COMPORTAMIENTO DE LA CRIMINALIDAD EN MUNICIPIOS

REPRESENTATIVOS DE COLOMBIA SEGN EL ENTORNO

MACROECONMICO.
Jos Fernando Daz Castao
Juan Sebastin Strazzeri
Economa, Facultad de ciencias sociales y econmicas, Universidad del Valle
Cali, Colombia

Resumen
La problemtica de la violencia en Colombia
El presente documento busca establecer si las variables sociodemogrficas
afectan y en qu proporcin la criminalidad para una muestra de municipios
representativos de Colombia para el ao 2005, a travs del mtodo MCO
enfocado en un anlisis macroeconmico.
This paper seeks to establish whether the sociodemographic variables affect
and how much crime for a representative sample of municipalities in Colombia
for 2005, through OLS focused on a macroeconomic analysis.
1. Introduccin
Colombia, nuestro pas objeto de
estudio, en lo recorrido del siglo XX
vivencia una serie de eventos y
situaciones que explican la realidad
nacional actual. La insercin del
sistema capitalista a travs del caf,
sucesos como la fragmentacin del
frente nacional (que en parte explica
el
nacimiento
de
guerrillas
revolucionarias), la introduccin de
flagelos como el narcotrfico y sus
respectivos carteles, sumado a la
apertura economa a comienzo de la
dcada de los 90s, son una parte
de los ingredientes que produciran
a comienzos del siglo XXI que casi
declararan a Colombia un estado
fallido. En un artculo elaborado por
investigadores de la subgerencia de

estudios econmicos del Banco de

la Republica, Montenegro y Posada
(1994) afirman que Colombia tiene
una alta tasa de criminalidad, que
no se puede asociar solamente a la
guerra del pas y la violencia
poltica.
Plantearon
distintas
hiptesis como: 1) violencia es un
fenmeno donde no debe intervenir
la religin 2) la pobreza es la mayor
causa 3) El Estado no debe
intervenir en los conflictos para el
periodo de los aos 70 y 80.
Queremos estimar la criminalidad
tomando como base la tasa de
homicidios en los municipios de
toda Colombia, hay muchos trabajos
que apuntan a trabajar datos de
panel pero la escasez de datos, por
ser la criminalidad una variable mas

que todo relacionada con el

comportamiento,
no
permite
hacerlo, as que trabajamos datos
de corte transversal para el ao
2005 donde se realiz el censo
poblacional.
Nuestra hiptesis es que variables
sociodemogrficas relacionadas con
el entorno tambin pueden afectar
la criminalidad, no solamente
aquellas relacionadas con la justicia
y la defensa, por ejemplo las penas
carcelarias o el nmero de policas.
Utilizaremos
una
funcin
criminalidad que es la tasa
homicidios, ella est en funcin
variables sobre la educacin,
pobreza y la demografa.
F
=
(educacin,
demografa)

de
de
de
la

pobreza,

2. Revisin Bibliogrfica
Nuestro
artculo
base
en
consideracin ser la tesis de grado
Caracterizacin y determinantes de
la criminalidad en Santiago de Cali
2000-2010 elaborada por el
estudiante Esteban Delgado y
dirigida por Javier Castro Heredia.
Para el desarrollo de nuestro tema
no tomamos en consideracin la
visin microeconmica desarrollada
por Gary Becker la cual se
caracteriza por definir que los
individuos son racionales a la hora
de escoger la eleccin ptima entre
delinquir, haciendo un anlisis costo
beneficio entre la posibilidad de
cometer el crimen y castigo,
asimismo calcular la probabilidad de
ser atrapado o no, pero toma la
eleccin bajo incertidumbre siempre

y cuando valga la pena hacerlo si el

castigo no es muy alto. Sin aplicar la
teora de Becker, hay otro enfoque
terico que es el que usaremos,
donde se dice que variables
macroeconmicas
del
entorno
tienen influencia sobre la tasa de
criminalidad y adems se calcula el
efecto disuasin que es la
posibilidad de que el criminal
cometa o no el crimen segn la
situacin. Por falta de datos este
efecto no ser calculado.
Delgado (2012) afirma que los
resultados o conclusiones que
podemos sacar cuando no se tiene
en cuenta variables como el nmero
de policas o la pena de cometer un
delito no son tan alejados a los
obtenidos sin el uso de estas
variables de disuasin.
Por ello evidenciaremos el anlisis
macroeconmico que se realiz en
su estudio, en el cual para
comenzar describe que el modelo
general de los determinantes de la
delincuencia viene dado por:
Delitos= f (caractersticas
socioeconmicas)
No obstante en nuestro artculo de
referencia la aplicacin del modelo
de corte transversal es realizada
como ejercicio adicional para
observar la implicacin de variables
que no aparecen en los modelos de
datos panel por la inexistencia de
informacin
que previamente
desarrolla en captulos anteriores.
Con los resultados obtenidos
corrobora las estimaciones de los
modelos anteriores que apunta al

