Volver a todos los proyectos

Cuarentenas por COVID-19 y violencia doméstica en Bogotá

Las cuarentenas por COVID-19 han tenido múltiples efectos sociales que tienen un potencial aumento en los casos de violencia doméstica. Utilizamos información sobre cuarentenas y una cuantificación de cambios de movilidad para desarrollar un modelo espacio-temporal para comprender la asociación de patrones de movilidad con los incidentes de violencia doméstica en Bogotá. Además, estimamos diferentes modelos de regresión para estudiar la relación causal entre la duración de las cuarentena y la violencia doméstica.  Este proyecto fue realizado por investigadores de Quantil y de la Secretaría de Seguridad, Convivencia y Justicia de Bogotá con apoyo del Programa de las Naciones Unidas para el Desarrollo para América Latina y el Caribe y GRANDATA.
VER INFORME COMPLETO

Resumen metodológico

Utilizamos información sobre restricciones de movilidad impuestas y cambios de movilidad cuantificados para desarrollar un modelo de predicción de ocurrencia de violencia doméstica espacio-temporal acompañado de técnicas de interpretación de aprendizaje automático para comprender la asociación de patrones de movilidad con el comportamiento espacio-temporal de incidentes de violencia doméstica en Bogotá. Además, estimamos diferentes modelos de regresión basados en OLS para comprender mejor la relación causal entre la duración del bloqueo de la cuarentena y la violencia doméstica, que inicialmente encontramos que era significativa a partir de la aproximación espacio-temporal predictiva.

Descripción de los datos


Trabajamos con observaciones diarias y espacialmente agregadas de violencia doméstica del Sistema de Información Estadístico, Delincuencial, Contravencional y Operativo de la Policía Nacional (SIEDCO) y la Línea Púrpura del Distrito. Estas observaciones se agregan en sectores urbanos de aproximadamente 0,5 km2, con 623 divisiones espaciales sobre la región urbana de Bogotá. Para cada sector, calculamos si hubo al menos un incidente reportado por SIEDCO o la Línea Púrpura del Distrito. Adicionalmente, usamos datos de movilidad proporcionados por Grandata para cuantificar el grado de cumplimiento de las restricciones por cuarentenas en Bogotá junto con las restricciones en movilidad impuestas en Bogotá entre el 19 de marzo y 9 de septiembre del 2020.
Mapa de cambio en movilidad
Tasa de cambio de movilidad promedio semanal contra primera semana de marzo 2020 para sectores urbanos en Bogotá. (Colores azules y morados corresponden a reducción en movilidad mientras que amarillo corresponde a aumento en movilidad). Datos suministrados por GRANDATA.

Modelo predictivo espacio temporal


Reemplazamos el componente de auto-excitación en modelos reconocidos y estándar de predicción de crimen como los presentados en (Wang, et. al.) por patrones de mobilidad espacio temporales que puede reflejar mejor la ocurrencia de violencia doméstica bajo el supuesto de que los patrones de movilidad tienen una mayor correlación con los incidentes de violencia doméstica que los incidentes anteriores ocurridos en una vecindad espacial. Utilizamos un modelo aditivo generalizado espacio-temporal (S-T GAM) que modela relaciones no lineales entre las variables explicativas, en nuestro caso variables con atributos espacio-temporales, y la intensidad de la incidencia de violencia doméstica. El GAM se define por una variable de respuesta que queremos predecir en una ubicación espacio-temporal definida cuya distribución pertenece a la familia exponencial, y \(g\) como una función de enlace que establece la relación entre la media y el predictor lineal: \[y \sim FamiliaExponencial(X),\] \[g(X) = \beta_0 + \sum\limits_{j=1}^{p}f_j(x_j).\] Este modelo ajusta funciones \(f_j\) a cada variable \(x_j\) para capturar relaciones no lineales entre las variables predictoras y la varible de respuesta. Adicionalemnte, optamos por utilizar el modelo S-T GAM debido a sus propiedades intrínsecas de interpretabilidad, que nos permiten realizar una interpretación del modelo directamente sin recurrir a técnicas ad-hoc que podrían ser engañosas.

Relación causal entre duración de cuarentena y violencia doméstica


Para comprender la relación causal entre la duración de cuarentenas y la violencia doméstica, estimamos diferentes modelos de regresión basados en OLS. Primero, un modelo de MCO múltiple que relaciona las dos variables y controla los posibles factores de confusión. En segundo lugar, se realiza un análisis de mediación para evaluar el cambio de movilidad como motor de la relación. En tercer lugar, un modelo MCO que incluye términos de interacción para explorar algunos efectos heterogéneos.

Resultados, discusión y conclusiones

Tanto el modelo GAM como el OLS encontraron una relación positiva entre el encierro por cuarentena y la incidencia reportada de violencia doméstica. Específicamente, encontramos que:
  • Los confinamientos más prolongados están relacionados causalmente con una mayor incidencia de reportes por violencia doméstica.

  • La relación entre cuarentenas y  reportes por violencia doméstica no está impulsada principalmente por cambios en la movilidad en sí.

  • El aumento en reportes de violencia doméstica probablemente se debe a otros factores que se vieron afectados por el encierro, como los psicológicos y económicos.

  • El modelo OLS de efectos heterogéneos mostró que los efectos fueron impulsados por las dos clases sociales más bajas
Según los hallazgos de este trabajo, recomendamos que, durante la pandemia, la duración de los encierros se reduzca o se rediseñe para que sean intermitentes y rotativos entre regiones, para disminuir la exposición de los hogares al estrés psicológico y económico.

Seminarios y charlas relacionadas

Quantil - Seminario de Matemáticas Aplicadas

Presentación del artículo "Understanding the effect of compliance to COVID-19 lockdowns on domestic violence occurrence" en el seminario de Matemáticas Aplicadas de Quantil. Expositores: Paula Rodríguez y Douglas Newball.

2021 © Centro de Ciencia de Datos para Políticas Públicas by Quantil
crossmenuarrow-left linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram