¿Qué te hicieron, Patria?
Published:
Fecha de última actualización: 15 de marzo de 2024
El reciente asalto a TC Televisión por un Grupo de Delincuencia Organizada (GDO) ha sacudido a Ecuador, llevando al presidente Daniel Noboa a tomar una decisión contundente: declarar un estado de conflicto armado interno, un paso alarmante hacia un Estado de Guerra. En situaciones como esta, surge instintivamente la pregunta de quién es responsable. Muchos señalan al expresidente Rafael Correa como el posible causante político, una acusación que él rechaza enfáticamente, apuntando en cambio a la mala gestión y la falta de inversión de los gobiernos que le sucedieron. En este post, me dedico a explorar y a intentar comprender la serie de eventos que nos han conducido a este momento crucial. Y, con ello, aspiro a que contribuya, aunque sea modestamente, a fomentar investigaciones más profundas y detalladas, abriendo así nuevas vías para explorar este tema en mayor profundidad.
Primer acto: De las muertes violentas de intención indeterminada.
TL;DR: Aunque la tasa de homicidios por cada 100 mil habitantes experimentó una disminución significativa durante el gobierno de Rafael Correa, se observó simultáneamente un incremento exorbitante en la tasa de muertes violentas de intención no determinada, que incluye casos desde estrangulamientos hasta envenenamientos, alcanzando los niveles más altos en la historia reciente del Ecuador.
En un esfuerzo por distanciarse de cualquier responsabilidad política en los recientes acontecimientos, el expresidente Rafael Correa compartió un [tweet] con un gráfico que muestra una significativa reducción en la tasa de homicidios durante su gobierno (2007-2017). Llama la atención que, según este gráfico, la tasa se incrementó exponencialmente justo después de su salida del poder. Esta estadística es particularmente relevante, ya que ha sido una de las pocas respuestas cuantitativas de Correa, quien como doctor en Economía, parece usarla como su principal argumento defensivo. A continuación, la imagen:
Intenté replicar este gráfico y, aunque encontré algunas diferencias entre sus tasas y las mías, confirmé su veracidad. Durante este proceso de recopilación de datos oficiales, encontré que el Instituto Nacional de Estadística y Censos (INEC) posee archivos históricos de defunciones que datan desde la década de 1990, los cuales incluyen un desglose detallado por causas. Dentro de estas categorías, se encuentra una clasificada como "Eventos de intención no determinada". Bajo la guía de la Clasificación Internacional de Enfermedades (CIE), aprendí que esta última categoría abarca una gama diversa de casos, como "Ahorcamiento, estrangulamiento y sofocación, de intención no determinada" (Y20); "Ahogamiento y sumersión, de intención no determinada" (Y21); "Disparo de arma corta, de intención no determinada" (Y22); o "Contacto traumático con material explosivo, de intención no determinada" (Y25). Por lo tanto, la CIE aclara que esta "sección comprende eventos donde la información disponible no permite distinguir entre accidente, lesión autoinfligida y agresión" [Link]. ¿Acaso no son estos mismos actos los que han forjado la imagen estereotipada del narcotraficante en la prensa y en la televisión?
Con base en esta información y las correspondientes proyecciones poblacionales, he calculado tasas respectivas expresadas por cada 100 mil habitantes. Como siempre, al final de este blog post pongo a disposición pública la base de datos y el script (en R) utilizados, de modo que cualquiera pueda replicar mi análisis. Mi hipótesis era directa: si la tasa de homicidios se redujo significativamente durante la presidencia de Correa, y él argumenta que ello demuestra la ausencia de pactos con los GDOs durante su mandato, entonces las violentas de intención no determinada deberían reflejar una tendencia descendente o, como mínimo, una estabilidad. Contrario a esta expectativa, mis hallazgos revelan un patrón diferente. A continuación, la imagen comparativa de estas tasas:
Elaboración propia. Fuente: Registro Estadístico de Defunciones Generales, INEC.
