En este trabajo se sostiene que durante la segunda mitad de la década de 1990 se desarrolló un proceso de pérdida de valor de las credenciales educativas de los trabajadores con nivel de estudios secundario completo o mayor. Como a su vez en el período se incrementó la desigualdad salarial se sostiene que lo que se observa es un fenómeno de dos aristas: de devaluación educativa y segmentación del mercado de trabajo. Para realizar estas afirmaciones se utilizan regresiones lineales múltiples para el cálculo de premios salariales. Dado que la fuente utilizada es una muestra y el universo es pequeño se utilizan pooles de datos para ampliar la cantidad de muestra disponible y mejorar las estimaciones. Se desarrolla una metodología cuyo objetivo es poder decidir desde el punto de vista estadístico si los pooles de datos pueden ser utilizados o no en cada problema de trabajo y como trabajar con ellos, y así poder utilizar los recursos disponibles bajo el control de métodos estadísticos.
El estudio de los docentes como colectivo laboral en Argentina puede ser realizado con precisión a partir de los Censos Nacionales de Docentes. Estas fuentes de información son específicas del sector educativo y, por lo tanto, las más idóneas para la caracterización detallada de los cargos, horas, funciones, trayectorias y formación de los docentes. Sin embargo, sus principales limitaciones son la periodicidad decenal y las dificultades para comparar a los docentes con otros grupos laborales. La Encuesta Permanente de Hogares, fuente diseñada para caracterizar y monitorear la inserción laboral de la población, permite suplir las limitaciones mencionadas en el estudio de los ocupados en las actividades de enseñanza. Sin embargo, tiene ciertas características y limitaciones que resultan importantes tener en cuenta al utilizarla para estudiar el colectivo docente. Este artículo analiza la fuente en cuanto sus potencialidades para el estudio de este grupo laboral. Concluye que es consistente para el estudio de la evolución del empleo docente.
El artículo está centrado en la discusión de aspectos metodológicos de la investigación de tesis de la autora. En el campo de los estudios sobre la distribución personal del ingreso y los mercados de trabajo resulta habitual el análisis de la regresión del ingreso personal contra diversos atributos de los perceptores y sus ocupaciones. Este análisis tiene por requisito la resolución de cuestiones referidas a: la definición del modelo en que estará basado, el tratamiento que se dará a los casos sin información y los procedimientos mediante los que se evaluará y, eventualmente, corregirá la influencia de los casos extremos sobre los parámetros estimados. El artículo refiere qué decisiones fueron tomadas en la investigación a este respecto, fundamentando las razones y describiendo su impacto sobre los resultados obtenidos.
El presente artículo tiene como objetivo presentar las diferentes perspectivas y usos de los indicadores, por un lado, desde las ciencias sociales y por otro desde lo que se denominó “Movimiento de Indicadores Sociales”. En términos generales, el uso de los indicadores ha sido utilizado desde el enfoque de las ciencias sociales para medir empíricamente conceptos teóricos que permitan el abordaje empírico a los fenómenos sociales. Sin embargo, los indicadores son también utilizados desde una perspectiva más pragmática, principalmente por los organismos de estadística y organismos internacionales. A través del artículo se presentan los diferentes recorridos realizados por las perspectivas mencionadas. En la primera parte se describe la medición empírica de conceptos a través de indicadores en los principales referentes de las ciencias sociales. En la segunda parte se describe el contexto de surgimiento y el desarrollo de lo que se denominó “Movimiento de Indicadores Sociales” como otra forma de aproximación al estudio de la realidad social a través de indicadores. En la tercera se problematiza las diferencias de ambas perspectivas en cuanto a los objetivos y el método que utilizan y se presenta como conclusión la importancia de vincular ambas perspectivas.
El presente trabajo intenta explorar la creciente importancia que los estudios de opinión pública han comenzado a tener durante las últimas décadas. En este sentido, se busca brindar un aporte a la investigación dentro de una actividad que siempre ha estado más bien alejada del ámbito académico, en especial en los estudios relacionados con los procesos electorales. Asimismo, el trabajo intenta develar la notable injerencia que los medios de comunicación tienen en los procesos electorales de los últimos años, demostrándose que se trata de una tendencia que va tomando cada vez más impulso. Finalmente, se analizaran cuestiones que resultan un aporte para diagnosticar los cambios en las percepciones de la ciudadanía durante la etapa previa y posterior a una elección.
El trabajo presenta la construcción de un índice que tiene como finalidad asignar a cada hogar urbano de la República Argentina un nivel socioeconómico. Se piensa al índice como una variable latente (no observable) y se aplica el análisis de correspondencia múltiple, método exploratorio de estadística multivariada, para obtener los ponderadores (pesos) de las modalidades de las doce variables seleccionadas.
