Escolar Documentos
Profissional Documentos
Cultura Documentos
DEPARTAMENTO DE ECONOMÍA
Asesor:
Jaime Montoya Arbeláez1
30 de enero de 2018
Resumen: La cifra negra, o diferencia entre la cifra de real de crímenes y los delitos denunciados, alcanza el
65,15% en Medellín según la Encuesta de Calidad de Vida del 2016. Este sub-registro genera, entre otras, mala
planeación por parte de las autoridades en cuanto a la prevención del crimen, y una distorsión en la percepción de
seguridad que tiene la ciudadanía. Tras analizar, con un modelo de regresión logística, la cantidad de delitos
denunciados en función de diferentes variables socioeconómicas y de percepción, se evidencia que el aumento en factores
como el estrato socioeconómico o la edad pueden traducirse en incrementos en la probabilidad de denunciar. Así
mismo, un aumento en la confianza que se tiene en las instituciones podría significar una reducción en las chances de
entablar una queja formal ante las autoridades. Hasta el momento, no existe ningún trabajo disponible que presente
resultados de este tipo para la ciudad.
Contenido....................................................................................................................................... 1
I. Introducción .......................................................................................................................... 2
II. Revisión de la literatura.................................................................................................. 11
III. Técnicas utilizadas .......................................................................................................... 14
IV. Resultados ........................................................................................................................ 17
V. Conclusiones ....................................................................................................................... 20
VI. Referencias....................................................................................................................... 21
Anexos .......................................................................................................................................... 22
Página 1 de 32
I. Introducción
Pero esta misma literatura no es clara en cuanto a la forma en que las características de
los individuos actúan sobre la probabilidad de que una persona, luego de haber sufrido
un delito, lo denuncie ante las autoridades pertinentes y, claramente, hay una marcada
diferencia entre los determinantes a ser víctima de un crimen y los determinantes a
entablar un denuncio.
Es sabido que una de las herramientas con la que cuentan las instituciones de seguridad
para combatir la criminalidad es precisamente la denuncia, ya que esta, junto a los
informes de policía, y los reportes de acciones preventivas y de control e investigativas,
nutre la estadística policial y le brinda a las autoridades información valiosa a la hora de
formular estrategias de vigilancia o de localización geoespacial de agentes, las cuales
contribuyen a la disminución de la delincuencia (Buitrago et al., 2016). La denuncia y la
cooperación de las víctimas toman hoy en día papeles muy relevantes en la prevención
de la criminalidad.
Página 2 de 32
A pesar de esto, no todos los delitos son denunciados por parte de los habitantes de la
ciudad, razón por la cual se hace pertinente determinar cuáles son las características
socioeconómicas, tales como estrato, comuna de residencia, nivel de ingresos y demás,
que caracterizan o hacen más propensas a las personas que residen en Medellín a no
entablar una denuncia formal ante las autoridades tras haber sido víctimas de un crimen.
Esta diferencia entre los delitos efectivamente acontecidos y las denuncias asociadas a
estos es conocida en la literatura especializada como cifra negra, y puede ser no nula
debido a la existencia de factores que dificultan o desincentivan al perjudicado a realizar
la denuncia correspondiente. Estos factores podrían estar relacionados, evidentemente,
con las características socioeconómicas de la víctima y con la percepción que esta tenga
sobre la seguridad en su localidad o la eficacia de la fuerza policial que le cobija.
Página 3 de 32
Sondeos a ciudadanos colombianos demuestran que, históricamente, la mayoría de
personas que deciden no denunciar los delitos de los cuales fueron víctimas, actúan de
esta manera por temor a futuras represalias, desconfianza en que las autoridades den con
los responsables, por la pérdida de tiempo que implica acercarse a la organización
indicada a entablar la denuncia, por considerar que la denuncia nunca tendrá feliz
término, por considerar que el daño fue irrelevante o bien porque en algún momento se
han sentido maltratados por parte de las autoridades (El Tiempo, 1999).
