INNOVARE CIENCIA Y TECNOLOGÍA VOL. 11, NO. 1, 2022
Disponible en CAMJOL
INNOVARE Ciencia y Tecnología
Sitio web: www.unitec.edu/innovare/
1 Autor corresponsal: henry.osorto@unah.edu.hn, Universidad Nacional Autónoma de Honduras, Tegucigalpa, Honduras
Disponible en: http://dx.doi.org/10.5377/innovare.v11i1.14073
© 2022 Autores. Este es un artículo de acceso abierto publicado por UNITEC bajo la licencia http://creativecommons.org/licenses/by-nc-nd/4.0
Artículo Original
Incidencias delictivas y de acción policial en Honduras del 2013 a 2020
Crime incidents and police interventions in Honduras from 2013 to 2020
Henry Osorto1
Departamento de Economía, Universidad Nacional Autónoma de Honduras, UNAH, Tegucigalpa, Honduras
Historia del artículo:
Recibido: 16 noviembre 2021
Revisado: 17 noviembre 2021
Aceptado: 9 diciembre 2021
Publicado: 30 abril 2022
Palabras clave
Análisis geoespacial
Componentes principales
Correlación
Incidencias delictivas
Keywords
Geospatial analysis
Principal component
Correlation
Crime incidents
RESUMEN. Introducción. Honduras tiene un alto nivel de violencia en Latinoamérica. Este estudio analizó las
incidencias delictivas y de actuación policial a nivel municipal en Honduras de 2013 a 2020. Métodos. Se utilizaron
datos del Sistema Estadístico Policial en Línea de los 298 municipios en un periodo de 8 años y se hizo análisis
geoespacial, de correlación, de componentes principales (PCA, siglas en inglés) y factorial (AF). Resultados. El
Distrito Central y San Pedro Sula son los municipios con mayor número de incidencias. La tendencia en el período fue
a disminución de denuncias por abortos, homicidios, lesiones con arma blanca o de fuego, muertes indeterminadas,
policías muertos, raptos, secuestros, violaciones y tentativas. Las incidencias que aumentaron fueron los accidentes de
tránsito y sus lesiones o muertes, lesiones con arma contundente, manifestaciones pacíficas o violentas, muertes
accidentales, muertes por suspensión, policías lesionados y los suicidios. Hubo niveles de correlación significativos
entre las diferentes incidencias, e.g., muertes accidentales, por accidente de tránsito, indeterminadas y los abortos, así
como la capacidad de los PCA aplicados para reducir dimensiones pasado de 20 incidencias a tan solo 2, 3 o 4
componentes. Conclusión. Las correlaciones mostraron grupos de incidencias policiales concentradas en las zonas
urbanas del país. Se observó un comportamiento multidimensional de las variables, cuya atención contribuiría a la paz
y seguridad poblacional a través de medidas preventivas y correctivas.
ABSTRACT. Introduction. Honduras has a high level of violence in Latin America. This study analyzed crime and
policing incidents at the municipal level in Honduras from 2013 to 2020. Methods. Data from the Online Police
Statistical System of the 298 municipalities over a period of 8 years were used, and geospatial, correlation, principal
component (PCA) and factorial (AF) analyzes were performed. Results. The Central District and San Pedro Sula are
the municipalities with the highest number of incidents. The trend in the period was a decrease in reports of abortions,
homicides, stabbing or firearm injuries, undetermined deaths, police deaths, abductions, kidnappings, rapes and
attempts. The incidences that increased were traffic accidents and their injuries or deaths, injuries with a blunt weapon,
peaceful or violent demonstrations, accidental deaths, deaths by suspension, injured police officers, and suicides. There
were significant levels of correlation between the different incidences, e.g., accidental deaths, due to traffic accidents,
undetermined deaths and abortions, as well as the ability of the applied PCA to reduce dimensions from 20 incidences
to only 2, 3 or 4 components. Conclusion. The correlations showed groups of police incidents concentrated in the
urban areas of the country. A multidimensional behavior of the variables was observed, whose attention would
contribute to population peace and security through preventive and corrective measures.
