Suplemento

 

¿Son los pobres las víctimas de la inseguridad en las metrópolis de México?

 

Cinthya Caamal, Lourdes Treviño y Jorge Valero¹

 

¹ Facultad de Economía, Universidad Autónoma de Nuevo León. Correo electónico: maria.trevinovr@uanl.edu.mx.

 

Recepción: 20/12/2011.
Aceptación: 02/03/2012.

 

Resumen

En este trabajo estudiamos la relación entre victimization y pobreza, particularmente si la pobreza incrementa o disminuye la probabilidad de ser víctima de un delito. Los datos utilizados corresponden a la Encuesta Socioeconómica de Victimización y Violencia (ENVVI) 2009. Utilizando un modelo probabilístico Logit y tres medidas de ingreso o pobreza -zonas de atención prioritaria (ZAP), la educación del jefe de familia y el nivel de ingreso familiar- se encuentra que los hogares en situación de pobreza tienen una mayor probabilidad de ser víctimas de un delito, en particular robo a casa habitación, después de controlar por los efectos de la autoprotección, exposición y área metropolitana. Como recomendación de política se propone mejorar las instancias para realizar las denuncias simplificando los trámites y generando confianza entre las personas, especialmente entre aquéllas de menores ingresos.

Palabras clave: victimización, pobreza, robo a casa habitación.

Clasificación JEL: I32, R20, O12.

 

Abstract

This paper analyzes the relationship between victimization and poverty, in particular whether poverty increases or reduces the probability of becoming the victim of a crime. Data are taken from the Socioeconomic Survey on Victimization and Violence (ENVVI) 2009. Using a logit model and three different measures of income or poverty - priority care zones (ZAP), head of household's level of education and household income- we find that households in poverty condition are more likely to become victims of a crime, especially for burglary, after controlling for the effect of self-protection, exposure and the urban area. As a policy recommendation, we propose to simplify the paperwork required for criminal complaints and to improve the reliability on the judiciary, particularly among lower income individuals.

 

Introducción

En este trabajo estudiamos la relación entre victimización y pobreza. En lo particular estamos interesados en conocer si la pobreza incrementa o disminuye la probabilidad de ser víctima de un delito. La versión más sencilla del modelo económico de crimen de Becker (1968) sugiere que los ricos, como tienen más ingresos, son más propensos a ser víctimas de un crimen. Algunos estudios presentan evidencia de que a mayor ingreso, mayor probabilidad de ser víctima de algún delito (Alvira Martín y Rubio Rodríguez (1982) y Gaviria y Pages (2002)). Sin embargo, también hay que considerar que a mayor ingreso mayor posibilidad de protegerse del crimen.

La investigación económica sobre las víctimas de los delitos se encuentra muy rezagada en relación con la investigación sobre los criminales (Allen, 2011). Es de relevancia analizar las acciones de las víctimas ante delitos u ofensas, ya que los victimarios planean sus crímenes, en parte, por las acciones que emprenden los individuos para evitar ser víctimas, como cambios en hábitos, denuncias, autoprotección, seguros, entre otros. Este análisis considera la información de la Encuesta Socioeconómica de Victimización y Violencia (ENVVI) realizada en las ciudades de Monterrey, León y Guadalajara para el año 2009.

La estructura del artículo es la siguiente: en la sección 1 se presenta una revisión de la literatura, en la sección 2 se desarrolla el modelo teórico, en la sección 3 se describen los datos, en la sección 4 se presenta la especificación empírica del modelo, en la sección 5 se presentan los resultados y la sección 6 presenta las conclusiones del estudio.

 

Revisión de literatura

Alvira Martín y Rubio Rodríguez (1982) encuentran para España que a mayor ingreso mayor probabilidad de ser víctima, incluso en rubros como robo en casa, violación y robo en transporte. También Gaviria y Pages (2002) encuentran, para el caso de Latinoamérica, que el crimen se concentra en los hogares de ricos y de clase media. Por el contrario, Levitt (1999) encuentra que, en Estados Unidos, la victimización se concentra crecientemente entre los pobres.

