ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA … · 2009-11-14 · El análisis estadístico y...
Transcript of ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA … · 2009-11-14 · El análisis estadístico y...
ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA LOCALIDAD DE CIUDAD BOLÍVARIsaac De León Beltrán, Elkin Velasquez Monsalve y Luis Carlos Jiménez*
Bogotá-Universidad Nacional Encuentro de Geografos Latinoamericanos. Marzo 2007
Resumen El objetivo de este trabajo es presentar un ejercicio de «colaboración» de varios métodos de investigación en el estudio de ciertas conductas delictivas en la localidad de Ciudad Bolívar, Bogotá. En especial, se explora la relación entre el homicidio y otros delitostales como el atraco, las lesiones personales, el hurto a residencia, el hurto a establecimientos comerciales y el hurto de vehículos. Los métodos utilizados son: el uso de mapas del crimen – cartografía del crimen – , el análisis estadístico del delito y el uso de materialvisual – fotografías. Dichos métodos son utilizados haciendo advertencias jurídicas en torno a los datos y su calidad en tanto que fuente sociológica y cartográfica. Un objetivo especifico es ilustrar la complejidad de la interacción entre agentes en un entorno socio espacial complejo caracterizado por la pobreza en medio de asentamientos urbanos recientes y la mayoría ilegales. Los resultadosmuestran que la superposición de métodos permite insinuar una relación robusta en términos estadísticos y espaciales en torno a la ocurrencia de los delitos estudiados. El trabajo abre una agenda de investigación en torno a ciertos aspectos criminológicos y criminodinámicos del delito en la localidad de Ciudad Bolívar y se convierte en una oportunidad para el trabajo interdisciplinar.Adicionalmente, se señalan posibles usos de la investigación para los diseñadores de políticas públicas de seguridad.
El objetivo de este documento es describir y explicar el comportamiento de ciertos delitos en la localidad de Ciudad Bolívar - Bogotá. Dicha localidad se encuentra en el sur de la capital de Colombia. La localidad está compuesta por barrios construidos recientemente. La mayoría de los barrios han sido construidos en el periodo comprendido entre 1980 y 2006. La localidad es considerada como pobre. De acuerdo con cifras oficiales es la segunda localidad con mayor índice de necesidades básicas insatisfechas; se calcula que el 76% de los habitantes se encuentran por debajo de la línea de pobreza. En general, Ciudad Bolívar se caracteriza por tener barrios en proceso de consolidación que son consecuencia de procesos de ocupación ilegal de tierras, barrios consolidados después de muchos años de disputas judiciales y, en menor medida, barrios planeados formalmente. En las siguientes fotografías se puede apreciar visualmente la complejidad y el orden espacial de las personas, su entorno y el territorio. Sobresale la mezcla de diversos tipos de asentamiento en un espacio relativamente pequeño.
Fotografías 1-4 Elementos de la configuración espacial «mixta»de Ciudad Bolívar
En resumen, Ciudad Bolívar es una mezcla de muchos entornos socio-espaciales – lo cual incluye lo económico – en los que se producen una gran cantidad de conflictos sociales. Esta es una de las razones que explican la gran cantidad de delitos reportados en la localidad.1 El material visual de la localidad refleja
* Agradecemos la colaboración en el levantamiento de datos y elaboración de mapas a los siguientes asistentes de investigación: Freddy, Johann y Daniel. Isaac De León Beltrán y Elkin Velasquez son docentes investigadores de la Universidad Externado de Colombia. Luis Carlos Jiménez es docente investigador de la Universidad Nacional 1 Subsecretaria de seguridad y convivencia (2005). Diagnostico. Localidad 19 Ciudad Bolívar. En: http://www.suivd.gov.co/G10/diagnosticosG10.
en parte muchas tensiones sociales en torno a la construcción y las disputas de legalización (ver Fotos 5 y 6 del Anexo Fotográfico).
La localidad de Ciudad Bolívar preocupa a la administración distrital porque presenta el mayor número de homicidios en la ciudad. Son veinte localidades y Ciudad Bolívar no es la más poblada. Se estima que la tasa de homicidios en la localidad – con datos de 2001 – es de 470 por cada 100.000. Esta es una de las motivaciones del presente documento.
La descripción de los delitos se hará por medio de la unión de herramientas estadísticas y el uso de un sistema de información geográfica (SIG). La combinación de estas dos técnicas de análisis permitirá confirmar y/o rechazar algunas hipótesis con respecto al comportamiento espacial del delito en la localidad. A lo largo del texto se usan indistintamente los conceptos de «delito» y «crimen» con el fin de hacer más cómoda la lectura. Vale la pena hacer la aclaración porque las normas jurídicas afirman que sólo un juez de la República – el cual puede ser también un cuerpo colegiado – está autorizado para declarar que una persona ha cometido un crimen. Ningún otro ciudadano puede proferir una afirmación de esta naturaleza y producir los efectos jurídicos del caso. Por lo tanto, los «delitos» considerados en este trabajo serán tratados desde una perspectiva más sociológica que jurídica.
Este documento es un informe de investigación que usa como fuente de información una base de datos en la que los delitos han sido ubicados en el espacio de la localidad. Los delitos han sido ubicados manualmente en un mapa digital. El periodo de análisis es el comprendido entre 2003 y 2005. Las conductas delictivas escogidas para el análisis son las siguientes: homicidio, atraco, hurto a residencias, hurto a establecimiento comercial, hurto de motocicletas, hurto de vehículos y lesiones comunes.2
La fuente primaria de la información delincuencial fue el Centro de Investigaciones Criminológicas de la Policía Metropolitana – CIC – de Bogotá, y el Instituto Nacional de Medicina Legal y Ciencias Forenses (INML y CF) en el caso de los homicidios. Vale la pena aclarar que hay incentivos organizacionales al interior de cada una de estas dos organizaciones estatales que pueden distorsionar la calidad de los datos. Por ejemplo, a la Policía Nacional le preocupa mucho la dirección de la ocurrencia de ciertos hechos delictivos porque ello es un criterio de evaluación de los comandantes de la Policía (CAI´s, Estaciones de Policía, etc), mientras que la dirección de los hechos no suele ser una variable relevante para los miembros del INML y CF porque esa no es información normalmente utilizada para evaluar su gestión. Esta aclaración sirve para matizar las conclusiones del trabajo y más bien considerarlas como provisionales y sujetas a revisión. En últimas, este trabajo utiliza como fuente de información denuncias presentadas por ciudadanos; lo cual es otra razón para hablar con más cautela acerca del «crimen». Únicamente en el caso de los homicidios se cuenta con información de investigación de oficio.
La selección de las conductas se basa en una definición de seguridad personal que gira en torno a no ser agredido en el espacio privado (residencia) ni en el espacio público (calles y parques, por ejemplo). Esta es una definición «estrecha» del concepto de seguridad pero es suficiente y útil para los fines de la investigación. Se reconoce que puede haber otras nociones de seguridad – como por ejemplo aquellas que incluyen aspectos tales como seguridad en el empleo, en los alimentos, etc – pero estas no serán consideradas en el trabajo. De acuerdo con la definición una zona geográfica es segura si en ella las personas no son víctimas de homicidio, atraco, hurto a residencia, etc. En otras palabras, la definición propuesta permite una sencilla forma de medición y comparación, y, de este modo, se evitan discusiones retóricas.
El análisis estadístico y espacial utiliza una unidad espacial creada por el equipo de investigación. La unidad espacial consiste en un cuadrado de 200x200 mt, el cual sirvió para cubrir el mapa de la localidad. Esta unidad tiene la ventaja de ser mucho más pequeña que la UPZ pero es más grande que una manzana y más pequeña que un barrio. La creación de esta unidad espacial se hizo por cuestiones prácticas que facilitan el análisis espacial y estadístico. La aplicación de esta unidad espacial de cuatro hectáreas generó 910 unidades espaciales.3 Otro punto central en el análisis es que el componente estadístico supone que no hay fenómenos de contagio entre unidades espaciales. Esta es una opción metodológica de la investigación.
2 Conviene aclarar que dichas conductas no son delitos en un sentido jurídico. Esta aclaración es relevante porque, por ejemplo, el «atraco», el «hurto a residencia» y el «hurto de vehículos» no son conductas que se encuentren tipificadas en el Código Penal Colombiano. Por lo tanto, dichas conductas están más cerca de descripciones policiales que de descripciones jurídico penales. Lasanteriores conductas serían clasificadas en el Código Penal bajo del titulo de Delitos contra el patrimonio económico. Una característica relevante de las conductas seleccionadas es que normalmente suelen ser dolosas, es decir, conductas que se cometen con el conocimiento y la voluntad. En cualquier caso, es muy difícil concebir que alguno de estas conductas se pueda cometer culposamente. 3 El siguiente es el orden por tamaño de cada una de las unidades espaciales mencionadas. En un primer nivel se encuentra Bogotá,en el segundo la localidad de Ciudad Bolívar, el tercer nivel esta compuesto por las UPZ, el cuarto nivel lo conforman los barrios y en el último nivel las manzanas. No se tomaron las manzanas porque el número era demasiado elevado (4.722 manzanas de acuerdo con DAPD, Plan de Ordenamiento Territorial, Decreto 619 del 2.000 y Subdirección de Desarrollo Social, Bogotá, D.C., 2.002). No se
El procedimiento con el cual se llevó a cabo la división del territorio fue el resultado de un análisis heurístico de la escala, es decir, un proceso de ensayo y error. Para ello fue necesario comparar las diversas escalas espaciales y métricas desde la totalidad del territorio de la ciudad de Bogotá hasta los pocos metros de un barrio específico.
Cuadro La variación de la escala de un modo heurístico y la construcción de la unidad espacial de 200x200
mt
El documento se divide en tres partes. En la primera de ella se describen los delitos y ciertas variables o factores explicativos. En esta primera sección se explora también la relación entre los mismos delitos. En la segunda parte se presenta un modelo estadístico que explica la asociación entre los delitos y un conjunto de variables explicativas. Conviene anotar que las variables explicativas no son consideradas en este caso variables causales. Las variables explicativas serán consideradas como aquellas que deben ser tenidas en cuenta al momento de explicar ciertos fenómenos criminales porque existe un marco teórico y argumentos razonables que justifican su inclusión en el modelo. Es decir, la relación entre las variables explicativas y el crimen será en este texto una relación de asociación, no de causalidad. En la última parte se presentan recomendaciones de política y una lista de zonas en las que, de acuerdo con el modelo, se pueden focalizar esfuerzos de intervención del estado. Las variables escogidas para explicar el delito son pocas y en ese sentido vale la pena aclarar que este trabajo es una «pequeña sección de la realidad criminal». Es importante aclarar esto porque siempre habrá variables que se quedan por fuera del modelo. Esta acotación es central ya que permite el estudio científico de un problema social específico, es decir, el estudio ordenado de un conjunto bien definido de posibles relaciones sociales verificables con un método que puede ser replicado por otros investigadores.
1. Los delitos y las variables explicativas
Esta sección se divide en dos partes. En la primera se describen estadísticamente los delitos en Ciudad Bolívar. Dicha descripción se concentra únicamente en los elementos básicos de cada delito sin considerar otras variables. Se incluye una descripción espacial y visual y se muestran algunas ventajas de la metodología propuesta. En la segunda parte se describe la relación de algunos delitos con ciertas variables del entorno espacial y social de la unidad espacial de 200x200 mt.
1.1. Los delitos en Ciudad Bolívar
A continuación se hace una descripción estadística de los delitos en la localidad. La característica central de dicha descripción es que se centra en la unidad espacial propuesta, a saber, el cuadrado de 200x200 mt. La descripción de los delitos gira en torno a la unidad espacial definida. A continuación se presenta la descripción más general de los delitos.
Tabla A. El comportamiento de los delitos en la unidad espacial.(2003-2005)
N Mínimo Máximo Suma Media Desv. típ. Hurto de motocicletas 910 ,00 4,00 119,00 ,1308 ,4492Número de hurto de vehículos 910 ,00 5,00 231,00 ,2538 ,6929
tomaron UPZ ni barrios porque eran muy pocos y su distribución era demasiado irregular lo cual dificulta ciertos procesos de comparación; sólo 8 UPZ y 252 barrios.
Hurto establecimiento comer. 910 ,00 6,00 284,00 ,3121 ,8161Atracos 910 ,00 13,00 609,00 ,6692 1,3265Homicidios 910 ,00 8,00 622,00 ,6835 1,3204Hurto a residencias 910 ,00 11,00 668,00 ,7341 1,2930Lesiones personales comunes 910 ,00 23,00 1680,00 1,8462 3,2052N válido (según lista) 910
Nota: en la tabla se puede observar que hay 910 unidades espaciales. En cada unidad espacial se realizó el conteo de cada uno de los delitos. Luego se procedió a calcular cada una de las medias y las desviaciones para cada delito.
La Tabla A sirve para reconocer que es lo «normal» en cada una de las unidades espaciales. Por ejemplo, lo «normal» es que haya 0.68 homicidios cada 3 años. Un valor más allá de esto puede significar un cambio abrupto en el comportamiento de este delito en términos relativos. En general, la mayoría de los casos – es decir la media más dos veces la desviación típica – se encuentran entre 0 y 3.32 homicidios. Cualquier valor por encima de 3.32 (lo cual en términos prácticos significa un número de homicidios mayor o igual a tres) representa un valor atípico. Un razonamiento similar se puede hacer con los otros delitos. El conteo de cada delito al interior de cada unidad espacial es lo que permite hacer los cálculos de la Tabla A. En la siguiente gráfica se muestra una sección del mapa de Ciudad Bolívar y el correspondiente conteo de delitos.
Cuadro El conteo de delitos en la unidad espacial de 200x200 mt
Ahora bien, esta información sirve para reconocer los valores medios de cada uno de los delitos en el periodo y en la unidad espacial. El problema de presentar la información de este modo es que el componente espacial no está presente. Vista así, la información tiene únicamente un carácter estadístico. Al momento de incluir la distribución espacial de los delitos aparecen áreas de concentración que insinúan que el fenómeno presenta una distribución espacial particular. Esta forma de representar los datos señala la concentración espacial de los delitos; la ventaja de representar así la información es que los casos atípicos sobresalen visualmente porque son resaltados con un color mucho más oscuro. Lo más importante de la representación espacial es que se hacen fácilmente visibles los casos atípicos, es decir, aquellas zonas en las que el delito tiende a ocurrir con más frecuencia (ver Anexo mapas. Mapas 2-8). Sin embargo, la información de los mapas es una información visual – es decir que apela a la capacidad de distinción del sentido de la vista – que puede ser cotejada con información de carácter estadístico. Una ventaja de ubicar los delitos en una unidad espacial determinada es que se delimita con precisión las áreas de potencial intervención del Estado. En ejercicios anteriores las autoridades han señalado zonas de alto impacto en el mapa de Ciudad Bolívar, sin embargo, dichos ejercicios incluyen zonas muy amplias de intervención (ver Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía Metropolitana de Bogota y la Fiscalía General de la Nación).