1. Introducción
Honduras cuenta con un alto nivel de violencia en su
población. Entre 2000 a 2012, el país poseía la tasa de
homicidio más alta en la región, llegando al máximo de 90
por cada 100,000 habitantes (Chioda, 2017). En la
actualidad, se ha reportado que esta tasa ha disminuido
significativamente hasta llegar a 37.6 homicidios por cada
100,000 habitantes (Statista, 2021), dato que algunos
consideran sujeto de mayor análisis. A la fecha, sin
embargo, Honduras sigue ocupando los primeros lugares de
países violentos en la región. Es de suma importancia
incrementar los esfuerzos para combatir la problemática de
la violencia, por los efectos negativos que genera a nivel
personal y a la sociedad en general.
Diversos estudios documentan el impacto que el crimen
genera en diferentes aspectos de la vida de la población,
como ser los daños físicos, psicológicos y económicos
(Freeman, 1999), afectando directamente el bienestar de las
personas (Cohen, 2008; Hanslmaier, 2013; Hanson et al.,
2010). La criminalidad también atenta contra la economía y
la seguridad de las empresas privadas (Solís & Rojas
Aravena, 2008).
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
4
Además del combate mediante la política pública en
materia de seguridad y defensa, deben realizarse esfuerzos
adicionales a través de la investigación y el análisis de los
crímenes e incidentes desde un enfoque científico.
Actualmente, hay mayor acceso a información en materia
delictiva y de incidencias policiales en Honduras, facilitando
los estudios cuantitativos y la aplicación de modelos
predictivos, la minería de datos, el aprendizaje automatizado
de los datos, entre otros, hasta implementarse el análisis
geoespacial de los datos.
Este último enfoque suele utilizarse frecuentemente en el
análisis del crimen debido a la introducción de los Sistemas
de Información Geográficas (GIS por sus siglas en inglés).
Según Lisowska-Kierepka (2021), los métodos analíticos
más utilizados incluyen: a) mapeo del crimen: el cual hace
referencia al lugar y hora en que ocurren los delitos,
detallando ubicaciones como condados, regiones,
departamentos, municipios (Levine, 2010; Mordwa, 2013);
b) puntos calientes: se centra en la creación de mapas en
donde es más probable que ocurran los delitos, mediante
áreas de densidad (Levine, 2010; Ratcliffe, 2010), y
cartogramas de cocientes de ubicación (Andresen et al.,
2009; Brantingham & Brantingham, 1998) d)
autocorrelación espacial: utilizado con datos de direcciones
(Lisowska-Kierepka, 2021); e) regresión espacial: utilizada
para analizar la diversificación espacial de la delincuencia
en el espacio e identificar sus causas subyacentes
(Lisowska-Kierepka, 2021).
Dada la disponibilidad de información de acceso público,
este estudio procuró generar hallazgos relevantes que
contribuyan al conocimiento basado en evidencia y análisis
científico. Puntualmente, tiene como propósito analizar las
incidencias atendidas por la policía a nivel municipal en
Honduras de 2013 a 2020. Este estudio contribuirá a una
mejor comprensión del comportamiento de los diferentes
tipos de delitos e incidencias policiales en el país.
2. Métodos
2.1. Fuente de datos
Este se basó en análisis cuantitativo para establecer
ciertos comportamientos, correlaciones y dimensiones
latentes en los hechos delictivos e incidencias en estudio.
Los datos utilizados fueron obtenidos del Sistema
Estadístico Policial en Línea [SEPOL] (2020), mediante el
sistema de reportes de incidencias por municipio por tipo de
incidencia/delito, según los reportes semanales de
Incidencia Delincuencial y Actuación Policial, generados
por cada una de las incidencias (22), municipios (298) y años
disponibles (2013 a 2020). Esta información fue procesada
en una base de datos para su análisis longitudinal, así como
geoespacial, a través de datos cartográficos del Sistema
Nacional de Información Territorial [SINIT] (2001).
2.2. Definición de incidencias
Las 22 incidencias policiales registradas en el SEPOL
fueron: aborto, accidente de tránsito, homicidios, lesionados
con arma blanca, lesionados con arma contundente,
lesionados con arma de fuego, lesionados en accidente
tránsito, manifestaciones pacíficas, manifestaciones
violentas, muertes accidentales, muertes indeterminadas,
muertes naturales, muertes por accidente tránsito, muertes
por sumersión, muertes por suspensión, policías lesionados,
policías muertos, raptos, secuestros, suicidios, tentativa de
violación y violación. Sin embargo, para este estudio fueron
excluidas las muertes naturales y muertes por sumersión, ya
que, en este caso, no se consideró que había criterio
suficiente para tipificarlos como actos criminales.
