UNIVERSIDAD DE ANTIOQUIA

DEPARTAMENTO DE ECONOMÍA

Análisis preliminar de la cifra negra en Medellín.

Variables socioeconómicas que influyen en que una víctima
denuncie un delito

Simón Parra Hernández

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.

Palabras clave: Cifra negra, denuncia, delito, prevención

1 jaime.montoyaa@udea.edu.co, Docente - Investigador.

 Contenido

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

Cuando se trata de delitos y criminalidad, la inmensa mayoría de literatura económica ha

intentado modelar la manera en la cual las características socioeconómicas de una
persona puedan influir en la probabilidad de que esta cometa un delito. Becker (1967)
recalca que el costo de oportunidad, en términos de salario esperado, es determinante a
la hora de emprender acciones criminales, pues el delincuente debe agregar a la ecuación,
además del posible retorno o beneficio, la severidad de las penas o la probabilidad de ser
sorprendido o denunciado.

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.

Otra consideración importante es que, en la mayoría de investigaciones sobre

criminalidad y delincuencia, se asume que la cifra de denuncias es un fiel reflejo de la
cantidad de delitos acontecidos en un sector o ciudad objetivo, pero esto no es
necesariamente cierto (Tobón Orozco et al. ). Evidencia que se desprende de los análisis
sobre cifra negra indica que el nivel de denuncias puede aumentar o disminuir en el
tiempo sin estar necesariamente asociado a un incremento real en el nivel de delitos. Esta
circunstancia de sub-reporte puede, en consecuencia, generar confusiones no sólo en los
determinantes de la criminalidad sino también en la planeación que hace la policía con
base en estas cifras. Una consecuencia adicional, producto de la mala planeación, es el
desgaste de la confianza entre las autoridades y los ciudadanos, pues podría ocurrir que,
desde la institucionalidad, se presenten al público cifras de disminución en el delito, con
base en una reducción de las denuncias, pero que esta información sea recibida con una
barrera de incredulidad por parte de la comunidad, derivando incluso en que los
ciudadanos apliquen la justicia por mano propia.

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).

En consecuencia, y asumiendo que los beneficios o costos de realizar la denuncia vienen

determinados por las características socioeconómicas de las víctimas, esta investigación
pretende usar los delitos denunciados, no como una imagen clara de la criminalidad, sino
como una variable que permita analizar las principales características socioeconómicas de
aquellas personas que realizan denuncias tras haber sufrido un crimen. Los resultados de
este análisis, con representatividad municipal, permitirán aproximarse a una
caracterización de la cifra negra en Medellín. Hasta el momento, no existe ningún trabajo
disponible que presente resultados de este tipo para la ciudad.

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%

Estrato 2 32.10% 67.90%

Estrato 3 35.70% 64.30%

Estrato 4 37.63% 62.37%

Estrato 5 40.95% 59.05%

Estrato 6 51.63% 48.37%

0% 20% 40% 60% 80% 100%

Denunció No denunció

Gráfico 1: Denuncias según estrato.

Se observa una relación positiva entre el estrato y el nivel de delitos denunciados. De

esto se puede intuir, tomando al estrato socioeconómico como representativo del nivel
de ingresos del barrio, que las personas con una mejor posición económica son proclives
a denunciar más que las personas de bajos ingresos. En el caso de hurtos o robos, por
ejemplo, existe una mayor probabilidad de que los bienes de las personas con más altos
ingresos puedan ser considerados como “más valiosos”, asumiendo que se trata de cierto
tipo de automóviles o joyería, por lo que estas personas tenderían a asegurar parte de sus
pertenecías y ello los forzaría a realizar la denuncia ante la amenaza de no poder cobrar
los seguros correspondientes.

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

Gráfico 2: Denuncias según nivel académico.

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

Gráfico 3: Denuncias según comuna/corregimiento de residencia.

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.

De igual forma, el sexo no es significativo en cuanto a las características de las personas

que denuncian ya que, según la ECV, los individuos identificados como hombres
denunciaron delitos un 34,94% de las veces, mientras que las identificadas como mujeres
lo hicieron en un 34,76%.

