📈 economía

Impact of Housing Choice Voucher on Crime: A Spatial Econometric Analysis

Utilizando un modelo de Durbin espacial con efectos fijos en los datos del condado de St. Louis, este artículo encuentra que los vales de elección de vivienda aumentan significativamente las tasas de criminalidad local a través de efectos directos y de desbordamiento espacial, lo que resulta en un impacto total de un aumento de aproximadamente el 2.5% en la criminalidad por cada vale adicional por cada 1,000 unidades de vivienda.

Autores originales: Muritala Ogunsiji

Publicado 2026-09-21

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Muritala Ogunsiji

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En los Estados Unidos, el costo de la vivienda ha subido de manera constante, dejando a millones de familias luchando por encontrar un lugar para vivir que no consuma una parte peligrosa de sus ingresos. Para ayudar, el gobierno federal administra un programa masivo llamado el Vales de Elección de Vivienda, a menudo conocido como Sección 8. Este programa otorga a las familias de bajos ingresos un subsidio que les permite alquilar apartamentos en el mercado privado, con el gobierno pagando una parte del alquiler directamente al propietario. El objetivo es ayudar a las familias a salir de la pobreza y entrar en vecindarios más seguros y mejores. Sin embargo, una preocupación persistente ha ensombrecido esta política durante décadas: ¿cambia la seguridad de esa zona el hecho de trasladar un gran número de familias subsidiadas a un vecindario? Específicamente, ¿provoca la llegada de estos vales más criminalidad? Esta pregunta se sitúa en la intersección entre la economía y la seguridad pública, donde los investigadores intentan desentrazar si una política de vivienda está ayudando a las familias o perjudicando inadvertidamente a las comunidades en las que entran. El desafío es que el crimen y la vivienda están profundamente conectados con la disposición física de una ciudad; lo que sucede en un vecindario a menudo repercute en el siguiente, lo que dificulta medir el verdadero efecto de una política sin mirar todo el mapa.

Un investigador de la Universidad del Norte de Illinois decidió investigar esta cuestión observando de cerca el condado de St. Louis, un área suburbana extensa con más de noventa pueblos diferentes y una división marcada entre comunidades ricas y pobres. En lugar de simplemente contar delitos y vales en un solo vecindario, el estudio utilizó un método sofisticado que trata al condado como una red conectada. Este enfoque reconoce que un cambio en un sector censal —un área geográfica pequeña y definida— no ocurre en el vacío. Si el vecindario de al lado experimenta un cambio en su mezcla de viviendas, ese cambio puede influir en la tasa de criminalidad del vecindario original, tal como una onda en un estanque se propaga hacia afuera desde una sola piedra. Al utilizar un modelo que tiene en cuenta estas conexiones, el investigador pudo separar el efecto directo de los vales en un sector específico del efecto indirecto de los vales en los vecindarios circundantes.

El estudio analizó ocho años de datos, de 2015 a 2022, cubriendo 123 sectores censales en el condado de St. Louis. El investigador se centró en los delitos contra la propiedad, como el robo y el hurto, porque estos son los tipos de delitos que tienen más probabilidades de verse influenciados por las condiciones económicas y las oportunidades. Los datos mostraron que, en promedio, hubo unos 24 delitos contra la propiedad por cada 1,000 residentes en estas zonas. Cuando el investigador observó la relación entre el número de vales de vivienda y la tasa de criminalidad, surgió un patrón claro. En un vecindario donde el número de vales aumentó en uno por cada 1,000 unidades de vivienda, la tasa de criminalidad local aumentó aproximadamente un 1.7 a 1.8 por ciento. Este fue el efecto directo, el impacto inmediato sentido dentro del sector donde se mudó el nuevo titular del vale.

