Análisis Sobre Los Determinantes de La Criminalidad en Colombia en La Modalidad Homicidio PDF

1
ANÁLISIS SOBRE LOS DETERMINANTES DE LA CRIMINALIDAD EN COLOMBIA
EN LA MODALIDAD HOMICIDIO.
PRESENTADO POR:
YORMAN STIVEN CUADROS CORZO
MAYERLYN YINETH APONTE CAMACHO
REVISADO POR:
DENNYS JAZMÍN MANZANO LÓPEZ
Economista, especialista en Contratación Pública y magíster en Economía Aplicada
UNIVERSIDAD DE PAMPLONA
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES
PROGRAMA DE ECONOMÍA
ECONOMETRÍA I
2020
2
TABLA DE CONTENIDO
Contenido
1. INTRODUCCIÓN ................................................................................................................... 3
2. OBJETIVOS ........................................................................................................................... 5
2.1. Objetivo General. .............................................................................................................. 5
2.2. Objetivos específicos. ........................................................................................................ 5
3. METODOLOGÍA.................................................................................................................... 6
3.1. Tipo de metodología. ......................................................................................................... 6
3.2. Tipo de muestreo. .............................................................................................................. 6
3.3. Variables (tipo, definición, unidades, fuente). .................................................................... 6
3.4. Modelo matemático y econométrico. ................................................................................. 7
3.5. Hipótesis. .......................................................................................................................... 7
3.6. Pruebas. ............................................................................................................................ 7
4. ENFOQUE TEÓRICO ............................................................................................................ 9
4.1. Introducción a la teoría de referencia. ................................................................................ 9
4.2. Definición de la variable dependiente en términos de la teoría. ........................................ 10
4.3. Justificación de la importancia teórica de las variables explicativas y su relación con la
variable dependiente. ............................................................................................................. 10
5. RESULTADOS ..................................................................................................................... 12
5.1. Análisis de los estadísticos descriptivos de las variables. ................................................. 12
5.2. Análisis de las fallas del modelo. ..................................................................................... 13
5.3. Modelo Final. .................................................................................................................. 13
5.4. Significancia e interpretación de los resultados obtenidos. ............................................... 14
6. CONCLUSIONES. ................................................................................................................ 16
7. REFERENCIAS .................................................................................................................... 19
8. ANEXOS .............................................................................................................................. 20
3
1. INTRODUCCIÓN
Los homicidios existen en todas partes del mundo, pero no están homogéneamente
distribuidos en la sociedad: cambian a lo largo del tiempo, en diferentes territorios y diferentes
grupos humanos que los padecen. Describir esas diferencias, explicar las razones incidentes en el
homicidio, es un reto continuo para las ciencias sociales y un modo eficiente de contribuir a
mejorar la salud general de los individuos de determinado territorio. El análisis de los homicidios
debe ser multidisciplinar e interdisciplinar, pues el comportamiento de los homicidios no está
determinado por una razón en específico, sino por múltiples razones, de múltiples esferas que
conforman un sistema como las esferas económica, social y política y factores contenidos dentro
de cada una de ellas que inciden en el comportamientos de los homicidios en cualquier región del
mundo. Particularmente, Colombia ha sido marcada por la violencia con raíces históricas, que
habría logrado que los homicidios y la violencia en general no se vieran como algo que se podría
reducir tomando diferentes medidas. Es así como surgen diferentes teorías pero una de las más
relevantes en Colombia ha sido explicada a través del análisis del enfoque objetivo de los
homicidios, que explica que tales están determinados por factores como el desempleo, la pobreza,
la desigualdad, el PIB per cápita, la presencia de grupos armados en el territorio (Deas, Malcom y
Gaitán, 1995). Estos factores explican de manera conjunta cuáles son las razones más incidentes
en el número de homicidios por cada 100.00 habitantes en Colombia para el año 2013.
El objetivo de éste trabajo es demostrar la incidencia de las variables socio-económicas
consideradas según la teoría de enfoque objetivo del homicidio para 21 departamentos de
Colombia más D.C para el año 2013, utilizando para ello una regresión econométrica que permita
medir la influencia de cada una de las variables en las muertes por homicidios y así establecer si
dichas variables tiene una relación directa o indirecta.

4
La metodología utilizada para desarrollar éste trabajo es de tipo cuantitativa, la investigación
tiene carácter explicativo dado que está orientada a demostrar qué tanto o nada influyen las
variables predichas en el fenómeno de estudio.
Finalmente, el trabajo se divide en 8 secciones en donde se presentan además de la
introducción expuesta, los objetivos que pretenden ser alcanzados a través de éste proyecto, la
metodología de la investigación para determinar las múltiples pruebas realizadas a las variables,
el enfoque teórico sobre el cual se sustenta la investigación, los resultados y respectivas
conclusiones, las referencias y por último anexos en donde se encontrarán los departamentos que
se tomaron como muestra para ésta investigación.