Por otra parte, algunas acciones que aparentemente
pudiesen no considerarse un acto criminal (e.g., los
accidentes de tránsito o los lesionados por estos), fueron
incluidos como variables de interés, ya que para el SEPOL
son objeto de registro debido a que pudieran relacionarse a
cierta culpabilidad o riesgo, por lo que demandan del
accionar policial.
2.3. Análisis de datos
Inicialmente, se desarrollaron algunos análisis
descriptivos a fin de conocer el comportamiento de cada una
de las variables a nivel agregado. Seguidamente, se optó por
un análisis desagregado a nivel municipal lo cual condujo a
la identificación de correlaciones entre los diferentes tipos
de incidencias. Finalmente, los datos se sometieron a un
análisis de componentes principales para conocer los
factores de mayor explicación de las incidencias criminales
en Honduras.
Cabe señalar que el procesamiento y análisis de los datos
fue realizado en el lenguaje de programación estadístico R
(R Core Team, 2021), lo cual permitió procesar la
información con el paquete Tidyverse (Hadley Wickham et
al., 2019), la elaboración del análisis geoespacial por medio
de los paquetes sf (Pebesma, 2018) y tmap (Tennekes,
2018), generar diagramas de correlaciones matriciales con
corrplot (Wei & Simko, 2021) y elaborar los análisis de
componentes principales (PCA por sus siglas en inglés) y
AF con los paquetes FactoMineR (Sébastien Lê et al., 2008),
factoextra (Kassambara & Mundt, 2020) y psych (Revelle,
2021).
Inicialmente, se realizaron comparaciones según las
frecuencias de los actos delictivos con herramientas como
los boxplot, mostrando un elevado sesgo debido a la alta
concentración en dos municipios: Distrito Central y San
Pedro Sula. Para lograr una mejor comprensión sobre la
distribución y comportamiento de las incidencias a nivel
territorial, se construyó un índice de incidencias que
resumiera en un solo valor todos los actos delictivos por
cada año por cada municipio. La construcción de este índice
viene dada por el promedio de los valores normalizados de
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
5
cada una de las incidencias por municipio en el año t.
Posteriormente, se empleó la representación geoespacial a
fin de lograr una mejor representación visual.
Siendo una incidencia normalizada en el i-ésimo
municipio en un año especifico, tomando como referencia
las cantidades absolutas registradas por municipio, el valor
máximo y mínimo. Luego de normalizar datos, se calculó el
promedio de las incidencias en cada municipio para cada
uno de los años, resultando una matriz de datos incluyendo
el índice de incidencia, donde las filas corresponden a los
municipios y las columnas a los años, según la fórmula:
Donde  representa el índice de incidencias
delictivas por municipio y por año, mientras que son las
incidencias delictivas normalizadas. El valor de este índice
varía en el intervalo 󰇟󰇠 indicando el nivel de
concentración de las incidencias en el municipio, si  ,
existe ausencia de incidencias, mientras que un 
indica una alta concentración de las mismas. Luego de
examinar el comportamiento del municipio por medio del II,
se procedió a evaluar mediante análisis bivariado la
existencia de asociaciones entre cada una de las incidencias
para cada año, esto con el fin de comprobar uno de los
supuestos que surgió en el proceso de exploración de los
datos, el cual sostiene que la alta presencia de cierta
incidencia delictiva está asociada a la alta presencia de otro
conjunto de incidencias. En ese sentido, se evaluó si existía
correlación entre los datos, así como el tipo y fuerza de esta.
