DOI: 10.54753/rve.v10i1.1294
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Análisis de las tasas de homicidio, un estudio para países latinoame-
ricanos y europeos
Analysis of homicide rates, a study for Latin American and European countries
Junior Silva
1
| Elizabeth Lozano
1
1
Carrera de Economía, Universidad Nacional de
Loja, Loja, Ecuador
Correspondencia
Junior Silva, Carrera de Economía, Universidad
Nacional de Loja, Loja, Ecuador
Email: junior.silva@unl.edu.ec
Agradecimientos
Club de Investigación de Economía (CIE)
Fecha de recepción
Enero 2021
Fecha de aceptación
Junio 2021
Dirección
Bloque 100. Ciudad Universitaria Guillermo
Falconí. Código Postal: 110150, Loja, Ecuador
RESUMEN
El homicidio es un problema serio dentro de la sociedad. En muchas ocasiones es un reflejo
del estado de la economía de un país y es importante conocer los factores que influyen
sobre este. Esta investigación se centra en analizar el efecto que provoca la desigualdad
de ingresos (Índice de Gini) en las tasas de homicidio. Para el efecto se toma a los cinco
países con las tasas de homicidio más altas de Latinoamérica y Europa. Los datos forman
un panel y comprenden el periodo 2000 – 2018. Se utiliza regresiones de umbral. Los re-
sultados indican que la desigualdad influye sobre las tasas de homicidio hasta que su valor
es de 40.60, luego que lo supera, otros factores toman protagonismo. Las implicaciones de
política pública apuntan a que se debe reducir la desigualdad y la pobreza para controlar
este problema.
Palabras clave: Desigualdad; Datos panel; Pobreza; Política pública.
Códigos JEL: Q32. Q43.
ABSTRACT
Homicide is a serious problem in society. It is often a reflection of the state of a country’s
economy and it is important to know the factors that influence it. This research focuses on
analyzing the effect of income inequality (Gini Index) on homicide rates. The five countries
with the highest homicide rates in Latin America and Europe are used. The data form a pa-
nel and cover the period 2000 - 2018. Threshold regressions are used. The results indicate
that inequality influences homicide rates until its value is 40.60, after which other factors
take center stage. The public policy implications point to the need to reduce inequality and
poverty to control this problem.
Keywords: Inequality; Panel data; Poverty; Public Policy.
JEL codes: D63. C433. I32. I38.
77
DOI: 10.54753/rve.v10i1.1294
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
1 | INTRODUCCIÓN
La Unicef (2012) menciona que el homicidio se ha convertido
en un grave problema para miles de personas en todo el mundo, es-
pecialmente para los niños y niñas. La afección para los menores se
da tanto por las muertes, que por los traumas y daños que les pro-
voca la muerte de una persona cercana. En el año 2012 perdieron
la vida aproximadamente 95 000 niños y adolescentes entre 0 y 19
años. Para este mismo año el número total de homicidios fue de 437
000, de este valor, el 79 % son víctimas masculinas.
Según la ONU (2013), casi 750 millones de personas viven en
países con niveles de homicidio elevados, lo que significa que casi
la mitad de los homicidios suceden en países que representan alre-
dedor del 11 % de la población mundial. Las tasas de homicidio han
aumentado en los últimos años, sobre todo en el continente ameri-
cano, además, existe una brecha cada vez mayor en los niveles de
homicidio entre los países con tasas altas y aquellos con tasas bajas.
Existen múltiples variables que influyen sobre las tasas de homici-
dio.
La ONU en el 2012 publicó un informe donde menciona al-
gunas variables determinantes para un aumento de homicidios, en-
tre estas tenemos: la renta per cápita, las desigualdades sociales y
económicas, el acceso a las armas de fuego, una educación de baja
calidad, un estado de derecho y gobernanza inefectivos, altos nive-
les de criminalidad y la prevalencia de pandillas. Según este mismo
informe, existe una relación especial entre los homicidios y la des-
igualdad económica.
Cabe resaltar que en todas las regiones del mundo la violencia
y homicidios afecta mucho más a los hombres que a las mujeres. Hay
muchos autores que a través de sus estudios han determinado el im-
pacto de la desigualdad de ingresos en las tasas de homicidio. No
hay una teoría establecida para el caso, pero la evidencia empírica
forma una base sólida para estudiar el problema formalmente. Por
ejemplo, Coccia (2017) menciona en su estudio para 191 países que
la desigualdad socioeconómica se asocia positivamente con los de-
litos violentos. Así mismo Wilkins et al. (2019) asocian a la desigual-
dad de ingresos en la explicación de las tasas de homicidio, entre
otras variables. Por otro lado, Parker et al. (2017) resaltan la impor-
tancia del control de actividades criminales en la reducción de los
homicidios. Como estos estudios hay muchos más que respaldan la
relación entre las variables de interés.
Considerando lo expuesto, la presente investigación tiene co-
mo objetivo analizar el efecto que provoca la desigualdad de ingre-
sos en las tasas de homicidio de países latinoamericanos y europeos
durante el año 2000 y 2018. Se tomó como muestra de estudio a
los cinco países con las tasas de homicidio más altas de cada región.
Se lleva a cabo la aplicación de técnicas econométricas con datos de
panel y regresiones de umbral. La hipótesis que se pone a prueba
es que la desigualdad de ingresos influye de manera significativa al
aumento en las tasas de homicidio en estos países. Adicionalmen-
te, se analiza como cada una de las variables de control afecta de
manera particular a la dependiente, según el grupo de países.