5
2. OBJETIVOS
2.1. Objetivo General.
 Medir la influencia de algunos factores socioeconómicos en los incentivos para los
criminales a la hora de tomar la decisión de cometer homicidios.
2.2. Objetivos específicos.
 Establecer el fundamento teórico existente sobre la importancia de la dimensión
socioeconómica en la criminalidad.
 Estimar el modelo econométrico que mejor se ajuste a los datos obtenidos.
 Interpretar los resultados arrojados por la estimación econométrica.

6
3. METODOLOGÍA
3.1. Tipo de metodología.
La metodología de este proyecto es de tipo cuantitativa y la investigación es de tipo
explicativa ya que se intenta demostrar si las variables que se consideran determinantes influyen
o no en el fenómeno de estudio. Además los datos que se manejan son de corte transversal, es
decir, se intenta observar el comportamiento promedio de la variable regresada con respecto a las
regresoras en un solo punto del tiempo. Igualmente el método de estudio que se maneja es de tipo
inductivo donde se parte de lo particular hacia lo general. Por lo tanto, se hace uso del método de
investigación de mínimos cuadrados ordinarios (MCO) utilizando para ello el software E-views.
3.2. Tipo de muestreo.
El tipo de muestreo que se utiliza en la investigación es el muestreo no aleatorio, es decir, no
estocástico donde no se sigue ningún tipo de distribución probabilística. Se tomaron como
muestra 21 departamentos + distrito capital de Colombia para el año 2013.
3.3. Variables (tipo, definición, unidades, fuente).

Tabla 1.
Presentación de la variable explicada y las variables regresoras.

VARIABLE TIPO DEFINICIÓN MEDIDA Y UNIDAD FUENTE
Cálculo de los autores a
Homicidios. Variable Homicidios por cada 100.000 = ( homicidios / (
partir del observatorio del
(TH) explicada. habitantes. población / 100.000 ) )
delito, DANE.
Representa la relación
PIB per cápita. Variable existente entre el nivel de Millones de pesos ($) =
DANE.
(Ypc) regresora. renta de territorio y su PIB / población
población.
Tasa de
Variable Proporción de la PEA que se %=(Desocupados /
desempleo. DANE.
regresora. encuentra desocupada. PEA) * 100
(TD)
% Presencia de %= (Q municipios con
Variable Proporción de municipios
las FARC. presencia/municipios CERAC.
regresora. con presencia de las FARC.
(PFARC) totales) *100
7
Tasa de
incidencia de la % Población con Y per
Variable Proporción de la población
pobreza cápita por debajo de la DANE.
regresora. en situación de pobreza.
monetaria. línea de pobreza.
(TIPOB)
Grado de desigualdad en Coeficiente de Gini
Índice de Gini Variable
término de ingresos entre los (0-1). Entre más alto más DANE.
(GINI) regresora.
habitantes. desigualdad.
Los datos de la variable explicada y las variables regresoras están calculados en base a cada uno de los departamentos muestra del
estudio.
3.4. Modelo matemático y econométrico.
No existe un modelo matemático definido por los diferentes autores que hablan respecto al
fenómeno de estudio, por lo que se construyó un modelo econométrico en base a un fundamento
teórico fuerte que busca evidenciar la importancia que se le da en la teoría económica a las
variables explicativas consideradas en este proyecto.
El modelo econométrico establecido para esta investigación es:
TH = 𝛽0 + 𝛽1 (Ypc) + 𝛽2 (TD) + 𝛽3 (PFARC) + 𝛽4 (TIPOB) + 𝛽5 (GINI)
Donde la especificación del tipo, definición, fuente, medida y unidad de cada variable está
presentado en la tabla 1 del punto 3.3.
3.5. Hipótesis.
Los signos que se esperan de las variables explicativas en base a la teoría son:
𝛽1 > 0 ; 𝛽2 > 0 ; 𝛽3 > 0 ; 𝛽4 > 0 ; 𝛽5 > 0
3.6. Pruebas.
Prueba de normalidad:
Ho: 𝑈~𝑁 (0, 𝜎²); donde los errores se distribuyen normalmente.
H1: 𝑈~𝑁 (0, 𝜎²); donde los errores no se distribuyen normalmente.

8
Se acepta Ho si la probabilidad del estadístico de Jarque Bera es mayor que el nivel de
significancia (α) del 5%.
Prueba de significancia individual:

Se realiza la prueba de significancia individual por medio de los p-valor de los t-estadísticos:
Ho: 𝛽𝑖 = 0: El beta no es significativo. ; H1: 𝛽𝑖 ≠ 0: El beta es significativo.
Se rechaza la hipótesis nula (Ho) si el p-valor de los coeficientes es menor que el alfa (α).
Prueba de significancia conjunta:
Se realiza la prueba de significancia conjunta por medio del P-valor del estadístico de Fisher.
Ho: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 0; donde los betas en conjunto no son significativos.
H1: β1 ≠ β2 ≠ 𝛽3 ≠ 𝛽4 ≠ 𝛽5 ≠ 0; donde los betas en conjunto son significativos.
Se rechaza la hipótesis nula (Ho) si el p-valor del estadístico Fisher es menor que el alfa (α).
Prueba de multicolinealidad:
Se realizaron para la prueba de multicolinealidad tres pruebas.
Se tienen las siguientes hipótesis:
Ho: Xj ≠ aXi; donde no hay multicolinealidad. ; H1: Xj = aXi; donde hay multicolinealidad.
En la primera prueba, el criterio es: si el determinante de matriz de correlación es cero o muy
cercano a cero, se rechaza la hipótesis nula (Ho).
En la segunda prueba, el criterio es: si el FIV es mayor que diez, se rechaza Ho.
En la tercera prueba, se hace uso de la regla de Klien en base a las regresiones auxiliares en
donde el criterio para rechazar la hipótesis nula (Ho) es Ri²>R².