Ante la expectativa de que la relación fuese del tipo lineal,
se obtuvieron matrices de correlaciones para el conjunto de
datos por medio del coeficiente de correlación de Pearson
que tiene como aplicación la siguiente ecuación:
Teniendo en cuenta que en este estudio no existe una o
un conjunto de variables que puedan explicar las incidencias
delictivas, o que sean consideradas dependientes del
comportamiento de las incidencias, se optó por la aplicación
de técnicas multivariantes interdependientes como el PCA y
el AF. El PCA es una herramienta de análisis propuesta por
Pearson (1901), cuyo objetivo es encontrar un número
reducido de dimensiones procurando conservar el máximo
de varianza de los datos. De manera general las
componentes principales extraídas se expresan mediante:
Donde
representa cualquiera de las posibles
componentes principales en la j-ésima componente,
denotada como una combinación lineal de las variables
(incidencias criminales) y la combinación lineal de los
coeficientes  implicando que es posible obtener varias
componentes principales tratando de cumplir la condición
variables, siempre y cuando la varianza de los
autovalores sea mayor a 1. Con la aplicación de este
procedimiento, se determinó la cantidad de componentes en
las que podrían ser agrupadas las incidencias criminales.
Para ello, se aplicó un PCA por año (2013-2020), teniendo
un total de 8 modelos.
Para la representación de las incidencias, se utilizó el
valor de las contribuciones de cada una de las variables,
mientras que el de los municipios emplea cos2, que es el
coseno al cuadrado de una componente con una
observación, medida que denota la importancia de un
componente para una observación dada (Abdi & Williams,
2010). Al hacer énfasis en las variables que se asocian con
cada componente, es posible hacer uso de los resultados que
provee el PCA, pues brinda componentes ortogonales que
ayudarían a discriminar variables en cada componente
obtenido. Para optimizar resultados, se elaboró para cada
año, un AF para obtener las cargas factoriales y definir a qué
factor corresponde cada variable.
A cada solución factorial se le aplicó la rotación de
factores, pues generalmente el primer factor recoge la mayor
cantidad de varianza explicada, por lo que casi toda variable
se va a ver afectada por este y, en consecuencia, el segundo
y el resto de los factores tan solo les correspondería la
varianza residual (Hair et al., 1999). Por tanto, rotar la matriz
de factores permitiría redistribuir la varianza de los primeros
factores a fin de mejorar la capacidad de discriminar a las
incidencias en un factor determinado. El Cuadro 1 muestra
las soluciones factoriales con la técnica de rotación
Varimax. Cabe recordar, el factor 1 es el que mayor
explicación brinda al modelo, permitiendo conocer más
precisamente cuáles son las incidencias delictivas que
mayor variabilidad muestran en un año especifico. El factor
2 suelen tener la carga residual más grande, por lo que, sería
el más importante en cuanto a la variabilidad, y en este caso,
del comportamiento de las incidencias delictivas.
3. Resultados
Hubo dos elementos importantes en las series de cada
una de las incidencias: la magnitud y la tendencia. Del
primero, destaca que los accidentes de tránsito y los
homicidios fueron incidencias más frecuentes, llegando a
alcanzar los valores máximos registrados de 7,200 y 6,431
respectivamente, mientras que sus valores mínimos fueron
de 1,903 y 3,496 (Figura 1).
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
6
Figura 1. Comportamiento de las incidencias atendidas por la policía en Honduras de 2013 a 2020.
*Eje x indica años y eje y el número.
Las incidencias con menor cantidad registradas fueron las
violaciones y tentativas de violaciones con los valores
máximos registrados de 27 y 18. Con relación a la tendencia
de las series, se destaca el marcado comportamiento de
disminución o aumento en cada una de las incidencias.
Los resultados obtenidos del índice de incidencias
delictivas a nivel municipal mostraron que para cada uno de
los años el Distrito Central ocupaba el primer lugar, llegando
a alcanzar el valor de 1 en el 2015, mientras que el valor
mínimo registrado fue de 0.80 en 2019 (Figura 2).
San Pedro Sula permaneció como el segundo municipio
con los valores más altos en todo el periodo observado. Los
valores oscilaron entre 0.47 y 0.60. Los municipios de El
Progreso (0.25) y Danlí (0.20) en 2016 y Choluteca (0.27)
en 2018 tuvieron un rango de 0.2 a 0.4. La figura 2 muestra
los resultados del análisis geoespacial de las incidencias en
2020. Los resultados en el análisis de correlación mostraron
que en cada año analizado se producían correlaciones
estadísticamente significativas entre el conjunto de
incidencias. En la Figura 3, se visualiza la matriz de
correlaciones del 2019, como ejemplo de una de las ocho
matrices obtenidas en cada año. Se denota la presencia de
una fuerte correlación positiva entre variables en el color
azul oscuro, mientras que las tonalidades claras mostraron la
baja correlación entre las variables.