Una de las características más importantes de los delitos espacialmente analizados es su alto grado de correlación. De acuerdo con la evidencia, los delitos analizados tienen un alto grado de correlación espacial, es decir, suelen ocurrir en los mismos sitios. La correlación entre estos delito es positiva en todos los casos. Esto quiere decir que los delitos estudiados aumentan o disminuyen todos al mismo tiempo. La correlación en todos los casos es positiva y estadísticamente significativa. Sin embargo sobresale el alto grado de correlación entre el homicidio y las lesiones personales comunes, el homicidio y el hurto a residencia y el homicidio y los atracos (ver Anexo estadístico. Tabla 1. La correlación entre los delitos). En resumen, y para ilustrar con un ejemplo, si en una unidad espacial determinada aumenta el número de lesiones personales y el número de atracos entonces es muy probable, en términos estadísticos, que aumente también el número de homicidios. En un sentido estadístico, los delitos en Ciudad Bolívar se encuentran positivamente conectados. En estudios anteriores para Bogotá se ha encontrado que a veces los delitos se encuentran
correlacionados negativamente, es decir, que cuando uno de ellos aumenta los demás disminuyen. Una de las explicaciones posibles de este fenómeno es que los criminales tienden a cambiar de actividad cuando las autoridades se concentran en perseguir una actividad criminal específica (Beltrán, Gaitán y Fernández, 2001). Por el contrario, en Ciudad Bolívar la ocurrencia de un delito da pie para la ocurrencia de otros.
La distribución de delitos en la localidad muestra que hay un gran número de territorios en los que no ocurren muchos delitos. Las gráficas muestran que la mayor frecuencia de ocurrencia de delitos es 0 y 1, y esto es así para cada uno de los delitos analizados. (Ver anexo estadístico, Tablas 2-8. Frecuencia de delitos por unidad espacial, y, Gráficas. Frecuencia de delitos por unidad espacial). Desde luego, esto no debe ser leído como que la localidad es pacífica en la mayor parte de su territorio sino más bien como una constatación de la alta concentración delincuencial. Vale la pena esta advertencia para evitar lecturas posiblemente «optimistas» al ver en el mapa grandes áreas sin colorear.
1.2. Las variables explicativas del delito en Ciudad Bolívar: un ejercicio de estadística y relaciones espaciales
Las variables explicativas, o asociadas, a los delitos son las siguientes: uso del suelo, el estrato, el periodo de construcción de la zona, la presencia de CAI´s, la cantidad de colegios y la cantidad de iglesias. Se reconoce que estas variables son insuficientes para explicar un fenómeno social tan complejo como es el crimen. Sin embargo, se puede justificar su inclusión ya que hay argumentos teóricos y empíricos a favor de esta selección. Por ejemplo, el uso del suelo brinda una idea aproximada del grado de actividad económica en el que se lleva a cabo el delito, el estrato y el periodo de construcción de la zona capturan información sobre la pobreza en la que se ejecuta el ilícito, la presencia de CAI´s advierte sobre la capacidad de coerción y prevención del Estado en la zona y la cantidad de colegios e iglesias da información sobre la infraestructura de bienestar social además de cierta capacidad de organización social.
Algunos de los hallazgos estadísticos más importantes muestran que, por ejemplo, la mayoría de los homicidios se producen en un uso del suelo destinado a la actividad residencial (382 zonas en las que se registra al menos un homicidio). En el estrato 0, 1 y 2 se concentra la mayor parte de los casos de este delito este delito (644 zonas de estrato 0, 1 y 2 en las que se registra al menos un homicidio). Del mismo modo, los barrios de más reciente consolidación son aquellos en los que ocurren la mayoría de los homicidios (en los barrios consolidados entre 1990 y 2006 se encontraron 245 zonas con homicidios). La mayoría de los homicidios – como era de esperarse – se causan en zonas en las que no hay CAI (899 de un total de 910 zonas). Merece ser resaltado el hecho de que el número de homicidios decrece en la medida en que aumenta el número de colegios y el número de iglesias en la zona. Algo similar sucede con los atracos. En general, se encuentra que los delitos estudiados disminuyen en presencia de cierta dotación social y ciertas organizaciones sociales. En alguna medida, estos datos parecen confirmar la existencia de una relación negativa entre el capital social, entendido como la capacidad de las personas para crear redes sociales, y el crimen. (ver Anexo estadístico. La relación entre homicidio y otras variables. Cuadros 1-6; ver Anexo estadístico. La relación entre atraco y otras variables, Cuadros 1-6). En la siguiente tabla se puede notar la distribución específica del número de homicidios por unidad espacial.
Tabla B. La distribución de homicidios por unidad espacial y su relación con el uso del suelo. Número de homicidios A B C D E F G nd tot al ,00 1 7 20 30 162 108 25 262 6151,00 3 1 97 12 5 28 1462,00 56 1 1 14 723,00 26 1 2 294,00 16 2 1 195,00 14 146,00 7 1 87,00 3 1 1 58,00 1 1 2 Total 1 7 23 31 382 124 33 309 910
A: Comercio, B: Dotacional, C: Industrial, D: Minera, E: Residencial, F: Urbana Integral, G: Sistema de área protegida, n.d: Información sobre uso de suelo no disponible.
2. Dos modelos estadísticos para explicar y predecir la ocurrencia de homicidio en Ciudad Bolívar
En esta sección se construye dos modelos estadísticos para explicar y predecir la ocurrencia de homicidios en Ciudad Bolívar. El trabajo se centra en el homicidio por ser considerado uno de los delitos más importantes para la política de seguridad del Distrito Capital. El primer modelo es un modelo de regresión lineal. El segundo es un modelo de regresión logística binaria. En ambos casos lo que se busca es
establecer una relación entre una variable dependiente y un conjunto de variables independientes (esto, desde luego y como se dijo en la introducción, no significa causalidad). En términos generales el cálculo de una regresión permite saber si hay una relación funcional del siguiente tipo:
núm homicidios por unidad espacial = f(conjunto de variables independientes)
2.1. Modelo de regresión lineal para los homicidios
El supuesto de partida en esta sección es que el homicidio se encuentra relacionado con otros delitos. En otras palabras, se supone que el homicidio puede ser predecido y explicado por otras conductas criminales. La alta correlación de los delitos a nivel espacial justifica este modelo estadístico. No se incluyen en este modelo variables que también serían de mucho interés tales como el uso del suelo porque de acuerdo con la Tabla B (La distribución de homicidios por unidad espacial y su relación con el uso del suelo) hay 309 casos sin información disponible lo cual hace muy difícil el uso de modelos de regresión. La estimación de dichos modelos mostró que el uso del suelo no es una variable estadísticamente significativa. De todos modos, conviene reconocer la incidencia de los delitos en función del uso del suelo. Quizás, la poca significancia del uso del suelo se explica por los pocos datos disponibles. Los mismo resultados se obtuvieron con el modelo de regresión logística.4
El punto de partida para el modelo de regresión lineal es establecer la función a calcular. En este caso, se trata de estimar la significancia (lo cual quiere decir validez) que las variables independientes o predictoras tienen al momento de explicar la variable dependiente. La ecuación que será estimada tiene la siguiente expresión:
Homicidio= 0+ 1Atraco+ 2Hurt_comer+ 3Hurt_resid+ 4Hurt_mot+ 5Hurt_vehi+ 6Lesiones+e
Como se puede notar, esta es una expresión lineal tanto en los i como en las variables independientes. En el cálculo del modelo se busca que los i sean significativos y que tengan un signo conceptual y teóricamente esperado. Para saber si una variable es significativa lo que se debe mirar es el valor del estadístico “t” asociado a cada uno de los coeficientes. Entre más alto sea el valor de el estadístico “t” entonces la variable independiente asociada es más significativa, es decir, tiene mayor validez. Se coloca un término de error “e” al final de la ecuación que recoge el efecto de todos los factores no incluidos en el modelo. Lo ideal es que el término de error sea lo más bajo posible; en los cuadros que se presentan más abajo el error “e” se captura en lo que se conoce como error residual. Vale la pena aclarar que ciertas variables como la presencia de CAI´s, el número de colegios y el número de iglesias fueron introducidas en un primer modelo pero ninguna de ellas fue estadísticamente significativa. Es por eso que se decidió construir el modelo únicamente con los otros delitos.
