FACULTAD DE CIENCIAS ECONÓMICAS- ECONOMETRÍA II

TRABAJO I
José David Niño Muriel
Angie Rodríguez Vargas
Jesús Cristóbal Ruíz Torres

I. INTRODUCCIÓN

El conflicto armado interno ha fracturado todas las escalas de la sociedad colombiana

durante los últimos 60 años. Los graves abusos de grupos armados al margen ley como
las guerrillas y bandas criminales (Descendientes de los antiguos grupos paramilitares)
han derivado en todo tipo de crímenes que atentan contra los derechos fundamentales de
cientos de civiles, militares, periodistas y líderes políticos cada año. De otro lado, los
hechos violentos que no tienen origen en el conflicto armado se manifiestan de forma
rampante en todos los departamentos: los homicidios, abusos sexuales y las torturas
hacen parte del marco de violencia que afecta al país notoriamente.

En términos generales, el balance de seguridad para el año 2012 no ofrece una respuesta
concluyente en cuanto a la disminución (o incremento) de los hechos violentos en el país;
de acuerdo con los informes de algunas Organizaciones no Gubernamentales, el
resultado no es optimista: durante 2012 el Centro de Seguimiento para los Desplazados
Internos (IDMC) catalogó a Colombia como el país con mayor número de desplazados en
el mundo con alrededor de 5,5 millones de personas, durante ese mismo año, el índice
Paz Global calificó al país como el más violento de América Latina. Sin embargo, el
balance de los organismos nacionales parece ser el opuesto: de acuerdo con el
Observatorio del Delito de la Policía Nacional, el 2012 fue el año menos violento de los
últimos 26 años, la organización País libre confirmó el balance de la Policía afirmando
que, salvo Cauca, algunas zonas de Antioquia y Putumayo la tendencia de reducción de
la violencia fue más o menos generalizada.

Ante la carencia de un veredicto homogéneo, surge la necesidad de analizar las

particularidades de los hechos violentos (en cifras) durante ese año; en este sentido, el
Análisis de Componentes Principales (ACP) ofrece un método práctico mediante el cual
es posible reducir la dimensionalidad del conjunto de datos de modo que las variables que
influyen en su variabilidad puedan caracterizarse e interpretarse en orden de importancia;
este trabajo, se centrará en el análisis descriptivo de los hechos violentos en cada uno de
los departamentos del país durante el año 2012 con el fin de obtener una evaluación
geográfica y por factores de violencia que nos permita acercarnos a una conclusión
integral.

En este marco, los hechos violentos que se caracterizarán como variables en el análisis
de componentes principales serán, medidos en número de personas por departamento:
expulsión (individual y masiva), homicidios, secuestros, desaparición forzada, tortura,
reclutamiento ilegal de niños, niñas y adolescentes y homicidios socio-políticos. Las
demás variables: masacres, accidentes por minas anti persona, actos de terrorismo (en
los cuales hayan explotado aparatos explosivos), civiles y militares (muertos y heridos)
por minas anti persona, exámenes médicos realizados por delito sexual total, despojo de
tierras y amenazas, serán medidas en número de eventos por departamento.

El análisis se encuentra dividido en tres partes: en la primera parte se explicará en forma

sencilla el método del análisis descriptivo de los datos y de ACP, en la segunda parte se
mostrarán los resultados obtenidos y los criterios de obtención de dichos resultados, con
las observaciones respectivas de las componentes elegidas para recopilar la información;
por último se presentará una conclusión del trabajo realizado en las dos partes anteriores.

II. METODOLOGÍA

2.1. ANÁLISIS PREVIO DEL CONJUNTO DE DATOS: Antes de realizar cualquier

proceso de descripción estadística, se analizó el conjunto de datos con el fin de ordenar la
información eficientemente. En primer lugar, se observa que algunos hechos violentos se
cobijan bajo una misma categoría, cada una de estas variables se sumó ordenadamente
por municipio para obtener una nueva variable generalizada; las variables que se
encuentran contenidas en otras son:

Homicidios sociopolíticos Contiene la suma de los homicidios de alcaldes, exalcaldes,

concejales, docentes, periodistas.

Civiles-minas: Contiene la suma de los civiles heridos y muertos por minas

antipersonales.

Militares-minas: Contiene la suma de los militares heridos y muertos por minas

antipersonales.

