Víctimas de feminicidio y homicidio dolosoregistradas por el SESNSP

Author

Isaías M.

Introducción

Este quarto contiene codigo para procesar los datos de la tabla de víctimas de delitos que el Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública (SESNSP) pone a disposición en su sitio.

De manera particular te sirve para calcular la cantidad de mujeres víctimas de homicidio doloso o feminicidio por año y así como el promedio diario de víctimas por la suma de ambos delitos.

Carga de librerías

# El archivo fun_aux.R contiene algunas funciones útiles para el procesamiento de datos

if (!require("pacman")) install.packages("pacman")
Loading required package: pacman
pacman::p_load(dplyr, tidyr, readxl,janitor,here, stringr, lubridate)
source("fun_aux.R")

Lectura de datos

# Primero cargar los datos más recientes de víctimas SESNSP y
# mostramos los primeros 5 registros para que observes cómo se ven los datos

nom_arch <-'Estatal-Víctimas-2015-2024_oct2024.xlsx'

# Con esta función cuento los días hasta el corte de los datos para obtener el promedio diario 
dias_c <- dias_corte_sesnp(nom_arch)
df <- read_excel( here( paste0('datos/datos-originales/', nom_arch, sep ='') ) )
knitr::kable(head(df, 5))
Año Clave_Ent Entidad Bien jurídico afectado Tipo de delito Subtipo de delito Modalidad Sexo Rango de edad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
2015 1 Aguascalientes La vida y la Integridad corporal Homicidio Homicidio doloso Con arma de fuego Mujer Menores de edad (0-17) 0 0 0 0 0 0 0 0 0 0 0 0
2015 1 Aguascalientes La vida y la Integridad corporal Homicidio Homicidio doloso Con arma blanca Mujer Menores de edad (0-17) 0 0 0 0 0 0 0 0 0 0 0 0
2015 1 Aguascalientes La vida y la Integridad corporal Homicidio Homicidio doloso Con otro elemento Mujer Menores de edad (0-17) 0 0 0 0 1 0 0 1 0 0 0 0
2015 1 Aguascalientes La vida y la Integridad corporal Homicidio Homicidio doloso No especificado Mujer Menores de edad (0-17) 0 0 0 0 0 0 0 0 0 0 0 0
2015 1 Aguascalientes La vida y la Integridad corporal Homicidio Homicidio culposo Con arma de fuego Mujer Menores de edad (0-17) 0 0 0 0 0 0 0 0 0 0 0 0

Procesamiento

Debemos realizar una estandarización de los nombres de atributos o columnas, y ya que las cifras están por mes, en mi caso decidí agregar una sumatoria por año.

# Pasamos a minúsculas las columnas y quitamos caractéres extraños
df <- clean_names(df)
names(df)
 [1] "ano"                    "clave_ent"              "entidad"               
 [4] "bien_juridico_afectado" "tipo_de_delito"         "subtipo_de_delito"     
 [7] "modalidad"              "sexo"                   "rango_de_edad"         
[10] "enero"                  "febrero"                "marzo"                 
[13] "abril"                  "mayo"                   "junio"                 
[16] "julio"                  "agosto"                 "septiembre"            
[19] "octubre"                "noviembre"              "diciembre"             
# 1. Estandarizamos las claves geográficas para fomentar la interoperabilidad
# 2. Calculamos por año los totales anuales

df <- df %>% rename( anio = ano) %>%
  mutate( anio = as.character(anio),
          clave_ent = ifelse (str_length(clave_ent)  == 1, 
                              paste0 ( '0' , clave_ent ) , 
                              clave_ent), 
          clave_ent = as.factor(clave_ent) ) %>%
  mutate(anual = rowSums(select_if(., is.numeric), na.rm = TRUE))

Femicidio

Para calcular los conteos de Feminicidios y Homicidios y su suma (que llamaremos Femicidio) trababajamos con las variables tipo_de_delito y subtipo_de_delito en particular los tipos de delito Feminicidio y Homicidio y para diferenciar de aquellos homicidios que no fueron intencionales elegimos solamente los dolosos.

# 3. Vamos a filtrar a las víctimas mujeres de los delitos y subtipos de delitos ya mencionados 

df_femicidios <- df |> 
     filter( tipo_de_delito %in% c('Feminicidio', 'Homicidio')   ,
             subtipo_de_delito %in% c('Feminicidio', 'Homicidio doloso'),
             sexo == 'Mujer')

Víctimas de femicidios registrados desde 2015 hasta Octubre de 2024 (SESNSP)

# Redondeamos al entero más cercano, en este caso verás el año harcodeado que 
# no es lo más adecuado, pero tú puedes obtenerno muy fácil con la 
# función que te dejé en fun_aux.R

df_femicidios |>
    group_by( anio, tipo_de_delito) |>
    summarise( femicidio  = sum(anual)) |>
  pivot_wider(names_from = tipo_de_delito, values_from = femicidio ) |>
  ungroup() |> clean_names() |>
  mutate( femicidio = feminicidio + homicidio  ,
          femi_dia  = ifelse( anio == 2024, 
                        femicidio /dias_c, 
                        femicidio /365 ),
          femi_dia = round(femi_dia) ,
          porc_fem =  (feminicidio /femicidio) * 100,
          porc_fem = round(porc_fem, 2)  ) |> 
  knitr::kable(caption = "Víctimas de Feminicidio y Homicidio doloso del SESNP (2015-2024) ")  
`summarise()` has grouped output by 'anio'. You can override using the
`.groups` argument.
Víctimas de Feminicidio y Homicidio doloso del SESNP (2015-2024)
anio feminicidio homicidio femicidio femi_dia porc_fem
2015 428 1733 2161 6 19.81
2016 647 2187 2834 8 22.83
2017 768 2533 3301 9 23.27
2018 920 2762 3682 10 24.99
2019 970 2875 3845 11 25.23
2020 976 2801 3777 10 25.84
2021 1019 2750 3769 10 27.04
2022 981 2805 3786 10 25.91
2023 853 2580 3433 9 24.85
2024 695 2234 2929 10 23.73

Descripción de la tabla

  • anio: Año de referencia
  • feminicidio: Total de carpetas de investigación reportadas como feminicidio
  • homicidio: Total de carpetas de investigación reportadas como homicidio doloso en el que la víctima fue mujer
  • femicidio: suma de feminicidio y homicidio doloso de mujeres
  • femi_dia: Promedio diario de femicidios
  • porc_fem: Porcentaje de carpetas de investigación iniciadas como feminicidio respecto del total de los femicidios