Correlación de Incidencias por Municipio
Javier de Jesús Sánchez Carcaño
2026-10-27
Matríz de Correlación
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(readxl)
Base_de_Datos_RStudio <- read_excel("C:/Users/Javie/OneDrive/Escritorio/Servicio Social/Análisis Econométrico/Base de Datos RStudio.xlsx")
View(Base_de_Datos_RStudio)library(dplyr)
lista_municipios <- unique(Base_de_Datos_RStudio$Municipio)
for (muni in lista_municipios) {
datos_muni <- Base_de_Datos_RStudio %>%
filter(Municipio == muni) %>%
select(-Municipio, -Ano)
matriz_muni <- cor(datos_muni, use = "pairwise.complete.obs", method = "pearson")
cor_desapariciones_muni <- as.data.frame(matriz_muni) %>%
select(Desaparicion_FGE, Desaparicion_CNB_2025) %>%
arrange(desc(Desaparicion_FGE))
cat("\n======================================================\n")
cat("ANÁLISIS LOCAL: ", muni, "\n")
cat("======================================================\n")
print(cor_desapariciones_muni)
}## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: Chiautzingo
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.38750942
## Homicidio_D_T 0.62482266 0.35469060
## Desaparicion_CNB_2025 0.38750942 1.00000000
## Acoso_sexual 0.33693301 0.04323377
## Homicidio_D_A_F 0.26610527 0.33190100
## Abuso_sexual 0.26109772 0.49111184
## Violacion_equiparada 0.24698696 0.56967472
## Robo_4_R_T 0.23662327 0.03022858
## Violacion_simple 0.21761114 0.23181603
## Violencia_familiar 0.12185422 0.25906920
## Narcomenudeo -0.09894683 -0.01204670
## Feminicidio_FGE NA NA
## Masacres NA NA
## Ejecucion_extrajudicial NA NA
## Secuestro_EEO NA NA
## Corrupcion_Trafico_M_R NA NA
## Trata_T_P NA NA
## Tomas_Huachicol_G_GLP NA NA
## Robo_4R_V NA NA
## Robo_transportista_T NA NA
## Robo_transportista_V NA NA
## Extorsion NA NA
## Despojo NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: Huejotzingo
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.196152056
## Robo_transportista_V 0.73607575 -0.099372989
## Abuso_sexual 0.73549195 0.044795939
## Robo_transportista_T 0.72851734 -0.120809548
## Homicidio_D_A_F 0.68509196 0.506960177
## Homicidio_D_T 0.68353256 0.455458632
## Violencia_familiar 0.62703150 0.047453531
## Robo_4R_V 0.58319530 0.518317715
## Robo_4_R_T 0.56968785 0.329512280
## Feminicidio_FGE 0.53301506 0.248583408
## Acoso_sexual 0.27148704 0.269226082
## Secuestro_EEO 0.24023509 0.566330432
## Violacion_equiparada 0.23612963 0.132898396
## Desaparicion_CNB_2025 0.19615206 1.000000000
## Extorsion 0.16237289 -0.364917544
## Trata_T_P 0.12867625 0.273108912
## Tomas_Huachicol_G_GLP 0.11634393 0.102820173
## Violacion_simple 0.07227814 -0.049223517
## Masacres -0.13345356 -0.174745098
## Narcomenudeo -0.14082822 0.271879582
## Despojo -0.14612931 0.002223015
## Corrupcion_Trafico_M_R -0.16247716 0.214189352
## Ejecucion_extrajudicial NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: San Martín Texmelucan
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.486582385