El modelo es aceptable (lo cual se prueba con el estadístico F que se encuentra en la tabla ANOVA. La aceptación de un modelo de esta naturaleza se basa en una prueba en la que se muestra que al menos una de las variables es significativa). La variabilidad explicada por el modelo sólo alcanza a ser el 45.3%. Esta es una variabilidad baja pero puede ser considerada suficiente para el análisis – en algunos casos se exige que la variabilidad explicada sea superior al 90% pero ese no es el caso. Si se escoge un nivel de confiabilidad del 99% se puede concluir que el hurto a establecimiento comercial, el hurto de motocicletas y el hurto de vehículos no son variables significativas al momento de explicar los homicidios en la unidad espacial de 200x200 mt. Las variables que se encuentran fuertemente ligadas a los cambios en los homicidios son las siguientes: atraco, hurto a residencia y lesiones personales. El coeficiente i de cada una de estas variables es positivo, lo cual quiere decir que un aumento en cada una de ellas representa un
4 Cuando hay una proporción tan elevada de casos sin información la técnica de regresión no parece ser muy adecuada. Sin embargo,dado que el uso del suelo podría ser una variable importante al momento de hacer una comparación y el diseño de una política pública, conviene conocer la incidencia promedio de delitos en las unidades espaciales de acuerdo con el uso del suelo.
Tabla C. La concentración de delitos en función del uso del sueloHomicidio Atraco Hurto comercio Hurto residencia Hurto vehículo Lesiones personales
Industri 0,13 0,70 0,35 0,09 0,26 0,87Residen 1,29 1,31 0,64 1,52 0,48 3,68Integral 0,20 0,25 0,02 0,07 0,12 0,50Minero 0,03 0,00 0,00 0,10 0,03 0,06S.A 0,67 0,27 0,03 0,30 0,00 0,73
A partir de esta tabla se puede observar que el uso del suelo en el que ocurren más delitos es el residencial. Este hecho es útil porque da pistas sobre una posible concentración de la política pública.
aumento en el número de homicidio en la unidad espacial en cuestión. En los siguientes cuadros se puede observar la información estadística con la cual se hizo el análisis.
Cuadros. Modelo de regresión lineal para estimar la relación entre los homicidios (variable dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida
por la investigación
Modelo R R cuadrado 1 ,453 ,205
AnovaModelo Suma de cuadrados gl Media cuadrática F Sig.
1 Regresión 325,573 6 54,262 38,910 ,000Residual 1259,280 903 1,395
Total 1584,853 909
Coeficientes Variables independientes Coefientes Estadístico “t” Sig(Constante) ,327 6,945 ,000Atracos (2003-2005) ,104 2,695 ,007Hurto establecimiento comercial (2003-2005) -,148 -2,482 ,013Hurto a residencias (2003-2005) ,182 4,510 ,000Hurto de motocicletas (2003-2005) -,105 -1,120 ,263Número de hurto de vehículos (2003-2005) -,130 -2,106 ,035Lesiones personales comunes (2003-2005) ,133 7,021 ,000
a Variable dependiente: Homicidios (2003-2005).
2.1. Modelo de regresión logística binaria para explicar los homicidios
En este modelo lo que se calcula es la probabilidad de encontrar “muchos homicidios” en una unidad espacial determinada. Para ello lo primero que hay que aclarar es el concepto de “muchos homicidios”. Esta importante cuestión se aclara por medio de un criterio – más o menos arbitrario – que afirma que muchos homicidios son más de tres. Por supuesto, se puede utilizar otro criterio como por ejemplo, muchos homicidios es más de uno. Sin embargo, al optar por más de tres se trata de mantener coherencia con la distribución espacial de homicidios que aparece en el anexo de mapas. De nuevo, más de tres homicidios en una de las zonas significa que se está más allá de tres desviaciones estándar. El mencionado criterio permite construir una nueva variable dicotómica – es decir que sólo puede tomar dos valores. El primer valor de la variable dicotómica es 0, lo cual quiere decir que la situación de homicidio no es grave. Cuando la variable dicotómica toma el valor de 1 quiere decir que la situación es grave; hecho que corresponde al criterio antes mencionado, a saber, si hay más de tres homicidios la situación es grave.
La ventaja de esta conversión es la siguiente: lo que se busca ahora es estimar la probabilidad de que una zona escogida al azar se encuentre en grave situación de homicidios en función de una serie de características definidas de antemano. Estas características son las llamadas variables independientes.
La variable dependiente es la probabilidad de que una unidad espacial de 200x200 presente una situación grave de homicidio, es decir, más de tres homicidios. Las variables independientes son las siguientes: la presencia de CAI en la zona ( que es una variable que puede sólo tomar dos valores al igual que la variable dependiente), Número de colegios (Colegio) y Número de iglesias (Iglesias) en la misma zona. Ahora bien, lo que se busca en la estimación de una regresión logística es una forma funcional específica que permita calcular la probabilidad de que una zona específica presente un alto número de homicidios, es decir, estimar P(alt_ho). La relación funcional es la siguiente:
IglesiaColegioCAI
IglesiaColegioCAI
eeho)P(Alt
3210
3210
1_
Esta formula permite establecer si las variables introducidas en el modelo son significativas. Esto se hace por medio de la estimación de los valores i que acompañan a cada una de las variables independientes. Lo primero que se analiza es si el valor i es significativo en términos estadísticos. Lo segundo que se observa es el signo. Si el signo es positivo, entonces se dice que la variable asociada a dicho i aumenta la
probabilidad de ocurrencia de la variable dependiente. Por el contrario, si el signo es negativo entonces se afirma que dicha variable independiente disminuye la probabibilidad de ocurrencia. Nótese que esta función se acerca a 1 cuando las variables independientes toman un valor alto; pero nunca será igual a la unidad.
