La dependencia espacial de los 

datos judiciales

Título original:
Vilalta, C. “The spatial dependence of judicial data”.
Applied Spatial Analysis and Policy.  Forthcoming in 2011.

Carlos J. Vilalta
carlos.vilalta@cide.edu
Web personal
Centro de Investigación y Docencia económicas (CIDE) 
Definición del problema
• La información geográficamente agregada se analiza en 
las CCSS normalmente con tabulados y en la ausencia 
de un mapa
– Los análisis son de tipo tradicional o a‐espacial / se asumen 
que las observaciones son independientes entre ellas
• Sin embargo la información geográficamente agregada 
no es independiente:
– Está autocorrelacionada espacialmente y esto puede:
• Llevar a cometer errores del tipo I (rechazar Ho cuando es 
verdadera) 
• A mayores tasas de falsos positivos en las pruebas de hipótesis
• Propósito: mostrar la importancia de incorporar la 
espacialidad de los datos en la modelación estadística
Tipos de espacialidad de los datos
• Autocorrelación espacial (AE):
– Existe cuando “el valor de la VD en una unidad espacial de análisis es 
parcialmente función del valor de la misma variable en las unidades 
vecinas”(Flint et al. 2000, p. 4)
– Una concentración de los valores en el mapa (Goodchild (1987) a razón 
de un contagio en el comportamiento humano  (O'Loughlin and Anselin, 
1992)
– Esta es la prueba empírica de la 1ra ley de la geografía: “todo se 
relaciona con todo, pero las cosas cercanas están más relacionadas 
que las cosas distantes” (Tobler, 1970)
• Heterogeneidad espacial (HE):
– Existe cuando las relaciones entre las variables “varían” a través del 
espacio (Lesage and Pace, 2009)
– Puede obedecer a una variación espacial substantiva de un fenómeno a 
razón de un “efecto contextual” (O'Loughlin and Anselin, 1992)
Implicaciones de la AE
• Implicaciones teóricas:
– El comportamiento “no está determinado por una posición social (efectos 
estructurales) sino por una socialización experimentada en el contexto de un lugar 
particular (efectos contextuales)” (Flint, 1998, p. 1281)
– Es decir, la actividad judicial en un lugar puede tentativamente ser diferente de 
otro lugar no por la estructura socioeconómica de los residentes en ese lugar, sino 
porque su actitud hacia el sistema judicial puede ser diferente
– Pensar que la confianza en las instituciones judiciales, niveles de actividad y 
desempeño son iguales a través del espacio es hipotético
• Implicaciones estadísticas:
– En regresión OLS, las pruebas de significancia pueden ser erróneas a razón de la 
heterocedasticidad (Anselin, 1988)
– Hay una inflación en la tasa de errores del tipo I a razón de una subestimación de la 
varianza de la muestra (Haining, 2004).  A mayor autocorrelación, mayor 
subestimación. 
– Si la información está autocorrelacionada positivamente (concentrada 
geográficamente), las mediciones no representan (ni agregan) variación sobre el 
fenómeno y los intervalos de confianza resultantes sobre los estimados puntuales 
pueden ser erróneos (Haining, 1990)
Cómo diagnosticar la AE
• Coeficiente global I de Morán (1950):

– Sirven para probar la hipótesis de una espacialidad de los datos y medir 
su magnitud
– Varía entre ‐1 y 1; positivo es concentración y negativo dispersión

• Coeficiente local I de Morán (1950): 

• Sirven para detectar clusters y outliers espaciales; positivo es un cluster 
y negativo es un outlier
• Varía entre ‐∞ e ∞
Ambos se calculan en áreas (buffers) o radios de influencia. Las pruebas de significancia de los coeficientes son realizadas con una  
prueba Z en una distribución normal estándar de probabilidades
El caso de los robos en México
• Presuntos por el delito de robo en 60 áreas metropolitanas y 5 
regiones (1997, 2000, 2005 y 2007)

Aumento del 43% en 
10 años
El caso de los robos en México
• Presuntos por cada 100,000 habs. por el delito de robo en 60 áreas 
metropolitanas y 5 regiones (1997, 2000, 2005 y 2007)

