Análisis de la heterogeneidad espacial de los factores que explican el feminicidiocaso de Antioquia-Colombia

Laburpena

Las técnicas estadísticas convencionales suponen que al estudiar un fenómeno, éste se desarrolla bajo circunstancias idénticas y que las observaciones registradas son independientes. Pero es bien sabido que muchos fenómenos, ya sean sociales o económicos varían en el tiempo o el espacio, por tanto, estas técnicas no se deben usar a la hora de analizar este tipo de estudios, ya que pueden conducirnos a estimaciones sesgadas y por ende a toma de decisiones erróneas. En los últimos años y gracias a los avances tecnológicos han surgido nuevas metodologías estadísticas donde involucran la dimensión espacial, permitiendo el buen tratamiento de datos geográficos, entendidos como aquéllos que además del valor de la variable observada también se registra su ubicación donde este ocurre. Por ello, diferentes áreas del conocimiento como las ciencias económicas, ciencias sociales, ciencias ambientales, epidemiologia, entre otras, han incorporado explícitamente en sus investigaciones la dimensión espacial con el fin de dar solución a muchos de sus problemas. En este trabajo no somos ajenos a estas herramientas estadísticas espaciales y hacemos uso de ellas para examinar la heterogeneidad espacial de los factores que influyen en el feminicidio en el departamento de Antioquia, Colombia. En particular, se considera el impacto de la ubicación de la producción de coca sobre el feminicidio. El aspecto espacial de esta variable no ha sido considerado en otros estudios. Para alcanzar dichos objetivos se ha usado la regresión Poisson geográficamente ponderada. Se ha utilizado la regresión de Poisson ya que la variable explicada, número de feminicidios, es una variable de conteo. Los resultados muestran que, además de los factores clásicos, las áreas productoras de coca en Antioquia están directamente relacionadas con el número de feminicidios, y estas relaciones varían en el espacio. Los hallazgos también muestran que el uso de la regresión Poisson geográficamente ponderada es más eficiente que el modelo clásico, la regresión Poisson global.