Educación y Criminalidad: Efectos directos, cambio en el tiempo y oportunidades de política pública

Educación y Criminalidad: Efectos directos, cambio en el tiempo y oportunidades de política publica

Andres Molano¹

Arturo Harker²

Universidad de los Andes 1 Centro de Investigación y Formación en Educación (CIFE) 2 Escuela de Gobierno Alberto Lleras Camargo

Molano – Harker – Universidad de los Andes

1

Investigadores Principales Arturo Harker Roa •

•

Ph.D en Economía y Máster en Economía de la Universidad de California, Los Angeles (UCLA), y Máster en Economía y Economista de la Universidad de los Andes. Su agenda de investigación actual se enfoca en el análisis, diseño y evaluación de impacto de políticas públicas para la acumulación de capital humano en sus dimensiones cognitivas y emocionales.

Andres Molano •

•

Doctor en Desarrollo Humano y Master en Riesgo y Prevención de la Universidad de Harvard. Master en Educación y Psicólogo de la Universidad de los Andes. Su investigación básica se enfoca en los efectos “cambiantes-en-el-tiempo” de relaciones y redes de pares en el aprendizaje y desarrollo social y emocional de niños y adolescentes expuestos a distintos estresores sociales.

Molano – Harker – Universidad de los Andes

2

Exploración de trayectorias de Delincuencia: 2003 - 2014

Preguntas de Investigación: • Cuál es la trayectoria de cambio en el tiempo de la Delincuencia en Colombia en el periodo comprendido entre el 2003 y el 2014. – Existe variabilidad entre municipios en estas trayectorias de cambio? – En qué medida diferencias en la inversión y el desempeño municipal en educación pueden explicar esta variabilidad?

• Existen distintas trayectorias de cambio entre municipios? – Están estas trayectorias asociadas con diferencias en la inversión y el desempeño municipal en educación?

Molano – Harker – Universidad de los Andes

3

Datos • Reporte anual de delincuencia agregado a nivel municipal para el periodo 2003 – 2014. Fuente: Policía Nacional: Dirección de investigación criminal e interpol • Panel Municipal del Centro de Estudios sobre Desarrollo Económico. Nivel municipal de 1996 al 2010. CEDE, Universidad de los Andes. • Series de Población: Estimaciones 1985 – 2005 y Proyecciones 2005 – 2020 a nivel municipal. Departamento Administrativo Nacional de Estadísticas (DANE)

Molano – Harker – Universidad de los Andes

4

Modelo Analítico Cuál es la trayectoria de cambio en el tiempo de la Delincuencia en Colombia en el periodo comprendido entre el 2003 y el 2014.

L1: 𝐷𝑒𝑙𝑖𝑛𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑖𝑗 = 𝜋0𝑖𝑗 + 𝜋1 𝑇𝐼𝐸𝑀𝑃𝑂𝑛 L2:

𝑖𝑗

+ 𝜀𝑖𝑗

𝜋0 = 𝛾00 + 𝛾01 (𝐸𝑑𝑢𝑐𝑎𝑐𝑖𝑜𝑛) 𝑗 +𝜁01 𝜋1 = 𝛾10 + 𝛾10 (𝐸𝑑𝑢𝑐𝑎𝑐𝑖𝑜𝑛) 𝑗 +𝜁10

Donde: 𝜀𝑖𝑗 ~𝑁

0, 𝜎𝜀2

𝜁01 y ~ 𝜁10

2 𝜎 0 01 , 0 𝜎11

Molano – Harker – Universidad de los Andes

𝜎11 2 𝜎10 5

Modelo Analítico Existen distintas trayectorias de cambio entre municipios?

