CONTENIDO

RESUMEN...........................................................................................................................................2
OBJETIVO...........................................................................................................................................2
REVISIÓN LITERARIA..........................................................................................................................3
1. ANÁLISIS DE DATOS...................................................................................................................5
1.1. RESUMEN DE LOS DATOS..................................................................................................5
2. MODELO ECONOMÉTRICO........................................................................................................5
3. MULTICOLINEALIDAD................................................................................................................7
4. HETEROSCEDASTICIDAD............................................................................................................8
4.1. MEDIDAS CORRECTIVAS PARA LA HETEROSCEDASTICIDAD.............................................9
5. CONCLUSIONES..........................................................................................................................9
6. REFERENCIAS...........................................................................................................................10
 ANÁLISIS ECONOMÉTRICO DE LA TASA DE
DELINCUENCIA EN BOLIVIA

RESUMEN
La delincuencia es un fenómeno complejo que se presentan en todas las sociedades con
magnitudes y expresiones diversas. La delincuencia en Latinoamérica en los últimos años es tema
de muchos debates, debido a su alto crecimiento experimentado en la última década. Como
Bolivia pertenece a esta región, es interesante ver las causas que están detrás del crecimiento de
la tasa de delincuencia. Para ver las diferentes causas este documento investiga cuál es la relación
entre una serie de variables explicativas y varias actividades delictivas en el país. En el documento
se tratará de probar las diferentes correlaciones entre estas variables, además de que, a través de
un modelo de econometría, con el cual se pretende determinar los factores que motivan a una
persona a delinquir.

Palabras clave: Actividades delictivas, Modelos econométricos, tasa de delincuencia

OBJETIVO
Realizar una validación econométrica y estadística con los datos extraídos, para analizar los
factores que inciden en la tasa de delincuencia en Bolivia. La hipótesis sustentada, es que la tasa
de delincuencia, expresada a través del número de personas que ingresaron al penal por
comportamiento delictivo, son explicados por los factores socioeconómicos observados (variables
independientes). Los datos fueron recabados en base del Instituto Nacional de Estadística INE, y el
modelo que se considero es una regresión lineal. D acuerdo a los resultados en la parte final el
estudio propone incentivar programas de ayuda para disminuir la tasa de delincuencia.
REVISIÓN LITERARIA
“Las razones que motivan este estudio son comprender los factores que motivan a los individuos a
delinquir, objeto presentar las principales relaciones entre dichas variables y su grado de
influencia, así, las autoridades tendrán una herramienta que les permitirá tomar decisiones
basadas en criterios cuantitativos, y con esto proponer medidas para obtener mejoras en el
combate contra la delincuencia. Para esto, se identifican cuáles son los factores determinantes de
la delincuencia, con ellos se crea una base de datos que comprende desde el año 1990 a 2008, y se
proponen modelos tentativos que se evalúan y validan con el fin de construir un modelo
econométrico definitivo.” (Hanns de la Fuente Mella, Claudia Mejías Navarro, Pía Castro O
´Kuinghttons)

“En Bolivia, las ciudades de Santa Cruz, Cochabamba, La Paz y el Alto son las más violentas e
inseguras del país, representando casi el 75% del total de los delitos cometidos. La concentración
de la actividad delictiva en estas ciudades se atribuye, por un lado, a su alta densidad demográfica
(en La Paz, Santa Cruz y Cochabamba reside alrededor del 70% de la población boliviana), y a la
creciente urbanización, por otro. Dada la gran cantidad de personas que perdieron la vida en actos
delictivos en los últimos años, el Gobierno se vio obligado a reforzar la seguridad a través de la
creación de una nueva Escuela Básica Policial para entrenar futuros efectivos policiales.” (Raúl
Rubin de Celis, Gimmy Nardo Sanjinés Tudela, Javier Aliaga Lordemann)

“Para la constatación de la hipótesis se realizó un análisis estadístico donde se describió la relación

entre las variables y un análisis econométrico a través de mínimos cuadrados ordinarios (MCO)
donde se analizaron las variables explicativas del delito junto con la descripción de los casos
críticos arrojados por el modelo. Los modelos arrojaron tres principales resultados: un primer
resultado muestra que no existe evidencia estadísticamente significativa que demuestre que las
variables de la dimensión socioeconómica, nivel socioeconómico bajo, educación y empleo, tienen
un efecto directo sobre el delito violento. Un segundo resultado indica que los factores
demográficos como la densidad poblacional y la población entre 15 y 29 años, tienen influencia en
los robos violentos, no así en los homicidios. Un tercer resultado muestra que ninguna de las
dimensiones planteadas en este estudio tuvo efectos estadísticamente significativos sobre los
homicidios debido al comportamiento convivencia de los mismos.” (Mari Carmen Santana Espinal,
2016)