Las variables que no mostraron correlación en algunos
años en particular fueron: las tentativas de violación y las
violaciones, las muertes accidentales por accidente de
tránsito, indeterminadas. Los abortos fueron las incidencias
que mayor nivel de correlación presentaron en cada uno de
los años analizados. Cabe mencionar que no se observaron
correlaciones negativas, representadas con el color rojo en
los corrplot.
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
7
Figura 2. Índice de incidencias atendidas por la policía a nivel municipal de Honduras 2020.
Elaboración propia con base en los datos de Incidencias Delictivas del SEPOL y Unidades Administrativas y Centros Poblados: Límites
Municipales del SINIT.
Figura 3. Diagramas de correlación matricial de las incidencias atendidas por la policía a nivel municipal de Honduras.
Elaboración propia con base en los datos de Incidencias Delictivas del SEPOL.
Al procesar los modelos de PCA y AF, se observó que en
su mayoría los modelos alcanzaban un nivel aceptable de
porcentaje de varianza total explicada, resumiendo la
información de 20 incidencias a tan solo 2, 3 o 4
componentes (Figura 4). Cabe mencionar que en 2018 y
2020 solo se consideraron 19 incidencias, ya que no se contó
con ningún reporte de incidencia en las tentativas de
violación. Además, el modelo del 2015 generó una solución
de tan solo un componente principal, por lo que no se logró
el objetivo de encontrar una función lineal que discriminara
componentes no correlacionados entre ellos y no se incluyó.
dicho año en los resultados del Cuadro 1.
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
8
La figura e ilustra los resultados obtenidos en el plano de dos
dimensiones los dos componentes principales (Figura 4). En
el lado izquierdo las variables asociadas a su componente, y
en el derecho, los municipios que mayor varianza aportaron
en el modelo obtenido con los datos del 2019. En este
modelo se obtuvieron 4 componentes principales, y solo el
primero explica el 67.3% de la varianza de los datos,
mientras que el segundo solo recoge el 8.2%.
Análogamente, el resto de los componentes tendrían un
menor porcentaje de varianza.
Otro elemento a destacar es que al resumirse el PCA de
manera gráfica, se emplearon escalas de colores para las
variables y las observaciones, indicando que en la medida
que se acercan al color rojo, implicó que existe una mayor
contribución mediante la varianza explicada. Por otra parte,
salta a la vista la separación que existe con el origen entre
los municipios Distrito Central (0801) y San Pedro Sula
(0501), que al mismo tiempo es resaltado con los colores
acordes a su cos2, revelando la importancia de estos dos
municipios para la explicación de las incidencias delictivas.
Además, se unen a la explicación, pero con menos
importancia que los primeros, los municipios de Choluteca
(0601), Comayagua (0301), Danlí (0703) y Choloma (0502).
Los datos son presentados de manera que se pueda
identificar el factor al que pertenecen las incidencias, así
como la carga factorial rotada (Cuadro 1). Los resultados
obtenidos para 2019 mostraron que las variables que se
asociaban al Factor 1 fueron: aborto, lesiones con arma
contundente, lesiones con arma de fuego, manifestaciones
violentas, muertes accidentales, muertes indeterminadas,
muertes por suspensión, policías lesionados, policías
muertos, secuestros y suicidios. Nótese que solo en 2019, se
contó con un cuarto factor y que este solo se asoció a una
incidencia, lo cual es explicado por la no correlación de esta
variable con el resto de las incidencias, por lo que, al
generarse factores no correlacionados entre sí, se asignó un
nuevo factor a esta variable.
4. Discusión
Los datos sugirieron la disminución en el tiempo de las
incidencias tipo aborto, homicidios, lesiones con arma
blanca, lesiones con arma de fuego, muertes indeterminadas,
policías muertos, raptos secuestros, violaciones y tentativas
de violaciones. Esto puede explicarse por diversos factores,
desde el subregistro hasta los efectos de la política pública
para combatir la criminalidad del país. Por otro lado, las
incidencias que aumentaron fueron los accidentes de
tránsito, lesiones por accidentes de tránsito, lesiones con
arma contundente, las manifestaciones pacíficas y
manifestaciones violentas, las muertes accidentales, las
muertes por accidentes de tránsito, las muertes por
suspensión, policías lesionados y los suicidios.