La literatura sobre pobreza apunta hacia que los pobres tienden a ser las víctimas. Incluso consideran a la inseguridad como una más de las dimensiones de la pobreza, ya sea porque los pobres están indefensos ante el daño que generan las pérdidas de ser víctimas de un crimen (Narayan et al., 2000, p. 36) o porque, al tener activos limitados, se sienten incapaces de defenderse y defender a sus familias (Narayan et al. 1999), o porque el crimen deshace las ganancias del desarrollo que se alcanzan en áreas como educación y salud (OPHI, 2011). Si los pobres no tienen poder para hacer valer la justicia y están indefensos, como sostienen Narayan et al., los crímenes contra los pobres no serán perseguidos y tendrán tasas de victimización mayores.

 

Marco teórico

Para estudiar los factores determinantes de la probabilidad de ser víctima de un delito y su relación con la pobreza utilizaremos el modelo de Ehrlich y Becker (1972) como base del análisis. En este modelo, el individuo puede hacer tres tipos de actividades para contrarrestar el efecto de ser víctima de un delito: 1) asegurarse, 2) auto asegurarse a fin de disminuir la pérdida en caso de ser víctima y 3) auto protegerse a fin de disminuir la probabilidad de la pérdida. De estas tres actividades, la tercera -auto protección-es la más relevante para nuestro estudio, ya que los hogares en pobreza muchas veces no tienen acceso a los mercados de seguros ni se pueden auto asegurar por carecer probablemente de fondos de contingencia.

El modelo propuesto se puede completar teniendo en cuenta las medidas de auto-protección que toman los hogares. Ehrlich y Becker (1972) lo analizan como un problema de seguros. Si el individuo toma medidas de autoprotección disminuirá la probabilidad de la pérdida. La ganancia en utilidad al bajar la probabilidad de ser víctima de un crimen será igual a la disminución en la utilidad por el gasto hecho en auto protegerse, por lo que individuos de mayores ingresos tenderán a auto asegurarse más.

Supongamos a un individuo que enfrenta dos estados iniciales: uno de pérdida 0, y otro en donde no pierde nada a consecuencia de algún delito, 1. La probabilidad inicial en el estado con pérdida, se representa p^d, y para el estado sin pérdida como 1 - p^d.

La dotación inicial de ingreso para el individuo es I₀^d en el estado de pérdida, e I₁^d en el estado sin pérdida. Si el individuo gasta una cantidad s en actividades de auto protección, entonces la probabilidad de que ocurra el estado de pérdida vendrá dada por:

Los individuos al autoprotegerse reducirían la probabilidad de que ocurra el estado de pérdida e incrementarían la probabilidad del estado 1. Entonces, si tenemos dos individuos, uno pobre y uno no pobre, y s es un bien normal, el pobre demandaría una menor cantidad de s y la probabilidad de que ocurra el estado de pérdida será mayor para él.

Una mayor presencia de la policía puede disminuir el beneficio marginal de la auto protección, desincentivando su uso. Alternativamente, una mayor presencia de la policía puede connotar un mayor riesgo de victimización haciendo de esta presencia y la auto protección medidas complementarias.

Clotfelter (1977) sugiere una relación concreta entre el comportamiento de auto protección y el valor del tiempo de una persona (entre otras relaciones). Si s, la cantidad de auto protección, es función del tiempo y del ingreso, entonces la autoprotección está dada por:

El tiempo también es relevante para la autoprotección porque las personas con menores ingresos tenderán a incrementar su tiempo en auto protección y las de mayor ingreso tenderán a utilizar mayor proporción de su ingreso en acciones para protegerse y evitar ser víctimas de la delincuencia.