En este mismo proceso se decide sumar la información de los hechos violentos por
departamento y no por municipio como se presentó en la versión original de la base de
datos, al observar que la información de 1,103 municipios es engorrosa e innecesaria
para el análisis ya que para muchas de las variables los valores son 0, en adelante, se
trabajará con la información por departamento para reducir el volumen de los datos sin
alterar el resultado.

2.2. ANÁLISIS ESTADÍSTICO DESCRIPTIVO: En esta parte del trabajo se realiza una
descripción básica del conjunto de datos a través de medidas de tendencia central, estas
medidas, describen el grupo de observaciones en un valor; se utilizarán como
estadísticos de referencia los valores mínimo y máximo, media, mediana, varianza,
desviación estándar y primer y tercer cuantil. En el siguiente aparte se encuentra el
resultado obtenido en este análisis.
2.3. METODOLOGÍA DE COMPONENTES PRINCIPALES: Como su nombre lo indica, el
ACP intenta encontrar los componentes principales de un conjunto de datos; es una
especie de estructura subyacente de la información. El método consiste en reducir la
dimensión del conjunto para facilitar su interpretación en un plano, a través de la
utilización de las herramientas matemáticas de vectores y valores propios.

Antes de describir la técnica de obtención de estos vectores, se debe partir de un paso

lógico: la asociación del conjunto de datos a una matriz X, a cada muestra de datos se le
asocia una fila y a cada variable una columna; la dimensión del conjunto de datos está
dada por el número de variables empleadas: de modo que una base de m variables tiene
m dimensiones. Así las cosas, cada muestra de datos puede imaginarse como un vector
que se encuentra en un espacio vectorial m-dimensional.

El objetivo del análisis de componentes principales, es encontrar una nueva matriz “Y”
que sea una combinación lineal de la matriz original “X”: debe encontrarse una matriz “P”
que transforme linealmente “X” de modo que PX=Y, esta matriz Y será la proyección de X
sobre P, de modo que “P” sea un nuevo vector que represente el contenido de la matriz X.
la escogencia de este vector debe estar sujeta a un proceso de maximización de la
varianza, de modo que al escogerlo, se recoja la mayor cantidad de información. Este
vector (o vectores), serán una especie de “indicador” de su capacidad explicativa de las
variables inicialmente utilizadas. Para encontrarlo, se usa la matriz de correlaciones: al
diagonalizar esta matriz las variables “más correlacionadas” se unirán para formar un
solo indicador; los elementos de esta diagonal formarán el nuevo conjunto de vectores
propios y la correlación entre ellos será muy cercana a 0.

A cada vector propio le corresponde un valor propio, el vector propio indica la dirección
del vector de mayor varianza y el valor propio el “valor” de esa dirección. Los vectores
propios con los mayores valores propios son las componentes principales, en ellas se
recopila una cantidad de información importante, suficiente para una explicación más
sencilla del comportamiento de los datos. La escogencia de las componentes está sujeta
a un criterio de aceptabilidad que será explicado en los en los apartes siguientes, cada
una de ellas será definida y analizada gráficamente, con el fin de establecer las
relaciones existentes entre las variables originales y las escogidas mediante este método.

2.3. CONCLUSIONES: Para finalizar, se discutirán los resultados del análisis en una
breve conclusión

III. DATOS

Para el Análisis de Componentes Principales de los hechos violentos presentados en

Colombia y discriminado por departamento durante el 2012, se considerarán 15 variables
-entre paréntesis se encuentra el nombre de la variable en la base de datos-: Accidentes
por minas antipersonal (ACMI), Homicidio sociopolítico (HOMSP) -que incluye el homicidio
de alcaldes, ex alcaldes, concejales, periodistas, sindicalistas y docentes-, Amenazas
(AMNZ), Civiles victimas de minas antipersonal (CIMI) –incluye civiles heridos y muertos-,
Militares víctimas de minas antipersonal (MIMI) –incluye militares heridos y muertos-,
Desaparición forzada (DESA), Despojo de tierras (DESPO), Exámenes médicos legales
por presunto delito sexual (EXAM), Expulsión individual (EXPI), Expulsión masiva
(EXPM), Homicidios (HOM), Masacres (MASC), Reclutamiento ilegal de niños, niñas y
adolescentes (RECL), Secuestros (SEC), Tortura (TOR). La base de datos se encuentra
al final como Anexo 1.