entorno social como el determinante

de la criminalidad en Cali.
Para finalizar el autor afirma que,
efectivamente, en trminos
de
criminalidad interactan diversos
factores, en el que el presente
estudio se enfoca en observar como
determinante fundamental
del
aumento de los homicidios el
entorno social, concluyendo que el
nmero de bibliotecas, la cobertura
de gas y avalo promedio de los
predios resultan ser significativas
con coeficientes negativo dando a
entender que en los lugares donde
los recursos relativos son inferiores
al igual que la cobertura de
servicios, la probabilidad de ser
delincuente es mayor.

3. Metodologa
Segn Rodrguez (2003) la teora
del crimen comenz con el trabajo
de Gary Becker (1968), Ehrlich
(1973) hizo una estimacin de la
criminalidad con datos de Estados
Unidos y los ltimos trabajos sobre
la criminalidad ha sido tomando
variables de disuasin, sociales,
econmicas y demogrficas.
Trabajamos:
Tasa Homicidios= f (Poblacin total
y Poblacin vulnerable, nivel
educativo y educacin en pleno
proceso de formacin, ndice de
calidad de vida como un indicador
de pobreza).

Ahora con relacin a las variables

de coeficiente positivo, la variable
de
hacinamiento
y
densidad
poblacional estn ligadas con el
aumento de la fuerza delictiva en la
poblacin joven, donde se evidencia
que ciertas caractersticas de
marginalidad se concentran en
ciertos sectores particulares, puesto
que las variables de coeficiente
positivo, como las ya nombradas y
otras como la tasa de poblacin
analfabeta y la proporcin
de
poblacin afro, son ms comunes
en las comunas del orientes de Cali,
especialmente en el llamado distrito
de Aguablanca.

Metodologa emprica trabajada

extraer los datos de los municipios
de Colombia del SIGOT (sistema
informacin geogrfica para el
ordenamiento territorial). Solamente
se trabajaron datos para el ao
2005. Se extrajeron otras variables
como el total de viviendas,
cobertura de la educacin y el
ndice de necesidades satisfechas,
fueron omitidas por que algunas
generaban
problemas
en
la
regresin,
sus
signos
eran
contrarios y afectaba a las dems
variables
hacindolas
no
significativas para el modelo.
Antes de correr el modelo de
regresin simultaneo en eviews, se
hace un anlisis exploratorio de
datos. Por el proceso de valores

propios se verifico el grado de

multicolinealidad de las variables del
modelo economtrico para saber su
grado.
Acto seguido se corre la regresin
se mira los signos de los
coeficientes si concuerdan con lo
que se quiere explicar, se mira la
distribucin de los residuales. Por el
test de Jarque-Bera con hiptesis
de normalidad en los residuales. Si
se cumpla esta condicin ya se
poda hacer inferencia estadstica
sobre las pruebas F y t

4. ANLISIS EMPRICO
4.1 Descripcin de los datos
Se trabajaron un total de 711
observaciones de corte transversal
para el ao 2005, que corresponden
a municipios representativos de
cada departamento. Se omitieron
algunos debido a la falta de datos
en la variable dependiente tasa de
homicidios. Lo mismo ocurri para
algunas variables explicativas, por
ejemplo la poblacin total por
municipio se encontraba datos de 0
habitantes, como es difcil suponer
una tasa de criminal en pueblos
fantasmas, se buscaron los que
tenan informacin en todas las
variables del modelo.
Aunque la muestra no representa al
total de la poblacin colombiana, un
dato interesante es la media de la
variable total de la poblacin por
municipio con un valor de 54749 de
personas por municipio. Cuando se
observa los datos se puede dar
cuenta que es un valor engaoso ya