Todo lo anterior permitirá conocer, de manera directa, la dimensión real del sub-reporte
de crímenes en Medellín, además de evaluar, de manera indirecta, el impacto que tienen
las políticas de seguridad ciudadana sobre la percepción de seguridad y la confianza de
los habitantes.
Toda la data procesada durante este proyecto hace parte de la ECV2 de la Alcaldía de
Medellín realizada en el año 2016.
2
Encuesta de Calidad de Vida
Página 4 de 32
A continuación, se presentan algunas estadísticas descriptivas extraídas de la base de
datos.
En general, el nivel de delitos reportado por los encuestados fue relativamente bajo, pues
de un total de 31.827 individuos entrevistados, sólo 3.065 (9,63% del total) afirmaron
haber sido víctimas de algún delito en algún momento, lo que implica que 28.762
(90,37% de los encuestados) nunca han sufrido delito alguno. De los 3.065 individuos
que han sido víctimas de delitos, sólo 34,85% entablaron una denuncia formal ante las
autoridades, lo que apunta a un subregistro o cifra negra preliminar de 65,15%.
La alta cifra de crímenes no reportados podría mirarse desde la óptica de Aromaa et. al
(2004), quienes plantean la hipótesis de que hay delitos que pueden pasar desapercibidos
en países que históricamente han sido más violentos, mientras que en países con bajos
niveles de violencia real lo más probable es encontrar una menor tolerancia a la violencia
y, por ende, más denuncias. Esta situación, tan aplicable a una ciudad históricamente
violenta como lo ha sido Medellín, puede generar grandes diferencias en cuanto a la
calidad y cantidad de delitos registrados.
Página 5 de 32
Estrato 1 24.45% 75.55%
Denunció No denunció
Página 6 de 32
Doctorado 50.00% 50.00%
Maestria 65.38% 34.62%
Especializacion 49.32% 50.68%
Universidad 38.56% 61.44%
Tecnológico 45.73% 54.27%
Media Técnica 39.04% 60.96%
Media académica o Normalista 34.45% 65.55%
Secundaria 31.21% 68.79%
Primaria 32.04% 67.96%
Salacuna, Guardería, Preescolar 30.24% 69.76%
Ninguno 30.46% 69.54%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Denunció No denunció
Según se percibe, altos niveles de educación también están relacionados con altos niveles
de denuncia. Es común suponer que las personas mejor instruidas son más conscientes
de la importancia de entablar una queja formal ante las autoridades.
Página 7 de 32
1 - Popular 17.93% 82.07%
2 - Santa Cruz 22.66% 77.34%
3 - Manrique 26.55% 73.45%
4 - Aranjuez 40.25% 59.75%
5 - Castilla 29.30% 70.70%
6 - Doce de octubre 37.90% 62.10%
7 - Robledo 34.78% 65.22%
8 - Villa Hermosa 41.61% 58.39%
9 - Buenos Aires 32.91% 67.09%
10 - La Candelaria 20.11% 79.89%
11 - Laureles - Estadio 47.09% 52.91%
12 - La América 38.15% 61.85%
13 - San Javier 34.22% 65.78%
14 - Poblado 52.17% 47.83%
15 - Guayabal 26.04% 73.96%
16 - Belén 35.44% 64.56%
50 - San Sebastián de Palmitas
60 - San Cristóbal 52.00% 48.00%
70 - Altavista 26.32% 73.68%
80 - San Antonio de Prado 35.00% 65.00%
90 - Santa Elena 45.45% 54.55%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Denunció No denunció
La comuna 14 (Poblado) y el corregimiento 60 (San Cristóbal), son los sectores con los
mayores índices de denuncia, con 52,17% y 52,00% respectivamente. Por el contrario, la
comuna 1 (Popular) con 17,93% y la comuna 10 (La Candelaria) o zona céntrica con
20,11%, muestran los niveles más bajos de denuncia de toda la ciudad.
En cuanto a la zona, de residencia, los habitantes del casco urbano o la cabecera
municipal entablaron denuncias un 34,18% de las veces, un 10% menos que los
encuestados que residen en zonas rurales (44,12%).
