Determinantes de los Crımenes a la Propiedad en Chile,1997-2009: Un Analisis Regional

Mauricio GallardoAndres ValloneRodrigo Sfeir

Universidad Catolica del Norte

Agosto, 2012.

ResumenPartiendo del modelo economico de Becker-Ehrlich sobre la actividad criminal, en

este artıculo se miden los efectos de los determinantes disuasivos y socio economicosde los delitos a la propiedad en las regiones de Chile, usando un panel dinamico. Adiferencia de estudios anteriores, en este trabajo se utiliza como variable dependienteun indicador sintetico construido por componentes principales, que resume los delitosde robo con fuerza, robo con violencia y hurto. Se encuentra que la actividad criminalcontra la propiedad tiene fuerte persistencia en Chile, pero con diferencias para lasregiones, segun el nivel de incidencia de los delitos estudiados. Un hallazgo relevanteque surge de los resultados estadısticos del estudio, es que el poder disuasivo de la accionpolicial, contrasta con una aparente incapacidad del sistema judicial para contener laocurrencia de este tipo de delitos.

AbstractFollowing the Becker-Ehrlich economic model on criminal activity, in this paper the

effects of the deterrent and socio-economic determinants of property crimes in the re-gions of Chile are measured using a dynamic panel data model. Unlike previous studies,our dependent variable is a synthetic indicator built by principals components method,which summarizes the offences of robbery with force, robbery with violence, and theft.It is found that the criminal activity against the property has strong persistence inChile, but with differences for regions, according to the level of incidence of the studiedoffenses. A finding that emerges from the statistical results of the study, is that thedeterrent power of police action, contrasts with an apparent inability of the judicialsystem to contain the occurrence of this type of crime.

Key words: crime, illegal behavior.

JEL classification: K42.

1

1. IntroduccionDurante los ultimos anos se ha experimentado un notable incremento de las tasas de

criminalidad en Chile, particularmente en aquellos delitos que atentan contra la propiedad.De acuerdo con el Indice Paz Ciudadana-Adimark Gfk, durante el ano 2011, el porcentajede victimizacion por robo o intento de robo, alcanzo un 39,3 %, mientras que el porcentajede personas que se ubican en una situacion de alto temor a la delincuencia fue 16 %. Estascifras dan cuenta de la gran importancia que reviste el problema de la delincuencia parala sociedad chilena, siendo uno de los temas de mayor interes en la agenda polıtica y en eldebate publico actual. De ahı se deriva la gran relevancia y actualidad que tienen los estudiossobre los determinantes de la actividad criminal en Chile. A pesar de ello, las investigacionesacademicas aplicadas en esta materia, continuan siendo escasas.

El primer antecedente de investigacion conocido, es el artıculo de Nunez et al. (2003), enel que se estima una funcion de oferta de delitos a la Becker-Ehrlich, usando un panel dedatos con efectos fijos regionales para el perıodo 1988-2000. En dicho trabajo se calculan losefectos de algunos determinantes de la criminalidad para los delitos de violacion, homicidio,violencia fısica, hurto, robo, droga y estafa. Se concluye que las variables de incentivos sondeterminantes validos para los delitos con motivacion economica (hurto, robo, droga y estafa),pero no lo son para los delitos que son gatillados por otras motivaciones (violacion, homicidioy violencia fısica).

Rivera et al. (2004) realizan luego un estudio similar, tambien a nivel de regiones y condatos para el mismo perıodo (1988-2000), pero con una metodologıa distinta. Utilizan unmodelo econometrico de cuatro ecuaciones simultaneas, con el objetivo de controlar por laexistencia de endogeneidad en algunas variables explicativas. Concluyen nuevamente que losdiversos tipos de delitos responden a determinantes heterogeneos.

Por su parte, Benavente y Merlo (2006) desarrollan un estudio sobre los determinantessocio-economicos de la criminalidad en Chile a nivel de comunas, utilizando datos para ladecada de los noventa. Estos autores comparan los resultados de cuatro modelos econometri-cos con datos de panel, obteniendo como conclusion que la criminalidad en Chile es unfenomeno persistente y fuertemente correlacionado con la tasa de desempleo y con el nivelde ingreso.

Desde otra perspectiva, Gutierrez et al. (2009) publican un artıculo sobre criminalidaden Chile a nivel comunal con dos particularidades: utilizan datos de la comuna de origen delos delincuentes en lugar de la comuna donde se comete el delito, e implementan un modeloHeckit para la estimacion econometrica utilizando datos transversales.

En un esfuerzo mas reciente, De la Fuente y Castro (2011) implementan un modelo deefectos fijos con datos de panel para el perıodo 1990-2008, con el cual intentan medir el efectode los determinantes del robo con fuerza, el robo con violencia y el hurto en las regiones deChile.

El presente trabajo se apoya en los aportes brindados por los estudios anteriores en lossiguientes aspectos. En primer lugar, se tiene en cuenta el antecedente de que en Chile hay ungrupo de delitos que se prestan para ser analizados a partir de un modelo de comportamientoeconomico tipo Becker-Ehrlich, otros no, tal como lo demostraron Nunez et al. (2003) y Riveraet al.(2004). En segundo lugar, se contrasta la hipotesis de persistencia de la criminalidaden Chile, que fue sugerida por Benavente y Merlo (2006). Para ello se implementa tambien

2

un modelo econometrico de paneles dinamicos. Pero con la diferencia de que en este trabajooptamos por hacer un analisis a nivel regional y no comunal, para poder incorporar en formavalida, variables de control que nos permitan evaluar la incidencia de algunas condicionessocio-economicas y socio-demograficas que inciden en la actividad criminal. A nivel comunalello no es posible, ya que la comuna de origen de los delincuentes no es necesariamente lamisma en la que estos cometen los delitos, tal como ha sido documentado en el trabajo deGutierrez et al. (2009). La region, al ser un territorio mas grande, minimiza en cambio laprobabilidad de que la region de origen del delincuente sea distinta de aquella en que estecomete los delitos. Finalmente, se ha tenido en cuenta que entre los delitos a la propiedad, tresde ellos brindan una excelente oportunidad para hacer un analisis desde la teorıa economicadel crimen, estos son: el robo con violencia, el robo con fuerza y el hurto. Con lo cual seguimosla seleccion de delitos de De la Fuente y Castro (2011). Sin embargo, a diferencia de ellosy de los demas estudios que nos anteceden, en este trabajo innovamos por primera vez enChile, en tratar de explicar la actividad de los crımenes contra la propiedad utilizando comovariable dependiente una medida resumen de tales delitos. Ello lo hacemos a traves de unindicador sintetico construido por el metodo de componentes principales.