9
4. ENFOQUE TEÓRICO
4.1. Introducción a la teoría de referencia.
Las muertes por homicidio fueron una de las principales causas de muerte en Colombia,
situándolo como el quinto país en el mundo con más asesinatos en relación con el número de
habitantes del país para el año 2013. El estudio de muerte por homicidio se hace relevante en el
análisis de los modelos de desarrollo social y económico de cualquier país, pues los efectos de un
aumento del homicidio causa efectos negativos en las esferas socio-económicas, como: caídas de
los niveles de producción, empleo e inversión y paralelamente destruye capital humano (Malcom
Deas y Fernando Gaitán, 1995). Los análisis de la violencia en Colombia en general, pero
específicamente en éste estudio, el acto de violencia por homicidio se logra dividir en dos enfoques:
el enfoque de condiciones subjetivas y que tiene una estrecha relación con una aseveración hecha
por un economista estadounidense: “el délito en general es causado por factores subjetivos que
expone que los individuos racionales usan la violencia como mecanismo para lograr beneficio y
poder tanto propio como para sus familias, según su teoría del crimen” (Becker 1968; Gaitán,
Malcom y Deas, 1995). Por otro lado, el enfoque de condiciones objetivas expone factores como la
desigualdad, la pobreza, el desempleo, PIB per cápita y factores externos al individuo pero que le
afectan directamente como la presencia de grupos armados ilegales que causan afectación como las
FARC, ELN o las BACRIM. El objeto de ésta investigación toma a consideración el segundo
enfoque. (Malcom Deas y Fernando Gaitán, 1995. Dos ensayos especulativos sobre la violencia en
Colombia. Bogotá, Colombia. DNP).

10
4.2. Definición de la variable dependiente en términos de la teoría.
La variable dependiente se establece a través de la teoría de enfoque objetivo, dicha variable es
muertes por homicidios (variable expresada en ésta investigación “muerte por homicidio por cada
100.000 personas”), la violencia homicida es fruto, en buena parte, de la dinámica económica, pues
también tiene factores sociológicos y antropológicos (Malcom, Deas y Gaitán, 1995). Este aspecto
afecta a la violencia homicida no solo en momentos de caída de la economía sino también durante
la recuperación económica. Esta variable está determinada por las condiciones de vida y las
relaciones sociales, pues ellos consideran mucho más significativo tomar variables objetivas que
determinar el comportamiento de la violencia homicida desde un enfoque subjetivo.
4.3. Justificación de la importancia teórica de las variables explicativas y su relación con la

variable dependiente.
PIB per cápita: El objetivo del PIB per cápita es obtener un dato que muestre en teoría el nivel
de riqueza o bienestar de un territorio respecto a población en un momento específico. La muerte
por homicidio es a menudo visto como el producto de las relaciones económicas que tiene una
persona dentro de su territorio, dado que un PIB per cápita alto prometería mejores condiciones de
vida a un grupo de individuos y no ser expuestos por ejemplo a zonas de altos índices de muerte por
homicidio como los barrios marginales (zonas que se considerarían como generadoras de un PIB
per cápita bajo), demostrando así que el PIB per cápita tiene una relación inversa con la muerte por
homicidios. Sin embargo, existe la posibilidad de que esta relación no sea inversa ya que
empíricamente se conoce que cuando un territorio presenta significativos PIB per cápita suele
también ser escenario de actividades criminales gracias a la concentración de riqueza.
Tasa de desempleo: El empleo podría ser entendido como el ingreso que un individuo percibe
por ofrecer sus habilidades o conocimiento en alguna actividad económica, la tasa de desempleo
11
expresa el porcentaje de personas que no logran ser absorbidas por el mercado laboral y por ende
hace referencia a aquellos individuos que no reciben un ingreso para lograr satisfacer sus
necesidades. La formación de pandillas y subculturas delincuenciales constituyen una adaptación
grupal frente a la frustración de no poder conseguir el status convencional por los medios legales,
de modo que tendría fuerte incidencia en las muertes por homicidio.
% Presencia de las FARC en el territorio: Proporción de municipios con presencia de las
FARC por departamento, los territorios más pobres o con menos cobertura institucional es en dónde
se establecen grupos como las FARC que empeoran las condiciones socioeconómicas de la región
dado que la naturaleza de éstos grupos es asesinar a quien esté en contra de sus ideales ilegítimos o
a quienes demuestren aversión ante sus imposiciones, tiene relación directa con el comportamiento
de las muertes por homicidios.
Tasa de incidencia de la pobreza: Medida a través de la pobreza monetaria, ésta tasa indica el
porcentaje de personas que se encuentran en condición de pobreza. Como los pobres no tienen
acceso a bienes que requieren para satisfacer sus necesidades básicas, y no encuentran un modo
legal de alcanzarlos, deciden tomarlos por la fuerza. No se trata de una circunstancia individual sino
grupal, se trata de la situación de una colectividad que se denomina pobres y que comparten esa
condición y eso lleva a un aumento en la tasa de muertes por homicidio.
Índice de Gini: La desigualdad que se observa en la sociedad donde unos individuos tienen lo
que a otros les falta, representa un sentido de inconformismo por parte de quienes tienen menos
necesidades satisfechas, lo que le daría incentivos a un individuo a tomar acciones ilegales que
“erradiquen” esa desigualdad como asesinar por conseguir ese bienestar negado dentro de la
legalidad y así un mayor índice de Gini representaría menos conformismo por ciertas personas en
condiciones más desiguales en términos de privación.