Página 8 de 32
Respecto a la edad, el promedio de años cumplidos de las personas que han denunciado
algún delito es de 37, mientras que el de los individuos que no han denunciado es de 34.
Se observa que las personas que han denunciado son, en promedio, mayores que las que
no lo hicieron.
Denunció No denunció
Página 9 de 32
los que consideran que hay libertad. Pareciera que el desplazamiento hacia la entidad en
la cual se entabla la denuncia pudiera no ser un impedimento a la hora de denunciar.
Denunció No denunción
Por último, y según la base de datos, las personas tienden a denunciar menos si su
confianza en las autoridades es mayor. Esto podría obedecer a dos razones: La primera
es que, por la misma confianza que se tiene en las autoridades, una víctima decida dejarlo
todo en manos de estas, es decir, el perjudicado confía en que tarde o temprano, las
autoridades atraparán a los delincuentes, lo que exime a los afectados de realizar
denuncias. Una segunda razón podría ser de carácter técnico y estaría relacionada con la
encuesta. Al vincular a los encuestadores con las entidades jurídicas y policiacas, el
encuestado se sentiría presionado a responder afirmativamente ante la pregunta de si
confía o no en las instituciones, a pesar de que su criterio sea negativo en cuanto a estas.
Es así como los bajos niveles de denuncia pueden estar subordinados a bajos niveles de
Página 10 de 32
confianza en las autoridades pero que, por temor a algún tipo de represalia, los
encuestados no reflejen esta información en sus respuestas, sino todo lo contrario. De
ser este el caso, estaríamos ante un sesgo de selección o distorsión del análisis estadístico
producto de un efecto no observado en la recolección de la muestra.
Sería sumamente valioso realizar este tipo de análisis según el tipo de delito pues,
retomando el caso del hurto/robo, las personas tienden a no denunciarlo si se trata de
una cuantía pequeña, diferente a delitos como el secuestro, del cual se piensa es
denunciado en la mayoría de casos. Lastimosamente, la ECV no permite hacer un
análisis diferenciando por el tipo de delito.
Página 11 de 32
cual recalca las consecuencias ya mencionadas sobre la modelación del crimen usando
sólo las cifras de denuncias.
Por su parte, el trabajo de Benavente (2006) representa uno de los primeros esfuerzos en
Latinoamérica, específicamente en Chile, por separar los determinantes socioeconomicos
que hacen propensa a una persona a sufrir un crimen de aquellos relacionados con la
probabilidad de que una persona realice la denuncia luego de haber sido víctima de un
delito. Sus resultados, obtenidos mediante un modelo biprobit con el que se separaron los
determinantes socioeconómicos influyentes en la probabilidad de ser víctima y en la
probabilidad de entablar una denuncia, apuntan a que el nivel de crimen real es casi 50%
más alto que aquel reportado oficialmente en denuncias, independientemente del tipo de
delito o el lugar geográfico. También se destaca que el nivel de ingreso individual está
positivamente relacionado tanto con el grado de vulnerabilidad de las personas como
con la probabilidad de denunciar un crimen, pero el nivel de ingreso del barrio en donde
viven las personas (en nuestro caso, representado por el estrato socioeconómico), es
cuatro veces más significativo sobre la vulnerabilidad de las personas que el mismo
ingreso individual. Otros resultados muestran que víctimas con mayor escolaridad y edad
tienen una mayor propensión a denunciar el crimen que sufrieron. La metodología usada
en este proyecto (al menos para la parte de determinar los factores que hacen que una
persona denuncie), es mucho más replicable para otras ciudades o países que el realizado
por MacDonald, pues utiliza como fuente de datos la información contenida en un censo
nacional a hogares (en este caso, el CASEN4). En particular, las lesiones son el delito más
denunciado, mientras que los hurtos son el menos reportado ante las autoridades.