Los principales resultados apuntan a que el aumento de la des-
igualdad influye en el aumento de homicidios en Europa y los dis-
minuye en Latinoamérica. Este comportamiento responde a las di-
ferencias de las regiones. Esta investigación constituye un aporte
tanto analítico como metodológico que expande la información de
la temática en cuestión.
Este artículo consta de los siguientes apartados: la revisión de
literatura previa que recolecta la evidencia empírica e información
pertinente, los datos y metodología empleada, discusión de los re-
sultados y finalmente las conclusiones e implicaciones de política
derivadas de la investigación.
2 | REVISIÓN DE LITERATURA PRE-
VIA
El homicidio ocurre cuando se atribuye la muerte de una per-
sona a otra (Chmieliauskas et al., 2019). Muchos factores inducen
a que se produzcan este tipo de actos violentos: portar armas blan-
cas, Papi et al. (2020) indican que, el 25 % de homicidios se llevan a
cabo con este medio en Italia; permisos para tener armas de fuego,
esto aumenta significativamente las tasas de homicidio y suicidio
(König et al., 2018); trastornos ocasionados por el alcohol (Chen et
al., 2019) y consumo de drogas (Leibbrand et al., 2020). Por mu-
chos años este problema fue visto como un tema concerniente a la
moral, pero se evidenció una relación con diversos factores como la
psicología, economía, condición social, edad, etnia, raza, género, etc.
(Hartwell et al., 2018; Riedel y Dirks, 2008; Monchalin et al., 2019)
y le dieron mucha más importancia a su estudio, incluso se ha llega-
do a considerar un problema de salud pública (Rouchy et al., 2020;
Deusdará et al., 2020).
Por otra parte, Matsubayashi y Sakaiya (2020) mencionan que
la desigualdad de ingresos crece en todo el mundo. El estudio de la
desigualdad es de gran interés porque afecta a diversos campos de
la economía. En regiones como Latinoamérica es muy grande y ha
perdurado por muchos años (Neidhöfer et al., 2018; Dávila y Agu-
delo, 2019) siendo un serio problema. Se la asocia con menores ni-
veles educativos (Hessel et al., 2020), daño en la acumulación de
capital físico y humano (Zhang, 2005; Hai y Heckman, 2017; Baten
y Juif, 2014), intensificación de la pobreza (Ngozi et al., 2020), bajo
desarrollo financiero (Seven, 2021), conflictos armados (Hook et al.,
2020), aumento de tasas de suicidio y homicidio (Campo y Herazo,
2015) y terrorismo (Ajide y Amili, 2021).
También se ha determinado una desigualdad de ingresos aso-
ciada con la raza, género (Chantreuil et al., 2020; Klasen, 2020; Araú-
jo, 2015), etnia, características sociales y culturales (Musterd y Os-
tendorf, 2012). Aunque en muchas economías avanzadas esta ha
disminuido (Magda et al., 2020), aún existe mucho que hacer en
otros países, como en los latinoamericanos (Vacaflores, 2018; Cor-
tés, 2013). Adicionalmente, las diferencias entre países son notorias
(Binelli et al., 2015). A partir de estos problemas (homicidio y des-
igualad de ingresos), varios estudios señalan una relación entre ellos.
En inicio existe una relación de largo plazo entre homicidios y acti-
vidad económica (Carranza et al., 2011), pero luego se expande a
todo el contexto socioeconómico. Las condiciones adversas como
la pobreza y discriminación, en muchos casos son causantes del au-
mento de estas tasas (Campo et al., 2020).
Varias estimaciones revelan una fuerte asociación entre la po-
breza y las tasas nacionales de homicidio. Ingram y Marchesini
(2019) mencionan que la violencia tiene efectos nocivos para las
personas y la sociedad. Esto es especialmente cierto en América La-
tina, una región que se destaca a nivel mundial por su alta tasa de
homicidios. Además, enfatizan el efecto del gasto público en segu-
ridad para reducir el problema. Por su parte, Rogers y Pridemore
(2013) respaldan la idea que las políticas gubernamentales como la
protección social moderan la influencia de la desigualdad en las ta-
sas nacionales de homicidio. Así mismo, Yapp y Pickett (2019) ex-
presan que la violencia en pareja se asocia significativamente a la
mayor desigualdad de ingresos, tomando en cuenta el coeficiente
de Gini y el ingreso per cápita.
Según Nadanovsky y Cunha-Cruz (2009), las tasas de homici-
dio varían ampliamente entre y dentro de los diferentes continentes.
En su estudio para países de América del Sur y de la OCDE deter-
minan este comportamiento, así como también que, los países con
menor desigualdad de ingresos, menor mortalidad infantil, mayor
ingresos promedio per cápita y mayores niveles de educación pre-
sentan menores tasas de homicidio.
78
Análisis de las tasas de homicidio, un estudio para ........
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Coccia (2017) menciona que la desigualdad socioeconómica se
asocia positivamente con los delitos violentos, además, comparan-
do las tasas de homicidio entre países, esta se explica únicamente
con la desigualdad de ingresos. Spencer et al. (2019) indican que la
alta desigualdad de ingresos que presentan los países, influye pa-
ra que se formen patrones de violencia en la sociedad. Esto marca
factores de riesgo que influyen para que las familias caigan en si-
tuaciones de violencia. Incluso influye de manera significativa en la
violencia de hombres hacia mujeres.
