Fundamentos del

análisis criminal y
reducción proactiva
del delito
 Tabla de contenido
Contenido
Módulo 5: ¿Qué hacer con el análisis criminal? ............................................................................ 2

Tema 1: Monitoreo de performance ....................................................................................................... 2

1. Estadísticas criminales ................................................................................................................. 5

2. Tasas delictivas .................................................................................................................................. 9
3. Tendencias delictivas .................................................................................................................. 12
4. Porcentaje de cambio y problemas de su uso incorrecto ................................. 17
a. Proporciones y porcentajes .................................................................................................... 17

b. Porcentaje de cambio ................................................................................................................ 19

5. Medición de implementación y medición de impacto ...................................... 23

Tema 2: Grupos de tratamiento y control ....................................................................................... 26

2.1 Evaluación de impacto.............................................................................................................. 32

2.1.1 Evaluación de impacto prospectiva y retrospectiva ........................................ 34

2.1.2 Estudios de eficacia y estudios de efectividad ................................................ 35

2.1.3 Metodología general ......................................................................................................... 36

Tema 3: Medidas simples para calcular impacto ........................................................................ 41

3.1 Introducción ...................................................................................................................................... 41

3.2 Medidas simples antes-después ......................................................................................... 41
3.3 Cociente de probabilidades (Odds ratios) ................................................................... 43
3.4 Prueba de Diferencia de Desplazamiento Ponderada (Weighted
Displacement Difference test, WDD) ...........................................................................................46
Tema 4: Policiamiento focalizado en puntos o zonas calientes ...................................... 52

Referencias ........................................................................................................................................................... 60

1
 Módulo 5: ¿Qué hacer
con el análisis
criminal?

Tema 1: Monitoreo de performance

En este módulo nos adentraremos en las cuestiones relativas a la

medición de desempeño (performance), y a las evaluaciones de
implementación y de impacto; por tanto, abordaremos una
introducción a las herramientas disponibles, así como a la metodología
y a las técnicas para realizar estas tareas.

El análisis criminal es una poderosa herramienta de construcción de

conocimiento sobre la realidad criminal y se emplea para el diseño de
políticas públicas, programas, proyectos e intervenciones. Además,
apoya en el proceso de toma de decisiones en materia de seguridad y
justicia criminal, y asiste en la evaluación de la eficacia y la eficiencia de
tales decisiones. Este módulo se enfoca en estos aspectos.

Monitoreo de desempeño (performance)

El monitoreo del desempeño (performance) y la evaluación

comparativa del desempeño son medidas que se emplean para
estimular los buenos resultados de funcionamiento de un sistema,
agencia u organización. Este seguimiento del rendimiento implica

2
 procesos de medición a lo largo del tiempo, frente a un conjunto de
indicadores que se consideran claves para el proceso que se está
evaluando 1, y que se alinean con los objetivos de esa organización.

En la práctica, cualquier evaluación comparativa del desempeño es

una actividad compleja que requiere datos comparables, consistentes
y validados, y metodologías de comparación adecuadas.

Como sostiene Cano Gestoso (2004), en el lenguaje de la evaluación se

distinguen dos dimensiones básicas:

a) la eficacia o efectividad, o sea, el grado en que una persona o una

organización alcanza los objetivos que estaban marcados;

b) la eficiencia, esto es, la capacidad de lograr esos objetivos con el

mínimo costo posible. Ahora bien, cualquier evaluación (o
monitoreo) debe ser realizada en función de los objetivos
inicialmente trazados y de los medios disponibles. No es posible
ni sería justo evaluar a posteriori una institución sin que se
conozcan de antemano qué funciones o metas debe atender.

Cano Gestoso también nos recuerda con precisión que son tres los
posibles ámbitos en los que pueden recaer las evaluaciones o
monitoreos:

a) el desempeño individual de integrante de la organización,

1
Una noción útil para los interesados en explorar más sobre el tema es la de
“indicadores clave de desempeño” (Key Performance Indicators, KPI), que en el mundo
3 de la administración de negocios constituyen herramientas que permiten medir la
eficacia y la productividad de determinadas acciones, con el fin de saber si se están
cumpliendo los objetivos establecidos por la organización, y son un elemento clave para
optimizar el sistema de planificación.
 b) el impacto de un nuevo programa de trabajo, y

c) la calidad de una organización o sistema en su conjunto.

Otra de las consideraciones previas a una evaluación que el autor

(Cano Gestoso, 2004) nos recuerda es su propósito; la evaluación
puede ser desarrollada como un procedimiento rutinario de monitoreo
para sostener o mejorar el desempeño, pero también puede realizarse
para obtener evidencias en relación “a lo que funciona”. El propósito de
la evaluación es fundamental, no sólo porque ayuda a decidir las
dimensiones y los indicadores escogidos para ser medidos, sino
porque también determinará la actitud de la propia organización ante
el proceso evaluativo. Así, cuanto más importantes sean las
consecuencias prácticas de la evaluación para la organización y sus
integrantes, más probable será que ellos tiendan a influenciar las
informaciones correspondientes. Toda evaluación debe considerar que
la información recibida sea enteramente confiable y consistente,
teniendo en cuenta que el organismo fiscalizado lo es, según las
informaciones que el mismo produce 2. Lo anterior lleva a una de las
paradojas típicas en esta área: cuanto más relevante es una evaluación,
mayor es el riesgo de que los datos obtenidos sean poco fiables.

Como mencionamos en la introducción al módulo, exploraremos a

continuación algunas nociones de este tema en el contexto específico
del análisis criminal, para ello, visitaremos brevemente las estadísticas
criminales, la construcción de tasas de delitos, las nociones de
tendencias delictivas, los cálculos de porcentaje de cambio y sus
problemas de uso, los cálculos de variaciones año a la fecha y sus

2
Como hemos visto en otros módulos de este curso, la calidad de los datos es una
cuestión central.
4
 problemas asociados y, finalmente, las nociones de evaluación de
implementación y evaluación de impacto.

1. Estadísticas criminales

Las primeras estadísticas criminales fueron producidas en Francia en

1827 3 y luego en Inglaterra y Gales en 1837; si bien originalmente se
consideraba que reflejaban con precisión la incidencia criminal en una
sociedad, hoy día (al igual que con todas las estadísticas oficiales) se
interpretan con cuidado y atención (ver por ejemplo (Scott & Marshall,
2014)). Usualmente, las estadísticas criminales se basan en los delitos
registrados por las agencias policiales y judiciales, aunque en algunos
países se incluyen estudios criminológicos y muchas veces pueden ser
interpretadas a la luz de encuestas de victimización para estimar la
tasa de subregistro y no reporte.

Las estadísticas criminales son el producto de un proceso complejo. En

principio, la sociedad debe definir cuáles conductas son consideradas
delictivas; pero esta definición de actos criminales puede cambiar a lo
largo del tiempo e incluso entre diferentes jurisdicciones. Asimismo,
para ingresar en las estadísticas, un delito debe ser reportado y
registrado, pero no todo lo que ocurre se reporta, y a la vez, no todo lo
que se reporta se registra.

De hecho, hay quienes sostienen que las estadísticas criminales no son

precisamente una imagen del nivel de incidencia criminal, sino un
indicador de lo que las autoridades consideran como delitos más
importantes, aquello que las agencias policiales consideran más

3
Compte général de l'administration de la justice criminelle, creado en 1825 y
publicado por primera vez en 1827. Uno de sus volúmenes más famosos es el del año
5 1880, que recapitula los datos de medio siglo anterior.
 conveniente y lo que el sistema de administración de justicia procesa
con más eficacia.

Ahora bien, con todas sus consideraciones en cuanto a producción,

calidad y confiabilidad, las estadísticas sobre delincuencia y justicia
penal (que en términos generales definiremos como estadísticas
criminales), ayudan a los gobiernos a evaluar y monitorear las
condiciones, circunstancias y tendencias del bienestar general y el
impacto social del gasto y las políticas públicas (ONU, 2003).

Cada uno de los componentes del sistema de justicia penal crea

grandes cantidades de registros, pero solamente cuando dicha
información sin procesar se transforma a través de una recopilación y
organización deliberadas en forma estadística, tales registros brindan
información valiosa para la toma de decisiones.

De acuerdo con ONU (2003), las estadísticas criminales se utilizan en

tres áreas fuertemente interdependientes: (I) administración, (II)
planificación e investigación y (III) análisis de políticas.

I. Administración: Cualquier organización o agencia debe ser

capaz de monitorear sus propias actividades. En términos
generales, la gestión se define como el proceso de organización
de un conjunto de recursos para lograr metas y objetivos
establecidos. La gestión eficaz requiere información para
determinar si las metas y los objetivos se están logrando de
manera oportuna y ordenada, y si los recursos se están utilizando
de manera eficiente y eficaz. Cuanto más compleja sea la
organización, mayor será la necesidad de información
estadística, en particular sobre los recursos, su asignación, los
casos y el número de éstos. Las estadísticas criminales
proporcionan una medida acerca de si el personal está
cumpliendo con las expectativas mínimas y de qué forma una

6
 agencia está logrando sus metas y objetivos declarados. Dicha
información es crucial para las decisiones presupuestarias y de
personal y puede indicar a otras unidades y agencias si los
objetivos se están cumpliendo de conformidad con los
procedimientos y políticas establecidos. En algunos países, los
organismos de control general, el público y los representantes
del interés público, en particular los medios de comunicación y
los grupos de interés especial, exigen cada vez más información
sobre la eficacia y la eficiencia. Los informes estadísticos anuales
y los estudios estadísticos especiales pueden contribuir
significativamente a satisfacer estas demandas.

II. Planificación: La planificación implica la identificación de

procedimientos alternativos para lograr alguna meta futura. El
proceso de planificación implica los siguientes pasos: (a)
comprender la situación actual; (b) formular una declaración
clara del objetivo a lograr; (c) identificar enfoques alternativos
para lograr la meta y las ventajas y desventajas de cada enfoque;
(d) establecer criterios para seleccionar el mejor enfoque; (e)
implementar el enfoque planificado para lograr la meta; (f)
instalar un sistema para proporcionar información sobre si el
plan está logrando sus objetivos de manera eficiente. Cada paso
del proceso de planificación requiere información, incluidas
estadísticas. Los gestores y administradores de las
organizaciones deben anticipar las posibilidades y poner en
marcha planes basados en esas previsiones. Las técnicas de
pronóstico varían de métodos cualitativos basados en la
experiencia y conocimientos prácticos, hasta técnicas
estadísticas sofisticadas. Sin un enfoque sistemático de previsión,
los decisores deben tomar el futuro como viene y, por lo tanto,
gestionar en forma reactiva. Ahora bien, independientemente de

7
 la técnica particular, todos los métodos de pronóstico asumen
que el futuro está relacionado de alguna manera con el pasado y
el pronóstico, por lo tanto, los pronósticos sobre la criminalidad
precisan el empleo de datos estadísticos.