Ciertos autores han intentado dar más prioridad a otras variables socioeconómicas en sus
modelos. Tal es el caso de Jiménez (2005), que sugiere que, en México, las mujeres tienen
4
Encuesta de Caracterización Socioeconómica Nacional
Página 12 de 32
una menor propensión a denunciar si se les compara con los hombres. Asimismo, hay
factores como el hecho de vivir en la ciudad o en el campo que no marcan gran
diferencia en cuanto al reporte de crímenes.
Página 13 de 32
III. Técnicas utilizadas
Lo primero es asumir que, para realizar una denuncia, el individuo en cuestión ha sido
víctima de un delito. Un análisis cuantitativo que no incorpore este hecho estaría
sesgado. Por consiguiente, de la base de datos original, la ECV, se extraen sólo aquellos
individuos que afirmaron haber sido víctima de delito. Con estos datos se hace la
modelación.
Página 14 de 32
rural o urbana de la ciudad (variable dicotómica. 1=rural, 0 en otro caso); ingresos, con lo
que se espera medir la capacidad económica del individuo; gastos, variable con la que se
quiere medir la capacidad económica a nivel del hogar; libertad.movimiento, o la facilidad
que tiene el individuo para desplazarse de un lugar a otro; percepción.seguridad, o la opinión
del encuestado sobre qué tan seguro se siente en su localidad; y confianza.instituciones, que
refleja el nivel de credulidad que tiene el individuo sobre las instituciones
gubernamentales.
Página 15 de 32
Al examinar el resumen del modelo con summary(), se observa que hay variables que no
son significativas estadísticamente, por lo que se aplica la función step() al modelo
DENUNCIAS; esta función analiza todos los posibles modelos que se pueden formar
según las variables disponibles, para arrojar así el mejor modelo según el criterio AIC. El
modelo obtenido con esta función, que será llamado DENUNCIAS.step, es una
regresión logística que analiza la variable denuncia en función de edad, etnia.afro,
percepción.seguridad, confianza.instituciones, estrato, zona y gastos.
Posteriormente, se examinan los coeficientes de las variables del modelo obtenido para
calcular los efectos marginales o la derivada parcial de la variable dependiente respecto a
cada una de las variables explicativas, lo cual constituyen una primera aproximación entre
la variable denuncia y la probabilidad de su incremento o disminución según las demás
variables. Los coeficientes del modelo no son directamente interpretables, mientras que
sus efectos marginales sí lo son.
𝑒 −𝑑𝑒𝑛𝑢𝑛𝑐𝑖𝑎𝑖
∗ 𝛽𝑗 ,
(1+𝑒 −𝑑𝑒𝑛𝑢𝑛𝑐𝑖𝑎𝑖 )2
Con i = j = 1,…,k.
Página 16 de 32
Se observa que el efecto marginal depende de los valores que toman las variables
explicativas, por lo que debe ser calculado para cada una.
IV. Resultados
Página 17 de 32
Estos resultados preliminaries muestran la poca significancia estadística de las variables
educacion, sexo, ingresos y libertad.movimiento, y de casi todas las variables “étnicas”, con lo
cual se puede proponer que cambios en la formación académica, en la libertad con que
se pueda desplazar de un lugar a otro o en los ingresos personales no modifican la
probabilidad de que un habitante de Medellín denuncie un delito. De igual forma
pareciera que, a la hora de denunciar, no hay diferencia alguna entre ser hombre o mujer,
o identificarse en algún grupo étnico o racial, a excepción de identificarse como
afrodescendiente.
A partir de estos coeficientes, que son significativos al menos al 10%, se calculan los
efectos marginales para cada variable:
Página 18 de 32
Efectos marginales
(Intercepto) 19,32%
edad 50,08%
etnia.afro -39,31%
percepcion.seguridad 54,62%
confianza.instituciones -47,25%
estrato 53,27%
zona 64,41%
gastos 50,00%
Por otro lado, una mayor confianza en las instituciones gubernamentales hace que las
personas tiendan a denunciar menos (exactamente, 47,25%), mientras que si la
percepción de una persona sobre la seguridad en Medellín mejora, sus chances de
denunciar crecen un 54,62%. Es interesante analizar que, según los resultados, las
probabilidades de denunciar disminuyen un 39,31% si el individuo víctima de delito se
identifica como negro, mulato o afrodescendiente.
