Aplicación de la teoría

[50]

policiales disminuye de forma negativa en cuanto a las probabilidades de captura por la densidad y tamaño de la población. En sus estudios la urbanización juega un papel importante.

[51]

Para una explicación más completa se deben tomar en cuenta las variaciones y probar las relaciones e interacciones. La base debe estar sujeta a un modelo de regresión de datos de corte transversal o espaciales derivados de muestras de individuos que formen parte de las variables del entorno y que se ajusten a la teoría establecida (Wilcox et al., 2004).

Al involucrar las diferentes relaciones e interacciones se pueden explicar los cambios en el espacio geográfico y las tasas de incidencia criminal en la región de análisis. Asimismo el comportamiento de las actividades delictivas puede ser modelado por el análisis espacial para determinar causas y efectos (Hawley, 1950).

Hawley considera tres elementos que son necesarios para el análisis criminal en una estructura de comunidad: i) Ritmo, es decir, la periodicidad regular de ocurrencia del evento (Criminalidad); ii) Tiempo: el número de eventos por unidad de tiempo, cantidad de delitos cometidos por día en determinada calle, y iii) Sincronización, la coordinación de diferentes actividades, las cuales son más o menos interdependientes (coordinación de un ritmo delictivo con las de una víctima, componentes de organización temporal) (Cohen & Felson, 1979).

La explicación de la elección racional del delincuente y la manera de elegir las actividades ilegales para lograr el beneficio requiere del análisis de la zona, la intersección del tiempo y el espacio donde se desarrollan las actividades. Para lo cual se requieren tres elementos: i) los infractores motivados, ii) los objetos adecuados y iii) la ausencia de guardianes capaces.

Al dirigir la atención en los tres mayores componentes de cualquier problema, el triángulo de la criminalidad se conforma como una herramienta para asegurar que el análisis cubra los tres principales actores en un acto delictivo, como se señaló en el párrafo anterior.

[52]

Figura 1. Triángulo de la criminalidad.

Fuente: John Eck (2003)

Al hablar de espacio, tiempo, interacciones entre grupos, costos de oportunidad y maximización de beneficios esperados se puede plantear un método estadístico de relaciones espaciales entre el espacio geográfico. La técnica que se puede adaptar a las condiciones específicas es la econometría espacial. Este tipo de modelación econométrica puede ser utilizado para la obtención de datos espaciales y para el modelado de las variables económicas, sociodemográficas y urbanas en el espacio.

La utilidad de los modelos espaciales en este tipo de investigaciones son desconocidos, aunque el nivel de análisis podría aportar un nivel único en la comprensión del fenómeno, por el tipo de relación e interacción de los individuos (Cahill, 2005).

En este trabajo se considera la parte geográfica donde se desarrolla la criminalidad, para ello la técnica de modelación utilizada será la Regresión Geográficamente Ponderada (GWR). Este modelo es una alternativa de los modelos de regresión espacial que se ocupan del tratamiento de la interacción espacial y de la estructura espacial.

Mientras que el modelo de MCO calcula un parámetro para cada término y asume que los parámetros son estacionarios en el área de estudio, el método de estimación GWR calcula todos los puntos de muestreo en el conjunto de datos y no asume estacionariedad en las relaciones de los datos.

[53]

En la econometría espacial, la presencia de clusters espaciales puede violar el supuesto de la independencia de las observaciones y generaría problemas en la correcta estimación de modelos de regresión lineal de mínimos cuadrados. Por otro lado, la dependencia espacial puede ser de interés en sí misma dado que puede expresar un proceso de contagio o influencia recíproca entre las unidades de observación o bien, puede ser producto de fuerzas económicas.

Por su parte los modelos de econometría espacial presentan el efecto llamado heterogeneidad espacial, el cual indica la presencia de diferencias sistemáticas en la ocurrencia de un fenómeno en distintas regiones geográficas, de tal forma que podría tener diferentes distribuciones (media, varianza) en un subgrupo espacial de los datos o bien simplemente cambiar con la ubicación de las unidades (Anselin, 1992).

La principal contribución de la metodología GWR es que cada conjunto de parámetros estimados está basado sobre una distancia ponderada y submuestras de observaciones vecinas, el cual tiene una gran cantidad de atractivo intuitivo de la econometría espacial. Mientras W representa una matriz de pesos en los modelos econométricos de forma espacial autorregresiva, en el modelo GWR W se utiliza para representar el peso de las distancias de las observaciones (Anselin et al., 2004).

Finalmente en este modelo los resultados obtenidos pueden denotarse a través de un mapa acompañado de regresiones espaciales tomando en cuenta la elección de Kernel³³. En el caso de la función de regresión GWR los coeficientes son no sensibles a la elección del Kernel, pero si son sensibles al ancho de la banda; consecuentemente la determinación del ancho de la banda es necesaria como parte de la regresión geográficamente ponderada (Fotheringham et al., 2002).

33 Los estimadores de tipo Kernel son los más utilizados y mejor estudiados en la teoría no paramétrica. Se define mediante la expresión ∑ ( ) donde es una sucesión de parámetros de suavizado, llamados ventanas o amplitud de bandas, que deben tender a cero “lentamente” ara poder asegurar que tiende a la verdadera densidad f de las variables K es una densidad prefijada llamada núcleo (Kernel).

[54]