Despus que se comprueba la

normalidad, se verifica si realmente
hay heterocedasticidad por el test
de White evaluando el P-Valor y
como hiptesis de la existencia de
homocedasticidad,
al
haber
heterocedasticidad se procede al
uso de correccin por errores
robustos de White, y del test de
salida se hace todo el proceso de
interpretacin. Sabiendo que los
estimadores
ya
son
mejores
estimadores lineales insesgados y
con varianza mnima.

que algunos municipios no se

acercan y adems se observan
municipios con menos de 10000
habitantes los cuales pueden perder
hasta su categora municipal y
pasar a ser corregimientos. Al final
son las ciudades principales las que
elevan el promedio lo que implicara
que ha habido un desplazamiento
de la poblacin.
El segundo dato interesante es la
tasa promedio de homicidios por
cada 100000 habitantes que es
53,74.
Pero
sucede
una
contradiccin, se esperaba que los
municipios
menos
poblados
presentaran un impacto mayor de
los homicidios e incluso tasas por
encima de 100. Sin embargo,
cuando se observan los datos hay
lugares que superan el promedio
poblacional y tienen una tasa baja,
pero incluso hay municipios con
ms habitantes que en el anterior
caso y la tasa de homicidios supera
la media. Con esto ya se puede
inferir que la criminalidad depende
del entorno. Adems que cuando se

busca mirar por qu la persona

cometi un delito hay que tener en
cuenta que los homicidios pueden
ser de muchos tipos y las
racionalidades
pueden
ser
diferentes.
600

Tasa Homicidios

500
400
300
200
100
0
0 1,000,000

3,000,000

5,000,000

7,000,000

Poblacin Total

Se puede observar que no hay una

relacin entre la poblacin total y la
tasa de homicidios, pero se observa
que hay una concentracin de los
datos alrededor de las medias, las
tendencias no son claras, ya que,
como decamos anteriormente que
hay municipios con una tasa alta y
una poblacin baja, o viceversa.
Suponemos que la criminalidad
depende del entorno.
Esto puede ir en contra de la
hiptesis de Becker donde el
individuo racional compara el costo
beneficio entre el castigo y el
crimen,
para
nuestro
caso
suponemos que pueden haber
distintos entornos e individuos, por
ejemplo una persona que esta
acostumbrada a asesinar que ya es
insensible al precio de cometer un
crimen y no tendra en cuenta la
racionalidad de Becker.
4.2 Modelo Economtrico
LOG(TH) = C(1) + C(2)*LOG(POB)
+
C(3)*LOG(TASIS)
+

C(4)*LOG(NIEDU) + C(5)*LOG(ICV)
+ C(6)*LOG(DESFOR)
Es un modelo de regresin mltiple
que relaciona la tasa de homicidios
(TH) como una variable que hace
referencia a la criminalidad. En sus
variables explicativas esta la
poblacin (POB)
como variable
demogrfica, la tasa de asistencia
escolar de nios entre 3 y 17 aos
(TASIS), el nivel educativo y
profesional (NIEDU) como variables
que quieren explicar la criminalidad
por el lado de la educacin.
Continuamos con el ndice de
condiciones de vida (ICV), que sera
una percepcin que tienen las
personas si estn en condiciones de
pobreza. Por ltimo como otra
variable demogrfica el nmero de
personas forzadas a desplazarse
por la violencia y son recibidas en
los municipios (DESFOR). Se
trabaj en log-log para observar la
sensibilidad
que
tienen
las
variaciones porcentuales en las
variables explicativas, como un
cambio porcentual en la tasa de
crecimiento.
4.21 Presentacin detalla de las
variables.
Variable explicada
TH se calcula como:
NHomicidios
( Poblacintotal
)100000 habitantes
Variables explicativas
POB: total de habitantes por
municipio tanto en las zonas rurales
como urbanas. El efecto esperado
es que C2 sea negativa una
reduccin en el nmero de

habitantes, mayor ser el impacto

de los homicidios en la poblacin.

da incentivos para aumentar la

criminalidad por parte de los pobres.

NIEDU es el porcentaje de la
poblacin con alguno que tiene los
siguientes
niveles
educativos:
Normalista, Tcnica profesional,
Tecnolgica,
Profesional,
Especializacin y Doctorado. El
efecto esperado para C4 es que sea
negativo que a un mayor nivel
educativo de la poblacin la tasa de
criminalidad debe caer.

DESFOR es el nmero de personas

recibidas
por
desplazamiento
forzoso. El efecto esperado en C6
es que sea positivo las personas en
condicin de desplazados son
personas con recursos econmicos
escasos y sin oportunidades, por lo
tanto una opcin puede ser delinquir
como efecto de esto un aumento en
la tasa de homicidios.