Página 19 de 32
V. Conclusiones
Por último, y para futuras investigaciones de este tipo, que contribuyen enormemente al
debate criminológico relativo a la no denuncia y al nivel real de delitos que ocurren en la
ciudad, se plantea gestionar una encuesta de victimización más precisa en cuanto al tipo
de delito y hacer comparación de resultados entre años y entre encuestas. Agregar
variables macroeconómicas, como las relativas al desempleo, y de fuente policial, como
el número de capturas y su descripción, también significaría una mayor precisión en las
estimaciones.
Página 20 de 32
VI. Referencias
Página 21 de 32
Quinteros, D. (2014). Delitos del espacio público y el problema de la “cifra negra”: una
aproximación a la no-denuncia en Chile. Política criminal, 9 (18), Art. 12, 691-712.
Tobón Orozco, D. y Valencia Agudelo, G. (2015). Economía, rentas criminales y
políticas públicas en Medellín. Grupo de Microeconomía aplicada, Universidad de Antioquia.
Anexos
Anexo 1. Explicación de variables usadas
Página 22 de 32
Especialización; 9-Maestría;
10-Doctorado
Página 23 de 32
*Preguntas sobre ingresos:
P_87: Cuánto ganó el mes pasado en este empleo?
P_88: Además del salario en dinero, ¿cuánto recibió el mes pasado en alimentos como parte de pago?
P_89: Además del salario en dinero, ¿cuánto recibió el mes pasado en vivienda como parte de pago?
P_90: ¿Cuál fue la ganancia neta de… en esa actividad, negocio o profesión el mes pasado?
P_91: Cuánto recibió el mes pasado por concepto de arriendos
P_92: Cuánto recibió el mes pasado por concepto de pensiones o jubilaciones
P_93: Cuánto recibió en promedio mensual, durante los últimos 12 meses por concepto de ayudas en
dinero, intereses o dividendos u otras fuentes como auxilio o subsidio de transporte, subsidio familiar y
subsidio educativo?
P_112: ¿Cuánto recibió el mes pasado por concepto de Trabajo
P_113: ¿Cuánto recibió el mes pasado por concepto de Arriendos
P_114: ¿Cuánto recibió el mes pasado por concepto de Pensiones o jubilaciones
P_115: ¿Cuánto recibió en promedio mensual, durante los últimos 12 meses por concepto de ayudas en
dinero, intereses o dividendos u otras fuentes como auxilio o subsidio de transporte, familiar y subsidio
educativo?
P_121: ¿Cuánto recibió el mes pasado por concepto de Trabajo?
P_122: ¿Cuánto recibió el mes pasado por concepto de Arriendos?
P_123: ¿Cuánto recibió el mes pasado por concepto de Pensiones o jubilaciones?
P_124: ¿Cuánto recibió en promedio, durante los últimos 12 meses por concepto de ayudas en dinero,
intereses o dividendos u otras fuentes como auxilio o subsidio de transporte, subsidio familiar y subsidio
educativo?
P_125: ¿Cuánto en total recibió durante los últimos 12 meses por concepto de Giros de personas del
Exterior?
P_126: ¿Cuánto EN TOTAL recibió durante los últimos 12 meses por concepto de Intereses o
dividendos?
