Violencia en México: Un análisis sobre su efecto en el ingreso y patrones de consume de los hogaresSandra Aguilar – Diciembre 2014

1

Disminución constante en los niveles de violencia e incidencia delictiva en Méxicohasta 2006. Los homicidios dolosos disminuyeron entre 2000 y 2006 a una tasa anualpromedio del 5%.

A partir de 2006, los homicidios dolosos crecieron a una tasa anual de 13%.

2

Motivación

Averiguaciones Previas por Homicidio Doloso en México2000-2012

Fuente: Elaboración propia con datos del Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública (SESNSP)

307

629

650

3

Contexto

Gráfica 2. Denuncias por Extorsión y Robo Violento en México2000-2012

Fuente: Elaboración propia con datos del Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública (SESNSP)

4

Principales efectos a explorar

a) Caída en el ingreso de los hogares.

Cayeros et al (2012), Calderón et al (2010). Calderón et al. (2010)encuentran que un incremento de 10 homicidios por cada 100,000habitantes genera una disminución de 11% en el ingreso laboral.

b) Sustitución hacia categorías de consumo menos visible.

Mejía y Restrepo (2011): Modelan un juego de señalización en el quelos individuos derivan utilidad de la ostentación.

2 audiencias: la que concede el estatus social y la criminal. Esto generaun trade-off entre la utilidad de ostentar y el peligro de victimización

2 tipos de bienes: conspicuos y no conspicuos

2 efectos del crimen en el consumo

• Probabilidad de robo actúa como un incremento en el precio relativo dealgunos bienes conspicuos

• Los hogares buscan señalizar una menor riqueza para protegerse de otrosdelitos consumen menos bienes de ostentación.

5

Datos: Fuentes y Estadística Descriptiva

Los datos de consumo e ingreso, asícomo las variables sociodemográficas por hogar provienende la Encuesta Nacional deIngresos y Gastos del Hogar(ENIGH), 2000-2012.

Se utilizan los homicidios dehombres entre 15 y 39 años, cuyosdatos se obtienen a partir de losregistros del Sistema Nacional deInformación en Salud (SINAIS)como proxy de la violenciarelacionada al crimen organizado.

Cuadro 1. Estadística Descriptiva de las Variables de Interés

Variable Media

Desv.

Estándar

Ingreso corriente

$32,877.27 (41964.49)

Ingreso Laboral

$21,154.77 (30231.48)

Gasto Corriente

Monetario

$28,330.24 (31779.59)

Consumo Conspicuo

$36,08.631 (9990.439)

Consumo conspicuo (como % del consumo)

8.80% (0.105927)

Consumo fuera del hogar

$1,962.118 (4099.025)

Consumo fuera del hogar

(como % del consumo) 9.90% (0.1178101)

Fuente: ENIGH 2006

Nota: Gasto trimestral promedio de 2006 deflactado a valores

de 2010

6

Datos: Construcción del Pseudo-Panel

La técnica de pseudo-panel fue iniciada por Deaton (1985) y ha sidoutilizada como técnica para utilizar fuentes de datos de cortetransversal repetido para hacer análisis que requiere un seguimientode los individuos o unidades a través del tiempo.

En especial, esta técnica es relevante para regiones como AméricaLatina, donde sólo recientemente se han comenzado a generar basesde datos tipo panel, las cuales suelen cubrir un periodo corto detiempo

Consiste en argupar a los individuos en cohoertes ficticias conforme acaracterísticas exógenas como el año o lugar de nacimiento.

7

Definición de tratamiento: espirales de violencia en los municipios

Siguiendo el criterio de Calderón, Magaloni& Robles(2013):

𝐷𝑗𝑡 = 1, (ℎ𝑜𝑚𝑖𝑐𝑖𝑑𝑖𝑜𝑠𝑗𝑡− ℎ𝑜𝑚𝑖𝑐𝑖𝑑𝑖𝑜𝑠𝑗𝑚𝑒𝑎𝑛,𝑡) > 3 ∗ 𝑆𝐷ℎ𝑜𝑚,𝑗

0, 𝑒. 𝑜. 𝑐

En la ENIGH, se tiene información para 2,240 municipios, que para estetrabajo quedaron divididos en 218 tratados y 2022 de control.