12
5. RESULTADOS
5.1. Análisis de los estadísticos descriptivos de las variables.

Tabla 2
Estadísticos descriptivos de las variables regresoras.
VARIABLES YPC TD PFARC TIPOB GINI

Media 16335856 9.85 0.219545 38.9 0.510045
Mediana 11842672 9.2 0.155 40.6 0.5025
Máximo 91320947 15.8 0.75 63.1 0.603
Mínimo 2139107 7.1 0 10.2 0.466
Desviación
18184861 2.244305 0.214598 13.8824 0.034335
estándar.
Asimetría. 3.392727 0.967312 0.987349 -0.259766 0.874793
Curtosis. 14.5073 3.352748 2.974611 2.293835 3.592433
N° de observaciones: 22, año de muestra: 2013.
La distribución de los datos de la variable YPC no presenta simetría ya que el coeficiente de
asimetría es de 3.39. Por otro lado, el grado de concentración de los datos de la variable es alto en
la región central de la distribución, es decir, es de tipo leptocúrtica ya que presenta una curtosis
de 14.5.
La distribución de los datos de la variable TD no presenta simetría ya que el coeficiente de
asimetría es de 0.96. Por otro lado, el grado de concentración de los datos de la variable es
moderada, es decir, es de tipo mesocúrtica ya que presenta una curtosis de 3.35.
La distribución de los datos de la variable PFARC no es simétrica ya que el coeficiente de
asimetría es de 0.98. Por otro lado, el grado de concentración de los datos de la variable es
moderada en la región central de la distribución, es decir, es de tipo mesocúrtica ya que su
coeficiente de curtosis es de 2.97.
La distribución de los datos de la variable TIPOB es simétrica ya que el coeficiente de
asimetría es de -0.25. Por otro lado, el grado de concentración de los datos de la variable es bajo
13
en la región central de la distribución, es decir, es de tipo platicúrtica ya que el coeficiente de
curtosis es 2.29.
La distribución de los datos de la variable GINI no es simétrica ya que el coeficiente de
asimetría es de 0.87. Por otro lado, el grado de concentración de los datos de la variable es alto,
es decir, es de tipo leptocúrtica ya que presenta una curtosis de 3.59.
5.2. Análisis de las fallas del modelo.
Los errores de la estimación se distribuyen normalmente. Además se realizaron las diferentes
pruebas de multicolinealidad basados en tres de los métodos formales que existen para detectarla.
Los métodos de determinante de la matriz, la regla de Klien y el factor de inflación de varianza
(FIV) arrojaron que el modelo no presenta multicolinealidad, pero en el método de Regla de
Klien cuando se observan la significancia individual en las regresiones auxiliares se advierte que
se presenta la existencia multicolinealidad entre las variables YPC y TIPOB. Sin embargo, por
mayoría se decidió aceptar que el modelo no presenta multicolinealidad por lo que se mantiene el
modelo inicial.
5.3. Modelo Final.

Tabla 3
Resultados de la regresión.
Desviación
Variable Coeficiente t-estadístico P-valor
estándar
C 68.59407 53.26508 1.287787 0.2161
YPC 9.23E-07 2.11E-07 4.372651 0.0005
TD 3.578755 1.390592 2.573548 0.0204
PFARC 38.83120 15.76391 2.463.297 0.0255
TIPOB 0.140321 0.314889 0.445622 0.6618
GINI -193.7653 104.5436 -1.853440 0.0824
P-valor (F-
R-cuadrada 0.718522 0.000541
estadístico)
14
5.4. Significancia e interpretación de los resultados obtenidos.