“Los estudios macroeconómicos sobre la criminalidad son estudios que se presentan de manera
empírica usando datos agregados, implementan, modelos de datos en el panel donde relacionan
la criminalidad, con variables socioeconómicas para encontrar sus determinantes. De esta manera
el modelo general macroeconómico de los determinantes de la delincuencia viene dada por:

Delitos =f (características socioeconómicas)

Tasa de delincuencia=β 0 + β 1 PIB+ β 2 Poblacion urbana+ β 3 Denuncias + β 4 Tasade desmpleo+ β 5 Nivel de educa
” (Cesar Piert Reyes Pozo, 2015)

“La criminalidad es definida como la suma proporcional de crímenes cometidos en un lugar y

tiempo determinados. Sin duda los actos criminales son un tema de gran relevancia para la
sociedad y el gobierno ya que el individuo puede desenvolverse a plenitud dado un ambiente que
brinde seguridad y garantice el bienestar de él y los que lo rodean. Cada día nos vemos inundados
de noticias acerca de actos delictivos por los distintos medios de comunicación, no es algo raro
que la percepción de las personas acerca de la inseguridad se haya incrementado
considerablemente. Sin embargo, los reportes estadísticos oficiales brindan una mejor evaluación
del crimen que no necesariamente coincide con la percepción intuitiva de la población. Es por eso
que es importante realizar estudios estadísticos analíticos para divulgarlos en la sociedad con el
propósito de informar y corregir posibles percepciones erróneas.” (Cinthia Estefanny Torrez
Mamani Renán Andrés Cabrera Lafuente, 2015)
 1. ANÁLISIS DE DATOS
1.1. RESUMEN DE LOS DATOS
Variabl Obs Mean Std. Dev. Min Max
e
D 37 7580.703 3048.991 5577 14951
PIB 37 2.32e+07 9052315 1.35e+07 4.44e+07
TD 37 8.316216 2.682299 3.2 11.6
NE 37 6.243243 1.823693 4.6 12.2
VD 37 6004.892 1299.383 4063 10703
CA 37 2562.595 1464.949 1811 7750
CD 37 1399767 4823975 8189 2.04e+07

2. MODELO ECONOMÉTRICO
La función estaría representada por:

D f (TD , NE ,VD , PIB , CA , DCD)

D= β1 + β 2∗PIB+ β 3∗TD+ β 4∗NE+ β 5∗VD + β 6∗CA + β7∗CD

Para el modelo econométrico se tomó como variables explicativas e independientes las

siguientes:

D = Tasa de delincuencia (VARIABLE DEPENDIENTE). (N° personas)

PIB = Producto interno bruto (VARIABLE INDEPENDIENTE). (miles de bs)
TD = Tasa de desempleo (VARIABLE INDEPENDIENTE).(%)
NE = Nivel de educación (VARIABLE INDEPENDIENTE).(años promedio de estudio)
VD = Violencia domestica (VARIABLE INDEPENDIENTE). (N° casos)
CA = Comercialización de autopartes (VARIABLE INDEPENDIENTE). (N° partes
comercializadas)
CD = Denuncias de comercialización de drogas (VARIABLE INDEPENDIENTE) (Kg)

De la regresión se obtuvo los parámetros estimados:

r Source SS df MS Number of obs = 37

F( 6, 30) = 95.63
Model 318039408 6 53006567.9 Prob > F = 0.0000
Residual 16629062.1 30 554302.07 R-squared = 0.9503
Adj R-squared = 0.9404
Total 334668470 36 9296346.38 Root MSE = 744.51

D Coef. Std. Err. t P>|t| [95% Conf. Interval]

PIB .0000897 .0000457 1.96 0.059 -3.68e-06 .0001832
 TD -460.1026 109.226 -4.21 0.000 -683.1718 -237.0334
NE -190.1156 98.83358 -1.92 0.064 -391.9607 11.72945
VD -.2405406 .2204922 -1.09 0.284 -.6908458 .2097646
CA .937788 .1545335 6.07 0.000 .6221886 1.253387
CD .0000891 .0000371 2.40 0.023 .0000134 .0001649
_cons 9425.795 1752.454 5.38 0.000 5846.806 13004.78