Hay mucha libertad 29.95% 70.05%

Hay libertad 36.39% 63.61%

Aceptable 33.81% 66.19%

Poca libertad 35.98% 64.02%

Muy poca libertad 31.07% 68.93%

0% 20% 40% 60% 80% 100%

Denunció No denunció

Gráfico 4: Denuncias según libertad de desplazamiento.

La libertad de movimiento o desplazamiento de un sector a otro parece no ser

determinante para los habitantes de Medellín a la hora de denunciar un crimen, pues los
porcentajes son similares tanto para los que consideran que hay poca libertad como para

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.

Muy buena 17.07% 82.93%

Buena 29.18% 70.82%

Aceptable 35.44% 64.56%

Mala 36.52% 63.48%

Muy mala 40.54% 59.46%

0% 20% 40% 60% 80% 100%

Denunció No denunción

Gráfico 5: Denuncias según confianza en las autoridades.

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.

II. Revisión de la literatura

En su investigación sobre la influencia de factores socioeconómicos en el reporte de

crímenes por parte de víctimas de delitos en Inglaterra y Gales, Macdonald (1998) hace
uso de los datos contenidos en las encuestas de crimen británicas (BCS3) de los años
1994 y 1996 para desarrollar modelos probit, con los cuales deduce que la probabilidad
de que un robo sea denunciado ante las autoridades se reduce significativamente cuando
la víctima está desempleada o ha sido parte de actividades ilegales. Por el contrario, los
mismos resultados indican que esta probabilidad aumenta cuando el incidente involucra
activos con una alta valoración. Sus resultados también sugieren que la diferencia entre
crímenes reportados y crímenes acontecidos (cifra negra), no es constante en el tiempo, lo
3
British Crime Surveys.

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.

En un estudio más reciente, Quinteros (2014) utiliza un modelo de regresión logística

para analizar la cifra negra (que en ese momento se estimaba en un 73,1%) en Chile, con lo
cual pretende conocer las características más significativas de personas que no
denunciaron delitos como robo con violencia o intimidación, robo por sorpresa y hurto,
ocurridos en el espacio público y que afectan anualmente alrededor del 20% de la
población en ese país. Tras usar variables de tres categorías distintas (victimización,
inseguridad y reacción al delito; confianza en las instituciones; y de carácter socio-
demográfico), Quinteros extrae conclusiones acerca de cuáles son los tipos de personas,
según sus características, con mayor chance de no denunciar los delitos de los cuáles han
sido víctimas, pretendiendo que estos resultados permitan articular mejores estrategias de
prevención y concientización. Así, la evidencia propone que, a menor edad, mayor es la
tendencia a no denunciar los delitos o, si se observa el nivel educacional, quienes sólo
alcanzaron nivel "media o equivalente" tienen 26,1% más chances de no denunciar que
aquellos con educación de postgrado, magíster o doctorado. Al observar diferencias por
género, se deduce que los hombres tienen 31,7% más probabilidad de no denunciar que
las mujeres. Con respecto a las variables sobre percepción, quienes consideran que la
delincuencia aumentó durante el último año tienen más probabilidad de no denunciar los
delitos que aquellos que consideran que la delincuencia disminuyó en el mismo período.
Y finalmente, los resultados apuntan a que tener poca o ninguna confianza en las
instituciones reduce la probabilidad de no denunciar los delitos entre un 2% y un 31%,
dependiendo del nivel de confianza y la institución.

Página 13 de 32
 III. Técnicas utilizadas

Luego de realizar las estadísticas descriptivas preliminares, se procede a desarrollar un

modelo de regresión logística, el cual permite predecir la probabilidad de un evento en
función de otros factores o variables independientes.

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.

En cuanto a la elección de variables, la variable dependiente será, por obvias razones, la

de si el individuo (que ha sufrido un crimen), entabló la denuncia ante las autoridades
competentes. Esta variable, a la que llamaremos denuncia, fue transformada a variable
dicotómica, y tomará el valor de 1 si el individuo realizó la denuncia correspondiente y 0
en otro caso.