TASIS se calcula como:

C1 ser la tasa de homicidios

constante, al tener las dems
variables constantes transformando
el
log
(TH)
elevndolo
exponencialmente.

(Poblacin de nios de 3 a 17 aos

que asiste a un plantel educativo /
(Poblacin total nios de 3 a 17
aos - Poblacin de nios de 3 a 17
aos que no informa asistencia))
X100.
El efecto esperado en C3 es
negativo, entre mayor sea el
numero de nios que asistan a un
plantel
educativo,
estn
considerando un mejor futuro y el
costo de oportunidad entre delinquir
o estudiar, por ello caera la tasa de
homicidios.
ICV este ndice cuantifica y
caracteriza las condiciones de vida
de los pobres y los no pobres. Por lo
tanto tiene en cuenta el fenmeno
de la pobreza incluyendo variables
relacionadas con la vivienda,
tenencia de bienes, los servicios
pblicos y el nmero de miembros
del hogar. El efecto esperado en C5
es que sea positivo entre mejores
condiciones de vida de los no
pobres y peores de los pobres,
aumenta la brecha de pobreza que

4.3 Resultados
Antes de presentar la salida de
Eviews comprobamos si nuestras
variables
explicativas
estaban
relacionadas. Observamos si haba
multicolinealidad por el mtodo de
valores propios. Ver anexos
mayorVpropio 3,132720
=
=400,6
menorVpropio 0,007820
INDICE CONDI CION = 400,6=20,01
Tenemos en este caso una
multicolinealidad moderada, esto
puede suceder porque el ndice de
condicin de vida es calculado a
partir de otros indicadores que
reflejen pobreza, como la educacin
o
la
condicin
demogrfica.
Mientras que puede haber una gran
relacin entre el nmero de jvenes
que asisten al colegio y el nivel de
educacin que tendrn en el futuro.

Aplicando una estimacin por

mnimos
cuadrados
ordinarios
(MCO), en Eviews obtuvimos el
siguiente cuadro de salida:

Ahora podemos hacer anlisis

inferencial sobre las variables, todos
las variables del modelo son
estadsticamente significativas ya
que el P-Valor < 0,05 rechazamos la
hiptesis nula de que no son
significativas las variables. Las
variables
en
conjunto
son
significativas para el modelo, segn
el estadstico F cuyo P-valor < 0,05,
entonces rechazamos la hiptesis
nula y las variables en conjunto son
significativas y estn explicando la
tasa de homicidios.

Se obtienen los efectos esperados,

aplicando el exponencial del log
Antes de empezar a hacer
(TH) obtenemos C1 que es el
inferencia estadstica hay que mirar
nmero de homicidios fijo para cada
si los residuales estn bien
municipio cuando las dems
comportados:
variables no influyen, ser de 4,74
en total 5 personas por cada
120
Series: Residuals
100000 habitantes. Un aumento de
Sample 1 711
100
Observations 711
1% en la poblacin tendr una
Mean
1.47e-14
80
reduccin de 0,24% en la tasa de
Median
0.049870
Maximum
3.087033 homicidios.
60
Minimum
Std. Dev.
Skewness
Kurtosis

40

Jarque-Bera
Probability

20
0
-2

-1

El sesgo est muy cercano a 0, que

seria la media y la curtosis muy
cercana a 3 por lo tanto la
distribucin
es
mesocrtica.
Observando entonces el test de
Jarque-Bera el P-Valor > 0,05 no
rechazamos la hiptesis nula de que
los residuales distribuyen normal.
Esto quiere decir que estn bien
comportados y los estimadores son
eficientes e insesgados.

-2.666284
0.829716
-0.166582
3.027521

Un aumento de 1% en la tasa de
asistencia escolar para nios de 3 a
3.310769
0.191019 17 aos tendr una reduccin de
1,76% en la tasa de homicidios. Un
aumento de 1% en el porcentaje de
nivel
educativo
genera
una
disminucin de 0,36% en la TH. Un
aumento de 1% en el ndice de
condiciones de vida genera un
aumento en la tasa de homicidios
de 2,84%, ya que los no pobres
perciben una mejora en sus
condiciones aumentando la brecha
de pobreza dando lugar a los
pobres a delinquir. Un aumento de
1% en el nmero de personas por
desplazamiento forzoso genera un
incremento de 0,15% en la tasa de

