Algunos experimentos naturales en la Economía del Delito Ernesto Schargrodsky Universidad Torcuato...
-
Upload
maria-luisa-luna-alarcon -
Category
Documents
-
view
216 -
download
0
Transcript of Algunos experimentos naturales en la Economía del Delito Ernesto Schargrodsky Universidad Torcuato...
Algunos experimentos naturales en la Economía
del Delito
Ernesto Schargrodsky
Universidad Torcuato Di Tella
Do Police Reduce Crime? Estimates using the Allocation of Police Forces
after a Terrorist Attack(Di Tella & Schargrodsky, AER 2004)
• ¿La policía reduce el delito? • Gran desafío para la literatura sobre
inseguridad: Problema de endogeneidad. • Metodología: Experimento natural.
Evaluación Diff-in-Diff. Potencial Displacement.
• Datos: Registros policiales y trabajo de campo.
Homicides vs. law enforcement officers in cities of more than 100.000 inhabitants in the U.S.
0
5
10
15
20
25
30
35
40
45
50
0 100 200 300 400 500 600 700
Law enforcement officers per 100.000 inhabitants
Mu
rder
an
d n
on
neg
lig
ent
man
slau
gh
ter
per
100
.000
in
hab
itan
ts
Source: FBI, Crime in the United States, 2006.
Total property crimes vs. law enforcement officers in cities of more than 100.000 inhabitants in the U.S.
0
2000
4000
6000
8000
10000
12000
14000
0 100 200 300 400 500 600 700
Law enforcement officers per 100.000 inhabitants
Tota
l p
rop
erty
cri
mes
per
100
.000
in
hab
itan
ts
Source: FBI, Crime in the United States, 2006.
El ataque terrorista proveyó un experimento natural
Figure 2 - Weekly Evolution of Car Thefts
-0.02
-0.01
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
0
0.01
0.02
0.03
Pre-Attack
Terrorist Attack - July 18 July 31
April May June July August September October November December
Week
Post-Attack
El efecto de la presencia policial sobre el robo de autos
Difference-in-Difference Cross
Section Time Series
(A) (B) (C) (D) (E)
Same-Block Police -0.07752***
(0.022) -0.08007***
(0.022) -0.08080***
(0.022) -0.07271***
(0.011) -0.05843***
(0.022) One-Block Police -0.01325
(0.013) -0.01398 (0.014)
-0.01158 (0.010)
-0.00004 (0.013)
Two-Blocks Police -0.00218 (0.012)
-0.00342 (0.009)
0.01701 (0.010)
Block Fixed Effect Yes Yes Yes No Yes Month Fixed Effect Yes Yes Yes Yes No N of observations 7884 7884 7884 4380 3816 R2 0.1983 0.1984 0.1984 0.0036 0.1891
Conscription and Crime(Galiani, Rossi & Schargrodsky, AEJ 2011)
• La mayoría de los criminales comienzan su participación en actividades ilegales como delincuentes juveniles.
• ¿El servicio militar obligatorio puede reducir la futura participación en el delito?
• Metodología: Randomización “natural”. Non-compliance.
• Datos: Archivos judiciales y de las Fuerzas Armadas.
South Africa - January 29th, 2007
France - November 17th, 2005
Argentina - March 17th, 2009
Peru - November 17th, 2009
Potenciales impactos positivos de la conscripción sobre el crimen
• El entrenamiento militar enseña obediencia y disciplina, lo cual puede reducir la futura criminalidad.
• El servicio militar puede mejorar la salud, alimentación y educación, y expandir las redes sociales mejorando las perspectivas laborales de los jóvenes de hogares carenciados.
• El servicio militar mantiene a los jóvenes fuera de las calles a una edad crucial (incapacitación)
Potenciales impactos negativos de la conscripción sobre el crimen
• El servicio militar podría afectar negativamente las perspectivas laborales de los jóvenes al retrasar su ingresoal mercado de trabajo.
• El entrenamiento en el uso de armas facilita el ingreso en actividades criminales.
• La conscripción puede constituir un ambiente violento, facilitando peer effects negativos y la formación de bandas.
Probability of Serving in the Conscription by Draft Lottery Numbers
Cohort 1958 Cohort 1959
100 200 300 400 500 600 700 800 900 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
100 200 300 400 500 600 700 800 900 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Cohort 1960 Cohort 1961
100 200 300 400 500 600 700 800 900 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
100 200 300 400 500 600 700 800 900 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Note: In order to smooth out fluctuations, we placed the 1,000 lottery numbers in 200 groups of five numbers (1 to 5 in the first one, 6 to 10 in the second one, and so on) and calculated the average within each of the groups.
100 200 300 400 500 600 700 800 900 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Cohort 1962
Figure 2. Crime rates by eligibility status for the cohorts 1958-62
1958 1959 1960 1961 1962
0.066
0.067
0.068
0.069
0.07
0.071
0.072
DraftIneligible
MalvinasWar
Dictatorial government
DraftEligible
Estimates of the impact of conscription on crime rates
Dependent Variable: Crime Rate Cohorts 1958-62 1958-62 1958-62 1958-62 1929-65 1929-55 1958-65
(1) (2) (3) (4) (5) (6) (7) Draft Eligible 0.0018 0.0018 0.0006 0.0003 0.0012
(0.0006)*** (0.0006)*** (0.0003)** (0.0004) (0.0004)*** Served in the Conscription 0.0026 0.0027
(0.0008)*** (0.0008)*** % Change 3.75 3.96 3.75 3.96 1.58 0.69 2.60 Controls No Yes No Yes No No No
Observations 5,000 5,000 5,000 5,000 34,904 26,976 7,928 Method OLS OLS 2SLS 2SLS OLS OLS OLS
Resultados Empíricos• Utilizando la lotería como experimento natural,
nuestras estimaciones indican que el servicio militar aumenta significativamente las tasas de criminalidad en aquellos individuos elegidos por alrededor del 3.9% (de 6.8% a 7.07%).