El índice se compone de variables relativas a las características de la vivienda, la condición laboral y educativa del jefe de hogar y del cónyuge. La metodología se aplica a la Encuesta Nacional de Gasto de los Hogares 2012/2013 (Instituto Nacional de Estadísticas y Censos). Una vez estimados los puntajes de la variable latente para los hogares urbanos, se establecen los quintiles socioeconómicos y se asigna a cada hogar un quintil. Finalmente, se analizan las características de cada uno de los quintiles obtenidos y se indican las fortalezas y limitaciones de la metodología.
En este artículo se analizan las orientaciones de futuro laboral y educativo de los estudiantes que a fines de 2008 cursaban el último año de estudio en las escuelas estatales de la Ciudad Autónoma de Buenos Aires. En primer lugar, se describen las orientaciones de futuro hallándose una prevalencia de proyectos educativo-laborales entre los estudiantes y una anticipación de obstáculos que resulta más pronunciada en el plano laboral que en el educativo. Luego, mediante un análisis de regresión logística multivariada, se compara la influencia relativa de distintos atributos sociales, escolares, biográficos y de la oferta educativa sobre los objetivos de tipo profesional. Entre los principales resultados se halla que las diferencias de género muestran contundencia en la priorización de un objetivo profesional. La modalidad del plan de estudios también emerge como un aspecto clave en los horizontes de futuro, observándose un hiato entre la formación bachiller-comercial y la técnica, donde prevalecen expectativas de inserción laboral directa luego del egreso. Otro hallazgo es que en el plano educativo los horizontes de profesionalización adquieren una difusión más amplia e independiente del origen social educacional, como reflejo de un contexto donde están dadas ciertas condiciones para el acceso masivo a la educación superior. Por otra parte, en el trabajo se enfatiza la importancia de considerar la complejidad del diseño muestral en la instancia de análisis de los datos. Para ello se comparan los resultados obtenidos con estimadores que consideran la complejidad de diseño muestral con otros “naive”, reflexionando acerca de las implicancias epistemológicas que esto conlleva en la puesta a prueba de hipótesis en el análisis bivariado y multivariado.
En la actualidad el delito y la punición son analizados desde diferentes enfoques, ya que además de estar en crisis son temas a los cuales se les busca encontrar respuestas y soluciones. Es sabido entre los expertos que estudian estos tópicos que dentro de las cárceles la población es mayoritariamente joven, con bajos niveles de educación y provenientes de clases socioeconómicas medias/bajas y bajas, caracterizadas, entre otras cosas, por los bajos niveles de ingreso.
Teniendo en cuenta estas características podría pensarse que la vinculación explicativa de una conducta delictiva está dada por la asociación entre la condición de pobreza de un hogar y/o de sus integrantes y las probabilidades de comisión de delitos y la reincidencia en los mismos. Sin embargo, en este documento proponemos la existencia de una relación mucho más compleja. Por lo tanto, cabe preguntarse en relación al delito y a la reincidencia en el mismo, ¿qué tan asociados están esos factores a quienes incurren nuevamente en una conducta delictiva y al nivel de violencia al momento de perpetrar un delito?, finalmente, ¿qué factores son estos?
Para responder a estas preguntas se realizó un modelo de análisis multivariado basado en una regresión logística, en el cual se incorporaron variables relacionadas con los entornos o contextos de socialización temprana de los sujetos así como la trayectoria en instituciones como los institutos de menores. Los datos utilizados pertenecen a la Encuesta a Población en Reclusión de 2013, en la cual para Argentina se aplicaron más de mil encuestas personales a presos condenados por la justicia federal y ordinaria de la Capital así como por la justicia de la Provincia de Buenos Aires. Cabe destacar, además, que este fue un estudio que abarcó un conjunto de otros cinco países de la región: Brasil, Chile, El Salvador, México y Perú.
Este artículo trata acerca del empleo de la regresión logística binaria para la construcción de un grupo de comparación útil para la evaluación de impacto de un programa social. Se basa en una experiencia de aplicación real de tal procedimiento.
En la primera parte se aborda brevemente la problemática que plantea la implementación de diseños puramente experimentales en el caso de la evaluación de políticas públicas de contenido social y la alternativa de emplear modelos cuasi experimentales con un grupo de comparación construido estadísticamente. También se ponen en consideración algunas cuestiones inherentes a los diseños con doble medición, al tiempo que se abordan las dificultades que plantea la frecuente ausencia de una línea de base en el caso de los programas sociales. Asimismo, se explicitan los requisitos que debieran cumplimentar los grupos de comparación construidos mediante modelación estadística.
La segunda parte se refiere a las características del procedimiento estadístico empleado (la regresión logística binaria) y su utilidad específica para la obtención de grupos de comparación, con las limitaciones e inconvenientes que plantea, las alternativas posibles para sortearlos y los recaudos a adoptar. Finalmente, en la última parte se exponen los resultados provenientes del ejemplo de aplicación de este procedimiento conjuntamente con la interpretación de los mismos.