L1: 𝐷𝑒𝑙𝑖𝑛𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑖𝑗∗ = 𝜋0𝑗 + 𝜋1𝑗 𝑇𝐼𝐸𝑀𝑃𝑂𝑛

𝑖𝑗

+ 𝜀𝑖𝑗

Donde: 𝜀𝑖𝑗 ~𝑁 0, 𝜎𝜀2

Molano – Harker – Universidad de los Andes

6

Ejercicio # 1: Trayectorias de Homicidios Intercepto Time Time2 Time3 REGION_2 REGION_3 REGION_4 TimebyREG_2 Time2byREG_2 Time3byREG_2 TimebyREG_3 Time2byREG_3 Time3byREG_3 TimebyREG_4 Time2byREG_4 Time3byREG_4 Estud/Prof_03(ST) Timeby_ST Time2_ST Time3_ST Time_STbyREG2 Time2_STbyREG2 Time3_STbyREG2 Time_STbyREG3 Time2_STbyREG3 Time3_STbyREG3 Time_STbyREG4 Time2_STbyREG4 Time3_STbyREG4 SABER11 (2003) Establecimientos

(1) 6.157*** -0.999*** 0.111*** -0.00460***

(2) 5.692*** -1.000*** 0.111*** -0.00461*** 3.039*** 1.992*** -0.676***

(3) 6.403*** -1.576*** 0.215*** -0.00974*** 5.941*** -2.035*** -2.559*** 0.848** -0.305*** 0.0181*** 2.111*** -0.324*** 0.0150*** 0.938*** -0.141** 0.00649*

Molano – Harker – Universidad de los Andes

(4) 6.917*** -3.329*** 0.492*** -0.0244*** 5.950*** -1.983*** -2.482*** -5.489*** 1.039*** -0.0516** 3.916*** -0.698*** 0.0368*** 3.264** -0.738** 0.0451** -0.0226 0.0772*** -0.0122** 0.000647** 0.272*** -0.0577*** 0.00299*** -0.0795** 0.0164* -0.000950* -0.0990** 0.0243** -0.00155**

(5) 11.99*** -3.428*** 0.501*** -0.0246*** 5.972*** -2.040*** -2.777*** -5.838*** 1.129*** -0.0568** 3.954*** -0.718*** 0.0381*** 3.256** -0.735** 0.0446** -0.0430 0.0810*** -0.0126** 0.000656** 0.279*** -0.0601*** 0.00314*** -0.0806** 0.0170* -0.000996* -0.0990** 0.0242** -0.00153** -0.0961*** 0.00169* 7

Ejercicio # 1: Trayectorias de Homicidios var(Time) _cons var(_cons) _cons cov(Time,_cons) _cons var(Residual) _cons ll

0.470*** (0.0137)

0.470*** (0.0137)

0.437*** (0.0133)

0.436*** (0.0133)

0.438*** (0.0134)

5.042*** (0.122)

4.779*** (0.120)

4.563*** (0.113)

4.602*** (0.115)

4.585*** (0.115)

-1.405*** (0.0415)

-1.477*** (0.0435)

-1.425*** (0.0433)

-1.515*** (0.0455)

-1.535*** (0.0460)

3.381*** (0.0229) -36442.1

3.383*** (0.0229) -36283.7

3.360*** (0.0227) -36149.2

3.351*** (0.0227) -35934.6

3.337*** (0.0228) -35442.3

Standard errors in parentheses * p < 0.05, ** p < 0.01, *** p < 0.001

Molano – Harker – Universidad de los Andes

8

Ejercicio # 1: Trayectorias de Homicidios Intercepto Time Time2 Time3 REGION_2 REGION_3 REGION_4 TimebyREG_2 Time2byREG_2 Time3byREG_2 TimebyREG_3 Time2byREG_3 Time3byREG_3 TimebyREG_4 Time2byREG_4 Time3byREG_4 Estud/Prof_03(ST) Timeby_ST Time2_ST Time3_ST Time_STbyREG2 Time2_STbyREG2 Time3_STbyREG2 Time_STbyREG3 Time2_STbyREG3 Time3_STbyREG3 Time_STbyREG4 Time2_STbyREG4 Time3_STbyREG4 SABER11 (2003) Establecimientos

(1) 6.157*** -0.999*** 0.111*** -0.00460***

(5) 11.99*** -3.428*** 0.501*** -0.0246*** 5.972*** -2.040*** -2.777*** -5.838*** 1.129*** -0.0568** 3.954*** -0.718*** 0.0381*** 3.256** -0.735** 0.0446** -0.0430 0.0810*** -0.0126** 0.000656** 0.279*** -0.0601*** 0.00314*** -0.0806** 0.0170* -0.000996* -0.0990** 0.0242** -0.00153** -0.0961*** 0.00169*