III. Análisis de políticas: El análisis de políticas se refiere a los

intentos de determinar los efectos de los cambios en las
políticas, leyes o procedimientos, o en el entorno, y desarrollar
estrategias a la luz de estos efectos anticipados. El análisis de
políticas puede adoptar dos formas: análisis interno, para
determinar los efectos de los cambios de políticas o
procedimientos impulsados por iniciativa propia en el
funcionamiento de una agencia; y análisis externo, para
determinar el efecto de una agencia de cambios en las políticas
y procedimientos de otra agencia o de cambios en el entorno.
Cualquier tipo de análisis puede tener lugar antes del cambio, y
a menudo se le denomina simulación de políticas, y después del
cambio, conocido como evaluación o análisis de impacto; ambos
análisis requieren datos estadísticos. La investigación y el análisis
de políticas generalmente se basan en la visión de que el crimen
es relacional, y que para comprender el delito también debe
entenderse el vínculo entre los cambios en el delito y los
cambios en las condiciones sociales que generan, es decir, si
mantienen, disminuyen o aumentan su tasa, con lo cual
configuran su forma y naturaleza. Esto implica que las
estadísticas criminales dan solo una imagen parcial del delito y
su contexto; demás, dado que se afirma que el delito es un
proceso que con frecuencia acompaña al “desarrollo”, la relación
entre el delito y el desarrollo solo puede entenderse a través de
un análisis informado de la relación entre varios delitos y varios
procesos de desarrollo en diferentes niveles. Por lo tanto, así

8
 como se necesitan otras estadísticas sociales para comprender el
delito, los sistemas de justicia penal y de seguridad pueden
desempeñar un papel importante en la evaluación del cambio
social y la formulación de políticas sociales. En este contexto, las
estadísticas criminales pueden verse como parte de un cuerpo
más amplio de estadísticas e indicadores sociales, que consisten
en datos generalizados o agregados sobre las características
centrales de la sociedad. Para entender la relación entre el
crimen y el desarrollo social, es decir, para entender el cambio
social, la construcción y evaluación de las estadísticas criminales
deben estudiarse en relación con otras áreas de las estadísticas,
tales como: (a) conocimiento (educación, innovación y otros tipos
de conocimiento); (b) cambios demográficos; (c) organización de
la sociedad; (d) cultura y cambios culturales; (e) tecnología; (f)
cambios en las estructuras políticas y jurídicas; (g) diversas
formas de diferenciación social.

Ahora que hemos destacado la importancia de las estadísticas

criminales, es momento de adentrarnos brevemente en algunas
herramientas técnicas asociadas con su empleo.

2. Tasas delictivas

Las tasas son empleadas para estandarizar algún tipo de variable con
propósitos comparativos. A diferencia de los números “en bruto”, las
tasas permiten la comparación de elementos de diferentes tamaños.

En esencia, las tasas se calculan dividiendo los números “brutos” por

un denominador comparable. Esta estandarización iguala los números
brutos al crear tasas en relación con alguna medida base. Es decir:

9
 𝑎𝑎
𝑡𝑡𝑎𝑎𝑎𝑎𝑎𝑎 = × 𝑐𝑐 (1)
𝑏𝑏

donde a := número “bruto” de “eventos” (conteos, ocurrencias, etc.)

b := base de comparación (población, viviendas, automóviles, etc.)

c := unidad de medida para escalar el resultado (10, 100, 1.000, 100.000)

Por ejemplo, para determinar si Metrópolis o Ciudad Gótica tiene un

problema más grave de sustracción automotor, un método podría ser
comparar la cantidad de vehículos sustraídos en cada ciudad en un
periodo. De acuerdo con la Asociación Nacional de Aseguradoras, en
Metrópolis se sustrajeron 15.503 autos durante el último año, mientras
que en Ciudad Gótica se robaron 20.964 en el mismo periodo. Con
base en los datos anteriores, ¿es posible sostener que Ciudad Gótica
tiene un problema más grave que Metrópolis?

Ahora bien, quizá esta comparación empleando los valores de robos y

hurtos de vehículos no sea completamente correcta, dado que una
ciudad puede tener mayor cantidad de residentes que la otra y, por lo
tanto, mayor cantidad de vehículos que la otra; consecuentemente, es
posible sustraer mayor cantidad de vehículos en ella.

Otro método de comparación podría ser crear una tasa tomando

como referencia la cantidad de autos sustraídos en relación con la
población de cada ciudad (notemos que la determinación del mejor
denominador para la construcción de la tasa – en este caso, la
población, o el parque automotor de la ciudad – es una cuestión
delicada que puede afectar los resultados (Boggs, 1965)). Por ejemplo,
si la población de Metrópolis es de 1.563.275 habitantes y la de Ciudad
Gótica es de 2.253.370, la tasa de sustracción automotor por cada
100.00 habitantes en cada una es:

10
 15.503
𝑡𝑡𝑎𝑎𝑎𝑎𝑎𝑎 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀ó𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = × 100.000 = 991,7 (2)
1.563.275

20.964
𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝐺𝐺ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = × 100.000 = 930,3 (3)
2.253.370

por lo tanto, de acuerdo con las tasas basadas en la población, en

Metrópolis se sustraen 61 autos cada 100.000 habitantes más que en
Ciudad Gótica 4.

Ahora bien, el denominador es de fundamental importancia en la

construcción de las tasas. Supongamos que ambas ciudades son
semejantes en cuanto a destinos turísticos populares, y con superficies
relativamente pequeñas. Aun así, es mayor la cantidad de turistas que
alquilan vehículos en Ciudad Gótica, mientras que los turistas de
Metrópolis tienden a emplear el excelente sistema de transporte
público de la ciudad; además, y por la misma razón, los habitantes de
Ciudad Gótica son más propensos a emplear sus vehículos personales.
Es así como, en lugar de calcular la tasa de robos de vehículos por
población, podríamos calcular la tasa por vehículo patentado en la
ciudad.

A pesar de que las tasas proveen la posibilidad de comparar entre unidades de

análisis de diferentes tamaños, es importante no perder de vista las
consideraciones con relación al numerador y al denominador cuando se les
construye e interpreta.

4
Algunos fanáticos de los comics deben estar pensando que Batman parece estar
haciendo un mejor trabajo que Superman.
11
 Para profundizar en este tema, hemos preparado un material de
lectura complementaria que se adentra en algunos problemas con el
uso de las tasas.

3. Tendencias delictivas

Hemos mencionado varias veces a lo largo de este curso que el análisis

criminal tiene como objetivo construir conocimiento sobre la realidad
criminal con la finalidad de auxiliar en su prevención; por lo tanto,
además de describir la situación actual y pasada, intentará generar
pronósticos sobre la situación futura. Ahora bien, como ha dicho el
famoso físico danés Niels Bohr, “Es difícil realizar predicciones,
especialmente sobre el futuro” .

Siguiendo a Montgomery, Jennings y Kulahci (2008) un pronóstico 5 es

una predicción sobre algún o algunos eventos futuros. En la práctica,
realizar buenos pronósticos no es tarea sencilla.

Usualmente, los problemas de pronósticos se clasifican en corto,

mediano y largo plazo. Los pronósticos en el corto plazo involucran
predicción de eventos solo a unos pocos periodos en el futuro (días,
semanas o meses); los pronósticos a mediano plazo se extienden a uno
o dos años en el futuro; mientras que los pronósticos a largo plazo
pueden extenderse por muchos años.

Los pronósticos a corto y mediano plazo se basan en identificar,

modelar y extrapolar los patrones encontrados en datos históricos, y
existen métodos estadísticos muy útiles para determinarlos. Ahora

5
Notemos que, a pesar de que suele emplearse pronóstico y predicción como
sinónimos, usamos el término técnico correcto de pronóstico cuando queremos
12 enfatizar el componente estadístico del concepto.
 bien, en la mayoría de los procesos de construcción de pronósticos se
requieren datos de series de tiempo. Una serie de tiempo es una
secuencia de observaciones orientadas en el tiempo, o una secuencia
cronológica de observaciones sobre una variable de interés.

Los pronósticos son tan importantes porque la predicción de eventos

futuros es un insumo crítico en muchas de las etapas de planificación y
en los procesos de toma de decisiones.

En la práctica, existen dos grandes tipos de técnicas de pronóstico:

1) Métodos cualitativos: muchas veces son subjetivos en

naturaleza y requieren del juicio de expertos para su realización.
Comúnmente se emplean en situaciones en las que existen
pocos o ningún dato histórico sobre el cual basar el pronóstico.
El componente central de este tipo de métodos es el juicio
subjetivo de los expertos, y una de las técnicas más conocidas es
el Método Delphi, desarrollado por la corporación RAND.

2) Métodos cuantitativos: emplean formalmente datos históricos y

un modelo de pronóstico. En términos muy generales, los tres
métodos más ampliamente utilizados son los modelos de
regresión, los modelos de suavizado y los modelos de series de
tiempo.

13
 Figura 1.
Ejemplo de serie de tiempo de delitos 6

Cuando los datos de una serie de tiempo se representan en un gráfico de

series de tiempo (ver figura 1), es posible encontrar patrones, tales como
aleatoriedad 7, tendencias, cambios de nivel, periodos o ciclos.

En el análisis de las series de tiempo podemos utilizar una aproximación

que nos permite explicar su comportamiento mediante una o varias
características denominadas componentes. Si bien no es sencillo dar una

6
Datos tomados de [Link] [Internet], fecha de
último acceso: junio 2023
14 7
Aunque técnicamente en este caso hablamos de la ausencia de un patrón.
 definición estricta de las mismas, para los propósitos de este curso,
podemos utilizar:

a) Componente de tendencia (o simplemente, tendencia):

representa su comportamiento o movimiento a largo plazo. En la
figura 2 tenemos la evolución anual de los delitos de mayor
connotación social de la República de Chile 8; también se advierten
la tendencia creciente en el periodo 2005-2011 (Trend1), y la
tendencia decreciente en el periodo 2012-2019 (Trend2).

Figura 2.
Serie de tiempo y líneas de tendencia 9

8
Datos tomados de [Link] [Internet], fecha de
último acceso: junio 2023
15 9
Datos tomados de [Link] [Internet], fecha de
último acceso: junio 2023
 Notemos que en el periodo 2005-2011 la pendiente es de 25.452, lo que
significa que, aproximadamente, cada año hubo ese incremento de
eventos con relación al año anterior.

b) Componente cíclica: refleja comportamientos recurrentes, aunque

no necesariamente periódicos, con una repetición superior a un
año. Un ejemplo son los ciclos económicos, con etapas de bonanza
y etapas de crisis.

c) Componente estacional: refleja las oscilaciones regulares en el

mismo mes de cada año.

d) Componente irregular: también se conoce como “ruido”, pues

recoge alteraciones pequeñas y sin un patrón periódico ni
tendencia reconocible.

En líneas generales, en el análisis criminal solemos desestacionalizar los

datos para luego responder en relación con la existencia de una
tendencia o no en nuestra serie de tiempo, muchas veces para responder
a una de las preguntas fundamentales de los tomadores de decisión,
¿está creciendo o disminuyendo el delito?