Cuadro. Modelo de regresión logística para estimar la relación entre los homicidios (variable dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida
por la investigación
Variables en la ecuación B Sig. Exp(B)
CAI -,179 ,844 ,836COLEGIO ,192 ,332 1,211IGLESIA ,054 ,852 1,056ATRACO ,150 ,114 1,162HURT_COM -,254 ,095 ,776HUR_RES ,351 ,000 1,421HURT_MOT -,671 ,033 ,511HURT_VEH -,388 ,064 ,678LES_PER ,157 ,001 1,170Constante -3,135 ,000 ,044
a Variable(s) introducida(s) en el paso 1: CAI, COLEGIO, IGLESIA, ATRACO, HURT_COM, HUR_RES, HURT_MOT, HURT_VEH, LES_PER. (Se resalta en un cuadro de color oscuro las variables más importantes. Dichas variables son las más importantes porque son estadísticamente significativas y para ello se revisa el valor correspondiente a la columna “Sig.”) A partir de esta tabla se puede afirmar que las variables que aumentan la probabilidad de ocurrencia de un alto número de homicidios en una zona cualquiera de Ciudad Bolívar – utilizando un 99% de confianza – son las siguientes: hurto a residencias y las lesiones personales; de nuevo, el criterio para realizar esta afirmación es la significancia de las dos variables, es decir, la columna “Sig”. En resumen, un aumento en cualquiera de estos delitos se encuentra correlacionado espacial y estadísticamente correlacionado con un aumento en el número de homicidios.
3. Conclusiones y recomendaciones
Los delitos en Ciudad Bolívar se encuentran altamente correlacionados. Sin embargo, hay unos delitos que se encuentran más conectados con otros. En el caso específico del homicidio se halló que este se encuentra alta y significativamente asociado a los atracos, el hurto a residencia y las lesiones comunes. Las otras conductas no muestran conexión estadística detectable con los homicidios. El uso del suelo no parece tener impacto. Cuando se estimaron modelos estadísticos no se obtuvieron resultados que confirmaran la unión entre homicidios y uso del suelo; esto se debe muy posiblemente a que, por un lado, hay un número elevado de zonas con información no disponible y, en segundo lugar, porque tal vez, el uso del suelo no sea una variable conectada con el homicidio. Por supuesto, eso no significa que esa no sea una variable importante pero si se sugiere que tal vez sea recomendable reemplazarla por otra.
La conexión entre el homicidio y las otras conductas sugiere pensar que los delitos no ocurren al azar en el espacio ni en el tiempo. De acuerdo con varias teorías, el homicidio es un resultado de la actividad criminal organizada. Ahora bien, el atraco y el asalto a residencias son delitos organizados (es muy difícil imaginar que el hurto a una residencia se produce . Muy probablemente la conexión entre el homicidio y estos delitos tenga alguna conexión con el hecho de que los grupos criminales utilizan la violencia homicida como un instrumento para desplazar la competencia, proteger la propiedad ilegal y amedrentar a sus víctimas.
Anexo fotográfico Fotografía 5
Fuente: www.bogota.gov.co
Fotografía 6
Fuente: http://www.suivd.gov.co/G10/diagnosticosG10
Anexo de mapas Mapa 1. La localidad de Ciudad Bolívar y la unidad espacial de 200x200mt
Mapas (2-7). La distribución espacial de los delitos en Ciudad Bolívar(2003-2005)
Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía Metropolitana de Bogota y la Fiscalía General de la Nación
DISTRIBUCIDISTRIBUCIÓÓN DE HOMICIDIOS POR N DE HOMICIDIOS POR VECINDARIOSVECINDARIOSENERO A JUNIO DE 2005ENERO A JUNIO DE 2005
AC
57 R
S
TV50
KR 73
AC61
S
KR 72
AC 68 SAK
51
KR 75
CL
62D
S
KR 17F
TV 60
CL
63
S
KR 77A
KR 77C
KR
44B
KR
43
KR
19GK
R19
F
KR 18R
KR 67
AK 70C
CL
67S
TV49C
KR
20C
KR 76C
KR
21
KR
4 6B
KR
19D
DG
62G
S
KR20D
KR
4 5 A
KR 71
KR20AK
R22
KR 17
DG 62 S
KR
46C
DG
57CS
KR 20
KR48
KR
47
KR 74IKR 74H
KR46A
KR20F
KR 75B
KR 76D
CL
63AS
CL
64S
KR 75H
CL
73A
S
KR 74B
KR21A
CL 59C S
KR20B
KR 16C
KR 27I
CL
68AS
KR 27C
KR 18D
CL
64AS
CL
67AS
KR 74C
KR38
KR 75C
KR 70
KR 27J
KR 27F
CL
77D
S
CL
60A
S
KR 73F
KR 26C
CL
66
S
KR 18
AC 71B S
KR 27H
KR 74D
DG73
CS
CL
62F
S
CL 68F S
TV 17
KR
47B
CL
69C
S
CL
68S
KR 73H
KR 74F
KR 73G
KR 18B
CL
69AS
KR 18A
KR
19B
TV73G
KR23KR 29
AC
60G
S
KR 77
KR 18G
DG70 S
CL70G
S
KR 15D
KR 73I
KR 18M
KR 16A
TV33
TV70C
TV 73H
CL
71P
S
AC
45A
S
CL
70
S
TV
5 1
CL
65DS
DG
77A
S
KR 77F
CL
65BS
TV22
CL 65C S
KR 76
KR 73J
CL
68AB
ISS
TV 28
KR 18DBIS
CL
75D
S
CL 67C S
KR 75A
CL
64F
S
KR 17B
KR 15C
CL
71B
S
CL
77S
KR 17NBIS
CL
64CS
CL
68BIS
S
KR 74G
KR 15F
KR
48A
KR 71F
KR
41
KR 27
KR 77B