La lógica de utilizar como variable de tratamiento las espirales deviolencia es el supuesto de que el efecto marginal de la violencia noes constante, sino que existe un umbral a partir del cual la violenciatiene un impacto severo en la actividad económica

8

Mapa 1. Municipios en México por su Pertenencia al Grupo de Control y Tratamiento

2006-2012

9

Modelo con controles sintéticos

El objetivo del MCS es generar un contrafactual lo más parecidoposible a la unidad tratada, utilizando para ello una combinaciónconvexa de los mejores controles posibles

El segundo objetivo de aplicar el MCS es controlar por factoresinobservables que cambian con el tiempo al simular la tendencia dela variable dependiente y varios predictores de interés

10

Método de Control Sintético y el costo económico de la violencia

Como me interesa el efecto distributivo de la violencia, los hogares

tratados se agruparon por deciles de ingreso : 𝑌𝑖𝑡𝐸

El siguiente paso es la estimación de un contrafactual𝑌𝑖𝑡𝑁, que

es la combinación convexa de los tipos de hogares que más seasemejen al hogar representativo de cada decil.

El resultado del problema de optimización que se resuelve enel MCS es un vector de pesos 𝑊𝑗

∗. Este vector de pesos asigna

un ponderador entre cero y uno a cada potencial control 𝑌𝑗𝑡

α𝑖𝑡 = 𝑌𝑖𝑡𝐸 −

𝑗=1

𝐽

𝑤 ∗𝑗 𝑦𝑗𝑡

11

Resultados del Modelo con Controles sintéticos

Gráfica 3.1 Ingreso corriente monetario de hogares del primer decil

(Año de tratamiento=2006)

7.8

88.2

8.4

8.6

log(i

ng

reso

)

2000 2002 2004 2006 2008 2010 2012Año

Primer decil- tratamiento Primer decil- control

Nota: Todos los datos están deflactados a pesos de 2010

𝑇0

12

-.25

-.2

-.15

-.1

-.05

0

alp

ha p

rom

edio

por

decil

-4 -3 -2 -1 0 1Tiempo relativo al tratamiento

Decil 1 Decil 4

Decil 5 Decil 6

Decil 7 Decil 8

Decil 9

Gráfica 4. Efecto de la Violencia en el Ingreso Corriente Monetario del Hogar

(deciles que presentan efecto en el primer año)

Nota: Esta gráfica muestra la brecha por año entre el grupo de tratamiento y el

grupo de control. El periodo de tratamiento comienza en el año cero.

αit= ln(ingreso del tratadoit) – ln (ingreso del control sintéticoit).

𝑇0

13

-.015

-.01

-.005

0

.005

alp

ha p

or

decil

-4 -3 -2 -1 0 1Tiempo relativo al tratamiento

Decil 1 Decil 2

Decil 3 Decil 4

Decil 5 Decil 6

Decil 7 Decil 8

Nota: Esta Gráfica muestra la brecha por año entre el grupo de tratamiento y el grupo

de control. El periodo de tratamiento comienza en el año cero.

αit= (consumo conspicuo/consumo)tratado – (consumo conspicuo/consumo)control.