> attach(Base_de_Datos_ECV_2016_delitos_final)
> datos<-Base_de_Datos_ECV_2016_delitos_final
> denuncia = (Base_de_Datos_ECV_2016_delitos_final$P_288)
> educacion = (Base_de_Datos_ECV_2016_delitos_final$P_45)
> sexo = (Base_de_Datos_ECV_2016_delitos_final$P_15)
> edad = (Base_de_Datos_ECV_2016_delitos_final$P_18)
> etnia.indigena = (Base_de_Datos_ECV_2016_delitos_final$P_23_1)
> etnia.afro = (Base_de_Datos_ECV_2016_delitos_final$P_23_2)
> etnia.mestizo = (Base_de_Datos_ECV_2016_delitos_final$P_23_3)
> etnia.blanco = (Base_de_Datos_ECV_2016_delitos_final$P_23_4)
> etnia.raizal = (Base_de_Datos_ECV_2016_delitos_final$P_23_5)
> etnia.nosabe = (Base_de_Datos_ECV_2016_delitos_final$P_23_98)
> libertad.movimiento = (Base_de_Datos_ECV_2016_delitos_final$P_281)
Página 24 de 32
> percepcion.seguridad = (Base_de_Datos_ECV_2016_delitos_final$P_283
)
> confianza.instituciones = (Base_de_Datos_ECV_2016_delitos_final$P_
280)
> estrato = (Base_de_Datos_ECV_2016_delitos_final$P_10)
> zona = (Base_de_Datos_ECV_2016_delitos_final$P_5)
> barrio = (Base_de_Datos_ECV_2016_delitos_final$P_7_a)
> comuna = (Base_de_Datos_ECV_2016_delitos_final$ComunaCorr)
> gastos = (Base_de_Datos_ECV_2016_delitos_final$P_232)
> ingresos = (rowSums (Base_de_Datos_ECV_2016_delitos_final[,15:31])
)
> DENUNCIAS= glm(denuncia ~ educacion + sexo + ingresos + libertad.m
ovimiento
+ + edad + etnia.raizal + etnia.nosabe + etnia.indige
na +etnia.afro
+ + etnia.blanco + etnia.mestizo + percepcion.segurid
ad
+ + confianza.instituciones + estrato + zona + gastos
+ , family= binomial(link= "logit"))
> summary(DENUNCIAS)
Call:
glm(formula = denuncia ~ educacion + sexo + ingresos + libertad.movi
miento +
edad + etnia.raizal + etnia.nosabe + etnia.indigena + etnia.afro
+
etnia.blanco + etnia.mestizo + percepcion.seguridad + confianza.
instituciones +
estrato + zona + gastos, family = binomial(link = "logit"))
Deviance Residuals:
Min 1Q Median 3Q Max
-1.3921 -0.9317 -0.8064 1.3318 1.9242
Página 25 de 32
etnia.mestizo NA NA NA NA
percepcion.seguridad 2.078e-01 7.478e-02 2.778 0.005462 **
confianza.instituciones -1.116e-01 3.953e-02 -2.824 0.004740 **
estrato 1.335e-01 3.606e-02 3.701 0.000215 ***
zona 5.856e-01 1.509e-01 3.881 0.000104 ***
gastos 7.472e-08 2.750e-08 2.717 0.006581 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> step(DENUNCIAS)
Start: AIC=3895.5
denuncia ~ educacion + sexo + ingresos + libertad.movimiento +
edad + etnia.raizal + etnia.nosabe + etnia.indigena + etnia.afro
+
etnia.blanco + etnia.mestizo + percepcion.seguridad + confianza.