Sin embargo, la historia no terminó en el límite del vecindario. El análisis reveló que el impacto de los vales se desbordó hacia las áreas vecinas. Cuando un sector cercano añadió un vale por cada 1,000 unidades, contribuyó con un aumento adicional de un 0.6 a 0.7 por ciento en la tasa de criminalidad del vecindario original. Cuando el investigador combinó el efecto directo y este efecto de desbordamiento, el impacto total de añadir una sola unidad de vale fue un aumento de aproximadamente un 2.5 por ciento en la tasa de criminalidad. Para poner esto en términos concretos, en un vecindario promedio de 4,300 residentes, este aumento se traduce en aproximadamente 2.6 delitos adicionales contra la propiedad por año. Este hallazgo sugiere que la forma estándar de observar estos programas, que a menudo ignora las conexiones entre vecinos, subestima el alcance total del impacto.

El estudio también probó si la riqueza de un vecindario cambiaba la forma en que los vales afectaban al crimen. Algunas teorías sugerían que en las zonas más ricas, la presencia de objetivos más valiosos podría aumentar el crimen, mientras que otras argumentaban que las comunidades más ricas cuentan con mejores recursos para prevenirlo. Si bien el modelo principal utilizado en el estudio no encontró una interacción estadísticamente significativa, un análisis secundario utilizando un modelo espacial diferente (el modelo de Autorregresión Espacial) sí encontró evidencia que respaldaba la hipótesis del "efecto amortiguador". Esto sugiere que en los vecindarios de mayores ingresos, el impacto negativo de los vales sobre el crimen puede ser moderado por mejores recursos vecinales y controles sociales. En consecuencia, el aumento de la criminalidad es probablemente desigual, impulsado más por picos en los sectores de bajos ingresos que carecen de estos amortiguadores protectores, en lugar de ser un efecto uniforme en todas las áreas. El investigador también comprobó si los resultados se mantenían al utilizar diferentes formas de medir los datos, como observar el número de vales en relación con las viviendas ocupadas frente al total de viviendas, o si el efecto ocurría un año después. En todos los casos, la conexión entre los vales y un aumento en los delitos contra la propiedad se mantuvo constante y significativa.

Estos hallazgos desafían la noción de que los vales de vivienda son neutrales respecto a la seguridad del vecindario. El estudio sugiere que cuando los vales se concentran en áreas específicas, pueden crear un ciclo de retroalimentación que aumenta la criminalidad no solo en ese lugar específico, sino también en las comunidades circundantes. El investigador sostiene que para abordar esto, los responsables de la formulación de políticas deberían centrarse en distribuir los vales de manera más uniforme, en lugar de permitir que se concentren en áreas deprimidas. Al fomentar que las familias se trasladen a vecindarios de mayores ingresos donde el entorno social pueda absorber mejor el cambio, los efectos negativos podrían reducirse. El estudio concluye que, si bien los vales son esenciales para ayudar a las familias, la forma en que se distribuyen importa profundamente para la seguridad de toda la región. La evidencia apunta a la necesidad de una estrategia que considere todo el mapa, asegurando que la solución a la inseguridad de la vivienda no cree inadvertidamente nuevos problemas para las comunidades a las que pretende ayudar.

Resumen Técnico: Impacto del Vale de Elección de Vivienda en la Criminalidad: Un Análisis Econométrico Espacial

Planteamiento del Problema
El programa de Vales de Elección de Vivienda (HCV, por sus siglas en inglés) es el principal subsidio de vivienda federal en los Estados Unidos, diseñado para ayudar a los hogares de bajos ingresos a acceder a viviendas de mercado privado asequibles. Sin embargo, existe una controversia persistente sobre si la concentración de beneficiarios de vales en vecindarios específicos genera externalidades negativas, específicamente un aumento en las tasas de criminalidad locales. Si bien numerosos estudios han investigado la relación entre la vivienda subsidiada y la criminalidad, la literatura existente sufre de dos limitaciones críticas:

Resultados Empíricos Mixtos: Estudios previos que utilizaron datos de diversas jurisdicciones (por ejemplo, Chicago, Dallas, Charlotte) han arrojado hallazgos inconsistentes, que van desde la ausencia de un efecto significativo hasta asociaciones positivas con los delitos contra la propiedad.
Negligencia de la Dependencia Espacial: La mayoría de las investigaciones previas dependen de modelos no espaciales que asumen observaciones independientes. Esta suposición se viola frecuentemente en datos espacciales donde el crimen en un sector censal es intrínsecamente dependiente e influye en los sectores contiguos. Ignorar estos desbordamientos (spillovers) espaciales puede conducir a estimaciones sesgadas y a la incapacidad de cuantificar las consecuencias indirectas más amplias del programa HCV.

Metodología
Para abordar estas brechas, este estudio emplea un enfoque econométrico espacial utilizando datos de panel del condado de St. Louis, que cubren 123 sectores censales desde 2015 hasta 2022. El análisis se centra en los delitos contra la propiedad, utilizando datos del Sistema de Reporte de Incidentes Basado en Nacional (NIBRS) y del Informe Uniforme de Delitos del FBI, agregados al nivel de sector censal.

Construcción de Datos: El estudio construye un panel equilibrado de 984 observaciones. Los sectores censales de los censos decenales de 2010 y 2020 fueron armonizados utilizando archivos de cruce de IPUMS National Historical GIS (NHGIS) con pesos de interpolación. Los datos faltantes para el crimen y los conteos de HCV (hasta tres años) se abordaron mediante interpolación lineal.
Variables: La variable dependiente es el logaritmo natural de la tasa de delitos contra la propiedad por cada 1,000 residentes. La variable independiente principal es la tasa de HCV (unidades ocupadas por HCV por cada 1,000 unidades de vivienda). Las variables de control incluyen el ingreso familiar medio, la tasa de pobreza, la proporción de minorías, el porcentaje de población masculina, el porcentaje de población menor de 18 años y la tasa de propiedad de la vivienda.
Estrategia de Estimación:
1. Modelos de Referencia (Baseline): El estudio primero estima modelos estándar de Efectos Fijos (FE) y modelos dinámicos de los Momentos Generalizados (GMM) de Arellano-Bond para establecer una base y comparar los resultados con la literatura previa.
2. Modelo Durbin Espacial con Efectos Fijos (SDM-FE): El análisis central utiliza el SDM-FE, especificado como:
  $\ln(Crime_{it}) = \rho(W \times \ln(Crime_{it})) + \beta_1 HCV_{it} + \beta_2 (W \times HCV)_{it} + X_{it}\phi + WX_{it}\vartheta + \mu_i + \varepsilon_{it}$
  Este modelo contabiliza la dependencia espacial tanto en la variable de respuesta (a través del rezago espacial de la variable dependiente, $\rho$ ) como en las variables explicativas (a través del rezago espacial de las variables independientes, $W \times HCV$ ).
3. Matriz de Pesos Espaciales: Se utiliza una matriz de $k$ -vecinos más cercanos (KNN) con $k=4$ para definir las relaciones espaciales.
4. Descomposición: Siguiendo a LeSage y Pace (2009), los coeficientes se descomponen en efectos directos (impacto dentro del sector) y efectos indirectos o de desbordamiento (impacto en los sectores vecinos).

Resultados Clave
El análisis econométrico espacial arroja hallazgos estadísticamente significativos con respecto al impacto de la concentración de HCV en la criminalidad:

Efectos Directos: Un aumento de una unidad en la tasa de HCV (definido como un vale adicional por cada 1,000 unidades de vivienda) dentro de un sector censal está asociado con un aumento del 1.7% al 1.8% en la tasa local de delitos contra la propiedad.
Efectos Indirectos (Desbordamiento): Una unidad de vale adicional en los sectores vecinos contribuye con un aumento adicional del 0.6% al 0.7% a la tasa de criminalidad local.
Impacto Total: El efecto agregado de una unidad de vale adicional es un aumento de aproximadamente el 2.5% en la tasa de criminalidad. Evaluado en la media de la muestra de 24 delitos por cada 1,000 residentes, esto se traduce en aproximadamente 0.6 delitos adicionales contra la propiedad por cada 1,000 personas, o alrededor de 2.6 incidentes de criminalidad anuales adicionales en un sector promedio de 4,300 residentes.
Robustez: Estos hallazgos se mantienen robustos a través de medidas alternativas de la tasa de HCV (por ejemplo, por unidades de vivienda ocupadas), formas funcionales (modelos log-log) y especificaciones con rezagos. Los resultados también se mantienen al utilizar el modelo Autorregresivo Espacial (SAR), aunque el SDM es preferido según las pruebas de Relación de Verosimilitud (LR) y los puntajes del Criterio de Información de Akaike (AIC).
Interacción de Ingresos: El estudio probó si el ingreso del vecindario modera la relación entre el HCV y la criminalidad (las hipótesis del "efecto amortiguador" frente a la de "oportunidad de objetivo de alto valor"). Aunque el término de interacción fue estadísticamente insignificante en la especificación preferida de SDM, el modelo SAR sugirió un potencial efecto amortiguador donde un mayor ingreso mitiga el impacto adverso. El autor señala que la inclusión de controles específicos del vecino en el SDM puede oscurecer esta interacción específica.

Significancia y Reivindicaciones
El artículo afirma realizar tres contribuciones primordiales a la literatura:

Cuantificación de Desbordamientos: Proporciona las primeras estimaciones de los efectos de desbordamiento de los vales de vivienda sobre la criminalidad utilizando el Modelo Durbin Espacial con efectos fijos (SDM-FE). Al demostrar que el impacto total (2.5%) es significativamente mayor que el impacto directo por sí solo, el estudio argumenta que los modelos no espaciales subestiman sistemáticamente las consecuencias completas del programa HCV.
Rigor Metodológico: El estudio avanza en el campo al emplear el Modelo Durbin Espacial con efectos fijos, el cual contabiliza la heterogeneidad no observada y la dependencia espacial tanto en las variables dependientes como en las independientes. Este enfoque aborda el sesgo inherente en los modelos que ignoran los bucles de retroalimentación espacial.
Contexto Suburbano: A diferencia de estudios previos centrados en grandes centros urbanos con gobernanza centralizada, esta investigación examina un contexto suburbano altamente fragmentado (el condado de St. Louis) caracterizado por más de 90 municipios y fronteras socioeconómicas marcadas (la "División de Delmar").

Implicaciones de Política
Basándose en los hallazgos, el autor sugiere que para mitigar los efectos de la criminalidad asociados con la vivienda subsidiada, los responsables de la formulación de políticas deben centrarse en desconcentrar las unidades de HCV ocupadas. El estudio aboga por:

Limitar la concentración de vales en sectores con dificultades.
Fomentar la movilidad hacia áreas de mayores ingresos donde puede existir un "efecto amortiguador".
Adoptar Precios de Mercado Justos de Área Pequeña (SAFMRs) para ampliar el rango de vecindarios accesibles para los titulares de vales.
Buscar la desconcentración junto con inversiones basadas en el lugar en los sectores con dificultades para abordar los impulsores socioeconómicos subyacentes.

Limitaciones
El autor reconoce modestamente que los hallazgos son específicos del contexto socio-espacial del condado de St. Louis y pueden no ser totalmente generalizables a otras jurisdicciones. Además, aunque el estudio controla la dependencia espacial, no resuelve completamente la endogeneidad potencial derivada de la causalidad inversa (es decir, las tasas de criminalidad influyendo en la asignación de vales), lo que sugiere que investigaciones futuras deberían emplear diseños cuasi-experimentales para identificar de manera más creíble las relaciones causales.

Resumen Técnico: Impacto del Vale de Elección de Vivienda en la Criminalidad: Un Análisis Econométrico Espacial

Más como este