Wang y Arnold (2008) sugieren que hay efectos de desigual-
dad de ingresos y desventaja concentrada en el crimen. Los mismos
autores evalúan estas dos variables y encuentran que dentro de va-
rias zonas de una misma ciudad, las mayores tasas de homicidio se
localizan en aquellas donde hay mayor desigualdad y mayor pobreza.
Esto ayuda a comprender el por qué algunas zonas están en desven-
taja frente a otras en las áreas urbanas.
Otra cuestión, es que las tasas de homicidio no responden úni-
camente a factores económicos. Schober et al. (2020), señalan que
existen diferencias entre las víctimas de color blanco y negro. Estos
autores determinan, tras estudiar las treinta ciudades más grandes
de Estados Unidos, que la tasa de mortalidad por homicidio es vein-
te veces mayor para las personas negras. Esto refleja las inequida-
des raciales que existen en el país. De la misma manera, Hannon et
al. (2005) expone que la pobreza tiene una influencia drástica en la
tasa de homicidios. Este impacto es mucho más pronunciado para
las personas de color negro que para las blancas. Aquí se puede ver
otra muestra de factores discriminatorios que se han forjado con el
pasar de los años.
Parker et al. (2017) explican que el control de actividades crimi-
nales es fundamental para reducir las tasas de homicidio. Además,
en su estudio rescatan varios factores que explican las tendencias
que se forman a lo largo del tiempo. Menezes et al. (2013) seña-
lan que existen áreas con bajas tasas de homicidio gracias a la baja
desigualdad, pero este efecto se ve mitigado ya que, se rodean de
barrios con altas tasas de homicidio. Otros factores como la pose-
sión de armas de fuego aportan significativamente a elevar la tasa
de mortalidad por homicidios (Kivisto et al., 2019). Algunos autores
como Straatman et al. (2020) demuestran que los homicidios do-
mésticos en comunidades rurales son tan frecuentes como los de
comunidades urbanas. Varios aspectos de la cultura rural pueden
contribuir a riesgos elevados de homicidio doméstico en áreas rura-
les, incluida la cultura de las armas de fuego, el aislamiento social y
geográfico, la falta de acceso a los servicios y la pobreza.
Este problema no tiene su punto de partida en el tipo de estruc-
tura económica, sino en diversas situaciones que se crean a partir
de este. Así lo afirma Bjornskov (2015), ya que enfatiza que las po-
líticas neoliberales no están asociadas con tasas más altas de homi-
cidio. Finalmente, Reyes et al. (2015), mencionan que el efecto del
incremento en el gasto en seguridad nacional se traduce en incre-
mento de homicidios. Estos son casos particulares en países donde
las instituciones y las leyes no se han establecido de manera sólida.
Considerando lo mencionado, la amplia evidencia empírica respal-
da la idea de esta investigación al analizar las tasas de homicidio y
cómo se ve afectada por la desigualdad de ingresos.
Al estudiar dicha relación y compararla entre dos regiones, Eu-
ropa y Latinoamérica, se contribuye al conocimiento. Esta contribu-
ción se hace al determinar factores particulares que afecta a cada
una bajo el modelo establecido. Estas particularidades son impor-
tantes y determinantes debido a las diferencias económicas, socia-
les y culturales que tienen. Finalmente, las variables adicionales que
se incluyen dan consistencia al análisis y ayudan a comprender la
realidad de estos países.
3 | DATOS Y METODOLOGÍA
3.1 | Datos
Los datos de esta investigación son tomados de la base del
World Development Indicator del Banco Mundial (2020), así como
también de la base KOF del Swiss Economic Institute (2020). Los
datos forman un panel comprendido desde el año 2000 al 2018. Se
consideran 190 observaciones. La selección de las variables se ba-
só en la evidencia empírica. Se toma como variable dependiente las
tasas de homicidio. La variable independiente es el coeficiente de
Gini.
Esta relación parte de la idea de que, cuando aumenta la des-
igualdad también lo hacen las actividades violentas y entre estas
están los homicidios (Campo y Herazo, 2015). Otras variables se
consideran debido a que la evidencia empírica demuestra su rela-
ción e influencia con la dependiente: desempleo, pobreza, pib per
cápita (misma que se transformó a logaritmo), gasto en seguridad,
índice de igualdad de género, índice de capital humano e índice de
libertad civil. En la Tabla 1, que se encuentra en la siguiente página,
se detallan las variables.
Se consideró a los cinco países de cada región con las tasas de
homicidios más altas. Esta selección se limita principalmente por la
disponibilidad de datos. En la Tabla 2 se muestra el listado de los
países:
Tabla 2. Países con las tasas de homicidio más altas
Latinoamérica Europa
Brasil Bélgica
El Salvador España
Honduras Hungría
México Lituania
Venezuela Ucrania
En la Tabla 3 se observa una descripción de los estadísticos
de las variables. Tales son la media, la desviación estándar, valores
mínimos y máximos y el número de observaciones. El valor de la
desviación estándar es mucho mayor para la tasa de homicidios (H).
Este comportamiento se explica debido a que los países en cuestión
varían mucho en las tasas de homicidios, sobre todo si se compara
los latinoamericanos y europeos.
El PIB per cápita presenta la menor desviación estándar. Si bien
es cierto la mayor parte de países europeos son economías grandes,
los países tomados para esta investigación tienen menores niveles.