Individuos de diferentes ciudades o incluso de áreas dentro de una misma ciudad, enfrentan diferentes probabilidades de ser víctimas de un delito, ya que tienen diferente exposición al crimen, como discute Balkin (1979). Si llamamos e a la exposición al crimen, la probabilidad de ser víctima vendrá dada por:

En donde δp /δe > 0, es decir, a mayor exposición mayor probabilidad de ser víctima. La exposición al crimen no sólo depende de la ciudad o área de la ciudad donde vive el individuo, sino que también los individuos pueden protegerse de los delincuentes limitando sus actividades y reduciendo la probabilidad de ser víctima de un delito. También es posible que, como discute Allen (2011), la probabilidad de ser víctima dependa de factores exógenos g que sean independientes de las actividades de los individuos. Uno de estos factores podría ser la pobreza. Por tanto, la probabilidad de ser víctima podría ser descrita como:

Las medidas de auto protección pueden tomar varias formas. Así, Balkin (1979) toma en cuenta a las personas que limitan sus actividades para no ser víctimas de un crimen. Allen (2011) considera además medidas de autoprotección y de exposición social al crimen como vivir en zonas donde los individuos tienen mayor probabilidad de ser víctimas.

 

Datos

Los datos utilizados en este trabajo corresponden a la Encuesta Socioeconómica de Victimización y Violencia (ENVVI) llevada a cabo conjuntamente por la Universidad Autónoma de Nuevo León, la Universidad de Guadalajara y la Universidad de Guanajuato en el año 2009. El objetivo de la encuesta es estimar la prevalencia e incidencia de delitos, así como conocer la manera en que la población percibe la inseguridad y las características socioeconómicas ligadas a actos de criminalidad y violencia en las áreas metropolitanas de Monterrey, Guadalajara y León.

Para el diseño del cuestionario se tomó como base el de la Encuesta Nacional Sobre Inseguridad (ENSI), utilizado por el Instituto Ciudadano de Estudios sobre Inseguridad A. C. (ICESI).² La población objetivo consistió de las personas de 18 años o más que se encontraran radicando al momento de la encuesta en alguno de los municipios de cada área metropolitana.

El muestreo utilizado fue por conglomerados multietápico. En la primera etapa se seleccionan manzanas con probabilidades proporcionales a su tamaño. En la segunda etapa, en cada manzana de la muestra se seleccionan de manera aleatoria cuatro viviendas particulares habitadas y en la tercera etapa se selecciona a un adulto de acuerdo al muestreo simple aleatorio, del total de adultos radicando en la vivienda. Este proceso arroja muestras de 1,544 viviendas para Monterrey, 1,614 para Guadalajara y 1,476 para León, para un total de 4,634 viviendas encuestadas. El diseño de la muestra permite un intervalo de confianza del 95% y un margen de error de 3% en los resultados.

El periodo de victimización analizado es de septiembre de 2008 a septiembre de 2009 y la encuesta fue aplicada entre octubre 2009 y enero 2010. La encuesta está organizada en 2 módulos generales (datos del hogar y percepción de inseguridad y hábitos) y 7 módulos particulares para indagar sobre los delitos de intento de robo y robo a casa habitación, intento de robo y robo a vehículo, asaltos, ataques y amenazas.

 

Especificación empírica del modelo

El objetivo del estudio requiere la identificación de los hogares en situación de pobreza. Una medida frecuentemente utilizada es el ingreso familiar, esto es, un hogar se consideraría pobre si el ingreso familiar está por debajo de una línea o umbral de pobreza que representa una canasta básica de bienes considerados indispensables. Sin embargo, esta definición de pobreza no considera otros factores que contribuyen al bienestar de las familias y que no pueden ser adquiridos en el mercado de bienes. La pobreza está también asociada a la imposibilidad de acceder a ciertos servicios básicos que son proporcionados por el gobierno. Así como otros factores que trascienden del ámbito individual, como características geográficas, sociales, culturales, entre otras relacionadas con elementos comunitarios.

De acuerdo al artículo 36 de la Ley General de Desarrollo Social (2004), se establecen al menos ocho indicadores para la medición multidimensional de la pobreza como el ingreso corriente per cápita, el rezago educativo promedio en el hogar, el acceso a los servicios de salud, de seguridad social, la calidad y espacios de la vivienda, el acceso a los servicios básicos en la vivienda, el acceso a la alimentación y el grado de cohesión social. Sin embargo, del cuestionario aplicado a las familias no es posible estimar estas variables para el cálculo multidimensional de la pobreza.