Significancia individual:
El P-valor del t-estadístico para las variables YPC, TD y PFARC es menor que el nivel de
significancia (α) del 5% para el año de muestra 2013, por lo que se rechaza la hipótesis nula (𝛽𝑖 =
0) así que se concluye que las variables PIB per cápita, tasa de desempleo y % presencia de las
FARC en el territorio son estadísticamente significativas individualmente. Sin embargo, el P-
valor del t-estadístico de las variables TIPOB y GINI es mayor que el nivel de significancia (α)
del 5%, por lo que para este caso no se rechazan la hipótesis nula (𝛽𝑖 = 0) y por lo tanto las
variables tasa de incidencia de la pobreza monetaria y el índice de Gini no son estadísticamente
significativas individualmente.
Significancia conjunta:
El P-valor del F-estadístico es menor que el nivel de significancia (α) del 5% para el año de
muestra 2013, por lo que se rechaza la hipótesis nula (𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 0), es decir, los
coeficientes betas en su conjunto son estadísticamente significativos con un nivel de confianza
del 95%.
Interpretación de los resultados:
Año muestra 2013:
Manteniendo todo lo demás constante, cuando el PIB per cápita en Colombia aumenta en un
millón de pesos, los homicidios aumentan en promedio en 0.000000923 por cada 100.000
habitantes. Por otro lado, en ceteris paribus, cuando la tasa de desempleo aumenta en un punto
porcentual, los homicidios aumentan en promedio en 3.57 por cada 100.000 habitantes.
15
Además también se obtuvo que manteniendo todo lo demás constante, cuando la presencia de
las FARC en el territorio aumenta en un punto porcentual, los homicidios incrementan en
promedio en 38.8 por cada 100.000 habitantes. Igualmente de la estimación econométrica se
concluye que en ceteris paribus, cuando la tasa de incidencia de la pobreza monetaria aumenta en
un punto porcentual, los homicidios aumentan en promedio en 0.14 por cada 100.000 habitantes.
Y finalmente la estimación arrojó que manteniendo todo lo demás constante, cuando el índice de
Gini aumenta un punto, los homicidios disminuyen en promedio en 193.76 por cada 100.000
habitantes.
Por otro lado, la regresión econométrica presentó un coeficiente de determinación (R²) igual a
71.85% por lo que se puede concluir que en un 71.85% las variables regresoras explican el
comportamiento promedio de la variable dependiente.

16
6. CONCLUSIONES.
En base a lo anterior expuesto en este proyecto se puede concluir que en principio se
cumplieron las hipótesis de los signos de los coeficientes para las variables PIB per cápita, la tasa
de desempleo, la presencia de las FARC y la tasa de incidencia de pobreza monetaria quienes
influyeron positivamente en los homicidios. La única excepción fue el coeficiente del índice de
Gini para el cual la hipótesis del signo que se esperaba era positivo y dio negativo.
En primer lugar, se observa que la variable explicativa PIB per cápita es significativa
individualmente y presenta una relación positiva con los homicidios por cada 100.000 habitantes,
esto evidenciaría que en Colombia los territorios donde existe mayor concentración de ingresos
suelen ser los escenarios atractivos para los criminales. La razón se puede deber en parte a que
estos individuos al ser racionales como lo plantea la teoría, también realizan un análisis de costo-
beneficio donde la remuneración por homicidio o el costo del bien que desean transferirse
forzadamente, que puede terminar en muerte, influyen en su decisión de cometer actos
criminales.
En segundo lugar, la variable de tasa de desempleo es significativa a la hora de explicar los
homicidios. Además su coeficiente refleja que afecta positivamente al fenómeno de estudio por lo
que valida la teoría que plantea que, en efecto, cuanto más escasas son las oportunidades de
acceder a un empleo mayor se hace el beneficio de participar en esta actividad criminal.
En tercer lugar, el coeficiente de la presencia de las FARC en el territorio arrojó que esta
impacta positivamente y es significativa para los homicidios. La presencia de grupos al margen
de la ley hacen que los territorios sean sensibles a fenómenos que rodean la criminalidad ya que,
por ejemplo, se pueden presentar diferentes actividades que se encuentran asociadas a estos
17
grupos como el reclutamiento de menores, las extorsiones y homicidios que representan un
obstáculo para el desarrollo de las regiones al no permitir configurar una ambiente sano.
En cuarto lugar, se observó que la tasa de incidencia de la pobreza monetaria no es una
variable significativa individualmente, pero como lo muestra el F-estadístico en conjunto con las
demás variables sí explica la variable dependiente, de hecho, al no ser significativa
individualmente permite concluir que el no alcanzar a superar la línea de pobreza monetaria
puede no explicar en sí mismo su influencia en los homicidios, pero que al encontrarse
acompañada en la regresión por otras variables como la presencia de las FARC permitiría
concluir implícitamente que las variables podrían estar retroalimentándose, afectando
positivamente en el sentido de los coeficientes al fenómeno de estudio.
En quinto lugar, el coeficiente del índice de Gini curiosamente al igual que el anterior no da
estadísticamente significativo individualmente y su coeficiente negativo no es el esperado. De
hecho, se esperaría que la desigualdad contribuyera a la criminalidad ya que genera una sensación
de injusticia entre las personas en desventaja que les lleva a buscar una compensación por otros
medios, incluyendo actividades criminales. Sin embargo, en el caso de Colombia para el año
2013 esto no parece tener concordancia ya que un aumento de la desigualdad se traduce en una
disminución de los homicidios, el porqué de esta situación se podría deber a que en sí misma no
es una variable significativa, pero además en que no siempre cuando disminuye la desigualdad
esto se traduce en disminución de la criminalidad ya que en este comportamiento también inciden
muchos factores exógenos al modelo como la efectividad del sistema judicial y la cobertura
policial en materia de política pública. Además también es posible que existan razones en la
distribución de la desigualdad en la muestra de estudio que puede no seguir un patrón de