Parámetros en rojo representan características del sistema educativo y su asociación con el cambio en el tiempo de la tasa de homicidios. Incluimos: 1) Tasa de Estudiantes por Profesor en el 2003 2) Desempeño saber municipal en el 2003 3) Numero de Establecimientos en el municipio en el 2003 var(Time) _cons var(_cons) _cons cov(Time,_cons) _cons var(Residual) _cons ll

Molano – Harker – Universidad de los Andes

0.470*** (0.0137)

0.438*** (0.0134)

5.042*** (0.122)

4.585*** (0.115)

-1.405*** (0.0415)

-1.535*** (0.0460)

3.381*** (0.0229) -36442.1

3.337*** (0.0228) -35442.3

9

Trayectorias de Homicidio 2003 - 2014 Estudiante/Profesor en el 2003 =30

20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14 20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14

0

5

10

15

Estudiante/Profesor en el 2003=20

Time ANDINA

ORIENTAL

PACIFICA

Molano – Harker – Universidad de los Andes

CARIBE

10

Conclusiones • Cuál es la trayectoria de cambio en el tiempo de la Delincuencia en Colombia en el periodo comprendido entre el 2003 y el 2014.

5 4 3 2

Linear Prediction, Fixed Portion

Observamos una trayectoria promedio decreciente que en el 2003 inicia en niveles de 5.92 homicidios por cada 10 mil habitantes, y decrece cúbicamente hasta alcanzar un promedio de 2.71 homicidios por cada 10 mil habitantes en el 2014.

6

Adjusted Predictions with 95% CIs

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Time

Molano – Harker – Universidad de los Andes

11

Conclusiones – Existe variabilidad entre municipios en estas trayectorias de cambio? Si. Observamos una importante variabilidad entre regiones del país. 15 10 5

En la región Pacifica se observa un ligero incremento, a lo largo del tiempo, frente a los niveles reportados en el 2003

Adjusted Predictions with 95% CIs

0

Linear Prediction, Fixed Portion

En la región Oriental es donde observamos un cambio mas marcado a lo largo del tiempo.

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Time ANDINA PACIFICA

Molano – Harker – Universidad de los Andes

ORIENTAL CARIBE

12

Conclusiones – En qué medida diferencias en la inversión y el desempeño municipal en educación pueden explicar esta variabilidad? Observamos interesantes asociaciones entre nuestras trayectorias estimadas y algunos indicadores de eficiencia del sistema educativo. Trayectorias de Homicidio 2003 - 2014

Estudiante/Profesor en el 2003 =30

5

10

15

Estudiante/Profesor en el 2003=20

0

Linear Prediction, Fixed Portion

Diferencias en La tasa de Estudiantes por Profesor reportada en el 2003 sugiere que en municipios en donde en promedio hay menos estudiantes por cada profesor, son aquellos que presentan una caída mas acelerada en las tasas de homicidio. Esta diferencia es mucho mas marcada en la región ORIENTAL

03 04 05 06 07 08 09 10 11 12 13 14 03 04 05 06 07 08 09 10 11 12 13 14 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Time ANDINA

ORIENTAL

Molano – Harker – Universidad de los Andes

PACIFICA

CARIBE

13

Ejercicio # 2: Existen distintas trayectorias de cambio entre municipios? Maximum Likelihood Estimates Model: Censored Normal (CNORM)

Group

Parameter

Estimate

Standard Error

1

Intercept Linear

2.66763 -0.23379

0.09944 0.01415

26.827 -16.517

0.0000 0.0000

2

Intercept Linear Quadratic

10.02030 -0.61088 0.01575

0.23756 0.09343 0.00799

42.180 -6.538 1.972

0.0000 0.0000 0.0486

3

Intercept Linear Quadratic Cubic Quartic

42.24553 -17.01404 3.00381 -0.23512 0.00676

0.94067 1.19162 0.46785 0.06510 0.00293

44.910 -14.278 6.420 -3.612 2.309

0.0000 0.0000 0.0000 0.0003 0.0210

4.34500

0.03174

136.881

0.0000

Sigma

T for H0: Parameter=0

Prob > |T|

Molano – Harker – Universidad de los Andes

14

Ejercicio # 2: Existen distintas trayectorias de cambio entre municipios? Group membership

.