Los datos utilizados provienen de fuentes diversas. Los delitos y arrestos fueron tomados delos Anuarios de Estadısticas de Carabineros, los datos del sistema judicial se obtuvieron de losInformes Anuales de Justicia que publica el Instituto Nacional de Estadısticas (INE), los delPIB regional anual fueron obtenidos de las estadısticas del Banco Central de Chile, mientrasque las variables socio-economicas y socio-demograficas fueron extraıdas de la Encuesta deCaracterizacion Socioeconomica Nacional (CASEN) y de las estimaciones de poblacion delINE.

El trabajo se encuentra organizado del siguiente modo. En la seccion 2 se hace unadescripcion de la evolucion reciente de los tipos de delitos analizados, para las regiones deChile. En la 3 se presenta el modelo teorico. En la seccion siguiente se describen la estrategiaempırica de estimacion y los datos utilizados. En la seccion 5 se discuten los resultadosobtenidos, para terminar finalmente con una seccion de conclusiones.

2. Evolucion reciente de la actividad criminal en ChileDurante el perıodo 1997-2009, los crımenes a la propiedad tienen una participacion pro-

medio de 20 % sobre el total de denuncias realizadas a Carabineros de Chile. Entre ellos, lostres delitos mas importantes son el robo con fuerza, el robo con violencia y el hurto,1 a cuyoanalisis se aboca el presente estudio. Estos delitos representan el 81 % del total de denunciasde crımenes contra la propiedad en el paıs, durante el perıodo analizado. Ademas constituyencrımenes que se prestan para ser analizados a partir del modelo de comportamiento economi-co del crimen, propuesto por Becker (1968) y Ehrlich (1973), ya que tienen en comun el sergatillados principalmente por motivaciones economicas.

1De acuerdo con el artıculo 432 del Codigo Penal de Chile (Libro segundo Titulo IX) sobre delitos contrala propiedad, el delito de robo consiste en apropiarse de cosa inmueble ajena, sin la voluntad de su dueno,con animo de lucrarse y haciendo uso de violencia o de intimidacion en las personas (robo con violencia), ouso de la fuerza en las cosas (robo con fuerza). Mientras que si faltan la violencia, la intimidacion y la fuerza,el delito se califica de hurto.

3

En la figura 1 se muestra la evolucion a nivel regional de las denuncias por cada 100.000habitantes para los delitos de robo con fuerza (a), robo con violencia (b), hurto (c) y parala suma de los tres delitos (d). Para todos los delitos analizados se observan tendenciascrecientes en el tiempo, con un comportamiento muy similar entre las regiones, exceptuandolas denuncias de robo con violencia para la Region Metropolitana (RM) y las de hurtos, parala VIII region, que corresponden a las lıneas que sobresalen por sus niveles altos en ambosgraficos.

Figura 1: Denuncias en carabineros cada 100.000 habitantes por tipo de delito

(a) Denuncias por robo con fuerza cada100.000 habitantes

(b) Denuncias por robo con violencia cada100.000 habitantes

(c) Denuncias por hurto cada 100.000 ha-bitantes

(d) Suma de las denuncias por robocon fuerza, con violencia y hurto cada100.000 habitantes

Fuente: Elaboracion propia

En la figura 2 se presentan los promedios regionales de incidencia por cada 100.000 habi-tantes, tanto por tipo de delitos, como para los totales de delitos analizados durante el periodode estudio. Al observar el grafico, se puede notar que la actividad delictiva no es homogeneaa lo largo del territorio, siendo posible identificar claramente tres grupos de regiones segun elnivel promedio de delitos que alcanzan en el periodo. Un primer grupo estarıa compuesto porlas regiones I, V y RM, cuyas incidencias promedio superan las 1.400 denuncias totales. Unsegundo grupo estarıa constituido por las regiones II,III, IV, VI, VII, VIII y IX, en las que sedenota un promedio superior a 1.100 denuncias totales, pero inferior a las 1.300. Un ultimogrupo estarıa integrado por las regiones X, XI y XII, que tienen un promedio de incidenciainferior a las 1.000 denuncias para este tipo de delitos.

En la figura 2 se observa asimismo, que existen diferencias de incidencia entre las regiones,por tipos de delitos. Respecto del robo con fuerza es posible realizar la misma agrupacionindicada en el parrafo anterior. No obstante, tanto para el robo con violencia, como parael hurto, se observan comportamientos que difieren de tal clasificacion. La unica region quesupera en promedio las 400 denuncias por 100.000 habitantes en los robos con violencia es la

4

Figura 2: Promedio de los delitos por cada 100.000 habitantes por region

Fuente: Elaboracion propia

Metropolitana. Mientras tanto, las regiones XI y XII son las unicas con un promedio inferior alas 100 denuncias; el resto de las regiones fluctuan entre 105 y 249 denuncias en promedio. Lamayor cantidad de denuncias por hurto se encuentran en la VII y VIII regiones, superando enellas las 500 denuncias por cada 100.000 habitantes. Para el resto de las regiones se observanentre 408 (III) y 324 (XII) denuncias en promedio.

3. El Modelo TeoricoLa teorıa economica del crimen, que se funda en los trabajos seminales de Becker (1968)

y Ehrlich (1973), sugiere que la actividad delincuencial debe ser considerada como una acti-vidad economica mas, o como una ”industria” con ciertas caracterısticas particulares. Peroen la cual participan individuos racionales, que deciden incurrir en acciones ilegales, luegode valorar los costos, riesgos y posibles beneficios asociados a tal eleccion. Desde este puntode vista, los delincuentes no son considerados individuos con caracterısticas especiales, sinopersonas normales que eligen simplemente entre la utilidad esperada que les brinda la acti-vidad delincuencial y la utilidad que obtendrıan en cualquier otra actividad economica legal.Ası, aquellos que irrumpen en la accion criminal, lo hacen porque consideran que tomar elriesgo de ser apresados y de cumplir una posible condena, esta mas que compensado porla diferencia de ingresos esperados que obtendrıan en las actividades ilegales, versus lo queobtendrıan en las actividades legales. Considerando ademas que para algunos individuos, latoma de riesgos asociados a la accion criminal, puede ser un elemento que les cause placer(atraccion al riesgo), o que contribuya a fortalecer su auto estima y la valoracion que de elloshace, su entorno social.

