al]; coordinador de la comisión Gonzalo Sánchez G. (1988) “Colombia: violencia y democracia”, comisión de estudios sobre la violencia. Becker, Gary (1968) ”Crime and Punishment: An Economic Approach”, Journal of Political Economy 76, No2: pp. 169 – 217.
Bourguignon, F. (1999) “Crime as a Social Cost of Poverty and Inequality: A Review Focusing on Developing Countries”, Desarrollo y Sociedad 44 (Septiembre de 1999): pp. 61-99. Camacho G.,Alvaro y Guzmán B., Alvaro. (1990) “Colombia, ciudad y violencia”, prólogo de Estanislavo Zuleta. Bogotá: Ediciones Foro Nacional. Camacho, Alvaro … [et al]. (1997), “Nuevas visiones sobre la violencia en Colombia”, Bogotá: FESCOL: IEPRI. Castro, Manuel F. y Salazar Ferro, Manuel. (1998) “LA RESPUESTA A LA CRIMINALIDAD Y LA VIOLENCIA EN COLOMBIA: Acciones del Estado para Promover la Convivencia y la Seguridad en las Ciudades”, Universidad de Harvard, Cambridge-MA (Febrero). Corchuelo, Alberto (1987), “Estructura, comportamiento y tendencia económica vallecaucana”. Corman, Hope y Mocan, Naci. (2000) “A Time- Series Analysis Crime, Deterrence, and Drugs Abuse in New York City”, The American Economic Review, Vol. 90, No 3 (Jun., 2000), 584-604. Corman, Hope y Mocan, Naci.(2002) “Carrots, Sticks and Broken Windows”, National Burue of Economic Research. Working Paper 9061. Dryden W., Ann. (1980) “Estimating the Economic Model of Crime with Individual Data”, The Quarterly Journal of Economics, Vol. 94, No. 1 (Feb., 1980), 57-84. Fajnzylber, Pablo, Lederman, Daniel y Loayza, Norman (1999). “What Causes Violent Crime?”, Forthcoming in the European Economic Review. Griffiths, William E., Carter Hill, R. y Judge, George G.. (1993) Learning and Practicing Econometrics. Primera Edición, JOHN WILEY & SONS, INC.
176
Hernández L.,Jorge y Téllez A., Neptalí . (2001) “Impacto social del narcotráfico”, anuario de investigaciones. Cidse. Universidad del Valle. http://www.nber.org/paper/w9061 Levitt, S. Y Venkatech, S. (2000). “An Economic Analysis of a Drug Selling Gang’s Finances”, The Quarterly Journal of Economics 115 (August 2000): 755- 789. Luís G., Díaz. (2002), “Estadística Multivariada: Inferencia y Métodos”, Primera Edición. Edición nacional de Colombia. Moreno Serrano, R. y Vayá Valcarce, E. (2000), “Técnicas econométricas para el tratamiento de los datos espaciales: la econometría espacial”, Ediciones Universidad de Barcelona. Richard A., Johnson y Wichern W., Dean. (1998), “Applied Multivariate Statistical Analysis”, Fourth Edition, prentice Hall. Sánchez, F. , Espinosa, S. Y Rivas, A. (2003) “¿Garrote o Zanahoria? Factores asociados a la disminución de la violencia homicida y el crimen en Bogotá, 1993-2002”, CEDE. Sánchez, F., Formisano, M. Y Díaz A. (2003) “Conflicto, crimen violento y actividad criminal en Colombia” , Documento CEDE SIN 1657-5334 (Marzo 2003). Sánchez, Fabio y Núñez Jairo (2000). “Determinantes del Crimen Violento en un país altamente violento: el caso de Colombia” en Economía, Bogotá, Universidad Nacional de Colombia. Series de estudios del banco mundial sobre países. (2002), ”Cali, Colombia. Hacia una estrategia de desarrollo de ciudad”. Banco Mundial, Washington, D.C. Wilson, James Q. y Kelling, George L. (1982) “Broken Windows: The police and neighborhood safety”, The Atlantic Monthly, Volume 249, No. 3 (March 1982); pp. 29-38.
177
Mapa 1.
178
Mapa 2.
Anexo 1.
179
Arma de Fuego con Salvoconducto
I = 1.56985E-05 E(I)= -0.05 E(I^2)= 0.024192302 S1= 12.8571429 V(I)= 0.074192302 S2= 84 des(I)= 0.272382639 m2= 0.95238095 Z(I)= 0.183622931 m4= 4.14253729 p-value 0.819527119* b2= 4.56714736
Arma de Fuego sin Salvoconducto
I = -3.825E-05 E(I)= -0.05 E(I^2)= 0.026258676 S1= 12.8571429 V(I)= 0.076258676 S2= 84 des(I)= 0.276149734 m2= 0.95238095 Z(I)= 0.18092268 m4= 2.89118761 p-value 0.820779782* b2= 3.18753434
Marihuana
I = 0.016831732 E(I)= -0.05 E(I^2)= 0.02706993 S1= 12.8571429 V(I)= 0.07706993 S2= 84 des(I)= 0.277614716 m2= 0.95238095 Z(I)= 0.240735554 m4= 2.39990995 p-value 0.792526402* b2= 2.64590072
Bazuco
I = 0.004783541 E(I)= -0.05 E(I^2)= 0.021669531 S1= 12.8571429 V(I)= 0.071669531 S2= 84 des(I)= 0.267711657 m2= 0.95238095 Z(I)= 0.204636367 m4= 5.67027098 p-value 0.809703245* b2= 6.25147375
Cocaína
I = 0.000217733 E(I)= -0.05 E(I^2)= 0.00281884 S1= 12.8571429 V(I)= 0.05281884 S2= 84 des(I)= 0.229823498 m2= 0.95238095 Z(I)= 0.21850565 m4= 17.085829 p-value 0.803147718* b2= 18.8371264
Heroína
I = 8.25641E-06 E(I)= -0.05 E(I^2)= 0.0025 S1= 12.8571429 V(I)= 0.0525 S2= 84 des(I)= 0.229128785 m2= 0.95238095 Z(I)= 0.218253924 m4= 17.2789116 p-value 0.803267195* b2= 19.05
Base de Coca
I = 0.000228621
180
E(I)= -0.05 E(I^2)= 0.002634301 S1= 12.8571429 V(I)= 0.052634301 S2= 84 des(I)= 0.229421666 m2= 0.95238095 Z(I)= 0.218935824 m4= 17.1975821 p-value 0.802943502* b2= 18.9603342
Capturas
I = 2.77433E-05 E(I)= -0.05 E(I^2)= 0.012619389 S1= 12.8571429 V(I)= 0.062619389 S2= 84 des(I)= 0.250238664 m2= 0.95238095 Z(I)= 0.199920118 m4= 11.1508354 p-value 0.811919629* b2= 12.293796
* No se rechaza la hipótesis nula de autocorrelación espacial dado un nivel de significancia de 0.05.
181
Anexo 2. Secuestro Simple
I = 9,79786E-09 E(I)= -0,05 E(I^2)= 0,026077943 S1= 12,8571429 V(I)= 0,076077943 S2= 84 des(I)= 0,275822304 m2= 0,9306081 Z(I)= 0,181276166 m4= 2,86500546 p-value 0,820615933* b2= 3,30820033 Acceso Carnal Violento
I = -1,16509E-07 E(I)= -0,05 E(I^2)= 0,02769813 S1= 12,8571429 V(I)= 0,07769813 S2= 84 des(I)= 0,278743843 m2= 1,04835475 Z(I)= 0,179375741 m4= 2,44701146 p-value 0,821496409* b2= 2,22648342 Corrupción de Menores
I = 0,083558249 E(I)= -0,05 E(I^2)= 0,02523062 S1= 12,8571429 V(I)= 0,07523062 S2= 84 des(I)= 0,274282009 m2= 1,17528773 Z(I)= 0,486937695 m4= 5,35104361 p-value 0,667583109* b2= 3,87391501 Moneda Falsa I = 6,607E-08 E(I)= -0,05 E(I^2)= 0,016981244 S1= 12,8571429 V(I)= 0,066981244 S2= 84 des(I)= 0,258807349 m2= 0,93773097 Z(I)= 0,193194151 m4= 8,24961576 p-value 0,815069031* b2= 9,38160623 Homicidio Arma de Fuego
I = 5,19717E-07 E(I)= -0,05 E(I^2)= 0,023430796 S1= 12,8571429 V(I)= 0,073430796 S2= 84 des(I)= 0,270981173 m2= 0,9128886 Z(I)= 0,184516581 m4= 4,22980243 p-value 0,819112065* b2= 5,07556643 Homicidio Arma Blanca
I = 1,88287E-07 E(I)= -0,05 E(I^2)= 0,021344147 S1= 12,8571429 V(I)= 0,071344147 S2= 84 des(I)= 0,267103251 m2= 0,90488246 Z(I)= 0,187194233 m4= 5,29666467 p-value 0,817866944* b2= 6,46871677
182
Homicidio Otras Armas
I = 1,50348E-07 E(I)= -0,05 E(I^2)= 0,021036098 S1= 12,8571429 V(I)= 0,071036098 S2= 84 des(I)= 0,26652598 m2= 0,02559314 Z(I)= 0,187599537 m4= 0,00437178 p-value 0,817678285* b2= 6,67438524 Homicidio Accidente de Tránsito
I = 9,32867E-07 E(I)= -0,05 E(I^2)= 0,019174679 S1= 12,8571429 V(I)= 0,069174679 S2= 84 des(I)= 0,263010795 m2= 0,90676112 Z(I)= 0,190109812 m4= 6,50961426 p-value 0,8165087* b2= 7,91716086 Lesiones Arma de Fuego
I = -5,11601E-07 E(I)= -0,05 E(I^2)= 0,027429535 S1= 12,8571429 V(I)= 0,077429535 S2= 84 des(I)= 0,278261631 m2= 0,91044868 Z(I)= 0,17968517 m4= 1,99421692 p-value 0,821353125* b2= 2,4058107 Lesiones Arma Blanca
I = -5,07777E-08 E(I)= -0,05 E(I^2)= 0,015322519 S1= 12,8571429 V(I)= 0,065322519 S2= 84 des(I)= 0,255582704 m2= 0,90533752 Z(I)= 0,195631193 m4= 8,59720585 p-value 0,813929472* b2= 10,4890532 Lesiones Otras Armas
I = 1,91748E-07 E(I)= -0,05 E(I^2)= 0,014039603 S1= 12,8571429 V(I)= 0,064039603 S2= 84 des(I)= 0,253060472 m2= 0,92994694 Z(I)= 0,19758199 m4= 9,81168214 p-value 0,813015995* b2= 11,3455912 Lesiones Accidente de Tránsito
I = 8,06885E-07 E(I)= -0,05 E(I^2)= 0,020518539 S1= 12,8571429 V(I)= 0,070518539 S2= 84 des(I)= 0,26555327 m2= 0,90936283 Z(I)= 0,188289178 m4= 5,80506875 p-value 0,817357159* b2= 7,0199331
183
Hurto Robo
I = 1,14813E-06 E(I)= -0,05 E(I^2)= 0,024947814 S1= 12,8571429 V(I)= 0,074947814 S2= 84 des(I)= 0,273765984 m2= 0,91438466 Z(I)= 0,182641932 m4= 3,39684623 p-value 0,819982478* b2= 4,06273055 Hurto Atraco
I = 8,9868E-07 E(I)= -0,05 E(I^2)= 0,022862872 S1= 12,8571429 V(I)= 0,072862872 S2= 84 des(I)= 0,269931235 m2= 0,91698086 Z(I)= 0,18523569 m4= 4,58664006 p-value 0,818777892* b2= 5,45474076
Hurto Callejero
I = 4,23572E-06 E(I)= -0,05 E(I^2)= 0,01399373 S1= 12,8571429 V(I)= 0,06399373 S2= 84 des(I)= 0,25296982 m2= 0,92719888 Z(I)= 0,19766878 m4= 9,78010942 p-value 0,812975329* b2= 11,3762183
Hurto Bancos
I = 1,33356E-07 E(I)= -0,05 E(I^2)= 0,024014772 S1= 12,8571429 V(I)= 0,074014772 S2= 84 des(I)= 0,27205656 m2= 0,9047619 Z(I)= 0,183785803 m4= 3,83566636 p-value 0,819451499* b2= 4,68567552
Hurto Carros
I = 3,75449E-06 E(I)= -0,05 E(I^2)= 0,026577165 S1= 12,8571429 V(I)= 0,076577165 S2= 84 des(I)= 0,276725794 m2= 0,93845367 Z(I)= 0,180697844 m4= 2,61997611 p-value 0,82088399* b2= 2,97489508 Hurto Motos
I = 1,73438E-06 E(I)= -0,05 E(I^2)= 0,021845187 S1= 12,8571429 V(I)= 0,071845187 S2= 84 des(I)= 0,268039526 m2= 0,95270965 Z(I)= 0,186546123 m4= 5,56773886 p-value 0,81816852* b2= 6,1341972
184
Piratería
I = 4,24716E-07 E(I)= -0,05 E(I^2)= 0,023578219 S1= 12,8571429 V(I)= 0,073578219 S2= 84 des(I)= 0,271253053 m2= 0,91947765 Z(I)= 0,184331288 m4= 4,20786869 p-value 0,819198146* b2= 4,97713967 Documentos Falsos
I = 1,39108E-07 E(I)= -0,05 E(I^2)= 0,005673306 S1= 12,8571429 V(I)= 0,055673306 S2= 84 des(I)= 0,235951916 m2= 0,90779301 Z(I)= 0,211908172 m4= 13,9529197 p-value 0,806273107* b2= 16,9313439 Terrorismo
I = 6,73114E-08 E(I)= -0,05 E(I^2)= 0,026598683 S1= 12,8571429 V(I)= 0,076598683 S2= 84 des(I)= 0,276764671 m2= 0,91500216 Z(I)= 0,18065914 m4= 2,47864037 p-value 0,820901927* b2= 2,96052873
Abigeato
I = -7,09277E-09 E(I)= -0,05 E(I^2)= 0,024556478 S1= 12,8571429 V(I)= 0,074556478 S2= 84 des(I)= 0,273050321 m2= 0,93410203 Z(I)= 0,183116404 m4= 3,77289645 p-value 0,81976228 b2= 4,3240057
Daño a Bien Ajeno