Antes de 2007, el pico histórico en la tasa de muertes violentas indeterminadas se registró en el año 2000, coincidiendo con la severa crisis económica de Ecuador y el proceso de dolarización. Este récord fue curiosamente superado por primera vez durante la presidencia de Correa, concretamente en 2014. ¿Podría ser esto una anomalía? Para calificar como tal, los datos históricos no deberían mostrar una tendencia ascendente. Sin embargo, eso es precisamente lo que se observa. Al analizar el período de 1999 a 2007, se observa que ambas tasas muestran un comportamiento notablemente similar: cuando disminuye la tasa de homicidios, también lo hace la de muertes violentas indeterminadas.
Desde 2007, esta correlación comienza a alterarse y, en gran medida, a invertirse. Entre 2008 y 2009 (año en que sale la Base de Manta en septiembre), la tasa de homicidios disminuyó, pero las violentas indeterminadas aumentaron. No solo eso, sino que mientras la tasa de homicidios experimentaba un descenso pronunciado—del cual Correa hace ostentosamente alarde—las de intención indeterminada evidenciaban un incremento constante y notorio. Esto llevó a que, entre 2013 y 2014, se registraran más muertes violentas indeterminadas que por homicidios a gran escala a nivel nacional. Este viraje de tendencia resuena con aquellas voces que nos advertían que "hubo una incursión del narcotráfico y las mafias a partir de 2007" puesto que la delincuencia organizada nota "que el ambiente para operar es condescendiente". [Link].
Desde 2007, esta correlación comienza a alterarse y, en gran medida, a invertirse. Entre 2008 y 2009 (año en que sale la Base de Manta en septiembre), la tasa de homicidios disminuyó, pero las violentas indeterminadas aumentaron. No solo eso, sino que mientras la tasa de homicidios experimentaba un descenso pronunciado—del cual Correa hace ostentosamente alarde—las de intención indeterminada evidenciaban un incremento constante y notorio. Esto llevó a que, entre 2013 y 2014, se registraran más muertes violentas indeterminadas que por homicidios a gran escala a nivel nacional. Este viraje de tendencia resuena con aquellas voces que nos advertían que "hubo una incursión del narcotráfico y las mafias a partir de 2007" puesto que la delincuencia organizada nota "que el ambiente para operar es condescendiente". [Link].
Segundo acto: Incautaciones de cocaína post-Base de Manta.
TL;DR: Durante la presidencia de Correa, las incautaciones de cocaína no lograron igualar las cifras del 2009, año en que se cerró la Base de Manta. Además, presento evidencia que sugiere una fuerte correlación estadística entre los cambios en la tasa de muertes violentas de intención indeterminada desde el año 2010 (un año que marca un punto de inflexión en la tendencia) y las variaciones en las incautaciones de cocaína. Este resultado refuerza la afirmación del Dr. Francisco Huerta de que "el narcotráfico penetró con bendición oficial" durante la presidencia de Correa.
Ante la improbabilidad de que lo observado sea una simple anomalía estadística, busqué explicaciones razonables. Considerando la actividad de los carteles del narcotráfico y la cercanía con Colombia—principal productor de cocaína—, era de cajón empezar con el examen de las tendencias en las incautaciones de la droga. Encima, resulta significativo que el viraje abrupto en las tasas coincida con el desmantelamiento de la Base de Manta en Ecuador en 2009, elemento disuasorio espanta-narcos que quizá mantenía nuestro país como una "isla de paz" en una zona plagada de rutas de la droga hacia Estados Unidos o Europa.