Gráfica 5. Efecto de la Violencia en el Consumo Conspicuo del Hogar (deciles que presentan efecto negativo de la violencia)

𝑇0

14

Significancia estadística de los resultados: efectos placeboGráfica 6. Distribución de α 𝑗𝑡

𝑃𝐿 obtenida mediante bootstrap y estimación de

densidad no paramétrica

(Consumo conspicuo/consumo total)

0.0034 0.0086

0

10

02

00

30

0

Den

sid

ad

-.0

12

-.0

11

-.0

1

-.0

09

-.0

08

-.0

07

-.0

06

-.0

05

-.0

04

-.0

03

-.0

02

-.0

01 0

.00

1

.00

2

.00

3

.00

4

.00

5

.00

6

.00

7

.00

8

.00

9

.01

.01

1

.01

2

distribución de alpha cero

Kernel density estimate

Normal density

kernel = epanechnikov, bandwidth = 0.0002

Decil V: -1.1% Decil I: -0.38% Promedio deciles:-0.38% Intervalo de confianza de 95% de efectos placebos

Nota: El bootstrap se realizó tomando 1000 sub-muestras con reemplazo del mismo tamaño

que la muestra original de d placebos (536 observaciones). 1 αt es el cambio porcentual del consumo conspicuo como proporción del ingreso en respuesta

al tratamiento placebo

(α i0)

15

Cuadro 2. Efecto promedio por decil por año de tratamiento (cambio porcentual en el consumo conspicuo como

proporción del consumo total)

Decil

α i0 α i1

I -0.48%*** 0.31%

II -1.51%*** -0.75%***

III -1.45%*** -0.96%***

IV -1.07%*** -0.89%***

V -1.11%*** -0.43%***

VI -0.28%*** -0.80%***

VII -0.24%*** -0.80%***

VIII -1.36%*** -1.15%***

IX 1.01% -0.98%***

X 2.68% 1.36%

Promedio -0.38***% -0.51***%

Nota: Este cuadro presenta la diferencia porcentual entre el tratado y su

contrafactual, para cada decil de ingreso. Los efectos de los años 2 y 3 no se

toman en cuenta en el análisis subsecuente, pues no contienen observaciones

para todos los años. Se omite del decil 10, pues no se logra un buen ajuste

antes del tratamiento.

Los valores p se calcularon de acuerdo a la fórmula especificada en la

Ecuación (6).

*** p<0.01, ** p<0.05, * p<0.1

16

Gráfica 7. Distribución de α 𝑗𝑡𝑃𝐿

obtenida mediante bootstrap y estimación de densidad

no paramétrica (Ingreso corriente)

-0.017 0.009

02

04

06

0

Den

sid

ad

-.0

8

-.0

75

-.0

7

-.0

65

-.0

6

-.0

55

-.0

5

-.0

45

-.0

4

-.0

35

-.0

3

-.0

25

-.0

2

-.0

15

-.0

1

-.0

05 0

.00

5

.01

.01

5

.02

.02

5

.03

distribución de alpha cero

Kernel density estimate

Normal density

kernel = epanechnikov, bandwidth = 0.0010

Intervalo de confianza de 95% de efectos placebosPromedio deciles: -5.7% Decil V: -5.3%

(α i0)

Nota: El bootstrap se realizó tomando 1000 sub-muestras con reemplazo del mismo tamaño que la

muestra original de d placebos (536 observaciones).

αt es el cambio porcentual del ingreso corriente en respuesta al tratamiento placebo

17

Decil αi0 αi1

I -21.8%*** -18.7%***

II 3.3% -3.2%***

III 0.5% -8.9%***

IV -5.3%*** -4.1%***

V -5.3%*** -1.9%***

VI -2.5%*** 1.7%

VII -7.5%*** 0.2%

VIII -3.0%*** -2.5%***

IX -7.1%*** -0.6%**

Promedio -5.7%*** -4.4%***

Nota: Este cuadro presenta la diferencia porcentual entre el tratado y su contrafactual, para cada decil de

ingreso. Los efectos de los años 2 y 3 no se toman en cuenta en el análisis subsecuente, pues no

contienen observaciones para todos los años. Se omite del decil 10, pues no se logra un buen ajuste

antes del tratamiento.

Los valores p se calcularon de acuerdo a la fórmula especificada en la Ecuación (6).