Esto explica el hecho de que no se distancien mucho de los latino-
americanos.
79
Silva J. & Lozano E.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Tabla 1. Descripción de las variables
Variable Nombre Sigla Descripción
Dependiente Homicidios H Número de homicidios por cada cien mil habitantes
Independiente Coeficiente de Gini G Medida de la desigualdad de ingresos
Control
Desempleo D Porcentaje de personas en edad de trabajar que no cuentan con un
trabajo
Pobreza P Porcentaje de las personas que son pobres ($1.90 al día)
Pib per cápita Pib Ingreso promedio de cada habitante en un año
Gasto en seguridad Gs Porcentaje de fondos destinados a seguridad en relación al PIB
Índice de igualdad de género Ig Proporción de niñas y niños matriculados en el nivel de educación pri-
maria en escuelas públicas y privadas
Índice de capital humano Ich Índice de capital humano basado en el promedio de años de escolaridad
y una tasa de rendimiento asumida educación.
Índice de libertad civil Il Cuantificación de aspectos sobre libertad de expresión y creencias, aso-
ciativos y organizativos, derechos, estado de derecho y autonomía per-
sonal y derechos individuales.
Tabla 3. Estadísticos descriptivos
Variable Media Desv Est Mín Máx Obs
Homicidios 22,52 23,98 0,62 105,23 190
Coeficiente de Gini 40,65 10,51 24 59,5 190
Desempleo 8,27 4,32 2,53 26,09 190
Pobreza 5,13 6,59 0 28,5 190
Pib per cápita 9,13 0,98 7,38 10,76 190
Gasto en seguridad 3,53 1,73 0,91 9,91 190
Índice de igualdad de género 66,31 14,62 44,08 90,03 190
Índice de capital humano 62,26 17,68 33,04 91,16 190
Índice de libertad civil 70,37 14,16 46,21 90,80 190
3.2 | Metodología
La metodología empleada consta de dos partes. La primera par-
te se enfoca en determinar el efecto que provoca la desigualdad de
ingresos en las tasas de homicidio, tanto para los países latinoameri-
canos como europeos. Se utiliza un modelo de Mínimos Cuadrados
Generalizados (GLS) para darle mayor consistencia a las estimacio-
nes y evitar los problemas de heterocedasticidad y autocorrelación.
A continuación, la expresión algebraica:
H
i ,t
= f (G
i ,t
, Z
i ,t
) (1)
En la ecuación 1, la tasa de homicidios, H
i
t , es la variable de-
pendiente, determinada por el coeficiente de Gini, G
i
t y las varia-
bles de control, Z
i
t , más el término de error. Como se observa los
subíndices i y t denotan el país y el tiempo, respectivamente.
Como segundo punto se plantea determinar la existencia de un
efecto umbral en el modelo. Para esto se utiliza el modelo de um-
bral, mismo que fue desarrollado por Chan (1993) y posteriormente
formalizado por Hansen (1999). Este ayuda a estimar el efecto no
lineal de la variable dependiente sobre la dependiente. La elección
de esta prueba se basa en la efectividad que tiene el umbral para
determinar los cambios de los coeficientes entre regiones (Moralles
y Moreno, 2020; Miao et al., 2020). Esas regiones se identifican por
una variable de umbral que está por encima o por debajo de un valor
de umbral, en nuestro caso será el coeficiente de Gini.
Varios autores especifican que esta técnica mejora considera-
blemente las estimaciones (Nizam et al., 2020; Yi y Xiao-li, 2018).
La expresión queda de la siguiente manera:
H
t
= X
t
β + Z
t
δ
1
+ ϵ
t
si − ∞ < G
t
≤ γ (2)
H
t
= X
t
β + Z
t
δ
2
+ ϵ
t
si γ < G
t
< ∞ (3)
En las ecuaciones (2) y (3), H
t
es la variable dependiente, X
t
es
un vector de covariables que posiblemente contengan valores de
H
t
, β es un vector de parámetros invariables de la región, ϵ
t
es el
error con media 0 y varianza σ
2
, Z
t
es un vector de variables exóge-
nas con vectores de coeficientes específicos de región δ
1
y δ
2
, por
último G
t
es la variable de umbral, en este caso es el coeficiente de
Gini.
Los parámetros que son de interés son β , δ
1
y δ
1
. La región 1
se define como el subconjunto de observaciones cuyo valor de G
t
es menor que el umbral γ. De igual forma, la región 2 se define como
el subconjunto de observaciones en las que el valor de G
t
es mayor
que γ. Con estas dos ecuaciones se cumple totalmente el objetivo.
80
Análisis de las tasas de homicidio, un estudio para ........
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
4 | DISCUSIÓN DE RESULTADOS
En la Tabla 4 se observan los coeficientes de la regresión GLS.
Los resultados de las regresiones están distribuidos en tres grupos.
En el primero están las estimaciones globales con todos los países.
El segundo contiene solo a los países de Latinoamérica. En el tercero
se presentan resultados para países de Europa. De manera general
el coeficiente de Gini tiene una influencia directa con en las tasas
de homicidio, estos resultados apoyan la idea de Coccia (2017), que
menciona que las tasas de homicidio se explican por el nivel de des-
igualdad.