Utilizando datos de la Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC), que también se encuentran en la base de datos al final de este artículo, identifiqué dos tendencias clave. En primer lugar, desde la instalación de la Base de Manta en 1999, la cantidad de cocaína incautada mostró una clara tendencia ascendente, alcanzando su punto máximo en 2009, el año en que la base fue cerrada, como se evidencia en la figura siguiente. En segundo lugar, después de su cierre, se produjo un cambio dramático en las toneladas de cocaína incautadas; por ejemplo, hubo una reducción de casi el 80% en el año siguiente, 2010. El área marcada en rojo en la figura ilustra que no logramos superar los niveles récord de incautación de 2009, marcado con una "T" en rojo, hasta el año 2021. Cabe destacar que el incremento en las incautaciones había comenzado ya en 2019, coincidiendo con la ruptura entre Correa y Lenin Moreno, su antiguo aliado político.
Elaboración propia. Fuente: United Nations Office on Drugs and Crime (UNODC).
Una hipótesis es que las incautaciones disminuyeron debido a la falta de drogas para confiscar, posiblemente como resultado de esfuerzos militares y policiales a nivel nacional. Sin embargo, esta teoría parece poco probable al analizarla retrospectivamente. Una explicación más convincente es la siguiente: ante el inminente desmantelamiento de la Base de Manta, los Estados Unidos intensificaron sus operaciones contra el narcotráfico por razones de seguridad nacional. Esto sugiere que el aumento en las incautaciones en 2009 fue un indicativo de que Ecuador estaba emergiendo como una ruta clave en el tráfico de cocaína. Si esta teoría es correcta, el pico de incautaciones en 2009 podría interpretarse como un reflejo del estado subyacente de la situación; es decir, cualquier disminución en las incautaciones (menos cocaína confiscada) podría considerarse como un indicador del grado de permisividad o tolerancia del gobierno hacia el narcotráfico.
Bajo esta premisa, cuanto mayor sea la brecha entre las incautaciones y el pico de 2009, mayor sería la supuesta permisividad en ese año particular. Si esto fuera correcto, entonces tal permisividad debería reflejarse en algún indicador. En este contexto, encontré relevante mi recientemente calculada "Tasa de muertes violentas indeterminadas". La siguiente figura muestra la variación de esta tasa en relación con las toneladas de cocaína incautadas, comparando dos períodos distintos: desde 1999 (con la instalación de la Base de Manta) hasta 2007 (entrada al poder de Correa), y desde 2010 (después de la salida de la Base a finales de 2009) hasta 2018 (marcado por la 'ruptura' entre Moreno y Correa).
Al analizar el primer período, es evidente que las variaciones en las toneladas de cocaína incautadas no se correlacionan de manera clara con las fluctuaciones de nuestra tasa. De hecho, se observa que a la leve disminución en las incautaciones entre 2002-2004 y 2005-2006 le sigue una reducción significativa en estas tasas. No obstante, en el segundo período se observa una tendencia contraria: cuando las incautaciones de cocaína disminuyen, la tasa de muertes violentas indeterminadas aumenta, y viceversa. Para un análisis más riguroso, podemos emplear una regresión lineal simple, con el objetivo de determinar si existe una correlación estadísticamente significativa entre estas dos variables. Formalmente, la relación se define como:
En donde $\beta_0$ y $\beta_1$ son los parámetros que queremos estimar, y $\varepsilon_t$ representa el término de error, que captura la variabilidad no explicada por el modelo. Dada la naturaleza de nuestro análisis, es razonable esperar heterocedasticidad, es decir, una variabilidad desigual en los errores, ya que las variaciones considerables o mínimas en las incautaciones podrían afectar de manera desproporcionada la tasa de muertes violentas indeterminadas. Para lidiar con ello, podemos emplear errores estándar robustos vía el estimador de heterocedasticidad consistente original de White (HC0):
| Coefficient | Estimate | Std. Error | t value | Pr(>|t|) |
|---|---|---|---|---|
| Intercept | 3.88644 | 0.90404 | 4.2990 | 0.003571 |
| Ln(Toneladas) | -0.54413 | 0.21445 | -2.5374 | 0.038812 |
Estos resultados indican evidencia estadística bastante sugestiva de que las variaciones en la cantidad de cocaína incautada y la tasa de muertes violentas indeterminadas están correlacionadas, y que se sostiene en todos los niveles convencionales de significancia estadística empleando errores estándares robustos. Cabe destacar que este patrón no se observa en el período de 1999 a 2007. Sin embargo, este hecho es en sí mismo revelador, ya que, bajo un enfoque experimental, podríamos considerar este lapso como una especie de "placebo", cuyos resultados contrastan naturalmente con el período de "tratamiento" que ha dado lugar a las tendencias actuales. A continuación, la figura correspondiente:
La relación observada se mantiene incluso después de incorporar variables de control como las variaciones en las incautaciones de cocaína en el resto de América Latina (p-value < 0.0699) y el mundo (p-value < 0.0616). Este hecho refuerza la hipótesis de que durante el período analizado pudo haber existido una cierta tolerancia gubernamental hacia las actividades del crimen organizado, reflejada en las crecientes tasas de muertes violentas indeterminadas. Esto plantea preguntas sobre la interpretación de estos resultados: ¿reflejan una política gubernamental más permisiva o existen otros factores no contemplados? Si son otros factores, ajenos a las incautaciones de drogas, ¿cuáles podrían ser?
Debido a la limitada disponibilidad de datos, este análisis es natural e intrínsecamente exploratorio. No obstante, parece respaldar la hipótesis propuesta por la Fiscalía General de la Nación, liderada por la Dra. Diana Salazar, en el caso "Metástasis". Esta hipótesis sugiere la infiltración de narcotraficantes durante la administración de Correa [Link]. Esta teoría tiene sus raíces en los hallazgos de la Comisión de Transparencia y Verdad, que investigó los bombardeos de Angostura en 2008. El portavoz de la comisión, el Dr. Francisco Huerta, afirmó que "los hechos están demostrando que aquí el narcotráfico penetró con bendición oficial", advirtiendo sobre el riesgo de que Ecuador se convierta en una "narcodemocracia" [Link].
Tercer acto: De la trata de menores de edad.
Al explorar la base de datos de la Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC), descubrí que desde 2007 se compila información sobre el tráfico de personas, incluyendo datos desglosados por país, tipo de explotación, grupo etario, género y más [Link]. Me centré en los datos sobre el número de menores de edad traficados (< 17 años) y, usando proyecciones poblacionales que ya había recopilado, calculé una Tasa de Tráfico de Menores por cada 100 mil habitantes. Para comparar, también recopilé datos similares de Colombia y calculé su tasa respectiva de la misma manera. La figura que muestro a continuación no necesita de muchas palabras; su mensaje es claro y contundente.
Elaboración propia. Fuente: United Nations Office on Drugs and Crime (UNODC).
Estábamos tan acostumbrados a la paz que esta realidad nos tragó sin que nos diéramos cuenta. Náuseas. Ira. Indignación. ¿Qué te hicieron, Patria?