*** p<0.01, ** p<0.05, * p<0.1

Cuadro 3. Efecto promedio por decil por año de tratamiento

(cambio porcentual en el ingreso corriente)

18

ConclusionesGráfica 7. Efecto ingreso: caída en el ingreso (%)

Nota: Esta Gráfica presenta visualmente los resultados de la columna 1del Cuadro 3,

donde se presentan las α i0 por decil. En la Gráfica se observa que existe una relación

cóncava entre ingreso y caída en el ingreso del hogar ante choques de violencia en el

municipio de residencia.

Se omiten los deciles 2 y 3 de la gráfica por quedar todavía dentro del intervalo de

confianza de 99% para los efectos placebos. Es decir, solamente se incluyen los

efectos estadísticamente diferentes del placebo en la gráfica.

19

Conclusiones Ingreso: Esto tiene una interpretación que apoya los resultados de trabajos que señalan que

los pobres sufren desproporcionadamente de los estragos del crimen organizado enMéxico (Cayeros et al. (2011) y Ajzenman et al. (2014))

Deciles bajos: pocos retornos, poca capacidad de protegerse

Deciles medios: retornos medios, cobertura de ciertas necesidades básicas de protección

Deciles altos: retornos altos ( desigualdad), capacidad de protección alta

Consumo: Los resultados de este trabajo sugieren un comportamiento adaptivo en loshogares afectados por un entorno violento.

se encontró una marcada sustitución preventiva por consumo “más seguro”, y esta sustitución,de acuerdo con los resultados del modelo con controles sintéticos, se da para todos los nivelessocioeconómicos.

20

Referencias Abadie, A., A. Diamond, y J. Hainmueller (2010). “Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's

Tobacco Control Program,'' Journal of the American Statistical Association, Vol. 105 No. 490. Abadie, A., y J. Gardeazabal (2003). “The Economic Costs of Conflict: A Case Study of the Basque Country'' American Economic Review, Vol. 93,

No. 1. Ajzenman, N., S. Galiani y E. Seira,(2014). "On the Distributive Costs of Drug-Related Homicides," Research Department Publications IDB-WP-

471, Inter-American Development Bank, Research Department http://www.abm.org.mx/oldsite/temas_actualidad/Indicadores%20EC%20Reporte%20Especial.pdf Astorga, L., y D. Shirk (2010). Drug trafficking organizations and counter-drug strategies in the U.S.-Mexican Context. Washington, DC: Woodrow

Wilson International Center for Scholars, Mexico Institute; 31-63. Atkinson, A., T. Piketty, y E. Saez (2011). "Top Incomes in the Long Run of History," Journal of Economic Literature, American Economic

Association, vol. 49(1), pages 3-71, March. Becker, G. (1968), “Crime and Punishment: An Economic Approach”, Journal of Political Economy, 76 (2), 169-217. BenYishay, A. y S. Pearlman (2011). "Crime and Microenterprise Growth: Evidence from Mexico," World Development, Elsevier, vol. 56(C), pages

139-152. Bourguignon, F. (Boris Pleskovic & Joseph E. Stiglitz eds. 2000). “Crime, Violence, and Inequitable Development,” in Annual World Bank

Conference on Development Economics 1999. Calderón G., B. Magaloni, y G. Robles (2013). The Economic Consequences of Drug-Trafficking Violence in Mexico. Working Paper, Poverty and

Governance, Stanford University Castillo, J., D. Mejía, y P. Restrepo (2014). "Scarcity without Leviathan: The Violent Effects of Cocaine Supply Shortages in the Mexican Drug War".