KR 27L
CL
67A
BIS
S
CL
7 4BS
CL
62 IS
KR 22G
KR 16B
CL
75H
S
KR 75LBIS
KR 66
KR 73L
TV 56
KR
40
KR 18J
KR 74A
TV 18R
KR 18C
KR 19
CL
77 AS
KR 15
KR23D
KR
48B
CL
62B
S
CL
6 2H
S
KR 68C
CL
60C
S
KR 18F
CL 71BISS
TV54
CL
71I S
CL
7 1K
S
TV74BIS
TV 58
CL
78C
S
CL
62G
S
DG
60S
CL
61
S
CL
70FS
CL 80 S
KR 17P
TV 70G
CL70I S
KR19BB
IS
TV 27H
KR 63
CL60B
S
CL
73A
BIS
AS
KR 17G
CL
76AS
KR19C
KR
18X
KR36
TV
40
TV49D
TV 77C
TV 32
KR 17N
KR48G
CL
67B
S
KR 17BISA
TV57
TV 34
CL
59AS
TV 75F
CL
60S
CL
62B
ISS
KR18T
KR
19B
IS
CL 69D S
TV 48
KR 17C
CL
81B
S
TV 36
KR 75L
CL70H
S
CL
69BS
TV 27T
KR
44
TV 16
CL60
DS
TV 23D
TV73C
KR
22A
KR 18Q
KR 71J
DG
58S
CL 58 S
KR46
CL 68D S
DG 68B S
CL
62S
KR 25
KR 71H
KR 76A
KR44A
KR
42
TV49G
DG 72 S
TV59
KR
18MBIS
A
CL 65 S
KR 23C
CL
69PS
CL
67A
BIS
AS
KR 75G
TV73D
CL 58G S
TV73I
KR 24
DG63C
S
DG 69A S
KR 24A
CL
78S
CL 63F S
KR73K
KR 24BTV
49
TV65
KR
45D
CL
81F
S
TV44BIS
DG69 S
CL
57 T
S
TV53
CL
82A
S
DG
68S
KR 64
KR39
CL 69K S
CL
75A
S
KR
5 3
CL 67D S
KR 71C
KR 16D
CL
73B
S
TV66
KR 26
KR48C
KR 23A
CL68G
S
TV 73
TV18
P
KR48D
DG
57Z
S
KR 14
KR 18P
KR 74CBIS
TV 48A
KR
49C
TV 26C
KR
31
TV55
DG
71B
S
KR 76BISB
TV73D
BIS
DG 63 S
CL
66A
S
TV 75H
KR 70C
TV 47ATV71
TV 48B
DG 69CBIS S
KR45B
DG 64B S
CL
78D
S
KR 75J
KR 74
DG 69D S
DG81 S
KR 73HBIS
DG 64A S
TV44
TV67
CL
80B
S
KR 75BBIS
KR
37
KR 27N
CL
59
S
KR
22B
DG
62A
S
KR 73A
KR 22J
CL
68CS
CL
74AS
TV27B
KR
45
DG 65 S
TV49A
CL
70BIS
S
KR 75I
CL 72B S
KR 17J
DG64BIS
S
CL 83 S
KR18Q
BISB
CL 69J S
KR
49B
KR 15B
TV
20A
KR 18CBISA
TV19
CL
74C
S
KR43A
CL
81CS
CL
69 C
BI S
S
KR 27K
TV52
KR42A
TV48C
TV73HBIS
CL 68GBIS S
CL
63B
S
KR
48 F
CL
69RS
CL
81A
S
AK16B
DG65
AS
KR 75D
KR 18BBISA
KR 26CBIS
TV77
CL
70JS
TV 75I
KR18R
BIS
CL
62A
S
DG 62D S
CL 63C S
TV44B
KR 37B
KR 77D
KR18PBISB
KR14A
TV18I
CL
72 G
S
DG75
FS
DG64
S
CL 58D S
DG
67A
S
KR 72F
KR
18L
KR
18QBIS
TV 18JBISB
CL57
DS
CL 69G S
TV 73B
KR16
CL 63D S
CL
78B
ISA
S
TV 20C
CL
72C
S
CL 82 S
KR 75K
CL 69H
S
TV 75J
TV63
DG
70XS
CL
57 ZS
KR 18CBIS
DG
76S
KR 64B
CL 64DS
TV18HBIS
DG 66 S
CL
69MSDG 68A S
TV20
D
CL
76B
ISA
S
CL 5
8CS
CL
71AB
ISS
KR18U
TV 18H
DG 65B S
KR 71G
KR 18BBISB
TV 73M
KR 17DBIS
TV 48BIS
CL 61A S
CL
81S
CL
69AB
ISS
KR47A
CL
70BS
CL 61D S
CL81G
S
TV34
C
KR44C
KR 72B
TV 37
CL
80AS
DG
75S
CL
74
S
CL
8 1A
BIS
S
TV 74F
KR 18BIS
CL
58A
S
TV 77B
KR 75F
KR
43C
KR12
CL
70KS
TV 73GBIS
CL78
AS
KR 27P
KR 16F
CL
69F
S
KR 70F
KR 28
DG 71P S
KR45BBIS
CL
68I S
KR10
KR 18I
CL
71DS
DG
75AB
ISS
KR 73B
KR 30
KR 17A
TV70D
DG68
J S
KR
45C
DG
77D
S
DG 80A S
CL
76B
I SS
TV 20F
CL 68K S
KR18LB
IS
DG71
S
CL71
S
CL
71IB
ISS
KR 76B
KR 17L
KR
18LBISA
CL
70LS
KR 18K
KR
49
TV36B
KR 17ABIS
KR 65B
TV19
A KR 18H
CL 59BIS S
KR 69B
KR 17HBIS
CL 72F S
KR 27Q
DG 68F S
KR 18KBIS
KR 6 8A
TV 18PBIS
KR 27G
TV76C
CL
57U
S
TV41
CL
64B
S
CL 72A S
CL
82D
S
KR 18N
DG 72F S
KR49CB
ISA
CL 78B S
TV35
CL 75ABIS
S
CL 69I S
KR19H
KR 26F
CL 75C S
CL 68H S
CL
72S
KR
18Z
CL
71K
BIS
S
TV39
DG
62C
S
KR 68
CL
75BS
KR 22H CL
79S
CL
70U
S
TV40
B
TV16C
TV38B
DG
72DS
KR
18V
CL
65AS
TV34
BIS
TV40
CTV61
TV23
TV
42A
DG
74B
BI S
AS
CL
75
S
DG
61S
TV69
TV 73F
KR49A
CL
66BS
TV 18Q
CL
71C
S
TV1
8U
KR 70B
KR45BIS
KR 26A
CL 69 S
CL
76S
KR 73C
TV18
CL
73
S
CL
71H
S
TV 18K
CL 66C S
TV 18NBISA
TV73GBISB
KR 17K
TV
38
CL
69 L
S
CL 82B S
KR 22I
KR 66A
TV 17M
TV 18G
KR 73D
CL
58B
S
CL
68B
S
CL
82C
S
TV
43
TV72
C
KR 15A
KR 18BBIS
DG 68C S
TV36A
KR
49F
KR
32
KR 64A
TV18
NB
IS
KR 62D
DG 69C S
KR
45BBIS
A
KR 19A
DG
74S
DG69F S
KR 17D
KR 65A
DG
81ABIS
S
CL
71M
S
KR 27B
KR 23B
CL
73A
BIS
S
CL
59B
SC
L72A
BI S
S
KR 18ABIS
DG
77S
KR
35
TV40
D
DG80B S
CL73
CS
TV18M
CL
57Y
S
CL
70R
S
TV17B
CL
70AS
DG72A S
TV 76
KR 26BIS
CL
69Q
S
CL
77B
ISS
CL
8 0B
ISS
TV38A
CL
75B
ISS
CL
70MS
DG
59C
S
DG73 S
CL
6 2F
BIS
S
TV 73J
KR 16ABIS
TV35
B
KR
18NB
ISA
CL
70PS
KR 17BIS
TV73DBIS
A
KR 27A
KR 64BIS
KR 33
DG71F
S
CL
69TS
KR
18PB
IS
DG 81B S
KR
41A
KR 77BISA
KR 72D
DG68I
S
KR 71I
CL
70DS
TV3
1
CL
63BIS
S
DG
75B
S
DG69H
S
DG
82
S
CL 69N S
CL
81DS
CL
81B
ISS
KR
52
DG
61B
S
KR34
CL70
NS
TV35A
CL
77B
S
DG69B
S
CL
62C
S
KR 17M
CL
62 G
BIS
S
KR 18JBISA
KR19BBISA
KR 17BBIS
KR 71A
KR 22F
TV
46A
KR 27ABIS
KR 21B
DG
75CS
KR 18DBISA
TV17P
CL 66D S
CL 74DS
KR 16BIS
KR 73CBIS
CL
70CS
CL
61BS
CL 73BBIS S
CL
57RB
ISS
TV54BIS
KR 41ABIS
TV45
A
CL 58BIS S
TV 18DBIS
DG 73ABIS S
KR45C
BISA
TV 68C DG 69M S
CL80
CBIS
S
CL
7 3AB
ISB
S
DG
67BS
KR
42B
KR 21BIS
KR 70FBIS
KR74BIS
TV34
B
KR 18ABISA
CL
81G
BI S
S
CL70KBIS
S
CL
80A
BIS
S
CL 66A S
TV28
DG
69S
KR 23
KR 73L
CL 62A S
CL 5
8A S
CL 68B S
KR 18C
KR 23
KR 18C