No todos los delitos pueden ser explicados satisfactoriamente desde esta perspectiva(vease: Akers, 1997), puesto que las motivaciones economicas no son las unicas para irrumpiren la accion criminal. Algunos delitos, como por ejemplo: los crımenes pasionales, los abu-sos sexuales originados en la pedofilia o en otros desordenes sico-sexuales, el canibalismo, elhomicidio en serie y otros, se explican mejor desde las teorıas sociologicas y sicologicas (verpor ejemplo: Taft y England, 1964) que asocian la accion criminal a la existencia, en ciertos

5

individuos, de lo que se conoce como ”la personalidad criminal”. Ello corresponde a ciertascaracterısticas individuales tales como: anomia, desordenes neurosicologicos, o determinadaspredisposiciones geneticas que estan presentes en la personalidad de algunos individuos y queles conduce a cometer actos criminales. Sin embargo, la teorıa economica del crimen es muyapropiada para la explicacion de delitos a la propiedad. Las motivaciones para el robo, elhurto, la estafa, la usura, las defraudaciones, el lavado de dinero y otros delitos que caen enesta categorıa, son generalmente de naturaleza economica.

Segun el modelo economico del crimen, los individuos eligen distribuir su tiempo entredos tipos de actividades economicas: una actividad ilegal que a continuacion denotaremos conel sub ındice i, y una actividad legal que denotaremos con el sub ındice l. Los retornos queobtendrıa el individuo j, en dichas actividades, denotados como: wij y wlj respectivamente,son funciones monotonas crecientes del tiempo invertido en tales actividades. El retorno dela actividad legal se considera libre de riesgo, mientras que el retorno de la actividad ilegal esriesgoso, en el sentido de que depende de al menos dos estados de naturaleza: ser arrestadocon probabilidad subjetiva paj, y no ser arrestado, con probabilidad subjetiva 1−paj. En casode no ser arrestado, el delincuente obtiene todo el retorno de la actividad ilegal wij, mientrasque al ser arrestado obtiene wij−fij, donde fij es el equivalente monetario del costo esperadopor el arresto, incluyendo el costo monetario de la pena esperada. Bajo tales condiciones, elindividuo elige asignar su tiempo y otros recursos disponibles entre ambas actividades, paraobtener el maximo de utilidad esperada.2 De ahı se deriva la siguiente funcion de ofertaindividual para cometer delitos, que sigue de cerca la especificacion de Ehrlich (1973: 533):

qij = gij (paj, fij, wij, wlj, πj) (1)

Donde qij es el numero de delitos que desea cometer el individuo j y donde el nuevotermino πj, es un vector de otras variables socio-demograficas que condicionan la oferta dedelitos.

Se debe tener en cuenta ademas, que el cumplimiento de la pena fij no necesariamentederiva directamente del hecho de ser apresado, ya que los sistemas judiciales contemplanentre otros procesos: el juicio, condicional al evento de ser apresado; la posibilidad de sercondenado, condicional al evento de ser juzgado y la posibilidad de cumplir efectivamentela pena, dado el evento de haber sido condenado a prision. La incertidumbre relativa aeste proceso, tiene tambien relevancia en los incentivos para proceder a cometer la accioncriminal. Ası, el poder disuasivo de una alta probabilidad de arresto, podrıa verse diezmadopor una baja probabilidad de ser juzgado o condenado, o por una baja probabilidad de quelas condenas se hagan efectivas en la practica. Por ello, la oferta individual de delitos deberıaincluir tambien la probabilidad de esta serie de posibles eventos con poder disuasivo (veasepor ejemplo: Cornwell y Trumbull, 1994).

Otro aspecto importante a considerar, es que la funcion de oferta del crimen a la Ehrlich(1973), expresada en (1), omite la dependencia de la accion criminal contemporanea, con elpasado delictual del individuo. Tal dependencia se debe entre otras, a las siguientes razones(vease tambien: Loayza et al., 2002 y Benavente y Merlo, 2006):

2Para detalles sobre el problema de optimizacion y las condiciones de optimalidad de este modelo vease:Ehrlic (1973).

6

1. El costo moral de delinquir puede ser decreciente, de modo que aquellos individuos queya han incurrido antes en actividades delictuales podrıan tener menos escrupulos parareincidir.

2. Los delincuentes acumulan capital humano especıfico para delinquir. Es decir, desarro-llan habilidades, conocimientos y especializacion, a traves de su experiencia delictual.Ello aumenta su nivel de eficiencia para cometer delitos y para evadir al sistema disua-sivo, lo cual incentiva su participacion futura en la actividad criminal.

3. Los individuos que ya han sido detenidos anteriormente, o que han cumplido penas enprision por crımenes anteriores, suelen ser estigmatizados por la sociedad, disminuyen-do ası sus oportunidades de empleo en el sector legal. Lo cual incentiva tambien sureincidencia en la accion criminal.

4. Los delincuentes comunmente no actuan en forma aislada, sino que estan ligados aredes y organizaciones criminales. De manera que aquellos individuos que ya poseenen su haber un prontuario criminal, tambien poseen vınculos mas estables con talesorganizaciones y redes criminales, lo cual les facilita la reinsercion a las actividadesilegales.

5. Los sistemas penitenciarios, aunque frecuentemente estan orientados a desarrollar enlos delincuentes las habilidades necesarias para su posterior insercion en el sector legal,tambien contribuyen a que los delincuentes intercambien experiencias, desarrollen con-tactos con otros delincuentes y consoliden algunas estructuras organizativas propias dela actividad criminal.

6. La decision de participacion en las actividades criminales puede estar ligada a unaactitud de atraccion hacia el riesgo, que se ha manifestado ya en el pasado a traves delprontuario criminal y que posiblemente persistira en el futuro.

Considerando lo anterior, para los propositos del presente estudio se ha definido la si-guiente funcion de oferta de delitos individual:

qij,t = gij,t(qij,t−1, paj,t, pcj,t, fij, wij,t, wlj,t, πij,t) (2)

Donde qij,t es ahora la oferta de delitos del individuo j en el perıodo t, la cual es funcionde las mismas variables que en (1), pero definidas para el perıodo t. Se adicionan ademasdos nuevas variables: qij,t−1 es la oferta de delitos del mismo individuo en el perıodo anterior(esta variable pretende capturar la influencia del prontuario criminal), mientras que pcj,t esla probabilidad subjetiva de ser condenado en un juicio, al haber sido juzgado en el mismopor un acto criminal.

Asumiendo ahora la hipotesis del agente representativo, podemos expresar la oferta dedelitos de la region h, para la actividad ilegal i, conforme la siguiente expresion:

qih,t = Gih,t(qih,t−1, pah,t, pch,t, fih, wih,t, wlh,t, πih,t) (3)

Donde ahora la oferta de delitos se mide por cada 100.000 habitantes y donde las nuevasvariables explicativas con sub ındices h, corresponden a los promedios regionales de las mismasvariables contenidas antes en la expresion (2).