Figura 4. Representación de los componentes principales de las incidencias para 2019.
Elaboración propia con base en los datos de Incidencias Delictivas del SEPOL.
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
9
Cuadro 1
Cargas factoriales rotadas de los modelos de incidencias atendidas por la policía de Honduras, 2013 – 2020.1
Factores
2013
Factores
2014
Factores
2016
Factores
2017
Factores
2018
Factores
2019
Factores
2020
F1 = 0.96
F1 = 0.76
F1 = 0.73
F1 = 0.95
F1 = 0.86
F1 = 0.67
F1 = 0.93
F1 = 0.83
F1 = 0.86
F1 = 0.95
F1 = 0.87
F2 = 0.78
F2 = 0.98
F1 = 0.94
F2 = 0.79
F2 = 0.86
F1 = 0.85
F1 = 0.76
F1 = 0.71
F2 = 0.7
F1 = 0.96
F2 = 0.82
F2 = 0.6
F2 = 0.79
F2 = 0.51
F3 = 0.85
F3 = 0.8
F1 = 0.72
F1 = 0.88
F2 = 0.62
F2 = 0.6
F2 = 0.51
F3 = 0.92
F1 = 0.85
F1 = 0.83
F2 = 0.7
F2 = 0.77
F1 = 0.89
F2 = 0.68
F1 = 0.69
F1 = 0.71
F1 = 0.94
F1 = 0.9
F1 = 0.91
F1 = 0.95
F1 = 0.95
F1 = 0.77
F2 = 0.89
F1 = 0.96
F1 = 0.95
F1 = 0.91
F1 = 0.92
F1 = 0.7
F1 = 0.66
F2 = 0.68
F1 = 0.98
F1 = 0.95
F1 = 0.94
F1 = 0.93
F1 = 0.81
F1 = 0.68
F1 = 0.88
F1 = 0.95
F1 = 0.81
F1 = 0.75
F1 = 0.9
F1 = 0.74
F1 = 0.8
F1 = 0.77
F1 = 0.96
F1 = 0.91
F1 = 0.9
F1 = 0.96
F1 = 0.92
F1 = 0.75
F1 = 0.77
F1 = 0.97
F2 = 0.7
F1 = 0.73
F1 = 0.83
F1 = 0.7
F2 = 0.68
F2 = 0.73
F1 = 0.94
F1 = 0.83
F1 = 0.83
F1 = 0.91
F1 = 0.92
F1 = 0.67
F1 = 0.85
F1 = 0.94
F1 = 0.93
F1 = 0.77
F1 = 0.9
F1 = 0.75
F1 = 0.62
F1 = 0.81
F1 = 0.96
F1 = 0.79
F2 = 0.83
F1 = 0.91
F1 = 0.87
F1 = 0.81
F1 = 0.8
F1 = 0.69
F2 = 0.76
F2 = 0.65
F3 = 0.91
F2 = 0.9
F2 = 0.89
F2 = 0.83
F1 = 0.85
F2 = 0.51
F2 = 0.9
F1 = 0.6
F2 = 0.7
F1 = 0.71
F1 = 0.91
F1 = 0.72
F1 = 0.85
F1 = 0.86
F1 = 0.89
F1 = 0.91
F1 = 0.62
F1 = 0.78
F1 = 0.92
F1 = 0.39
F2 = 0.76
F3 = 0.84
F3 = 0.82
F4 = 1
F2 = 0.7
F2 = 0.49
F2 = 0.79
F3 = 0.64
F2 = 0.82
F3 = 0.82
F2 = 0.84
Elaboración propia con base en los datos de Incidencias Delictivas del SEPOL.
1/No incluye el año 2015 debido a que la solución del modelo generaba tan solo un factor.
Se necesita la unión de esfuerzos con otras áreas de
conocimiento que permitan entender aún mejor la
problemática mostrada en las estadísticas de incidencias
policiales y delictivas, dándoles un abordaje científico,
como por ejemplo en el caso del suicidio.
En términos numéricos puros, el Distrito Central y San
Pedro Sula siguen siendo los municipios en los que se
producen la mayor cantidad de incidencias y delitos que
demandan de la atención policial, mostrando que se requiere
de una mayor concentración de esfuerzos por reducir los
niveles de criminalidad en estas regiones del país. Esto sin
duda no es una tarea fácil debido a las características
socioeconómicas de estos municipios y su población.