3.1. ESTADÍSTICA DESCRIPTIVA:

Estadística ACMI HOMSP AMNZ CIMI MIM DESA DESPO EXAM

I
No. De 33 33 33 33 33 33 33 33
observaciones
Media 9,1 0,8 728,2 6,7 7,8 20,0 56,6 580,3
Varianza muestral 205,3 1,8 1190319, 155,7 157,0 1045,0 6914,1 601730,9
1
Desviación estándar 14,3 1,4 1091,0 12,5 12,5 32,3 83,2 775,7
Coeficiente de 1,6 1,7 1,5 1,9 1,6 1,6 1,5 1,3
variación
Asimetría 2,3 2,7 1,9 2,2 1,9 2,7 1,3 3,1
Curtosis 6,7 8,2 2,8 4,5 4,1 9,1 1,0 11,3
Máximo 66 6 4129 50 53 156 303 3967
Mínimo 0 0 0 0 0 0 0 0
Suma 300 27 24032 221 258 661 1869 19151

Estadística EXPI EXPM HOM

MASC REC SEC TOR
L
No. De observaciones 33 33 33 33 33 33 33
Media 3743,6 375,4 455,7 1,0 2,5 5,6 3,6
Varianza muestral 27265257,1 762930,7 504839,3 5,4 16,9 82, 36,5
0
Desviación estándar 5221,6 873,5 710,5 2,3 4,1 9,1 6,0
Coeficiente de variación 1,4 2,3 1,6 2,3 1,7 1,6 1,7
Asimetría 1,8 3,2 3,4 3,8 1,8 1,7 2,2
Curtosis 2,8 10,8 11,8 16,2 2,0 1,9 5,2
Máximo 19856 4082 3479 12 14 31 26
Mínimo 0 0 0 0 0 0 0
Suma 123540 12387 15038 33 81 186 119

3.2. APLICACIÓN DE LA METODOLOGÍA DE COMPONENTES PRINCIPALES: La

matriz a trabajar será la matriz de correlaciones, ya que como menciona Jolliffe (2002) 1:
“La gran desventaja de un ACP basado en matrices de covarianza es la sensibilidad de
los Componentes Principales a las unidades de medida usadas para cada elemento de x.
1
Jolliffe, I.T. (2002). Principal Component Analysis, Second Edition. UK: Springer. –La traducción del texto
original de inglés a español fue realizada por los autores del presente trabajo-.
Si hay grandes diferencias entre las varianzas de los elementos de x, entonces aquellas
variables cuyas varianzas son mayores tenderán a dominar las primeras Componentes
Principales”. La matriz de correlaciones S para el presente ejercicio se presenta en el
Anexo 2. Los valores propios λ y los vectores propios a de la matriz de correlaciones S
que cumplen S ai= λi ai para i=1 , … , 15se presentan en el Anexo 3.

A continuación se presentan los valores propios, con el correspondiente porcentaje de

varianza que representan de los datos originales, y el porcentaje de varianza acumulada.

C
Valores Propios Porcentaje de Varianza Porcentaje de Varianza Acumulada
P
1 8,20 54,63% 54,63%
2 2,25 14,99% 69,63%
3 1,19 7,94% 77,57%
4 1,05 6,98% 84,55%
5 0,60 3,97% 88,52%
6 0,57 3,78% 92,30%
7 0,35 2,35% 94,65%
8 0,27 1,83% 96,48%
9 0,18 1,21% 97,69%
10 0,17 1,11% 98,80%
11 0,10 0,64% 99,44%
12 0,07 0,46% 99,90%
13 0,01 0,07% 99,96%
14 0,00 0,03% 99,99%
15 0,00 0,01% 100,00%

Como se puede observar, el primer componente principal recoge el mayor porcentaje de

varianza de los datos, un 54,63%, y la segunda CP recoge un 14,99%.