7

4. Estrategia de Estimacion Empırica

4.1. El Modelo EconometricoLa expresion (3) ha sido estimada numerosas veces, a traves de distintos metodos eco-

nometricos (Ehrlich, 1973 y Kheshavar y Markazi, 2011). Lo comun ha sido suponer que G(.)tiene una especificacion funcional exponencial, como la siguiente:

qih,t = Aqα1ih,t−1p

α2ahtp

α3chtf

α4ihtw

α5ihtw

α6lht

(n∏k=1

πφkkht

)eεheuht (4)

Donde α0, α1, ..., α6, φ1, ..., φn, son los parametros a estimar, mientras que εh es un efectoindividual regional no observable y uht es un componente no observable que sigue un procesoestocastico de ruido blanco.

Al aplicar logaritmos a ambos lados de la expresion (4), se obtiene el siguiente modelolineal:

ln (qih,t) = α0 + α1 ln (qih,t−1) + α2 ln (paht) + α3 ln (pcht) + α4 ln (fiht)+α5 ln (wiht) + α6 ln (wlht) +

n∑k=1

φkπkht + εh + uht(5)

Como se sabe (Hsiao, 2003: 71), el estimador de Mınimos Cuadrados Ordinadinarios deun panel auto regresivo como el especificado (5), es sesgado e inconsistente, ya que trivial-mente E(ln(qih,t−1)εh) 6= 0. Mientras que el estimador de efectos fijos tambien es sesgadoe inconsistente, debido a que E

((ln (qih,t−1)− ln (qih,t−1)

)(uh − uht)

)6= 0. Por su parte, el

estimador de Arellano-Bond (1991) puede presentar sesgos importantes en muestras finitas(Alonso-Borrego y Arellano, 1996), sobre todo cuando la variable dependiente posee altapersistencia (Blundell-Bond, 1998), como es el caso de la estimacion en cuestion. Por ello,se decidio implementar el estimador de sistemas de Blundell-Bond (1998). Este indicadorutiliza el Metodo Generalizado de Momentos (GMM), combinando de manera simultanealas condiciones de momentos del estimador de primeras diferencias, con las condiciones demomentos del estimador en niveles. Las condiciones de momentos de este estimador son lassiguientes:

E (ln (qih,t−s) ∆ (εh + uht)) = 0, t = 2, .., T, s = 2, ..., t− 1E (∆ ln (qih,t−1) (εh + uht)) = 0, t = 3, .., T (6)

4.2. La Variable DependienteLos estudios anteriores para Chile, han usado siempre como variable dependiente el nume-

ro de denuncias por cada 100.000 habitantes, para delitos separados. Es decir, han estimadofunciones de oferta del crimen separadas por tipo de delito. Sin embargo, existen al menostres argumentos economicos que apuntan en favor de estimar una funcion de oferta agregada,usando para ello una variable dependiente que sintetice la informacion relevante de los delitosestudiados. El primer argumento corresponde al hecho de que el robo con fuerza, el robo conviolencia y el hurto, comparten el mismo tipo de motivacion economica, por cual deberıan serestudiados en una misma ecuacion de comportamiento. El segundo argumento tiene relacion

8

Tabla 1: Matriz de CorrelacionesDenunciasRobo conFuerza

DenunciasRobo conViolencia

DnunciasHurto

Correlacion Denuncias Roboscon Fuerza

1.000 0.802 0,678

Denuncias Robocon Violencia

0.802 1.000 0.610

Denuncias Hurto 0.687 0.610 1.000Sig (Unila-teral)

Denuncias Robocon Fuerza

0.000 0.000

Denuncias Robocon Violencia

0.000 0.000

Denuncias Hurto 0.000 0.000Fuente: Elaboracion propia

Tabla 2: KMO y Prueba de Esfericidad BartlettMedida de adecuacion muestral de Kaiser-Meyer-Okin 0.702

Prueba de esferidad de Bartlett Chi.cuadrado 277.550aproximado

gl 3Sig 0.000

Fuente: Elaboracion propia

con que los tres tipos de delitos corresponden a productos generados por la misma ”industriamultiproducto”: la actividad delictual con fines de apropiarse de bienes ajenos. En ese senti-do, resulta muy conveniente analizar la oferta de esa industria bajo el supuesto simplificadordel bien compuesto. Un tercer argumento tiene que ver con que ”la industria de delitos ala propiedad” se encuentra integrada, porque existen redes de delincuencia y organizacionescriminales que vinculan a delincuentes con diferentes especialidades y habilidades. Los tresargumentos anteriores se corroboran ademas estadısticamente, al constatar la existencia defuertes correlaciones entre los tres tipos de delitos.

En la tabla 1, se presenta la matriz de correlacion correspondiente, en donde se observan

Tabla 3: Analisis de Componentes principales. Varianza Total ExplicadaAutovalores iniciales Suma de las saturaciones

al cuadrado de la extraccionComponente Total % de la

Varianza% acu-mulado

Total % de laVarianza

% acu-mulado

1 2.397 79.884 79.884 2.397 79.884 79.8842 0.414 13.788 93.6723 0.190 6.328 100.00

Fuente: Elaboracion propia

9

altas correlaciones positivas y estadısticamente significativas, entre los tres tipos de delitosestudiados. Cabe indicar que el determinante de dicha matriz es menor a 0.2, lo cual tambiensenala la existencia de una fuerte asociacion lineal entre los tres tipos de delitos. En la mismadireccion apunta la magnitud de la medida de adecuacion muestral de Kaiser-Meyer-Olkin(KMO), que se presenta junto con el resultado de la Prueba de Esfericidad de Bartlett enla tabla 2. El KMO es mayor que 0.5, mientras que en la Prueba de Esferidad de Bartlettse rechaza claramente la hipotesis nula de que la matriz de correlaciones es esferica. Estosresultados, brindan el fundamento estadıstico para poder usar una tecnica de reduccion dela dimension que sintetice la informacion de las tres series, en un solo indicador.

Para ello, se construyo un indicador sintetico de la actividad criminal contra la propie-dad, utilizando la tecnica de componentes principales. El resultado del calculo de los valorespropios asociados a cada componente principal se presenta en la tabla 3. Vemos que el pri-mer componente principal logra acumular un 80 % de la varianza total de las tres variables.Siguiendo el criterio de seleccion de componentes por media aritmetica, se utiliza solamenteel primer componente principal, al ser el unico cuyo auto valor es mayor que uno.

Como indicador sintetico de los delitos a la propiedad se toma entonces el componenteprincipal, re-escalado a valores positivos con media 100, para facilitar su interpretacion.

En la figura 3 se comparan los promedios regionales del indicador sintetico de crımenesa la propiedad con el promedio de la suma de delitos de robo con fuerza, robo con violenciay hurto (normalizados a 100). Como puede notarse, el indicador tiene un comportamientosimilar a la serie bruta de suma simple original, manteniendo los patrones de heterogeneidadespacial anteriormente comentados.