Las variables independientes serán aquellas que reflejen las características

socioeconómicas y de percepción más relevantes de los individuos y a la vez, las más
tradicionales en este tipo de modelación según la literatura revisada. Es así como se
incluyen las variables: educación, que describe el último nivel académico alcanzado por el
encuestado; sexo, variable dicotómica que describe si el encuestado es hombre o mujer (1
= hombre, 0 en otro caso); edad, o los años de vida cumplidos; estrato, o la clasificación
del barrio según su nivel económico; zona, que indica si el individuo habita en la parte

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.

También se deciden incluir variables dicotómicas de tipo étnico, específicamente, cómo

se identifica el encuestado según su etnia, raza o pueblo (etnia.indígena, etnia.afro,
etnia.mestizo, etnia.raizal, etnia.blanco, etnia.raizal y etnia.nosabe). La inclusión de estas
variables en el modelo es justificada con teorías sociales como la de Bello et al. (2000),
quienes señalan que la pobreza y marginalidad de ciertos pueblos indígenas y afrolatinos
tiene su origen en factores socioculturales y económicos históricos en los que la
exclusión, pobreza y marginalidad para dichas poblaciones tiene un rol muy relevante en
las sociedades; discriminación que derivaría en poco cobijo para estos pueblos por parte
de las autoridades o desconfianza de los mismos pueblos en la justicia institucional.

Se procede a estimar el modelo DENUNCIAS en R, analizando la variable denuncias en

función del resto de variables. Dicho modelo se ve representado por la ecuación:

𝑑𝑒𝑛𝑢𝑛𝑐𝑖𝑎𝑖 = 𝛽0 + 𝛽1 ∗ 𝑒𝑑𝑢𝑐𝑎𝑐𝑖𝑜𝑛𝑖 + 𝐷1 ∗ 𝑠𝑒𝑥𝑜𝑖 + 𝛽2 ∗ 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠𝑖 + 𝛽3

∗ 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑. 𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑖 + 𝛽4 ∗ 𝑒𝑑𝑎𝑑𝑖 + 𝐷2 ∗ 𝑒𝑡𝑛𝑖𝑎. 𝑟𝑎𝑖𝑧𝑎𝑙𝑖 + 𝐷3
∗ 𝑒𝑡𝑛𝑖𝑎. 𝑛𝑜𝑠𝑎𝑏𝑒𝑖 + 𝐷4 ∗ 𝑒𝑡𝑛𝑖𝑎. 𝑖𝑛𝑑𝑖𝑔𝑒𝑛𝑎𝑖 + 𝐷5 ∗ 𝑒𝑡𝑛𝑖𝑎. 𝑎𝑓𝑟𝑜𝑖 + 𝐷6
∗ 𝑒𝑡𝑛𝑖𝑎. 𝑏𝑙𝑎𝑛𝑐𝑜𝑖 + 𝐷7 ∗ 𝑒𝑡𝑛𝑖𝑎. 𝑚𝑒𝑠𝑡𝑖𝑧𝑜𝑖 + 𝛽5 ∗ 𝑝𝑒𝑟𝑐𝑒𝑝𝑖𝑜𝑛. 𝑠𝑒𝑔𝑢𝑟𝑖𝑑𝑎𝑑𝑖
+ 𝛽6 ∗ 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎. 𝑖𝑛𝑠𝑡𝑖𝑡𝑢𝑐𝑖𝑜𝑛𝑒𝑠𝑖 + 𝛽7 ∗ 𝑒𝑠𝑡𝑟𝑎𝑡𝑜𝑖 + 𝐷8 ∗ 𝑧𝑜𝑛𝑎𝑖 + 𝜇𝑖
Con i = 1,…,k.

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.

𝑑𝑒𝑛𝑢𝑛𝑐𝑖𝑎𝑖 = 𝛽0 + 𝛽4 ∗ 𝑒𝑑𝑎𝑑𝑖 + 𝐷5 ∗ 𝑒𝑡𝑛𝑖𝑎. 𝑎𝑓𝑟𝑜𝑖 + 𝛽5 ∗ 𝑝𝑒𝑟𝑐𝑒𝑝𝑖𝑜𝑛. 𝑠𝑒𝑔𝑢𝑟𝑖𝑑𝑎𝑑𝑖

+ 𝛽6 ∗ 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎. 𝑖𝑛𝑠𝑡𝑖𝑡𝑢𝑐𝑖𝑜𝑛𝑒𝑠𝑖 + 𝛽7 ∗ 𝑒𝑠𝑡𝑟𝑎𝑡𝑜𝑖 + 𝐷8 ∗ 𝑧𝑜𝑛𝑎𝑖
+ 𝜇𝑖
Con i = 1,…,k.