I = 6,78509E-08 E(I)= -0,05 E(I^2)= 0,020690909 S1= 12,8571429 V(I)= 0,070690909 S2= 84 des(I)= 0,26587762 m2= 0,93510702 Z(I)= 0,1880567 m4= 6,03777485 p-value 0,817465427* b2= 6,90485052
Violencia Intrafamiliar
I = 2,58531E-07 E(I)= -0,05 E(I^2)= 0,013004841 S1= 12,8571429 V(I)= 0,063004841 S2= 84 des(I)= 0,251007651 m2= 4,47484794 Z(I)= 0,199198145 m4= 241,02104 p-value 0,812258356* b2= 12,0364494
Maltrato a Menor
I = -8,97606E-09 E(I)= -0,05 E(I^2)= 0,002790518 S1= 12,8571429 V(I)= 0,052790518 S2= 84
185
des(I)= 0,229761873 m2= 0,90714286 Z(I)= 0,217616572 m4= 15,5167857 p-value 0,803569656* b2= 18,8560357
Estafa
I = 7,64267E-08 E(I)= -0,047619048 E(I^2)= 0,02282732 S1= 12,8571429 V(I)= 0,070446368 S2= 84 des(I)= 0,265417347 m2= 0,9193647 Z(I)= 0,179412253 m4= 4,63058087 p-value 0,821479504 b2= 5,47847675
Fraude mediante Cheque
I = 6,77201E-08 E(I)= -0,05 E(I^2)= 0,01383338 S1= 12,8571429 V(I)= 0,06383338 S2= 84 des(I)= 0,252652686 m2= 0,91545031 Z(I)= 0,197900401 m4= 9,62355085 p-value 0,812866789* b2= 11,4832759 Extorsión
I = 2,37431E-07 E(I)= -0,05 E(I^2)= 0,020139214 S1= 12,8571429 V(I)= 0,070139214 S2= 84 des(I)= 0,264838091 m2= 0,9160598 Z(I)= 0,188795491 m4= 6,10340979 p-value 0,817121306* b2= 7,27318905 Fuga de Presos
I = 6,83091E-08 E(I)= -0,05 E(I^2)= 0,025606879 S1= 12,8571429 V(I)= 0,075606879 S2= 84 des(I)= 0,274967051 m2= 1,04851635 Z(I)= 0,181840217 m4= 3,98275422 p-value 0,82035439* b2= 3,62270602 Aborto
I = -5,24474E-08 E(I)= -0,05 E(I^2)= 0,02474565 S1= 12,8571429 V(I)= 0,07474565 S2= 84 des(I)= 0,273396506 m2= 0,95280547 Z(I)= 0,182884369 m4= 3,81083751 p-value 0,819869974* b2= 4,19770535 Secuestro Extorsivo
I = 1,22019E-07 E(I)= -0,05 E(I^2)= 0,010128539 S1= 12,8571429 V(I)= 0,060128539 S2= 84 des(I)= 0,245211213 m2= 0,91017185 Z(I)= 0,203906344 m4= 11,5620005 p-value 0,810046772* b2= 13,9568105
186
Fraude Electoral
I = 3,10125E-09 E(I)= -0,05 E(I^2)= 0,011871053 S1= 12,8571429 V(I)= 0,061871053 S2= 84 des(I)= 0,248738926 m2= 0,91799966 Z(I)= 0,201013986 m4= 10,7813157 p-value 0,811406179* b2= 12,7934218
Posesión Ilícita de Cedula
I = -5,51467E-09 E(I)= -0,05 E(I^2)= 0,018738493 S1= 12,8571429 V(I)= 0,068738493 S2= 84 des(I)= 0,262180268 m2= 0,91181526 Z(I)= 0,190708457 m4= 6,82450486 p-value 0,816229497* b2= 8,20837973
Suicidio
I = 2,47633E-07 E(I)= -0,05 E(I^2)= 0,014100569 S1= 12,8571429 V(I)= 0,064100569 S2= 84 des(I)= 0,253180902 m2= 0,91401955 Z(I)= 0,197488227 m4= 9,44446131 p-value 0,813059926* b2= 11,3048868 Estupefacientes
I = 3,32458E-06 E(I)= -0,05 E(I^2)= 0,021498419 S1= 12,8571429 V(I)= 0,071498419 S2= 84 des(I)= 0,267391882 m2= 0,90743551 Z(I)= 0,187003899 m4= 5,24178104 p-value 0,817955523* b2= 6,36571708 Porte Ilegal
I = -1,34362E-06 E(I)= -0,05 E(I^2)= 0,027519639 S1= 12,8571429 V(I)= 0,077519639 S2= 84 des(I)= 0,278423489 m2= 0,91609748 Z(I)= 0,179577724 m4= 1,9685531 p-value 0,821402882* b2= 2,34565297
187
Anexo 3. Arma de Fuego con Salvoconducto
C= -12,6523306 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 10276373577 m2= 0,95454545 V(C)= 10276373576 m4= 7,05416902 des(C)= 101372,4498 b2= 7,74199049 Z(C)= -0,00013467 p-value 0,899097166* Arma de Fuego sin Salvoconducto
C= -0,45007762 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 6546503662 m2= 0,95454545 V(C)= 6546503661 m4= 3,14460237 des(C)= 80910,46695 b2= 3,45121892 Z(C)= -1,7922E-05 p-value 0,899050592* Marihuana
C= 0,000197821 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 8022977559 m2= 0,95454545 V(C)= 8022977558 m4= 4,31253426 des(C)= 89571,07545 b2= 4,7330308 Z(C)= -1,1162E-05 p-value 0,899047895* Bazuco
C= -0,02148273 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 9218356656 m2= 0,95454545 V(C)= 9218356655 m4= 5,51230874 des(C)= 96012,27346 b2= 6,04979009 Z(C)= -1,0639E-05 p-value 0,899047686* Cocaína
C= 0,00473273 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 3715761545 m2= 0,95454545 V(C)= 3715761544 m4= 17,2605283 des(C)= 60957,04672 b2= 18,9435277 Z(C)= -1,6327E-05 p-value 0,899049956* Heroína
C= 1,811677135 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 10854862264 m2= 0,95454545 V(C)= 10854862263 m4= 9,3708963 des(C)= 104186,6703 b2= 10,2846118 Z(I)= 7,7906E-06 p-value 0,899040334*
188
Base de Coca
C= 0,012104543 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 2599349063 m2= 0,95454545 V(C)= 2599349062 m4= 17,8591145 des(C)= 50983,81176 b2= 19,6004794 Z(C)= -1,9377E-05 p-value 0,899051172* Capturas
C= -1,00475535 S1= 14,7904762 E(C)= 1 S2= 88 E(C^2)= 6530947350 m2= 0,95454545 V(C)= 6530947349 m4= 3,13347129 des(C)= 80814,27689 b2= 3,4390025 Z(C)= -2,4807E-05 p-value 0,899053338* * No se rechaza la hipótesis nula de autocorrelación espacial dado un nivel de significancia de 0.05.
189
Anexo 4.
190
191
192
193
194
195
Anexo 5.* Tabla 1. Muestra Total
Pearson Correlation Coefficients, N = 936 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Homicidio Arma Fuego 0.19814 0.55692 -0.25313 -0.07692 0.02683 0.18462 -0.04836 <.0001 <.0001 <.0001 0.0186 0.4122 <.0001 0.1393 Homicidio Arma Blanca 0.41306 0.25808 -0.09780 0.36930 -0.12285 -0.16810 0.11603 <.0001 <.0001 0.0027 <.0001 0.0002 <.0001 0.0004 Homicidio Otras Armas 0.15797 0.10408 0.04914 0.24005 0.20554 0.09951 0.02663 <.0001 0.0014 0.1330 <.0001 <.0001 0.0023 0.4158 Homicidio Acc. Trans 0.41584 0.23986 0.49377 0.21233 0.22686 0.06074 0.01793
<.0001 <.0001 <.0001 <.0001 <.0001 0.0633 0.5838
Lesiones Arma Fuego 0.22993 0.41470 -0.51902 0.04394 0.23791 0.28210 -0.12627 <.0001 <.0001 <.0001 0.1792 <.0001 <.0001 0.0001 Lesiones Arma Blanca 0.45393 0.39072 -0.05827 0.06311 -0.35377 -0.27540 -0.04444 <.0001 <.0001 0.0748 0.0536 <.0001 <.0001 0.1743 Lesiones Otras Armas 0.22096 0.28648 0.29312 -0.25291 -0.24503 -0.26458 -0.22841 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 Lesiones Acc. Trans 0.15967 0.33319 0.46454 0.19633 0.29928 0.37305 0.00857 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 0.7935 Hurto Robo 0.59024 -0.2817 0.07024 0.03966 -0.13591 0.04015 -0.16467 <.0001 <.0001 0.0317 0.2254 <.0001 0.2198 <.0001 Hurto Atraco 0.64565 -0.22257 -0.02057 -0.06541 -0.18508 0.12241 -0.01966 <.0001 <.0001 0.5296 0.0454 <.0001 0.0002 0.5479 Hurto Callejero 0.78517 -0.02680 -0.05746 -0.02789 0.01233 -0.08438 -0.09961 <.0001 0.4128 0.0789 0.3941 0.7063 0.0098 0.0023 Hurto Bancos 0.38509 -0.32865 -0.22757 0.18068 0.07268 0.19452 -0.00072 <.0001 <.0001 <.0001 <.0001 0.0262 <.0001 0.9824 Hurto Carros 0.39984 -0.58918 0.03841 0.08506 -0.13966 0.20850 -0.05576 <.0001 <.0001 0.2404 0.0092 <.0001 <.0001 0.0882 Hurto Motos 0.72911 -0.22606 -0.09752 0.05556 -0.09238 0.02301 0.01201 <.0001 <.0001 0.0028 0.0894 0.0047 0.4819 0.7136 Piratería 0.13260 0.20013 0.38523 -0.04241 -0.10021 0.36982 0.36143 <.0001 <.0001 <.0001 0.1949 0.0021 <.0001 <.0001 Documentos falsos 0.51569 -0.04414 0.04907 -0.29803 0.23884 -0.19147 -0.09084 <.0001 0.1773 0.1336 <.0001 <.0001 <.0001 0.0054 Terrorismo 0.15107 0.03258 0.17704 0.05540 0.03737 -0.08238 -0.49763 <.0001 0.3194 <.0001 0.0902 0.2534 0.0117 <.0001 Daño Bien Ajeno 0.29804 -0.02196 -0.11675 -0.39232 0.24521 0.12720 0.20101 <.0001 0.5022 0.0003 <.0001 <.0001 <.0001 <.0001 Estafa 0.26876 -0.17813 -0.04150 -0.41026 -0.15103 0.39156 0.08091
<.0001 <.0001 0.2047 <.0001 <.0001 <.0001 0.0133
Fraude Med. Cheque 0.40254 -0.07574 -0.10419 0.48381 0.11475 -0.06576 0.01397 <.0001 0.0205 0.0014 <.0001 0.0004 0.0443 0.6695 Extorsión 0.30881 -0.14239 -0.03376 0.02935 0.42135 -0.13061 0.17520 <.0001 <.0001 0.3022 0.3697 <.0001 <.0001 <.0001 Fuga de Presos 0.06539 -0.03416 -0.06664 0.17568 0.20673 -0.25816 0.03032 0.0455 0.2964 0.0415 <.0001 <.0001 <.0001 0.3541 Aborto 0.10579 0.04066 -0.11420 0.21446 -0.11962 -0.18799 0.38738 0.0012 0.2139 0.0005 <.0001 0.0002 <.0001 <.0001 Secuestro Extorsivo 0.24633 -0.10520 0.07693 -0.37121 0.50625 -0.37590 0.08551 <.0001 0.0013 0.0186 <.0001 <.0001 <.0001 0.0089 Suicidio 0.27842 0.08318 0.05502 -0.09927 -0.20728 -0.19916 0.58377 <.0001 0.0109 0.0925 0.0024 <.0001 <.0001 <.0001 Estupefacientes 0.49918 0.30357 0.22540 -0.16988 -0.14931 -0.01492 -0.08091 <.0001 <.0001 <.0001 <.0001 <.0001 0.6484 0.0133 Porte Ilegal 0.22696 0.46259 -0.39887 -0.16342 -0.00679 0.07692 -0.01428 <.0001 <.0001 <.0001 <.0001 0.8356 0.0186 0.6626
Prin8 Prin9 Prin10 Prin11 Prin12 Prin13 Prin14 Homicidio Arma Fuego -0.14592 -0.07521 -0.13884 0.23489 -0.09240 0.32231 -0.10933 <.0001 0.0214 <.0001 <.0001 0.0047 <.0001 0.0008 Homicidio Arma Blanca 0.09991 0.09283 -0.07775 -0.44813 -0.03078 -0.13354 0.13755 0.0022 0.0045 0.0173 <.0001 0.3469 <.0001 <.0001 Homicidio Otras Armas 0.45318 -0.58374 -0.10959 -0.07706 0.20558 0.35478 0.03906 <.0001 <.0001 0.0008 0.0184 <.0001 <.0001 0.2325 Homicidio Acc. Trans -0.05073 -0.01970 0.09331 0.01762 -0.16361 -0.19705 -0.10649 0.1209 0.5473 0.0043 0.5904 <.0001 <.0001 0.0011 Lesiones Arma Fuego 0.13191 0.03235 0.02946 0.08200 -0.12282 -0.05817 -0.10199 <.0001 0.3229 0.3680 0.0121 0.0002 0.0753 0.0018 Lesiones Arma Blanca 0.04105 -0.24046 0.21723 -0.06674 0.02659 -0.17670 -0.02950 0.2096 <.0001 <.0001 0.0412 0.4164 <.0001 0.3673 Lesiones Otras Armas -0.25970 -0.25025 0.15880 0.13977 0.22082 -0.06658 0.03072 <.0001 <.0001 <.0001 <.0001 <.0001 0.0417 0.3479 Lesiones Acc. Trans -0.01142 0.07002 0.15303 0.16816 -0.06476 -0.24784 -0.16576 0.7271 0.0322 <.0001 <.0001 0.0476 <.0001 <.0001 Hurto Robo -0.03545 -0.00973 -0.01295 -0.05588 0.04784 0.06161 -0.12084 0.2786 0.7664 0.6924 0.0875 0.1436 0.0595 0.0002 Hurto Atraco 0.23237 0.13762 0.02633 0.07834 -0.06866 0.00270 -0.25665 <.0001 <.0001 0.4210 0.0165 0.0357 0.9343 <.0001 Hurto Callejero 0.06398 0.03477 0.01699 0.05517 -0.03778 0.03096 0.01021
* El número que se encuentra por debajo de la correlación del componente principal con la variable respectiva es el p-value, mide si la correlación es significativamente diferente de cero.