## Homicidio_D_A_F 0.82960732 0.428775543
## Homicidio_D_T 0.82128553 0.416675162
## Robo_4_R_T 0.61722554 0.430071923
## Abuso_sexual 0.55243125 0.130672862
## Robo_4R_V 0.53681050 0.376068198
## Desaparicion_CNB_2025 0.48658239 1.000000000
## Tomas_Huachicol_G_GLP 0.41809592 0.369888485
## Masacres 0.36356216 0.253080316
## Robo_transportista_T 0.33361170 0.108557103
## Violacion_equiparada 0.33060024 -0.018030228
## Robo_transportista_V 0.33019315 0.106220980
## Acoso_sexual 0.29985123 -0.053803296
## Feminicidio_FGE 0.26513642 0.138757052
## Violencia_familiar 0.14942607 -0.013585719
## Extorsion 0.10460934 0.431476834
## Violacion_simple -0.02372376 0.368220665
## Secuestro_EEO -0.03937743 -0.094457717
## Despojo -0.13324090 0.006178255
## Narcomenudeo -0.22494578 -0.196106060
## Trata_T_P -0.40873376 0.004368724
## Corrupcion_Trafico_M_R -0.49393896 0.089554336
## Ejecucion_extrajudicial NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: San Matías Tlalancaleca
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.24549769
## Masacres 0.325984923 -0.16116459
## Desaparicion_CNB_2025 0.245497686 1.00000000
## Violacion_simple 0.216522953 -0.22131670
## Violencia_familiar 0.207944414 0.22245313
## Violacion_equiparada 0.195574712 0.48712230
## Homicidio_D_T 0.159420694 -0.02746389
## Acoso_sexual 0.102270029 -0.05241424
## Robo_4_R_T 0.078765025 0.09419048
## Secuestro_EEO 0.048912353 -0.23904572
## Abuso_sexual 0.004431696 -0.15780122
## Despojo -0.061705309 -0.20538036
## Robo_transportista_T -0.063775895 0.56201850
## Robo_transportista_V -0.065587774 0.56912811
## Homicidio_D_A_F -0.120995128 -0.14504552
## Tomas_Huachicol_G_GLP -0.160578155 -0.32336771
## Robo_4R_V -0.180048318 0.03423532
## Extorsion -0.236526272 0.17792339
## Narcomenudeo -0.339559756 -0.09339866
## Trata_T_P -0.340430822 -0.16116459
## Feminicidio_FGE NA NA
## Ejecucion_extrajudicial NA NA
## Corrupcion_Trafico_M_R NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: San Miguel Xoxtla
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.67815202
## Violacion_simple 0.776222101 0.70497209
## Robo_4_R_T 0.769400754 0.83147006
## Robo_4R_V 0.730402929 0.70559218
## Robo_transportista_T 0.726029004 0.86894608
## Violencia_familiar 0.721434925 0.30019073
## Robo_transportista_V 0.720736043 0.86708215
## Desaparicion_CNB_2025 0.678152019 1.00000000
## Despojo 0.614932663 0.51549618
## Abuso_sexual 0.415062355 0.29377622
## Homicidio_D_T 0.415040739 0.39356563
## Acoso_sexual 0.169093758 -0.10555943
## Violacion_equiparada 0.061087338 -0.35153823
## Extorsion -0.007112133 -0.06107911
## Narcomenudeo -0.022993441 -0.05228830
## Homicidio_D_A_F -0.083705986 0.03328024
## Trata_T_P -0.413033443 -0.15778091
## Tomas_Huachicol_G_GLP -0.509847318 -0.29933437
## Feminicidio_FGE NA NA
## Masacres NA NA
## Ejecucion_extrajudicial NA NA
## Secuestro_EEO NA NA
## Corrupcion_Trafico_M_R NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: San Salvador el Verde
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 -0.15515539
## Homicidio_D_A_F 0.65213609 0.35916680
## Robo_4R_V 0.62456490 -0.19074040
## Homicidio_D_T 0.61516005 0.37853818
## Robo_4_R_T 0.45889683 0.25079064
## Violacion_equiparada 0.40232683 -0.36324905
## Tomas_Huachicol_G_GLP 0.38099481 -0.24091543
## Despojo 0.35001841 -0.29526458
## Robo_transportista_V 0.29918147 0.02728174
## Masacres 0.28343308 -0.09090909
## Robo_transportista_T 0.28108904 0.05661467
## Abuso_sexual 0.26927518 0.42876835
## Violacion_simple 0.23589015 0.37877268
## Extorsion 0.21398655 -0.19782891
## Secuestro_EEO 0.17616757 -0.13461141
## Acoso_sexual 0.11328490 0.07175346
## Violencia_familiar -0.07327867 0.54940901
## Trata_T_P -0.10057680 -0.12146957
## Narcomenudeo -0.15344587 0.32830236
## Feminicidio_FGE -0.15515539 1.00000000
## Desaparicion_CNB_2025 -0.15515539 1.00000000
## Ejecucion_extrajudicial NA NA
## Corrupcion_Trafico_M_R NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: Santa Rita Tlahuapan
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.42662117