instituciones +
estrato + zona + gastos
Step: AIC=3895.5
denuncia ~ educacion + sexo + ingresos + libertad.movimiento +
edad + etnia.raizal + etnia.nosabe + etnia.indigena + etnia.afro
+
etnia.blanco + percepcion.seguridad + confianza.instituciones +
estrato + zona + gastos
Df Deviance AIC
- etnia.nosabe 1 3863.6 3893.6
- educacion 1 3863.7 3893.7
- sexo 1 3863.7 3893.7
- etnia.blanco 1 3864.2 3894.2
- ingresos 1 3864.2 3894.2
- etnia.raizal 1 3864.2 3894.2
- etnia.indigena 1 3864.5 3894.5
- libertad.movimiento 1 3864.7 3894.7
<none> 3863.5 3895.5
- etnia.afro 1 3866.9 3896.9
- edad 1 3867.2 3897.2
- percepcion.seguridad 1 3871.3 3901.3
Página 26 de 32
- confianza.instituciones 1 3871.5 3901.5
- gastos 1 3873.8 3903.8
- estrato 1 3877.2 3907.2
- zona 1 3878.2 3908.2
Step: AIC=3893.61
denuncia ~ educacion + sexo + ingresos + libertad.movimiento +
edad + etnia.raizal + etnia.indigena + etnia.afro + etnia.blanco
+
percepcion.seguridad + confianza.instituciones + estrato +
zona + gastos
Df Deviance AIC
- educacion 1 3863.8 3891.8
- sexo 1 3863.9 3891.9
- ingresos 1 3864.3 3892.3
- etnia.blanco 1 3864.3 3892.3
- etnia.raizal 1 3864.3 3892.3
- etnia.indigena 1 3864.6 3892.6
- libertad.movimiento 1 3864.8 3892.8
<none> 3863.6 3893.6
- etnia.afro 1 3867.1 3895.1
- edad 1 3867.3 3895.3
- percepcion.seguridad 1 3871.4 3899.4
- confianza.instituciones 1 3871.6 3899.6
- gastos 1 3873.9 3901.9
- estrato 1 3877.3 3905.3
- zona 1 3878.3 3906.3
Step: AIC=3891.82
denuncia ~ sexo + ingresos + libertad.movimiento + edad + etnia.raiz
al +
etnia.indigena + etnia.afro + etnia.blanco + percepcion.segurida
d +
confianza.instituciones + estrato + zona + gastos
Df Deviance AIC
- sexo 1 3864.1 3890.1
- ingresos 1 3864.4 3890.4
- etnia.blanco 1 3864.5 3890.5
- etnia.raizal 1 3864.6 3890.6
- etnia.indigena 1 3864.8 3890.8
- libertad.movimiento 1 3865.0 3891.0
<none> 3863.8 3891.8
- etnia.afro 1 3867.3 3893.3
- edad 1 3867.5 3893.5
- percepcion.seguridad 1 3871.6 3897.6
Página 27 de 32
- confianza.instituciones 1 3871.8 3897.8
- gastos 1 3874.2 3900.2
- estrato 1 3878.3 3904.3
- zona 1 3878.5 3904.5
Step: AIC=3890.06
denuncia ~ ingresos + libertad.movimiento + edad + etnia.raizal +
etnia.indigena + etnia.afro + etnia.blanco + percepcion.segurida
d +
confianza.instituciones + estrato + zona + gastos
Df Deviance AIC
- ingresos 1 3864.6 3888.6
- etnia.blanco 1 3864.8 3888.8
- etnia.raizal 1 3864.8 3888.8
- etnia.indigena 1 3865.1 3889.1
- libertad.movimiento 1 3865.3 3889.3
<none> 3864.1 3890.1
- etnia.afro 1 3867.6 3891.6
- edad 1 3867.6 3891.6
- percepcion.seguridad 1 3871.9 3895.9
- confianza.instituciones 1 3872.1 3896.1
- gastos 1 3874.5 3898.5
- estrato 1 3878.4 3902.4
- zona 1 3878.8 3902.8
Step: AIC=3888.6
denuncia ~ libertad.movimiento + edad + etnia.raizal + etnia.indigen
a + etnia.afro + etnia.blanco + percepcion.seguridad + confianza.ins
tituciones + estrato + zona + gastos
Df Deviance AIC
- etnia.blanco 1 3865.3 3887.3
- etnia.raizal 1 3865.3 3887.3
- etnia.indigena 1 3865.6 3887.6
- libertad.movimiento 1 3865.8 3887.8
<none> 3864.6 3888.6
- edad 1 3867.8 3889.8
- etnia.afro 1 3868.1 3890.1
- percepcion.seguridad 1 3872.6 3894.6
