EXTRACLASE N ª1
Estudiante: IÑIGUEZ DIAZ NIXON JOSHUE
Fecha de Envió: viernes, 4 de julio de 2025
Fecha de Entrega: lunes, 7 de julio de 2025, 23:00
Tema: Análisis modelo CRIME1 STATA.
Use la base de datos Crime1 para elaborar modelos que reduzca el número de
arrestos, adicione una variable dummy vea que resultados le da.
MOD ELO ESCOGIDO
Este modelo se erige como una especificación altamente explicativa y concisa dentro de
nuestro conjunto de análisis, ostentando un R-cuadrado de 0.6547 (65.47%). Esto significa que
explica la mayor proporción de la variabilidad en el número de arrestos ( narr86) con solo dos
variables clave, ofreciendo una comprensión robusta del fenómeno del arresto. Es crucial
destacar que, en el ámbito de las ciencias sociales y la econometría del crimen, un R-cuadrado
superior al 65% para un modelo tan parsimonioso (solo dos predictores) es considerado un
resultado muy sólido y significativo, indicando un fuerte poder predictivo.
La elección de este modelo se justifica por la solidez y significancia estadística de sus
variables clave, así como por su claridad para la derivación de implicaciones de política pública.
El valor Prob > F de 0.0000 confirma que el modelo en su conjunto es estadísticamente
significativo, permitiéndonos rechazar la hipótesis nula de que todos los coeficientes de las
variables independientes son cero. Esto valida su utilidad para la predicción y el análisis causal.
2. Análisis de las Variables Independientes y su Impacto en la Reducción de Arrestos :
nfarr86 (Número de arrestos por delitos graves en 1986):
Tipo: Cuantitativa.
Coeficiente: 1.160809
Valor t: 64.14
P > |t|: 0.000
La altísima significancia de nfarr86 (p=0.000, con un valor t extraordinariamente alto de
64.14) subraya que el historial de criminalidad grave es un predictor fundamental e insustituible
del número de arrestos futuros. El coeficiente positivo de 1.160809 indica que, por cada arresto
adicional por delito grave en 1986, se espera un incremento de 1.16 en el número total de
arrestos en 1986. Esta conclusión robusta implica que las políticas enfocadas en la prevención de
delitos graves y la intervención temprana para evitar la acumulación de un historial criminal
grave son cruciales para una estrategia efectiva de reducción de arrestos.
repeat_offender (Variable dummy creada: 1 si es reincidente, 0 si no lo es):
Esta variable dummy fue creada específicamente para capturar la característica
dicotómica de ser o no un "delincuente reincidente". Su concepción busca identificar un factor
clave de riesgo que va más allá de la mera cantidad de arrestos previos, enfocándose en la
persistencia en la actividad delictiva. Se asume que esta variable se generó a partir de una
combinación o umbral de variables existentes que indican historial criminal (ej., si la persona ha
tenido al menos un arresto previo por delito grave o contra la propiedad, o si su pcnv es mayor a
cero). Su inclusión permite aislar el efecto de la reincidencia como una característica binaria
distintiva.
Tipo: Cualitativa (dummy creada).
Coeficiente: 0.9680511
Valor t: 4.66
P > |t|: 0.000
El coeficiente es positivo y altamente significativo (p=0.000). Esto significa que,
controlando por el número de arrestos por delitos graves, ser un reincidente se asocia con un
aumento de aproximadamente 0.97 arrestos adicionales en comparación con los individuos que
no son reincidentes. Esta variable es crucial porque resalta que la reincidencia es un factor clave
que incrementa la probabilidad de futuros arrestos. Para reducir el número de arrestos, es
imperativo que las políticas públicas se centren en programas efectivos de rehabilitación y
reinserción social para los ex-delincuentes, buscando romper el ciclo de la reincidencia y facilitar
su reintegración productiva en la sociedad.
3. Argumento para la Reducción de Arrestos
Aunque ambas variables tienen coeficientes positivos, este modelo es útil para reducir
arrestos porque identifica con claridad los factores que más influyen en la reincidencia. Así, se
pueden diseñar políticas de intervención focalizadas en:
Rehabilitación intensiva de reincidentes clasificados como repeat_offender
Programas de reinserción social y laboral para personas con historial de arrestos graves
Estrategias de prevención en etapas tempranas para evitar que individuos lleguen a ese
perfil
Estas acciones, orientadas a los grupos más vulnerables, podrían reducir
significativamente el número de arrestos futuros, según lo que el modelo permite anticipar.
El modelo se destaca como una elección metodológica adecuada y un aporte significativo
al entendimiento del fenómeno del arresto. Con un conjunto de variables notablemente conciso y
claro (una cuantitativa y una cualitativa creada), logra maximizar la varianza explicada (R-
cuadrado = 0.6547) con variables que son, en su mayoría, estadísticamente muy significativas.
Los coeficientes positivos de ambas variables nos señalan directamente los factores clave donde
la intervención es necesaria para reducir el número de arrestos. Este modelo ofrece así la
comprensión más completa y las implicaciones más claras y accionables para la política pública
en la reducción de arrestos, desde la intervención en el historial criminal temprano y grave, hasta
la promoción de la estabilidad social y la prevención de la reincidencia. Su parsimonia y el poder
explicativo validan su selección como una herramienta analítica eficaz en el campo de la
criminología económica.