Figura 3: Indicador Sintetico y Suma de Delitos por Robo y Hurto (normalizados a 100

Fuente: Elaboracion propia

10

4.3. Variables ExplicativasComo proxi de la probabilidad subjetiva de arresto se utilizo la siguiente variable:

paiht =

3∑i=1

Aiht +3∑i=1

Aih,t−1

3∑i=1

Diht +3∑i=1

Dih,t−1

(7)

Donde Aiht es el numero de arrestos del delito i en la region h, durante el perıodo t y Diht esel numero de denuncias del delito correspondiente. En estudios anteriores para Chile se hausado en este caso la razon de arrestos del perıodo corriente sobre las denuncias del perıodocorriente o sobre las del perıodo anterior. Aca en cambio suponemos que los delincuentes segeneran expectativas sobre la probabilidad de arresto a traves de un modelo de ajuste parcial,teniendo en cuenta lo que observan en promedio entre el perıodo corriente y el anterior.

Al no contar con datos especıficos de fallos de juicios y de condenas para robos y hurtos,se tomo como proxi de la probabilidad de ser condenado en un juicio la siguiente variable:

pciht = Ccht + Cch,t−1

Jcht + Jch,t−1(8)

Donde Ccht es el numero de fallos en juicios criminales terminados en sentencias condena-torias, que tuvieron lugar en los juzgados de la region h durante el perıodo t, mientras queJcht es el numero total de fallos en juicios criminales, que tuvieron lugar en los juzgados dela region h durante el perıodo t.

Siguiendo la tradicion de otros estudios similares (Entor y Spengler, 2000; Nunez et al.,2003; Rivera et al., 2004), en este trabajo se aproximan las oportunidades de ingreso legale ilegal utilizando como proxi el PIB per capita relativo y el PIB per capita en nivelesrespectivamente. Se supone que el PIB per capita en niveles refleja las oportunidades deobtener ingresos de otros individuos a traves del robo o el hurto. Entre mayor sea el ingresoper capita de una region, mas oportunidades hay para lucrarse a traves del robo y el hurto. Porsu parte, el PIB per capita relativo se calcula como la diferencia porcentual del PIB per capitaregional respecto del PIB per capita nacional. Esta ultima variable refleja las oportunidadespara obtener ingresos por la vıa legal, ya que a mayor ingreso relativo respecto al promedionacional, mayor la ventaja comparativa en terminos de actividad economica legal y por ende,mayor demanda de empleo y mayor remuneracion relativa en el sector legal.

Se incorporan ademas los siguientes controles demograficos que podrıan incidir en laoferta de la actividad criminal: la densidad poblacional, el porcentaje de hogares mono-parentales con jefas de hogar mujeres, la tasa de incidencia de la pobreza, la razon entre elingreso autonomo del decil mas rico y el ingreso autonomo del decil mas pobre (indicador dedesigualdad), el porcentaje de poblacion masculina entre los 18 y los 40 anos y una variabledicotomica aditiva que vale uno al momento en que se inicia la reforma procesal penal encada region.3

3Entre los anos 2000 y 2005 en Chile se implementa gradualmente un nuevo sistema de administracionde la justicia penal, con el que se ha pretendido dotar a la institucionalidad de un sistema mas eficaz ytransparente, capaz de garantizar un acceso equitativo y oportuno a la justicia penal. Esta reforma introdujoimportantes transformaciones, como la creacion del Ministerio Publico y la Defensorıa Penal Publica (Duce,2010).

11

Se omite la variable fjht al no contar con informacion adecuada para representarla.En la tabla 4 se presentan las estadısticas descriptivas de los datos utilizados en la esti-

macion econometrica.

Tabla 4: Estadısticas DescriptivasVariable Mean Std. Dev.

Probabilidad de arresto 0.413 0.139Probabilidad de condena 0.844 0.085PIB per capita 3200052.008 1499537.89PIB per capita relativo 0.058 0.492Densidad 50.876 104.134Hogares monoparentales 0.159 0.071Pobreza 18.435 6.642Desigualdad 38.559 49.562Poblacion Masculina entre 18 y 40 anos 0.422 0.135

5. Discusion de Resultados

5.1. Principales ResultadosLos principales resultados de la estimacion econometrica se presentan en la tabla 5. La

primera columna es el estimador de referencia, mientras que las columnas siguientes corres-ponden a los resultados de dos ejercicios de robustez, con cambios en las variables proxi delas oportunidades de ingresos legales e ilegales. El valor p del Test de Sargan-Hansen indicaque no se rechaza la hipotesis nula de sobre identificacion.

Los resultados confirman la existencia de una fuerte persistencia de los crımenes a lapropiedad en Chile, al obtener un coeficiente estimado de 0.67 como factor de inercia para estetipo de delitos. Confirmando ası, que dos tercios de los delitos a la propiedad en Chile estandeterminados autonomamente solo por la persistencia delictual. Tal coeficiente es ademassignificativo al 1 %.

El poder disuasivo de la probabilidad de arresto se ve reflejado en la significacion estadısti-ca y el signo negativo del coeficiente correspondiente a la probabilidad subjetiva de arrestos(lpa). No obstante, el poder disuasivo de la justicia parece ser nulo segun estos resultados,e incluso podrıa incentivar la accion criminal en este tipo de delitos, ya que el coeficienteasociado (lpc), tiene el signo contrario al esperado. Desde la perspectiva de la hipotesis deSah(1991), ello podrıa estar indicando cierto nivel de congestion en el sistema judicial. Deacuerdo con Sah(1991), los sistemas policiales y judiciales tienen un poder disuasivo decre-ciente respecto de la congestion operativa existente en dichos sistemas. En el caso del sistemajudicial, los procesos de congestion tenderıan a incentivar a los fiscales a concentrarse endelitos de mayor gravedad, tales como homicidios, violaciones y abusos sexuales a menores,descuidando ası, los crımenes de menor gravedad, entre los cuales se cuentan precisamentelos robos y hurtos.