## Narcomenudeo 0.550247620 -0.03095759
## Homicidio_D_A_F 0.483517301 0.15946665
## Homicidio_D_T 0.463162589 0.02111867
## Abuso_sexual 0.438586655 0.36501135
## Desaparicion_CNB_2025 0.426621171 1.00000000
## Acoso_sexual 0.408139039 0.26279390
## Violencia_familiar 0.392555136 0.12694923
## Extorsion 0.377516341 0.65288347
## Robo_transportista_T 0.250745419 0.29422152
## Robo_transportista_V 0.242440710 0.28702503
## Robo_4_R_T 0.193140576 0.11044602
## Violacion_equiparada 0.181704596 -0.06819179
## Corrupcion_Trafico_M_R 0.091168074 -0.16383094
## Violacion_simple -0.004243843 0.39111970
## Trata_T_P -0.012536597 0.03750402
## Robo_4R_V -0.087511668 -0.16686657
## Despojo -0.090361485 -0.26523944
## Tomas_Huachicol_G_GLP -0.144792971 -0.37999738
## Ejecucion_extrajudicial -0.368614012 -0.16383094
## Feminicidio_FGE NA NA
## Masacres NA NA
## Secuestro_EEO NA NA## Warning in cor(datos_muni, use = "pairwise.complete.obs", method = "pearson"):
## La desviación estándar es cero##
## ======================================================
## ANÁLISIS LOCAL: Tlaltenango
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.435703549
## Despojo 0.54693390 0.319304748
## Desaparicion_CNB_2025 0.43570355 1.000000000
## Robo_4_R_T 0.38156833 0.159990791
## Robo_transportista_T 0.36609871 0.298072576
## Robo_transportista_V 0.36609871 0.298072576
## Violacion_simple 0.13128044 0.542492798
## Violacion_equiparada 0.13116938 0.581558041
## Violencia_familiar 0.11868419 0.080838613
## Robo_4R_V 0.06334094 0.223401968
## Feminicidio_FGE -0.03546893 0.216921221
## Masacres -0.03546893 -0.146551854
## Acoso_sexual -0.08035853 -0.217300328
## Abuso_sexual -0.08915818 0.005575639
## Tomas_Huachicol_G_GLP -0.15706125 -0.225740270
## Narcomenudeo -0.20105452 -0.296825398
## Homicidio_D_T -0.23347882 0.144503778
## Homicidio_D_A_F -0.47301556 -0.306172477
## Ejecucion_extrajudicial NA NA
## Secuestro_EEO NA NA
## Corrupcion_Trafico_M_R NA NA
## Trata_T_P NA NA
## Extorsion NA NACorreción de la desviación estándar
library(dplyr)
lista_municipios <- unique(Base_de_Datos_RStudio$Municipio)
for (muni in lista_municipios) {
datos_muni <- Base_de_Datos_RStudio %>%
filter(Municipio == muni) %>%
select(-Municipio, -Ano)
datos_muni_limpios <- datos_muni %>%
select_if(~ sd(., na.rm = TRUE) > 0)
matriz_muni <- cor(datos_muni_limpios, use = "pairwise.complete.obs", method = "pearson")
cor_desapariciones_muni <- as.data.frame(matriz_muni) %>%
select(any_of(c("Desaparicion_FGE", "Desaparicion_CNB_2025")))
if("Desaparicion_FGE" %in% names(cor_desapariciones_muni)) {
cor_desapariciones_muni <- cor_desapariciones_muni %>% arrange(desc(Desaparicion_FGE))
}
cat("\n======================================================\n")
cat("ANÁLISIS LOCAL: ", muni, "\n")
cat("======================================================\n")
print(cor_desapariciones_muni)
}##
## ======================================================
## ANÁLISIS LOCAL: Chiautzingo
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.38750942