A medida que aumenta la desigualdad de ingresos también lo
hace las tasas de homicidio debido a que situaciones adversas indu-
cen a actividades violentas (Campo y Herazo, 2015). Esta relación es
la misma para los países europeos, pero cambia de sentido cuando
se trata de latinoamericanos. Esto sucede debido a las diferencias
que hay entre los continentes (Nadanovsky y Cunha-Cruz, 2009).
Como se demuestra con los resultados, se comprueba la veracidad
de que la desigualdad de ingresos influye en el aumento de las tasas
de homicidio.
El desempleo tiene un efecto negativo en la estimación global
y europea, mientras que el signo es positivo para los países de Lati-
noamérica. Estos resultados son diferentes a los de Romdhane et al.
(2020) y plantean la idea de factores que afectan particularmente
a cada región. Por su parte Chen et al.(2017), concuerdan con los
resultados para los países latinoamericanos, donde el aumento del
desempleo se traduce en mayores tasas de homicidio. El ingreso per
cápita causa una disminución de homicidios en Latinoamérica, para
los otros grupos no existe significancia estadística. La pobreza tiene
un afecto positivo en la tasa de homicidios en Europa, tal como lo
indican Knapp y De Fina (2005).
El gasto en seguridad ayuda a combatir el problema en Europa
debido a que un mayor control reduce esto actos violentos (Ingram
y Marchesini, 2019). Pero esto no sucede en Latinoamérica porque
las instituciones y las leyes no se han establecido de manera sólida
(Hernández y Moslares, 2015). Las variables restantes no presentan
significancia estadística en las estimaciones.
En Latinoamérica la desigualdad es muy grande y ha perdurado
por muchos años (Neidhöfer et al., 2018; Dávila y Agudelo, 2019)
siendo un serio problema. Por ejemplo, muchas economías avanza-
das han reducido la desigualdad (Magda et al., 2020), pero aún exis-
te mucho que hacer en otros países, como en los latinoamericanos
(Vacaflores, 2018; Cortés, 2013).
Esto representa una marca que le da cierta naturaleza particu-
lar a la región. Además, explica el comportamiento de ciertas varia-
bles que actúan diferente al comparar los dos grupos. La desigual-
dad de ingresos, la pobreza, el ingreso per cápita y el gasto en se-
guridad son distintos en estos países, demostrando que afectan de
manera totalmente diferente a cada región. Se rescata la idea acerca
de la existencia de factores particulares que afectan a los países de
cada región.
Tabla 4. Coeficientes de regresión GLS
GLOBAL LAT EUR
Homicidio Homicidio Homicidio
Gini 0,273** -1,024*** 0,119***
(2,38) (-2,47) (2,54)
Desempleo -0,167** 0.960*** -0.164***
(-2,18) (2,17) (-5,57)
Pobreza 0,429 0.086 0,837***
(1,54) (0,21) (2,73)
Pib -2,656 -15,811*** -0.061
(-1,53) (-3,33) (-0,15)
Gasto seguridad -0,900** 0,680 -0.813***
(-2,19) (0.63) (-5,70)
Igualdad de género 0,139 1,810 2,332
(-0,09) (1,07) (0,78)
Capital humano -0,115 -0,666 -1,371
(-0,16) (-0,91) (-0,91)
Libertad 0,005 -1,021 -1,160
(0,01) (-1,18) (-0,77)
Constant 45,810*** 201,831*** 19,047***
(2,92) (4,53) (4,79)
Observations 190 95 95
estadístico t en paréntesis *p<0.05 %, **p<0.01 %, ***p<0.001 %
En la Tabla 5 se observa que los resultados apuntan a la presen-
cia de dos umbrales en el modelo. La variable de umbral es la desigual-
dad de ingresos, determinada por el coeficiente de Gini. Esto indica
que la relación de las variables no es lineal.
La presencia del umbral indica que existe un comportamiento
antes de este, pero cambia luego. Esto se debe a que Latinoamérica
y Europa son dos regiones que difieren en muchos aspectos, que van
desde lo económico hasta lo cultural (Carranza et al., 2011).
Estas diferencias son determinantes para que la desigualdad de
ingresos actúe de manera distinta en cada una de ellas y se asocie
con otros factores.
81
Silva J. & Lozano E.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Tabla 5. Efecto umbral (bootstrap=300)
Variable umbral Efecto umbral F P-valor
Valor crítico de F
1 % 5 % 10 %
Gini
Single 12,41 0.4067 52,6580 35,3673 26,5554
Double 36,15** 0.0433 56,4160 34,7831 28,8135
En la Figura 1 se aprecia la representación gráfica del umbral.
En la parte superior está el primer umbral y en la parte inferior el
segundo. Se observa que existen dos puntos que denotan que la re-
lación entre las variables no es lineal. El primer umbral tiene un valor
de 40,60. Por su parte, el segundo intercepta a la línea en el valor de
36,15. El comportamiento de las variables antes y después del umbral
varía mucho debido a otros factores.
Como lo mencionaron Matsubayashi y Sakaiya (2020), la des-
igualdad afecta a diversos campos de la economía, entonces la pre-
sencia de estos umbrales dependerá de múltiples factores y su com-
portamiento. Con los valores de los umbrales ya se puede identificar
hasta qué punto influye la desigualdad y los posibles países que se
ubican antes y después.
Figura 1. Determinación del umbral
La Tabla 6 muestra que solo un umbral tiene significancia esta-
dística. Esto significa que la relación entre las variables no es lineal.