A pesar de su desarrollo y crecimiento económico,
paralelamente se producen crecimientos de la criminalidad
explicadas en parte por el desempleo y la marginalidad
socioeconómica, que como mencionan Vilalta Perdomo et
al. (2016), forman parte de factores estructurales para
explicar el crecimiento de la delincuencia en ciudades
latinoamericanas. Es preciso que la política pública en el
combate a la criminalidad se realice de manera integral, en
donde participen actores claves como las municipalidades,
universidades y la sociedad civil. Es necesario realizar una
transversalización en la planificación, como ser los planes
de desarrollo económico, planes de ordenamiento territorial,
entre otros. Un aporte importante del análisis de datos fue la
determinación de la correlación entre las incidencias.
Esto puede ser el punto de partida para generar nuevos
estudios que profundicen en las razones del por qué se
presenta cierto comportamiento en los datos. También,
puede contribuir a dar un tratamiento particular a los
mismos.
Con la aplicación del análisis de PCA y los resultados
observados del Distrito Central y San Pedro Sula, se
destacan algunas características que comparten en común
dichos municipios. Una de ellas es el nivel de desarrollo
socioeconómico que es relativamente mayor en
comparación con el resto municipios del departamento al
cual pertenecen, al igual que la densidad poblacional, el
nivel de urbanización, así como otras de tipo
sociodemográfico, situación que puede ser coherente con los
hallazgos de estudios relacionados, como reportado por
Flango & Sherebenou (1976).
H. Osorto
INNOVARE Revista de Ciencia y Tecnología Vol. 11, No. 1, 2022
10
5. Conclusión
Los hallazgos de este estudio mostraron correlaciones de
incidencias atendidas por el sistema policial en los
municipios de Honduras, contribuyendo a una mayor
comprensión del comportamiento multidimensional de las
variables. Se determinó la importancia de contar con datos
de desagregación territorial, que, en este estudio, encontró
una mayor variabilidad de los modelos de análisis en los
municipios de mayor y menor concentración de incidencias.
El uso de datos desagregados posibilita la elaboración de
algunos análisis geoespaciales al ser combinados con
información cartográfica de otras fuentes. Considerar las
limitaciones de los datos, el subregistro y las definiciones de
las variables y optimizar el uso de la diversidad de métodos
aplicando herramientas de GIS podrían contribuir
significativamente en el análisis de las incidencias atendidas
por el sistema policial. A su vez, eso contribuiría a la paz y
seguridad poblacional a través de medidas preventivas y
correctivas.
6. Conflictos de Interés
El autor declara no tener ningún conflicto de interés.
7. Referencias Bibliográficas
Abdi, H., & Williams, L. J. (2010). Principal component analysis. Wiley
Interdisciplinary Reviews: Computational Statistics, 2(4), 433–459.
https://dx.doi.org/10.1002/wics.101
Andresen, M. A., Wuschke, K., Kinney, J. B., Brantingham, P., &
Brantingham, P. J. (2009). Cartograms, crime and location quotients.
Crime Patterns and Analysis, 2(1), 36-46
Brantingham, P. L., & Brantingham, P. J. (1998). Mapping crime for
analytic purposes: location quotients, counts, and rates. Crime Mapping
and Crime Prevention, 8, 263–288.
Chioda, L. (2017). Stop the violence in Latin America: a look at prevention
from cradle to adulthood. World Bank.
https://openknowledge.worldbank.org/handle/10986/25920
Cohen, M. A. (2008). The effect of crime on life satisfaction. The Journal
of Legal Studies, 37(S2), S325-S353.
https://dx.doi.org/10.1086/588220
Flango, V. E., & Sherebenou, E. L. (1976). Poverty, urbanization, and
crime. Criminology, 14(3), 331–346. https://dx.doi.org/10.1111/j.1745-
9125.1976.tb00027.x
Freeman, R. (1999). The economics of crime. In O. Ashenfelter, R. Layard,
D. Card (Eds.), Handbook of Labor Economics (pp. 3529-3571).
Elsevier. https://econpapers.repec.org/bookchap/eeelabchp/3-52.htm
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1999). Análisis
multivariante (5ta ed.). Pearson Prentice Hall.