CGD Working Paper, 356. Washington, DC: Center for Global Development. Cayeros, A., B. Magaloni, A. Matanok, y Romero, V. (2012), "Living in Fear: Mapping the Social Embeddedness of Drug Gangs and Violence in

Mexico", Working Paper. Centro de Investigación para el Desarrollo A.C. (2013) “Ocho Delitos Primero: Índice Delictivo CIDAC”, Disponible en:

http://cidac.org/esp/uploads/1/Indice_Delictiv o_CIDAC_2012._8_delitos_primero_1.pdf Cullen, J. y S. Levitt (1999). “Crime, Urban Flight, And The Consequences For Cities”, Review of Economics and Statistics, Vol. 81, pp. 159.169. DeMello, J. y E. Zilberman (2008) “Does Crime Affect Economic Decisions? An Empirical Investigation of Savings in a High-Crime Environment,”

The B.E. Journal of Economic Analysis & Policy: Vol. 8: Iss. 1 (Topics), Article 52. Available at: http://www.bepress.com/bejeap/vol8/iss1/art52

21

Referencias Di Tella, R., S. Galiani, y E. Schargrodsky (2010), "Crime Distribution and Victim Behavior during a Crime Wave", in The Economics of Crime:

Lessons from Latin America, Di Tella, R., Edwards, S., and Schargrodsky, E., (eds.), National Bureau of Economic Research, 2010. Ehrlich, I. (1973). “Participation in Illegitimate Activities: A Theoretical and Empirical Investigation,” 81 J. Pol. Econ. 521 Enamorado, T., L. López-Calva, C. Rodríguez-Castelán y H. Winkler (2014). “Income Inequality and Violent Crime : Evidence from Mexico's Drug

War”. World Bank, Washington, DC. © World Bank. https://www.wdronline.worldbank.org/handle/10986/18825 Fleisher, B. (1966) “The Effect of Income on Delinquency,” Econ. Rev. 118 Grossman, H.I. (1995) “Rival Kleptocrats: The Mafia Versus the State”. In The Economics Of Organized Crime, edited by Gianluca Fiorentini and

Sam Peltzman, Chapter 6. Guerrero, E. (2010). Cómo reducir la violencia en México, Nexos, Noviembre 2010. http://www.nexos.com.mx/?p=13997 Heffetz, O. (2009). A test of conspicuous consumption: Visibility and income elasticities. Mimeo, Cornell University. Hernandez, G. (2013) “El Desarrollo Económico en México,” Estudios 106, vol. xi, otoño 2013. http://biblioteca.itam.mx/estudios/100-

110/106/000250588.pdf Imrohoroglu, A., A. Merlo y R. Peter (2000). "On the Political Economy of Income Redistribution and Crime," International Economic Review,

Department of Economics, University of Pennsylvania and Osaka University Institute of Social and Economic Research Association, vol. 41(1), p 1-25.

Kharas, H. (2010). The Emerging Middle Class in the Developing Countries. Paris: OECD Publishing. Levitt, S. (1999), “The Changing Relationship between Income and Crime Victimization”, FRBNY Economic Policy Review, 87-99. Mejía, D. y P. Restrepo (2011) "Crime and Conspicuous Consumption," Documento CEDE No. 2010-32. Disponible en:

http://www2.um.edu.uy/dtrupkin/Mejia_Restrepo_2011.pdf Olson, M. (2000). "Power and Prosperity: Outgrowing Communist and Capitalist Dictatorships", Oxford University Press Pshiva, R. y G. Suarez (2006). “Captive Markets: The Impact of Kidnappings on Corporate Investment in Colombia”, Working paper. Rios, V. (2012). Why Are Mexican Traffickers Killing Each Other? Government Coordination and Violence Deterrence in Mexico’s Drug War.

Manuscript: Harvard University Department of Government. Ríos, V. (2008). “Evaluating the economic impact of Mexico’s drug trafficking industry”,documento de trabajo, Boston, MA, Universidad de

Harvard, Departamento de Gobierno, en http://www.gov.harvard.edu/files/Rios2008_MexicanDrugMarket.pdf Stack, S. (1984). “Income Inequality and Property Crime: A Cross-National Analysis of Relative Deprivation Theory,” 22 Criminology 229.