Se comprueba la hipótesis acerca de la existencia de una relación no
lineal entre las variables. Existen comportamientos diferentes antes
del umbral y después de este. Es decir, la desigualdad de ingresos
actúa de una manera sobre la tasa de homicidios, antes de llegar al
umbral, pero luego toma otra posición.
Este hecho se explica debido a que en las sociedades donde la
desigualdad es menor, se convive en mejor armonía y se evitan mu-
chos problemas. Schober et al. (2020), señaló que existen muchas
diferencias entre regiones. En el presente caso las diferencias están
muy marcadas, al tratar dos regiones distintas.
82
Silva J. & Lozano E.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Tabla 6. Países con las tasas de homicidio más altas
Variable umbral Umbral Valor de estimación umbral
Intervalo
Inferior Superior
Gini Th-21 40,60 38,00 41,60
La Tabla 7 muestra los resultados de los coeficientes de las re-
gresiones después del umbral. Estos valores de cada variable actúan
sobre la variable dependiente luego de la presencia del umbral. En es-
te caso, el umbral de la desigualdad se sitúa en 40,60, es decir, antes y
después de este valor las variables se comportan de manera distinta.
Únicamente la pobreza tiene significancia estadística en el mo-
delo. Esta influye de manera positiva, mientras más personas caen en
la pobreza, aumentan las tasas de homicidio. Este resultado se expli-
ca debido a que las condiciones como la pobreza inducen a las per-
sonas a conseguir recursos, sin estimar los medios para conseguirlo
(Hartwell et al., 2018; Riedel y Dirks, 2008; Monchalin et al., 2019).
Igualmente, esta variable tiene una estrecha relación con la desigual-
dad de ingresos (Ngozi et al., 2020), lo que la hace más relevante. Por
otro lado, las demás variables pierden su significancia estadística.
Si se hace una comparación entre países europeos y latinoame-
ricanos, se descubre que los latinoamericanos tienen un índice de
mayor de desigualdad de ingresos (Neidhöfer et al., 2018; Dávila y
Agudelo, 2019). Después de que una nación supera 40,60 puntos
en el índice de Gini, la pobreza es el factor determinante para que
aumenten las tasas de homicidio, este es el caso de los países lati-
noamericanos. Se nota claramente que los factores económicos son
fuertes determinantes en los asesinatos. Finalmente, estas variables
dan la pauta para la determinar ciertos patrones (Spencer et al., 2019)
particulares de cada sociedad.
Tabla 7. Coeficientes de la regresión de umbral
Homicidios
Gini < 40,60 0,377
(1,18)
Gini ≥ 40,60 1,304***
(3,94)
Desempleo -0,088
(-0,44)
Pobreza -1,169***
(-4,77)
PIB -6,656
(-0,99)
Gasto seguridad -0,108
(-0.20)
Iguldad de género -4,613
(-1,21)
Capital humano 2,190
(1,17)
Libertad 2,291
(1,22)
Constant 80,186
(1,47)
Observations 190
5 | CONCLUSIONES E IMPLICACIO-
NES DE POLÍTICA
El índice de Gini tuvo un impacto significativo en el desarrollo de
las tasas de homicidio en países latinoamericanos y europeos durante
2000 – 2018. Un aumento de este índice llevó a mayores homicidios
en Europa, pero menores en América Latina.
Cuando el valor del índice de Gini llegó a 40,60 se evidenció la
presencia de un umbral. Luego del umbral, la pobreza fue un determi-
nante para el aumento de los homicidios. La metodología empelada
fue muy oportuna para analizar la relación entre las variables y deter-
minar la influencia de las mismas en dos regiones diferentes.
Las implicaciones de política están dirigidas a los gobiernos cen-
trales de estos países, para que impulsen programas y proyectos que
reduzcan la desigualdad y la pobreza. A través de estas políticas se
podrá disminuir y controlar las tasas de homicidio.
Este análisis tuvo una limitante: no se encontraron datos dispo-
nibles para todos los países que integran las dos regiones. Futuras
investigaciones pueden recoger datos de todos los países, y ampliar
el periodo de estudio para la obtención de resultados mucho más sóli-
dos que refuercen esta investigación y la evidencia empírica existente
sobre la temática.
83
Análisis de las tasas de homicidio, un estudio para países latinoamericanos y europeos
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Referencias bibliográficas
[1] Ajide, K., & Amili, O. (2021). Income inequality, hu-
man capital and terrorism in Africa: Beyond exploratory
analytics. International Economics.
[2] Araújo, A. (2015). La desigualdad salarial de género me-
dida por regresión cuantílica: el impacto del capital hu-
mano, cultural y social. Revista Mexicana de Ciencias
Políticas y Sociales, 287 - 315.
[3] Asongu, S., Okolo-Obasi, E., & Uduji, J. (2019). Homici-
de and social media: Global empirical evidence. Techno-
logy in Society.
[4] Baten, J., & Juif, D. (2014). A story of large landowners
and math skills: Inequality and human capital formation
in long-run development, 1820–2000. Journal of Com-
parative Economics, 375 - 401.
[5] Binelli, C., Loveless, M., & Whitefield, S. (2015). What
Is Social Inequality and Why Does it Matter? Evidence
from Central and Eastern Europe. World Development,
239 - 248.
[6] Bjornskov, C. (2015). Does economic freedom really
kill? On the association between ‘Neoliberal’ policies
and homicide rates. European Journal of Political Eco-
nomy, 207 - 219.