196
0.0504 0.2879 0.6038 0.0916 0.2482 0.3441 0.7551 Hurto Banco -0.05743 -0.02654 -0.00773 0.12533 0.15287 0.01375 0.16690 0.0791 0.4174 0.8134 0.0001 <.0001 0.6745 <.0001 Hurto Carros -0.24438 -0.00319 -0.13756 0.08489 0.09442 0.07262 -0.14370 <.0001 0.9223 <.0001 0.0094 0.0038 0.0263 <.0001 Hurto Motos -0.13780 -0.00903 -0.05052 -0.01383 -0.08488 -0.06521 0.05976 <.0001 0.7827 0.1225 0.6726 0.0094 0.0461 0.0676 Piratería -0.12548 0.30076 -0.11377 -0.13598 0.19690 0.25621 0.30102 0.0001 <.0001 0.0005 <.0001 <.0001 <.0001 <.0001 Documentos falsos 0.23230 0.07369 0.05225 0.09231 -0.19669 0.09897 0.24458 <.0001 0.0242 0.1102 0.0047 <.0001 0.0024 <.0001 Terrorismo 0.44697 0.36542 -0.36401 -0.01672 0.27966 -0.14349 0.01476 <.0001 <.0001 <.0001 0.6094 <.0001 <.0001 0.6519 Daño Bien Ajeno 0.02489 -0.13169 0.05434 -0.32641 0.27239 -0.31177 0.21775 0.4468 <.0001 0.0966 <.0001 <.0001 <.0001 <.0001 Estafa 0.29014 -0.07400 0.39443 0.00818 -0.09419 -0.08340 0.06260 <.0001 0.0236 <.0001 0.8026 0.0039 0.0107 0.0556 Fraude Med. Cheque -0.20716 -0.02702 0.06096 -0.11675 -0.28592 0.04213 0.24812 <.0001 0.4091 0.0623 0.0003 <.0001 0.1978 <.0001 Extorsión -0.20422 -0.19561 -0.09301 0.04617 0.43253 -0.09725 -0.27395 <.0001 <.0001 0.0044 0.1581 <.0001 0.0029 <.0001 Fuga de Presos 0.07028 0.38641 0.65236 -0.04783 0.28551 0.35972 -0.12787 0.0316 <.0001 <.0001 0.1437 <.0001 <.0001 <.0001 Aborto 0.18546 0.08257 -0.03329 0.68077 0.16723 -0.20698 0.29564 <.0001 0.0115 0.3090 <.0001 <.0001 <.0001 <.0001 Secuestro Extorsivo -0.08047 0.07308 -0.17503 0.04033 -0.26521 0.07241 0.05054 0.0138 0.0254 <.0001 0.2177 <.0001 0.0267 0.1223 Suicidio 0.22739 0.07084 -0.20285 -0.08397 -0.11938 0.05891 -0.42243 <.0001 0.0302 <.0001 0.0102 0.0003 0.0716 <.0001 Estupefacientes -0.0701 -0.01550 -0.08849 0.05257 0.05394 0.32976 0.14362 0.0319 0.6357 0.0067 0.1080 0.0991 <.0001 <.0001 Porte Ilegal -0.23566 0.28106 -0.10976 -0.07418 0.21733 -0.08606 -0.07315 <.0001 <.0001 0.0008 .0232 <.0001 0.0084 0.0252
Tabla 2. 26 observaciones: Comunas más los cinco municipios aledaños.
Pearson Correlation Coefficients, N = 26 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 SECUESTROSIMPLE 0.56132 -0.53660 0.19122 0.0028 0.0047 0.3494 ACCESOCARNALVIOLENTO 0.98874 -0.04343 -0.09812 <.0001 0.8331 0.6335 CORRUPCIONDEMENORES 0.81252 0.16529 0.55740 <.0001 0.4197 0.0031 MONEDAFALSA 0.85952 0.49033 -0.08939 <.0001 0.0110 0.6641 HOMICIDOARMAFUEGO 0.91123 0.28940 0.28277 <.0001 0.1516 0.1616 HOMICIDIOARMABLANCA 0.97017 0.15092 -0.15872 <.0001 0.4618 0.4387 HOMICIDIOOTRASARMAS 0.93741 0.16313 0.30543 <.0001 0.4259 0.1292 HOMICIDIOENACC_TRANS_ 0.94044 0.24770 -0.22239 <.0001 0.2225 0.2749 LESIONESARMAFUEGO 0.97122 -0.00304 0.23668 <.0001 0.9882 0.2444 LESIONESARMABLANCA 0.97025 0.16185 -0.17468 <.0001 0.4296 0.3934 LESIONESOTRASARMAS 0.94656 0.09017 -0.27021 <.0001 0.6613 0.1819 LESIONESENACC_TRANS_ 0.96046 0.19444 -0.17169 <.0001 0.3412 0.4017 HURTO_ROBO_ 0.99317 -0.10549 0.00951 <.0001 0.6080 0.9632 HURTO_ATRACO_ 0.98063 -0.00947 -0.14306 <.0001 0.9634 0.4857 HURTOCALLEJERO 0.99601 -0.03768 0.01080 <.0001 0.8550 0.9582 HURTOBANCOS -0.22695 -0.07160 0.06367 0.2649 0.7281 0.7573 HURTOCARROS 0.96004 0.00685 -0.25316 <.0001 0.9735 0.2121 HURTOMOTOS 0.96413 -0.21280 0.02586 <.0001 0.2966 0.9002 PIRATERIA 0.92580 -0.31644 0.14635 <.0001 0.1153 0.4756 DOCUMENTOSFALSOS 0.93779 -0.30235 -0.02173 <.0001 0.1333 0.9161 TERRORISMO 0.84863 -0.21712 0.48089 <.0001 0.2867 0.0129 ABIGEATO 0.83392 -0.35185 -0.06504 <.0001 0.0780 0.7523 DA_OENBIENAJENO 0.98409 0.13119 0.01622 <.0001 0.5229 0.9373 VIOLENCIAINTRAFAMILIAR 0.97852 -0.09167 -0.15513 <.0001 0.6560 0.4492 MALTRATOAMENOR -0.07880 -0.01072 0.00578 0.7020 0.9586 0.9777 ESTAFA -0.19987 -0.06728 0.06062 0.3276 0.7440 0.7686
197
FRAUDEMEDIANTECHEQUE 0.86804 -0.26262 -0.37798 <.0001 0.1949 0.0569 EXTORSION 0.90165 0.11633 -0.40858 <.0001 0.5714 0.0382 FUGADEPRESOS 0.61651 0.59105 -0.50786 0.0008 0.0015 0.0081 ABORTO 0.68826 0.46713 0.55328 0.0001 0.0161 0.0034 SECUESTROEXTORSIVO 0.65581 -0.08034 -0.32675 0.0003 0.6964 0.1033 FRAUDEELECTORAL 0.73752 -0.56963 0.32751 <.0001 0.0024 0.1024 POSESIONILICITACEDULA 0.38833 0.79866 0.44485 0.0499 <.0001 0.0228 SUICIDIO 0.92192 0.00284 0.36581 <.0001 0.9890 0.0661 ESTUPEFACIENTES 0.91889 -0.35664 0.08929 <.0001 0.0737 0.6645 PORTEILEGAL 0.96648 -0.18050 -0.17111 <.0001 0.3776 0.4033
Tabla 3. 21 observaciones: Solo las 21 Comunas.
Pearson Correlation Coefficients, N = 21 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 SECUESTROSIMPLE 0.02026 -0.31830 0.02797 0.29315 0.80774 0.9305 0.1597 0.9042 0.1972 <.0001 ACCESOCARNALVIOLENTO 0.11736 0.27198 0.86648 0.05771 0.11190 0.6124 0.2330 <.0001 0.8038 0.6292 CORRUPCIONDEMENORES -0.16749 0.17218 0.76204 -0.21485 0.05259 0.4680 0.4555 <.0001 0.3496 0.8209 MONEDAFALSA 0.93047 -0.03323 -0.10867 0.09789 -0.06720 <.0001 0.8863 0.6392 0.6729 0.7723 HOMICIDOARMAFUEGO 0.32610 0.73547 -0.30380 0.24599 0.26065 0.1491 0.0001 0.1806 0.2824 0.2538 HOMICIDIOARMABLANCA 0.73984 0.50320 -0.17946 -0.01112 -0.01963 0.0001 0.0201 0.4363 0.9618 0.9327 HOMICIDIOOTRASARMAS 0.87191 0.02209 -0.01803 0.05101 -0.08378 <.0001 0.9243 0.9382 0.8262 0.7181 HOMICIDIOENACC_TRANS_ 0.90593 0.10228 -0.03807 -0.25124 -0.07342 <.0001 0.6591 0.8699 0.2720 0.7518 LESIONESARMAFUEGO 0.35511 0.76036 -0.20585 0.30576 0.14636 0.1142 <.0001 0.3707 0.1777 0.5267 LESIONESARMABLANCA 0.81748 0.53563 -0.05921 0.05725 0.00930 <.0001 0.0123 0.7988 0.8053 0.9681 LESIONESOTRASARMAS 0.89517 0.24603 0.21233 -0.01899 0.08038 <.0001 0.2823 0.3555 0.9349 0.7291 LESIONESENACC_TRANS_ 0.83866 0.17539 -0.03162 -0.28233 -0.21027 <.0001 0.4470 0.8918 0.2150 0.3603 HURTO_ROBO_ 0.85191 -0.45883 0.03758 0.07793 0.11515 <.0001 0.0364 0.8715 0.7370 0.6192 HURTO_ATRACO_ 0.90378 -0.37608 0.07235 0.04462 0.01403 <.0001 0.0929 0.7553 0.8477 0.9519 HURTOCALLEJERO 0.97101 -0.06563 0.04333 0.08558 -0.00433 <.0001 0.7775 0.8521 0.7122 0.9851 HURTOBANCOS 0.70808 -0.56978 0.06165 0.19235 0.11602 0.0003 0.0070 0.7907 0.4035 0.6165 HURTOCARROS 0.32873 -0.81850 -0.05511 -0.00786 0.11662 0.1457 <.0001 0.8125 0.9730 0.6147 HURTOMOTOS 0.90508 -0.25829 -0.12487 0.02094 -0.11668 <.0001 0.2583 0.5897 0.9282 0.6145 PIRATERIA 0.29210 -0.11856 0.02694 -0.27665 -0.20356 0.1988 0.6087 0.9077 0.2247 0.3761 DOCUMENTOSFALSOS 0.92065 0.04008 0.11904 -0.07543 -0.13993 <.0001 0.8631 0.6073 0.7452 0.5452 TERRORISMO 0.63586 -0.26626 -0.03454 0.16110 -0.06303 0.0019 0.2433 0.8819 0.4854 0.7861 ABIGEATO -0.13705 -0.25407 0.52012 0.59828 -0.28603 0.5536 0.2664 0.0157 0.0042 0.2088 DA_OENBIENAJENO 0.79399 0.07588 -0.13287 0.13547 -0.19046 <.0001 0.7437 0.5659 0.5582 0.4083 VIOLENCIAINTRAFAMILIAR -0.00021 0.38228 0.40643 -0.67193 0.11709 0.9993 0.0872 0.0675 0.0008 0.6132 MALTRATOAMENOR -0.13546 0.24252 0.38927 0.37110 0.01306 0.5582 0.2895 0.0811 0.0977 0.9552 ESTAFA 0.74713 -0.27151 0.28195 0.09614 -0.16117 <.0001 0.2338 0.2156 0.6785 0.4852 FRAUDEMEDIANTECHEQUE 0.96151 -0.11598 0.03688 0.03271 0.06117 <.0001 0.6166 0.8739 0.8880 0.7922
198
EXTORSION 0.89764 -0.22442 0.02584 -0.09952 0.19427 <.0001 0.3281 0.9115 0.6678 0.3988 FUGADEPRESOS 0.73518 0.07488 0.15934 -0.23442 0.54223 0.0001 0.7470 0.4902 0.3064 0.0111 ABORTO 0.56834 0.06910 -0.10011 0.15260 -0.05297 0.0072 0.7660 0.6659 0.5090 0.8196 SECUESTROEXTORSIVO 0.93043 -0.11747 0.12189 -0.03672 -0.05722 <.0001 0.6121 0.5987 0.8744 0.8054 FRAUDEELECTORAL 0.78423 0.13585 0.17658 0.07328 -0.16675 <.0001 0.5571 0.4439 0.7522 0.4700 POSESIONILICITACEDULA -0.18120 0.05466 0.17786 0.15206 -0.29261 0.4318 0.8140 0.4405 0.5105 0.1980 SUICIDIO 0.92765 0.10031 0.00765 -0.12498 0.10310 <.0001 0.6653 0.9738 0.5893 0.6565 ESTUPEFACIENTES 0.80158 0.21843 -0.17587 -0.14955 -0.08783 <.0001 0.3415 0.4457 0.5176 0.7050 PORTEILEGAL 0.28495 0.72551 0.11662 0.39115 0.00317 0.2106 0.0002 0.6147 0.0795 0.9891
Tabla 4. Comuna 1 36 observaciones(meses). Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma Blanca 0.33279 0.21179 0.62146 -0.12460 0.09968 0.43072 0.0473 0.2150 <.0001 0.4690 0.5630 0.0087 Homicidio Otras Armas 0.80265 -0.20775 -0.17934 0.18737 0.05364 -0.05956 <.0001 0.2240 0.2953 0.2738 0.7560 0.7301 lesiones Arma de Fuego 0.25256 0.57454 -0.12639 -0.41072 -0.08982 -0.42539 0.1373 0.0002 0.4626 0.0128 0.6024 0.0097 Lesiones Arma Blanca 0.31149 -0.02902 0.44985 0.48406 0.32039 -0.53519 0.0644 0.8666 0.0059 0.0028 0.0568 0.0008 Lesiones Otras Armas -0.42998 0.07045 -0.18309 0.61198 -0.42127 0.10695 0.0089 0.6831 0.2851 <.0001 0.0105 0.5347 Lesiones Acc. Tránsito 0.02888 0.47237 0.63973 0.11366 -0.03209 0.16051 0.8672 0.0036 <.0001 0.5092 0.8526 0.3497 Hurto Motos -0.32400 -0.58791 0.18139 0.12414 0.38634 -0.01377 0.0539 0.0002 0.2897 0.4707 0.0199 0.9365 Terrorismo 0.63630 -0.15785 -0.14210 0.28210 -0.07817 0.31114 <.0001 0.3579 0.4084 0.0955 0.6504 0.0647 Violencia I. Familiar -0.37304 0.36768 -0.24644 0.48491 0.37178 0.05156 0.0250 0.0274 0.1474 0.0027 0.0256 0.7652 Extorsión -0.18231 -0.73754 0.04313 -0.32599 0.15257 0.05607 0.2872 <.0001 0.8028 0.0523 0.3744 0.7453 Fuga Presos 0.77625 -0.07086 -0.31767 0.08817 0.09727 0.09378 <.0001 0.6813 0.0590 0.6091 0.5725 0.5864 Estupefacientes -0.11311 0.49049 -0.38406 -0.15582 0.59796 0.22831 0.5113 0.0024 0.0207 0.3642 0.0001 0.1805
Tabla 5. Comuna 2 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0
Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Homicidio Arma Fuego -0.47299 0.29931 0.55056 0.03331 -0.32273 -0.28240 -0.03627 0.0036 0.0762 0.0005 0.8471 0.0549 0.0952 0.8337 Homicidio Arma Blanca 0.12722 0.63307 -0.18088 -0.33677 -0.10900 0.00068 -0.45337 0.4597 <.0001 0.2911 0.0446 0.5268 0.9968 0.0055 Homicidio otras Armas 0.03624 -0.38228 -0.21213 0.27327 0.39319 -0.42384 -0.20079 0.8338 0.0214 0.214 0.1068 0.0177 0.0100 0.2403 Homicidio Acc. Trans. -0.39406 0.36061 -0.30046 -0.25373 0.04296 0.00725 0.48343 0.0174 0.0307 0.0750 0.1354 0.8035 0.9665 0.0028 Lesiones Arma Fuego -0.05744 -0.45404 0.21022 -0.36523 -0.18951 0.50617 0.19319 0.7393 0.0054 0.2185 0.0285 0.2683 0.0016 0.2589 Lesiones Arma Blanca 0.24905 -0.43823 -0.36128 0.52496 -0.19581 0.35063 -0.00853 0.1430 0.0075 0.0304 0.0010 0.2524 0.0360 0.9606 Lesiones Otras Armas -0.45179 0.35081 0.38207 0.33874 -0.18318 0.40658 -0.16582 0.0057 0.0359 0.0215 0.0433 0.2849 0.0139 0.3338 Lesiones Acc. Trans. 0.00089 0.28432 -0.65737 -0.48265 0.07608 0.02923 -0.03993 0.9959 0.0928 <.0001 0.0029 0.6592 0.8656 0.8172 Hurto Robo -0.05041 0.42833 -0.37651 0.51554 0.10845 0.17371 -0.19290 0.7703 0.0092 0.0236 0.0013 0.5289 0.3110 0.2597 Hurto Atraco 0.46559 0.13721 0.23117 -0.12206 0.42353 0.29975 0.27110 0.0042 0.4249 0.1749 0.4782 0.0101 0.0757 0.1097 Hurto Callejero -0.22011 0.23524 0.47939 0.03340 0.63075 0.20816 -0.09571 0.1971 0.1672 0.0031 0.8466 <.0001 0.2231 0.5787 Hurto Banco 0.23538 -0.35832 0.40854 -0.20468 0.18204 -0.29433 -0.09406 0.1670 0.0319 0.0134 0.2311 0.2880 0.0814 0.5853 Hurto Carro 0.64821 0.27662 0.05434 0.06210 0.18639 0.24595 0.05409 <.0001 0.1024 0.7529 0.7190 0.2764 0.1482 0.7540 Hurto Moto 0.63903 0.49011 0.22683 0.16577 -0.01918 -0.21055 0.06737 <.0001 0.0024 0.1834 0.3339 0.9116 0.2177 0.6962 Porte Ilegal 0.31405 0.29570 0.04474 0.29708 -0.26785 -0.26776 0.58048 0.0621 0.0800 0.7956 0.0785 0.1142 0.1144 0.0002