Además se requiere de una medida que homologue el criterio para tener un indicador comparable de pobreza en las tres áreas metropolitanas bajo estudio. Una forma de realizar la identificación es utilizando la delimitación del padrón de beneficiarios del Programa para el Desarrollo de Zonas de Atención Prioritaria (ZAP). Este programa federal es una herramienta de política social con enfoque territorial, cuyo objetivo es el de proporcionar apoyo y oportunidades de desarrollo a la población que habita en los territorios con mayor marginación del país. Basados en los criterios del Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL), las ZAP se definen como las áreas o regiones rurales o urbanas que presentan condiciones estructurales de marginación, pobreza y exclusión social, Secretaría de Desarrollo Social (SEDESOL) (2010).

En nuestro estudio, la medida de exposición social es importante, porque una de las formas en que estudiaremos la relación entre victimización y pobreza es seleccionando las áreas de concentración (ZAP) de las áreas metropolitanas. Por tanto, la identificación de hogares pobres y no pobres es exógena, ya que dependerá de las áreas de marginación definidas por la SEDESOL para el otorgamiento de este apoyo. Las estimaciones del CONEVAL (2009) revelan que el estado con mayor grado de rezago social es Guanajuato, con un porcentaje en pobreza patrimonial de 51.6%, mientras que en Jalisco es de 41.6% y en Nuevo León es de 27.5%.

La definición de las zonas de atención prioritaria (ZAP) implica que las viviendas localizadas en estas áreas son en promedio más pobres que las zonas que no están en el padrón de beneficiarios. Sin embargo, la heterogeneidad dentro de las regiones encuestadas podría no reflejar este hecho. Por tanto, para examinar las diferencias entre zonas, en la Cuadro 1 se muestra el salario promedio por hora para el año 2010 para cada una de las zonas ZAP definidas en cada una de las tres áreas metropolitanas utilizando la Encuesta Nacional de Ocupación y Empleo (ENOE) 2010. Es posible observar que el salario promedio es mayor en las zonas que no son de atención prioritaria en las tres ciudades. Para Monterrey se obtiene una diferencia mayor entre zonas de $5 pesos por hora, en tanto que, en Guanajuato, la diferencia es de sólo $1.6 pesos por hora; ambas diferencias son significativas con un nivel de confianza del 95%. Para Guadalajara, esta diferencia es de $2.2 pesos por hora con una significancia del 90%.

La escolaridad del jefe de familia es otro indicador de pobreza. En el Cuadro 2 se muestran las diferencias entre zonas de atención prioritaria y las que no lo son, para las tres ciudades. En Monterrey y Guadalajara la escolaridad en las zonas ZAP es superior a la escolaridad de las ZAP de Guanajuato y la escolaridad del jefe en zonas que no son de atención prioritaria es de poco más de 10 años, mientras que para Guanajuato es de 8 años.

La medida de pobreza mayormente utilizada es el nivel de ingreso de las familias, sin embargo, su aplicación debe ser tomada con cautela debido a las observaciones que se pierden por la no respuesta. En el Cuadro 3 se presentan las tasas de victimización por nivel de ingreso para las tres ciudades analizadas. En Monterrey es notable que las tasas de victimización mayores se estimen para las familias que reciben menos de $1,500 y para aquéllas que reciben más de $30,000, por lo que la relación entre victimización e ingreso se podría representar en forma de U. Es decir, es consistente con la teoría de Becker (1968) que el beneficio de cometer un delito es mayor en los ricos que en los pobres; asimismo es consistente con Narayan et al. (1999, 2000), en donde mencionan que se observaría mayor victimización entre los pobres.