16
 4. Porcentaje de cambio y problemas de su uso
incorrecto 10
a. Proporciones y porcentajes

Una variable con solamente dos categorías se denomina variable

dicotómica o binaria. Con datos dicotómicos, la mejor descripción de la
“tendencia central” es la proporción. Las proporciones son la relación
entre dos o más categorías o valores.
En otras palabras, una proporción es la frecuencia relativa de una
categoría o valor. Las proporciones pueden ser consideradas como “la
media (o promedio)” de una variable dicotómica con un valor en el rango
entre 0 y 1.
Las proporciones se calculan al dividir el valor de la parte por el valor del
todo (es decir, son fracciones). Por ejemplo, ¿cuál es la proporción de
oficiales superiores a oficiales subalternos en una comisaría que cuenta
con 15 oficiales superiores y 60 oficiales subalternos? El número total de
oficiales es 75, por lo tanto:

- La proporción de oficiales superiores es de: (15/75) = 0,20

- La proporción de oficiales subalternos es de: (60/75) = 0,80

Por otro lado, si el cálculo se realizara contra la cantidad total de personal

de la comisaría, en la que trabajan 130 personas (15 oficiales superiores, 60
oficiales subalternos y 55 suboficiales), las proporciones para cada
categoría serían:

- La proporción de oficiales ayudantes: (15/130) = 0.12

- La proporción de oficiales de policía: (60/130) = 0.46
- La proporción de otros empleados: (55/130) = 0.42

10
Cálculos antes-después.

17
 Los porcentajes son similares a las proporciones. En la misma lógica que
lo anterior, el porcentaje es la “media (promedio)” de una variable
dicotómica con valores entre 0 y 100. Los porcentajes son las
proporciones multiplicadas por 100, es decir, los porcentajes se calculan
dividiendo el valor de la parte por el valor del todo y luego multiplicando
el resultado por 100.

¿Cuál es el porcentaje de varones en un grupo que tiene 47

varones y 28 mujeres?
El número total de personas es 75, por lo tanto:
- Para los varones: (47 / 75) * 100 = (0.6266666) * 100 = 62.66666 o
62.7 % de varones.

Es decir, la cantidad de varones constituye aproximadamente el 63% del

total de personas del grupo. El complemento de este valor es el
porcentaje de mujeres, que constituye aproximadamente el 37% del total
del grupo:
- Para las mujeres: (28 / 75) * 100 = (0.3733333) * 100 = 37.33333 o
37.3 % de mujeres.

Ahora bien, muchas veces puede ser útil conocer el porcentaje de

cambio entre dos períodos (por ejemplo, cuando se quiere calcular la
tendencia). O quizá se ha implementado una determinada intervención o
cambio de política o procedimiento, y los evaluadores quieren comparar
las características previas con las actuales 11.
Los porcentajes son una de tantas formas de representar una proporción
o fracción. Otras formas difundidas son partes por mil, por millón, etc.,
dependiendo de la disciplina o área de estudio que se trate. Y una
fracción es un cociente, es decir, una expresión compuesta por una
variable (el numerador) dividida por otra variable (el denominador), lo
que nos remite al mundo de las tasas.

11
Más adelante veremos los problemas asociados con el mal uso de estas herramientas.

18
 b. Porcentaje de cambio

El porcentaje de cambio se calcula haciendo primero la resta entre el

valor actual y el valor anterior, luego dividiendo el resultado por el valor
anterior y multiplicando por 100.
En forma fuertemente simplificada, supongamos que tenemos dos
periodos t0 y t1, donde t0 es anterior a t1, y ambos son “comparables”.
La definición usual del porcentaje de cambio, al medir un indicador
determinado, en cada uno de estos periodos, es:

(𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎−𝑣𝑣𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝)

× 100 = % 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 (4)
𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝

(𝑡𝑡1 −𝑡𝑡0 ) Δ𝑡𝑡

× 100 = × 100 = % 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 (5)
𝑡𝑡0 𝑡𝑡0

donde el numerador (Dt = t1-t0) representa la variación (cambio) absoluto

en el periodo; resultados positivos indican incremento, mientras que
resultados negativos indican decremento.

De esta forma, consideremos estas situaciones cuando medimos la

cantidad de eventos delictivos en dos periodos de tiempo comparables t0
y t1:

19
 Cantidad Cantidad
de eventos de eventos % de cambio Interpretación
en t0 en t1
(𝑡𝑡1 − 𝑡𝑡0 ) (0 − 10)
10 0 × 100 = × 100 = −𝟏𝟏𝟏𝟏𝟏𝟏 Disminución del 100%
𝑡𝑡0 10
(𝑡𝑡1 − 𝑡𝑡0 ) (10 − 0)
0 10 × 100 = × 100 = ∄ No se puede calcular
𝑡𝑡0 0
(𝑡𝑡1 − 𝑡𝑡0 ) (0 − 0)
0 0 × 100 = × 100 = ∄ Sin variación
𝑡𝑡0 0
(𝑡𝑡1 − 𝑡𝑡0 ) (10 − 10)
10 10 × 100 = × 100 = 𝟎𝟎 Sin variación
𝑡𝑡0 10
(𝑡𝑡1 − 𝑡𝑡0 ) (2 − 1)
1 2 × 100 = × 100 = 𝟏𝟏𝟏𝟏𝟏𝟏 Aumento del 100% 12
𝑡𝑡0 1
(𝑡𝑡1 − 𝑡𝑡0 ) (1 − 2)
2 1 × 100 = × 100 = −𝟓𝟓𝟓𝟓 Disminución del 50% 13
𝑡𝑡0 2

Esta tabla nos permite realizar las siguientes consideraciones:

1- Cualquier variable de conteo no puede reducirse más que el 100% 14,
pero puede aumentar en porcentaje cualquier valor positivo sin
tope.
2- Si el valor inicial (t0) es cero, no es posible calcular el porcentaje de
cambio 15.
3- Los porcentajes de cambio deben analizarse en conjunto con el
valor absoluto de cambio, especialmente cuando se trata con bajos
conteos.

12
Si bien el resultado es matemáticamente correcto, cuando los conteos son bajos, el %
de cambio podría no ser representativo del fenómeno en estudio. En este caso, la
20 diferencia es de 1 solo evento.
13
Si bien el resultado es matemáticamente correcto, cuando los conteos son bajos, el %
de cambio podría no ser representativo del fenómeno en estudio. En este caso, la
diferencia es de 1 solo evento.
14
Por lo tanto, cualquiera que diga que el delito se redujo más de un 100% necesita
volver a hacer las cuentas.
15
No es posible dividir por 0.
 Otro punto importante para recordar es que no es posible promediar
los % de cambio 16, veamos un ejemplo:

Consideremos un aula con 50 estudiantes al comienzo del curso; transcurrido el

primer mes, 25 de esos estudiantes han sido enviados a una segunda aula. En
ese punto el % de cambio de la cantidad de estudiantes de la primera aula es de
(25-50)/50 * 100 = -50%. Transcurrido el segundo mes, se decide volver a fusionar
las aulas, transfiriendo los estudiantes nuevamente a la primera; en este punto
el % de cambio de la cantidad de estudiantes de la primera aula es de (50-25)/25
* 100 = + 100%. Imaginemos la situación si se reporta que el promedio de
variación porcentual de alumnos de la primera aula durante este periodo es de
(-50 + 100)/2 = 25%, es decir, si se dice que al final del periodo tenemos un 25%
más de estudiantes que al inicio, cuando claramente la variación porcentual de
estudiantes de la primera aula durante este periodo es 0.

Consideremos ahora la siguiente tabla:

Valores en t0 Valores en t1
Robos
587 863
residenciales
Población 64.620 95.000
Residencias 15.900 25.000

En este caso, podemos calcular los porcentajes de cambio para los

valores brutos y para las tasas por población y por residencia 17; tenemos,
entonces:

16
Notemos que, en esencia, tenemos cálculos de fracciones; si los denominadores no
son iguales, es imposible realizar este tipo de operaciones.
21 17
c
 - % de cambio de robos residenciales = 47%
- % de cambio en la tasa de robos residenciales x población = 0,00%
- % de cambio en la tasa de robos residenciales x residencia = -6,5%

Es decir, ¡dependiendo que empleemos, podemos decir que los robos

residenciales, aumentaron, permanecieron estables o disminuyeron! Esta
es una de las razones para poner especial cuidado con relación a la
correcta elección del denominador a emplear en el cálculo de la tasa.

En general, se recomienda, en la medida de lo posible, tratar de no emplear

porcentajes como insumo de cálculo para análisis, sino acudir a los datos
originales. Por otra parte, cuando los resultados están referidos a proporciones
de proporciones pueden ser engañosos, sobre todo cuando hay grandes
proporciones calculadas sobre pequeñas proporciones, o a la inversa.

Además, se sugiere desconfiar sanamente de toda aseveración categórica

sustentada sobre la base de resultados de pruebas estadísticas realizadas a
partir de datos porcentuales. La realidad analizada a partir de porcentajes suele
tener más de una interpretación posible.

Una aplicación común de los porcentajes de cambio son los cálculos

denominados de “año a la fecha” (YTD, por sus siglas en inglés), que son
tradicionalmente empleados en la administración pública, las policías e
incluso la prensa. Por ejemplo, en el caso de eventos delictivos, implica
comparar el total acumulado de delitos en una fecha determinada del
año actual y comparar con el mismo punto del año anterior.
Ahora bien, a pesar de su masividad en cuanto al empleo, muchos
expertos sostienen que se trata de un método problemático y propenso a
errores en cuanto a las implicaciones del resultado. Para los interesados,
hemos preparado un material de lectura complementario que
ejemplifica estos problemas.

22
 1. Medición de implementación y medición de
impacto

Cualquier acción (plan, medida, programa, política, etc.) de las

organizaciones, ya sean públicas o privadas, parte de unos objetivos
pretendidos que se enfocan en resultados esperados. Es decir, los
resultados son el foco de los objetivos de esas acciones. Por lo tanto, se
debe realizar una evaluación de resultados (también denominada
evaluación de impacto). En el caso de un programa de prevención del
delito, esta evaluación nos indica, por ejemplo, si hemos logrado
resultados positivos adjudicables al programa. Además, puede revelar si
existieron consecuencias no intencionadas, positivas o negativas
adjudicables al programa. Ratcliffe (2019) menciona que, si se eligen
objetivos enfocados en resultados, si tales objetivos son específicos,
medibles, alcanzables, realistas y acotados temporalmente, y además se
cuenta con datos que midan los resultados antes y después que
comience el programa, entonces estamos en una posición de estimar si
hemos sido “exitosos”.

Ahora bien, en cualquier programa (plan, medida, política, etc.), una

pregunta central es: “¿fue implementado de la forma en que fue
diseñado (planeado)?”, es decir, necesitamos realizar una evaluación de
implementación, también llamada evaluación de proceso. Esto
determina si las actividades del programa se implementaron según lo
previsto y si las entradas (inputs) generaron el tipo de salidas (outputs)
que se pensó que ocurrirían (ver figura 3).

Una evaluación de implementación tiene una estructura básica común

(Ratcliffe, 2019):
1- Revisar cómo debía implementarse el programa (estrategia, plan,
política, etc.).
2- Identificar si el programa (estrategia, plan, política, etc.) fue
efectivamente implementado tal como se había planeado.

23
 3- Determinar cómo está siendo operado el programa.
4- Emplear las respuestas a estas preguntas para guiar los pasos
siguientes.

En este caso, Ratcliffe (2019) nos plantea algunas preguntas que

podemos considerar:

• ¿Qué aspectos del programa original fueron implementados tal

como fueron planeados y cuáles debieron ser cambiados?
• ¿Por qué se realizaron cambios?
• ¿Alcanzó el programa a las personas pretendidas (delincuentes y/o
víctimas), o a los lugares pretendidos (puntos calientes)?
• ¿Cuál fue el nivel de entusiasmo o de compromiso de los
participantes?