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.

Para nuestro modelo de regresión logística, dichos efectos marginales se calculan de la

siguiente manera:

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

Después de analizar el modelo de regresión logística planteado inicialmente,

DENUNCIAS, se obtuvieron los siguientes resultados:

Coeficientes Error estándar p-valor

(Intercepto) -1588 329,1 0,0000141 ***
educacion 4,423 9,931 0,656036
sexo -38,08 78,37 0,627062
ingresos -0,0000185 0,00002382 0,437349
libertad.movimiento 45,79 41,99 0,275562
edad 3,598 1,88 0,055632 .
etnia.raizal -10770 197000 0,956404
etnia.nosabe 107,8 328,2 0,742522
etnia.indigena -524,7 560,5 0,349186
etnia.afro -457,4 255,4 0,073276 .
etnia.blanco -79,91 98,17 0,415637
etnia.mestizo 0,07909 0,08808 0,369
percepcion.seguridad 207,8 74,78 0,005462 **
confianza.instituciones -111,6 39,53 0,004740 **
estrato 133,5 36,06 0,000215 ***
zona 585,6 150,9 0,000104 ***
gastos 0,00007472 0,0000275 0,006581 **

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.

Con el segundo modelo, DENUNCIAS.step, se estimaron los siguientes coeficientes:

Coeficientes Error estándar P-valor

(Intercepto) -1429 235,1 0,00000000121 ***
edad 3,383 1,842 0,06622 .
etnia.afro -434,1 254,7 0,08828 .
percepcion.seguridad 185,1 70,28 0,00843 **
confianza.instituciones -110 39,41 0,00525 **
estrato 131,1 35,12 0,00019 ***
zona 593,4 150,6 0,0000816 ***
gastos 0,00007042 0,0000266 0,00812 **

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%

Así, se tiene que un aumento de un nivel de estrato socioeconómico incrementa la

probabilidad de denunciar un delito en un 53,27%, mientras que pasar de la zona urbana
a la rural hace que este incremento sea de 64,41%, el cambio más grande en magnitud
respecto a las otras variables. El aumento en los gastos, representativo del nivel de
ingresos por hogar, hace que la probabilidad de denunciar aumente en 50%, incremento
muy similar al que se da cuando el individuo es un año mayor (50,08%).

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

Es de suma importancia generar estrategias de fomento a la denuncia sobre grupos

focalizados, tales como hogares de bajos ingresos o de bajo estrato, personas jóvenes o
ciertos grupos raciales, los cuales pueden ser considerados población vulnerable a la hora
de no denunciar hechos delictuales. De igual forma, estas estrategias deben ir orientadas
a mejorar la confianza que tienen los ciudadanos de Medellín en las instituciones y
autoridades.

Como ya se ha mencionado, la cifra negra de delitos conlleva a generar estrategias de

prevención y control del delito altamente sesgadas, en especial si se considera que este
sub-reporte corresponde a marcados patrones y características propias de cada individuo.
Es por esto que, quizás, ciertas poblaciones se sienten más cobijadas por la ley que otras;
una ley que responde a las estadísticas a las cuales tiene acceso.

Una estrategia de administración pública y seguridad ciudadana, utilizando cifras más

reales, debería tener como resultado una disminución en la criminalidad y una mejor
percepción de la seguridad en la ciudad.

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

Aromaa, K. y Nevala, S. (2004). Crime and Crime Control in an Integrating Europe.