Por otro lado, las tasas de victimización en León también muestran una relación similar a las de Monterrey. No obstante, el rango de ingresos se amplía, ya que son las familias que reciben menos de $6,000 pesos mensuales las más propensas a ser víctimas, con tasas que están entre 113.6 y 117.6 por cada 1000 hogares. Sin embargo, los hogares que perciben entre $15,001 a $30,000 son los que muestran una tasa de victimización mayor, de 142.9 víctimas por cada 1000 hogares. Para Guadalajara no es posible establecer una relación clara entre victimización y pobreza a pesar de que la tasa de victimización más alta se observa en el segundo nivel de ingresos más bajo, $1,501-$3,000 pesos mensuales.

En el Cuadro 3 se proporcionó evidencia de una relación entre pobreza y victimización de una forma descriptiva. Para estimar la probabilidad de victimización se estimará el modelo desarrollado en la segunda sección utilizando un modelo probabilístico Logit. La ecuación a estimar es:

donde,

Y_i es una variable ficticia que toma el valor de 1 cuando algún miembro de la familia i ha sido víctima de delito y 0 de lo contrario (los delitos utilizados son robo en casa habitación),

X es un conjunto de s vectores que denotan las características de la vivienda i relacionadas con acciones de auto protección (como candados, chapas de seguridad, puertas de seguridad, perro guardian),

e es una medida de exposición al riesgo (la proporción de miembros del hogar que estudian y/o trabajan o si la vivienda está ubicada cerca de alguna colonia conflictiva). La presencia de patrulla de barrio o caseta de policía podría denotar una zona de mayor victimización (exposición) o ser complementario a la auto protección.

I es una medida de pobreza ZAP (binaria), educación del jefe de hogar o ingreso familiar mensual (por rangos)³,

l_AM es un efecto por área metropolitana (Monterrey es la zona de referencia) y

e_i es el término de error aleatorio.

 

Resultados

Los cambios marginales de la ecuación (5) se muestran en la Cuadro 4. Se estimaron diferentes modelos en los cuales se incluyeron variables de autoprotección, exposición al riesgo, variables ficticias para cada ciudad y tres medidas de ingreso o pobreza: ZAP (modelos 1 y 4), la educación del jefe de familia (modelo 2) y el nivel de ingreso familiar (modelos 3 y 5).

Los resultados sugieren que las viviendas localizadas en zonas ZAP tienen 1.8% mayor probabilidad de ser víctimas de algún robo a casa habitación en comparación con las viviendas que no están en estas zonas. Por otro lado, cuando se incluye la variable de cercanía con una colonia conflictiva la probabilidad se reduce a 1.5%. El modelo

2 establece que mientras mayor sea la escolaridad del jefe del hogar, la probabilidad de victimización se reduce. Por último, cuando se incluyen diferentes rangos de ingreso se observa que aquellas familias que obtienen un ingreso familiar de entre 3,001 y $9,000 tienen una probabilidad de victimización de 2.5% menor relativa a quienes ganan menos de $3,000. Para los que obtienen un ingreso mayor a $9,000 la probabilidad de ser víctima relativa a los de menores ingresos es de 1.8% menos, aunque en el modelo 5 resulta no significativa esta relación.

Adicionalmente se encuentra que tener candados en el hogar incrementa la probabilidad de ser víctima de un delito en un rango de 2.6 a 3.5%. Probablemente los hogares requieran de otras medidas de autoprotección para evitar ser víctimas de delitos. Por otro lado, tener un perro guardián podría reducir la probabilidad de victimización, pero resulta estadísticamente no significativo. La patrulla de barrio o caseta de policía reduciría la probabilidad de ser víctima de delito; sin embargo, resulta significativo en el modelo en donde se incluye como medida de pobreza la educación del jefe de familia o bien cuando se incluyen los rangos de ingreso y cuando se incluye la variable de cercanía con una colonia conflictiva.

Como medidas de exposición al riesgo se incluye la proporción de trabajadores y estudiantes en el hogar para considerar viviendas que por motivos de trabajo o estudio se queden solas, sin embargo, no es significativa para el análisis. La variable de cercanía a una colonia conflictiva aumenta la probabilidad de victimización en 2.2% en los dos modelos en donde se incluyó.