[7] Campo, A., & Herazo , E. (2015). Asociación entre des-
igualdad y tasa de suicidio en Colombia (1994-2013).
Revista Colombiana de Psiquiatría, 28 - 32.
[8] Campo, A., Romero, K., & Herazo, E. (2020). Association
between homicide and suicide rates in Colombia, 2017.
Revista Colombiana de Psiquiatría (English ed.), 5 - 6.
[9] Carranza, J., Dueñas , X., & Carlos, G. (2011). Análisis
empírico de la relación entre la actividad económica y
la violencia homicida en Colombia. Estudios Gerencia-
les, 59 - 77.
[10] Chan, K. S. (1993) Consistency and limiting distribution
of the least squares estimator of a threshold autoregres-
sive model, Annals of Statistics, 21(1), 520–533.
[11] Chantreuil, F., Fourrey, K., Lebon, I., & Rebiére, T. (2020).
Magnitude and evolution of gender and race contribu-
tions to earnings inequality across US regions. Research
in Economics.
[12] Chen, D., Singham, T., & Poremski, D. (2019). The pre-
sence of alcohol consumption prior to homicide in Sin-
gapore. Asian Journal of Psychiatry, 80 - 85.
[13] Chen, Z., Peng, K., & Zhu, L. (2017). Social-economic
change and its impact on violence: Homicide history of
Qing China. Explorations in Economic History, 8 - 25.
[14] Chmieliauskas, S., Sigitas, L., Fomin, D., Jurolaic, E., Ja-
sulaitis, A., Stasiuniene, J., . . .& Utkus, A. (2019). Homi-
cide victims and mechanisms in Lithuania from 2004 to
2016. Journal of Forensic and Legal Medicine, 27 - 31.
[15] Coccia, M. (2017). A Theory of general causes of vio-
lent crime: Homicides, income inequality and deficien-
cies of the heat hypothesis and of the model of CLASH
. Aggression and Violent Behavior, 190 - 200.
[16] Cortés , F. (2013). Medio siglo de desigualdad en el in-
greso en México. Economía UNAM, 12 - 34.
[17] Dávila, C., & Agudelo, M. (2019). Health inequalities in
Latin America: persistent gaps in life expectancy. The
Lancet Planetary Health, 492 - 493.
[18] Deusdará, R., Szklo, M., & De Moura, A. (2020). Asso-
ciation between homicide rates and prevalence of car-
diovascular risk factors in the municipalities included in
the Study of Cardiovascular Risk Factors in Adolescents.
Public Health, 103 - 108.
[19] Ingram, M., & Marchesini , M. (2019). Political geo-
graphy of violence: Municipal politics and homicide in
Brazil. World Development.
[20] Hai, R., & Heckman, J. (2017). Inequality in human ca-
pital and endogenous credit constraints. Review of Eco-
nomic Dynamics, 4 - 36.
[21] Hannon , L., Knapp, P., & DeFina, R. (2005). Racial simi-
larity in the relationship between poverty and homici-
de rates: Comparing retransformed coefficients. Social
Science Research, 893 - 914.
[22] Hansen, B. E. (1999). Threshold effects in non-dynamic
panels: Estimation, testing, and inference. Journal of
Econometrics, 93(2), 345-368.
[23] Hartwell, S., Allison, J., Jones, B., Rodrigues, R., Chery,
C., Andrews, J., & Fulwiler, C. (2018). Feasibility and
Acceptability of Mindfulness for Survivors of Homicide
and Their Providers. EXPLORE, 66 - 75.
[24] Hessel, P., Sayer, P., & Riumallo, C. (2020). Educational
inequalities in disability linked to social security covera-
ge among older individuals in five Latin American coun-
tries. Social Science Medicine.
[25] Hook, S., Naseem, N., Theng, W., & Trinugroho, I. (2020).
Can innovation improve income inequality? Evidence
from panel data. Economic Systems.
84
Análisis de las tasas de homicidio, un estudio para países latinoamericanos y europeos
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
[26] Klasen, S. (2020). From ‘MeToo’ to Boko Haram: A sur-
vey of levels and trends of gender inequality in the
world. World Development.
[27] Kivisto, A., Magee, L., Phalen, P., & Ray, B. (2019). Fi-
rearm Ownership and Domestic Versus Nondomestic
Homicide in the U.S. American Journal of Preventive
Medicine, 311 - 320.
[28] König, D., Swoboda, P., Cramer, R., Krall, C., Postuvan,
V., & Kapusta, N. (2018). Austrian firearm legislation and
its effects on suicide and homicide mortality: A natural
quasi-experiment amidst the global economic crisis. Eu-
ropean Psychiatry, 104 - 112.
[29] Leibbrand, C., Hill, H., Rowhani-Rahbar, A., & Rivara, F.
(2020). Invisible wounds: Community exposure to gun
homicides and adolescents’ mental health and behavio-
ral outcomes. SSM - Population Health.
[30] Magda, I., Gromadzki, J., & Moriconi, S. (2020). Firms
and wage inequality in Central and Eastern Europe. Jour-
nal of Comparative Economics.
[31] Matsubayashi, T., & Sakaiya, S. (2020). Income inequa-
lity and income bias in voter turnout. European Journal
of Political Economy.
[32] Menezes, T., Silveira-Neto, R., Monteiro, C., & Ratton, J.