A. La base de datos la pueden encontrar haciendo click aquí: [Link]
B. Con esa base de datos, aquí el script en R para replicar resultados:
#0. Cargar las bibliotecas necesarias
library(ggplot2)
library(dplyr)
library(lmtest)
library(sandwich)
library(MASS)
#1. Primer acto
data <- read.csv(path_to_data)
data %>%
filter((Year <= 2022) )
ggplot(data, aes(x = Year)) + # Specify the data frame here
geom_line(aes(y = TasaCausasExtranas, color = "Intención no Determinada"), size = 2, alpha = 0.65) +
geom_line(aes(y = TasaHomicidios, color = "Homicidios"), size = 2, alpha = 0.65) +
annotate("text", x = 2009.05, y = 25, label = "Salida Base de Manta", angle = 90, vjust = 1.4, hjust = 1, color = "black", size = 4) +
geom_vline(xintercept = 2009, linetype = "solid", color = "black", size = 1.5) +
geom_vline(xintercept = 2007, linetype = "dashed", color = "black", size = 0.5) +
geom_vline(xintercept = 2018, linetype = "dashed", color = "black", size = 0.5) +
geom_line(aes(y = TasaInusuales, color = "Inusuales (Intención no Determinada + Suicidios)"), size = 2, alpha = 0.65) +
geom_point(aes(y = TasaInusuales, color = "Inusuales (Intención no Determinada + Suicidios)"), fill = "white", size = 2.3, shape = 21, stroke = 1, alpha = 1) +
geom_hline(yintercept = 7.717, linetype = "dashed", color = "black", size = 0.5) +
geom_hline(yintercept = 12.01, linetype = "dashed", color = "black", size = 0.5) +
annotate("text", x = 2014, y = 13.2, label = "T(2014)", angle = 0, vjust = -0.5, hjust = 0.5, size = 4, color="darkblue") +
annotate("text", x = 2000, y = 12.2, label = "T(2000)", angle = 0, vjust = -0.5, hjust = 0.5, size = 4, color="darkblue") +
geom_point(aes(y = TasaCausasExtranas, color = "Intención no Determinada"), fill = "white", size = 2.3, shape = 21, stroke = 1, alpha = 1) +
geom_point(aes(y = TasaHomicidios, color = "Homicidios"), fill = "white", size = 2.3, shape = 21, stroke = 1, alpha = 1) +
geom_text(aes(x = 2018, y = 21, label = "Ruptura Moreno-Correa"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha = 0.1) +
geom_text(aes(x = 2007, y = 22, label = "Entra Correa"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha =0.1) +
scale_x_continuous(breaks = unique(data$Year)) +
labs(title = "Comparativo de Tasas por Tipo de Muerte Violenta (1999-2022)",
x = " ", # Removes the x-axis label
y = "Tasa por cada 100 mil habitantes") +
scale_color_manual(values = c("Intención no Determinada" = "red", "Homicidios" = "black","Inusuales (Intención no Determinada + Suicidios)"="darkblue")) +
theme_minimal() +
coord_cartesian(xlim = c(1999.5, 2021.5),ylim = c(0, 24))+
theme(text = element_text(family = "Roboto"),
axis.title.x = element_text(margin = margin(t = -10)),
axis.text.x = element_text(angle=90,margin = margin(t = 3,b=10),hjust=0,vjust=0.5,size=8),
axis.title.y = element_text(margin = margin(l = 5, r = 12)),
plot.title = element_text(hjust = 0.5, size = 16, margin = margin(t = 5, b = 25), face = "bold"),
legend.title = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
axis.line = element_line(color = "black"),
axis.ticks = element_line(color = "black"),
legend.position = "bottom",
legend.margin = margin(t = 5, b = 5),
legend.text=element_text(size=11),
panel.background = element_rect(fill = "white", colour = "white"),
plot.background = element_rect(fill = "white", colour = "white"),