Hanslmaier, M. (2013). Crime, fear and subjective well-being: How
victimization and street crime affect fear and life satisfaction. European
Journal of Criminology, 10(5), 515–533.
https://dx.doi.org/10.1177/1477370812474545
Hanson, R. F., Sawyer, G. K., Begle, A. M., & Hubel, G. S. (2010). The
impact of crime victimization on quality of life. Journal of traumatic
Stress, 23(2), 189–197. https://dx.doi.org/10.1002/jts.20508
Kassambara, A., & Mundt, F. (2020). factoextra: extract and visualize the
results of multivariate data analyses. https://CRAN.R-
project.org/package=factoextra
Levine, N. (2010). CrimeStat: A spatial statistics program for the analysis
of crime incident locations (v 3.3). US Department of Justice.
http://www.icpsr.umich.edu/CrimeStat/workbook.html
Lê, S., Josse, J., & Husson, F. (2008). FactoMineR: An R package for
multivariate analysis. Journal of Statistical Software, 25(1), 1–18.
https://dx.doi.org/10.18637/jss.v025.i01
Lisowska-Kierepka, A. (2021). How to analyse spatial distribution of crime?
Crime risk indicator in an attempt to design an original method of
spatial crime analysis. Cities, 120, 103403.
https://dx.doi.org/10.1016/j.cities.2021.103403
Mordwa, S. (2013). Zastosowanie GIS w badaniach przestępczości. Acta
Universitatis Lodziensis. Folia Geographica Socio-Oeconomica, 14(2),
77–92. http://hdl.handle.net/11089/4099
Pearson, K. (1901). LIII. On lines and planes of closest fit to systems of
points in space. The London, Edinburgh, and Dublin Philosophical
Magazine and Journal of Science, 2(11), 559–572.
https://dx.doi.org/10.1080/14786440109462720
Pebesma, E. (2018). Simple Features for R: Standardized Support for
Spatial Vector Data. The R Journal, 10(1), 439–446.
https://dx.doi.org/10.32614/RJ-2018-009
Ratcliffe J. (2010) Crime Mapping: Spatial and Temporal Challenges. In A.
Piquero, D. Weisburd (Eds.) Handbook of Quantitative Criminology
(pp. 5-24). Springer. https://dx.doi.org/10.1007/978-0-387-77650-7_2
R Core Team. (2021). R: A language and environment for statistical
computing. https://www.R-project.org/
Revelle, W. (2021). psych: procedures for psychological, psychometric,
and personality research. https://CRAN.R-project.org/package=psych
Sistema Estadístico Policial en Línea [SEPOL]. (2020). Incidencia por
municipio por tipo de incidencia/delito. https://www.sepol.hn/sepol-
estadisticas-incidencia-delito-municipio.php
Sistema Nacional de Información Territorial [SINIT]. (2001). Unidades
administrativas y centros poblados: límites municipales.
http://www.sinit.hn/
Solís, L. G., & Rojas Aravena, F. (2008). Crimen organizado en América
Latina y el Caribe. FLACSO.
https://biblio.flacsoandes.edu.ec/catalog/resGet.php?resId=42584
Statista. (2021). Homicide rates in selected Latin American and Caribbean
countries in 2020.
https://www.statista.com/statistics/947781/homicide-rates-latin-
america-caribbean-country/
Tennekes, M. (2018). tmap: Thematic Maps in R. Journal of Statistical
Software, 84(6), 1–39. https://dx.doi.org/10.18637/jss.v084.i06
Vilalta Perdomo, C. J., Castillo, J. G., & Torres, J. A. (2016). Delitos
violentos en ciudades de América Latina. Banco Interamericano de
Desarrollo. http://dx.doi.org/10.18235/0000428
Wei, T., & Simko, V. (2021). R package ’corrplot’: Visualization of a
Correlation Matrix. https://github.com/taiyun/corrplot
Wickham, H., Averick, M., Bryan, J., Chang, W., D’Agostino, L.,
McGowan, L. D., François, R., Grolemund, G., Hayes, A., Henry, L.,
Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller,
K., Ooms, J., Robinson, D., Seidel, D. P…Yutani, H. (2019). Welcome
to the tidyverse. Journal of Open Source Software, 4(43), 1686.
https://dx.doi.org/10.21105/joss.01686