 

Conclusión

Este artículo proporciona evidencia que sugiere que los hogares en situación de pobreza, utilizando tres diferentes medidas, tienen una mayor probabilidad de ser víctimas de un delito, en particular robo a casa habitación, después de controlar por los efectos de la autoprotección, exposición y área metropolitana.

Los hogares ubicados en Zonas de Atención Prioritarias son más propensos a ser víctimas de delito que los que no pertenecen a esta categoría. Los hogares con jefes más educados o con mayores ingresos son menos propensos a ser víctimas que los hogares menos educados o de menores ingresos. Un dato relevante es que solamente el 39% de las víctimas denunciaron el delito; de este porcentaje, el 70% de los denunciantes no vivían en zonas de atención prioritaria. El 22% respondió que no denunciaban porque no les hacen caso, mientras un 10% respondió que no denunció porque no tiene tiempo y otro 10% porque tienen miedo al victimario. Como recomendación de política se propone mejorar las instancias para realizar las denuncias simplificando los trámites y generando confianza entre las personas, especialmente entre aquéllas de menores ingresos.

 

Bibliografía

Allen, W. D. (2011). "Criminals and Victims", 1st ed. Stanford Economics and Finance, Stanford.         [ Links ]

Alvira Martín, F.; Rubio Rodríguez, M. A. (1982). "Victimización e inseguridad: la perspectiva de las encuestas de victimización en España", Revista Española de Investigaciones Sociológicas, 18, 29-50.         [ Links ]

Balkin, S. (1979). "Victimization rates, safety and fear of crime", Social Problems, 26(3), 343-358.         [ Links ]

Becker, G. S. (1968). "Crime and Punishment: An Economic Approach", Journal of Political Economy, 76(2), 167-217.         [ Links ]

Clotfelter, Charles T. (1977). "Urban Crime and Household Protective Measures", The Review of Economics and Statistics, MIT Press, 59(4), 499-503.         [ Links ]

CONEVAL (2009). Evolución de la pobreza en México. Consejo Nacional de Evaluación de la Política de Desarrollo Social.         [ Links ]

Ehrlich, I.; Becker, G. S. (1972). "Market Insurance, Self-Insurance, and Self-Protection", Journal of Political Economy 80, 623-648.         [ Links ]

Gaviria, Alejandro; Pages, Carmen (2002). "Patterns of crime victimization in Latin American cities", Journal of Development Economics, Elsevier, vol. 67(1), 81-203.         [ Links ]

Levitt, Steven D. (1999). "The Changing Relationship Between Income and Crime Victimization", Economic Policy Review - Federal Reserve Bank of New York 5(3), 87-98.         [ Links ]

Ley General de Desarrollo Social (2004). "De la Definición y Medición de la pobreza", Diario Oficial de la Federación, 20 de enero, Capítulo VI, Artículo 36, p. 8.

Narayan, D.; Chamber, R.; Shah, M. K.; Petesch, P. (2000). Voices of the Poor. Crying Out for Change, (Vol. 1). New York: Oxford University Press.         [ Links ]

Narayan, D.; Patel, R.; Schafft, K.; Rademacher, A.; Koch-Schulte, S. (1999). "Can Anyone Hear Us? Voices From 47 Countries". In World Bank (Ed.), Voices of the Poor (Vol. 1, pp. 1-280): World Bank.         [ Links ]

OPHI, Oxford Poverty & Human Development Initiative (2011). Oxford Department of International Development. Queen Elizabeth House, University of Oxford. http://www.ophi.org.uk/research/missing-dimensions/        [ Links ]

SEDESOL (2010), "Lineamientos específicos para la conformación de los padrones de beneficiarios 2010", Programa para el desarrollo de zonas prioritarias. Secretaría de Desarrollo Social.         [ Links ]

 

Notas

² Cabe mencionar que, a partir de 2010, la ENSI es aplicada por el Instituto Nacional de Estadística Geografía e Informática (INEGI), en coordinación con el ICESI.

³ El rango 1 va de 0 a 3,000 pesos mensuales (es la categoría de referencia), el rango 2 va de 3,001 a 9,000 pesos y el rango 3 es para ingresos de 9,001 pesos y más.