18
comportamiento predecible por lo que reflejaría una razón del porqué no determina en sí misma
los homicidios.
En conclusión, sobre si el PIB per cápita, la tasa de desempleo, la presencia de las FARC, la
tasa de incidencia de la pobreza monetaria y el índice de Gini son determinantes en la decisión de
los criminales a la hora de cometer los homicidios, se puede inferir que en efecto las variables en
su conjunto son significativas y explican de manera aceptable el comportamiento promedio de los
homicidios según el valor del R².

19
7. REFERENCIAS
BECKER, G. (1968). Crimen y castigo: un enfoque económico. EE.UU: Journal of political
economy.
DEAS, MALCOM Y GAITÁN. (1995). Dos ensayos especulativos sobre la violencia en
Colombia. Santa Fe de Bogotá, Colombia: FONADE.
Centro de Recursos para el Análisis de Conflictos, CERAC. (2014). Informe sobre la
presencia de grupos paramilitares y guerrillas en Colombia, página 101. Tomado de:
https://www.datoselectorales.org/wpcontent/uploads/2019/05/MOE_Riesgo_por_grupos_armado
s_ilegales_Mapa_de_Riesgo_Electoral_2014.pdf
Policía Nacional de Colombia. (2020). Observatorio del delito: estadística delictiva. Tomado
de: https://www.policia.gov.co/grupo-informaci%C3%B3n-criminalidad/estadistica-delictiva
Departamento Administrativo Nacional de Estadística, DANE. (2020). Estadísticas por tema.
Tomado de: https://www.dane.gov.co/index.php/estadisticas-por-tema

20
8. ANEXOS
Anexo 1: resultado de la estimación econométrica.
Dependent Variable: TH
Method: Least Squares
Date: 06/13/20 Time: 09:20
Sample: 1 22
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 68.59407 53.26508 1.287787 0.2161

YPC 9.23E-07 2.11E-07 4.372651 0.0005
TD 3.578755 1.390592 2.573548 0.0204
PFARC 38.83120 15.76391 2.463297 0.0255
TIPOB 0.140321 0.314889 0.445622 0.6618
GINI -193.7653 104.5436 -1.853440 0.0824
R-squared 0.718522 Mean dependent var 34.07618

Adjusted R-squared 0.630560 S.D. dependent var 22.53989
S.E. of regression 13.70009 Akaike info criterion 8.299683
Sum squared resid 3003.081 Schwarz criterion 8.597240
Log likelihood -85.29652 Hannan-Quinn criter. 8.369779
F-statistic 8.168573 Durbin-Watson stat 2.202148
Prob(F-statistic) 0.000541
Anexo 2: prueba de normalidad de los errores con el estadístico de Jarque Bera.
10
Series: RESIDBASE
Sample 1 22
8 Observations 22
Mean 1.31e-14
6 Median -0.747336
Maximum 30.24440
Minimum -30.62197
Std. Dev. 11.95842
4
Skewness 0.059567
Kurtosis 4.493453
2
Jarque-Bera 2.057544
Probability 0.357446
0
-40 -30 -20 -10 0 10 20 30 40
El P-valor del estadístico de Jarque Bera es de 35% por lo que es mayor que el nivel de
significancia (α) del 5% así que no se rechaza la hipótesis nula (Ho: 𝑈~𝑁 (0, 𝜎²) y se concluye
que los errores se distribuyen normalmente.

21
Anexo 3: prueba de multicolinealidad haciendo uso del método formal de determinante de la
matriz de correlaciones.
Value
DETMCORR
EL 0.334058
El determinante de la matriz de correlación es de 0.334058 por lo que no se rechaza la
hipótesis nula (Ho: Xj ≠ aXi) así que se concluye que el modelo no presenta multicolinealidad.
Anexo 4: prueba de multicolinealidad haciendo uso del método formal de la regla de Klien en
base a regresiones auxiliares.
Dependent Variable: YPC

Date: 06/13/20 Time: 08:19
Sample: 1 22
C 90191446 57164058 1.577765 0.1330

TD -1700330. 1543785. -1.101403 0.2861
PFARC 2198479. 18106328 0.121420 0.9048
TIPOB -714786.7 317602.3 -2.250572 0.0379
GINI -58396368 1.19E+08 -0.489523 0.6307
R-squared 0.393311 Mean dependent var 16335856

Adjusted R-squared 0.250561 S.D. dependent var 18184861
S.E. of regression 15742660 Akaike info criterion 36.17836
Sum squared resid 4.21E+15 Schwarz criterion 36.42633
Dependent Variable: TD
Date: 06/13/20 Time: 08:20
Sample: 1 22