El conocimiento de la superficie sembrada con cultivos extensivos es de relevancia estratégica para el país y necesita ser estimada en forma objetiva dos veces al año para las principales Provincias Argentinas. El método aquí propuesto es el de observar –con el significado literal de la palabra- una muestra de segmentos que se definen, como relativamente pequeñas áreas que toman la forma de polígonos rectangulares, sin consultar a los dueños de las tierras, a los productores ni a ninguna persona relacionada con las explotaciones que contiene el segmento.
La selección original es de puntos aleatorios dentro de estratos de uso homogéneo del suelo, que luego se los transforma en segmentos. Es obvio que gran parte de los puntos caerán en lugares que no se pueden acceder con un vehículo y para poder llevar a cabo la observación es necesario trasladar el punto hasta el camino más próximo y allí conformar el segmento. Desde el punto de vista de la teoría del muestreo se reconoce que el procedimiento de trasladar origina un sesgo el cual es un error no debido al muestreo.
La contrapartida es que el método tiene importantes ganancias, entre ellas: a) muy alta confiabilidad de los datos por provenir de observaciones “in situ” hechas por expertos, b) no hay error en la medida de las superficies por utilizar tecnología satelital, c) una vez definido el segmento el Sistema de Posicionamiento Global (GPS) permite controlar el operativo y anula el error de ubicación de los segmentos en futuros operativos, d) las muestras son altamente comparables en el tiempo, e) los resultados se obtienen en breve tiempo, en general no más de tres meses, f) reducción notable del presupuesto al no existir revisitas.
El método incorpora nuevas tecnologías, entre ellas: imágenes satelitales, Sistemas de Información Geográfica (GIS), el GPS, el uso del Índice de Vegetación de Diferencia Normalizada (NDVI), programas de procesamiento de la información y protocolos estrictos de procedimientos.
Este trabajo mide la eficiencia en la producción de las PyME industriales argentinas a partir de la productividad total de los factores, para el período 2005-2011, utilizando datos a nivel empresa, y aplicando el enfoque Análisis Envolvente de Datos (DEA por sus siglas en inglés) basado en el trabajo de Farrell (1957) y las extensiones introducidas por Charnes et al (1978) y Banker et al (1984). Se busca generar un aporte desde el punto de vista metodológico, como antecedente en lo referido a cómo puede medirse la eficiencia de las PyME industriales argentinas en base a información estadística disponible, y explorar cuáles son los factores determinantes de la misma, ya que hasta el momento hay un vacío de información en este sentido. A partir de esto, se explora la asociación de este nivel de eficiencia con factores exógenos a las empresas o internos a las mismas como potenciales determinantes del mismo. Se encuentra que las PyME localizadas en las regiones del país de mayor desarrollo relativo y concentración de la actividad económica tienen un nivel de eficiencia en promedio mayor al resto. Mientras que, sorprendentemente, no hay evidencia suficiente para suponer que el sector de actividad de pertenencia está relacionado con el nivel de eficiencia en la producción. Por otro lado, contrariamente a lo esperado, las empresas más grandes, que exportan, y que solicitan y obtienen créditos bancarios, registran en promedio menores niveles de eficiencia que el resto, aunque esto podría explicarse por el hecho de que estas firmas están más capitalizadas, lo que, al incrementar su dotación del factor de producción capital, impacta negativamente en su eficiencia técnica de producción.
En el presente artículo se exponen aspectos analíticos y metodológicos de la aplicación de diversas técnicas de análisis de datos multivariados empleadas en una investigación sobre salud sexual y reproductiva y educación sexual. Se propone la categoría de escenarios complejos como construcción analítica que permite poner en vinculación concepciones, creencias y actitudes sobre sexualidad, diversidad sexual, género y aborto en base a un relevamiento por encuestas estructuradas en mujeres y varones adolescentes escolarizados en el nivel medio de Argentina realizado durante el segundo semestre del 2012. Dicho relevamiento tuvo como propósito principal indagar y explorar las formas en que determinadas concepciones sobre la sexualidad y el género de los alumnos se vinculan con modelos de educación sexual, las temáticas priorizadas en dichos abordajes, las formas en que se establecen los vínculos con docentes y adultos, los vínculos afectivos intrageneracionales, y las instancias de subjetivación juvenil. Se aplicaron una serie de técnicas estadísticas multivariadas: análisis de componentes principales, análisis de cluster por el método de K-medias y, fundamentalmente, el análisis de correspondencias múltiples para la generación de los escenarios complejos.
La elección a Presidente en Argentina de 2011 tuvo como ganadora a la candidata por el Frente para la Victoria Cristina Kirchner con una amplia diferencia respecto al segundo. El triunfo de la candidata tiene diferentes explicaciones causales desde el punto de vista de las motivaciones del voto por parte del electorado. A través de la presente investigación se intenta identificar las variables condicionantes y jerarquizarlas. Las características socio demográficas del ciudadano no tienen la influencia de otros momentos. En cambio, variables relacionadas con la gestión, el posicionamiento de los candidatos y el vínculo entre Néstor Kirchner y su esposa adquieren mayor protagonismo como condicionantes del voto.