Tabla 6. Comuna 3
199
36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Homicidio Arma Fuego -0.15115 0.67854 -0.38656 0.37389 -0.15629 0.3789 <.0001 0.0199 0.0247 0.3627 Homicidio Arma Blanca 0.45115 -0.50293 -0.20544 -0.12199 -0.25588 0.0058 0.0018 0.2294 0.4785 0.1320 Homicidio Acc. Trans. 0.58691 -0.20665 -0.37565 -0.02859 0.43044 0.0002 0.2266 0.0240 0.8685 0.0088 Lesiones Arma de Fuego -0.44135 0.14424 0.61751 -0.33693 0.37603 0.0070 0.4013 <.0001 0.0445 0.0238 Lesiones Arma Blanca 0.72573 0.03601 0.44256 0.14906 -0.15063 <.0001 0.8349 0.0069 0.3856 0.3805 Lesiones Acc. Trans 0.17560 -0.61176 0.14315 0.54405 0.27796 0.3056 <.0001 0.4049 0.0006 0.1007 Hurto Motos 0.47981 -0.01233 0.30462 -0.13515 -0.59384 0.0031 0.9431 0.0709 0.4319 0.0001 Violencia Intra Fam. 0.66805 0.32284 0.34029 0.32851 0.20978 <.0001 0.0548 0.0423 0.0504 0.2195 Suicidio 0.71222 0.11256 -0.18157 -0.17988 0.14049 <.0001 0.5134 0.2892 0.2938 0.4138 Estupefacientes 0.29830 0.76755 -0.00259 0.06972 0.09173 0.0772 <.0001 0.9880 0.6862 0.5947 Porte Ilegal -0.49263 -0.15591 0.12677 0.55090 -0.16853 0.0023 0.3639 0.4613 0.0005 0.3258
Tabla 7. Comuna 4 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Corrupción Menores -0.49510 0.16767 0.62240 0.25785 -0.20235 -0.00327 -0.02184 0.0021 0.3283 <.0001 0.1289 0.2366 0.9849 0.8994 Moneda Falsa 0.23125 -0.51057 0.23894 0.51909 0.26031 -0.07274 0.19171 0.1748 0.0015 0.1605 0.0012 0.1252 0.6733 0.2627 Homicidio Acc. Trans.-0.42672 -0.16262 -0.20727 0.61739 -0.00292 0.40744 0.11789 0.0094 0.3433 0.2251 <.0001 0.9865 0.0136 0.4935 lesiones Otras Armas 0.37252 -0.55640 0.25925 0.20336 0.24919 0.13796 -0.30544 0.0253 0.0004 0.1268 0.2342 0.1428 0.4223 0.0701 Lesiones Acc. Trans -0.59745 -0.06607 -0.30344 -0.28457 0.42641 -0.07992 0.16416 0.0001 0.7018 0.0720 0.0925 0.0095 0.6431 0.3387 Hurto Robo 0.43879 0.67919 -0.22623 0.26366 -0.00100 0.04159 -0.22416 0.0074 <.0001 0.1846 0.1202 0.9954 0.8097 0.1888 Hurto Callejero -0.04458 0.49076 0.59033 0.09268 0.24291 0.30907 -0.10861 0.7963 0.0024 0.0002 0.5909 0.1534 0.0666 0.5283 Hurto Carro 0.69493 0.18825 0.12478 -0.27545 -0.22073 0.34415 0.12700 <.0001 0.2715 0.4684 0.1039 0.1958 0.0399 0.4605 Hurto Moto 0.53977 0.08888 0.21691 -0.34989 0.24546 0.43538 0.21382 0.0007 0.6062 0.2038 0.0364 0.1490 0.0080 0.2105 Piratería 0.41945 -0.48333 0.18361 0.28779 0.00238 -0.03547 -0.29239 0.0109 0.0028 0.2837 0.0888 0.9890 0.8373 0.0835 Daño Bien Ajeno 0.27157 0.54798 -0.06651 0.25903 0.22402 -0.45461 -0.07947 0.1091 0.0005 0.6999 0.1271 0.1890 0.0053 0.6450 Violencia Intra. 0.38698 0.24959 0.04614 0.35050 0.38503 -0.25831 0.46842 0.0197 0.1421 0.7893 0.0361 0.0204 0.1282 0.0040 Fraude Electoral -0.22371 -0.07527 -0.53448 0.36127 -0.29691 0.30337 0.20663 0.1897 0.6626 0.0008 0.0304 0.0787 0.0721 0.2266 Fuga de presos -0.40138 0.13097 0.51310 0.06488 -0.47995 -0.24995 0.06517 0.0153 0.4464 0.0014 0.7070 0.0031 0.1415 0.7057 Secues. Extor -0.62103 0.18769 0.48230 -0.00390 0.23978 0.18007 0.15469 <.0001 0.2730 0.0029 0.9820 0.1590 0.2933 0.3677 Suicidio 0.41401 -0.48791 0.30577 -0.21134 -0.25990 -0.24123 0.34268 0.0121 0.0025 0.0697 0.2160 0.1258 0.1564 0.0408 Estupefacientes 0.49648 0.31458 -0.01838 0.32080 -0.36439 0.05805 0.17403 0.002 1 0.0617 0.9153 0.0564 0.0289 0.7366 0.3101
Tabla 8. Comuna 5 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Acceso carnal Violento 0.75541 -0.16535 0.08396 0.03553 0.06604 <.0001 0.3352 0.6264 0.8370 0.7020 Moneda Falsa -0.17663 0.47792 0.00888 -0.22609 0.71094 0.3028 0.0032 0.9590 0.1849 <.0001 Homicidio Acc. Trans. -0.41172 -0.32814 0.23698 0.50653 0.35063 0.0126 0.0507 0.1640 0.0016 0.0360 Lesiones Otras Armas -0.00512 0.67710 -0.31989 0.48831 -0.12822 0.9764 <.0001 0.0572 0.0025 0.4561 Lesiones Acc. Trans -0.38578 -0.64499 -0.12371 0.27535 0.03204
200
0.0201 <.0001 0.4722 0.1041 0.8529 Hurto Atraco 0.00367 -0.36104 -0.56387 -0.58901 0.04245 0.9831 0.0305 0.0003 0.0002 0.8058 Hurto Callejero -0.45060 0.19937 0.62927 -0.32154 0.18472 0.0058 0.2437 <.0001 0.0558 0.2808 Hurto Carros 0.09855 0.79368 -0.29241 0.06712 0.04496 0.5674 <.0001 0.0835 0.6973 0.7946 Piratería 0.69439 0.12444 0.44567 0.01135 -0.17115 <.0001 0.4696 0.0064 0.9476 0.3182 Documentos Falsos 0.80095 -0.10651 -0.15753 -0.13804 0.22602 <.0001 0.5364 0.3589 0.4220 0.1850 Terrorismo 0.68283 -0.04063 0.36336 0.05569 0.04462 <.0001 0.8140 0.0294 0.7470 0.7961 Suicidio 0.49626 -0.26508 -0.26321 0.33413 0.43879 0.0021 0.1182 0.1209 0.0464 0.0074
Tabla 9. Comuna 6 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Homicidio Acc. Trans -0.66706 -0.05444 0.15929 0.31344 0.35241 <.0001 0.7525 0.3534 0.0627 0.0350 Lesiones Arma Blanca -0.48491 0.01679 -0.54464 0.09950 0.28295 0.0027 0.9226 0.0006 0.5637 0.0945 Lesiones otras Armas 0.44346 0.33646 -0.29047 0.50051 -0.34321 0.0067 0.0448 0.0857 0.0019 0.0404 Lesiones Acc. Trans -0.69945 0.17793 0.15672 0.35178 -0.22710 <.0001 0.2992 0.3613 0.0354 0.1829 Hurto Robo -0.23957 0.77344 0.27707 0.06495 -0.11297
0.1593 <.0001 0.1018 0.7067 0.5118 Hurto Callejero 0.36652 0.46990 0.55711 -0.26354 -0.10990 0.0279 0.0038 0.0004 0.1204 0.5234 Hurto Motos 0.66923 0.19467 0.04278 0.38941 -0.06123 <.0001 0.2552 0.8044 0.0189 0.7228 Documentos falsos 0.27956 0.46069 -0.59821 0.00611 0.18675 0.0987 0.0047 0.0001 0.9718 0.2755 Violencia Intra Fam. 0.56026 -0.40122 0.16556 0.37629 0.20462 0.0004 0.0153 0.3346 0.0237 0.2313 Suicidio -0.03576 0.61309 0.34346 0.10606 0.57119 0.8360 <.0001 0.0403 0.5381 0.0003 estupefacientes 0.69901 -0.37645 0.26026 0.06321 0.27930 <.0001 0.0236 0.1253 0.7142 0.0990 Porte Ilegal 0.47765 0.44157 -0.37897 -0.25110 0.16367 0.0032 0.0070 0.0226 0.1396 0.3402 Tabla 10. Comuna 7 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Acceso Carnal Violento -0.08792 0.82482 -0.02029 0.25138 -0.20944 0.14813 0.6101 <.0001 0.9065 0.1392 0.2202 0.3886 Homicidio Arma Fuego 0.72675 0.07572 -0.36195 0.03534 -0.30288 0.12706 <.0001 0.6607 0.0301 0.8379 0.0726 0.4602 Homicidio Arma Blanca -0.14924 0.01868 0.49279 0.14840 0.32937 0.72658 0.3850 0.9139 0.0023 0.3877 0.0498 <.0001 Homicidio Otras Armas -0.06067 0.73268 0.13778 -0.14830 0.38192 -0.01984 0.7252 <.0001 0.4229 0.3880 0.0215 0.9086 Homicidio Acc. Trans. 0.57183 -0.17566 0.24655 0.47580 -0.24608 -0.12359 0.0003 0.3055 0.1472 0.0034 0.1480 0.4727 Lesions Arma Fuego 0.25021 -0.04174 -0.73431 0.08246 0.18344 0.07247 0.1411 0.8090 <.0001 0.6326 0.2842 0.6745 Hurto Robo 0.36386 0.59285 -0.27643 0.43906 0.09009 0.02517 0.0291 0.0001 0.1027 0.0074 0.6013 0.8841 Hurto Atraco -0.07388 0.78396 0.09427 -0.11566 -0.07766 -0.20095 0.6685 <.0001 0.5845 0.5018 0.6526 0.2399 Hurto Callejero -0.27278 0.15614 0.54542 -0.01275 -0.52434 -0.04044 0.1075 0.3632 0.0006 0.9412 0.0010 0.8149 Hurto Carro 0.68605 -0.08032 0.17742 -0.38066 0.06485 0.18479 <.0001 0.6415 0.3006 0.0220 0.7071 0.2806 Hurto Motos 0.57890 0.18868 0.30932 -0.52895 -0.09432 -0.09372 0.0002 0.2704 0.0664 0.0009 0.5843 0.5867 Daño Bien Ajeno 0.72771 -0.09719 0.40962 0.30722 0.01423 0.12461
201
<.0001 0.5728 0.0131 0.0684 0.9344 0.4690 Secuestro Extorsivo -0.33069 -0.20129 0.29939 0.43398 0.11899 -0.27269 0.0488 0.2391 0.0761 0.0082 0.4894 0.1076 Porte Ilegal 0.44747 0.02335 0.31819 0.07239 0.50599 -0.46474 0.0062 0.8925 0.0586 0.6748 0.0016 0.0043
Tabla 11. Comuna 8 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma Fuego 0.66144 -0.43407 -0.29859 -0.14488 -0.13438 0.07567 <.0001 0.0082 0.0769 0.3992 0.4346 0.6609 Homicidio Otras Armas 0.55784 -0.24484 0.36331 0.15398 -0.37197 -0.34722 0.0004 0.1501 0.0294 0.3699 0.0255 0.0380 Lesiones Arma Fuego 0.54463 0.03096 -0.09137 -0.65385 0.16772 -0.16915 0.0006 0.8578 0.5961 <.0001 0.3282 0.3240 Lesiones Arma Blanca 0.56424 -0.04419 0.17642 0.49365 -0.01428 0.35028 0.0003 0.7980 0.3034 0.0022 0.9341 0.0362 Lesions Acc. Trans. 0.76286 0.11259 -0.06079 -0.05990 0.05261 -0.09087 <.0001 0.5133 0.7247 0.7286 0.7606 0.5981 Hurto Robo 0.53722 -0.08236 -0.38732 0.11639 0.36545 0.03408 0.0007 0.6330 0.0196 0.4990 0.0284 0.8436 Hurto Banco 0.27338 0.56748 0.22038 -0.35228 0.31140 0.28879 0.1067 0.0003 0.1965 0.0351 0.0645 0.0876 Hurto Carro 0.42981 0.50802 -0.20622 0.40288 0.13841 -0.40732 0.0089 0.0016 0.2276 0.0148 0.4208 0.0137 Doc. Falsos -0.31893 0.57679 0.11875 -0.12998 -0.37500 0.02256 0.0580 0.0002 0.4903 0.4499 0.0242 0.8961 Terrorismo 0.37131 -0.07387 0.75939 0.08623 -0.06717 0.04173 0.0258 0.6685 <.0001 0.6170 0.6971 0.8090 Daño Bien Ajeno 0.21711 -0.06243 0.73609 -0.10186 0.09916 0.27740 0.2034 0.7176 <.0001 0.5544 0.5650 0.1014 Violencia Intrafam. -0.41497 -0.20169 0.28246 0.25580 0.63761 -0.12669 0.0118 0.2382 0.0951 0.1321 <.0001 0.4616 Suicidio 0.09194 0.84856 0.25024 0.06039 0.02433 -0.23637 0.5938 <.0001 0.1410 0.7265 0.8880 0.1652 Porte Ilegal 0.18201 0.43875 -0.44947 0.23652 -0.11987 0.47188 0.2880 0.0074 0.0060 0.1649 0.4862 0.0037 Tabla 12. Comuna 9 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma Fuego -0.72467 -0.35795 0.11081 0.26854 0.31274 0.00609 <.0001 0.0321 0.5200 0.1133 0.0633 0.9719 Homicidio Arma Blanca 0.63671 0.19276 -0.08277 0.32777 0.29569 0.20382 <.0001 0.2600 0.6313 0.0510 0.0800 0.2331 Homicidio Otras Armas 0.55728 0.17404 -0.16242 0.49208 0.33428 0.17954 0.0004 0.3100 0.3439 0.0023 0.0463 0.2947 Homicidio Acc. Trans 0.15082 0.17576 0.72546 -0.27504 0.25710 -0.17858 0.3799 0.3052 <.0001 0.1045 0.1301 0.2974 Lesiones Arma Fuego 0.02503 -0.67562 0.01359 0.23122 0.35285 0.41232 0.8848 <.0001 0.9373 0.1748 0.0348 0.0125 Lesiones Arma Blanca 0.43452 0.24326 -0.59561 0.16672 0.03691 -0.37218 0.0081 0.1528 0.0001 0.3311 0.8308 0.0254 Lesiones Acc. Trans. 0.24529 -0.12939 -0.15365 -0.73001 0.22785 0.08780 0.1493 0.4520 0.3709 <.0001 0.1814 0.6106 Hurto Atraco 0.51451 0.28539 0.01825 -0.08711 -0.36926 0.32406 0.0013 0.0916 0.9159 0.6134 0.0267 0.0538 Hurto Callejero 0.04227 0.44551 0.50029 -0.15010 0.47141 -0.02813 0.8066 0.0065 0.0019 0.3822 0.0037 0.8706 Hurto Carro 0.57183 -0.21411 0.45370 0.28515 -0.09209 -0.11220 0.0003 0.2099 0.0054 0.0919 0.5932 0.5147 Violencia Intrafam. -0.52941 0.57978 0.03913 0.19111 0.10716 -0.02471 0.0009 0.0002 0.8207 0.2642 0.5339 0.8863 Fraude mediante Cheque -0.24621 -0.59762 0.13521 0.26991 -0.18051 -0.13180 0.1478 0.0001 0.4317 0.1114 0.2921 0.4435 Suicidio -0.41468 0.32546 -0.00649 -0.11821 -0.15725 0.63361 0.0119 0.052 0.9700 0.4923 0.3597 <.0001 Estupefacientes -0.51959 0.61534 0.00082 0.40707 -0.03224 -0.05409 0.0012 <.0001 0.9962 0.0137 0.8519 0.7541 Porte Ilegal -0.27603 -0.03104 -0.62319 -0.26165 0.41449 -0.06921 0.1032 0.8574 <.0001 0.1232 0.0120 0.6883