(2013). Spatial correlation between homicide rates and
inequality: Evidence from urban neighborhoods. Econo-
mics Letters, 97 - 99.
[33] Miao, K., Su, L., & Wang, W. (2020). Panel threshold re-
gressions with latent group structures. Journal of Eco-
nometrics, 451 - 481.
[34] Monchalin, L., Marques, O., Reasons, C., & Arora, P.
(2019). Homicide and Indigenous peoples in North Ame-
rica: A structural analysis. Aggression and Violent Beha-
vior, 212 - 218.
[35] Moralles, H., & Moreno, R. (2020). FDI productivity spi-
llovers and absorptive capacity in Brazilian firms: A th-
reshold regression analysis. International Review of Eco-
nomics Finance, 257 - 272.
[36] Musterd, S., & Ostendorf, W. (2012). Inequalities in Eu-
ropean Cities. International Encyclopedia of Housing
and Home, 49 - 55.
[37] Nadanovsky, P., & Chunha-Cruz, J. (2009). The relati-
ve contribution of income inequality and imprisonment
to the variation in homicide rates among Developed
(OECD), South and Central American countries. Social
Science & Medicine, 1343 - 1350.
[38] Neidhöfer, G., Serrano, J., & Gasparini, L. (2018). Educa-
tional inequality and intergenerational mobility in Latin
America: A new database. Journal of Development Eco-
nomics, 329 - 349.
[39] Ngozi, B., Gershon, O., Ogundipe, A., Owolabi, O., Ogun-
rinola, I., & Adediran, O. (2020). Comparative investiga-
tion of the growth-poverty-inequality trilemma in Sub-
Saharan Africa and Latin American and Caribbean Coun-
tries. Heliyon.
[40] Nizam, R., Karim, Z., Sarmidi, T., & Rahman, A. (2020). Fi-
nancial inclusion and firm growth in asean-5 countries:
a new evidence using threshold regression. Finance Re-
search Letters.
[41] Papi, L., Gori, F., & Spinetti, I. (2020). Homicide by stab-
bing committed with a "Fantasy Knife". Forensic Science
International: Reports.
[42] Parker, K., Mancik, A., & Stansfield, R. (2017). American
crime drops: Investigating the breaks, dips and drops in
temporal homicide. Social Science Research, 154 - 170.
[43] Reyes, G., Hernández, P., & Moslares, C. (2015). Gastos
en seguridad y homicidios: los costos de la guerra contra
el crimen organizado (2006-2012). Revista Mexicana de
Opinión Pública, 92 - 111.
[44] Riedel, M., & Dirks, D. (2008). Homicidio. Enciclopedia
de violencia, paz y conflicto, 943 - 958.
[45] Rogers, M., & Pridemore, W. (2013). The effect of po-
verty and social protection on national homicide rates:
Direct and moderating effects. Social Science Research,
584 - 595.
[46] Romdhane, F., Skandrani, M., Dridi, A., Ridha, R., &
Cheour, M. (2020). Homicide committed by individuals
with severe mental illnesses: A comparative study be-
fore and after the Tunisian revolution of January 14th,
2011. International Journal of Law and Psychiatry.
[47] Rouchy, E., Germanaud, E., Garcia, M., & Michel, G.
(2020). Characteristics of homicide-suicide offenders: A
systematic review. Aggression and Violent Behavior.
[48] Seven, Ü. (2021). Finance, talent and income inequality:
Cross- country evidence. Borsa Istanbul Review.
[49] Schober, D., Hunt, B., Benjamins, M., Saiyed, N., Silva,
A., De Maio, F., & Homan, S. (2020). Homicide Mortality
Inequities in the 30 Biggest Cities in the U.S. American
Journal of Preventive Medicine.
85
DOI: 10.54753/rve.v10i1.1294
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
[50] Spencer, C., Stith, S., & Mendez , M. (2019). The role of
income inequality on factors associated with male phy-
sical Intimate Partner Violence perpetration: A meta-
analysis. Aggression and Violent Behavior, 116 - 123.
[51] Straatman, A., Doherty, D., & Banman, V. (2020). 3 - Do-
mestic homicides in rural communities: challenges in ac-
cessing resources. Preventing Domestic Homicides, 39
- 61.
[52] Vacaflores, D. (2018). Are remittances helping lower po-
verty and inequality levels in Latin America? Finance,
254 - 265.
[53] Wang, F.,& Arnold, M. (2008). Localized income inequa-
lity, concentrated disadvantage and homicide. Applied
Geography, 259 - 270.
[54] Wilkins, N., Zhang Xinjian, Mack, K., Clapperton, A.,
Macpherson, A., Sleet , D., & McClure, R. (2019). Socie-
tal determinants of violent death: The extent to which
social, economic, and structural characteristics explain
differences in violence across Australia, Canada, and the
United States. SSM - Population Health.
[55] Yapp, E., & Pickett, K. (2019). Greater income inequality
is associated with higher rates of intimate partner vio-
lence in Latin America. Public Health, 87 - 89.
[56] Yi , S.,& Xiao-li, A. (2018). Application of threshold re-
gression analysis to study the impact of regional tech-
nological innovation level on sustainable development.
Renewable and Sustainable Energy Reviews, 27 - 32.
[57] Zhang, J. (2005). Income ranking and convergence with
physical and human capital and income inequality. Jour-
nal of Economic Dynamics and Control, 547 - 566.
86