3.3. SELECCIÓN DE LAS COMPONENTES: Se ha decidido tomar estas dos

componentes principales como las nuevas dos variables que surgen del ACP, por lo cual
se estaría recogiendo mediante ellas un 69,63% de la varianza de los datos, es decir, una
pérdida de información del 30,37%. Los criterios de esta selección -resaltando que todos
tienen cierto grado de subjetividad- han sido los siguientes:

A. El número de variables originales (15) es muy alto, se ha decidido que conservar

un porcentaje de la varianza total cercano al 70% con tan solo tomar dos
componentes principales permite hacer un análisis sintetizado pero preciso de los
datos originales y su interrelación. Este es el principal criterio que se ha adoptado.
B. El promedio de los valores propios cuando se utiliza la matriz de correlaciones
siempre será igual a 1, se recomienda tomar los CP cuyo valor propio es mayor a
1. Para el presente análisis, se ha decidido tomar los CP que son
 significativamente mayores a 1, es decir, los CP 3 y 4, no se tomarían en cuenta al
tener valores propios muy cercanos a 1.
C. Como se observa en el Anexo 4. Gráfico de barras, los componentes 1 y 2 tienen
un valor propio alto, pero a partir del componente 3 en adelante los valores
propios son bajos respecto a los primeros dos y no varían mucho entre ellos.

3.4. ANÁLISIS DE LAS PONDERACIONES: El vector asociado:

2.86 1.50 1.09 1.02 0.77 0.75 0.59 0.52 0.43 0.41 0.31 0.26 0.10 0.07 0.03
Representa las ponderaciones relacionadas a cada componente (“matriz de coeficientes
para el cálculo de las puntuaciones factoriales que contiene las ponderaciones para cada
variable para poder calcular las Puntuaciones factoriales2); debido a que cada vector es
sensible a transformaciones crecientes, el vector propio generado que asigna
ponderaciones para cada variable, será para cada componente el que se muestra a
continuación:

VECTORES PROPIOS CONTRIBUCIONES DE LAS VARIABLES (%)

Componente1 Componente2
1 0,295 0,071   Componente1 Componente2
2 0,247 0,349 ACMI 8,714 0,507
3 0,320 -0,090 HOMSP 6,113 12,214
4 0,266 -0,128 AMNZ 10,255 0,801
5 0,281 0,061 CIMI 7,067 1,648
6 0,280 -0,195 MIMI 7,868 0,369
7 0,133 0,141 DESA 7,820 3,820
8 0,084 0,499 DESPO 1,759 1,998
9 0,329 -0,156 EXAM 0,709 24,856
10 0,228 -0,204 EXPI 10,796 2,430
11 0,223 0,464 EXPM 5,205 4,177
12 0,272 0,331 HOM 4,963 21,550
13 0,292 -0,253 MASC 7,381 10,973
14 0,248 -0,276 RECL 8,502 6,389
15 0,259 -0,082 SEC 6,160 7,596
TOR 6,689 0,672

 Componente1: Contiene todos los coeficientes resultantes de la combinación

lineal, son positivos. De acuerdo a la tabla de vectores propios, se puede notar
que las variables de mayor sensibilidad en la construcción de la componente son
las variables: amenazas y expulsión individual. En la tabla de contribuciones las
variables: desplazamiento forzado, el reclutamiento de menores, civiles heridos o
muertos con minas anti personas, amenazas, expulsión de individuos, despojo de
tierras, accidentes con minas, torturas, expulsión masiva y militares heridos y
muertos por minas anti personas explican casi 75 % de la variabilidad total de este
componente.
2
Tomado de: http://www.uv.es/asepuma/XII/comunica/bernal_martinez_sanchez.pdf, revisado el 31 de marzo de 2014
  Componente 2: Esta componente retiene cerca del 15% de la variabilidad total, las
variables: homicidios, exámenes por agresión sexual, masacres, secuestros y
homicidios sociopolíticos explican cerca del 77% la variabilidad del componente; a
excepción de la variable secuestros, que es explicada por un valor propio negativo,
la relación es positiva para las demás variables. Así las cosas, la composición del
factor será negativo, ya que éste retiene en su mayoría hechos violentos directos
que propenden a la muerte (homicidios, masacres, etc.).

3.5. ANÁLISIS DE LAS CORRELACIONES: Acorde con el análisis de las ponderaciones,

en la primer componente, puede notarse la alta correlación que existe entre ésta y
variables como por ejemplo expulsión individual (cor= 0,94) y amenazas (cor=0,917); la
correlación se hace evidente para las demás variables contempladas a partir de sus
ponderaciones y contribuciones mostradas en la tabla.