Tabla 13. Comuna 10
202
36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma Fueg -0.47221 0.39214 0.45982 0.17528 0.13516 -0.34578 0.0036 0.0180 0.0048 0.3065 0.4319 0.0389 Homicidio Arma Blan 0.55417 -0.23472 0.00517 -0.20890 0.45928 -0.21248 0.0005 0.1682 0.9761 0.2214 0.0048 0.2134 Homicidio Otras Arma 0.59870 -0.45384 0.05541 0.46422 0.10550 0.04184 0.0001 0.0054 0.7482 0.0043 0.5403 0.8086 Lesiones Arma Fuego 0.49281 0.49752 0.11537 0.13218 0.23296 -0.15370 0.0023 0.0020 0.5028 0.4422 0.1715 0.3708 Lesiones Otras Armas 0.51312 -0.25551 0.21604 0.42692 -0.43863 0.03450 0.0014 0.1326 0.2057 0.0094 0.0074 0.8417 Lesiones Acc. Trans 0.69203 0.34514 -0.44295 0.10437 0.06232 0.13484 <.0001 0.0392 0.0068 0.5447 0.7180 0.4330 Hurto Callejero 0.10619 0.05725 0.45565 -0.57906 -0.04137 0.54583 0.5376 0.7402 0.0052 0.0002 0.8107 0.0006 Hurto Banco 0.80014 -0.26367 0.07853 0.13987 0.17960 0.11295 <.0001 0.1202 0.6489 0.4159 0.2946 0.5119 Hurto Moto 0.16636 0.01354 0.70800 0.03695 -0.42154 -0.26733 0.3322 0.9375 <.0001 0.8306 0.0105 0.1150 Hurto Carro -0.32106 0.01478 -0.69539 0.15745 0.00271 -0.17815 0.0562 0.9318 <.0001 0.3591 0.9875 0.2986 Terrorismo 0.08789 0.77042 0.24994 0.22747 0.22696 0.14295 0.6103 <.0001 0.1415 0.1821 0.1831 0.4056 Violencia Intrafam. -0.54380 -0.35253 -0.01710 0.37075 0.14173 0.45987 0.0006 0.0350 0.9212 0.0260 0.4096 0.0048 Fuga Presos 0.02595 0.73911 0.17374 0.37830 0.11336 0.21078 0.8806 <.0001 0.3109 0.0229 0.5104 0.2172 Suicidio -0.27844 0.72303 -0.17199 0.07245 -0.08970 0.07152 0.1001 <.0001 0.3159 0.6745 0.6029 0.6785 Estupefacientes -0.57891 -0.50011 0.21381 0.47625 0.12354 0.06327 0.0002 0.0019 0.2105 0.0033 0.4729 0.7139 Porte Ilegal -0.25767 -0.28963 0.35796 -0.10032 0.59884 -0.08413 0.1292 0.0866 0.0321 0.5605 0.0001 0.6257
Tabla 14. Comuna 11 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Otras Armas -0.02877 -0.34891 0.47210 0.43101 -0.03189 0.30406 0.8677 0.0370 0.0036 0.0087 0.8535 0.0714 Homicidio Acc. Trans 0.51278 -0.07450 -0.00765 -0.34866 0.29909 0.54444 0.0014 0.6659 0.9647 0.0372 0.0764 0.0006 Lesiones Arma Fuego 0.21350 -0.45364 0.17617 -0.46208 0.25830 -0.50221 0.2112 0.0055 0.3040 0.0046 0.1283 0.0018 Lesiones Arma blanca 0.52549 -0.06165 0.13798 -0.41394 -0.23791 0.39558 0.0010 0.7210 0.4223 0.0121 0.1623 0.0169 Lesiones Otras Armas 0.13267 -0.27365 0.55930 0.47187 0.29958 0.13530 0.4405 0.1063 0.0004 0.0037 0.0759 0.4314 Hurto Atraco 0.11402 0.32614 0.35929 -0.02403 0.72308 -0.18558 0.5079 0.0522 0.0314 0.8894 <.0001 0.2785 Hurto Callejero 0.53580 0.59978 -0.15268 -0.09880 -0.00493 -0.10308 0.0008 0.0001 0.3740 0.5665 0.9772 0.5497 Piratería -0.23804 0.49721 0.55603 -0.19788 -0.33813 0.00942 0.1621 0.0020 0.0004 0.2473 0.0437 0.9565 Terrorismo 0.67050 0.25899 -0.06350 0.44173 -0.07277 -0.16527 <.0001 0.1272 0.7129 0.0070 0.6732 0.3354 Violencia Intrafamiliar -0.27082 0.70312 0.26891 -0.22416 0.22892 0.17997 0.1101 <.0001 0.1128 0.1887 0.1793 0.2936 Fuga Presos 0.79359 0.31930 -0.20058 0.32623 -0.02591 -0.03083 <.0001 0.0577 0.2408 0.0522 0.8808 0.8583 Estupefacientes -0.60694 0.51329 -0.16952 0.24941 0.08521 0.10370 <.0001 0.0014 0.3229 0.1424 0.6212 0.5473 Porte Ilegal -0.24849 -0.11442 -0.71661 0.04454 0.40798 0.25531 0.1439 0.5064 <.0001 0.7964 0.0135 0.1329
Tabla 15. Comuna 12 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36
203
Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Moneda Falsa -0.28824 0.27261 0.27766 0.31474 0.21044 0.04958 0.0882 0.1077 0.1011 0.0615 0.2180 0.7740 Homicidio Arma fuego 0.16246 0.58435 0.44586 0.07449 0.11856 -0.39719 0.3438 0.0002 0.0064 0.6659 0.4910 0.0165 Homicidio Arma Blanca -0.31126 0.06608 -0.68018 0.19941 0.22603 -0.02208 0.0646 0.7018 <.0001 0.2436 0.1850 0.8983 Homicidio acc. Trans 0.04063 0.63167 0.28086 -0.31619 -0.17532 0.27686 0.8140 <.0001 0.0971 0.0603 0.3064 0.1021 Lesiones Arma fuego 0.60934 -0.28509 0.00649 0.00928 0.51385 -0.37260 <.0001 0.0919 0.9701 0.9572 0.0013 0.0252 Lesiones Arma Blanca 0.28435 0.43861 -0.21737 0.57882 0.03080 0.24199 0.0928 0.0075 0.2028 0.0002 0.8585 0.1551 Lesiones acc. Trans. 0.81587 -0.10489 0.11930 0.23279 -0.21870 -0.06568 <.0001 0.5427 0.4883 0.1718 0.2000 0.7035 Hurto Robo 0.10656 0.41984 -0.19291 -0.74826 0.07967 -0.08050 0.5362 0.0108 0.2596 <.0001 0.6442 0.6407 Hurto atraco 0.62205 0.39328 -0.28472 -0.03849 0.39619 0.21262 <.0001 0.0176 0.0924 0.8236 0.0168 0.2131 Hurto Callejero 0.10075 -0.33374 0.75465 -0.10935 -0.09178 0.12461 0.5588 0.0467 <.0001 0.5255 0.5945 0.4690 Hurto Carro -0.68868 0.00863 -0.37646 -0.19381 -0.21073 0.11371 <.0001 0.9602 0.0236 0.2574 0.2173 0.5091 Terrorismo 0.30847 -0.38956 0.21713 -0.03463 0.30014 0.64358 0.0672 0.0188 0.2034 0.8411 0.0753 <.0001 Violencia Intrafamiliar -0.35526 0.49166 0.56744 -0.05034 0.25899 0.02792 0.0335 0.0023 0.0003 0.7706 0.1272 0.8716 Estafa 0.55666 0.50849 -0.30500 -0.10758 -0.06607 0.10318 0.0004 0.0015 0.0705 0.5323 0.7018 0.5493 Suicidio 0.51833 0.19740 -0.00047 0.18930 -0.67307 -0.03383 0.0012 0.2485 0.9978 0.2688 <.0001 0.8447 Estupefacientes -0.63325 0.35882 0.13895 0.42771 0.04786 0.02199 <.0001 0.0316 0.4190 0.0093 0.7816 0.8987
Tabla 16. Comuna 13 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Secuestro simple -0.36308 0.22392 0.65269 0.26271 -0.00134 -0.05200 0.0295 0.1892 <.0001 0.1216 0.9938 0.7633 Homicidio Arma fu -0.47796 0.10045 0.51460 -0.30021 0.31985 0.19320
0.0032 0.5600 0.0013 0.0752 0.0572 0.2589 Homicidio Otras A 0.74365 0.12884 0.24548 -0.09785 0.17359 -0.08447 <.0001 0.4539 0.1490 0.5702 0.3113 0.6243 Homicidio Acc. Tra -0.37438 -0.38224 0.09792 0.32474 0.38884 0.41122 0.0245 0.0214 0.5699 0.0533 0.0191 0.0127 Lesiones Arma fuego -0.29546 0.75569 0.01340 -0.13690 -0.18668 0.16672 0.0802 <.0001 0.9382 0.4259 0.2756 0.3311 Lesiones Acc. Tr. -0.33295 0.52551 -0.25356 0.26183 0.36647 -0.31882 0.0472 0.0010 0.1357 0.1229 0.0279 0.0581 Hurto Robo 0.47165 -0.03842 0.34701 0.40724 0.18183 -0.29025 0.0037 0.8240 0.0381 0.0137 0.2885 0.0859 Hurto Atraco -0.25494 -0.26320 0.13382 0.05335 -0.70722 0.05191 0.1335 0.1209 0.4365 0.7573 <.0001 0.7637 Hurto Callejero 0.31629 0.35827 -0.33537 0.12004 0.01077 0.68710 0.0602 0.0319 0.0456 0.4856 0.9503 <.0001 Hurto Banco -0.24397 0.35936 0.57604 0.28823 -0.32214 0.05210 0.1516 0.0314 0.0002 0.0882 0.0554 0.7628 Hurto Moto 0.23282 0.72897 0.02656 -0.19604 0.05272 -0.00492 0.1718 <.0001 0.8778 0.2518 0.7601 0.9773 Terrorismo 0.39353 -0.12351 0.39471 -0.70298 0.02327 0.00580 0.0176 0.4729 0.0172 <.0001 0.8928 0.9732 Violencia Intrafam. 0.84124 -0.02834 0.26517 0.00242 0.04751 0.18066 <.0001 0.8697 0.1181 0.9888 0.7832 0.2917 Estupefacientes 0.75388 -0.00933 0.15598 0.44404 -0.08357 0.15707 <.0001 0.9569 0.3636 0.0067 0.6280 0.3603 porte Ilegal 0.48069 0.25752 -0.26737 0.06729 -0.23034 -0.19277 0.0030 0.1294 0.1149 0.6966 0.1765 0.2600
Tabla 17. Comuna 14 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0
Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Moneda Falsa -0.06163 0.76982 0.42562 -0.11443 -0.11739 0.00517 0.7210 <.0001 0.0097 0.5063 0.4953 0.9761 Homicidio Acc. Tra 0.63216 0.06260 0.46052 0.00250 0.09233 0.19040 <.0001 0.7168 0.0047 0.9885 0.5923 0.2660 Lesiones Arma fueg -0.54293 -0.19584 0.16855 0.01847 -0.15203 0.63246
204
0.0006 0.2523 0.3258 0.9148 0.3761 <.0001 Lesiones Acc. Tran -0.22322 -0.21735 0.24544 0.62042 -0.34361 -0.32894 0.1906 0.2029 0.1491 <.0001 0.0402 0.0501 Lesiones Otras Arma 0.63967 0.02559 0.24412 -0.32691 -0.13345 -0.26232 <.0001 0.8822 0.1513 0.0516 0.4378 0.1222 Hurto Carro -0.26576 0.81504 0.15010 -0.16900 0.03055 -0.09761 0.1172 <.0001 0.3822 0.3245 0.8596 0.5711 Hurto Moto -0.29337 0.15790 0.59596 0.44159 0.01154 0.19932 0.0825 0.3577 0.0001 0.0070 0.9467 0.2438 Terrorismo 0.69446 0.00600 0.06760 0.36426 0.30497 0.27522 <.0001 0.9723 0.6953 0.0290 0.0705 0.1042 Violencia Intrafam. -0.40883 -0.25347 0.28886 0.19518 0.54738 -0.35114 0.0133 0.1358 0.0875 0.2540 0.0006 0.0357 Maltrato a Menor -0.05848 0.32782 -0.62994 0.15417 0.20880 0.19263 0.7348 0.0510 <.0001 0.3693 0.2217 0.2604 Aborto 0.85814 -0.06192 0.09616 0.12359 0.18484 0.04648 <.0001 0.7198 0.5769 0.4727 0.2805 0.7878 Estupefacientes -0.41979 -0.09502 0.21822 -0.33085 0.64586 0.01884 0.0108 0.5815 0.2010 0.0487 <.0001 0.9131 Porte Ilegal -0.04642 -0.52148 0.35820 -0.52878 -0.18813 0.11097 0.7881 0.0011 0.0319 0.0009 0.2718 0.5194
