En los últimos años, la sensación de convertirse en víctima era demasiado común y ha llevado a los hogares a pensar en la delincuencia como uno de los problemas más graves del país. Sin embargo, las tasas de victimización no son homogéneas en una misma región. Si se toma el caso de Perú, la disparidad espacial de la victimización sucede en diferentes niveles regionales: provincias, áreas interdistritales y distritos. A pesar de esta disparidad espacial, este aspecto ha sido incluido pocas veces en los trabajos sobre victimización o criminalidad de América Latina. Por ello, el objetivo de este trabajo es incorporar este aspecto para evaluar su importancia en la probabilidad de victimización de Lima Metropolitana. Normalmente los trabajos de criminalidad se enfocan en las características de las víctimas y tienen solo un marco teórico, pero esta investigación utiliza las características del distrito también por lo que habrá un marco teórico por cada tipo de característica: Rutinas Diarias y Desorganización Social. Esta investigación quiere responder dos preguntas secuenciales: (1) ¿La victimización se distribuye aleatoriamente en los distritos?; (2) Si no es aleatoria, ¿estas diferencias distritales se deben a características de desorganización social?

La hipótesis es que la victimización no es aleatoria y las características de desorganización social explican este patrón no aleatorio de la victimización. Se tiene como fuente principal a la Encuesta Nacional de Programas Estratégicos (ENAPRES) de los años del 2010 al 2015 y las bases del CENACOM, CENEC, Censo Penitenciario, SISFOH y RENAMU. Debido a que la base de datos principal (ENAPRES) solo tiene información del distrito donde vive la persona, el número de crímenes posibles a investigar se reduce significativamente. En esta investigación solo se analiza dos de ellos; robo de vivienda y maltrato en el hogar. Se trata de los únicos tipos de delitos para los cuales se pueden atribuir características espaciales (la ENAPRES no precisa el lugar del crimen en los otros tipos de delitos). La metodología que se propone es un modelo jerárquico LOGIT que integra ambos tipos de características y además permite un error a nivel de distritos. Los resultados muestran que las características de desorganización social son igual de importantes para ambos tipos de crímenes; pero, en el caso de maltrato del hogar, existe un efecto multiplicador entre ambas características. Las conclusiones son que las características de desorganización social tienen un efecto mayor en el maltrato del hogar que las demográficas, pero las características de seguridad del hogar son igual de importante que las de desorganización social en el caso de robo de vivienda. Los aportes de la investigación son múltiples: el apilamiento de las bases ENAPRES, la incorporación del aspecto espacial al crimen, la evaluación de dos teorías simultáneamente y el uso de los modelos jerárquicos para corrección de los errores macro-distritales.

Clasificación JEL: K00, K42, R23, 054

Palabras clave: victimización, crimen, dimensiones espaciales, modelo jerárquico, ENAPRES, Perú

In recent years, the feeling of becoming a victim has widespread and has led households to consider crime as one of the most serious problems of the country. However, the rates of victimization are not spatially homogeneous. If we take the case of Peru, we observe strong spatial disparities of victimization at different regional levels: provinces, inter district areas and districts. Despite this spatial disparity, this dimension has been few times included in empirical studies on victimization and crime in Latin America. Therefore, the purpose of this work is to incorporate this aspect to evaluate its importance in the probability of victimization in Metropolitan Lima. Usually, the studies of crime focus on the characteristics of the victims and postulate hypothesis based on one, often narrow, theoretical framework. In our research we consider both, the individual’s and the district’s characteristics which leads us to use a specific theoretical framework for each type level of analysis: Daily Routines and Social Disorganization. This research aims to answer two sequential questions: (1) How randomly victimization is distributed among districts?; (2) if it is not spatially random, are these district differences due to the characteristics of social disorganization?
Our hypothesis is that the victimization is not random and the characteristics of social disorganization explain this non-random pattern of victimization. The main data sources are the National Survey of Strategic Programs (ENAPRES) over the five year period (from 2010 to 2015), the administrative data bases of the National Census of Police stations (CENACOM), the Economic Census (CENEC), the Penitentiary Census, the Household Targeting System census data (SISFOH) and National Municipal Register (RENAMU). Since our principal database (ENAPRES) only has information of the district where the person resides, this significantly reduces the number of possible to investigate crimes. This research only analyses two of them; theft of housing and abuse at home. They are the only crime types for which we can attribute spatial characteristics (in the other crime types the ENAPRES survey doesn’t indicate the crime place). We estimate a hierarchical LOGIT model that integrates both types of features and also enables to consider an error at the district level. The results show that the characteristics of social disorganization are equally important for both types of crimes; but, in the case of abuse at the home, there is a compounded effect of both characteristics. We conclude that social disorganization characteristics have a bigger effect on the mistreatment of the home than the household demographic characteristics. However, home security features are as important as the social disorganization in the case of theft of housing. The contributions of this research are multiple: the use of stacked ENAPRES microdata over 6 years, the inclusion of the spatial dimension of crimes, the simultaneous evaluation of two victimization theories and the use of hierarchical models for correction of macro-district errors.

Fecha de publicación:
Febrero, 2018

Date of publication:
February, 2018

Descargar PDF Download PDF Peso del archivo: File size: 2,53 MB