Análisis de la victimización repetida cercana en los delitos de robo en domicilio. Los ejemplos de Madrid y Misuri

El lugar donde ocurre un delito es una variable muy importante a tener en cuenta para el análisis de la delincuencia, pues el crimen no es independiente del contexto físico y temporal en el que ocurre. Entran aquí en juego las tres teorías de la oportunidad que se encuadran dentro de la Criminología Ambiental: la teoría del patrón delictivo, la teoría de las actividades cotidianas y el enfoque de la elección racional. Muy someramente, la primera teoría señala que los delitos no se distribuyen al azar por el espacio y el tiempo, sino que se concentrará en aquellos espacios donde existan más oportunidades delictivas identificadas previamente por el criminal. La segunda afirma que el delito ocurre en aquellos lugares donde confluyen un delincuente motivado, una víctima adecuada y la ausencia de un guardián capaz de proteger a esa víctima. Por último, el enfoque de la elección racional apunta que el delincuente realiza un cálculo de los costes y beneficios que espera obtener al cometer un delito. Si ha estimado que los beneficios son mucho mayores que el riesgo de ser detenido, entonces actuará. Por tanto, teniendo en cuenta los enunciados de estas teorías, el delito tenderá a concentrarse en zonas de la ciudad conocidas por el criminal, donde éste sabe que se acumula mayor cantidad de objetivos adecuados que no están vigilados y, por ende, que el riesgo de ser detenido es más bien bajo.

Los postulados de las tres teorías anteriores han sido ampliamente apoyados por la extensa literatura científica al respecto. Esto parece haber motivado el uso por parte de las fuerzas de seguridad de los mapas del delito. Si existen ciertas zonas donde concretos crímenes suelen concentrarse, conocer cuáles son esas zonas puede fomentar el desarrollo de medidas y actuaciones policiales basadas en la información de la que dispone la policía. Esto permite distribuir los recursos limitados, intensificando, por ejemplo, la presencia policial en esas zonas, de forma que las patrullas aleatorias anteriores son ahora sustituidas por patrullas dirigidas a puntos identificados como calientes (hot-spots). Al mismo tiempo, pueden diseñarse medidas de prevención situacional del delito en esas zonas calientes, en aras de reducir las oportunidades delictivas que están provocando tal concentración.

La siguiente imagen (figura 1) representa un mapa de densidad de Kernel para los 910 robos en domicilio registrados en Madrid capital durante el año 2014.

 Figura 1. Mapa de densidad de Kernel de los robos en domicilio en Madrid durante 2014
Figura 1. Mapa de densidad de Kernel de los robos en domicilio en Madrid durante 2014

Fuente: elaboración propia a partir de los datos de robo disponibles en ArcGis Online.

En la imagen anterior se observa la existencia de tres puntos calientes, uno de ellos más intenso, lo que significa que esas tres zonas contemplan una concentración más elevada de robos en domicilio. Probablemente características ambientales como los usos del suelo y el diseño arquitectónico en esas áreas están creando oportunidades delictivas para tales delitos.

No obstante, la actuación policial podría dar un paso más allá en el continuo dato - inteligencia. En otras palabras, las operaciones policiales y las medidas preventivas podrían no limitarse a los puntos calientes donde se producen más robos en vivienda, sino que además podrían analizar los efectos que el robo en un domicilio en concreto tiene sobre las casas de alrededor, para aplicar medidas preventivas y realizar actuaciones proactivas más allá de los puntos inicialmente victimizados. La policía adquiere así un carácter predictivo, pues emplea la información de delitos ya ocurridos para estimar la probabilidad de que esos delitos vuelvan a suceder en áreas cercanas a los crímenes originales.

Este enfoque predictivo encuentra su apoyo en la teoría de la re-victimización, que pivota sobre tres principios:

  • Quienes hayan sufrido un robo tienen mayor riesgo de volver a experimentar otro en comparación con quienes no lo sufrieron.
  • No se asume que la víctima de un robo lo será de nuevo, sino que su probabilidad de sufrirlo otra vez es el doble.
  • A medida que pasa el tiempo el riesgo de sufrir de nuevo el robo disminuye, alcanzando el mismo nivel que tienen las viviendas vecinas en un periodo de uno o dos meses.