De igual forma, para la segunda componente el análisis es similar, hay que aclarar que las
correlaciones de la componente con las variables no es igual de alta, sin embargo,
contempla buenos niveles de correlación; las variables ExamenesMdsxt y homicidios
muestran la mayores correlaciones con la componente (0,748 y 0,696 respectivamente).
CORRELACIONES Componente1 Componente2
ACMI 0,845 0,107
HOMSP 0,708 0,524
AMNZ 0,917 -0,134
CIMI 0,761 -0,193
MIMI 0,803 0,091
DESA 0,801 -0,293
DESPO 0,380 0,212
EXAM 0,241 0,748
EXPI 0,941 -0,234
EXPM 0,653 -0,307
HOM 0,638 0,696
MASC 0,778 0,497
RECL 0,835 -0,379
SEC 0,710 -0,413
TOR 0,740 -0,123

IV. RESULTADOS

4.1. ANÁLISIS DE LOS COMPONENTES:

COMPONENTE 1: Esta componente recoge el conjunto de atributos que caracterizan

todo tipo de agresión o hecho del que resultaron victimas ajenas a la acción violenta como
tal, es decir sujetos indirectos o terceros, entendiendo sujetos directos como los
participantes activos del conflicto. En otras palabras, la primer componente recupera la
información de las variables que hacen referencia a víctimas de hechos violentos no
intencionadas; es el caso de desplazamiento forzado, el reclutamiento de menores, los
civiles heridos o muertos con minas anti personas, entre otros.

Es importante hacer una distinción en este punto: todo acto o hecho violento tiene un
sujeto (quien ejecuta la acción) y un objeto (sobre el que recae la acción), en el marco del
conflicto armado que atraviesa el país y del que se derivan la mayoría de los hechos
violentos que se tienen como variables para este análisis, los sujetos y objetos son en
este caso la fuerza pública y los militantes de los grupos armados al margen de la ley; en
este sentido, los terceros o sujetos indirectos que se tienen como referencia en el párrafo
anterior son todos aquellos afectados violentamente que no participan activamente del
conflicto. Por lo tanto, se puede interpretar como un indicador de los hechos violentos
propios del conflicto armado que afectan a la población.

Esta componente recibirá el nombre de Factor de Agresiones Indirectas, es la

componente principal del análisis, pues por si sola explica el 54,63% de la variabilidad
total de los datos recogidos.

COMPONENTE 2: La segunda componente contiene 6 de las variables iníciales, puede

asociarse como indicador de los hechos violentos que afectaron a un individuo
directamente, es decir como objeto principal e intencionado del hecho violento; las
variables que tienen mayor importancia en esta componente son: los homicidios, torturas,
exámenes por agresión sexual, secuestros y homicidios sociopolíticos. Debido al gran
peso que tienen las variables exámenes por agresión sexual y homicidios en esta
componente, se puede relacionar con los hechos violentos que afectan a las ciudades
más pobladas del país.

Para este caso, aplica la misma distinción que se hizo para la primer componente, solo
que ahora en sentido contrario, pues los que se tienen en cuenta son los objetos directos
del hecho violento; dada la naturaleza de esta componente, ha decidido nombrarse
Factor de agresiones directas; esta recoge una buena porción de la información, pues
logra explicar un 14.99% de la varianza total de los datos. En suma, los factores de
agresión directos e indirectos exponen una porción más que considerable y
suficientemente explicativa de la variabilidad del conjunto de datos.

4.2. GRÁFICOS DE LAS

VARIABLES EN LOS
COMPONENTES:

En este gráfico se pueden observar las

correlaciones de las variables originales
con las primeras dos componentes. Si
proyectamos sobre el eje horizontal cada
una de las flechas que representan a las
variables, y medimos la distancia de la
proyección desde el origen, se obtiene la
correlación de dicha variable con el primer componente. Por ejemplo, de la gráfica
podemos concluir que la correlación entre la variable Amenazas y la primera componente
es muy alta.

Ahora, si proyectamos sobre el eje vertical las flechas de cada variable, y medimos la
longitud de esta proyección, se obtiene la correlación entre dicha variable y la segunda
componente. Como se observa, la variable Exámenes por agresión sexual tiene una alta
correlación con la segunda componente, pero una baja correlación con la primera.
Mientras la variable Homicidios sociopolíticos tiene una alta correlación con ambas
componentes, se identifica que la variable Despojo de tierras tiene una pequeña
correlación con las componentes uno y dos.