Tabla 18. Comuna 15 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Acceso Carnal V. 0.40131 -0.25967 0.40749 -0.31112 0.43095 -0.28608 0.00494 0.0153 0.1262 0.0136 0.0648 0.0087 0.0907 0.9772 Hom. Arma Fuego -0.18940 0.53064 0.22851 -0.43143 -0.24822 -0.31130 -0.06456 0.2686 0.0009 0.1801 0.0086 0.1444 0.0646 0.7084 Hom. Arma Blanca 0.67286 -0.01932 -0.06521 0.07520 -0.51525 -0.10712 0.11464 <.0001 0.9110 0.7055 0.6629 0.0013 0.5340 0.5056 Hom. Otras Armas -0.46193 -0.38627 -0.16707 0.04984 -0.14955 0.03456 -0.48471 0.0046 0.0200 0.3301 0.7728 0.3840 0.8414 0.0027 Hom. Acc Trans -0.34898 0.30637 0.33259 0.33684 -0.27590 -0.00265 0.26956 0.0370 0.0692 0.0475 0.0446 0.1034 0.9878 0.1119 Les. Arma Fuego 0.10958 0.72441 0.08916 -0.17034 -0.05546 0.38162 0.01659 0.5247 <.0001 0.6051 0.3206 0.7480 0.0216 0.9235 Les. Arma Blanca -0.63237 0.02313 0.26770 0.04584 -0.23094 -0.04605 0.46622 <.0001 0.8935 0.1145 0.7906 0.1754 0.7897 0.0042 Les. Acc. Trans. -0.61600 0.16250 0.54334 -0.03168 0.16977 -0.04633 0.03154 <.0001 0.3437 0.0006 0.8545 0.3222 0.7884 0.8551 Hurto Atraco -0.14546 0.24009 0.58655 -0.33073 0.30972 0.25386 -0.01798 0.3973 0.1584 0.0002 0.0488 0.0660 0.1352 0.9171 Hurto Callejero 0.08142 -0.57654 0.36216 0.44597 0.12635 -0.06819 0.13853 0.6369 0.0002 0.0300 0.0064 0.4628 0.6927 0.4204 Hurto Carro 0.42905 0.54075 0.18021 0.16320 0.12843 0.37683 -0.14804 0.0090 0.0007 0.2929 0.3416 0.4554 0.0235 0.3889 Hurto Moto 0.05811 0.33191 0.30326 0.68556 0.04905 0.10061 -0.08465 0.7364 0.0480 0.0722 <.0001 0.7763 0.5593 0.6235 Terrorismo 0.47300 -0.52063 0.45180 -0.27054 -0.10588 0.15137 0.05808 0.0036 0.0011 0.0057 0.1105 0.5388 0.3782 0.7365 Daño Bien Ajeno 0.05984 -0.20665 -0.55699 0.11940 0.38177 0.26914 0.45308 0.7288 0.2266 0.0004 0.4879 0.0216 0.1125 0.0055 Violencia Intrafa. 0.27458 0.31401 0.18617 0.55572 0.21192 -0.39809 -0.17777 0.1051 0.0622 0.2770 0.0004 0.2147 0.0162 0.2996 Aborto 0.63128 -0.34455 0.40010 -0.00537 -0.30909 0.13587 0.06399 <.0001 0.0396 0.0156 0.9752 0.0666 0.4295 0.7108 Porte Ilegal 0.37326 0.54071 -0.17799 -0.16452 0.17941 -0.39043 0.26692 0.0249 0.0007 0.2990 0.3377 0.2951 0.0186 0.1156 Tabla 19. Comuna 16 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Corrupción Menores -0.44340 0.64455 0.35220 0.09800 -0.10251 0.0068 <.0001 0.0351 0.5696 0.5519 Moneda Falsa 0.60331 0.03046 0.65580 0.05023 0.13044 <.0001 0.8600 <.0001 0.7711 0.4483 Homicidio Arma Fuego -0.33742 -0.45711 0.00308 0.52988 0.13426 0.0442 0.0051 0.9858 0.0009 0.4350
205
Homicidio arma blanca 0.63734 -0.05610 0.44865 0.11069 -0.39590 <.0001 0.7452 0.0061 0.5204 0.0168 Hom. Acc. Trans. 0.65064 0.01976 -0.04999 0.41439 -0.41524 <.0001 0.9089 0.7722 0.0120 0.0118 Lesiones arma Fuego -0.12538 -0.48940 0.20243 -0.57206 0.01841 0.4663 0.0025 0.2364 0.0003 0.9151 Hurto Atraco -0.62221 0.26238 0.40965 0.29715 -0.30078 <.0001 0.1221 0.0131 0.0784 0.0747 Hurto Callejero -0.19299 0.74438 -0.22490 0.12740 -0.05315 0.2594 <.0001 0.1873 0.4590 0.7582 Hurto Moto 0.65896 0.31773 -0.22227 -0.31008 -0.02212 <.0001 0.0590 0.1926 0.0657 0.8981 Daño Bien Ajeno 0.41698 -0.09868 0.52220 0.38080 0.46439 0.0114 0.5669 0.0011 0.0219 0.0043 Violencia Intrafam. 0.13204 0.08195 -0.52175 0.46550 0.39113 0.4427 0.6347 0.0011 0.0042 0.0183 estupefacientes 0.54785 0.28995 -0.51893 -0.01445 -0.01810 0.0005 0.0863 0.0012 0.9333 0.9165 Porte Ilegal 0.06794 0.64376 0.39603 -0.27197 0.40855 0.6938 <.0001 0.0168 0.1086 0.0134
Tabla 20. Comuna 17 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma fue -0.26210 0.40199 0.45717 -0.01105 0.51797 -0.25281 0.1225 0.0151 0.0051 0.9490 0.0012 0.1368 Homicidio Arma blanc 0.31898 -0.04607 0.54760 0.46688 -0.08897 0.36457 0.0579 0.7896 0.0005 0.0041 0.6059 0.0288 Homicidio Acc. Tran -0.63019 -0.03134 0.10209 0.49540 0.37713 -0.10295 <.0001 0.8560 0.5535 0.0021 0.0234 0.5502 Lesiones Arma Blanc -0.61894 0.04602 0.11417 0.47458 -0.17829 -0.16688 <.0001 0.7898 0.5073 0.0035 0.2982 0.3307 Lesiones Acc. Trans -0.53787 -0.15526 -0.17197 -0.20919 -0.04310 0.47632 0.0007 0.3659 0.3159 0.2208 0.8029 0.0033 Hurto Atraco -0.21334 0.71525 0.13077 -0.12752 0.04673 0.45043 0.2116 <.0001 0.4471 0.4586 0.7867 0.0058 Hurto Banco 0.03092 0.82862 -0.07905 -0.16066 -0.03657 0.00027 0.8579 <.0001 0.6468 0.3493 0.8323 0.9987 Hurto Carro 0.54161 0.08872 0.60737 0.01745 -0.07958 0.18402 0.0006 0.6069 <.0001 0.9195 0.6445 0.2827 Hurto Moto 0.41656 -0.34932 -0.14062 -0.10685 0.58734 0.23148 0.0115 0.0368 0.4134 0.5351 0.0002 0.1743 Piratería -0.67781 0.50153 0.13285 0.06930 0.18609 0.10492 <.0001 0.0018 0.4399 0.6880 0.2772 0.5425 Documentos Falsos 0.32300 0.30426 -0.62610 0.31806 0.26199 0.11445 0.0547 0.0712 <.0001 0.0587 0.1227 0.5063 Abigeato 0.35856 0.57276 -0.24169 0.00073 -0.25830 -0.27065 0.24193 0.0318 0.0003 0.1556 0.9966 0.1282 0.1104 Posesión Ilícita C 0.28383 0.46892 -0.60705 0.38285 0.08090 0.11307 0.0934 0.0039 <.0001 0.0212 0.6390 0.5114 Suicidio 0.34003 0.30413 0.25177 0.40422 -0.34941 0.04447 0.0424 0.0713 0.1385 0.0145 0.0367 0.7968 Estupefacientes 0.57935 -0.27998 0.07139 0.36534 0.29621 -0.05889 0.0002 0.0982 0.6791 0.0284 0.0794 0.7330 Porte Ilegal 0.48118 0.48156 0.35724 -0.33123 0.28300 -0.15883 0.0030 0.0029 0.0324 0.0485 0.0944 0.3548
Tabla 21. Comuna 18 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Homicidio Arma Blan 0.59747 0.11888 0.32705 -0.19078 -0.35151 -0.17558 0.0001 0.4898 0.0515 0.2651 0.0355 0.3057 Homicidio Acc. Trans 0.63982 0.22385 -0.05098 0.28016 0.32072 0.23479 <.0001 0.1894 0.7678 0.0979 0.0565 0.1681 Lesiones Arma Blanca 0.36778 0.53240 -0.29206 -0.44703 0.10419 0.06749 0.0273 0.0008 0.0839 0.0063 0.5454 0.6957 Lesiones Acc. Trans 0.48639 0.08126 0.36036 0.52177 0.14449 0.34145 0.0026 0.6376 0.0309 0.0011 0.4005 0.0415 Hurto Atraco 0.34043 0.58312 0.14433 0.23511 -0.39954 0.19393 0.0422 0.0002 0.4010 0.1675 0.0158 0.2571 Hurto Callejero 0.16825 0.26881 0.43126 -0.59107 0.45733 0.03854 0.3266 0.1129 0.0086 0.0001 0.0050 0.8234 Hurto Atraco 0.21689 -0.67793 0.26375 0.08986 -0.20330 -0.02528 0.2039 <.0001 0.1201 0.6022 0.2343 0.8837
206
Daño Bien ajeno -0.64319 0.45840 0.31574 0.33484 0.12637 -0.19853 <.0001 0.0049 0.0607 0.0459 0.4627 0.2458 Violencia Intrafam -0.65644 0.52467 0.32077 0.16304 0.00515 -0.14813 <.0001 0.0010 0.0565 0.3421 0.9762 0.3886 Suicidio -0.42754 -0.01772 -0.61888 0.15381 0.16309 0.31098 0.0093 0.9183 <.0001 0.3705 0.3419 0.0649 Estupefacientes -0.52012 0.17839 0.08660 -0.34761 -0.45596 0.51658 0.0011 0.2979 0.6155 0.0378 0.0052 0.0013 Porte Ilegal -0.38280 -0.46547 0.56283 -0.13746 0.21783 0.33054 0.0212 0.0042 0.0004 0.4240 0.2019 0.0490
Tabla 22. Comuna 19 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Acceso carnal V 0.68095 0.35450 -0.12098 0.19759 -0.05081 0.08567 -0.04973 <.0001 0.0339 0.4821 0.2480 0.7685 0.6193 0.7733 Moneda Falsa -0.42106 0.23882 -0.43157 -0.14464 0.16109 -0.39919 0.21842 0.0105 0.1607 0.0086 0.4000 0.3479 0.0159 0.2006 Hom. Arma Blanca 0.64832 0.22304 0.07146 0.11309 -0.16076 -0.20720 0.24778 <.0001 0.1910 0.6787 0.5114 0.3489 0.2253 0.1451 Hom. Otras Armas 0.63245 0.37496 0.04648 -0.12401 0.08348 -0.31556 -0.22640 <.0001 0.0242 0.7878 0.4711 0.6283 0.0608 0.1843 Hom. Acc. Trans -0.06289 0.40436 -0.45755 0.64466 -0.06284 -0.05438 -0.10019 0.7156 0.0144 0.0050 <.0001 0.7158 0.7528 0.5610 Les. Arma fuego 0.52373 0.43992 -0.19597 -0.29368 0.12242 0.08611 0.06372 0.0010 0.0073 0.2520 0.0821 0.4769 0.6175 0.7120 Les. Arma Blanca 0.41071 -0.04325 -0.06199 -0.31308 -0.52552 0.40504 0.30222 0.0128 0.8022 0.7195 0.0630 0.0010 0.0143 0.0732 Les. Acc. Tráns. -0.07408 0.38212 -0.47994 0.33137 0.05640 0.38563 -0.19251 0.6676 0.0215 0.0031 0.0484 0.7439 0.0202 0.2606 Hurto Atraco 0.04774 -0.33921 -0.27939 0.29296 0.41260 -0.21021 0.56478 0.7822 0.0430 0.0989 0.0829 0.0124 0.2185 0.0003 Hurto Callejero 0.54135 0.04380 0.26963 -0.08352 0.56884 0.30106 0.24765 0.0007 0.7997 0.1118 0.6282 0.0003 0.0744 0.1453 Hurto Banco 0.28106 0.49933 0.52568 -0.10406 0.18942 -0.26941 -0.24842 0.0968 0.0019 0.0010 0.5459 0.2685 0.1121 0.1440 Hurto Carro 0.05134 0.19212 0.43943 0.69086 -0.16872 -0.00972 0.20868 0.7662 0.2616 0.0073 <.0001 0.3253 0.9552 0.2219 Hurto Moto -0.08834 -0.13936 0.63195 0.54888 0.04286 -0.07869 -0.00291 0.6084 0.4176 <.0001 0.0005 0.8040 0.6482 0.9866 Terrorismo 0.25896 -0.52409 -0.02683 0.17737 0.47386 0.35305 -0.17383 0.1272 0.0010 0.8765 0.3007 0.0035 0.0347 0.3106 Daño Bien Ajeno -0.19131 -0.09843 0.56361 -0.09931 -0.44847 0.08472 0.05449 0.2637 0.5679 0.0003 0.5644 0.0061 0.6232 0.7523 Secuestro Extor. -0.32458 0.29514 0.42483 -0.38292 0.37524 0.03125 0.18993 0.0534 0.0805 0.0098 0.0212 0.0241 0.8564 0.2672 Suicidio -0.53363 0.58188 -0.04657 -0.28509 0.07895 0.13425 0.04098 0.0008 0.0002 0.7874 0.0919 0.6472 0.4350 0.8124 Estupefacientes 0.20575 -0.67810 -0.04024 -0.14630 0.17129 -0.17370 -0.33403 0.2286 <.0001 0.8158 0.3945 0.3179 0.3110 0.0465 Porte Ilegal -0.44821 0.42125 0.27288 0.17985 0.31781 0.26813 -0.07992 0.0061 0.0105 0.1074 0.2939 0.0589 0.1138 0.6431 Tabla 23. Comuna 20 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7 Secuestro Simple 0.08902 -0.43220 0.30096 0.59783 0.14040 -0.15912 0.15367 0.6056 0.0085 0.0745 0.0001 0.4141 0.3539 0.3709 Acceso Carnal V 0.32447 0.26826 0.57838 -0.18274 -0.23113 0.27516 0.19348 0.0535 0.1137 0.0002 0.2861 0.1750 0.1043 0.2582 Moneda Falsa -0.63325 0.22399 0.13849 -0.01388 0.51815 0.19892 0.20933 <.0001 0.1891 0.4205 0.9360 0.0012 0.2448 0.2205 Hom. Arma fuego -0.13304 -0.22339 0.28521 0.73722 -0.32144 -0.02489 -0.06569 0.4392 0.1903 0.0918 <.0001 0.0559 0.8855 0.7035 Hom. Arma Blanca 0.06572 -0.26755 0.35772 -0.12832 0.69111 -0.17827 -0.21814 0.7033 0.1147 0.0322 0.4558 <.0001 0.2982 0.2012 Hom. Otras armas 0.37873 0.66622 -0.10261 0.34215 0.08716 0.12407 0.07944 0.0227 <.0001 0.5515 0.0411 0.6132 0.4710 0.6451 Hom. Acc. Trans. 0.18045 -0.56554 0.15182 0.46425 0.06027 0.30152 0.19092 0.2923 0.0003 0.3768 0.0043 0.7269 0.0739 0.2647 Les. Arma Blanca 0.38716 0.31133 0.43248 0.18406 0.24259 -0.01118 -0.47930 0.0197 0.0646 0.0084 0.2826 0.1540 0.9484 0.0031 Les. Acc. Trans -0.46200 0.43559 0.44355 0.13407 -0.19194 -0.21831 -0.34183 0.0046 0.0079 0.0067 0.4356 0.2621 0.2008 0.0413 Hurto Robo 0.38405 -0.03362 0.58697 -0.09925 0.08649 -0.18850 0.27817 0.0208 0.8456 0.0002 0.5647 0.6160 0.2709 0.1004 Hurto Moto 0.30824 0.21089 -0.13746 0.23600 0.10164 0.61103 -0.36680 0.0674 0.2170 0.4240 0.1658 0.5553 <.0001 0.0278 Piratería -0.73680 0.25787 0.19110 0.09631 0.27074 0.26722 0.25899 <.0001 0.1289 0.2642 0.5763 0.1102 0.1151 0.1272 Violencia Intraf 0.30400 0.42919 -0.52183 0.37457 0.16132 -0.03024 0.27927 0.0715 0.0090 0.0011 0.0244 0.3473 0.8610 0.0990 Extorsión -0.75257 0.31289 0.15823 0.23397 -0.24259 -0.08078 0.00299 <.0001 0.0632 0.3567 0.1696 0.1540 0.6395 0.9862 Fuga Presos 0.35489 0.26922 0.57582 -0.27070 -0.18611 0.15328 0.25312
207
0.0337 0.1123 0.0002 0.1103 0.2771 0.3721 0.1364 Estupefacientes 0.31573 0.50342 -0.10218 0.23985 0.14354 -0.51860 0.15641 0.0607 0.0017 0.5532 0.1588 0.4036 0.0012 0.3623
Tabla 24. Comuna 21 36 observaciones(meses).