β 2.-Según el valor P-value es estadísticamente significativo, ya que no sobrepasa el 10%

(nivel de significancia)
β 3.-Según el valor P-value es estadísticamente significativo, ya que no sobrepasa el 10%
(nivel de significancia)
β 4 .-Según el valor P-value es estadísticamente significativo, ya que no sobrepasa el 10%
(nivel de significancia)
β 5.-Según el valor P-value NO es estadísticamente significativo, ya que sobrepasa el 10%
(nivel de significancia)
β 6.-Según el valor P-value es estadísticamente significativo, ya que no sobrepasa el 10%
(nivel de significancia)
β 7.-Según el valor P-value es estadísticamente significativo, ya que no sobrepasa el 10%
(nivel de significancia)

D=9425.795+0.0000897∗PIB−460.1026∗TD −190.1156∗NE −0.2405406∗VD +0.937788∗CA +0.0000

β 2.-Por cada incremento de 1 bs en el PIB, D (tasa de delincuencia), en promedio,
incrementa en 0.0000897 personas, manteniendo constantes las demás variables
β 2.-Por cada incremento de 11742.22 bs en el PIB, D (tasa de delincuencia), en promedio,
incrementa una persona, manteniendo constantes las demás variables

β 3.- Por cada incremento de 1% en la tasa de empleo, D (tasa de delincuencia), en

promedio, decrece en 460 personas, manteniendo constantes las demás variables

β 4 .- Por cada incremento de 1año de estudio, D (tasa de delincuencia), en promedio,

decrece en 190 personas, manteniendo constantes las demás variables

β 5.- Por cada incremento de 1 caso de violencia doméstica, D (tasa de delincuencia), en

promedio, decrece en 0.2405406 personas, manteniendo constantes las demás variables
β 5. - Por cada incremento de 4 casos de violencia doméstica, D (tasa de delincuencia), en
promedio, decrece en 1 persona, manteniendo constantes las demás variables

β 6. - Por cada incremento de 1 autoparte robada, en promedio, D (tasa de delincuencia),

se incrementa en 1 persona, manteniendo constantes las demás variables

β 7.- Por cada incremento de 1 kg de droga incautada, en promedio, D (tasa de

delincuencia), se incrementa en 0.0000891, manteniendo constantes las demás variables
 β 7. - Por cada incremento de 11223.34 kg de droga incautada, en promedio, D (tasa de
delincuencia), se incrementa en 1 persona, manteniendo constantes las demás variables

3. MULTICOLINEALIDAD
 VIF. - Factor de inflación de la varianza

Variable VIF 1/VIF

PIB 11.14 0.089776
TD 5.57 0.179382
VD 5.33 0.187578
CA 3.33 0.300437
NE 2.11 0.473949
CD 2.08 0.481045
Mean VIF 4.93
El valor medio de VIF es menor que 10; por tanto, no es multicolineal

 Correlación

PIB TD NE VD CA CD
PIB 1.0000
TD -0.8814 1.0000
NE 0.6417 -0.7063 1.0000
VD 0.8786 -0.7275 0.5452 1.0000
CA 0.7810 -0.6725 0.4025 0.7331 1.0000
CD 0.5557 -0.4761 0.2650 0.6326 0.6716 1.0000

La correlación entre CA (comercialización de autopartes) y VD (violencia domestica) es mayor que

0.7; por tanto, puede que sean coloniales, para esto se deben tomar medidas correctivas como la
eliminación de una de las variables si fuera muy necesario.

4. HETEROSCEDASTICIDAD
 Prueba de Park

Source SS df MS Number of obs = 37

F( 6, 30) = 3.96
Model | 1.4864e+13 6 2.4773e+12 Prob > F = 0.0049
Residual | 1.8756e+13 30 6.2519e+11 R-squared = 0.4421
Adj R-squared = 0.3305
Total | 3.3620e+13 36 9.3388e+11 Root MSE = 7.9e+05

e2 Coef. Std. Err. t P>|t| [95% Conf. Interval]

PIB .0043947 .0485863 0.09 0.929 -.0948318 .1036211
TD -161141.6 116000 -1.39 0.175 -398045.2 75762.05
NE 160770.3 104963.1 1.53 0.136 -53592.93 375133.6
VD -150.4993 234.1668 -0.64 0.525 -628.7318 327.7332
 CA 140.5469 164.1174 0.86 0.399 -194.6256 475.7193
CD -.0902255 .0393873 -2.29 0.029 -.1706651 -.0097859
_cons 1353581 1861139 0.73 0.473 -2447371 5154533

El valor Prob > F = 0.0049, es estadísticamente significativo ya que es menor que el valor de
significancia, por tanto, es Heteroscedastico.