CL
6 8S
CL
6 2S
CL
70DS
KR
18J
KR
49A
CL
69BS
CL
68A
S
KR
4 6A
KR 23A
KR 18
CL
69 DS
KR 27A
KR 18 KR 18A
KR 75F
KR
43
CL
74S
KR 21
CL 68A S
DG 68 S
CL 59A S
KR 18J
KR 17
CL
68CS
CL
78B
S
KR
45
CL
59
S
CL
61S
DG68A
S
KR 71
KR 17G
CL
76AS
KR 18M
KR 75L
KR 18N
KR 24A
KR
48C
TV59
KR
44
KR 16
TV73I
CL
70MS
CL
80B
ISS
KR 73
KR
48G
CL
63S
KR 17A
KR31
KR 17
KR
46A
CL 77 S
CL
81S
CL62
AS
CL
62F
S
CL
71A
S
KR 74GKR 74F
CL62
S
KR 73GKR 73I
KR43A
TV 18RCL 63 S
KR
4 0
CL 68ABIS S
KR 44
KR 18B
CL
62B
S
CL
69
S
CL
73
SK
R45
KR
48
KR 18N
CL 67A S
CL
61
S
KR
37
CL 75AS
KR
47
KR 73B
KR
47
KR 37
KR 76B
KR 73 I
CL
6 3B
S
TV 73M
KR 17N
CL 62B S
CL 81 S
CL 68H S
KR3
8
CL
58
S
KR
44A
KR46
KR 77
CL
78C
S
KR 26
CL 69B S
CL
58A
S
KR 18G
CL77
S
KR 23
CL69
BS
CL
7 7S
KR
26
TV33
DG
69AS
CL 64 S
DG 69A S
KR 18C
KR18K
CL
73
S
CL 72 S
CL 62 S
KR 74C
CL
64A
S
CL
58C
S
KR19D
CL
65S
KR 73G
CL 68D S
KR 77B
KR 17A
KR
18P
CL
74C
S
CL
64
S
KR 74
KR 76A
CL
70AS
KR 74I
CL
70AS
KR18J
KR73H
CL
63S
KR
48C
CL 67 S
KR
41
CL
65
S
KR
1 9
CL
80BS
KR
18L
CL
5 9AS
CL76
S
KR
19C
KR
37
CL
59S
KR 18B
CL
79S
KR 22B
KR 64
CL
62AS
CL
75
S
CL
69FS
KR
45B
CL 70 S
KR19F
CL 68C S
CL
64
S
KR
42
KR 77B
KR 76
TV28
CL 68 S
TV 73B
CL 61D S
DG 66 S
KR
19
TV32
KR 18I
KR
18KB
IS
CL75
S
CL 68B S
AC 61 S
KR18Q
KR 26F
DG 62A S
CL
71S
CL
80S
CL
78
S
KR 73B
TV73B
TV36
KR 26
KR
45D
CL
66S
TV73G
TV20
F
KR 26C
C L 68 S
KR 22
KR 73G
KR
41
CL 64A S
CL
69AS
CL
68AS
CL
69AS
KR 27
KR18J
DG
65B
S
CL59
AS
CL
62
S
KR 22
KR44
KR 18D
CL 61B S
KR
44C
CL 7
2 S
TV20
C
KR
44A
TV 16
CL 68B S
KR 75A
KR 18H
KR 17C
KR 73F
CL 71 S
CL 75B
S
KR 75BBIS
CL
6 0BS
CL
63B
ISS
TV36
KR 76
CL
59AS
CL 70 S
CL 60A S
KR 22I
TV51
CL
66AS
KR
22A
KR
48A
KR
46
KR18M
CL 62A S
TV73J
DG
66S
KR
47A
KR 17A
KR
18M
CL 63 S
KR 75
KR 71C
KR 18N
KR
20
CL
76
S
CL
60 A
S
CL
62H
S
KR 74
KR 72
CL
82C
S
KR 16D
KR 75I
CL 64 S
KR 77
CL
66S
CL
66A
S
CL
76
S
CL
6 5 AS
KR 27
CL
60A
S
TV73H
TV70D
CL 77 S
KR 16
KR 70
KR 15
TV56
CL
62D
S
CL
71
S
KR 17N
CL 81 S
KR 18L
KR
18K
TV32
KR 75H
DG 63 S
CL
70KSK
R45A
CL
67
S
C L 66 S
KR
22B
KR 75A
KR 71
NN
NNúúcleo Tres cleo Tres Reyes: Reyes: Tres Tres Reyes, MarReyes, Marííaa
Cano, La Cano, La EstanciaEstancia
NNúúcleo El cleo El Espino: Espino: El El
EspinoEspino
NNúúcleo Caracolcleo Caracolíí :: CaracolCaracolíí ,,PotosPotos íí, Santa , Santa VivianaViviana, Sierra , Sierra
MorenaMorena
NNúúcleo Jerusalcleo Jerusaléén: n: Candelaria I y II, Candelaria I y II,
JerusalJerusaléén, Canteras, Los n, Canteras, Los Tanques, Arborizadora AltaTanques, Arborizadora Alta
NNúúcleo San Francisco: cleo San Francisco: San San Francisco, Acacias, Juan Pablo II, Francisco, Acacias, Juan Pablo II,
CompartirCompartir
NNúúcleo Paracleo Paraííso: so: ParaParaííso, Bella Flor, so, Bella Flor,
Villa Los Alpes, Villa Villa Los Alpes, Villa Gloria, Villa del Gloria, Villa del
ProgresoProgreso
NNúúcleo Lucero: cleo Lucero: Lucero Bajo, Lucero Bajo, MediioMediio ,,
y Alto y Gibraltary Alto y Gibraltar
661010
1414
32322121
10101717
Fuente: http://www.suivd.gov.co/G10/diagnosticosG10
Anexo estadístico Tabla 1. La correlación entre los delitos
Correlaciones
1,000 ,317** ,189** ,365** ,105** ,093** ,416**, ,000 ,000 ,000 ,002 ,005 ,000
910 910 910 910 910 910 910,317** 1,000 ,402** ,487** ,283** ,357** ,608**,000 , ,000 ,000 ,000 ,000 ,000910 910 910 910 910 910 910
,189** ,402** 1,000 ,454** ,273** ,266** ,572**,000 ,000 , ,000 ,000 ,000 ,000
910 910 910 910 910 910 910
,365** ,487** ,454** 1,000 ,283** ,282** ,638**,000 ,000 ,000 , ,000 ,000 ,000910 910 910 910 910 910 910
,105** ,283** ,273** ,283** 1,000 ,211** ,309**,002 ,000 ,000 ,000 , ,000 ,000910 910 910 910 910 910 910
,093** ,357** ,266** ,282** ,211** 1,000 ,325**,005 ,000 ,000 ,000 ,000 , ,000910 910 910 910 910 910 910
,416** ,608** ,572** ,638** ,309** ,325** 1,000,000 ,000 ,000 ,000 ,000 ,000 ,910 910 910 910 910 910 910
Correlación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)N
Correlación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)N
Homicidios (2003-2005)
Atracos (2003-2005)
Hurto establecimientocomercial (2003-2005)
Hurto a residencias(2003-2005)
Hurto de motocicletas(2003-2005)
Número de hurto devehículos (2003-2005)
Lesiones personalescomunes (2003-2005)
Homicidios(2003-2005)
Atracos(2003-2005)
Hurtoestablecimiento comercial(2003-2005)
Hurto aresidencias(2003-2005)
Hurto demotocicletas(2003-2005)
Número dehurto de
vehículos(2003-2005)
Lesionespersonalescomunes
(2003-2005)
La correlación es significativa al nivel 0,01 (bilateral).**.