Pearson Correlation Coefficients, N = 36 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Hom. Arma Fuego 0.51559 -0.41785 -0.00176 -0.11032 0.43859 -0.08538 0.0013 0.0112 0.9919 0.5218 0.0075 0.6205 Hom. Arma Blanca 0.45381 0.07454 -0.04745 -0.48350 -0.32140 0.23683 0.0054 0.6657 0.7835 0.0028 0.0560 0.1643 Hom. Otras Armas -0.19072 0.30900 -0.21815 -0.19457 0.65169 0.33367 0.2652 0.0667 0.2012 0.2555 <.0001 0.0467 Lesiones Arma fuego 0.00759 0.78941 -0.12509 0.26052 0.12232 -0.19789 0.9650 <.0001 0.4673 0.1249 0.4773 0.2473 Lesiones Arma Blanc -0.52049 -0.05170 0.06766 0.10655 0.24533 -0.44414 0.0011 0.7646 0.6950 0.5362 0.1492 0.0067 Lesiones Otras Arma -0.40988 -0.05112 0.68752 0.04755 -0.15838 -0.17990 0.0130 0.7671 <.0001 0.7830 0.3562 0.2938 Lesions Acc. Trans -0.21383 0.17963 -0.47924 0.45110 -0.18544 0.35773 0.2105 0.2945 0.0031 0.0058 0.2789 0.0322 Hurto Atraco 0.12746 0.00279 0.63441 -0.36253 0.27052 0.36294 0.4588 0.9871 <.0001 0.0298 0.1105 0.0296 Hurto Carro 0.68754 0.06203 0.06233 0.42870 0.21062 0.19254 <.0001 0.7193 0.7180 0.0091 0.2176 0.2606 Hurto Moto 0.54483 -0.17360 -0.20845 -0.23080 -0.39425 -0.20200 0.0006 0.3113 0.2225 0.1756 0.0173 0.2374 Terrorismo 0.64614 0.45160 0.31146 0.32766 -0.05945 -0.06604 <.0001 0.0057 0.0644 0.0511 0.7305 0.7020 Daño Bien Ajeno 0.34247 0.55584 0.53395 0.00518 -0.06844 -0.08270 0.0409 0.0004 0.0008 0.9761 0.6917 0.6316 Suicidio -0.27492 -0.30568 0.33467 0.40105 -0.29051 0.47297 0.1046 0.0698 0.0460 0.0153 0.0856 0.0036 Estupefacientes 0.73612 -0.25403 -0.18725 0.15411 0.06661 -0.11245 <.0001 0.1349 0.2741 0.3695 0.6995 0.5138 Porte Ilegal 0.15815 -0.64821 0.20186 0.43727 0.21916 -0.07273 0.3569 <.0001 0.2378 0.0077 0.1991 0.6734
208
Anexo 6. Tabla 1. Muestra Total *
Pearson Correlation Coefficients, N = 936 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 Prin4 Prin5 X1 0.61770 0.27395 -0.21027 -0.02157 -0.21159 <.0001 <.0001 <.0001 0.5098 <.0001 X2 0.43114 -0.74335 0.04639 -0.06050 0.37639 <.0001 <.0001 0.1561 0.0643 <.0001 X3 0.08022 -0.04062 0.45734 0.84425 -0.19810 0.0141 0.2144 <.0001 <.0001 <.0001 X4 0.42557 0.38563 0.30557 -0.12434 -0.07852 <.0001 <.0001 <.0001 0.0001 0.0163 X5 0.03900 0.49593 0.26723 -0.05379 0.69448 0.2332 <.0001 <.0001 0.1000 <.0001 X6 0.32702 0.13844 -0.56000 0.13892 -0.19100 <.0001 <.0001 <.0001 <.0001 <.0001 X7 0.12825 -0.11009 0.52722 -0.49457 -0.46983 <.0001 0.0007 <.0001 <.0001 <.0001 X8 0.83772 -0.07172 0.05759 0.05335 0.13532 <.0001 0.0282 0.0782 0.1029 <.0001
Tabla 2. 21 observaciones: Solo las 21 Comunas.
Pearson Correlation Coefficients, N = 21 Prob > |r| under H0: Rho=0 Prin1 Prin2 Prin3 A_FCONSALVOCONDUCTO 0.74464 -0.12538 -0.31722 0.0001 0.5881 0.1612 A_FSINSALVOCONDUCTO 0.18287 0.73203 0.56070 0.4275 0.0002 0.0082 MARIHUANA_Grs_ 0.60871 0.43353 -0.00574 0.0034 0.0496 0.9803 BAZUCO_Gramos_ 0.73241 -0.46512 0.41430 0.0002 0.0336 0.0619 COCAINA_Gramos_ 0.29517 -0.71148 0.58043 0.1940 0.0003 0.0058 BASESDECOCA_Gramos_ 0.86810 0.25989 -0.13472 <.0001 0.2552 0.5604 Capturas 0.95518 0.15940 0.00346 <.0001 0.4901 0.9881
* El número que se encuentra por debajo de la correlación del componente principal con la variable respectiva es el p-value, mide si la correlación es significativamente diferente de cero.
209
ANEXO 7
TABLA 1 HOMICIDIO ARMA FUEGO COLINEALIDAD Variance Variable DF Tolerance Inflation Cobertura_aseo 1 0.55717 1.79480 Estac_polic_a 1 0.46211 2.16398 A_FSINSALVOCONDUCTO 1 0.80164 1.24744 BAZUCO_Gramos_ 1 0.81693 1.22410 Condition Cobertura_ Estación BAZUCO
Num Eigenvalue Index aseo policía A_FSINSALVOCONDUCTO Gramos_
1 1.82934 1.00000 0.11430 0.11142 0.00356 0.07838
2 1.15379 1.25916 0.00067973 0.01858 0.50781 0.15671
3 0.74470 1.56732 0.22521 0.00011907 0.16133 0.60218
4 0.27217 2.59253 0.65982 0.86988 0.32730 0.16273
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 7.36 0.6908
No rechazo hipótesis nula de homoscedasticidad ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 0.8018 0.3838 3 1.0023 0.3903 4 0.7267 0.5528
Al no rechazo hipótesis nula, parece que el modelo está bien especificado. AUTOCORRELACIÓN
Durbin-Watson = 1.9421
K=4 Du=1.81 No se puede rechazar Ho.
210
TABLA 2.1 HOMICIDIO ARMA BLANCA COLINEALIDAD
Variance
Variable DF Pr > |t| Tolerance Inflation VIOLENCIAINTRAFAMILIAR 1 0.1434 0.62570 1.59822 COCAINA_Gramos_ 1 <.0001 0.76066 1.31465 Cobertura_aseo 1 <.0001 0.68596 1.45781 Inversi_n_Presupuesto_final 1 0.0031 0.72363 1.3819 Collinearity Diagnostics Condition Number Eigenvalue Index 1 1.54705 1.00000 2 1.29939 1.09114 3 0.83499 1.36117 4 0.31857 2.20368 Collinearity Diagnostics ------------------------Proportion of Variation----------------------- Inversi_n_ COCAINA_ Cobertura_ Presupuesto_ Number VIOLENCIAINTRAFAMILIAR Gramos_ aseo 1 0.12572 0.12533 0.03322 0.16808 2 0.13162 0.08687 0.28893 0.01725 3 0.04568 0.39295 0.08363 0.35176 4 0.69698 0.39486 0.59422 0.46291
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 10.23 0.4205
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 1.1728 0.2949 3 2.1286 0.1535 4 1.8369 0.1868
AUTOCORRELACIÓN
Godfrey's Serial Correlation Test Alternative LM Pr > LM AR(1) 0.0292 0.8643
211
TABLA 2.2 HOMICIDIO ARMA BLANCA
Analysis of Variance Sum of Mean
Source DF Squares Square F Value Pr > F Model 3 17.95417 5.98472 52.66 <.0001 Error 18 2.04583 0.11366 Uncorrected Total 21 20.00000
Root MSE 0.33713 R-Square 0.8977 Dependent Mean 4.44089E-16 Adj R-Sq 0.8807 Coeff Var 7.591508E16
Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| COCAINA_Gramos_ 1 0.63165 0.08023 7.87 <.0001 Cobertura_aseo 1 0.50646 0.08122 6.24 <.0001 Inversi_n_Presupuesto_final 1 0.36043 0.07666 4.70 0.0002
COLINEALIDAD
Variance Variable DF Pr > |t| Tolerance Inflation COCAINA_Gramos_ 1 <.0001 0.88285 1.13270 Cobertura_aseo 1 <.0001 0.86147 1.16081 Inversi_n_Presupuesto_final 1 0.0002 0.96712 1.0340
Collinearity Diagnostics -----------Proportion of Variation---------- Condition COCAINA_ Cobertura_ Inversion_ Number Eigenvalue Index Gramos_ aseo Presupuesto_F 1 1.42638 1.00000 0.23830 0.26982 0.11407 2 0.92797 1.23980 0.18116 0.01827 0.82322 3 0.64566 1.48633 0.58054 0.71191 0.06271
HETEROSCEDASTICIDAD
Test of First and Second
Moment Specification DF Chi-Square Pr > ChiSq
6 7.14 0.3084 ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 1.6691 0.2137 3 4.7548 0.0240 4 3.2403 0.0520
NO ESTA BIEN ESPECIFICADO ¡!!!
212
TABLA 3 HOMICIDIO OTRAS ARMAS COLINEALIDAD
Variance Variable DF Tolerance Inflation TERRORISMO 1 0.98863 1.01150 ESTUPEFACIENTES 1 0.69623 1.43630 Establec_secund 1 0.84324 1.18590 L_neas_telef_nicas 1 0.64445 1.55171 Collinearity Diagnostics -----------------Proportion of Variation----------------- Condition Establec_ L_neas_ Number Eigenvalue Index TERRORISMO ESTUPEFACIENTES secund telef_nicas 1 1.82938 1.00000 0.00946 0.13258 0.11123 0.13839 2 0.99812 1.35382 0.92650 0.00151 0.04999 0.00212 3 0.73219 1.58066 0.06294 0.24296 0.75561 0.03677 4 0.44031 2.03832 0.00110 0.62295 0.08318 0.8227
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 8.34 0.5957
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 1.1419 0.3011 3 2.9645 0.0822 4 2.0067 0.1594
AUTOCORRELACIÓN
Durbin-Watson = 1.8368 k=4
du = 1.81 No se puede rechazar Ho.
213
TABLA 4.1 LESIONES ARMA FUEGO COLINEALIDAD
Variance Variable DF Tolerance Inflation A_FSINSALVOCONDUCTO 1 0.90917 1.09990 Establec_secund 1 0.90415 1.10602 Viviendas 1 0.91492 1.09300 COCAINA_Gramos_ 1 0.96304 1.03838 Collinearity Diagnostics ------------------Proportion of Variation----------------- Condition Establec_ COCAINA_ Number Eigenvalue Index A_FSINSALVOCONDUCTO secund Viviendas Gramos_ 1 1.43513 1.00000 0.20080 0.20745 0.21684 0.00914 2 1.09657 1.14401 0.10624 0.09926 0.02529 0.63335 3 0.76336 1.37114 0.27398 0.15156 0.71442 0.05795 4 0.70494 1.42682 0.41898 0.54174 0.04344 0.29956
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 5.01 0.8902
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 0.0044 0.9477 3 0.8337 0.4536 4 0.5233 0.6733
AUTOCORRELACIÓN
Durbin-Watson = 1.9993
k=4 du = 1.81 No se puede rechazar Ho.