12

Tabla 5: Principales Resultados de la Estimacion(1) (2) (3)

VARIABLES lcrime lcrime lcrimeL.lcrime 0.674*** 0.664*** 0.631***

(0.0741) (0.0843) (0.0815)lpa -0.141*** -0.140*** -0.164***

(0.0355) (0.0343) (0.0382)lpc 0.126* 0.175** 0.191**

(0.0678) (0.0780) (0.0753)lpibp 0.468**

(0.206)pib re -0.239*

(0.125)reforma 0.163*** 0.165*** 0.154***

(0.0264) (0.0273) (0.0266)ldensidad 0.0499** 0.0361* 0.0442**

(0.0218) (0.0209) (0.0202)hmparent 0.145** 0.0743 0.0997

(0.0687) (0.0760) (0.0815)lpobreza 0.275*** 0.191*** 0.154**

(0.0743) (0.0667) (0.0630)ldesigualdad 0.0317 -0.0121 -0.0295

(0.0287) (0.0248) (0.0263)lpm1840 -0.109 0.219 0.198

(0.194) (0.186) (0.157)lw 0.334**

(0.147)w re -0.365**

(0.172)ly 0.498***

(0.189)y re -0.536***

(0.173)Constant -6.775** -3.267* -5.062**

-3.266 -1.796 -2.280

Sargan p-value 0.3493 0.2927 0.2834Observations 156 156 156Number of region 13 13 13

Robust standard errors in parentheses*** p < 0,01, ** p < 0,05, * p < 0,1

Notese tambien, que el coeficiente de la variable dicotomica correspondiente a la reformaprocesal penal tambien es positivo y significativo, lo que apunta nuevamente en la direccion de

13

la hipotesis de Sah. Esta reforma, ha sido fuertemente criticada justamente, por considerarque brinda demasiadas garantıas a los imputados, lo que contribuye a la congestion delsistema y a que se desechen por consiguiente los delitos de menor cuantıa, conllevando ası aun incremento en la tasa de victimizacion por delitos menores (vease: Mohor y Covarrubias,2006).

Por su parte, para las variables que representan las oportunidades de ingresos legales eilegales, se obtienen coeficientes significativos y con los signos esperados. La magnitud delos valores de dichos coeficientes refleja ademas, que para quienes participan en la actividadcriminal, las oportunidades de ingresos ilegales superan a las legales.

La densidad poblacional ha resultado con un coeficiente significativo, indicando ası, que endonde se concentra mayor poblacion tambien hay mas oportunidades para encontrar vıctimaspotenciales.

En la ecuacion principal, el porcentaje de familias mono-parentales con jefe de hogarmujer resulta significativo y con incidencia positiva en la actividad delincuencial. Ello estarıareflejando, que la presencia paterna en el hogar, contribuye no solo a brindar estabilidad a lafamilia, sino tambien a disminuir la probabilidad de que los jovenes incurran en actividadesilegales.

La pobreza resulta tambien ser un determinante de los crımenes a la propiedad, perono ası la desigualdad. Tampoco resulta significativo el coeficiente asociado al porcentaje depoblacion joven masculina en la region (hombres entre 18 y 40 anos).

5.2. Analisis de RobustezPara comprobar la robustez de los resultados obtenidos, se realizaron dos tipos de ejerci-

cios. En el primero de ellos se cambiaron las variables proxi de las oportunidades de ingresoslegales e ilegales, para ver si las estimaciones se modifican sensiblemente o no. Los resultadosde tal ejercicio se presentan tambien en la tabla 5. En la segunda columna se exhiben losresultados de una regresion en la que se sustituyeron las variables que se generaron con elPIB per capita, por otras similares construidas a partir de los ingresos del trabajo. Mientrasque en la tercera columna aparece un resultado similar, pero sustituyendo ahora por variablesconstruidas a partir de los ingresos de los hogares en la ocupacion principal.

Los resultados del primer ejercicio de robustez son satisfactorios. Los valores de los coefi-cientes estimados no cambian mucho y ademas se mantienen dentro del intervalo de confianzaoriginal. Los unicos coeficientes que se salen del intervalo de confianza original al 95 %, co-rresponden a las variables: porcentaje de hogares mono-parentales con jefe mujer (hmparent)y logaritmo de la pobreza (lpobreza). Mientras que los principales coeficientes, asociados a lapersistencia de la actividad delictual, a la disuasion de la probabilidad subjetiva de aprehen-sion y a las oportunidades de ingresos legales e ilegales, permanecen robustos.

El segundo ejercicio de robustez consistio en realizar 13 regresiones adicionales, sacandocada vez a una region, fuera del analisis, para ver ası, si los resultados son sensibles o no, alos valores muestrales de alguna region en particular. Dichos resultados se presentan en latabla 6. Vemos nuevamente que la estimacion se mantiene satisfactoriamente robusta, concambios menores en la mayorıa de los coeficientes.

14

Tabl

a6:

Com

para

cion

deR

esul

tado

sSa

cand

oun

aR

egio

n.(T

otal

)(-

1)(-

2)(-

3)(-

4)(-

5)(-

6)(-

7)(-

8)(-

9)(-

10)

(-11

)(-

12)

(-13

)VA

RIA

BLE

Slc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

elc

rim

eL.

lcri

me

0.67

4***

0.69

1***

0.64

7***

0.67

8***

0.65

9***

0.64

6***

0.65

6***

0.67

6***

0.66

2***

0.70

2***

0.65

2***

0.64

8***

0.69

2***

0.64

2***

(0.0

741)

(0.0

718)

(0.0

959)

(0.0

814)

(0.0

828)

(0.0

732)

(0.0

716)

(0.0

739)

(0.0

800)

(0.0

756)

(0.0

715)

(0.0

759)

(0.0

822)

(0.0

878)

lpa

-0.1

41**

*-0

.139

***

-0.1

45**

*-0

.144

***

-0.1

46**

*-0

.156

***

-0.1

51**

*-0

.134

***

-0.1

65**

*-0

.144

***

-0.1

30**

*-0

.164

***

-0.1

49**

*-0

.162

***

(0.0

355)

(0.0

308)

(0.0

268)

(0.0

357)

(0.0

392)

(0.0

347)

(0.0

350)

(0.0

346)

(0.0

417)

(0.0

346)

(0.0

331)

(0.0

419)

(0.0

426)

(0.0

448)

lpc

0.12

6*0.

121*

0.07

22*

0.09

230.

131*

0.11

80.

148*

*0.

126*

0.15

8***

0.16

6*0.

0930

0.15

20.

156*

0.14

0*(0

.067

8)(0

.069

8)(0

.040

7)(0

.078

3)(0

.073

5)(0

.073

6)(0

.071

8)(0

.070

3)(0

.059

7)(0

.095

6)(0

.071

5)(0

.096

1)(0

.083

1)(0

.077

5)lp

ibp

0.46

8**

0.38

7***

0.54

5***

0.31

3*0.

533*

*0.

483*

*0.

462*

*0.

505*

*0.

609*

**0.

544*

*0.

394*

*0.

363*

0.33

60.

587*

*(0

.206

)(0

.149

)(0

.159

)(0

.188

)(0

.216

)(0

.212

)(0

.199

)(0

.206

)(0

.193

)(0

.247

)(0

.180

)(0

.209

)(0

.242

)(0

.244

)pi

bre

-0.2

39*

-0.1

87**

-0.4

75**

*-0

.132

-0.2

82**

-0.2

54**

-0.2

37*

-0.2

70**

-0.3

28**

*-0

.265

*-0

.179

-0.1

65-0

.068

6-0

.288

*(0

.125

)(0

.081

4)(0

.158

)(0

.102

)(0

.128

)(0

.126

)(0

.123

)(0

.128

)(0

.109

)(0

.148

)(0

.115

)(0

.128

)(0

.167

)(0

.156

)re

form

a0.