- confianza.instituciones 1 3872.7 3894.7
- gastos 1 3874.5 3896.5
- estrato 1 3878.7 3900.7
- zona 1 3879.3 3901.3
Step: AIC=3887.28
Página 28 de 32
denuncia ~ libertad.movimiento + edad + etnia.raizal + etnia.indigen
a +
etnia.afro + percepcion.seguridad + confianza.instituciones +
estrato + zona + gastos
Df Deviance AIC
- etnia.raizal 1 3866.0 3886.0
- etnia.indigena 1 3866.2 3886.2
- libertad.movimiento 1 3866.5 3886.5
<none> 3865.3 3887.3
- edad 1 3868.5 3888.5
- etnia.afro 1 3868.6 3888.6
- percepcion.seguridad 1 3873.2 3893.2
- confianza.instituciones 1 3873.3 3893.3
- gastos 1 3875.4 3895.4
- estrato 1 3878.8 3898.8
- zona 1 3880.2 3900.2
Step: AIC=3886.02
denuncia ~ libertad.movimiento + edad + etnia.indigena + etnia.afro
+
percepcion.seguridad + confianza.instituciones + estrato +
zona + gastos
Df Deviance AIC
- etnia.indigena 1 3867.0 3885.0
- libertad.movimiento 1 3867.2 3885.2
<none> 3866.0 3886.0
- edad 1 3869.2 3887.2
- etnia.afro 1 3869.3 3887.3
- percepcion.seguridad 1 3873.9 3891.9
- confianza.instituciones 1 3874.1 3892.1
- gastos 1 3876.2 3894.2
- estrato 1 3879.5 3897.5
- zona 1 3881.0 3899.0
Step: AIC=3884.96
denuncia ~ libertad.movimiento + edad + etnia.afro + percepcion.segu
ridad +
confianza.instituciones + estrato + zona + gastos
Df Deviance AIC
- libertad.movimiento 1 3868.2 3884.2
<none> 3867.0 3885.0
- etnia.afro 1 3870.2 3886.2
- edad 1 3870.3 3886.3
- confianza.instituciones 1 3875.1 3891.1
Página 29 de 32
- percepcion.seguridad 1 3875.2 3891.2
- gastos 1 3877.1 3893.1
- estrato 1 3880.8 3896.8
- zona 1 3882.1 3898.1
Step: AIC=3884.24
denuncia ~ edad + etnia.afro + percepcion.seguridad + confianza.inst
ituciones +
estrato + zona + gastos
Df Deviance AIC
<none> 3868.2 3884.2
- etnia.afro 1 3871.3 3885.3
- edad 1 3871.6 3885.6
- percepcion.seguridad 1 3875.2 3889.2
- confianza.instituciones 1 3876.0 3890.0
- gastos 1 3878.1 3892.1
- estrato 1 3882.1 3896.1
- zona 1 3883.4 3897.4
Coefficients:
(Intercept) edad
-1.429e+00 3.383e-03
etnia.afro percepcion.seguridad
-4.341e-01 1.851e-01
confianza.instituciones estrato
-1.100e-01 1.311e-01
zona gastos
5.934e-01 7.042e-08
Call:
glm(formula = denuncia ~ edad + etnia.afro + percepcion.seguridad +
Página 30 de 32
confianza.instituciones + estrato + zona + gastos, family = binomial
(link = "logit"))
Deviance Residuals:
Min 1Q Median 3Q Max
-1.3506 -0.9328 -0.8082 1.3409 1.9132
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.429e+00 2.351e-01 -6.079 1.21e-09 ***
edad 3.383e-03 1.842e-03 1.837 0.06622 .
etnia.afro -4.341e-01 2.547e-01 -1.705 0.08828 .
percepcion.seguridad 1.851e-01 7.028e-02 2.634 0.00843 **
confianza.instituciones -1.100e-01 3.941e-02 -2.791 0.00525 **
estrato 1.311e-01 3.512e-02 3.732 0.00019 ***
zona 5.934e-01 1.506e-01 3.940 8.16e-05 ***
gastos 7.042e-08 2.660e-08 2.647 0.00812 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Página 31 de 32
> em.intercepto
[1] 0.1932247
> em.edad
[1] 0.5008457
> em.etnia.afro
[1] 0.3931406
> em.percepcion.seguridad
[1] 0.5461512
> em.confianza.instituciones
[1] 0.4725276
> em.estrato
[1] 0.5327233
> em.zona
[1] 0.6441411
> em.gasto
[1] 0.5
Página 32 de 32