## Homicidio_D_T 0.62482266 0.35469060
## Desaparicion_CNB_2025 0.38750942 1.00000000
## Acoso_sexual 0.33693301 0.04323377
## Homicidio_D_A_F 0.26610527 0.33190100
## Abuso_sexual 0.26109772 0.49111184
## Violacion_equiparada 0.24698696 0.56967472
## Robo_4_R_T 0.23662327 0.03022858
## Violacion_simple 0.21761114 0.23181603
## Violencia_familiar 0.12185422 0.25906920
## Narcomenudeo -0.09894683 -0.01204670
##
## ======================================================
## ANÁLISIS LOCAL: Huejotzingo
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.196152056
## Robo_transportista_V 0.73607575 -0.099372989
## Abuso_sexual 0.73549195 0.044795939
## Robo_transportista_T 0.72851734 -0.120809548
## Homicidio_D_A_F 0.68509196 0.506960177
## Homicidio_D_T 0.68353256 0.455458632
## Violencia_familiar 0.62703150 0.047453531
## Robo_4R_V 0.58319530 0.518317715
## Robo_4_R_T 0.56968785 0.329512280
## Feminicidio_FGE 0.53301506 0.248583408
## Acoso_sexual 0.27148704 0.269226082
## Secuestro_EEO 0.24023509 0.566330432
## Violacion_equiparada 0.23612963 0.132898396
## Desaparicion_CNB_2025 0.19615206 1.000000000
## Extorsion 0.16237289 -0.364917544
## Trata_T_P 0.12867625 0.273108912
## Tomas_Huachicol_G_GLP 0.11634393 0.102820173
## Violacion_simple 0.07227814 -0.049223517
## Masacres -0.13345356 -0.174745098
## Narcomenudeo -0.14082822 0.271879582
## Despojo -0.14612931 0.002223015
## Corrupcion_Trafico_M_R -0.16247716 0.214189352
##
## ======================================================
## ANÁLISIS LOCAL: San Martín Texmelucan
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.486582385
## Homicidio_D_A_F 0.82960732 0.428775543
## Homicidio_D_T 0.82128553 0.416675162
## Robo_4_R_T 0.61722554 0.430071923
## Abuso_sexual 0.55243125 0.130672862
## Robo_4R_V 0.53681050 0.376068198
## Desaparicion_CNB_2025 0.48658239 1.000000000
## Tomas_Huachicol_G_GLP 0.41809592 0.369888485
## Masacres 0.36356216 0.253080316
## Robo_transportista_T 0.33361170 0.108557103
## Violacion_equiparada 0.33060024 -0.018030228
## Robo_transportista_V 0.33019315 0.106220980
## Acoso_sexual 0.29985123 -0.053803296
## Feminicidio_FGE 0.26513642 0.138757052
## Violencia_familiar 0.14942607 -0.013585719
## Extorsion 0.10460934 0.431476834
## Violacion_simple -0.02372376 0.368220665
## Secuestro_EEO -0.03937743 -0.094457717
## Despojo -0.13324090 0.006178255
## Narcomenudeo -0.22494578 -0.196106060
## Trata_T_P -0.40873376 0.004368724
## Corrupcion_Trafico_M_R -0.49393896 0.089554336
##
## ======================================================
## ANÁLISIS LOCAL: San Matías Tlalancaleca
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.24549769
## Masacres 0.325984923 -0.16116459
## Desaparicion_CNB_2025 0.245497686 1.00000000
## Violacion_simple 0.216522953 -0.22131670
## Violencia_familiar 0.207944414 0.22245313
## Violacion_equiparada 0.195574712 0.48712230
## Homicidio_D_T 0.159420694 -0.02746389
## Acoso_sexual 0.102270029 -0.05241424
## Robo_4_R_T 0.078765025 0.09419048
## Secuestro_EEO 0.048912353 -0.23904572
## Abuso_sexual 0.004431696 -0.15780122
## Despojo -0.061705309 -0.20538036
## Robo_transportista_T -0.063775895 0.56201850
## Robo_transportista_V -0.065587774 0.56912811
## Homicidio_D_A_F -0.120995128 -0.14504552
## Tomas_Huachicol_G_GLP -0.160578155 -0.32336771
## Robo_4R_V -0.180048318 0.03423532
## Extorsion -0.236526272 0.17792339
## Narcomenudeo -0.339559756 -0.09339866
## Trata_T_P -0.340430822 -0.16116459
##
## ======================================================
## ANÁLISIS LOCAL: San Miguel Xoxtla
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.67815202