163*

**0.

170*

**0.

168*

**0.

170*

**0.

163*

**0.

171*

**0.

171*

**0.

163*

**0.

164*

**0.

144*

**0.

170*

**0.

182*

**0.

159*

**0.

161*

**(0

.026

4)(0

.026

2)(0

.033

4)(0

.030

5)(0

.029

7)(0

.027

9)(0

.027

4)(0

.028

5)(0

.029

6)(0

.022

7)(0

.026

6)(0

.021

4)(0

.027

3)(0

.030

4)ld

ensi

dad

0.04

99**

0.04

07**

0.02

97*

0.04

61**

0.05

37**

0.05

40**

0.05

00**

0.04

51**

0.06

52**

0.05

37**

0.04

36**

*0.

0566

***

0.04

76**

0.07

95**

(0.0

218)

(0.0

174)

(0.0

157)

(0.0

204)

(0.0

225)

(0.0

233)

(0.0

212)

(0.0

201)

(0.0

286)

(0.0

209)

(0.0

154)

(0.0

199)

(0.0

211)

(0.0

346)

hmpa

rent

0.14

5**

0.11

90.

167*

**0.

171*

*0.

140*

0.13

40.

168*

*0.

136

0.12

0-0

.732

0.18

7***

0.19

1***

0.20

9**

0.15

7*(0

.068

7)(0

.083

0)(0

.058

0)(0

.072

7)(0

.079

4)(0

.087

6)(0

.080

1)(0

.090

2)(0

.115

)(0

.929

)(0

.057

0)(0

.067

6)(0

.089

9)(0

.090

2)lp

obre

za0.

275*

**0.

265*

**0.

293*

**0.

207*

*0.

282*

**0.

254*

**0.

279*

**0.

281*

**0.

317*

**0.

300*

**0.

245*

**0.

195*

**0.

244*

**0.

286*

**(0

.074

3)(0

.070

5)(0

.070

0)(0

.080

6)(0

.077

1)(0

.068

7)(0

.076

7)(0

.077

5)(0

.062

1)(0

.068

5)(0

.078

0)(0

.063

0)(0

.086

2)(0

.081

1)ld

esig

uald

ad0.

0317

0.03

650.

0035

30.

0339

0.03

160.

0333

0.04

190.

0335

0.07

20**

0.03

230.

0322

0.03

370.

0307

0.03

12(0

.028

7)(0

.031

2)(0

.016

7)(0

.029

4)(0

.029

6)(0

.028

7)(0

.030

8)(0

.030

6)(0

.028

0)(0

.034

9)(0

.030

5)(0

.028

2)(0

.028

4)(0

.031

8)lp

m18

40-0

.109

-0.0

620

0.07

550.

0201

-0.1

23-0

.112

-0.0

844

-0.1

08-0

.068

3-0

.195

-0.0

337

-0.0

563

-0.1

41-0

.224

(0.1

94)

(0.1

77)

(0.1

43)

(0.1

57)

(0.1

92)

(0.1

85)

(0.1

78)

(0.1

87)

(0.1

80)

(0.1

86)

(0.1

57)

(0.1

52)

(0.1

78)

(0.2

23)

Con

stan

t-6

.775

**-5

.577

**-7

.577

***

-4.1

99-7

.728

**-6

.857

**-6

.642

**-7

.339

**-9

.074

***

-8.0

47**

-5.4

26*

-4.8

90-4

.841

-8.6

14**

-3.2

66-2

.439

-2.4

03-2

.983

-3.4

01-3

.351

-3.1

90-3

.301

-3.0

15-3

.719

-2.8

57-3

.216

-3.7

84-3

.756

Obs

erva

tion

s15

614

414

414

414

414

414

414

414

414

414

414

414

414

4N

umbe

rof

regi

on13

1212

1212

1212

1212

1212

1212

12

Rob

ust

stan

dard

erro

rsin

pare

nthe

ses

***p<

0,01

,**p<

0,05

,*p<

0,1

15

5.3. Diferencias en la Persistencia de los Crımenes a la Propiedadpor Regiones

Una de las caracterısticas que observamos antes en la seccion 2, al analizar la evolucionde las tasas de delitos a la propiedad, fue la posibilidad de clasificar a las regiones en tresgrupos, segun la incidencia de este tipo de delitos. Nos preguntamos ahora si la persistenciaen los crımenes a la propiedad depende o no, del nivel promedio de incidencia. Para responderesta pregunta hemos estimado tres regresiones adicionales. Una con el grupo de regiones dealta incidencia en los crımenes a la propiedad (regiones I, V y RM), otra con el grupo deregiones de incidencia media (II, III, IV, VI, VII, VIII y IX) y finalmente, una regresion conlas regiones de baja incidencia (X, XI y XII). Tales resultados se presentan en la tabla 7.

Tabla 7: Comparacion por Grupos de Regiones segun Incidencia Delictual(Total) (Alta) (Media) (Baja)

VARIABLES lcrime lcrime lcrime lcrimeL.lcrime 0.674*** 0.675*** 0.537*** 0.386***

(0.0741) (0.160) (0.0887) (0.0405)lpa -0.141*** -0.105 -0.248*** -0.192***

(0.0355) (0.0877) (0.0668) (0.0174)lpc 0.126* -0.124 0.154 0.102

(0.0678) (0.193) (0.110) (0.104)lpibp 0.468** 0.935 0.510* -0.00758

(0.206) -1.423 (0.294) (0.250)pib re -0.239* -0.330 -0.115 -0.361*

(0.125) (1.149) (0.252) (0.204)reforma 0.163*** 0.0900 0.183*** 0.0332

(0.0264) (0.0936) (0.0190) (0.0380)ldensidad 0.0499** -0.00406 0.0297 1.512***

(0.0218) (0.142) (0.0331) (0.370)hmparent 0.145** -4.956 0.357*** -1.708

(0.0687) (3.713) (0.126) (1.969)lpobreza 0.275*** 0.396 0.159** 0.0819**

(0.0743) (0.431) (0.0751) (0.0352)ldesigualdad 0.0317 -0.226*** 0.0162 0.00447

(0.0287) (0.0446) (0.0217) (0.0389)lpm1840 -0.109 -0.576 -0.393** -6.013***

(0.194) (1.203) (0.173) (1.541)Constant -6.775** -12.60 -6.758 -2.989

(3.266) (21.62) (4.281) (2.816)

Observations 156 36 108 36Number of region 13 3 9 3

Robust standard errors in parentheses*** p < 0,01, ** p < 0,05, * p < 0,1

16

Los resultados muestran que la persistencia del crimen es proporcional al nivel de inciden-cia de la criminalidad. De manera que las regiones que marcan la persistencia de los delitosa la propiedad en Chile son la Metropolitana, Valparaiso y la region de Tarapaca, Iquiquey Parinacota. Ello podrıa explicarse porque en estas regiones de mayor incidencia delictual,es en donde se concentra el mayor prontuario criminal del paıs. Por ende, son regiones conmayor capital humano especializado para este tipo de actividad y en donde las redes y or-ganizaciones criminales estan mas desarrolladas. Para las regiones de incidencia media en eldelito, la criminalidad hacia la propiedad presenta una persistencia menor. Mientras que encontraste, la persistencia de la actividad criminal en el sur de Chile (regiones X, XI y XII)es baja, en comparacion con el resto del paıs.