El triunfo de Mauricio Macri en la elección presidencial de 2015 también tiene sus explicaciones causales. Sin entrar en la profundidad de la elección de 2011, se encontraron aspectos ideológicos y vinculados al consumo como elementos motivadores del voto.
Este trabajo analiza tanto los antecedentes como las características actuales del sistema de información estadística del sistema educativo argentino. Se plantea también el camino futuro de este sistema, teniendo en cuenta los cambios tecnológicos que tuvieron lugar en nuestro país en los últimos años.
Actualmente, el sistema nacional de información educativa está basado, principalmente, en el Relevamiento Anual, operativo censal que recoge con un corte anual la información consolidada a nivel nacional sobre las principales variables del sistema educativo, exceptuando las universidades. Este sistema garantiza una información homogénea y comparable para todo el ámbito nacional.En la actualidad el sistema de información educativa enfrenta nuevos desafíos producto de un sistema educativo complejo y en constante transformación. Además, el Relevamiento Anual presenta varias limitaciones y solo permite analizar en forma parcial los nudos críticos del sistema educativo. Para paliar estas limitaciones, durante los años 2013 y 2015, se desarrolló un Sistema Integral de Información Digital Educativa —SInIDE—, basado en información nominal de los alumnos. Este nuevo sistema articula y compatibiliza los requerimientos de información de las distintas instancias de gestión en los niveles nacional y jurisdiccional y permite que las instituciones educativas desarrollen a través de este sistema sus propios procesos administrativos y pedagógicos. Su potencialidad radica en la posibilidad de acelerar todos los procesos y de recoger datos adicionales para diagnosticar el funcionamiento del sistema educativo y las trayectorias educativas de los alumnos, tanto a nivel de los establecimientos como a nivel provincial o nacional. Además, permite la construcción de nuevos indicadores para evaluar la situación del sistema educativo en todo el país, fortaleciendo las políticas que se llevan a cabo en el marco de la Ley de Educación Nacional.
Este trabajo muestra los resultados mediante la aplicación de un instrumento de recolección de datos reticulares para un estudio de línea de base y evaluación de políticas públicas en entornos rurales, a fin de describir, medir y comparar las formas de las asociaciones entre los agentes involucrados de dos cooperativas.
Los objetivos de la ponencia radican en describir y caracterizar las redes de asociaciones de pequeños productores rurales en un contexto social delimitado, y evaluar la viabilidad de complementar los análisis estadísticos cuantitativos tradicionales con la metodología del análisis de redes sociocéntricas, para focalizar las formas de intervención y detectar asociaciones latentes y potenciales.
Los resultados obtenidos al aplicar este instrumento en dos agrupaciones de pequeños productores rurales del Noroeste argentino, beneficiarios de un programa social en el año 2014, muestran dos grafos multiplexados diferenciados. Mientras que en la primera red la forma de las asociaciones para movilizar recursos estratégicos se encuentra restringida por la autoridad de los referentes de la organización, en la segunda se observa una distribución más equitativa y menos autoritaria de los vínculos, así como una intermediación menos centralizada.
Se concluye que esta metodología ha sido adecuada para describir las fuerza, dirección y circulación de las relaciones entre los nodos de las agrupaciones relevadas, así como la existencia de asociaciones potenciales que no sean efectivizado. De esta forma la toma de decisiones se ve beneficiada al disponer de información específica, que permite detectar la necesidad de fortalecer vínculos, así como la posibilidad de identificar nodos y subgrupos que centralizan la intermediación y los recursos o que pueden desarrollar una mejor circulación de los mismos a causa de sus posiciones estratégicas en las redes.
El artículo presenta una metodología para la reconstrucción de las series del Nomenclador de Condición Socio-Ocupacional y el esquema de clases de Torrado a lo largo del período 1980-2001, durante el cual los cambios en los sistemas clasificatorios de las variables involucradas en su construcción presentaron importantes cambios. Se utilizaron los datos secundarios del estudio “Estructura Social Argentina” del Consejo Federal de Inversiones para el censo de 1980 y los datos publicados por el Instituto Nacional de Estadística y Censos de los censos de población de 1991 y 2001, para el Total del País.
La investigación aborda tanto las cuestiones metodológicas enfrentadas a la realidad de la oferta estadística en Argentina así como también aspectos teóricos sobre la temática de la estructura social. Se realiza un detallado análisis de las fuentes existentes que permiten la construcción de series lo más homogéneas posibles en términos metodológicos con el objetivo de que muestren los cambios de la estructura social entre fines de los cuarenta y la actualidad. Se analizan también los resultados alcanzados. En lo que hace a este aspecto, sin embargo, la profundidad de la indagación es menor.