plot.margin = margin(t = 2, r = 2, b = 2, l = 2, unit = "mm")
)
#2. Segundo acto
#2.1. Incautaciones historicas
data <- read.csv(path_to_data)
data <- data %>% filter(Year >= 1999 & Year <= 2023)
ggplot(data, aes(x = Year)) +
geom_segment(aes(x = 1998.5, y = 130.33, xend = 2023.5, yend = 130.33), linetype = "solid", color = "black") +
geom_segment(aes(x = 1998.5, y = 0, xend = 2023.5, yend = 0), linetype = "solid", color = "black") +
geom_segment(aes(x = 1998.5, y = 0, xend = 1998.5, yend = 280), linetype = "solid", color = "black") +
geom_segment(aes(x = 1999, y = 0, xend = 1999, yend = 280), linetype = "dashed", color = "black") +
geom_segment(aes(x = 2009, y = 0, xend = 2009, yend = 280), linetype = "solid", color = "red",size=2.5,alpha=0.045) +
geom_segment(aes(x = 2013, y = 0, xend = 2013, yend = 280), linetype = "dashed", color = "black") +
geom_segment(aes(x = 2007, y = 0, xend = 2007, yend = 280), linetype = "dashed", color = "black") +
geom_segment(aes(x = 2018, y = 0, xend = 2018, yend = 280), linetype = "dashed", color = "black") +
geom_segment(aes(x = 2021, y = 0, xend = 2021, yend = 280), linetype = "dashed", color = "black") +
geom_text(aes(x = 1999, y = 234, label = "Entra Base de Manta"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha =0.1) +
geom_text(aes(x = 2018, y = 225, label = "Ruptura Moreno - Correa"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha =0.1) +
geom_text(aes(x = 2013, y = 235, label = "Tabla de Consumo"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha = 0.1) +
geom_text(aes(x = 2009, y = 234, label = "Sale Base de Manta"), angle = 90, vjust = 1.5, color = "red", size = 4, alpha = 0.1) +
geom_text(aes(x = 2021, y = 234, label = "Gobierno de Lasso"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha = 0.1) +
geom_text(aes(x = 2007, y = 247, label = "Entra Correa"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha =0.1) +
geom_text(aes(x = 1998.1, y = 130.33, label = "T"), angle = 0,hjust=0.9, vjust =0.4, color = "red", size = 5, alpha = 0.5) +
geom_ribbon(aes(ymin = 130.33, ymax = ToneladasCocaina+3),
data = data %>% filter(Year >= 2009, Year <= 2020.5),
fill = "red", alpha = 0.40)+
geom_ribbon(aes(ymin = 130.33, ymax = ToneladasCocaina),
data = data %>% filter(Year >= 2020.5, Year <= 2023),
fill = "blue", alpha = 0.40) +
geom_line(aes(x = Year, y = ToneladasCocaina), color = "black", size =4, alpha = 0.75) +
geom_point(aes(y = ToneladasCocaina),
color = "black", fill = "white", size = 2.5, shape = 21, stroke = 1,alpha = ifelse(data$Year == 2020.5, 0, 1)) +
scale_x_continuous(breaks = unique(data$Year[data$Year != 2020.5])) +
coord_cartesian(ylim=c(0,260),xlim = c(1998, 2023)) +
theme_minimal() +
labs(title = "Cocaína Post-Manta: Variación en Toneladas Incautadas (1999-2023)",
x = "",
y = "Toneladas Incautadas") +
theme(
plot.title = element_text(hjust = 0.5, vjust = 1.5, size = 16, margin = margin(t = 0, b = 15)),
panel.grid.major = element_line(color = "white", size = 0.5, linetype = "solid"), # Adjust major gridlines
panel.grid.minor = element_line(color = "white", size = 0.25, linetype = "solid"), # Adjust minor gridlines
axis.text.y = element_text(margin = margin(r = -40, l = 15)),
axis.title.y = element_text(margin = margin(l = 0, r = 6)),
axis.title.x = element_text(margin = margin(t =0)),
axis.text.x = element_text(angle=90,margin = margin(t = -8,b=0)),