Llama la atencion que el poder disuasivo de la probabilidad de arresto disminuya alpunto de perder significacion estadıstica, para el grupo de regiones de alta incidencia. Es deesperar que estos resultados esten afectados por la disminucion del tamano de las muestrasy la perdida de variabilidad transversal, que incrementarıa la colinealidad entre las variables,inflando con ello las varianzas y ajustando entonces los estadısticos t a la baja. A pesar deello, este resultado es indicativo de un menor poder disuasivo de la institucion policial entales regiones, apuntando nuevamente a la hipotesis de Sah.

6. ConclusionesEn comparacion con estudios anteriores sobre determinantes del crimen en Chile, en este

trabajo se innova en sintetizar la actividad criminal de varios tipos delitos que compartenlas mismas motivaciones y que pertenecen a la misma ”industria”, en un mismo indicador,usando para ello la tecnica de componentes principales.

En este trabajo se corrobora la hipotesis de Benavente y Merlo (2006) acerca de que laactividad criminal en Chile posee una fuerte persistencia. En particular, se ha cuantificadoque la persistencia de los delitos contra la propiedad para robos con fuerza, robos con violenciay hurto, es en promedio dos tercios de lo ocurrido en el perıodo anterior. Se ha encontradono obstante que tal persistencia no es homogenea entre regiones y que depende de los nivelesde incidencia de tales delitos. Las regiones Metropolitana y Valparaiso, ası como la region deTarapaca (incluyendo Iquique y Parinacota), tienen en comun una alta incidencia de delitosy una alta persistencia temporal de tales crımenes a la propiedad, en sus territorios. Mientrasque en las regiones australes (X, XI y XII), tanto la incidencia de los delitos a la propiedad,como la persistencia temporal de los mismos en sus territorios, es baja. Las demas regionescomparten un clima de incidencia media y persistencia media, para el conjunto de delitosanalizados.

Un hallazgo relevante que surge de los resultados estadısticos del presente estudio, esque el poder disuasivo de la accion policial, contrasta con una aparente incapacidad delsistema judicial para contener la ocurrencia de este tipo de delitos. Tal incapacidad pareceestar acentuada, ademas, por la implementacion de la reciente reforma procesal penal alsistema judicial chileno. Este hallazgo sugiere la relevancia de contrastar en estudios futuros,la hipotesis de Sah(1991), sobre los posibles efectos no deseados de la congestion del sistemajudicial en la incidencia de cierto tipo de delitos.

Los resultados empıricos de este trabajo, muestran que la actividad delincuencial responde

17

favorablemente a las oportunidades de ingresos ilegales y en forma desfavorable a las opor-tunidades de ingresos legales. Los resultados indican tambien, que la desigualdad en Chileaparentemente no incide en las tasas de crımenes a la propiedad. Mientras que, la pobrezay el porcentaje de hogares mono-parentales con jefes de hogar mujer, si tienen incidencia eneste tipo de delitos.

7. ReferenciasAkers, R. (1997). Criminological Theories, Introduction and Evaluation. Los Ageles, Rox-

bury Publishing Company.

Alonso-Borrego, C. y M. Arellano (1996). ”Symmetrically normalised instrumental varia-ble estimation using panel data”. CEMFI Working Paper No. 9612, September.

Arellano, M., y S. Bond (1991). ”Some tests of specification for panel data: Monte Carloevidence and an application to employment equations”. Review of Economic Studies 58: 277-297.

Becker, G. (1968). ”Crime and Punishment: An Economic Approach”. The Journal ofPolitical Economy, 76: 169-217.

Benavente, J. y E. Merlo (2006). ”Determinantes socioeconomicos de la criminalidad enChile durante los noventa”. Serie Documentos de Trabajo, Departamento de Economıa, Fa-cultad de Economıa y Negocios, Universidad de Chile.

Blundell, R., y S. Bond (1998). ”Initial conditions and moment restrictions in dynamicpanel-data models”. Journal of Econometrics 87: 115-143.

Cornwell C. y W. Trumbull (1994). ”Estimating the Economic Model of Crime with PanelData”. The Review of Economics and Statistics, 76(2):360-366.

De la Fuente H. y C. Castro (2011). ”Analisis Econometrico de los Determinantes de laCriminalidad en Chile”. Polıtica Criminal, 6(11): 192-208.

Duce, M. (2010). ”Diez anos de Reforma Procesal Penal en Chile”. Universidad DiegoPortales. Mimeo.

Ehrlich I. (1973). ”Participation in Illegitimate Activities: A Theoretical and EmpiricalInvestigation”. Journal of Political Economy, 81(3): 521-565.

Entorf H. y H. Spengler (2000). ”Socioeconomic and demographic factors of crime inGermany. Evidence for panel data of German states”. International Review of Law and Eco-nomics, 20: 75-106.

18

Gutierrez, M., J. Nunez y J. Rivera (2009). ”Caracterizacion socioeconomica y espacialde la criminalidad en Chile”. Revista CEPAL, 98: 165-180.

Hsiao Ch (2003). Analysis of Panel Data, Cambridge University Press.

Loayza, N., P. Fajnzylber, P. Lederman (2002). ”Inequality and violent crime”. Journalof Law and Economics, 14.

Mohor, A. y V. Covarrubias (2006). ”Impacto de la Reforma Procesal Penal en Indicado-res de Seguridad Ciudadana”. Agenda Publica, 5(8).

Nunez, J., J. Rivera, X. Villavicencio y O. Molina (2003). ”Determinantes socioeconomi-cos y demograficos del crimen en Chile”. Estudios de Economıa, 30(1): 55-85.

Rivera, J., J. Nunez y X. Villavicencio (2004). ”Crimen y disuasion. Evidencia desdeun modelo de ecuaciones simultaneas para las regiones de Chile”. El Trimestre Economico,71(284): 811-846.

Sah, R. (1991). ”Social Osmosis and Pattern of Crime”. Journal of Political Economy, 99:1272-1295.

Taft D. y R. England (1964). Criminology. New York: Macmilan.

19