Helsinki: Instituto Europeo de Prevención del Delito y Lucha contra la Delincuencia,
afiliado a las Naciones Unidas.
Becker, Gary S. (1968). Crime and Punishment: An Economic Approach. The Journal
of Political Economy, 76:2, pp. 169-217.
Bello, A. y Rangel, M. (2000). Etnicidad, “raza” y equidad en América Latina y el
Caribe. Comisión Económica para América Latina y el Caribe (CEPAL), Santiago de
Chile. LC/R.1967/Rev.1
Benavente, José M. y Cortés, E. (2006). Delitos y sus denuncias. La cifra negra de la
criminalidad en Chile y sus determinantes. Departamento de Economía, Facultad de
Economía y Negocios, Universidad de Chile. Serie Documentos de Trabajo, 228.
Buitrago, J. y Norza, E. (2016). Registros de la criminalidad en Colombia y actividad
operativa de la Policía Nacional durante el año 2015. Revista Criminalidad, 58 (2): 9-20.
El Tiempo. (1999). Denunciar, para qué. Archivo digital, Casa El Tiempo.
Disponible en: http://www.eltiempo.com/archivo/documento/MAM-910484
Jiménez Ornelas, R. (2005). La cifra negra de delincuencia en México: Sistema de
Encuestas sobre Victimizacion. Proyectos legislativos y otros temas penales: Segundas
jornadas sobre justicia penal. Ciudad de México, Instituto de Investigaciones Jurídicas,
UNAM, 167–190.
MacDonald, Z. (1998). The under-reporting of property crime: a microeconometric analysis.
Public Sector Economics Research Centre, Department of Economics, University of
Leicester.

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

Variables independientes No modificadas de la fuente original:

Variable Opciones de respuesta

Variable usada Pregunta en la ECV
original
estrato P_10 Estrato de la vivienda 1; 2; 3; 4; 5; 6
sexo P_15 Sexo 1-Hombre; 2-Mujer
-99-No sabe; -98-No
edad P_18 Años cumplidos responde; (Pregunta abierta)
A cuánto asciende el total de gastos mensuales de -99-No sabe; -98-No
gastos P_232 este hogar? responde; (Pregunta abierta)
Cómo calificaría usted en una escala desde 1 hasta 1-Muy mala; 2-Mala; 3-
5, su grado de confianza en las Instituciones Aceptable; 4-Buena; 5-Muy
confianza.instituciones P_280 Públicas del gobierno buena
1-Muy poca libertad; 2-Poca
¿Cómo calificaría en una escala de 1 hasta 5, la libertad; 3-Aceptable; 4-Hay
posibilidad de moverse libremente de un sitio a otro libertad; 5-Hay mucha
libertad.movimiento P_281 que tiene en su barrio o vereda libertad
1-Muy seguro; 2-Seguro; 3-
percepcion.seguridad P_283 Como se siente en el barrio o vereda donde vive? Inseguro
-99-No responde; -98-No
sabe; 0-Ninguno; 1-Salacuna,
Guardería o Preescolar; 2-
Primaria: 3-Secundaria; 4-
Media académica o
Normalista; 5-Media Técnica;
6-Tecnológico; 7-
educacion P_45 Último nivel de estudio aprobado (Título) Universidad; 8-

Página 22 de 32
 Especialización; 9-Maestría;
10-Doctorado

Variables modificadas respecto a la fuente original

Variable(s) Opciones de Modificación

usada(s) Variable(s) original(es) Pregunta en la ECV respuesta
denuncia -99-No responde; Se convirtió a variable
Denunciaron el hecho -98- No sabe; -88- dicotómica, teniendo un valor
(variable ante algún organismo o No aplica; 1-Sí; 2- de 1 si la persona denunció y 0
dependiente) P_288 autoridad competente No en otro caso
1-Cabecera- La opción 3 no presentaba
Urbana; 2-Centro datos en las respuestas de
poblado-Rural;3- víctimas de delito, por lo que
Rural disperso- se le restó 1 a toda la variable,
Rural con lo que se convirtió en
dicotómica, siendo 1 si la
persona habita en zona rural y
0 si la persona habita en zona
zona P_5 Zona urbana.
-98-No sabe; 1- Se descarta la opción 6-Rom al
Indígena; 2- no ser contestada por ningún
Negro(a), mulato, encuestado víctima de delito.
afrocolombiano, Se separó la variable P_23 en 6
afrodescendiente; variables dicotómicas (P_23_1,
3-Mestizo; 4- P_23_2, P_23_3, P_23_4,
Blanco; 5-Raizal - P_23_5 y P_23_98), según las 6
Sanandresano; 6- opciones de respuesta
etnia.indigena, Rom - Gitano consideradas. De esta forma, la
etnia.afro, variable P_23_1 equivale a 1 si
etnia.mestizo, De acuerdo con su el encuestado se identifica
etnia.blanco, cultura, pueblo o rasgos como indígena y 0 en otro
etnia.raizal, físicos, es o se reconoce caso, y así con las demás
etnia.nosabe P_23 como variables.
-99-No sabe; -98- Al no encontrarse una
No responde; pregunta que consulte sobre el
P_87 + P_88 + P_89 + (Pregunta abierta) monto total de ingresos, se
P_90 + P_91 + P_92 + procede a sumar todos los
P_93 + P_112 + P_113 + valores dados para las
P_114 + P_115 + P_121 + diferentes preguntas sobre
P_122 + P_123 + P_124 + *Preguntas sobre ingresos que están contenidas
ingresos P_125 + P_126 ingresos en la encuesta.

