Por Paolo Buonanno*, Leopoldo Fergusson, Juan F. Vargas
Introduciendo … la CKC
En casi todos los estados de la Unión Americana, la relación entre criminalidad e ingreso es asombrosamente clara.
Los datos muestran que, desde 1970, persiste un patrón similar a una U invertida: la criminalidad crece con el ingreso hasta que en un punto llega a un máximo y empieza a caer a pesar que el ingreso sigue creciendo.
La Figura 1 muestra el ingreso en el eje horizontal medido por el PIB per cápita (2009) y la tasa de criminalidad – por 100,000 habitantes – que agrega siete delitos que se incluyen en los reportes uniformes del FBI.
La línea sólida representa el ajuste no paramétrico de los datos, y el área en gris es la banda de confianza del 95%.
Figura 1: Tasas de criminalidad e ingreso en los Estados Unidos, 1970-2011
En un artículo reciente, documentamos por primera vez (hasta donde sabemos) la existencia de una relación no monotónica entre criminalidad e ingreso. La llamamos al “Curva del Crimen de Kuznets” (o CKC por su acrónimo en inglés) inspirados por la famosa Curva de Kuznets (KC).
En su clásico artículo de 1955, Simon Kuznets señaló una relación similar entre desigualdad e ingresos.
La CKC podría ser un simple reflejo de la KC original la desigualdad afecta el crimenñ y ya que la desigualdad aumenta cuando aumenta el ingreso, hay una relación de U invertida meramente mecánica (no sustantiva). En este escenario, la desigualdad es el culpable de la CKC
¿Lo es?
Pues resulta que este no es el caso. Una forma sencilla de ver esto es que, en nuestra muestra, no hay de hecho ninguna KC en el sentido tradicional. La Figura 2 muestra que la desigualdad se ha incrementado de forma monotónica con el ingreso en todos los estados de EE.UU. desde la década de 1970
Figura 2: Desigualdad e ingresos en los EE.UU., 1970-2011 Ajuste no paramétrico (líneas continuas)e intervalos de confianza del 95% (área sombreada)
¿Qué explica, pues, la CKC? No sabemos todavía, pero es probable que la respuesta sea importante en la formulación de políticas públicas. Echemos un vistazo más de cerca a lo que no puede explicar la curva, y hablemos un poco de lo que a lo mejor sí.
¿Qué explica la CKC? Descartando a los sospechosos de siempre
La Tabla 1 muestra los resultados provenientes de la estimación de una ecuación simple con crimen como variable dependiente e ingreso como la principal variable explicatoria.
Mostramos tres niveles de agregación para la criminalidad: crimen total en las columnas 1 y 2, delitos contra la propiedad (hurto y robo de automotores) en las columnas 3 y 4, y crimen violento (homicidio, asalto, violación y robo) en las columnas 5 y 6.
Las columnas impares incluyen términos para ingresos lineales y cuadráticos (ingreso e ingreso al cuadrado) y las columnas pares incluyen también el ingreso al cubo. Aunque la inclusión de un término cuadrático es suficiente para modelar una U invertida, las funciones cuadráticas son simétricas, y esto podría imponer una restricción muy fuerte sobre los datos.
La función cúbica puede simular una parábola no simétrica, lo que parece ser el caso de varios estados (recuerden la Figura 1).
De cualquier manera, lo que importa es que si la CKC existe, deberíamos ver un coeficiente negativo en el término cuadrático para ingreso en la Tabla 1. Este es de hecho el caso en la mayoría de las columnas.
Enfocando en el Panel A, el coeficiente de crimen es positivo y el de ingreso al cuadrado negativo y significativo. Esta combinación es consistente con una relación de U invertida entre ingreso y crimen.
Las regresiones incluyen efectos fijos por estado y año. Esto quiere decir que permitimos que cada estado tenga un nivel promedio distinto de criminalidad, e igual para cada año para todos los estados.
La implicación es que nuestros resultados no están jalonados por diferencias entre estados (lo que ya sabemos mirando la Figura 1) o por tendencias generales de criminalidad a lo largo de los Estados Unidos.
Esta última observación es crucial: implica que la curva no está definida por una tendencia decreciente en la criminalidad mientras paralelamente el ingreso crece.
¿Acaso está la relación ingreso-crimen capturando algo distinto? Como dijimos, podría ser la desigualdad, que en la historia típica de KC se mueve monotónicamente con el ingreso y podría potencialmente estar explicando las tendencias que observamos.
Pero también podrían ser otras variables que se mueven con el ingreso y tienen influencia en la criminalidad, como la estructura demográfica (la fracción de hombres por grupos de edad), la densidad de la población o el nivel de empleo.