legend.position = "none")
#2.2. Tasas vs Incautaciones
data <- read.csv(path_to_data)
data %>%
filter(Year <= 2018 )
ggplot(data, aes(x = Year)) +
geom_text(aes(x = 2009.3, y = 13.35, label = "Post Manta"), angle = 90, vjust = 1.3, color = "black", size = 4, alpha = 0.1) +
geom_text(aes(x = 2007, y = 13.25, label = "Entra Correa"), angle = 90, vjust = 1.3, color = "black", size = 4, alpha =0.1) +
geom_vline(xintercept = 2010, linetype = "solid", color = "black", size = 1.5) +
geom_vline(xintercept = 2007, linetype = "solid", color = "black", size = 1.5) +
geom_line(aes(x = Year, y = TasaCausasExtranas*0.8+6,color = "Violentas Indeterminadas"), size =2.5, alpha = ifelse(data$Year == 2009 | data$Year == 2008 | data$Year == 2007 | data$Year >= 2018, 0, 0.75)) +
geom_point(aes(y = TasaCausasExtranas*0.8+6),
color = "black", fill = "white", size = 2.5, shape = 21, stroke = 1, alpha = ifelse(data$Year == 2009 | data$Year == 2008| data$Year > 2018, 0, 1)) +
geom_line(aes(x = Year, y = ToneladasCocaina*0.05,color = "Toneladas Cocaina"), size =2.5, alpha = ifelse(data$Year == 2009 | data$Year == 2008| data$Year == 2007| data$Year >= 2018, 0, 0.75)) +
geom_point(aes(y = ToneladasCocaina*0.05),
color = "black", fill = "white", size = 2.5, shape = 21, stroke = 1,alpha = ifelse(data$Year == 2009| data$Year == 2008| data$Year > 2018, 0,1)) +
scale_x_continuous(breaks = unique(data$Year[data$Year <= 2018])) +
coord_cartesian(ylim=c(0,14),xlim = c(1999.5, 2017.5)) +
theme_minimal() +
scale_color_manual(values = c("Violentas Indeterminadas" = "red", "Toneladas Cocaina" = "black"),
labels = c( "Toneladas Incautadas ","Violentas Indeterminadas"),
name = "") +
labs(title = "Incautaciones de Cocaína vs. Muertes Violentas de Intención no Determinada",
x = "",
y = "Tasa por 100 mil habitantes + 5 | 5% x (Toneladas Incautadas)") +
theme(text = element_text(family = "Roboto"),
axis.title.x = element_text(margin = margin(t = -10)),
axis.text.x = element_text(angle=90,margin = margin(t = 3,b=10),hjust=0,vjust=0.5,size=8),
axis.title.y = element_text(margin = margin(l = 5, r = 12)),
plot.title = element_text(hjust = 0.5, size = 16, margin = margin(t = 5, b = 25), face = "bold"),
legend.title = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
axis.line = element_line(color = "black"),
axis.ticks = element_line(color = "black"),
legend.position = "bottom",
legend.margin = margin(t = 5, b = 5),
legend.text=element_text(size=11),
panel.background = element_rect(fill = "white", colour = "white"),
plot.background = element_rect(fill = "white", colour = "white"),
plot.margin = margin(t = 2, r = 2, b = 2, l = 2, unit = "mm")
)
#2.3. Regresiones
#1999-2007
data <- read.csv(path_to_data)
data <- data %>% filter(Year >= 1999 & Year < 2007)
model <- lm(LnTasa ~ LnToneladas, data = data)
coeftest(model, vcov = vcovHC(model, type = "HC0"))
#2010-2018
data <- read.csv(path_to_data)
data <- data %>% filter(Year >= 2010 & Year <= 2018)
model <- lm(LnTasa ~ LnToneladas, data = data)
coeftest(model, vcov = vcovHC(model, type = "HC0"))
#2.4. Scatter-like (Central)
data <- read.csv(path_to_data)
# Filtrar y preparar los datos para Placebo y Tratamiento
data_placebo <- data %>% filter(Year >= 1999 & Year < 2007) %>% mutate(Period = "Placebo (1999-2007)")