Tablas 2-8. Frecuencia de delitos por unidad espacialHomicidios (2003-2005)
615 67,6 67,6 67,6146 16,0 16,0 83,6
72 7,9 7,9 91,529 3,2 3,2 94,719 2,1 2,1 96,814 1,5 1,5 98,4
8 ,9 ,9 99,25 ,5 ,5 99,82 ,2 ,2 100,0
910 100,0 100,0
,001,002,003,004,005,006,007,008,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Atracos (2003-2005)
611 67,1 67,1 67,1158 17,4 17,4 84,5
69 7,6 7,6 92,126 2,9 2,9 94,923 2,5 2,5 97,511 1,2 1,2 98,7
6 ,7 ,7 99,33 ,3 ,3 99,71 ,1 ,1 99,81 ,1 ,1 99,91 ,1 ,1 100,0
910 100,0 100,0
,001,002,003,004,005,006,007,008,0010,0013,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Hurto establecimiento comercial (2003-2005)
740 81,3 81,3 81,3108 11,9 11,9 93,2
35 3,8 3,8 97,014 1,5 1,5 98,6
3 ,3 ,3 98,98 ,9 ,9 99,82 ,2 ,2 100,0
910 100,0 100,0
,001,002,003,004,005,006,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Hurto a residencias (2003-2005)
589 64,7 64,7 64,7142 15,6 15,6 80,3
90 9,9 9,9 90,248 5,3 5,3 95,523 2,5 2,5 98,0
7 ,8 ,8 98,86 ,7 ,7 99,54 ,4 ,4 99,91 ,1 ,1 100,0
910 100,0 100,0
,001,002,003,004,005,006,007,0011,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Hurto de motocicletas (2003-2005)
822 90,3 90,3 90,364 7,0 7,0 97,419 2,1 2,1 99,5
3 ,3 ,3 99,82 ,2 ,2 100,0
910 100,0 100,0
,001,002,003,004,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Número de hurto de vehículos (2003-2005)
763 83,8 83,8 83,893 10,2 10,2 94,137 4,1 4,1 98,1
9 1,0 1,0 99,13 ,3 ,3 99,55 ,5 ,5 100,0
910 100,0 100,0
,001,002,003,004,005,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Lesiones personales comunes (2003-2005)
492 54,1 54,1 54,1125 13,7 13,7 67,8
60 6,6 6,6 74,450 5,5 5,5 79,947 5,2 5,2 85,141 4,5 4,5 89,626 2,9 2,9 92,414 1,5 1,5 94,017 1,9 1,9 95,8
5 ,5 ,5 96,45 ,5 ,5 96,96 ,7 ,7 97,64 ,4 ,4 98,04 ,4 ,4 98,53 ,3 ,3 98,82 ,2 ,2 99,02 ,2 ,2 99,21 ,1 ,1 99,31 ,1 ,1 99,52 ,2 ,2 99,71 ,1 ,1 99,81 ,1 ,1 99,91 ,1 ,1 100,0
910 100,0 100,0
,001,002,003,004,005,006,007,008,009,0010,0011,0012,0013,0014,0015,0016,0017,0018,0019,0020,0021,0023,00Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Gráficas. Frecuencia de delitos por unidad espacial
Homicidios (2003-2005)
Homicidios (2003-2005)
8,007,006,005,004,003,002,001,00,00
Por
cent
aje
80
60
40
20
0
Atracos (2003-2005)
Atracos (2003-2005)
13,0010,00
8,007,00
6,005,00
4,003,00
2,001,00
,00
Por
cent
aje
80
70
60
50
40
30
20
10
0
Hurto establecimiento comercial (2003-2005)
Hurto establecimiento comercial (2003-2005)
6,005,004,003,002,001,00,00
Por
cent
aje
100
80
60
40
20
0
Hurto a residencias (2003-2005)
Hurto a residencias (2003-2005)
11,007,006,005,004,003,002,001,00,00
Por
cent
aje
70
60
50
40
30
20
10
0
Hurto de motocicletas (2003-2005)
Hurto de motocicletas (2003-2005)
4,003,002,001,00,00
Por
cent
aje
100
80
60
40
20
0
Número de hurto de vehículos (2003-2005)
Número de hurto de vehículos (2003-2005)
5,004,003,002,001,00,00
Por
cent
aje
100
80
60
40
20
0
Lesiones personales comunes (2003-2005)
Lesiones personales comunes (2003-2005)
23,0020,00
18,0016,00
14,0012,00
10,008,00
6,004,00
2,00,00
Por
cent
aje
60
50
40
30
20
10
0
Anexo estadístico La relación entre el homicidio y otras variables
Cuadro 1 Uso del suelo Homicidios (2003-2005)ÁREA DE ACTIVIDAD DE COMERCIO 1AREA DE ACTIVIDAD DOTACIONAL 7AREA DE ACTIVIDAD INDUSTRIAL 23AREA DE ACTIVIDAD MINERA 31AREA DE ACTIVIDAD RESIDENCIAL 382AREA URBANA INTEGRAL 124SISTEMA DE AREAS PROTEGIDAS 33Nd 309Total 910
Cuadro 2 Estrato Homicidios (2003-2005),00 2421,00 2682,00 1343,00 189,00 248Total 910
Cuadro 3 Período de construcción Homicidios (2003-2005)1950-1960 221960-1970 601970-1980 1381980-1990 1231990-2006 245Nd 322Total 910
Cuadro 4 Presencia de CAI Homicidios (2003-2005)0 8991 11Total 910
Cuadro 5 Cantidad colegios Homicidios (2003-2005)0 7701 1012 283 74 4Total 910
Cuadro 6 Cantidad de iglesias Homicidios (2003-2005)0 8351 682 33 4Total 910
La relación entre el atraco y otras variables
Cuadro 7 Uso del suelo Atracos (2003-2005) ÁREA DE ACTIVIDAD DE COMERCIO 1AREA DE ACTIVIDAD DOTACIONAL 7AREA DE ACTIVIDAD INDUSTRIAL 23AREA DE ACTIVIDAD MINERA 31AREA DE ACTIVIDAD RESIDENCIAL 382AREA URBANA INTEGRAL 124SISTEMA DE AREAS PROTEGIDAS 33Nd 309Total 910
Cuadro 8 Estrato Atracos (2003-2005),00 2421,00 2682,00 1343,00 189,00 248Total 910
Cuadro 9 Período de construcción Atracos (2003-2005)1950-1960 221960-1970 601970-1980 1381980-1990 1231990-2006 245Nd 322Total 910
Cuadro 10 Presencia de CAI Atracos (2003-2005)0 8991 11Total 910
Cuadro 11 Cantidad colegios Atracos (2003-2005)0 7701 1012 283 74 4Total 910
Cuadro 12 Cantidad de iglesias Atracos (2003-2005)0 8351 682 33 4Total 910