En esta última gráfica se relacionan los datos de los departamentos con los dos primeros
componentes, los cuáles procederemos a interpretar mediante el análisis que previamente
se realizó de la relación entre las variables y los componentes.

En el eje horizontal (primer componente principal) se ilustra el factor de agresiones

indirectas, y en el eje vertical (segundo componente) el factor de agresiones directas.
Aquellos departamentos que se encuentren cerca del origen tienen ambos factores entre
el promedio nacional. Los que se ubican en el cuadrante I son aquellos que tienen un
factor de agresiones indirectas y un factor de agresiones directas por encima del
promedio. En el cuadrante II están los departamentos con un factor de agresiones
indirectas por debajo del promedio nacional, y un factor de agresiones directas por
encima. La misma interpretación se puede realizar con los cuadrantes III y IV.

Antioquia (1) y Valle del Cauca (24) son los departamentos que más son afectados por los
hechos violentos tanto directos como indirectos. Bogotá (3) tiene un factor de agresiones
directas por encima del promedio nacional, pero un factor de agresiones indirectas dentro
del promedio. Nariño (17), Cauca (8) y Caquetá (7) tienen un factor de agresiones
indirectas por encima del promedio –que se puede relacionar con los hechos violentos
relacionados al conflicto armado- y un factor de agresiones directas por debajo de este.
Huila (13) y Córdoba son aquellos que se encuentran más cerca al promedio del país,
mientras que la mayoría de los departamentos parece ubicarse en el promedio en cuanto
a agresiones directas, se caracterizan por un factor de agresiones indirectas menor al
promedio.

V. CONCLUSIONES

El análisis de componentes principales realizado anteriormente, permitió extraer

dinámicas subyacentes del comportamiento de los datos originales a través de la
reinterpretación de las variables en únicamente dos dimensiones; de este nuevo análisis
se desprenden varias conclusiones:

1. Es posible caracterizar los hechos violentos de acuerdo a su naturaleza: los

hechos de los que son víctimas personas ajenas a la acción violenta fueron
caracterizados bajo la primera componente, recopilando un poco más del 50% de
la información original. Puede observarse, que la mayoría de las variables
cobijadas en este indicador son relacionadas al conflicto armado interno, sus
damnificados “indirectos” resultan victimas de desplazamientos forzosos, muerte
por mina antipersona, reclutamiento, entre otros.
2. La segunda componente recoge la información de las víctimas directas de los
hechos violentos, explicando cerca del 15% de la variabilidad de los datos; las
victimas llamadas “intencionadas” y los hechos que pueden caracterizarlas como
tal, no se encuentran necesariamente relacionadas con el conflicto armado interno
per-sé, sino con específicos casos de violencia que se manifiestan bajo otras
circunstancias.
3. El ACP muestra una tendencia geográfica de las características de la violencia; las
centros urbanos más poblados se caracterizan por una mayor asociación a la
segunda componente, pues las víctimas de los actos violentos son en su mayoría
directas (se presentan más homicidios, agresiones sexuales, etc.) de otro lado, en
las áreas rurales la tendencia es la contraria, los hechos violentos son
consecuencia del conflicto armado y sus víctimas son por lo general, indirectas
(explicadas por la primera componente).
4. En términos generales, se puede concluir que los departamentos más
afectados por los hechos violentos son los que se componen de grandes áreas
rurales en donde se presenta conflicto armado y al mismo tiempo de centros
urbanos altamente poblados en donde abundan actos de violencia en contra de
victimas específicas. Antioquia y de Valle del Cauca, son ejemplos propios de
este caso ya que muestran los indicadores más altos de violencia directa e
indirecta.
 Anexo 1. Base de Datos.
DEPARTAMENTO ACMI HOMSP AMNZ CIMI MIMI DESA DESPO EXAM EXPI EXPM HOM MASC RECL SEC TOR
Antioquia (1) 66 5 4129 34 53 53 188 2111 14859 664 2517 12 11 19 12
Atlántico (2) 0 1 22 0 0 0 0 771 110 0 558 0 0 0 0
Bogotá (3) 0 0 91 0 0 0 0 3967 257 0 1248 2 0 0 0
Bolívar (4) 0 0 313 0 0 4 209 801 2490 220 385 0 0 6 1
Boyacá (5) 0 0 82 0 0 6 0 470 340 0 123 0 0 0 1
Caldas (6) 0 0 114 0 0 3 0 516 652 0 301 0 0 0 0
Caquetá (7) 27 0 3364 3 31 29 0 143 10084 178 269 2 10 24 26
Cauca (8) 10 2 3191 27 5 66 0 305 17028 4082 535 3 13 21 8
Cesar (9) 0 1 175 0 0 18 116 473 1026 0 225 0 1 9 3
Córdoba (10) 13 1 366 16 6 16 303 449 3216 148 322 1 1 0 0
Cundinamarca (11) 0 1 199 0 0 0 0 1161 758 64 357 0 0 2 1
Choco (12) 8 0 1262 6 4 55 0 112 6867 423 209 0 1 12 2
Huila (13) 23 1 1154 3 25 6 0 481 5029 0 338 0 7 0 0
La Guajira (14) 1 0 104 2 0 8 0 172 1115 538 219 1 0 0 12
Magdalena (15) 0 1 206 0 0 9 127 394 786 47 346 1 0 0 0
Meta (16) 22 1 558 4 25 7 92 703 3459 61 451 1 7 10 2
Nariño (17) 21 1 2340 36 18 156 177 384 19856 2601 631 2 14 29 14
Norte de Santander
20 1 223 17 19 25 75 447 2932 1456 618 0 5 7 4
(18)
Quindío (19) 0 0 86 0 0 2 0 382 327 0 192 0 2 0 0
Risaralda (20) 0 1 156 0 0 0 0 547 807 55 358 1 1 4 0
Santander (21) 0 1 208 0 0 4 61 1100 1049 0 298 0 0 0 0
Sucre (22) 0 0 63 0 0 0 184 420 580 0 146 0 0 0 0
Tolima (23) 26 0 1840 10 25 31 167 444 7384 0 384 0 2 7 2
Valle del Cauca (24) 15 6 1344 7 14 68 111 1783 10012 1565 3479 6 0 3 16
Arauca (25) 12 1 350 3 15 11 0 128 2434 0 206 0 3 31 6