Sin embargo, además de los efectos fijos por estado y año, el Panel B de la Tabla 1incluye también todos estas variables en las regresiones.
De ser responsables por la relación crimen-ingreso, los coeficientes de los términos polinómicos deberían cambiar. Pero no lo hacen: los resultados del Panel B son muy similares a los del Panel A (tanto en términos del signo como de la magnitud de los coeficientes de los términos polínomicos).
Tabla 1: La curva Crimen Kuznets por categoría de delito
Resumiendo, creemos que estos resultados nos dejan tres mensajes.
Primero, existe una CKC robusta para crimen total y crímenes contra la propiedad.
Segundo, y como los resultados son muy similares con y sin los controles relatados típicamente en la literatura del crimen, la curve CKC no está definida por una correlación entre ingreso y esas características.
Notablemente y dado que la desigualdad está incluida en el set de controles, la comparación entre el Panel A y el Panel B implica que la curva CKC no es un mero reflejo dela curva tradicional de Kuznets (donde ingreso y desigualdad tienen ua relación de U invertida).
Finalmente y aunque la CKC está presente en varias formas de crimen violento, las últimas dos columnas de la Tabla muestran que esta relación es menos robusta que en crímenes contra la propiedad.
Esto es consistente con la idea que los crímenes contra la propiedad tienen mayor probabilidad que los crímenes violentos de depender de motivaciones económicas como en el clásico modelo económico de crimen de Becker (1968) y Ehrlich (1973).
¿Qué está detrás de estos resultados? El efecto del ingreso sobre el crimen es teóricamente ambiguo. Mencionemos sólo dos de las fuerzas contrapuestas. A medida que crece el ingreso, el costo de oportunidad de dedicar tiempo a actividades criminales baja.
Pero al mismo tiempo, los individuos ricos se vuelven objetivos más atractivos. Pero ¿Porqué debería un efecto dominar hasta un cierto nivel de ingreso, y el otro predominar cuando se pasa ese nivel? Esta es una de las preguntas clave que levanta la curva CKC.
¿Y qué? ¿Que sigue?
La curva CKC es una tendencia muy robusta de los últimos 40 años en los estados americanos. Cómo no se explica por los determinantes obvios de la criminalidad, creemos que es necesario desarrollar y testear teorías nuevas que la explique. Concluimos esta entrada sugiriendo posibles futuros caminos de investigación.
Una hipótesis es que la provisión de ciertos bienes públicos que tienen el potencial de reducir el crimen, solo crece significativamente una vez que las comunidades han logrado un nivel suficientemente alto de ingreso.
Estos bienes públicos pueden afectar al crimen directamente, como el gasto en policía o en eficiencia judicial, o indirectamente, como educación y ciertos tipos de infraestructura pública.
Un mecanismo de demanda podría crear esta relación si los hogares se enfocaran inicialmente en consumir algunos bienes “de subsistencia” básicos y solamente demandar más tarde el tipo de bienes que afectan el crimen.
Conceptualmente, mecanismos de oferta similares podrían explicar estas tendencias, si las comunidades sólo pueden proveer ciertos bienes públicos una vez que se ha logrado un cierto nivel de desarrollo.
Otras hipótesis podrían enfatizar la dirección de causalidad contraria. Por ejemplo, podría ser que en las etapas iniciales de desarrollo, las actividades que enriquecen a las sociedades se ven amenazadas por ambientes con altas tasas de criminalidad.
Quizás actividades como la extracción de recursos o desarrollo industrial intensivo en capital físico podrían sobrevivir o incluso florecer a pesar de las altas tasas de criminalidad.
Sin embargo, a medida que las actividades más productivas en la frontera tecnológica empiezan a exigir altos niveles de capital humano, podría ser especialmente importante contar con un ambiente que atraiga a los individuos más calificados dispuestos a vivir en estas comunidades.
Bajo esta hipótesis, solamente cuando las comunidades son capaces de disminuir las tasas de criminalidad, solo pueden aumentar su ingreso a partir de cierto umbral (que en nuestras estimaciones está justo por encima de un PIB per cápita anual de $20,000).
Nuestros resultados son también relevantes para la política pública ya que sugieren que el conflicto violento no se puede enfrentar solamente con las fuerzas del goteo del crecimiento económico y que se requieren tanto una policía más eficiente como estrategias de prevención.
La curva CKC debería recibir más atención tanto de los científicos sociales teóricos como de los aplicados.
Paolo Buonanno, University of Bergamo
Leopoldo Fergusson, Universidad de Los Andes, Twitter: @LeopoldoTweets
Juan F. Vargas, Universidad del Rosario, Twitter: @juanf_vargas
Leave a Reply