• El efecto es mayor para aquellos individuos que fueron llamados a servir a la edad de 18.
• El efecto es mayor para las clases que participaron de la guerra de Malvinas.
• El efecto también es mayor para aquellos que fueron a la Marina (2 años).
• Quienes hicieron la conscripción muestran también menores ingresos, mayor desocupación y menor participación en empleos formales.
Estimates of the impact of conscription on labor market outcomes
Participation in the Formal Job Market Cohorts 1958-62 1958-62 1958-65
(1) (2) (3) Draft Eligible -0.0015 -0.0018
(0.0014) (0.0010)* Served in the Conscription -0.0022
(0.0022) % Change -0.65 -0.65 -0.80
Unemployment Rate (4) (5) (6)
Draft Eligible 0.0005 0.0004 (0.0006) (0.0005)
Served in the Conscription 0.0008 (0.0009)
% Change 0.41 0.41 0.29 Earnings (7) (8) (9)
Draft Eligible -0.0111 -0.0176 (0.0070) (0.0055)***
Served in the Conscription -0.0169 (0.0106)
% Change -0.53 -0.53 -0.84 Observations 5,000 5,000 7,928
Method OLS 2SLS OLS
Criminal Recidivism after Prison and Electronic Monitoring
(Di Tella & Schargrodsky, JPE 2013)• ¿Las nuevas tecnologías pueden proveer alternativas
al encarcelamiento?• Exploramos la hipótesis de que las cárceles pueden
ser “criminogénicas” (“escuelas del delito”) comparando las tasas de reincidencia de liberados de cárceles vs. liberados de monitoreo electrónico.
• Metodología: Experimento natural con Instrumental Variables.
• Datos: Datos administrativos del servicio penitenciario.
• Estimamos el impacto del monitoreo electrónico sobre la tasa de recidivismo con:
donde X es un conjunto de controles, incluyendo edad, edad^2, detenciones previas, nacionalidad, tipo de crimen, año de liberación, tiempo de detención y dummies por distrito judicial.
• Una preocupación obvia es que la asignación de ME puede no ser aleatoria. Abordamos el problema de selección utilizando una estrategia de variables instrumentales.
iii ελαRecidivism ixMonitoringElectronic
Estrategia de Evaluación
• La asignación de ME o prisión es hecha por un juez. La asignación de jueces a detenidos es aleatoria y exógena a sus características.
• Existen las fuertes diferencias ideológicas entre jueces mano-dura y jueces garantistas.
• Instrumentos:1. Variable “dummies” por juez, restringiendo a jueces con más de diez
detenidos en la muestra.2. El porcentaje de detenidos enviados a ME por cada juez, excluyendo al
prisionero en consideración y restringiendo a jueces que tienen más de diez detenidos en la muestra. Este instrumento de calcula sobre la muestra completa de 24.362 detenidos.
3. Una dummy que indica si el juez ya envió previamente a otro detenido a monitoreo electrónico (excluyendo al prisionero en consideración y restringiendo a jueces que tienen más de diez detenidos en la muestra). Este instrumento de calcula sobre la muestra completa de 24.362 detenidos.
Variables Instrumentales
Resultados
Monitoreo Electrónico• Los delincuentes que participaron del programa de monitoreo
electrónico tienen una tasa de reincidencia de entre 11 y 16 puntos porcentuales menor a la de aquellos que fueron liberados de cárceles comunes.
• Entre los participantes del programa de monitoreo electrónico, las tasas de reincidencia son menores para aquéllos que pasaron una mayor proporción de su tiempo de detención en el programa.
• Los delincuentes con un prontuario criminal previo y violento deberían ser excluidos del sistema de monitoreo electrónico ya que muestran tasas de evasión y reincidencia significativamente altas.
• Nuestros resultados, combinados con la significativa reducción en los gastos públicos del sistema de monitoreo respecto al encarcelamiento, sugieren que vale la pena la futura exploración y expansión del uso de sistemas electrónicos.
Crime Economics• Los altos niveles de criminalidad son causa y
consecuencia del subdesarrollo en América Latina.• Lamentablemente, estos niveles de inseguridad no se han
visto acompañados por una mayor comprensión de los determinantes del delito, ni por una mayor eficiencia de las políticas destinadas a enfrentar el problema.
• La falta de sustento en estadísticas confiables y la ausencia de argumentos basados en estudios científicos caracterizan el debate público sobre la seguridad.
• Es necesario construir un sistema de estadísticas criminales sistemáticas y transparentes, desarrollar investigaciones rigurosas que permitan establecer relaciones de causalidad y evaluar en forma independiente las intervenciones de política pública para mejorar el debate y el diseño de las políticas de seguridad.