Casanare (26) 0 0 76 0 0 0 0 230 475 0 74 0 0 0 1
 Anexo 1 (Continuación). Base de Datos.
Putumayo (27) 31 2 1548 50 14 61 59 109 6918 169 150 0 3 2 6
Archip.De San Andrés,
Providencia y Santa 0 0 0 0 0 0 0 16 0 0 12 0 0 0 0
Catalina (28)
Amazonas (29) 0 0 17 0 0 1 0 51 99 0 7 0 0 0 0
Guainía (30) 0 0 18 0 0 0 0 0 193 0 0 0 0 0 0
Guaviare (31) 4 0 308 2 4 19 0 60 1854 116 52 0 0 0 0
Vaupés (32) 0 0 61 0 0 3 0 0 151 0 1 0 0 0 0
Vichada (33) 1 0 64 1 0 0 0 21 393 0 27 1 0 0 2
 Anexo 2. Matriz de Correlaciones
Variable ACM AMN DESP EXA EXP HO SE
HOMSP CIMI MIMI DESA EXPI MASC RECL TOR
s I Z O M M M C
ACMI 1 0,6 0,8 0,7 1 0,5 0,4 0,2 0,7 0,2 0,5 0,7 0,7 0,5 0,5
HOMSP 0,6 1 0,5 0,5 0,5 0,5 0,3 0,4 0,5 0,4 0,9 0,8 0,3 0,3 0,4
AMNZ 0,8 0,5 1 0,7 0,8 0,7 0,2 0,1 0,9 0,6 0,4 0,7 0,8 0,7 0,7
CIMI 0,7 0,5 0,7 1 0,5 0,8 0,4 0 0,7 0,6 0,3 0,4 0,6 0,4 0,4
MIMI 1 0,5 0,8 0,5 1 0,4 0,3 0,2 0,6 0,2 0,5 0,6 0,7 0,6 0,6
DESA 0,5 0,5 0,7 0,8 0,4 1 0,3 0 0,9 0,7 0,4 0,4 0,7 0,6 0,6
DESPO 0,4 0,3 0,2 0,4 0,3 0,3 1 0,2 0,3 0,1 0,3 0,3 0,2 0,1 0,1
EXAM 0,2 0,4 0,1 0 0,2 0 0,2 1 0,1 0 0,7 0,5 0 0 0,1
EXPI 0,7 0,5 0,9 0,7 0,6 0,9 0,3 0,1 1 0,8 0,5 0,6 0,9 0,7 0,7
EXPM 0,2 0,4 0,6 0,6 0,2 0,7 0,1 0 0,8 1 0,3 0,4 0,7 0,5 0,5
HOM 0,5 0,9 0,4 0,3 0,5 0,4 0,3 0,7 0,5 0,3 1 0,8 0,2 0,2 0,5
MASC 0,7 0,8 0,7 0,4 0,6 0,4 0,3 0,5 0,6 0,4 0,8 1 0,5 0,4 0,5
RECL 0,7 0,3 0,8 0,6 0,7 0,7 0,2 0 0,9 0,7 0,2 0,5 1 0,8 0,6
SEC 0,5 0,3 0,7 0,4 0,6 0,6 0,1 0 0,7 0,5 0,2 0,4 0,8 1 0,6
TOR 0,5 0,4 0,7 0,4 0,6 0,6 0,1 0,1 0,7 0,5 0,5 0,5 0,6 0,6 1
 Anexo 3. Valores y vectores propios de la matriz de correlaciones
Valor Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector Vector
Propi Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio Propio
o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
CP 8,195 -0,295 0,071 -0,438 -0,074 -0,207 -0,107 -0,044 0,053 0,100 -0,026 0,017 0,257 -0,135 -0,025 0,746
1
CP 2,249 -0,247 0,349 0,165 -0,032 -0,339 0,273 0,216 0,365 0,022 -0,129 -0,315 -0,451 -0,314 0,029 -0,007
2
CP 1,191 -0,320 -0,090 -0,128 0,124 -0,025 -0,065 0,024 -0,395 -0,257 0,301 -0,578 -0,031 0,043 -0,437 -0,106
3
CP 1,047 -0,266 -0,128 0,027 -0,380 -0,417 -0,254 -0,360 0,097 -0,286 -0,405 -0,013 0,072 0,279 0,047 -0,243
4
CP 0,595 -0,281 0,061 -0,499 0,069 -0,031 -0,052 0,079 0,096 0,431 0,041 0,080 0,231 -0,206 0,063 -0,593
5
CP 0,567 -0,280 -0,195 0,296 -0,198 0,004 0,048 -0,418 0,181 0,139 0,486 0,341 -0,112 -0,260 -0,308 0,004
6
CP 0,353 -0,133 0,141 -0,115 -0,749 0,510 0,256 0,130 -0,164 0,000 -0,117 -0,046 -0,039 -0,006 -0,040 -0,003
7
CP 0,275 -0,084 0,499 0,154 0,129 0,394 -0,598 -0,322 -0,015 0,023 -0,139 -0,115 -0,069 -0,219 0,038 0,008
8
CP 0,182 -0,329 -0,156 0,140 -0,037 0,042 -0,048 -0,003 -0,139 0,041 0,360 -0,172 -0,060 0,099 0,804 0,055
9
CP 0,166 -0,228 -0,204 0,563 -0,012 -0,028 -0,111 0,388 -0,155 0,196 -0,272 -0,038 0,466 -0,246 -0,096 0,025
10
CP 0,095 -0,223 0,464 0,213 0,093 -0,004 0,174 -0,001 0,117 0,267 0,141 0,022 0,224 0,688 -0,145 0,029
11
CP 0,068 -0,272 0,331 -0,013 0,122 -0,066 0,048 0,255 -0,218 -0,581 0,099 0,554 0,057 -0,114 0,059 -0,086
12
CP 0,010 -0,292 -0,253 -0,074 0,103 0,098 -0,301 0,302 -0,101 0,242 -0,199 0,280 -0,594 0,278 -0,138 0,089
13
CP 0,005 -0,248 -0,276 -0,062 0,212 0,460 0,043 0,097 0,652 -0,352 -0,063 -0,096 0,151 0,077 -0,016 0,015
14
CP 0,001 -0,259 -0,082 0,002 0,363 0,150 0,527 -0,451 -0,300 0,072 -0,426 0,043 -0,048 -0,074 0,064 0,034
15
Anexo 4. Gráfico de barras de los valores propios