El aporte permite continuar y armonizar, con las dificultades y advertencias metodológicas que implica, los trabajos de Germani (1955) y Torrado (1992) y el análisis de la estructura social Argentina según datos secundarios cuantitativos.
Palabras clave: Condición Socio-Ocupacional; clases sociales; censos de población; estructura social argentina; mercado de trabajo; ocupación; empleo.
Los sistemas penitenciarios Bonaerense y Federal son los más importantes de la República Argentina. En la actualidad, dentro de los mismos se encuentran alrededor de 38.000 presos (procesados o condenados), que representan al 60% del total de los 63.000 presos existentes en la Argentina. El presente trabajo analiza en profundidad algunas relaciones entre ciertas características de socialización de las personas condenadas y algunos aspectos importantes de la conducta delictiva. La base empírica del análisis está basada en una muestra probabilística de 1.033 casos seleccionados aleatoriamente a partir del sorteo de las unidades penitenciarias en una primera etapa y luego con el sorteo de los internos alojados dentro de las mismas.
Es sabido entre los expertos que estudian temas de criminología que dentro de las cárceles la población es mayoritariamente joven, con bajos niveles de educación y provenientes de clases socioeconómicas medias/bajas y bajas, caracterizadas, entre otras cosas, por los bajos niveles de ingreso que percibe.
Teniendo en cuenta estas características se podría pensar que la vinculación explicativa de la conducta delictiva estaría dada por la asociación entre la condición de pobreza de un hogar y/o de sus integrantes y las probabilidades de comisión de delitos. Sin embargo, este trabajo propone una relación mucho más compleja, donde las condiciones materiales básicas, si bien son un punto de partida para mejorar las condiciones de vida de la población en general y para reducir el delito, necesitan de otros factores complementarios que tendrían mucha incidencia para explicar por qué una persona puede tener más o menos probabilidades de incurrir en una conducta delictiva.
En este sentido, prestando atención a otros elementos como los contextos de socialización temprana, la trayectoria en instituciones de rehabilitación –como los institutos de menores-, el hecho de tener padres que hayan pasado por la experiencia carcelaria; cabe preguntarse en relación a la reincidencia en el delito ¿qué tan asociados están esos factores a quienes incurren nuevamente en una conducta delictiva y al nivel de violencia al momento de perpetrar un delito?, finalmente, ¿qué factores son estos? y ¿en qué orden de importancia se manifiestan?
En este punto, es importante destacar que el presente estudio no ofrece una explicación acabada del impacto sobre la tasa de reincidencia total, ya que debido a la naturaleza de la fuente de los datos (encuestas a población carcelaria) únicamente es posible realizar estimaciones en torno a la población de reincidentes, comparando por la población de no reincidentes hasta el momento, lo que no implica que jamás vayan a serlo. Sin embargo, los datos son ilustrativos de las características de la población reincidente y permiten establecer vinculaciones entre los factores asociados a ella.
Finalmente, cabe señalar que este trabajo tuvo como meta la elaboración de algunas respuestas para estos interrogantes, de modo de elucidar una parte de la complejidad que representa la acción humana y, de este modo, contribuir a diagnósticos más completos sobre qué dimensiones se pone en juego detrás de la acción delictiva.
Para elaborar una posible respuesta a este conjunto de interrogantes se llevó a cabo un modelo de regresión logística, en el cual se incorporaron variables relacionadas con los entornos o contextos de socialización temprana y la trayectoria en instituciones como los institutos de menores. Dichas variables se incorporaron como elementos independientes. Los datos utilizados pertenecen a la Encuesta a Población en Reclusión de 2013, en el cual para Argentina se aplicaron más de mil encuestas personales a presos condenados por la justicia federal y ordinaria de la Capital así como por la justicia de la Provincia de Buenos Aires.
La regresión logística se desarrolló utilizando el modelo por pasos (FowardWald), lo que permitió observar el comportamiento de las distintas variables durante el proceso.
Inicialmente se incorporaron numerosas variables al modelo:
• Edad en años cumplidos
• Nivel de violencia en el hogar cuando era niño/adolescente
• Entorno delictivo (si tuvieron familiares cercanos presos)
• Relación del entorno familiar con drogas y alcohol
• Nivel Educativo Alcanzado del entrevistado (NEA)
• Trayectoria en institutos de menores
• Familiaridad con armas (haber tenido/usado armas de fuego)
• Entorno barrial (bandas en el barrio, peleas en el barrio, accionar de los vecinos, accionar de la policía)
La variable dependiente en el modelo fue “si había reincidido en el delito” (Si/No)
Luego de una iteración de cuatro pasos, el modelo quedó ajustado con las siguientes variables:
Variable Dependiente
Dentro de los estudios sobre el delito se han analizado en varios países las relaciones entre ciertas características del entorno social y las conductas delictivas, arribándose a conclusiones importantes sobre la influencia de los entornos sociales delictivos (con padres, familiares y amigos presos) en las conductas de los sujetos que viven dentro de dichos entornos. (Rosenberg, 2009, pp. 18-19; Oliver Robertson, 2007, 2012)
Siguiendo esta línea conceptual, en este trabajo se ha llevado adelante un análisis de los contextos de socialización temprana de los presos condenados para observar posibles relaciones de influencia en el ciclo de la delincuencia. Si bien el estudio carece de un grupo de control para tener un mejor escenario para la elaboración de hipótesis, el ser una población tan homogénea robustece las diferencias encontradas.