## Violacion_simple 0.776222101 0.70497209
## Robo_4_R_T 0.769400754 0.83147006
## Robo_4R_V 0.730402929 0.70559218
## Robo_transportista_T 0.726029004 0.86894608
## Violencia_familiar 0.721434925 0.30019073
## Robo_transportista_V 0.720736043 0.86708215
## Desaparicion_CNB_2025 0.678152019 1.00000000
## Despojo 0.614932663 0.51549618
## Abuso_sexual 0.415062355 0.29377622
## Homicidio_D_T 0.415040739 0.39356563
## Acoso_sexual 0.169093758 -0.10555943
## Violacion_equiparada 0.061087338 -0.35153823
## Extorsion -0.007112133 -0.06107911
## Narcomenudeo -0.022993441 -0.05228830
## Homicidio_D_A_F -0.083705986 0.03328024
## Trata_T_P -0.413033443 -0.15778091
## Tomas_Huachicol_G_GLP -0.509847318 -0.29933437
##
## ======================================================
## ANÁLISIS LOCAL: San Salvador el Verde
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 -0.15515539
## Homicidio_D_A_F 0.65213609 0.35916680
## Robo_4R_V 0.62456490 -0.19074040
## Homicidio_D_T 0.61516005 0.37853818
## Robo_4_R_T 0.45889683 0.25079064
## Violacion_equiparada 0.40232683 -0.36324905
## Tomas_Huachicol_G_GLP 0.38099481 -0.24091543
## Despojo 0.35001841 -0.29526458
## Robo_transportista_V 0.29918147 0.02728174
## Masacres 0.28343308 -0.09090909
## Robo_transportista_T 0.28108904 0.05661467
## Abuso_sexual 0.26927518 0.42876835
## Violacion_simple 0.23589015 0.37877268
## Extorsion 0.21398655 -0.19782891
## Secuestro_EEO 0.17616757 -0.13461141
## Acoso_sexual 0.11328490 0.07175346
## Violencia_familiar -0.07327867 0.54940901
## Trata_T_P -0.10057680 -0.12146957
## Narcomenudeo -0.15344587 0.32830236
## Feminicidio_FGE -0.15515539 1.00000000
## Desaparicion_CNB_2025 -0.15515539 1.00000000
##
## ======================================================
## ANÁLISIS LOCAL: Santa Rita Tlahuapan
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.000000000 0.42662117
## Narcomenudeo 0.550247620 -0.03095759
## Homicidio_D_A_F 0.483517301 0.15946665
## Homicidio_D_T 0.463162589 0.02111867
## Abuso_sexual 0.438586655 0.36501135
## Desaparicion_CNB_2025 0.426621171 1.00000000
## Acoso_sexual 0.408139039 0.26279390
## Violencia_familiar 0.392555136 0.12694923
## Extorsion 0.377516341 0.65288347
## Robo_transportista_T 0.250745419 0.29422152
## Robo_transportista_V 0.242440710 0.28702503
## Robo_4_R_T 0.193140576 0.11044602
## Violacion_equiparada 0.181704596 -0.06819179
## Corrupcion_Trafico_M_R 0.091168074 -0.16383094
## Violacion_simple -0.004243843 0.39111970
## Trata_T_P -0.012536597 0.03750402
## Robo_4R_V -0.087511668 -0.16686657
## Despojo -0.090361485 -0.26523944
## Tomas_Huachicol_G_GLP -0.144792971 -0.37999738
## Ejecucion_extrajudicial -0.368614012 -0.16383094
##
## ======================================================
## ANÁLISIS LOCAL: Tlaltenango
## ======================================================
## Desaparicion_FGE Desaparicion_CNB_2025
## Desaparicion_FGE 1.00000000 0.435703549
## Despojo 0.54693390 0.319304748
## Desaparicion_CNB_2025 0.43570355 1.000000000
## Robo_4_R_T 0.38156833 0.159990791
## Robo_transportista_T 0.36609871 0.298072576
## Robo_transportista_V 0.36609871 0.298072576
## Violacion_simple 0.13128044 0.542492798