214
TABLA 4.2 LESIONES ARMA FUEGO
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 12.90318 3.22579 7.73 0.0010 Error 17 7.09682 0.41746 Uncorrected Total 21 20.00000
Root MSE 0.64611 R-Square 0.6452 Dependent Mean 0 Adj R-Sq 0.5617 Coeff Var .
Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| A_FSINSALVOCONDUCTO 1 0.43775 0.14935 2.93 0.0093 Matr_cula_secund 1 0.47236 0.15384 3.07 0.0069 Viviendas 1 -0.40468 0.15178 -2.67 0.0163 COCAINA_Gramos_ 1 0.33026 0.15091 2.19 0.0429
COLINEALIDAD
Variance Variable DF Tolerance Inflation A_FSINSALVOCONDUCTO 1 0.93582 1.06858 Matr_cula_secund 1 0.88198 1.13381 Viviendas 1 0.90606 1.10368 COCAINA_Gramos_ 1 0.91651 1.09110 Collinearity Diagnostics ------------------Proportion of Variation----------------- Condition Matr_cula_ COCAINA_ Number Eigenvalue Index A_FSINSALVOCONDUCTO secund Viviendas Gramos_ 1 1.48380 1.00000 0.14424 0.19922 0.14278 0.12496 2 1.00155 1.21717 0.01630 0.00823 0.39872 0.48725 3 0.89021 1.29104 0.68207 0.31318 0.03221 0.00352 4 0.62444 1.54150 0.15739 0.47937 0.42628 0.38427
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 8.41 0.5891
ESPECIFICACIÓN RAMSEV RESET TEST
Ramsey's RESET Test Power RESET Pr > F
2 0.0009 0.9762 3 0.0267 0.9737 4 0.2734 0.8436
AUTOCORRELACIÓN
Godfrey's Serial Correlation Test Alternative LM Pr > LM AR(1) 0.8328 0.3615
215
TABLA 5 LESIONES ARMA BLANCA COLINEALIDAD
Variance Variable DF Tolerance Inflation ESTUPEFACIENTES 1 0.42638 2.34533 Matr_cula_secund 1 0.41379 2.41667 Estac_polic_a 1 0.27101 3.68984 Cobertura_energ_a 1 0.27133 3.68555 Puestos_salud 1 0.81154 1.23222 VIOLENCIAINTRAFAMILIAR 1 0.66821 1.49654 Collinearity Diagnostics -----------------Proportion of Variation----------------- Condition Matr_cula_ Estac_ Cobertura_ Number Eigenvalue Index ESTUPEFACIENTES secund polic_a energ_a 1 3.25355 1.00000 0.02862 0.02514 0.01934 0.01892 2 1.14389 1.68650 0.00389 0.02618 0.00111 0.00033148 3 0.67696 2.19229 0.00492 0.01989 0.04902 0.09118 4 0.42881 2.75451 0.13429 0.36154 0.13622 0.01073 5 0.35514 3.02676 0.70536 0.24920 0.01261 0.08702 6 0.14165 4.79257 0.12293 0.31805 0.78170 0.7918
HETEROSCEDASTICIDAD
Test of First and Second
Moment Specification DF Chi-Square Pr > ChiSq
6 6.24 0.3969
ESPECIFICACIÓN
Ramsey's RESET Test
Power RESET Pr > F 2 4.7663 0.0465 3 2.6157 0.1110 4 3.1167 0.0664
AUTOCORRELACIÓN
Godfrey's Serial Correlation Test Alternative LM Pr > LM AR(1) 0.0963 0.7564.
216
TABLA 6 LESIONES OTRAS ARMAS COLINEALIDAD
Condition Number Eigenvalue Index 1 1.70255 1.00000 2 1.20536 1.18848 3 1.07733 1.25712 4 0.79670 1.46185 5 0.21806 2.79426 Collinearity Diagnostics -----------------------------Proportion of Variation----------------------------- _STABLEC_ _STABLEC_ Number ESTUPE F. PRIM_ SECUND_ E1 E5 1 0.06207 0.07255 0.11591 0.08010 0.00151 2 0.00123 0.09295 0.01537 0.08276 0.35203 3 0.32370 0.12803 0.02192 0.08664 0.08095 4 0.35237 0.00000874 0.01268 0.52158 0.08629 5 0.26063 0.70646 0.83411 0.22893 0.47923
HETEROSCEDASTICIDAD
Test of First and Second
Moment Specification DF Chi-Square Pr > ChiSq
14 18.13 0.2010 ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 4.2543 0.0569 3 2.1589 0.1523 4 1.3372 0.3051
AUTOCORRELACIÓN
Durbin-Watson = 1.5042 Pr < DW 0.1498 Pr > DW 0.8502
No se puede rechazar Ho.
217
TABLA 7 HURTO ROBO COLINEALIDAD
Variance Variable DF Tolerance Inflation ESTUPEFACIENTES 1 0.57907 1.72692 Matricula_secund 1 0.57407 1.74196 E3 1 0.86214 1.15990 E5 1 0.94597 1.05712 Collinearity Diagnostics Condition -------------------Proportion of Variation------------------ Number Eigenvalue Index ESTUPEFAC. _COL59 E3 E5 1 1.87448 1.00000 0.11856 0.11894 0.10102 0.00415 2 1.03066 1.34860 0.01311 0.01221 0.03035 0.84299 3 0.74208 1.58934 0.09501 0.08225 0.86070 0.03963 4 0.35278 2.30508 0.77333 0.78660 0.00793 0.11323
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 9 11.19 0.2628
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 2.8936 0.1083 3 1.4477 0.2661 4 1.5015 0.2574
AUTOCORRELACIÓN
Durbin-Watson 1.8610
Pr < DW 0.4082 Pr > DW 0.5918
218
TABLA 8 HURTO ATRACO COLINEALIDAD
Variance Variable DF Tolerance Inflation ESTUPEFACIENTES 1 0.57907 1.72692 Matrícula_secund 1 0.57407 1.74196 E2 1 0.86214 1.15990 E5 1 0.94597 1.05712 Collinearity Diagnostics Condition -------------------Proportion of Variation------------------ Number Eigenvalue Index ESTUPEFAc. _COL59 E3 E5 1 1.87448 1.00000 0.11856 0.11894 0.10102 0.00415 2 1.03066 1.34860 0.01311 0.01221 0.03035 0.84299 3 0.74208 1.58934 0.09501 0.08225 0.86070 0.03963 4 0.35278 2.30508 0.77333 0.78660 0.00793 0.11323
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 9 9.17 0.4217
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 1.9354 0.1832 3 1.1117 0.3546 4 1.3060 0.3116
AUTOCORRELACION
Durbin-Watson 1.4533 Pr < DW 0.1089 Pr > DW 0.8911
219
TABLA 9 HURTO CALLEJERO COLINEALIDAD
Variance Variable DF Tolerance Inflation ESTUPEFACIENTES 1 0.87844 1.13838 A_FSINSALVOCONDUCTO 1 0.91721 1.09027 Establec_secund 1 0.62263 1.60609 Establecimientos_prim 1 0.70609 1.41625
Collinearity Diagnostics Number Eigenvalue Condition Index 1 1.57937 1.00000 2 1.03910 1.23286 3 1.00575 1.25313 4 0.37577 2.05012 --------------------------Proportion of Variation------------------------- Establec_ Establecimientos_ Number ESTUPE. A_FSINSALV. secund prim 1 0.05700 0.01793 0.20326 0.15695 2 0.15535 0.70581 0.00249 0.00848 3 0.52545 0.08201 0.00089586 0.21555 4 0.26220 0.19425 0.79336 0.61903
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 10 8.26 0.6038
ESPECIFICACIÓN
Ramsey's RESET Test
Power RESET Pr > F 2 1.4842 0.2408 3 0.6964 0.5138 4 0.6712 0.5837
AUTOCORRELACIÓN
Durbin-Watson = 1.9448 k=4
Du = 1.81 No se puede rechazar Ho.
220
TABLA 10.1 HURTO CARROS
Model: SOLOE5E3E2
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 3 15.86123 5.28708 21.72 <.0001 Error 17 4.13877 0.24346 Corrected Total 20 20.00000 Root MSE 0.49341 R-Square 0.7931 Dependent Mean -1.0574E-16 Adj R-Sq 0.7565 Coeff Var -4.66649E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 -0.84914 0.24671 -3.44 0.0031 E2 1 0.04782 0.17445 0.27 0.7873 E3 1 0.30833 0.09730 3.17 0.0056 E5 1 0.54663 0.07537 7.25 <.0001
Model: SOLOE5E3E1
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 3 15.86123 5.28708 21.72 <.0001 Error 17 4.13877 0.24346 Corrected Total 20 20.00000 Root MSE 0.49341 R-Square 0.7931 Dependent Mean -1.0574E-16 Adj R-Sq 0.7565 Coeff Var -4.66649E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Intercept 1 -0.75349 0.24671 -3.05 0.0072 E1 1 -0.09564 0.34890 -0.27 0.7873 E3 1 0.27645 0.09730 2.84 0.0113 E5 1 0.52750 0.07537 7.00 <.0001
221
TABLA 10.2 HURTO CARROS COLINEALIDAD
Parameter Estimates Variance Variable DF Tolerance Inflation A_FSINSALVOCONDUCTO 1 0.87678 1.14053 Estac_polic_a 1 0.93595 1.06843 E5 1 0.93187 1.07312
Collinearity Diagnostics -------------Proportion of Variation------------- Condition Estac_ Number Eigenvalue Index A_FSINSALVOC polic_a E5 1 1.40129 1.00000 0.28196 0.17952 0.18660 2 0.92790 1.22889 0.00004201 0.52126 0.48524 3 0.67080 1.44533 0.71800 0.29923 0.32816
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 6 11.55 0.0727
ESPECIFICACIÓN
Ramsey's RESET Test
Power RESET Pr > F 2 2.2225 0.1543 3 1.0552 0.3711 4 0.6654 0.5862
AUTOCORRELACIÓN
Durbin-Watson = 1.7211 Pr < DW 0.2664 Pr > DW 0.7336
222
TABLA 11.1 HURTO MOTOS
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 13.56426 3.39107 8.96 0.0004 Error 17 6.43574 0.37857 Uncorrected Total 21 20.00000 Root MSE 0.61528 R-Square 0.6782 Dependent Mean 2.48478E-16 Adj R-Sq 0.6025 Coeff Var 2.476202E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| E1 1 -0.59332 0.31433 -1.89 0.0763 E5 1 0.20502 0.07285 2.81 0.0119 Cobertura_energ_a 1 0.42292 0.17516 2.41 0.0273 ESTUPEFACIENTES 1 0.40288 0.17538 2.30 0.0346
COLINEALIDAD
Collinearity Diagnostics -----------------Proportion of Variation----------------- Condition Cobertura_ Number Eigenvalue Index E1 E5 energ_a ESTUPEFACIENTES 1 1.71194 1.00000 0.00952 0.06763 0.15478 0.15520 2 1.02576 1.29188 0.79009 0.10588 0.01224 0.01162 3 0.88534 1.39056 0.10937 0.81658 0.04998 0.04660 4 0.37695 2.13109 0.09102 0.00992 0.78300 0.7865
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 9 9.80 0.3668
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 5.2118 0.0364 3 2.4802 0.1173 4 2.4004 0.1114
NO ESTA BIEN ESPECIFICADO ¡!!!
223
TABLA 11.2 HURTO MOTOS COLINEALIDAD
Collinearity Diagnostics -----------------Proportion of Variation----------------- Condition Estac_ Cobertura_ Number Eigenvalue Index E5 polic_a energ_a ESTUPEFACIENTES 1 2.43050 1.00000 0.01187 0.03980 0.04409 0.06373 2 0.96800 1.58457 0.89118 0.01306 0.00018000 0.00252 3 0.43203 2.37188 0.00028254 0.04444 0.17940 0.86092 4 0.16947 3.78701 0.09667 0.90270 0.77633 0.0728
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 9 7.13 0.6232
ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 0.7279 0.4061 3 1.3704 0.2841 4 1.1666 0.3575
AUTOCORRELACIÓN
Durbin-Watson = 1.7800 Pr < DW 0.3651 Pr > DW 0.6349
224
TABLA 12.1 VIOLENCIA INTRAFAMILIAR COLINEALIDAD
Variance Variable DF Tolerance Inflation ESTUPEFACIENTES 1 0.79345 1.26032 Establec_secund 1 0.43148 2.31763 Establecimientos_prim 1 0.52755 1.89556 E1 1 0.79492 1.25798 E5 1 0.68734 1.45489 Collinearity Diagnostics Condition Number Eigenvalue Index 1 1.70255 1.00000 2 1.20536 1.18848 3 1.07733 1.25712 4 0.79670 1.46185
5 0.21806 2.79426
HETEROSCEDASTICIDAD
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq 13 11.58 0.5623
ESPECIFICACIÓN
Ramsey's RESET Test
Power RESET Pr > F 2 1.8839 0.1901 3 1.1288 0.3512 4 0.6991 0.5691
AUTOCORRELACIÓN
Durbin-Watson = 1.8645 Pr < DW 0.4255 Pr > DW 0.5745
225
TABLA 12.2 VIOLENCIA INTRAFAMILIAR
Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 4 13.45848 3.36462 8.74 0.0005 Error 17 6.54152 0.38480 Uncorrected Total 21 20.00000 Root MSE 0.62032 R-Square 0.6729 Dependent Mean -2.1147E-16 Adj R-Sq 0.5960 Coeff Var -2.93335E17 Parameter Estimates Parameter Standard Variable DF Estimate Error t Value Pr > |t| Establecimientos_prim 1 -0.79321 0.18208 -4.36 0.0004 Establec_secund 1 0.93383 0.19324 4.83 0.0002 E5 1 -0.38502 0.08139 -4.73 0.0002 E1 1 1.16499 0.34755 3.35 0.0038
COLINEALIDAD
Variance Variable DF Tolerance Inflation Establecimientos_prim 1 0.58033 1.72316 Establec_secund 1 0.51523 1.94089 E5 1 0.77446 1.29122 E1 1 0.79643 1.25561
Collinearity Diagnostics -----------------Proportion of Variation---------------- Condition Establec_ Establec_ Number Eigenvalue Index prim secund E5 E1 1 1.60259 1.00000 0.11921 0.16239 2.910187E-7 0.08235 2 1.20490 1.15328 0.11574 0.01534 0.38249 0.08510 3 0.92003 1.31981 0.06389 0.01924 0.22445 0.51743 4 0.27248 2.42519 0.70116 0.80304 0.39307 0.31512
HETEROSCEDASTICIDAD
Test of First and Second
Moment Specification DF Chi-Square Pr > ChiSq
9 7.53 0.5820 ESPECIFICACIÓN
Ramsey's RESET Test Power RESET Pr > F
2 4.9606 0.0406 3 2.3385 0.1306 4 1.4602 0.2680
NO ESTA BIEN ESPECIFICADO ¡!!!