Complementariamente, no debe pensarse que los contextos de socialización se originan aisladamente, o sea, en forma endógena dentro del hogar sin conexiones claras con el contexto social más amplio. Por el contrario, todas estas variables se relacionan y funcionan concomitantemente en espacios geográficos que permiten su reproducción y potenciamiento. Por estos motivos, también se incorporaron numerosas variables, tanto relacionadas con el propio entorno familiar de los presos como con los barrios donde ellos vivían.
Antes de pasar a los resultados del modelo multivariado conviene aclarar algunas cuestiones relativas a las características de la población analizada. En primer lugar, como se mencionó anteriormente, se trata de una población altamente homogénea puesto que todos son presos condenados, lo que supone un igualamiento a priori en algunos atributos que permiten de mejor manera apreciar la robustez de la influencia de las variables independientes. Por ejemplo, si las mismas relaciones respecto a la influencia del contexto de socialización se hicieran tomando a la población general, las diferencias significativas se apreciarían con mayor facilidad. Es decir, estamos tratando de discriminar propiedades dentro de un conjunto que se presenta con un grado de homogeneidad elevado.
En segundo lugar, además de su condición de presos condenados y, quizás por dicha condición, esta población es muy homogénea también en cuanto a la extracción socioeconómica a la que pertenece así como a su inserción dentro de la estructura socio-productiva. Por lo tanto, la dimensión económica está fuertemente controlada por esta homogeneidad de la propia población analizada.
Por ejemplo, la población de condenados observada en este trabajo muestra que casi la totalidad ha trabajado alguna vez en su vida (92%), asimismo, muchas de estas personas (70%) continuaba trabajando hasta seis meses antes de ser detenido por el delito cometido. La mayoría tenía un trabajo de baja calificación, contando más de un 30% de ellos con ingresos iguales o menores a la línea de pobreza. Del mismo modo, más de dos tercios tenían una antigüedad de menos de un año en dicho trabajo, lo que evidencia una relación laboral relativamente nueva y bastante cambiante, ya que una proporción superior al 25% declaró a estos trabajos como inestables.
Lo primero que conviene revisar es la fortaleza de las relaciones que se analizarán en el modelo multivariado, ya que una premisa para avanzar en este tipo de análisis más complejo es que las relaciones originales presenten asociación entre las variables.
Gráfico 1. Recibió condena anteriormente según entorno delictivo, familiaridad con las armas, nivel educativo y familiaridad con las drogas
El gráfico N° 1 muestra la relación bivariada entre la reincidencia de los presos condenados (observando si habían pasado anteriormente por la cárcel) con algunas variables independientes. Como se puede observar, en todos los casos se evidencian diferencias porcentuales importantes, especialmente en cuanto a haber crecido dentro de un entorno delictivo y en la familiaridad con las armas en el hogar donde se socializaron.
De esta forma, el 61% de los que crecieron dentro de un entorno delictivo observaron una conducta de reincidencia en el delito, mientras que estos valores se reducen al 25% entre aquellos que no crecieron dentro de este tipo de entornos, evidenciándose una diferencia porcentual de 36 puntos, lo que podría significar una asociación entre las variables.
En el caso de la incidencia de la familiaridad en el uso de armas, se observa que el 59% de aquellos que tuvieron o utilizaron armas de fuego han tenido una conducta reincidente, mientras esta proporción disminuye al 25% entre aquellos que no las tuvieron o usaron. Diferencia de 34 puntos porcentuales.
Complementariamente, se le han aplicado a estas relaciones la prueba de Chi2 para comprobar la asociación así como los coeficientes Phi y V de Cramer para revisar la fortaleza de las mismas. Respecto a la prueba de Chi2 los resultados arrojaron valores de 108,46 para entorno delictivo y 81,38 para familiaridad con las armas con significaciones tendientes a cero, lo que implicaría intervalos de confianza superiores al 99% para ambas variables. En cuanto a la aplicación de los coeficientes:
Se evidencia que los valores reflejan un nivel de fortaleza aceptable para la asociación de estos fenómenos, con un nivel de significación tendiente a cero.