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?

Anexo 2. Código de programación en R

> 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

Coefficients: (1 not defined because of singularities)

Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.588e+00 3.291e-01 -4.824 1.41e-06 ***
educacion 4.423e-03 9.931e-03 0.445 0.656036
sexo -3.808e-02 7.837e-02 -0.486 0.627062
ingresos -1.850e-08 2.382e-08 -0.777 0.437349
libertad.movimiento 4.579e-02 4.199e-02 1.090 0.275562
edad 3.598e-03 1.880e-03 1.914 0.055632 .
etnia.raizal -1.077e+01 1.970e+02 -0.055 0.956404
etnia.nosabe 1.078e-01 3.282e-01 0.329 0.742522
etnia.indigena -5.247e-01 5.605e-01 -0.936 0.349186
etnia.afro -4.574e-01 2.554e-01 -1.791 0.073276 .
etnia.blanco -7.991e-02 9.817e-02 -0.814 0.415637

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

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 3962.9 on 3064 degrees of freedom

Residual deviance: 3863.5 on 3049 degrees of freedom
AIC: 3895.5

Number of Fisher Scoring iterations: 10

> 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

Call: glm(formula = denuncia ~ edad + etnia.afro + percepcion.segur

idad +
confianza.instituciones + estrato + zona + gastos, family = bino
mial(link = "logit"))

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

Degrees of Freedom: 3064 Total (i.e. Null); 3057 Residual

Null Deviance: 3963
Residual Deviance: 3868 AIC: 3884

> DENUNCIAS.step= glm(denuncia ~ edad + etnia.afro + percepcion.segu

ridad + confianza.instituciones + estrato + zona + gastos +
, family = binomial(link = "logit"))
> summary(DENUNCIAS.step)

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

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 3962.9 on 3064 degrees of freedom

Residual deviance: 3868.2 on 3057 degrees of freedom
AIC: 3884.2

Number of Fisher Scoring iterations: 4

> summary.modelo <-summary.glm(DENUNCIAS.step)$coefficients

>
> b0<-summary.modelo[1,1]##Intercepto
> b1<-summary.modelo[2,1]##Edad
> b2<-summary.modelo[3,1]##Etnia.afro
> b3<-summary.modelo[4,1]##Percepcion.seguridad
> b4<-summary.modelo[5,1]##Confianza instituciones
> b5<-summary.modelo[6,1]##Estrato
> b6<-summary.modelo[7,1]##Zona
> b7<-summary.modelo[8,1]##Gastos
>
> em.intercepto <- ((exp(b0))/(1+(exp(b0))))
> em.edad <- ((exp(b1))/(1+(exp(b1))))
> em.etnia.afro <- ((exp(b2))/(1+(exp(b2))))
> em.percepcion.seguridad <- ((exp(b3))/(1+(exp(b3))))
> em.confianza.instituciones <- ((exp(b4))/(1+(exp(b4))))
> em.estrato <- ((exp(b5))/(1+(exp(b5))))
> em.zona <- ((exp(b6))/(1+(exp(b6))))
> em.gasto <- ((exp(b7))/(1+(exp(b7))))

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