 PRUEBA DE BREUSH PAGAN

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance
Variables: fitted values of D

chi2(1) = 7.68
Prob > chi2 = 0.0056

El valor Prob > chi2 = 0.0056, es estadísticamente significativo ya que es menor que el valor de
significancia, por tanto, es Heteroscedastico.

 PRUEBA DE WHITE

Source SS df MS Number of obs = 37

F( 2, 34) = 7.29
Model 1.0085e+13 2 5.0426e+12 Prob > F = 0.0023
Residual 2.3534e+13 34 6.9219e+11 R-squared = 0.3000
Adj R-squared = 0.2588
Total 3.3620e+13 36 9.3388e+11 Root MSE = 8.3e+05
e2 Coef. Std. Err. t P>|t| [95% Conf.
Interval]
Yest 1350.375 396.8405 3.40 0.002 543.8986 2156.852
Yest2 -.0618075 .0194613 -3.18 0.003 -.1013577 -.0222573
_cons -5704190 1743533 -3.27 0.002 -9247475 -2160904

El valor Prob > F = 0.0023, es estadísticamente significativo ya que es menor que el valor de
significancia, por tanto, es Heteroscedastico.

4.1. MEDIDAS CORRECTIVAS PARA LA

HETEROSCEDASTICIDAD
 Aplicando los errores estándar robustos

Linear regression Number of obs = 37

F( 6, 30) = 572.83
 Prob > F = 0.0000
R-squared = 0.9503
Root MSE = 744.51
Robust
D Coef. Std. Err. t P>|t| [95% Conf. Interval]
PIB .0000897 .0000344 2.61 0.014 .0000196 .0001599
TD -460.1026 125.4187 -3.67 0.001 -716.2417 -203.9635
NE -190.1156 107.5324 -1.77 0.087 -409.7261 29.4948
VD -.2405406 .1388364 -1.73 0.093 -.5240823 .0430012
CA .937788 .2192636 4.28 0.000 .4899919 1.385584
CD .0000891 .000041 2.17 0.038 5.40e-06 .0001729
_cons 9425.795 1753.734 5.37 0.000 5844.192 13007.4

5. CONCLUSIONES
Según el análisis de los parámetros estimados, se concluyó que β 5, no es estadísticamente
significativa, y su interpretación no concuerda con el modelo econométrico analizado; esto se
puede deber a la escasez de datos, es por eso que la variable β 5 muestra poca relación con el
modelo, llegando a ser una variable atípica (cuando los valores se alejan mucho entre sí).

Es por eso que se recomienda eliminar esta variable, para no afectar el modelo de regresión

Además la prueba de correlación nos muestra que las variables VD y CA (comercialización de

autopartes) y VD (violencia domestica) es mayor que 0.7; por tanto son colineales, para corregir
esto se recomienda eliminar la variable β 5.ya que esta presenta más problemas, en la significancia
y en la multicolinealidad.

6. REFERENCIAS
CELIS, R. R., & ALIAGA, J. (18 de 11 de 2012). SCIELO.ORG.BO. Recuperado el 26 de 01 de 2020, de
WWW.SCIELO.ORG..BO: WWW.SCIELO.ORG..BO

MAMANI, C. E. (15 de 07 de 2015). PCB.GOB.BO. Recuperado el 26 de 01 de 2020, de

WWW.PCB.GOB.BO: HTTP://WWW.PCB.GOB.BO

MELLA, H. D. (07 de 2011). SCIELO.CONISITCONICY.SL. Recuperado el 26 de 01 de 2020, de

WWW.SCIELO.CONISITCONICY.SL: HTTP://WWW.SCIELO CONISITCONICY.SL

REYES, C. P. (2 de 03 de 2015). D_UNITRUP.EDU.PE. Recuperado el 26 de 01 de 2020, de

WWW.D_UNITRUP.EDU.PE: WWW.D_UNITRUP.EDU.PE

SANTANA, M. C. (21 de 03 de 2016). REPOSITORIO.UCHILE.CL. Recuperado el 26 de 01 de 2020, de

WWW.REPOSITORIO.UCHILE.CL: \\HTTP\\WWW.REPOSITORIO.UCHILE.CL
ANEXOS