22
C 11.55409 8.857337 1.304466 0.2095

YPC -3.92E-08 3.56E-08 -1.101403 0.2861
PFARC 1.257499 2.732444 0.460210 0.6512
TIPOB -0.048435 0.053649 -0.902815 0.3792
GINI 1.066323 18.23180 0.058487 0.9540

Adjusted R-squared -0.133535 S.D. dependent var 2.244305
Dependent Variable: PFARC

Date: 06/13/20 Time: 08:20
Sample: 1 22
C -0.372071 0.814526 -0.456794 0.6536

YPC 3.94E-10 3.25E-09 0.121420 0.9048
TD 0.009785 0.021263 0.460210 0.6512
TIPOB 0.006803 0.004555 1.493467 0.1536
GINI 0.439488 1.604919 0.273838 0.7875

S.E. of regression 0.210783 Akaike info criterion -0.079261
Log likelihood 5.871874 Hannan-Quinn criter. -0.020848
Dependent Variable: TIPOB

Date: 06/13/20 Time: 08:21
Sample: 1 22
C -11.32560 40.93410 -0.276679 0.7854

YPC -3.21E-07 1.43E-07 -2.250572 0.0379
TD -0.944598 1.046282 -0.902815 0.3792
PFARC 17.04935 11.41595 1.493467 0.1536
GINI 119.6619 75.11014 1.593152 0.1295

23

Dependent Variable: GINI

Date: 06/13/20 Time: 09:20
Sample: 1 22
C 0.467651 0.049046 9.534944 0.0000

YPC -2.38E-10 4.86E-10 -0.489523 0.6307
TD 0.000189 0.003226 0.058487 0.9540
PFARC 0.009993 0.036491 0.273838 0.7875
TIPOB 0.001086 0.000681 1.593152 0.1295

S.E. of regression 0.031783 Akaike info criterion -3.863023
Sum squared resid 0.017173 Schwarz criterion -3.615059
Log likelihood 47.49325 Hannan-Quinn criter. -3.804610
En todas las cinco regresiones auxiliares el Ri² < R²:
39,33% < 71,85% (V. dep: YPC)
8,2% < 71,85% (V. dep: TD)
21,9% < 71,85% (V. dep: PFARC)
53,2% < 71,85% (V. dep: TIPOB)
30,6% < 71,85% (V. dep: GINI)
Por lo que se concluye que el modelo no presenta multicolinealidad.
Anexo 5: prueba de multicolinealidad mediante el uso del método formal de factor de inflación
de la varianza (FIV).
Variance Inflation Factors

Date: 06/13/20 Time: 13:39
Sample: 1 22
24
Coefficient Uncentered Centered

Variable Variance VIF VIF
C 2837.169 332.5529 NA
YPC 4.45E-14 3.041774 1.648292
TD 1.933746 23.08090 1.089771
PFARC 248.5010 2.684367 1.280414
TIPOB 0.099155 19.72494 2.138039
GINI 10929.36 334.7054 1.441600
El FIV de cada una de las variables regresoras es menor a 10 por lo que en base al criterio de
la prueba se concluye que el modelo no presenta multicolinealidad.
Anexo 6: datos de las variables sobre los que se realizó la estimación econométrica.
DEPARTAMEN
obs TOS TH YPC TD PFARC TIPOB GINI
1 Antioquia 39.42863 16509839 9.7 0.20 24.2 0.532

2 Bogotá D. C. 16.53557 24778616 9.0 0.00 10.2 0.504
3 Bolívar 20.83833 13833336 7.3 0.11 41.8 0.501
4 Boyacá 9.191935 15812778 8.9 0.03 39.3 0.533
5 Caquetá 62.30034 6779253. 8.2 0.75 42.4 0.467
6 Cauca 38.67921 9810724. 11.3 0.60 58.4 0.548
7 Cesar 25.79532 13533344 8.3 0.08 44.8 0.489
8 Chocó 12.36379 2139107. 11.2 0.48 63.1 0.603
9 Córdoba 13.58609 5057784. 8.6 0.07 51.8 0.527
10 Cundinamarca 105.0341 91320947 8.3 0.03 18.9 0.466
11 Huila 29.92056 11817647 8.6 0.24 47.3 0.546
12 La Guajira 20.39082 9397264. 7.1 0.53 55.8 0.562
13 Magdalena 27.19476 8286916. 7.9 0.03 50.5 0.496
14 Meta 34.59942 33322846 10.4 0.41 27.1 0.470
15 Nariño 35.08087 6485683. 11.0 0.28 47.6 0.520
Norte de
16 Santander 38.65269 8778665. 13.0 0.30 39.4 0.480
17 Quindío 44.36740 10614230 15.8 0.08 35.6 0.500
18 Risaralda 37.82104 12551822 12.8 0.07 28.8 0.501
19 Santander 17.14903 23361978 7.3 0.01 19.5 0.492
20 Sucre 19.88174 7346479. 9.4 0.04 47.3 0.469
21 Tolima 24.85466 11867697 9.7 0.23 34.8 0.511
22 Valle del Cauca 76.00963 15981877 12.9 0.26 27.2 0.504