Figura 3.
Focos de la evaluación de implementación y de la evaluación de impacto, adaptada de
Ratcliffe (2019)

Foco de la evaluación de Foco de la evaluación de

IMPLEMENTACIÓN RESULTADOS

Entradas Salidas Resultados

(trabajo realizado, (impacto en las
(recursos,
por ej. comunidades, en
energÍas, efuerzo,
aprehensiones e el daño y en el
tiempo)
Eficiencia investigaciones) Eficacia delito)

24
 Tan pronto como realizamos estas dos evaluaciones, estamos en
posibilidad documentar las lecciones aprendidas. En nuestro próximo
tema profundizaremos un poco en las evaluaciones de impacto y su
terminología.

25
 Tema 2: Grupos de tratamiento y control

En el contexto del análisis criminal, muchas veces nos vemos en la

necesidad de realizar evaluaciones de proceso o evaluaciones de
resultados (evaluaciones de impacto); ciertamente, no es nuestra
intención dar un panorama en profundidad de estos temas, pero sí
pretendemos resaltar su importancia y proveer de algunos conceptos
útiles que abren la puerta a profundizaciones a quienes estén
interesados en el tema.
En primera instancia, y siguiendo a Sherman (2012) presentamos a
continuación los diez principios de prevención del delito a partir de la
evidencia:

1) El delito debe medirse en forma precisa y confiable mediante sistemas

auditados exhaustivamente.

2) El delito debe clasificarse de una manera que resulte útil para la

prevención.

3) El delito debe analizarse en diversas unidades o categorías: delincuentes,

redes criminales, víctimas, microzonas (“zonas calientes”), comunidades,
horarios y días de la semana, entre otras.

4) Deben establecerse prioridades de prevención entre los tipos de

unidades, según el grado de daño ocasionado por las distintas clases de
delitos.

5) Una minoría fuerte o una pequeña proporción de todas las unidades de

conducta criminal ocasiona la mayor parte del daño de la mayoría de los
tipos de delitos.

6) La eficiencia de la prevención del delito puede ser mayor cuando los

recursos se concentran en las unidades de minoría fuerte, identificadas

26
 mediante pronósticos formulados a partir de su comportamiento
anterior.

7) La mejor forma de determinar la eficacia de la prevención del delito es

mediante pruebas de campo, que comparan las tasas de criminalidad
entre las personas, zonas u otras unidades de análisis bajo distintos
programas.

8) La teoría de toda práctica de prevención del delito debe especificar una

secuencia lógica mediante la cual esa práctica genera productos en
forma de acciones cuantificables que disminuyen los resultados en
materia de delitos o injusticia, explicando cómo y por qué se espera que
la práctica prevenga el delito. Tal como sostiene (Sherman, 2012):

a. “Toda practica de prevención del delito debe distinguir entre los

productos en forma de acciones que determinadas personas
deben realizar y los resultados que se espera obtener a partir de
esos productos. Y lo que es aún más importante: tanto los
productos como los resultados deben ser cuantificables”
(Sherman, 2012) pág. 17.

9) La ética de una práctica de prevención del delito no depende de su éxito

en reducirlo, sino en si la práctica: (a) respeta los derechos humanos y (b)
mantiene un equilibrio proporcional entre los daños causados por
coacción y los daños causados por el delito.

10) Las mejores pruebas para desarrollar y mejorar prácticas de prevención

del delito a nivel local deben provenir tanto de evaluaciones de impacto
internacionales, como de análisis criminológicos locales de todo tipo, que
incluyan evaluaciones de iniciativas usadas en el pasado y pronósticos
sobre los patrones de criminalidad futuros.

27
 Como es evidente, estos principios se alinean con los contenidos de este
curso, desde la necesidad de medir la calidad de los datos, a la necesidad
de analizar y seguir los procesos de evaluación (recordemos
especialmente la metodología SARA – EARE).
Además, y con la finalidad de proveer un lenguaje básico común,
emplearemos a Sherman (2012) para proveer otras definiciones útiles en
el marco de la prevención del delito:

• “Una innovación puede definirse como cualquier práctica o

programa que no se ha utilizado en una ciudad o un país en el
pasado reciente.” (pág. 22)
• “Una práctica es casi cualquier cosa que alguien hace con honesta
confianza en que puede prevenir algunos delitos. Una práctica no
necesariamente debe formar parte de un programa organizado:
puede ser simplemente algo que las personas hacen en forma
individual o colectiva.” (pág. 22)
• “Un programa puede definirse como un conjunto de prácticas
organizadas que, en general, implican la colaboración de dos o más
personas, casi siempre en el contexto de una organización formal.”
(pág. 23)
• “Un protocolo es un conjunto de principios y prácticas para llevar a
cabo un programa.” (pág. 23)

En esta línea, y reforzando lo que presentamos en el módulo 2 del curso,

“la evidencia consiste en observaciones recopiladas de manera
sistemática para respaldar una conclusión” (Sherman, 2012, pág. 42), “las
dos conclusiones más importantes a las que se debe llegar en los
programas de seguridad ciudadana requieren evidencia en materia de
pronósticos y de prevención” (pág. 42).
Ahora bien, si volvemos a los diez principios y releemos el séptimo, vemos
que la única forma de saber si la intervención funcionó es comparar las
unidades en las que se implementó con las unidades en las que no se
implementó.

28
 Sherman (2012) sostiene que:

“Cuando se realiza una comparación, esta debe

ser lo más justa (imparcial) posible. Lo ideal es
que, en promedio, la única diferencia entre las
unidades en que se aplica la intervención y las
demás sea justamente esa: si hubo intervención.
La aproximación más cercana a ese ideal en
general se obtiene cuando las comparaciones se
realizan mediante experimentos con asignación
al azar, conocidos también como ensayos
controlados aleatorios (ECA)” (pág. 44).

Dichos ensayos controlados aleatorios o experimentos controlados

aleatorios se ubican en la parte superior de la escala de métodos
científicos de Maryland (EMCM).

La escala EMCM (Sherman et al., 1997) surgió como resultado del trabajo
de seis académicos de la Universidad de Maryland, comisionados por el
Congreso de los EE. UU. para realizar una profunda evaluación de los
programas de prevención del delito en ese país 18. En este caso, siguiendo
a WWCfLEG (2016) y al Manual Metodológico del Banco de Evidencias en
Seguridad y Justicia del BID 19, emplearemos un ajuste a la escala original
EMCM que hace a los niveles un poco más estrictos y ayuda a separar
mejor los niveles 3, 4 y 5:

18
Muchas personas llaman al documento de Sherman et al. (1997) simplemente como el
“Reporte Maryland (The Maryland Report)”. Asimismo, entre los varios aportes de este
29 trabajo, está la posterior fundación de la Campbell Collaboration, la Academy of
Experimental Criminology, la ASC Division of Experimental Criminology, y las
Sociedades de Policiamiento
19
[Link]
05/ManualBancoDeEvid%C3%AAncias_Executivo%20ESPA%C3%[Link] [Internet],
último acceso: junio 2023.
 • Nivel 1: Ya sea (a) una comparación transversal de grupos
tratados con grupos no tratados, o (b) una comparación antes y
después del grupo tratado, sin un grupo de comparación no
tratado, no se emplean variables de control en el análisis
estadístico para ajustar las diferencias entre los grupos tratados y
no tratados, o entre los períodos.

• Nivel 2: Uso de variables de control adecuadas y ya sea (a) una

comparación transversal de grupos tratados con grupos no
tratados, o (b) una comparación antes y después del grupo
tratado, sin un grupo de comparación no tratado. En (a) se
utilizan variables de control o técnicas de emparejamiento para
tener en cuenta las diferencias transversales entre los grupos
tratados y de control. En (b) se emplean variables de control para
tener en cuenta los cambios antes y después, en factores a nivel
macro.

• Nivel 3: Comparación de resultados en el grupo tratado después

de una intervención, con resultados en el grupo tratado antes
de la intervención, y se utiliza un grupo de comparación para
proporcionar un contrafactual (por ejemplo, diferencia en
diferencia). Se presenta una justificación para la elección del grupo
de comparación que se argumenta, que es similar al grupo de
tratamiento. Se presenta evidencia de la comparabilidad de los
grupos de tratamiento y control. Se pueden utilizar técnicas como
la regresión y el emparejamiento del puntaje de propensión, con el
fin de ajustar las diferencias entre los grupos tratados y no tratados,
pero es probable que queden diferencias importantes no
observadas.

• Nivel 4: Se aprovecha la cuasi-aleatoriedad en el tratamiento, de

manera que se puede sostener de manera creíble que los
grupos de tratamiento y control difieren solo en su exposición a
la asignación aleatoria del tratamiento. Esto a menudo implica el

30
 uso de un instrumento o una discontinuidad en el tratamiento,
cuya idoneidad debe demostrarse y defenderse adecuadamente.

• Nivel 5: Reservado para diseños de investigación que involucran

una aleatorización explícita en grupos de tratamiento y control,
con los ensayos controlados aleatorios (RCT, por sus siglas en
inglés) como el ejemplo definitivo. Se proporciona evidencia
extensa de la comparabilidad de los grupos de tratamiento y
control, mostrando que no existen diferencias significativas en
términos de niveles o tendencias. Se pueden usar variables de
control para ajustar las diferencias entre los grupos de tratamiento
y control, pero este ajuste no debería tener un gran impacto en los
resultados principales. Se presta atención a los problemas de
atrición selectiva de los grupos asignados al azar, que se muestra
que tiene mínima importancia. Debe haber una ocurrencia
limitada o, idealmente, nula, de “contaminación” del grupo de
control con el tratamiento.

Figura 4.
Escala adaptada de Métodos Científicos de Maryland (WWCfLEG, 2016)

5 Elección aleatoria de las áreas donde se realizará la intervención y de

las áreas de control (experimentos controlados aleatorios – RCT 20)

Comparación de medidas antes y después de la intervención en

4 múltiples unidades experimentales y de control (variable instrumental,
regresión con discontinuidad – RDD)
Comparación de medidas de crimen, violencia o desorden antes y

3 después de la intervención en condiciones experimentales y

comparables de control (dif-in-dif, datos de panel, propensity score
matching)
Comparación de medidas de crimen, violencia o desorden antes y
2 después de la intervención, sin ninguna condición comparable o grupo
de control
Análisis de correlación entre una intervención y una medida de crimen,
1 violencia, desorden o determinante en un momento específico, sin
grupo de control o intento de establecer un contrafactual

20
Randomized Control Trial, en inglés.

31
 1.1 Evaluación de impacto

En las páginas siguientes tomaremos definiciones y conceptos de Gertler,

Martínez, Premand, Rawlings y Vermeersch (2017)
Las evaluaciones son valoraciones periódicas y objetivas de un proyecto,
programa o política planificada, en curso o terminada, y se emplean para
responder a preguntas específicas, a menudo relacionadas con el diseño,
la implementación y/o los resultados. En este marco, las evaluaciones de
impacto forman parte de una agenda más amplia de formulación de
políticas públicas basadas en evidencia.
En la práctica, el monitoreo y la evaluación son fundamentales en la
formulación de políticas basadas en evidencia. En conjunto, brindan
instrumentos que se pueden emplear para verificar y mejorar la calidad,
eficiencia y efectividad de las políticas y de los programas, en diferentes
etapas de implementación.
El sello distintivo de una evaluación de impacto es la atribución de los
resultados al proyecto, programa o política. Es así como el objetivo
principal es, entonces, identificar la relación causal entre el programa y
los resultados de interés. Ahora bien, la metodología (forma) usada en
esta evaluación nos indicara el nivel de robustez y confianza con la que
podemos sostener esta atribución causal (lo que nos lleva nuevamente a
la EMCM y a la figura 1).
Una evaluación de impacto tradicional aborda la efectividad de un
programa en comparación con la ausencia de este. Además, las
evaluaciones de impacto se pueden emplear para probar explícitamente
modalidades de programas alternativos o innovaciones de diseño.
Por su parte, el monitoreo es un proceso continuo mediante el cual se
lleva a cabo un seguimiento de lo que ocurre con un programa y se
utilizan los datos recopilados para fundamentar la implementación, la
administración y las decisiones diarias. Como mencionamos
precedentemente, las evaluaciones son valoraciones periódicas y
objetivas de un proyecto, programa o política planificada, ya sea en curso
o terminada, y se emplean para responder a preguntas específicas
relacionadas con el diseño, la implementación y/o los resultados.