.

.

6.63345 2.36621 1.06329 -1.49950 -0.17067 0.36303 -0.71272

1.56922 0.28850 0.21724 0.35962 0.03296 0.10537 0.36241

4.227 8.202 4.895 -4.170 -5.178 3.445 -1.967

0.0000 0.0000 0.0000 0.0000 0.0000 0.0006 0.0493

5.39694 3.12255 -0.87948 -1.96444 -0.19328 0.62634 -1.78401

4.27658 0.48068 1.07040 1.09794 0.09025 0.27095 0.90995

1.262 6.496 -0.822 -1.789 -2.142 2.312 -1.961

0.2070 0.0000 0.4113 0.0736 0.0322 0.0208 0.0500

AIC=-32061.21

L=-32036.21

1

Constant

(0.00000)

2

Constant ORIENTAL2003 PACIFICA2003 CARIBE2003 b0 b1 b2

3

Constant ORIENTAL2003 PACIFICA2003 CARIBE2003 b0 b1 b2

BIC=-32154.42 (N=12798)

BIC=-32123.39 (N=1069)

Molano – Harker – Universidad de los Andes

15

Ejercicio # 2: Existen distintas trayectorias de cambio entre municipios?

0

10

20

30

40

Trayectorias Estimadas para Tasa de Homicidio

0

5 trajT 1

73.6%

2

10

24.0%

Molano – Harker – Universidad de los Andes

3

2.4%

16

Ejercicio # 2: Existen distintas trayectorias de cambio entre municipios?

• Los municipios identificados en el grupo 3 son: Municipio2003

Departamento2003

38. 53. 90. 91. 226.

Cocorná Granada San Carlos San Francisco Chivor

ANTIOQUIA ANTIOQUIA ANTIOQUIA ANTIOQUIA BOYACÁ

482. 508. 560. 600. 695.

El Peñón La Palma Topaipí San José del Palmar El Castillo

CUNDINAMARCA CUNDINAMARCA CUNDINAMARCA CHOCÓ META

696. 697. 701. 704. 708.

El Dorado Fuente de Oro Mesetas Lejanías Puerto Lleras

META META META META META

712. 715. 793. 816. 834.

San Juan de Arama Vistahermosa El Tarra Tibú Balboa

META META NORTE DE SANTANDER NORTE DE SANTANDER RISARALDA

936. 1052. 1054. 1057. 1110.

Coloso Puerto Rondón Tame Chameza Calamar

SUCRE ARAUCA ARAUCA CASANARE GUAVIARE

Molano – Harker – Universidad de los Andes

17

Conclusiones Ejercicio # 2: Existen distintas trayectorias de cambio entre municipios? • Identificamos tres grupos distintivos de municipios a partir de sus patrones de cambio en el tiempo en su tasa de homicidio. • Solo en 2.4% de los municipios del país observamos una caída rápida desde niveles muy altos en promedio (40 homicidios por cada 10 mil habitantes). • Diferencias regionales se encuentran asociadas con la membresía a cada una de estos perfiles de cambio. • El desempeño observado en SABER 11 predice de manera negativa la membresía a la categoría 3. Desempeños inferiores, en promedio, se asociación con la membresía a este perfil de cambio. Molano – Harker – Universidad de los Andes

18

Conclusiones Generales • Nuestros ejercicios analíticos describen el proceso de cambio en el tiempo de las tasas de homicidio de los municipios del país. • Si bien múltiples factores pueden explicar estos procesos de cambio en el tiempo, observamos como factores que describen la eficiencia del sistema educativo se encuentran asociados con estos procesos de cambio en el tiempo. • La inversión en educación, operacionalizada en la disponibilidad de docentes y el desempeño de los estudiante se asocian positivamente con decrementos de mayor magnitud en la tasa de homicidios a lo largo del tiempo. Molano – Harker – Universidad de los Andes

19