Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
La violencia y la pobreza, lamentablemente, son males que han aquejado a México de forma
continua a través de los años. Este trabajo se trata sobre realizar un análisis de la pobreza y la
violencia en México, ya que se ha mencionado muchas veces la relación que existe entre ambas,
se presentan diversas posturas sobre si la pobreza causa violencia o viceversa. En este modelo
país, con el objetivo de poder establecer la relación y de esta forma atacar el problema que sea el
Abstract
Violence and poverty, unfortunately, are evils that have afflicted Mexico continuously over the
years. This paper deals with an analysis of poverty and violence in Mexico, since the relationship
between the two has been mentioned many times, and different positions are presented on whether
poverty causes violence or vice versa. In this econometric model, we analyze how variables related
to poverty impact violence in the country, in order to establish the relationship and thus attack the
problem that is the cause of the poor living conditions of the Mexican population.
Palabras Clave
Introducción
La violencia y la pobreza son dos fenómenos muy comunes en México que han afectado a la
población de manera histórica, existen diversas posturas sobre la relación que existe entre ambas,
especialmente de causalidad, ya que hay organizaciones como Banco Mundial que “de acuerdo al
conductas violentas, ya que, como incentivo económico, puede ser el sustento de familias enteras”
3
(2021). Sin ser la única, ya que otras instituciones como CONEVAL mencionan “que al menos,
en los municipios que existe una alta concentración de pobreza, la violencia está presente” (2021).
Esto nos deja ver una postura de dos organizaciones importantes que afirman que la violencia
En este trabajo se realizará un análisis que pueda confirmar de manera matemática si las
afirmaciones previamente establecidas se cumplen en la realidad, creando un modelo que nos deje
Esto con el objetivo de poder usar este trabajo como fuente de información confiable para el
Por último, este ejercicio se plantea como una demostración de todo lo aprendido durante la
materia, usando los diferentes conocimientos y técnicas para elaborar un modelo econométrico,
La variable que queremos explicar en este modelo es la violencia, representada por una variable
obtenida en Banco Mundial (2023) sobre las tasas de homicidios en el periodo 1990-2021 en
México. Los datos fueron obtenidos de Our World Data y Banco Mundial (2023). La teoría es
observar los cambios en la violencia dependiendo de las variables relacionadas con la pobreza, las
Marco Conceptual
HOM
Homicidios intencionales (por cada 100.000 habitantes)
Los homicidios intencionales son cálculos de homicidios ilegales cometidos en forma intencional
como resultado de conflictos internos, violencia interpersonal, conflictos violentos por la tierra o
sus recursos, violencia entre pandillas por el territorio o el control y asesinatos y violencia que
atenta contra la integridad física por parte de grupos armados. El homicidio intencional no incluye
todos los asesinatos intencionales; la diferencia suele encontrarse en la organización del asesinato.
Por lo general, las personas o grupos pequeños cometen homicidios, mientras que el asesinato en
conflictos armados suele ser cometido por grupos organizados de varios cientos de miembros y
por ende, se excluye.
UN
Desempleo, total (% de la población activa total) (estimación modelado OIT)
El desempleo es la proporción de la población activa que no tiene trabajo pero que busca trabajo
y está disponible para realizarlo. Las definiciones de población activa y desempleo difieren según
el país
GVSP
Gasto (% del PIB)
Los gastos son los pagos de dinero por actividades operativas del Gobierno para la provisión de
bienes y servicios. Incluye remuneración de empleados (como sueldos y salarios), interés y
subsidios, donaciones, beneficios sociales y otros gastos como renta y dividendos.
GIN
Índice de Gini
El índice de Gini mide hasta qué punto la distribución del ingreso (o, en algunos casos, el gasto de
consumo) entre individuos u hogares dentro de una economía se aleja de una distribución
perfectamente equitativa. Una curva de Lorenz muestra los porcentajes acumulados de ingreso
recibido total contra la cantidad acumulada de receptores, empezando a partir de la persona o el
hogar más pobre. El índice de Gini mide la superficie entre la curva de Lorenz y una línea
hipotética de equidad absoluta, expresada como porcentaje de la superficie máxima debajo de la
línea. Así, un índice de Gini de 0 representa una equidad perfecta, mientras que un índice de 100
representa una inequidad perfecta.
5
Para la elaboración del modelo, se tomaron en cuenta cuatro posibilidades que consistían en:
• Lin-Lin
• Log-Lin
• Lin-Log
• Log-Log
Finalmente se escogió como la mejor opción el modelo Lin-Lin, ya que presentaba los mejores
tener diferentes variables en porcentajes como puede ser el Gasto Público, es más conveniente usar
este tipo de modelo. El modelo fue elaborado de manera propia en lenguaje de programación R, el
===============================================
Dependent variable:
---------------------------
HOM
-----------------------------------------------
UN 2.073**
(0.764)
GVSP -0.723***
(0.177)
GIN -2.943***
(0.437)
Constant 169.918***
(24.107)
-----------------------------------------------
Observations 24
R2 0.717
Adjusted R2 0.675
Residual Std. Error 3.820 (df = 20)
F Statistic 16.909*** (df = 3; 20)
6
Lo primero que podemos observar es que el desempleo es la única variable que tiene una relación
positiva con los homicidios, lo que significa que al aumentar en una unidad (porcentual) el
que las otras dos variables tienen una relación negativa, lo que significa que al aumentar en una
unidad el Gasto Público habrá una disminución de 0.7 en la tasa de homicidios y lo mismo para la
desigualdad, medida con el Índice de Gini, siendo el valor más alto, obteniendo una disminución
de 2.9 en los homicidios cuando haya un aumento del 1% en el Índice. La tasa de homicidios
cuando todas las otras variables sean 0, sería de 169.91 por cada 100,000 habitantes. Es curioso e
interesante el resultado sobre la desigualdad, ya que según el modelo entre mayor desigualdad
Respecto a la significancia de las variables, vemos que según la regresión todas las variables son
significativas ya que tienen un pvalue menor a 0.05 por lo que son considerados estadísticamente
significativos.