32
 Mientras que el monitoreo es permanente, las evaluaciones se llevan a
cabo en momentos concretos en el tiempo.

En términos generales, las evaluaciones pueden abordar tres tipos de

preguntas:

• Preguntas descriptivas: apuntan a lo que está ocurriendo. Se

centran en los procesos, las condiciones, las relaciones
organizacionales y las opiniones de las partes interesadas.
• Preguntas normativas: comparan lo que ocurre con lo que
debería ocurrir. Evalúan las actividades e investigan si los
objetivos se cumplen o no.
• Preguntas de causa y efecto: se centran en la atribución.
Investigan qué diferencia produce la intervención en los
resultados.

Las evaluaciones de impacto son un tipo particular de evaluación que

pretende responder a una pregunta específica de causa y efecto:

¿Cuál es el impacto (o efecto causal)

de un programa en un resultado de
interés?

Esta pregunta básica incorpora una dimensión causal importante, y se

enfoca únicamente en el impacto, en los cambios directamente
atribuibles a un programa, una modalidad de programa o una
innovación de diseño. Todos los métodos de evaluación de impacto
plantean alguna forma de pregunta de causa y efecto; y el enfoque para

33
 abordar la causalidad determina las metodologías que se pueden
emplear.
Ahora bien, para estimar el efecto causal o el impacto de un programa en
los resultados, cualquier método de evaluación de impacto debe estimar
el contrafactual, es decir: cuál habría sido el resultado en ausencia del
programa. Por lo tanto, en la práctica, la evaluación de impacto requiere
encontrar un grupo de comparación para estimar qué les habría ocurrido
a los miembros del programa sin el programa, y luego comparar con el
grupo de tratamiento que ha sido objeto de este.
La elección de un método particular de evaluación de impacto depende
de las características operativas del programa.

1.1.1 Evaluación de impacto prospectiva y

retrospectiva

• Las evaluaciones de impacto prospectivas se desarrollan

simultáneamente con el diseño del programa y se incorporan en la
implementación. Los datos de línea base se reúnen antes de
implementar el programa, tanto en el grupo que recibe la
intervención (grupo de tratamiento) como en el grupo empleado
como comparación y que no es objeto de la intervención (grupo de
comparación). Estas evaluaciones tienen más probabilidades de
producir resultados solventes y creíbles:

o Se pueden reunir datos de línea base para establecer las

medidas de los resultados de interés antes de que el
programa comience. El análisis de los datos de línea base en
ambos grupos (tratamiento y comparación) permite
asegurar que los grupos sean similares.
o Definir la medida de éxito del programa en su etapa de
planificación centra el propio programa y su evaluación en
los resultados previstos.

34
 o Los grupos de tratamiento y comparación se definen antes
de implementar la intervención que será evaluada.

• Por otro lado, las evaluaciones retrospectivas evalúan el impacto

del programa después de que ha sido implementado y los grupos
de tratamiento y de comparación se generan ex post.

1.1.2 Estudios de eficacia y estudios de efectividad

Los resultados de una evaluación de impacto son especialmente útiles

cuando las conclusiones se pueden aplicar a una población de interés
más amplia. Por ello, la generalización es clave para los responsables de
las políticas, ya que determina si los resultados identificados en la
evaluación pueden replicarse en grupos ajenos a los que han sido
estudiados en la evaluación, en especial si aumenta la escala del
programa.
En los estudios de eficacia nos enfocamos en pruebas llevadas a cabo en
un entorno específico, en condiciones rigurosamente controladas, para
asegurar la consistencia entre el diseño de la evaluación y la
implementación del programa. Son estudios que analizan la prueba de
concepto. Por lo tanto, si bien la evidencia producida por estos estudios
puede ser útil para probar un enfoque innovador, los resultados a
menudo tienen una capacidad de generalización limitada y no siempre
representan entornos más generales de manera adecuada; es decir,
estos estudios evalúan si un programa puede funcionar en condiciones
ideales.
Por otro lado, en los estudios de efectividad se evalúa si un programa
realmente funciona en condiciones normales; estos estudios
proporcionan evidencia a partir de las intervenciones que tienen lugar en
circunstancias normales, utilizando vías de implementación regulares,
con el objeto de producir conclusiones que se puedan generalizar para
una población grande. Esta validez externa tiene una importancia central
para los responsables de la toma de decisiones, porque les permite

35
 emplear los resultados de la evaluación para fundamentar decisiones
que afectan a todo el programa y que se aplican a los beneficiarios
previstos más allá de la muestra de la evaluación.
Por otro lado, en el marco de las evaluaciones de impacto es útil
complementarlas con información sobre el costo del proyecto, programa
o política que se evalúa. En este caso, el análisis de costo-beneficio estima
los beneficios totales esperados de un programa, en comparación con
sus costos totales esperados; mientras que el análisis de costo-
efectividad compara el costo relativo de dos o más programas o de
alternativas de programa para alcanzar un resultado común.

1.1.3 Metodología general

El objetivo formal de la evaluación de impacto es:

Estimar el efecto causal (impacto) de una

intervención (P) en un resultado (Y)

(P) := Programa o tratamiento

(Y) := Indicador, medida de éxito

Por ejemplo: ¿cuál es el efecto de un programa de transferencias

económicas (P) sobre la violencia contra la mujer (Y)?
esto es: ¿Cuál es el impacto de (P) en (Y)?
∆ =(Y│P=1)-(Y|P=0)
Notemos que tenemos un problema de datos faltantes, ya que, para una
beneficiaria del programa:

- Observamos (Y | P =1): Violencia contra la mujer (Y) con un

programa de transferencias económicas (P=1)

36
 - Pero no observamos (Y | P =0): Violencia contra la mujer (Y) sin
un programa de transferencias económicas (P=0)

Por lo tanto, la forma de resolver lo anterior es estimar qué le habría

pasado a Y en ausencia de P. Es a esto a lo que denominamos
contrafactual y, como seguramente te estás imaginando, la clave de una
buena evaluación de impacto es una estimación válida del
contrafactual 21. Entonces, como estimamos, el impacto de P en Y ( ∆
=(Y│P=1)-(Y|P=0) ):

- Observamos (Y | P=1), que es el resultado con tratamiento

- Estimamos (Y | P=0), que es el contrafactual
- Definimos impacto = Resultado con tratamiento – contrafactual
- Del lado del tratamiento calculamos la intención de tratar (ITT,
Intention to Treat ITT, en inglés), es decir, aquellos a los que se
ofrece el tratamiento. También calculamos el tratamiento en los
tratados (TOT, Treatment on Treated, en inglés), es decir,
aquellos que recibieron el tratamiento.
- Del lado del contrafactual empleamos un grupo de
comparación o de control.

Tomando el ejemplo provisto en Gertler et al. (2017): ¿cuál es el impacto

de darle a Juan dinero adicional (P) en su consumo de

golosinas ?

21
Es decir, como no es posible observar directamente el contrafactual, es preciso
estimarlo.
37
 Si tuviéramos un clon perfecto de Juan, podríamos dar a Juan el dinero y
a su clon no:

Juan Clon de Juan

6 caramelos 4 caramelos
Impacto = 6 – 4 = 2 caramelos

En la realidad no tenemos un clon perfecto de Juan; por lo tanto,

necesitamos emplear estadísticas.

Grupo de tratamiento Grupo de control

Promedio Y = 6 caramelos Promedio Y = 4 caramelos

Impacto = 6 – 4 = 2 caramelos

En este punto, la pregunta natural que surge es ¿cómo encontrar buenos

grupos de comparación?, es decir:
- Queremos encontrar clones para los “juanes” de nuestros
programas.
- Los grupos de tratamiento y de comparación deben

38
 o tener características idénticas (estadísticamente idénticas),
o con la excepción de que no se benefician con la intervención.
- Por lo tanto, en la práctica empleamos reglas de elegibilidad y
asignación para construir estimados validos de nuestros
contrafactuales.

De esta forma, con un buen grupo de comparación, la única razón para

los resultados diferentes entre los grupos de tratamiento y comparación
es la intervención (P).

En este sentido, el principal desafío para identificar impactos es crear un

grupo de comparación válido que tenga las mismas características que el
grupo de tratamiento en ausencia del programa. Un grupo de
comparación válido:

1- Tiene las mismas características en promedio que el grupo de

tratamiento en ausencia del programa.
2- No es afectado por el programa.
3- Reaccionaría al programa de la misma manera que el grupo de
tratamiento, si fuera objeto del programa.

Antes de cerrar este tema, queremos mencionar que existen dos

métodos de uso habitual, aunque sumamente riesgosos, para construir
grupos de comparación, que generalmente conducen a estimaciones
falsas del contrafactual:

• Las comparaciones antes-después, que cotejan los resultados del

mismo grupo antes y después de participar del programa.

39
 • Las comparaciones de inscritos y no inscritos (o autoseleccionados),
que comparan los resultados de un grupo que elige participar en
un programa con otros de un grupo que elige no participar.

Para los interesados en estas dos formas incorrectas de estimación del

contrafactual, sugerimos revisar la lectura complementaria, extraída de
Gertler et al. (2017, pp. 60-68).

40
 Tema 3: Medidas simples para calcular
impacto

2.1 Introducción

En este tema, proveeremos información sobre técnicas que se pueden

utilizar para medir el impacto de una intervención (política pública,
programa, etc.). Comenzamos ilustrando el uso de técnicas simples que
miden los cambios en el crimen en un área, antes y después de la
implementación de una intervención. Elegimos comenzar con esta
técnica para mostrar que, aunque los resultados indiquen una
disminución en el delito, no podemos asegurar que tal disminución haya
ocurrido por debido a la intervención. Luego describimos técnicas que
utilizan áreas de control (como se explicó en un tema anterior de este
módulo), para comparar los cambios en el delito con los observados en
las áreas donde se ha implementado la intervención (área de
tratamiento). También describimos el uso de una técnica que mide si ha
ocurrido un desplazamiento en el delito y si algún cambio en el mismo
ha sido estadísticamente significativo.