homicidios, ya que estas personas

en condiciones de necesidad
tendrn que delinquir en los
municipios.
Para
terminar
las
variables
explicativas estn explicando el
comportamiento de la tasa de
homicidios en un 20,9% segn el R
cuadrado, aunque no es muy alto se
pude inferir que pueden haber
distintas variables macro que
afectan el comportamiento de la
criminalidad,
dependiendo
del
entorno si agregamos esa cantidad
de variables cada vez nos
acercaremos ms a la explicacin
de la criminalidad segn la tasa de
homicidios. No hay autocorrelacin
porque estamos manejando datos
de corte transversal para el ao
2005, ya que es un problema que se
presenta ms en las series de
tiempo.

Hay heterocedasticidad P-valor<

0,05
se
rechaza
la
homocedasticidad, la salida ya esta
corregida con errores robusto de
White. Tienen varianza mnima
homocedastica

5. Conclusiones
Los resultados muestran que la
criminalidad puede ser explicada
por otras variables aparte de las de
disuasin. Pero lo que se busc con
el trabajo fue, por otra parte,
obtener un efecto esperado dadas
las variables sociodemogrficas de
Colombia. Sin embargo, se podra
profundizar a partir de la teora de
juegos el comportamiento criminal,
no slo enfocado a manejar el
dilema del prisionero, sino trabajar
con juegos bayesianos para definir
distintos tipos de criminal y qu
seales se pueden captar.
Es difcil definir un comportamiento
racional del criminal en Colombia,
por la diversidad de etnias que
existe en el pas. Por ejemplo, el
caso de la comunidades indgenas
que piden ser juzgados a travs de
su sistema, donde los castigos no
son pagar con aos de crcel y ellos
podran cometer cualquier tipo de
delitos, amparndose en la ley de
su territorio donde las penas son
ms dolorosas, pero no te privan
mucho tiempo de la libertad.
Un problema del ejercicio son los
datos que pueden explicar la
disuasin.
Algunos
son
muy
escasos, las series de tiempo son
difciles de completar y a veces no
est la variable en la periodicidad
que se desea. Adems, los datos
vienen incompletos apareciendo

ceros, que al manejarse en la

regresin
pueden
afectar
el
resultado. Lo que mejoraramos
sera trabajar con datos de panel, ya
que estimar un modelo en niveles
para este caso muchas de las
variables daban no significativas y
ver el efecto de otras variables en la
tasa de criminalidad no era fcil.
Tambin, habra una referencia ms
clara con los trabajos de los ltimos
aos, ya que la mayora usan datos
de panel.

Delgado, E. (2012).
CARACTERIZACIN Y
DETERMINANTES DE LA
CRIMINALIDAD
EN SANTIAGO DE CALI 2000 2010 . Facultad de Ciencias
Sociales y Econmicas, Universidad
del Valle, pp. 1-40.

Como una medida de poltica, sera

implementar castigos para todos por
igual con la misma pena de tiempo
independiente de la diversidad
cultural. As, los individuos no
abusaran de su condicin y no
calcularan el costo de oportunidad
de delinquir. No beneficiar a los que
tienen buen comportamiento con
rebajas de penas.

Becker, G. (1968). Crime and

punishment:
an
economic
approach. En Journal Of Poltical
Economy, Vol. 76, N 2, pp. 169
217.

Somos conscientes que al igual que

la justicia es ciega, en los datos
sobre la criminalidad puede haber
muchos sesgos. Partiendo que la
tasa de homicidio se calcula a partir
de los datos que registran en los
certificados de defuncin que
elaboran
lo
mdicos.
Puede
suponerse que puede haber casos
omitidos, porque algunos mdicos
pueden mentir en el reporte como lo
hacen cuando los pacientes mueren
para protegerse ellos o favorecer a
las familias a la hora de cobrar los
seguros. Donde los seguros, por
accidentes
pueden
ser
mas
beneficiosos.
6. Referencia Bibliogrficas

Rodrguez,
A.
(2003).
Los
Determinantes
socioeconmicos
del delito en Espaa En Revista
Espaola
de
Investigacin
Criminolgica. N 1, pp. 1-31.

Perlbach, I. (2004). Delincuencia:

Efecto disuasin e impacto en el
entorno socioeconmico en
Mendoza. Facultad de Ciencias
Econmicas, Universidad Nacional de
Cuyo, pp. 1-22