Por lo tanto, en las relaciones bivariadas se comprueba la asociación entre el entorno delictivo, la familiaridad con la tenencia y/o uso de armas y la conducta de reincidencia en el delito. De todos modos, esta asociación es una condición necesaria pero no suficiente para pensar en una aproximación explicativa sobre la reincidencia delictiva. Para ello es necesario involucrar otro conjunto de atributos y comprobar qué pasa con la influencia de estos aspectos bajo estas nuevas circunstancias.
Para avanzar en la características de la reincidencia de los presos condenados, se desarrolló un procedimiento para ajustar un Modelo de Regresión Logística Binaria (RL) que vincula la prevalencia en reincidencia en el delito (reincidente – no reincidente) de la población bajo estudio con el conjunto total de las variables independientes identificadas anteriormente. La idea inicial estuvo puesta en identificar, en primer lugar, cuáles de todas estas variables tenían un aporte teórico significativo dentro del modelo y cuáles no.
Para ello se introdujeron ocho variables independientes que se suponían relevantes para la explicación de la probabilidad de presentar una situación de reincidencia o no. Luego, el modelo fue ajustando en cuatro pasos la resolución teniendo en cuenta sólo cuatro variables:
Como se puede observar hay diferentes indicadores, algunos relacionados directamente con algunas características del hogar de los presos condenados cuando eran niños (entorno delictivo, consumo habitual de drogas dentro del hogar) y otras referidas a ciertas características y/o conductas subjetivas como el nivel educativo de las personas y si ha tenido o utilizado armas de fuego.
Inicialmente, se observa que el puntaje Wald (condición para ingresar dentro del modelo) presenta sus valores más elevados para el entorno delictivo y la familiaridad con el uso de armas.
Para el desarrollo del modelo se eligió el método por pasos hacia adelante (foward wald). En dicho procedimiento se van ingresando y eliminando variables en cada uno de los pasos hasta llegar a lo que sería una solución óptima en función de la iteraciones realizadas. Esta técnica de selección de variables es realizada en función del set inicial de atributos incluidos. De este modo, se partió de un modelo inicial, en el que se incluyeron las variables mencionadas anteriormente, que se consideraba que podían incidir y luego, en función de los pasos recorridos, se evalúa estadísticamente cuáles son las variables que menos participan en el modelo y se procede a la eliminación de las mismas. A partir de esta primera selección, se vuelve a aplicar la misma técnica, esta vez solo con las variables que sí inciden estadísticamente. Se hace nuevamente una selección y así sucesivamente hasta que se considera que el modelo obtenido es el que “mejor se ajusta” a las condiciones requeridas.
En este caso el modelo se ha desarrollado en cuatro pasos, siendo este último el que mejor se ajusta a la explicación de asociación con las categorías de la variable dependiente “Reincidencia en el delito”. A continuación se desarrollan los estadísticos del modelo final:
Como puede apreciarse, en cada uno de los pasos, con la introducción de un nuevo indicador, se robustece el coeficiente de Chi2, asociándose a un adecuado nivel de significación tendiente a cero. Asimismo, el coeficiente R de Nagelkerke aumenta en cada paso hasta el valor de 0,235 que podría interpretarse como que el modelo explicaría aproximadamente un 20% de la varianza de la variable dependiente. Si se toma en cuenta que dicha variable es la condición de reincidencia, que es una variable sumamente compleja, dicho valor explicativo cobra importancia.
Ahora bien, de las variables ingresadas, las que finalmente quedaron dentro del modelo que refleja estos coeficientes de explicación fueron: Entorno Delictivo, Familiaridad con el uso de armas, Nivel educativo alcanzado, Familiaridad con drogas.
Por otro lado, se utilizó el Test de Hosmer y Lemeshow para controlar el ajuste de las variables al modelo, para lo cual se plantean las siguientes hipótesis:
• Hp0: El modelo ajustado es significativo, se ajusta correctamente.
• Hp1: El modelo ajustado no es significativo, no se ajusta correctamente.
Según se observa la prueba de Hosmer and Lemeshow Test la significación es > 0,05, por lo tanto se acepta la Hp0 (nula), y se concluye que el modelo ajustado es significativo. Es decir, las variables introducidas se ajustan al modelo.
Para determinar la significación del coeficiente de regresión se utilizó el estadístico de Wald y el cociente odd (OR = Odd ratio). El estadístico de Wald sigue una distribución Chi2; en este caso para todas las variables introducidas p=< 0.001, lo cual es significativo, en las cuatro variables introducidas se rechazó Hp0 como se observó en la tabla anterior.
Además de los coeficientes se obtiene información de Exp (B), que corresponde al Odds-Ratio asociado a cada factor. El ODDS Ratio cambia cuando la i-ésima variable explicativa regresora se incrementa en una unidad,
Si:
β i > 0 significa que el ODDS RATIO se incrementa.
β i < 0 significa que el ODDS RATIO decrece.
β i = 0 significa que el factor es igual a uno, lo cual hace que ODDS RATIO no varía.