2.2 Medidas simples antes-después

Las medidas simples antes y después que examinan el impacto de una

intervención incluyen aquellas que calculan la diferencia numérica en el
delito y el porcentaje de cambio en el mismo (algo que también
exploramos en un tema previo).

Consideremos el siguiente ejemplo. Una intervención de prevención del

delito para reducir los robos a peatones comenzó el 1 de julio y se llevó a
cabo durante seis meses. La tabla 1 muestra el número de robos para tres
períodos de tiempo: los 6 meses antes de la implementación de la
intervención (enero a junio), los 6 meses entre julio y diciembre, cuando

41
 la intervención estaba en funcionamiento, y los 6 meses después de la
intervención (enero a junio del año siguiente).

Tabla 1. Robos en un área en la que se ha implementado una intervención, para

periodos de seis meses

Seis meses Seis meses

Seis meses antes
durante la después de la
de la intervención
intervención intervención
(enero a junio)
(julio a diciembre) (enero a junio)
Robos 8659 7831 7930
Porcentaje de
-9.6% 1.3%
cambio

Durante la intervención, el número de robos se redujo en 828 (una

disminución del 9.6%), lo que sugiere que la intervención funcionó para
disminuir el delito de robo. Sin embargo, hay algunos problemas con
estas medidas: el primero es que los períodos de tiempo no son similares.
Cuando se mide el impacto de una intervención, es mejor comparar
períodos similares, siempre que sea posible.

La tabla 2 muestra el número de robos para períodos equivalentes de 6

meses: los 6 meses que abarcan el mismo período del año anterior, los 6
meses en los que la intervención estaba en funcionamiento y los 6 meses
que abarcan el mismo período del año siguiente.

Tabla 2. Robos en un área en la que se implementó una intervención, para tres periodos
de seis meses comparables

Seis meses Mismo período

Mismo periodo, año
durante la del año siguiente
anterior
intervención (julio a
(julio a diciembre)
(julio a diciembre) diciembre)
Robos 8459 7831 7163
Porcentaje de
-7.4% -8.5%
cambio

42
 Una vez más, estos resultados sugieren que la intervención ha
funcionado porque se observa una disminución de robos del 7.4%. Sin
embargo, en el año siguiente, cuando la intervención no estaba en
funcionamiento, también hubo una disminución del 8.5%.

Lo anterior nos lleva a considerar si antes de la intervención hubo una

tendencia general descendente en robos y si esta tendencia a la baja ha
continuado en el año siguiente; es decir, nos cuestiona si la intervención
ha tenido un impacto en la reducción de robos porque éstos ya estaban
disminuyendo. Otra explicación podría ser que la intervención fue exitosa
cuando estaba en funcionamiento y la disminución observada en el año
siguiente es una continuación sostenida del efecto de la intervención;
pero no podemos determinarlo basándonos en los datos que tenemos;
por tanto, nos deja sin saber si la intervención tuvo resultados favorables
en la disminución de robos.

Para determinar el éxito de una intervención necesitamos comparar los

cambios en robos en el área donde se implementó (área de tratamiento)
con un área similar (área de control). Existen muchas técnicas
matemáticas para evaluar el impacto de las intervenciones de reducción
del delito; en las próximas secciones describiremos dos de ellas que son
fáciles de calcular y que miden el impacto de una intervención al
comparar el cambio en el delito entre áreas de tratamiento y áreas de
control.

2.3 Cociente de probabilidades22 (Odds ratios)

Consideremos el siguiente ejemplo: se ha implementado un programa de

prevención del delito en un área de una ciudad; también se ha creado un
área de control. La tabla 3 muestra el nivel de delitos en cada área
(tratamiento y control) antes y durante la intervención (para períodos de
tiempo comparables), el nivel de delitos al agregar los números de delitos
para cada área, y el porcentaje de cambio en el delito para estas áreas. En

22
Razón de probabilidades, o ratio de probabilidades.

43
 el área de tratamiento, los delitos disminuyeron un 14.8%; sin embargo,
los delitos aumentaron en el área de control en un 10.5%, lo cual podría
indicar que algunos delitos se han desplazado geográficamente al área
de control. Al considerar los niveles de delitos en el área de tratamiento y
en el área de control, en líneas generales ha habido una disminución del
3.4% en el delito; esta disminución no es tan grande si consideramos el
esfuerzo que probablemente se invirtió en implementar el programa de
prevención del delito.

Tabla 3. Niveles de delito en las áreas de tratamiento y de control para dos periodos de
tiempo comparables

Antes de la Durante la Cambio en el

Áreas
intervención intervención delito
Tratamiento 359 306 -14.8%
Control 296 327 10.5%
Tratamiento y
655 633 -3.4%
control

En este ejemplo, aunque se han empleado áreas de tratamiento y

control, hay un problema. Las medidas simples antes y después, como las
utilizadas en este ejemplo, no consideran las diferencias en el nivel de
delitos entre las dos áreas durante el período anterior. En este caso, el
nivel de delitos en el área de tratamiento fue más de un 20% superior al
del área de control (359 a 296); esta diferencia en los niveles de delitos
entre las dos áreas puede resultar en una sobreestimación o
subestimación del efecto de la intervención. Una forma de corregir lo
anterior es utilizar una razón de probabilidades (o más bien una razón de
probabilidades invertida), con el fin de calcular la reducción de delitos
entre las dos áreas.
Se puede calcular una razón de probabilidades invertida utilizando la
fórmula que se muestra a continuación; utilizamos una razón de
probabilidades invertida porque un resultado numérico de este cálculo
que sea menor que 1 sugiere que ha habido una disminución en el delito;
esto es más fácil de interpretar que el uso de una razón de
probabilidades estándar, en la que una disminución en el delito se
indicaría por un número mayor que 1.

44
 Si consideramos una tabla de contingencia de 2x2 de la forma:

Antes de la intervención Durante la intervención

Área de tratamiento a b
Área de control c d

tenemos entonces:
Cociente de Probabilidades = CP = Odds ratio = OR = 1/((a*d)/(b*c)) (1)

- a es el número de delitos en el área de tratamiento antes de la

intervención
- b es el número de delitos en el área de tratamiento durante la
intervención
- c es el número de delitos en el área de control antes de la
intervención
- d es el número de delitos en el área de control durante la
intervención

Si el resultado es menor que 1, la disminución en el delito es equivalente

a un porcentaje de cambio en el crimen; por ejemplo, 0.89 es
equivalente a una disminución del 11% en el delito.

Consideremos el ejemplo que ya hemos utilizado en esta sección y los

datos para las áreas de tratamiento y control. Al insertar los datos de
estas áreas en la fórmula de la razón de probabilidades invertida (1),
obtenemos lo siguiente:
1/((359*327)/(306*296)) = 1/(117,393)/(90,576) = 0.772
(equivalente a una disminución del 22.8%)

45
 Este resultado sugiere que, en función de los cambios en el delito en el
área de control, hubo una disminución del 22.8% en el delito.
Anteriormente, al calcular una simple diferencia numérica antes y
después, el resultado sugería una disminución del 3.4% en el delito. Este
ejemplo ilustra la subestimación del impacto del delito cuando
solamente se consideran los cambios en el número de delitos antes y
después de una intervención, y cómo una razón de probabilidades puede
corregir el error.

2.4 Prueba de Diferencia de Desplazamiento

Ponderada (Weighted Displacement Difference
test, WDD)

El cociente de probabilidades (odds ratio) es una técnica útil, pero tiene

una debilidad: no nos dice si el cambio en el crimen fue estadísticamente
significativo o no. Además, el cociente de probabilidades está limitado a
comparar el cambio en el delito entre un área de tratamiento y un área de
control. En esta sección describimos la “Prueba de Diferencia de
Desplazamiento Ponderada” (Weighted Displacement Difference - WDD)
(Wheeler y Ratcliffe, 2018). La prueba WDD se puede emplear para
comparar los cambios en el delito en un área de tratamiento, contra un
área de control y un área de buffer 23, que mide si ha ocurrido
desplazamiento alrededor del área de tratamiento. Estas tres áreas se
muestran en la figura 1.

23
Área de influencia

46
 Figura 5.
Mapa con las áreas de tratamiento, control y buffer

La prueba WDD también determina si la intervención que se

implementó en el área de tratamiento ha resultado en un cambio
estadísticamente significativo en el delito, controlando los cambios en el
área de control y el área buffer. Esta prueba WDD es sencilla de utilizar y
se puede calcular en una planilla de cálculo como MS Excel©.
Adicionalmente, la prueba WDD implica calcular varios resultados; el
primero de ellos es la diferencia ponderada de desplazamiento, que se
calcula de la siguiente manera:

WDD = (t2 – t1) – (c2 – c1) + (b2 – b1) (2)

47
 donde:
- t1 es el número de delitos en el área de tratamiento antes de la
intervención
- t2 es el número de delitos en el área de tratamiento después de la
intervención
- c1 y c2 son el número de delitos en el área de control antes y
después de la intervención
- b1 y b2 se refieren al número de delitos en el área buffer, antes y
después

Si no están disponibles datos del delito para el área buffer, la fórmula

anterior de igual forma se puede aplicar, es decir, solo empleamos
(t2 – t1) – (c2 – c1).

El resultado del cálculo de la fórmula es el cambio en el delito en el área

de tratamiento después de la intervención, controlando los cambios en el
delito en el área de control (y el área de buffer, si está incluida en los
datos).
Luego, calculamos el error estándar de WDD de la siguiente manera (en
este caso emplearemos la fórmula como si estuviéramos dentro de MS
Excel©, donde SQRT se refiere a la raíz cuadrada):

Error estándar de WDD = EE = SQRT((t1+c1+b1) + (t2+c2+b2)) (3)

Nuevamente, si no hay datos disponibles para el área buffer, esto se

puede omitir, es decir, solo insertamos los valores para t1, c1, t2 y c2.
Realizado lo anterior, calculamos luego el valor z de WDD, dividiendo el
WDD por el error estándar del WDD, es decir, WDD/EE. Si esta estadística
es negativa, sugiere que ha habido una disminución neta en el delito en
las áreas geográficas seleccionadas.

48
 Finalmente, calculamos lo que se denomina un valor p de una cola (one-
tailed p-value), que es una medida de significancia estadística. En este
caso, se puede calcular aplicando la siguiente fórmula en MS Excel© al
valor Z del WDD:

Valor p = [Link](<valor Z del WDD>, VERDADERO) 4)

En la fórmula (4), “<valor Z del WDD>” representa el valor Z que

obtuvimos con anterioridad al dividir el WDD por el error estándar del
WDD.

Por ejemplo, si el valor Z del WDD fuera -1.7, este valor se ingresaría en la
fórmula como el “<valor Z del WDD>”. Si el valor p obtenido es menor o
igual a 0.05, el resultado del test de WDD es estadísticamente
significativo al nivel de confianza del 95%. Cuanto más pequeño sea el
valor p, más estadísticamente significativo será el resultado.

Consideremos ahora el uso de la prueba WDD con el siguiente ejemplo.

La tabla 4 muestra datos sobre robos a peatones en un área de
tratamiento, un área de control y un área buffer (ver también el mapa a
continuación). En los tres meses siguientes a la fecha en que se
implementó la intervención, hubo 19 robos en el área de tratamiento. La
tabla 4 también muestra las estadísticas de robos para las áreas de
control y buffer antes y después de la intervención.