Existen dos hipótesis para el siguiente trabajo para la estimación de los valores:
Realizando la prueba t con las tablas proporcionadas en el curso, establecemos que el modelo tiene
20 grados de libertad y utilizaremos una confianza del 95%, lo que nos daría como resultado 2.086,
esto significa que, dentro de las dos hipótesis posibles, en la distribución el valor estimado estará
Pruebas de normalidad
Existen diferentes pruebas de normalidad, en este caso se usará la prueba de Shapiro-Wilk, ya que
se tienen menos de 50 observaciones debido a las limitaciones de las bases de datos. El resultado
de la prueba fue que el valor de p-value es 0.6051, por lo que podemos decir que la distribución
de los errores es normal, ya que el p-value es mayor a 0.05 y por lo tanto no tenemos elementos
Si consultamos la tabla F, tenemos un Fvalue de 3.86 el cual es muy inferior al valor del Fstatistic,
por lo que junto con el p-value tan bajo que tiene, al ser mucho menor a 0.05, podemos concluir
que al menos una de las variables independientes tiene efectos significativos en la dependiente.
8
Principios de Gauss-Markov
este caso, con un VIF de 1.98, 1.99 y 1.01, no hay evidencia fuerte de multicolinealidad
significativa. Esto es positivo, ya que sugiere que la variable en cuestión no está altamente
utilizó la prueba de Breusch-Pagan para obtener un valor 2.87 y un p-value de 0.4118, lo que
significa que no hay evidencia suficiente para determinar que hay heterocedasticidad en los datos,
Comenzando por la falta de datos anteriores a 1990, lo que no permitió realizar un estudio más
extenso con las variables utilizadas en el modelo, sin contar que, dentro de la base de datos, se
encuentran algunas celdas vacías debido a que no había información disponible sobre las variables
GVSP & GIN para dichos años. En futuros estudios y análisis se podría volver a realizar el modelo
con la obtención total de esos datos y los de años anteriores para observar la diferencia en los
resultados.
Se iba a incluir una variable dummy llamada PTY que se encuentra en la base de datos, la cual iba
a determinar el partido político que se encontraba en cada año del periodo 1990-2021 para observar
los cambios que había, sin embargo, fue descartada esta variable dummy, ya que no aparecía como
significativa en el modelo.
9
Conclusiones
Con base en el cuadro de regresión, tenemos que todas las variables independientes resultaron
significativas debido a su pvalue menor a 0.05, una R2 ajustada alta de 67.4%, determina que dicha
variación de los homicidios es explicada por el modelo. Sobre el valor t de student, al obtener
2.086 sabemos que el valor estimado va a encontrarse lejos del valor hipotético de cero.
Podemos concluir que el modelo después de haber pasado por las diferentes pruebas y al cumplir
ya que los valores obtenidos reflejan que ambos principios se están cumpliendo. En los resultados
de las pruebas de normalidad, se determina como un modelo que puede explicar la variación de la
tasa homicidios usando las variables independientes asignadas, ya que al menos una de ellas
Por último, pero no menos importante, tenemos los efectos que ejercen las variables en la tasa de
homicidios, teniendo al desempleo (UN) y Desigualdad (GIN) como las dos variables que más
afectan a la tasa de homicidios, ya que el Gasto Público (GVSP) sólo afecta en 0.7. Mientras que
mismo sucede con la desigualdad, ya que al aumentar el Gini en un punto provocará una
disminución de 2.9 en la tasa de homicidios, este último dato me parece poco creíble, pero habría
que estudiar más a fondo los posibles escenarios que expliquen la razón de esto. Conociendo estos
resultados, sabemos que si puede existir una explicación entre la violencia y la pobreza, resultando
el desempleo como una variable crucial que los Estados tendrán que poner especial atención, ya
que entre mayor sea el desempleo en México, existen mayores probabilidades de que aumente la
Bibliografía
global.org/prensas/num_prensa/295
https://aulasvirtuales.iberopuebla.mx/pluginfile.php/758745/mod_resource/content/1/tabla
s%20prueba%20F%20%281%29.pdf
https://aulasvirtuales.iberopuebla.mx/pluginfile.php/676397/mod_resource/content/1/Tabla%20de
%20distribuci%C3%B3n%20t%20%28cola%20derecha%29.pdf
https://ourworldindata.org/grapher/economic-inequality-gini-
index?tab=table&time=1990..latest
Desempleo, total %
https://datos.bancomundial.org/indicador/SL.UEM.TOTL.ZS?locations=MX
https://datos.bancomundial.org/indicador/GC.XPN.TOTL.GD.ZS?name_desc=false&locat
ions=MX
Índice de Gini
https://datos.bancomundial.org/indicator/SI.POV.GINI?locations=MX
11
ANEXOS
12
#Código en R
RLM1<-lm(formula=HOM~UN+GVSP+GIN,M1)
summary(RLM1)
RLM2<-lm(formula=log(HOM)~UN+GVSP+GIN,M1)
summary(RLM2)
RLM3<-lm(formula=HOM~log(UN)+GVSP+GIN,M1)
summary(RLM3)
RLM4<-lm(formula=log(HOM)~log(UN)+GVSP+GIN,M1)
summary(RLM4)
library(stargazer)
plot(RLM1, which = 1)
library(car)
vif(RLM1)
hist(residuales)
install.packages("tseries")
library(tseries)
13
shapiro.test(residuales)
library(lmtest)
print(resultado_bptest)