Cuando el coeficiente B de la variable es positivo se obtiene un odds ratio mayor que 1 y corresponde por tanto a un factor de riesgo o chance. Por el contrario, si B es negativo el odds ratio será menor que 1 y se trata de un factor de protección.
Según se desprende de la lectura de los resultados finales de las variables que finalmente quedaron dentro de la ecuación, la probabilidad de reincidir para cada una de ellas es de:
Finalmente, es importante aclarar que para utilizar el modelo es necesario que las variables independientes involucradas no estén correlacionadas entre ellas. Si la correlación entre dos variables es alta, entonces los resultados del modelo de regresión logística son poco confiables.
Primero, debe evitarse que en el modelo de regresión planteado pueda producirse el fenómeno de la colinealidad, porque daría lugar a soluciones inestables. Se habla de colinealidad cuando dos o más variables independientes que se introducen en el modelo de regresión están altamente correlacionadas entre sí.
Por lo tanto, a partir del análisis de las correlaciones que se presentan en la tabla siguiente, queda evidenciado que no existe colinealidad entre las variables introducidas como independientes.
A continuación, en la última tabla, se muestran los casos observados de reincidentes. En esta tabla se cruzan los valores estimados y observados de esta situación calculando el porcentaje de coincidencias; el mismo se aproxima a un 66,9%, lo que representa una buena proporción de imputación de casos en el total. Del mismo modo, cabe señalar que el modelo tiene una mejor capacidad predictiva tanto para aquellos casos que son reincidentes en el delito (83,5%) así como para aquellos que no lo son (49,5%).
Con el modelo obtenido se alcanza un porcentaje de coincidencia entre la estimación de probabilidad de reincidir en el delito y el valor observado de un 66,9%, con un buen nivel de estimación tanto para la categoría de reincidentes como para los que no lo son.
En términos generales, crecer en un hogar donde se observa cierta familiaridad (entendida como un consumo frecuente) con el alcohol y las drogas, una familiaridad con el uso de armas de fuego y, especialmente, que familiares y/o amigos hayan pasado por la cárcel, están asociados en la conformación de un esquema de socialización que tiene impacto positivo con la probabilidad de tener conductas de reincidencia delictiva.
A estos aspectos que son propios de la forma en que se estructura el hogar hay que adicionarle las características y logros educativos de los sujetos que viven en dichos hogares así como las circunstancias del entorno más amplio como el barrio donde crece y las características de los vecinos con los entabla relaciones.
En términos gráficos, para tener una mejor comprensión del proceso de relaciones, se presenta el siguiente esquema:
Con el esquema queremos significar de un modo sintético la complejidad de las relaciones que se establecen entre las variables independientes y el fenómeno a explicar: la probabilidad de reincidencia en el delito.
El aspecto que mayor fuerza explicativa tiene es la presencia del entorno delictivo en el hogar donde el sujeto vivió cuando era niño y, aunque no se establezca una causalidad directa y unívoca, la presencia de familiares y/o amigos con pasado carcelario influyen fuertemente en la probabilidad de reincidencia en el delito.
Finalmente, debe tenerse en cuenta que una variable puede tener valor predictivo aunque no sea parte del mecanismo causal que produce el fenómeno en estudio. Por lo tanto, la aplicación de este modelo se ha concentrado en estimar la contribución de los distintos factores mencionados sobre la reincidencia. Además, es recomendable tener especial precaución con los términos “relación”, “correlación” o “causalidad”. Que dos factores estén relacionados no implica de ninguna manera que uno sea causa del otro; en particular porque todas forman en su conjunto una compleja relación.
Agnew, Robert, (1992), Foundation for a general strain theory of crime and delinquency, en Criminology vol. 30, pp. 47-88.
Bergman, Marcelo; Masello, Diego; Arias, Christian, (2014), Delito, marginalidad y desempeño institucional en la Argentina: resultados de la encuesta de presos condenados, Universidad Nacional de Tres de Febrero, Buenos Aires, Argentina.
Camacho Rosales, Juan, (2001), Estadística con SPSS para Windows, Alfaomega Grupo Editor, México D.F.
García Ferrando, Manuel, (1995), Socioestadística. Introducción a la estadística en sociología, Alianza Editorial, Madrid.
Robertson, Oliver, (2012), Convictos colaterales: niños y niñas de progenitores presos, en Publicaciones sobre los refugiados y los derechos humanos, Quaker United Nations Office, Ginebra, Suiza.
Robertson, Oliver, (2007), El impacto que el encarcelamiento de un(a) progenitor(a) tiene sobre sus hijos, en Serie: Mujeres en la cárcel e hijos de madres encarceladas, Quaker United Nations Office, Ginebra, Suiza.
Rosemberg, Jennifer, (2008), La niñez también necesita de su papá: hijos e hijas de padres encarcelados, en Publicaciones sobre los refugiados y los derechos humanos, Quaker United Nations Office, Ginebra, Suiza.