## Violacion_equiparada 0.13116938 0.581558041
## Violencia_familiar 0.11868419 0.080838613
## Robo_4R_V 0.06334094 0.223401968
## Feminicidio_FGE -0.03546893 0.216921221
## Masacres -0.03546893 -0.146551854
## Acoso_sexual -0.08035853 -0.217300328
## Abuso_sexual -0.08915818 0.005575639
## Tomas_Huachicol_G_GLP -0.15706125 -0.225740270
## Narcomenudeo -0.20105452 -0.296825398
## Homicidio_D_T -0.23347882 0.144503778
## Homicidio_D_A_F -0.47301556 -0.306172477library(dplyr)
library(corrplot)## Warning: package 'corrplot' was built under R version 4.5.3## corrplot 0.95 loadedlista_municipios <- unique(Base_de_Datos_RStudio$Municipio)
for (muni in lista_municipios) {
datos_muni <- Base_de_Datos_RStudio %>%
filter(Municipio == muni) %>%
select(-Municipio, -Ano)
datos_muni_limpios <- datos_muni %>%
select_if(~ sd(., na.rm = TRUE) > 0)
matriz_muni <- cor(datos_muni_limpios, use = "pairwise.complete.obs", method = "pearson")
corrplot(matriz_muni,
method = "circle",
type = "upper",
tl.col = "black",
tl.cex = 0.5,
tl.srt = 45,
title = muni,
mar = c(0,0,2,0))
}
Análisis de los resultados
1. Eje Letal y Logístico (San Martín Texmelucan y Huejotzingo) En los municipios más grandes e industrializados, la desaparición pierde su vínculo exclusivo con la violencia de género y se asocia al crimen de alto impacto.
Texmelucan: Las desapariciones del Estado (FGE) tienen una correlación altísima con el Homicidio con Arma de Fuego (0.82) y el Homicidio Total (0.82). Aquí, desaparecer personas es una táctica que camina de la mano con la violencia letal extrema.
Huejotzingo: El registro de la FGE está fuertemente ligado al Robo a Transportista con Violencia (0.73) y al Robo a Transportista Total (0.72). La desaparición aquí empata con el control de carreteras y el asalto logístico.
2. Bloque de Violencia Sexual (San Miguel Xoxtla, Tlaltenango y Chiautzingo) Estos municipios sostienen el hallazgo principal de tu modelo general: las desapariciones ocurren a la par del deterioro del tejido social y agresiones sexuales.
Xoxtla: Es el municipio con la convergencia más clara. Tanto la FGE (0.77) como la CNB (0.70) están altamente correlacionadas con la Violación Simple. Además, hay un fuerte cruce con el robo a transportista y robo de 4 ruedas (>0.70).
Tlaltenango y Chiautzingo: En ambos, las desapariciones reportadas por la Federación (CNB) se disparan cuando sube la Violación Equiparada (0.58 y 0.56 respectivamente).
3. Foco de Extorsión y Mercados Ilícitos (Santa Rita Tlahuapan) Tlahuapan presenta un perfil criminal atípico respecto al resto del corredor.
Para la FGE, las desapariciones se ligan al Narcomenudeo (0.55), una variable que a nivel general había salido nula.
Para la CNB, el vínculo más fuerte es la Extorsión (0.65), confirmando que en este municipio el control territorial opera mediante el cobro de piso y la economía ilícita.
4. Discrepancia del Robo de Carga (San Matías Tlalancaleca y San Salvador el Verde)
En Tlalancaleca, la FGE casi no detecta correlaciones fuertes con nada (su máximo es 0.32 con masacres), pero la CNB detecta una asociación altísima con el Robo a Transportista (0.56).
En San Salvador el Verde, ocurre a la inversa: la FGE asocia las desapariciones al Homicidio con Arma de Fuego (0.65) y Robo de Vehículos (0.62), mientras que la CNB tiene vínculos mucho más dispersos, resaltando la Violencia Familiar (0.54).