- Nada es Gratis - https://nadaesgratis.es -

¿Por qué hay más crimen en las ciudades?

de David Cuberes y Daniel Montolio

En una entrada reciente, uno de nosotros hablaba de cómo Europa se urbanizó, en gran parte, debido a que, ante la amenaza de una guerra, las ciudades ofrecían mayor seguridad a sus habitantes que las zonas rurales (ver aquí). Sin embargo, esto no implica que, en tiempos de paz, las ciudades sean lugares más seguros. De hecho, lo contrario es cierto: las tasas de criminalidad per cápita suelen ser mayores en las ciudades más pobladas. En esta entrada queremos explicar por qué esto es así. Para ello, nos vamos a centrar en un sencillo modelo y en un estudio que usa datos de Estados Unidos.

El modelo de crimen del premio Nobel de economía Gary Becker asume que los criminales son individuos racionales que maximizan su utilidad (este supuesto sorprendió a mucha gente, sobre todo a sociólogos, que, hasta el momento, trataban a los criminales como individuos irracionales que no respondían a los incentivos económicos). Para simplificar, el modelo asume que lo único que importa a la gente es el dinero y que el único crimen posible es un robo. Llamemos L al botín que el criminal puede capturar en caso de cometer un crimen y llamemos a a la probabilidad de que el criminal sea detenido. En caso de ser capturado, el ladrón es enviado a la cárcel y esto le supone un coste J. Finalmente, cometer un robo tiene un coste adicional, e, que incluye los esfuerzos físicos y mentales de planear y llevar a cabo el robo, así como el coste social de ser considerado un criminal. Con esta información, el valor esperado de robar viene dado por (1-a)L – aJ – e. Supongamos que podemos ordenar a la gente de forma que los individuos más a la derecha del eje de abscisas tienen una mayor capacidad de conseguir dinero siendo trabajadores legales, como indica la curva “Ingresos legítimos”. Una variable que puede explicar bien este ranking es el nivel de educación de los individuos. Por otro lado, supongamos que, si uno decide hacerse criminal, los ingresos son los mismos independientemente del nivel de educación, como indica la curva “Ingresos criminales”. El siguiente gráfico muestra que, en este modelo, si en la población hay individuos, aquellos que estén a la izquierda de nc deciden hacerse criminales (les sale más a cuenta), y a la derecha de este nivel crítico, se hacen trabajadores legales.

Por otro lado, es muy fácil ver cuál es el efecto de cambiar el valor del botín, L, la probabilidad de ser capturado, a, o el castigo en caso de ser capturado, J. Por ejemplo, si asumimos que cuanta mayor sea la población de una ciudad, mayor es el botín a robar, los ingresos criminales en esta ciudad se desplazan hacia arriba y el modelo predice que las ciudades más pobladas deben tener más criminales, como se muestra en el siguiente gráfico:

En un trabajo de Edward Glaeser y Bruce Sacerdote (ver aquí), los autores usan datos sobre crímenes en las ciudades estadounidense durante los años 80 y encuentran que, efectivamente, en las ciudades más pobladas, el número de crímenes per cápita es mayor que en las menos pobladas, como puede verse en el siguiente gráfico:

Glaeser y Sacerdote encuentran que una de las principales explicaciones (un 25% de la correlación) de por qué hay más crimen en las ciudades más pobladas es que, cuanto mayor es la ciudad, más hay para robar. Esto es precisamente lo que predice el modelo de Becker discutido más arriba. Los otros dos motivos que estudia el modelo de Becker, es decir, el hecho de que la probabilidad de ser reconocido y luego arrestado son menores en ciudades más grandes, explican alrededor del 10% de esta correlación. Finalmente, entre el 30 y el 50% del crimen urbano puede explicarse por características observables de los residentes urbanos. Un resultado bastante sorprendente de su estudio es que una de las características más relevantes que se relaciona con el crimen es la presencia de hogares con solamente una mujer en el hogar. Otro hallazgo interesante del trabajo es que no es que las ciudades conviertan a la gente en criminales, sino que, en realidad, las ciudades tienden a atraer a este tipo de individuos.

En un trabajo anterior (ver aquí) Edward Glaeser, Bruce Sacerdote y José Scheinkman argumentan que diferencias entre ciudades en términos del nivel de interacciones sociales pueden explicar, al menos teóricamente, por qué las tasas de crimen varían tanto entre ciudades. Por ejemplo, puede ser que en ciudades más cohesionadas socialmente sea más probable que la comunidad denuncie a los criminales cuando cometen en crimen. Sin embargo, la dificultad de medir estas interacciones hace difícil contrastar esta hipótesis y su relevancia respecto a las variables más tradicionales del modelo de Becker. Este es un campo muy interesante para la investigación futura, sobre todo porque la naturaleza de las interacciones sociales está cambiando muy rápidamente en años recientes debido a las redes sociales. Cada vez es más cierto que estas redes de algún modo sustituyen las interacciones cara a cara y, por tanto, el tamaño de la población de una ciudad no es necesariamente una buena medida de su nivel de interacción social.

Para el caso español no disponemos en este momento de datos adecuados para contrastar la hipótesis de Glaeser y Sacerdote de que el crimen aumenta más que proporcionalmente con el tamaño de la ciudad, al menos en una sección cruzada de datos. Sin embargo, para Cataluña, tenemos datos de los Mossos d’Esquadra a nivel de aglomeraciones urbanas. Los siguientes gráficos muestran que, sin tener en cuenta ningún otro factor, las tasas de crimen per cápita son, efectivamente mayores en las ciudades más pobladas. Esta regularidad parece cumplirse en aglomeraciones de más de 1.000, 5.000, 10.000 o 50.000 habitantes, aunque cabe destacar que hay algunos outliers en esta relación, sobretodo unas pocas ciudades pequeñas con elevadas tasas de criminalidad. Por otro lado, Barcelona es, de lejos, la mayor ciudad de la muestra, aunque no tenga la mayor tasa de criminalidad per cápita. Dejamos para una futura entrada un análisis más detallado de la robustez de este resultado y qué podría explicarlo.