Esta victimización repetida puede ser también cercana. Es decir, cuando ocurre un robo en una casa, el riesgo de un nuevo robo aumenta no solo para esa casa, sino también para las viviendas de alrededor, si bien estas últimas experimentan menor probabilidad que la casa inicialmente victimizada. Lógicamente, las viviendas más cercanas a la que fue inicialmente robada tienen mayor riesgo de sufrir un robo que aquellas más alejadas. La victimización repetida cercana puede explicarse por dos factores. El primero es el rol del delincuente, que habiendo robado con éxito un domicilio conoce cómo entrar y escapar con facilidad de la casa, los objetos de valor que quedan dentro y los elementos del espacio físico que podrían facilitar o dificultar la huída. Es probable que las viviendas de un mismo barrio tengan las mismas características, lo que explicaría el retorno del delincuente no solo a la misma vivienda, sino también a las colindantes. El segundo tiene que ver con el rol de la víctima, que siendo atractiva para el delito es victimizada varias veces por distintos delincuentes.

Sobre esta base teórica el Departamento de Justicia Criminal de la Universidad de Temple desarrolló un software para calcular la victimización repetida cercana. Dicho programa informático se ha empleado introduciendo los datos de los 910 robos en domicilio ocurridos en Madrid capital durante 2014. Los resultados se muestran en la figura 2.

Figura 2. Resultados del cálculo de la victimización repetida cercana para los robos en vivienda en Madrid en 2014.
Figura 2. Resultados del cálculo de la victimización repetida cercana para los robos en vivienda en Madrid en 2014.

Fuente: elaboración propia a partir de los datos de robos en domicilio disponibles en Arcgis Online.

Puede observarse en la tabla anterior que no se encontraron indicios de representaciones excesivas de victimización repetida. Esto significa que la victimización repetida no parece agruparse de manera estadísticamente significativa inmediatamente después de un evento anterior. No obstante, sí se ha hallado con un nivel de confianza de α= 0.05 que la probabilidad de que vuelva a ocurrir un robo en la misma vivienda entre 61 y 70 días después es 950 veces mayor.

Si comparamos los resultados de los 910 robos en viviendas de Madrid capital con los 270 robos en domicilio registrados en una ciudad de Misuri, observamos que las conclusiones son distintas (figura 3).

Figura 3. Resultados del cálculo de la victimización repetida cercana para los robos en vivienda en una ciudad de Misuri en 2015.
Figura 3. Resultados del cálculo de la victimización repetida cercana para los robos en vivienda en una ciudad de Misuri en 2015.

Fuente: elaboración propia a partir de los datos de robos en domicilio disponibles en Arcgis Online.

En la tabla anterior se observa un patrón de victimización repetido significativo. Con un nivel de confianza α= 0.05, la posibilidad de otro robo en la misma casa dentro de las dos primeras semanas tras primer robo es un 814% mayor que si no hubiera un patrón de victimización repetido. Al mismo tiempo, cualquier domicilio situado entre 1 y 600 pies (entre 0.348 y 182.88 metros) alrededor de una casa que ha sufrido un robo tiene una probabilidad 100% mayor de sufrir otro robo tras haber transcurrido más de 98 días.

En definitiva, el mayor valor práctico de la hipótesis de la victimización repetida cercana es que facilita una intervención preventiva basada en la evidencia. Por ejemplo, si se sabe que, una vez que ha ocurrido un robo, existe una alta probabilidad de que ocurra otro a 500 metros alrededor de ese lugar y dentro de las dos semanas inmediatamente posteriores, la policía puede responder proactivamente en las zonas y momentos de mayor riesgo.

Publicado por:

Diego J. Maldonado
Diego J. Maldonado


Referencias

Caplan, J. M. & Kennedy, L. W. (Eds.) 2011. Risk Terrain Modeling Compendium. Newark, NJ: Rutgers Center on Public Security.

Cirense, M.A. (2017). Zonas calientes, revictimización y análisis predictivo.SSRN electronic journal. 1-17. DOI: 10.2139/ssrn.2975778