3 2
4

5
El caso de los robos en México
• Denuncias por cada 100,000 habs. a nivel nacional

Fuente: SSP
La concentración espacial

Buffers:
250 kms., 500 kms. y 750 kms.
A nivel local: clusters de actividad judicial
Posiciones teóricas a la prueba empírica
• Efectos composicionales: la variación espacial es producto del efecto 
agregado de características individuales que covarían por su 
localización. La variación espacial de la actividad judicial es 
consecuencia de la variación espacial de las características 
socioeconómicas de la población; división funcional vs. territorial o 
contextual (McAllister y Studlar, 1992).
– Marco teórico: teoría de la nacionalización / el lugar no importa, solo la clase 
social/estructura económica local/nivel de desarrollo etc.
• Efectos contextuales: la variación espacial en la conducta es producto 
de un patrón localizado independiente de las características 
socioeconómicas (Agnew, 1987)
– Es decir, las tendencias locales pueden ser diferentes de las 
tendencias nacionales (Agnew, 1987)
– Las actitudes son localizables y dependientes de asuntos locales o 
ambiente político local lo cual produce efectos diferentes en el 
territorio (Fotheringham, 1998)
Hipótesis y evidencia
• Bajo la perspectiva de los efectos composicionales:
– La variación espacial en la actividad judicial de las 
ciudades puede ser explicada por las características 
socioeconómicas agregadas de la población
– Evidencia: no hay evidencia de una AE en la VD una vez 
consideradas tales características de la población en la 
misma ecuación 
• Bajo la perspectiva de los efectos contextuales:
– Las ciudades son lugares que pueden promover/impedir 
la actividad judicial de manera independiente a las 
características agregadas de la población
– Evidencia: la espacialidad (AE) de la VD no puede ser 
explicada por estas características / La VD sigue AE de 
manera independiente a tales variables composicionales
Correlativos sociales
• Para medir la composición social de las ciudades, se 
utilizó un índice de competitividad urbana (Cabrero 
et al. 2009):
– Mide 4  componentes de competitividad:
• Económica: estructura y especialización económica
• Institucional: estructura de gobierno, transparencia y 
presupuesto
• Sociodemográfica: estructura y cohesión social
• Urbana: Infraestructura y servicios
– Cada componente se “compone” por 9 a 14 variables 
censales.
– Se utiliza el método de componentes principales
Actividad judicial y competitividad

Componente 
institucional (+)

Componente     
urbano (‐)
Regresión: OLS vs. SAM
• Diferencias en los resultados por modelo:
Resultados del modelo SAM
• El componente 
institucional se 
asocia positiva e 
independientemente 
con la actividad 
judicial (VD)
• A mejor estructura 
institucional, mayor 
actividad judicial por 
este delito
Factor 
institucional
Resultados del modelo SAM
• El componente urbano 
se asocia negativa e 
independientemente 
con la actividad judicial 
(VD)
• A mejor estructura 
urbana , menor 
actividad judicial por 
este delito
Factor 
urbano
¿La espacialidad de los datos?
• Hay un “match” espacial entre la actividad judicial 
metropolitana y los niveles de desarrollo institucional
• Hay un “mismatch” espacial entre la actividad judicial 
metropolitana y los niveles de desarrollo urbano
• La espacialidad en la VD (actividad judicial) puede ser 
explicada por estos dos componentes del desarrollo
– Los residuales no están autocorrelacionados espacialmente
• Teóricamente: 
– No hay evidencia para sostener la tesis contextual
– Si hay evidencia para sostener la tesis composicional / la 
geografía de la actividad judicial SI puede ser explicada por la 
estructura o niveles de desarrollo metropolitanos
Implicaciones
• ¿Qué hacemos?
• Premisas:
– Los niveles de capacidad institucional y de desarrollo urbano 
aumentarán en el futuro
– Los niveles de actividad judicial por este delito (robo) han 
venido aumentando desde 2007
• Preguntas:
– ¿Aumentará el número de presuntos por este delito?
• ¿Cuánto y dónde?
– ¿Es esto deseable?
– ¿Se reducirá la cifra negra? 
– ¿Aumentarán las detenciones con una nueva policía?
– Futura investigación: sentenciados vs. presuntos
Anexo: mapa
• Regionalización: 60 áreas metropolitanas en 5 regiones