Para los interesados en estas dos formas incorrectas de estimación del

contrafactual, sugerimos revisar la lectura complementaria, extraída de
Gertler et al. (2017, pp. 60-68).

49
 Tabla 4. Ejemplo de datos de una intervención sobre el delito de robo

Después de la fecha en
Antes de la
Área que se implementó la
intervención
intervención
Área de tratamiento 33 19
Área de control 22 23
Área buffer 16 11

Empleando los datos de la tabla 4 y las fórmulas descritas anteriormente,

tenemos los siguientes resultados:

• Diferencia ponderada de desplazamiento (WDD):

(19 - 33) - (23 - 22) + (11 - 16) = -20
• Error estándar de WDD:
√ (71 + 53) = 11.14
• Valor Z de WDD:
(-20 / 11.14) = -1.795
• Valor p de una cola:
0.036

Es decir, el resultado es estadísticamente significativo al nivel de

confianza del 95% (p < 0.05).

Los resultados de la prueba WDD sugieren que la intervención tuvo éxito

en la reducción de robos; hubo una disminución de 20 delitos de robo en
el área de tratamiento, controlando los cambios en los robos en las áreas
de control y buffer, y esta diferencia fue estadísticamente significativa (p
< 0.05).

50
 En conclusión, los resultados del test de WDD sugieren que la
intervención tuvo un impacto significativo y positivo en la reducción de
robos, proporcionando evidencia valiosa de su efectividad en el área de
tratamiento. El uso del test de WDD permite una evaluación más
completa considerando los cambios en el delito, no solo en el área de
tratamiento, sino también en las áreas de control y buffer, lo que ayuda a
tener en cuenta los posibles efectos de desplazamiento y mejorar la
precisión del análisis.

Existen otras técnicas más avanzadas que se pueden utilizar para medir
el impacto de las intervenciones para reducir el delito, las cuales tienen
en cuenta las tendencias y fluctuaciones estacionales en el delito antes
de que la intervención comience. Los detalles sobre estas técnicas se
proporcionan en los materiales enumerados en la sección de recursos
adicionales.

51
 Tema 4: Policiamiento focalizado en
puntos o zonas calientes

Como menciona el Banco de Evidencias en Seguridad y Justicia del BID 24,

el policiamiento de Puntos Calientes (PPC) o policiamiento focalizado en
puntos calientes se refiere a un abordaje policial centrado en el patrullaje
de ciertos microespacios (cuadras, esquinas o plazas) que concentran
eventos delictivos de manera desproporcionada y que tienen
características que atraen la actividad criminal, tales como un alto
número de víctimas potenciales, poca vigilancia natural y facilidad de
escape. Se trata de uno de los enfoques que han surgido en varias partes
del mundo para contribuir a la mejora de la seguridad pública. La
difusión de esta estrategia policial se explica en gran medida por su
capacidad para hacer frente a la característica intrínseca de la
delincuencia, que es presentar altos niveles de concentración espacial.
De hecho, algunos estudios han demostrado que el 50% de los delitos se
produce entre el 2% y el 6% de los segmentos de calles de ciudades de
países desarrollados, y que en América Latina la concentración es aún
mayor (el 50% de los delitos se produce entre el 2,5% de los segmentos de
calles de una ciudad) 25 y 26

Existe un gran cúmulo de aplicaciones y evaluaciones realizadas en el

hemisferio norte y en los países anglosajones; sin embargo, en América
Latina las pruebas son todavía incipientes, aunque hay casos de
aplicación en países como Uruguay, Argentina y Colombia.

A modo de ejemplo, una revisión sistemática con metaanálisis de

Campbell Collaboration identificó 65 estudios (experimentales y cuasi

24
[Link]
en-puntos-calientes [Internet], fecha de último acceso: junio 2023.
52 25
Weisburd, D. (2015). The Law of Crime Concentration and the Criminology of Place.
Criminology, 53(2), 133-157.
26
Chainey, S. P., Pezzuchi, G., Guerrero Rojas, Ramírez, J. L. H., Monteiro, J. & Valdez, E. R.
(2019). Crime concentration at micro-places in Latin America. Crime Sci 8, 5.
 experimentales) que evaluaron el impacto de las intervenciones
policiales en puntos calientes en diversos países. El metaanálisis mostró
que, en general, la estrategia contribuyó a la prevención del delito; el
efecto promedio de la intervención fue pequeño, pero estadísticamente
significativo para todos los delitos en general. Esta intervención produjo
reducciones estadísticamente significativas para los delitos de drogas,
desorden, delitos contra la propiedad y delitos violentos (con grado de
impacto decreciente entre los delitos mencionados: mayor en los
primeros delitos, menor en los últimos) 27 y 28

Basándose en estos hallazgos, las plataformas Crime Solutions y Crime

Reduction Toolkit califican este tipo de intervención como eficaz para
reducir la delincuencia y la violencia. En particular, el policiamiento de
puntos calientes es una estrategia que, según una segunda revisión y el
metaanálisis de 50 estudios, generó una reducción del 19% de los delitos
violentos, del 16% de los delitos contra la propiedad y del 20% de los
desórdenes y delitos relacionados con las drogas 29. Además, una revisión
meta analítica demostró que, en general, no se producen
desplazamientos significativos de la delincuencia a otras zonas, sino que,
por el contrario, lo más probable es que se produzca una difusión de los
beneficios del control de la delincuencia a otras zonas 30.

Veamos con más detalle este tipo de estrategia de policiamiento: como

mencionamos precedentemente, es útil volver a recordar la denominada
“ley de concentración del delito en los lugares” 31 que sostiene que: “that

27
Braga, A. A., Turchan, B. S., Papachristos, A. V. & Hureau, D. M. (2019). Hot spots policing
and crime reduction: An update of an ongoing systematic review and meta-analysis.
53 Journal of Experimental Criminology, 15(3), 289-311.
28
Braga, A. A., Turchan, B., Papachristos, A. V. & Hureau, D. M. (2019). Hot spots policing of
small geographic areas effects on crime. Campbell Systematic Reviews, 15(3), e1046.
29
Braga, A. A. & Weisburd, D. L. (2022). Does Hot Spots Policing Have Meaningful Impacts
on Crime? Findings from An Alternative Approach to Estimating Effect Sizes from Place-
Based Program Evaluations. Journal of Quantitative Criminology 38(1), 1—22.
30
Bowers, K. J., Johnson, S. D., Guerette, R. T., Summers & L. Poynton, S. (2011). Spatial
displacement and diffusion of benefits among geographically focused policing initiatives:
A meta-analytical review. Journal of Experimental Criminology, 7(4), 347-374.
31
Weisburd, D. (2015). The Law of Crime Concentration and the Criminology of Place.
Criminology, 53(2), 133-157.
 for a defined measure of crime at a specific microgeographic unit, the
concentration of crime will fall within a narrow bandwidth of
percentages for a defined cumulative proportion of crime” (p-133). Su
ancho de banda de porcentajes es esencialmente la proporción
acumulada de delito, tal como un 25 o un 50%. A través del estudio
empírico, Weisburd concluye que el 50% de los delitos se concentra en la
banda centrada en el 4% (es decir entre el 2% y el 6% del área de la
ciudad), mientras que, para la concentración del 25%, la banda es menor
que el 1.5%.

Por lo tanto, no solo el delito en áreas urbanas se conglomera y

concentra espacialmente en microáreas (las consabidas zonas calientes),
sino que es posible referenciar la microgeografía aplicable en los
segmentos de calle de longitud promedio de una cuadra. Notemos
también el trabajo de Chainey y otros (2019) , el cual refiere que, en el
caso puntual de América Latina, no solo se validan estos resultados, sino
que se muestran niveles de mayor concentración que los reportados por
Weisburd, e incluso se reportan niveles de concentración en otros
fenómenos delictivos, como el homicidio, que no se reportaron en el
estudio original.

Lo interesante de lo anterior es que la policía tiene la oportunidad de

dirigir sus recursos para prevenir el delito en esas zonas calientes, con el
propósito de absorber una gran proporción del fenómeno en una
pequeña cantidad de la superficie de responsabilidad. Por ello es por lo
que la propia definición de zona caliente (gran cantidad de delito en un
espacio reducido) es de vital importancia para una agencia policial que
pretende prevenir el delito a través de estrategias focalizadas.

Ahora bien, de acuerdo con Gorr, Kurland y Dodson (2018) existen

esencialmente dos tipos de zonas calientes de delitos, las denominadas
zonas crónicas y las zonas temporarias. En el primer caso, las zonas
persisten por un año o más y son fáciles de identificar, estimar y predecir;
por lo tanto, deberían tener programas constantes de prevención del
delito, ya que, en el caso de la prevención policial, son claras candidatas a

54
 programas de policiamiento focalizado (patrullaje dirigido, policiamiento
orientado a la resolución de problemas -POP-, etc.).

Sherman y Weisburd (1995) definen las zonas crónicas como aquellas

pequeñas áreas en las que la ocurrencia de delito es tan frecuente que es
altamente predecible, por lo menos a lo largo de un periodo anual; y
notemos que los autores, gracias a un experimento aleatorio controlado
sobre muy pequeños conglomerados (clusters) de delitos, mostraron
cómo una adecuada y alta dosis de vigilancia policial previene
efectivamente los delitos; desde entonces, la cantidad de publicaciones
al respecto es abundante, por ejemplo el trabajo de, Telep y Weisburd
(2014). Más adelante se ofrecen algunos comentarios puntuales en
relación al policiamiento focalizado.
Las zonas calientes crónicas son fácilmente predecibles por métodos de
análisis en grillas y estimaciones de densidad por Kernel (KDS) (Gorr,
Kurland y Dodson, 2018) Asimismo, existe una amplia y creciente
literatura especializada en relación con el delito y el espacio, y aunque no
entraremos en profundidad en el tema, usualmente se referencian
variantes de dos teorías primarias, la de desorganización social y la de
oportunidades criminales, que hemos presentado en el módulo 2 de este
curso.

La denominada “Ley de Weisburd”, en forma simplificada y aplicada a la

conducta criminal, muestra que, en áreas urbanas, alrededor del 50% de
los delitos ocurre en el 5% de la red de calles. Ahora bien, para que esta
información sea efectiva para el uso policial en el diseño de un programa
de prevención del delito, es necesario predecir las fronteras o lugares
exactos de esas zonas calientes; pero cualquier pronóstico presenta
errores, de ahí que esperamos que en la práctica menos de 50% de los
delitos ocurra en el 5% de calles o áreas antes referidas.

55
 Por otro lado, tradicionalmente, las dos principales intervenciones
policiales para zonas calientes de delitos (ya sea crónicas o temporarias 32
33
) son 34:
1- Patrullaje focalizado frecuente con componente aleatorio.
2- Policiamiento Orientado a la Resolución de Problemas (POP)
Ahora bien, desde la perspectiva de Sherman y Weisburd (1995) se ha
trabajado mucho en el diseño de estrategias de patrullaje focalizado en
zonas calientes, con una alta y suficiente dosis de presencia policial para
asegurar la prevención del delito. Koper (1995), Telep et al. (2014 y Ariel et
al. (2016) han encontrado que breves visitas a las zonas calientes, de
alrededor de 15 minutos, son efectivas para la prevención del delito. De
hecho, Koper (1995) muestra en su estudio el efecto de protección
residual del patrullaje.
En el caso de implementaciones POP, donde se intenta identificar los
problemas subyacentes que causan el delito y el desorden, la
metodología de diseño tradicional (modelo SARA - EARE), se ajusta
perfectamente al esquema PANDA ya presentado en el módulo 2 de este
curso. Es importante notar que usualmente el esfuerzo analítico
requerido para una estrategia POP es elevado, pudiendo exceder las 95
horas semanales de análisis por área de trabajo (Taylor, Koper y Woods,
2011), lo que provee una estimación tanto de su importancia como de las
necesidades de dimensionamiento de personal para atender esa carga
laboral.

Por otra parte, las zonas calientes temporarias son calientes por
periodos de tiempo (semanas o meses) y luego se enfrían y vuelven a
calentarse, y así sucesivamente. Para ser de utilidad en la prevención del
delito, un modelo predictivo debe pronosticar las zonas calientes de la

32
Gorr, W. L. & Lee, Y. J. (2012) Longitudinal study of crime hot spots: dynamics and impact
on part 1 violent crime. In: Proceedings of the 32nd international symposium on
56 forecasting, June 2012
33
Gorr, W. L. & Lee, Y. (2015). Early Warning System for Temporary Crime Hot Spots. Journal
of Quantitative Criminology, 31, 25-47. [Link]
34
Lee, Y. & Gorr, W. (2017). Chronic and Temporary Crime Hot Spots. En Weisburd, D y
Eck, J. E. (Eds). Unraveling the Crime-Place Connection, Volume 22 New Directions in
Theory and Policy (pp.41-63), chapter 2. Routledge.
 próxima semana o del próximo mes que van a “encender” microáreas de
la ciudad. En este caso, usualmente se referencian dos teorías como base
para la predicción de zonas calientes temporarias:

1- A partir de desorden público, los delitos tienden a transformar los

“eventos delictivos blandos” en eventos más serios en la misma
zona.
2- Luego de un primer delito, un cierto tipo de delitos adicionales del
mismo tipo tiende a ocurrir en zonas próximas (eventos repetidos o
casi repetidos); por ello, los modelos generalmente empleados para
predecir zonas calientes temporarias incluyen repetidos o casi
repetidos (Repeat and Near Repeat (RANR)) (Bowers, Johnson y
Pease, 2004), Leading Indicators de Olligschlaeger (hay varias
modificaciones, pero sugerimos revisar Cohen, Gorr y
Olligschlaeger, 2017) y el modelo de zonas calientes recurrentes
(recurring hot spots) (Lee y Gorr, 2017).

No es nuestra intención profundizar en el modelado predictivo en sí

mismo, ni en la tipología de eventos a predecir; aunque es cierto que
existen variaciones en la eficiencia predictiva conforme el tipo de delito y
la ventana temporal de predicción, como se aborda, por ejemplo, en
Chainey, Thompson y Uhlig (2008) o en Mohler y Porter (2018); sin
embargo, sí buscamos explicitar las diferentes dimensiones en que es
posible avanzar en propuestas de programas focalizados en puntos
calientes.

En la práctica, notemos que una implementación particular de

policiamiento focalizado debería balancear adecuadamente
componentes crónicos con temporarios, ya que, como servicio público,
es preciso asegurar la equidad y la eficiencia tratándose de bienes
públicos (todo el esfuerzo analítico se centra en la capacidad de
anticipación, en la predicción que se pretende realizar, no como ejercicio
académico, sino para orientar la respuesta de los servicios públicos en
términos de prevención del delito); por lo tanto, un tema que no

57
 abundaremos en esta oportunidad pero que es central es la efectividad
de la predicción y la forma de medirla.

Debido a la existencia de estos dos tipos primarios de zonas calientes

(crónicas y temporarias), sin duda la policía necesita criterios para
desplegar en forma óptima los recursos en cada una. Ahora bien, la
literatura específica se ha enfocado casi exclusivamente a la efectividad
de la prevención del delito (cantidad de delitos que se previenen), pero
en rigor es su equidad lo que hace de las zonas calientes temporarias en
combinación con las crónicas, una herramienta realmente valiosa para
programas de seguridad preventiva. Desplegar todos los recursos
policiales de prevención del delito en una cantidad relativamente baja de
zonas calientes crónicas, que permanecen fijas por un año o más, es
injusto para los residentes de las áreas remanentes que presentan zonas
calientes temporarias.

Es oportuno resaltar la fuerte evidencia empírica con relación a la

efectividad de las estrategias de policiamiento focalizado en zonas
calientes, de ahí la conveniencia de revisar, por ejemplo, a Braga,
Turchan, Papachristos y Hureau (2019), quienes analizaron 65 estudios
que contenían 78 test de policiamiento focalizado en zonas calientes,
todos publicados entre 1989 y 2017; 51 de estos estudios fueron realizados
en los EE. UU., 4 en el Reino Unido, 4 en Suecia y 6 en otros países. Las
principales conclusiones que deseamos enfatizar son:

a. Los programas de prevención delictiva focalizadas en las zonas

calientes reducen el delito y generan resultados estadísticamente
significativos, tanto para delito como para desórdenes en las áreas
en las que se implementan. El efecto es evidente en ciertas
categorías específicas de delitos, incluyendo narcotráfico, desorden
público, delitos contra la propiedad y delitos violentos.
b. Es mucho más probable que estas estrategias generen un efecto
de difusión de beneficios en las áreas circundantes, a que existan
efectos de desplazamiento de delitos.

58
 La recomendación que surge es que la revisión antes mencionada apoya
al policiamiento focalizado en zonas calientes como una herramienta
proactiva en las estrategias de reducción del delito. “Los departamentos
de policía deben incorporar la focalización de recursos en las áreas de
alta actividad del delito como parte de su aproximación general a la
prevención del delito.” 

Finalmente, dejamos como lectura complementaria el documento de

trabajo del BID (Chainey, Estévez-Soto, Pezzuchi y Serrano-Berthet, 2023),
y sugerimos explorar el apartado de casos evaluados en América Latina
disponible en la plataforma de evidencias en seguridad y justicia del BID:
[Link]

59
 Referencias

Ariel, B., W. C., & Sherman, L. (2016). Soft” policing at hot spots—do police
community support officers work? A randomized controlled trial. Journal
Experimental Criminology (12), 277–317. [Link]
9260-4

Anselin, L., Lozano, N., & Koschinsky, J. (2006). Rate Transformations and
Smoothing. Illinois, CH: Spatial Analysis Laboratory, Department of
Geography, University of Illinois, Urbana-Champaign.

Boggs, S. L. (1965). Urban Crime Patterns. American Sociological Review, 30(6),

899-908.

Bowers, K. J., J. S., & Pease, K. (2004). PROSPECTIVE HOT-SPOTTING: The Future
of Crime Mapping? The British Journal of Criminology, 5(44), 641–658.
Retrieved from [Link]

Cano Gestoso, I. (2004). La policía y su evaluación. Propuestas para la

Construcción de indicadores de evaluación en el trabajo policial. Santiago
de Chile: Centro de Estudios para el Desarrollo.

Chainey, S., Estevez-Soto, P., Pezzuchi, G., & Serrano-Berthet, R. (2023).

Policiamiento en puntos calientes en cuatro ciudades de Argentina:
evaluación de impacto y de proceso - IDB-WP-1409. Washington: Banco
Interamericano de Desarrollo.

Chainey, S., Tompson, L., & Uhlig, S. (2008). The Utility of Hotspot Mapping for
Predicting Spatial Patterns of Crime. Security Journal(21), 4-28. Retrieved
from [Link]

Chainey, S.P., Alvarado, N., and Serrano–Berthet R. (2021). Hot Spots Policing: An
evidence-based approach to implementing hot spots policing in Latin
America and the Caribbean. Inter-American Development Bank.

60
 Cohen, J., Gorr, W., & Olligschlaeger, A. (2007). Leading Indicators and Spatial
Interactions: A Crime‐Forecasting Model for Proactive Police Deployment.
Geographical Analysis.(39), 105-127. doi:10.1111/j.1538-4632.2006.00697.x.

Gertler, P. J., Martinez, S., Premand, P., Rawlings, L. B., & Vermeersch, C. M. (2017).

La evaluación de impacto en la práctica. Segunda Edición. Washington:

Banco Interamericano de Desarrollo y Banco Mundial. doi:doi:10.1596/978-1-
4648-0888-3

Gorr, W. L., Kurland, K. S., & Dodson, Z. M. (2018). Gis Tutorial for Crime Analysis,
second edition. Redlands: ESRI Press.

Koper, C. (1995). Just enough police presence: Reducing crime and disorderly
behavior by optimizing patrol time in crime hotspots. Justice Quarterly,
12(4), 649-672.

Krishnamoorthy, K., & Thomson, J. (2004). A more powerful test for comparing
two Poisson means. Journal of Statistical Planning and Inference (119), 23-
35.

Lee, Y., & Gorr, W. (.-6. (2017). Chapter 2 - Chronic and Temporary Crime Hot
Spots. In D.
Weisburd, & J. E. Eck, Unraveling the Crime-Place Connection, Volume 22
New Directions in Theory and Policy (pp. 41-63). Taylor & Francis.

Mohler, G., & Porter, M. (2018). Rotational grid, PAI‐maximizing crime forecasts.
Statistical Analysis and Data Mining: The ASA Data Science Journal(11),
227-236.

Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2008). Introduction to Time

Series Analysis and Forecasting. Hoboken, NJ: John Wiley & Sons.

61
 ONU. (2003). Manual for the Development of A System of Criminal Justice
Statistics - Studies in Methods Series F No. 89. New York: UNITED
NATIONS PUBLICATION.
Ratcliffe, J. H. (2019). Reducing Crime: A Companion for Police Leaders. London:
Routledge.

Scott, J., & Marshall, G. (2014). A Dictionary of Sociology, Fourth Edition. Oxford:
Oxfor University Press.

Sherman, L., & Weisburd, D. (1995). General deterrent effects of police patrol in
crime “hot spots”: a randomized, controlled trial. Justice Quarterly, 12(4),
625-648.

Sherman, L. W. (2012). Desarrollo y evaluación de programas de seguridad

ciudadana en América Latina. Protocolo para la prevención del delito a
partir de la evidencia. Nota Técnica IDB-TN-436. Washington: Banco
Interamericano de Desarrollo.

Sherman, L. W., Gottfredson, D., MacKenzie, D., Eck, J., Reuter, P., & Bushway, S.
(1997). Preventing Crime: What Works, What Doesn't, What's Promising -
NCJ 165366. Washington: National Institute of Justice.

Taylor, B., K. C., & Woods, D. (2011). A randomized controlled trial of different
policing strategies at hot spots of violent crime. Journal of Experimental
Criminology, 149–181. doi:[Link]

Telep, C., Mitchell, R., & Weisburd, D. (2014). How much time should the police
spend at crime hot spot? Answers from a police agency directed
randomized field trial in Sacramento, California. Justice Quarterly(31), 905-
933.

Wheeler, A.P. and Ratcliffe, J.H. (2018) A simple weighted displacement

difference test to evaluate place-based crime interventions. Crime Science 7, 11.

62
 WWCfLEG. (2016). Guide to Scoring Evidence using the Maryland
Scientific Methods Scale. London: What Works Centre for Local Economic
Growth.

63