Análisis Sobre Los Determinantes de La Criminalidad en Colombia en La Modalidad Homicidio PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Análisis Sobre Los Determinantes de La Criminalidad en Colombia en La Modalidad Homicidio PDF

Cargado por

Copyright:

Formatos disponibles

1

ANÁLISIS SOBRE LOS DETERMINANTES DE LA CRIMINALIDAD EN COLOMBIA

YORMAN STIVEN CUADROS CORZO

MAYERLYN YINETH APONTE CAMACHO

DENNYS JAZMÍN MANZANO LÓPEZ

Economista, especialista en Contratación Pública y magíster en Economía Aplicada

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

distribuidos en la sociedad: cambian a lo largo del tiempo, en diferentes territorios y diferentes

debe ser multidisciplinar e interdisciplinar, pues el comportamiento de los homicidios no está

El objetivo de éste trabajo es demostrar la incidencia de las variables socio-económicas

consideradas según la teoría de enfoque objetivo del homicidio para 21 departamentos de

dichas variables tiene una relación directa o indirecta.

La metodología utilizada para desarrollar éste trabajo es de tipo cuantitativa, la investigación

variables predichas en el fenómeno de estudio.

Finalmente, el trabajo se divide en 8 secciones en donde se presentan además de la

el enfoque teórico sobre el cual se sustenta la investigación, los resultados y respectivas

se tomaron como muestra para ésta investigación.

 Medir la influencia de algunos factores socioeconómicos en los incentivos para los

criminales a la hora de tomar la decisión de cometer homicidios.

2.2. Objetivos específicos.

 Establecer el fundamento teórico existente sobre la importancia de la dimensión

 Estimar el modelo econométrico que mejor se ajuste a los datos obtenidos.

 Interpretar los resultados arrojados por la estimación econométrica.

La metodología de este proyecto es de tipo cuantitativa y la investigación es de tipo

3.2. Tipo de muestreo.

El tipo de muestreo que se utiliza en la investigación es el muestreo no aleatorio, es decir, no

estocástico donde no se sigue ningún tipo de distribución probabilística. Se tomaron como

muestra 21 departamentos + distrito capital de Colombia para el año 2013.

3.3. Variables (tipo, definición, unidades, fuente).

Presentación de la variable explicada y las variables regresoras.

3.4. Modelo matemático y econométrico.

fenómeno de estudio, por lo que se construyó un modelo econométrico en base a un fundamento

variables explicativas consideradas en este proyecto.

El modelo econométrico establecido para esta investigación es:

TH = 𝛽0 + 𝛽1 (Ypc) + 𝛽2 (TD) + 𝛽3 (PFARC) + 𝛽4 (TIPOB) + 𝛽5 (GINI)

presentado en la tabla 1 del punto 3.3.

𝛽1 > 0 ; 𝛽2 > 0 ; 𝛽3 > 0 ; 𝛽4 > 0 ; 𝛽5 > 0

H1: 𝑈~𝑁 (0, 𝜎²); donde los errores no se distribuyen normalmente.

Se acepta Ho si la probabilidad del estadístico de Jarque Bera es mayor que el nivel de

significancia (α) del 5%.

Prueba de significancia individual:

Ho: 𝛽𝑖 = 0: El beta no es significativo. ; H1: 𝛽𝑖 ≠ 0: El beta es significativo.

Prueba de significancia conjunta:

Ho: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 0; donde los betas en conjunto no son significativos.

H1: β1 ≠ β2 ≠ 𝛽3 ≠ 𝛽4 ≠ 𝛽5 ≠ 0; donde los betas en conjunto son significativos.

Se realizaron para la prueba de multicolinealidad tres pruebas.

Se tienen las siguientes hipótesis:

En la primera prueba, el criterio es: si el determinante de matriz de correlación es cero o muy

cercano a cero, se rechaza la hipótesis nula (Ho).

donde el criterio para rechazar la hipótesis nula (Ho) es Ri²>R².

4.1. Introducción a la teoría de referencia.

Colombia. Bogotá, Colombia. DNP).

4.2. Definición de la variable dependiente en términos de la teoría.

La variable dependiente se establece a través de la teoría de enfoque objetivo, dicha variable es

determinar el comportamiento de la violencia homicida desde un enfoque subjetivo.

4.3. Justificación de la importancia teórica de las variables explicativas y su relación con la

de riqueza o bienestar de un territorio respecto a población en un momento específico. La muerte

también ser escenario de actividades criminales gracias a la concentración de riqueza.

necesidades. La formación de pandillas y subculturas delincuenciales constituyen una adaptación

de modo que tendría fuerte incidencia en las muertes por homicidio.

% Presencia de las FARC en el territorio: Proporción de municipios con presencia de las

de las muertes por homicidios.

condición y eso lleva a un aumento en la tasa de muertes por homicidio.