data_tratamiento <- data %>% filter(Year >= 2010 & Year <= 2018) %>% mutate(Period = "Tratamiento (2010-2018)")
# Combinar los datos
data_combined <- rbind(data_placebo, data_tratamiento)
# Ajustar modelos
model_placebo <- lm(LnTasa ~ LnToneladas, data = data_placebo)
test_placebo <- coeftest(model_placebo, vcov = vcovHC(model_placebo, type = "HC0"))
model_tratamiento <- lm(LnTasa ~ LnToneladas, data = data_tratamiento)
test_tratamiento <- coeftest(model_tratamiento, vcov = vcovHC(model_tratamiento, type = "HC0"))
# Crear las anotaciones con los resultados de coeftest para cada modelo
text_annotation_placebo <- paste("Beta: ", round(test_placebo[2, "Estimate"], 3), "\nStd. Error: ", round(test_placebo[2, "Std. Error"], 3),
"\np-value: ", format.pval(test_placebo[2, "Pr(>|t|)"], digits = 3))
text_annotation_tratamiento <- paste("Beta: ", round(test_tratamiento[2, "Estimate"], 3), "\nStd. Error: ", round(test_tratamiento[2, "Std. Error"], 3), "\np-value: ", format.pval(test_tratamiento[2, "Pr(>|t|)"], digits = 3))
# Crear el gráfico
p <- ggplot(data_combined, aes(x = LnToneladas, y = LnTasa)) +
geom_point(aes(color = Period), color = "black", fill = "white", size = 2.5, shape = 21, stroke = 0.95) +
geom_smooth(method = "rlm", se = TRUE, aes(color = Period)) +
geom_text(data = data_placebo, aes(label = text_annotation_placebo),
x = Inf, y = Inf, hjust = 1.1, vjust = 1.1, size = 4, alpha = 0.1) +
geom_text(data = data_tratamiento, aes(label = text_annotation_tratamiento),
x = Inf, y = Inf, hjust = 1.1, vjust = 1.1, size = 4, alpha = 0.1) +
facet_wrap(~ Period, scales = "free_x", labeller = labeller(Period = c(`Placebo (1999-2007)` = "Placebo (1999-2007)", `Tratamiento (2010-2018)` = "Tratamiento (2010-2018)"))) +
coord_cartesian(ylim = c(0, 3.5)) +
labs(title = "Efecto de Incautaciones de Cocaína en Muertes Violentas de Intención no Determinada",
x = "Ln(Toneladas de Cocaína Incautada)", y = "Ln(Tasa de Muertes Violentas de Intención Indeterminada)") +
scale_color_manual(values = c("Placebo (1999-2007)" = "blue", "Tratamiento (2010-2018)" = "red")) +
theme_light() +
theme(legend.position = "none",
strip.background.x = element_rect(fill = "grey80", color = NA),
strip.text.x = element_text(size = 12, color = "black"),
plot.title = element_text(hjust = 0.5, size = 16, margin = margin(t = 5, b = 25), face = "bold"),
panel.grid.major = element_line(color = "white", size = 0.5, linetype = "solid"),
panel.grid.minor = element_line(color = "white", size = 0.25, linetype = "solid"))
print(p)
#3. Tercer acto.
data <- read.csv(path_to_data)
data <- data %>% filter(Year >= 2007 & Year <= 2021)
ggplot(data, aes(x = Year)) +
# Línea para la tasa de tráfico en Ecuador
geom_line(aes(y = TasaTrafico, color = "Ecuador"), size = 4, alpha = 0.55) +
# Línea para la tasa de tráfico en Colombia
geom_line(aes(y = TasaTraficoColombia, color = "Colombia"), size = 3.5, alpha = 0.55) +
# Puntos para Ecuador
geom_point(aes(y = TasaTrafico),color = "black", fill="white", size = 2.5, shape = 21, stroke = 0.55) +
# Puntos para Colombia
geom_point(aes(y = TasaTraficoColombia),color = "black", fill="white", size = 2.5, shape = 21, stroke = 0.55) +
# Segmentos verticales y horizontales como líneas de referencia
geom_segment(aes(x = 2006.5, y = -0.05, xend = 2021.5, yend = -0.05), linetype = "solid", color = "black") +
geom_segment(aes(x = 2006.5, y = -0.05, xend = 2006.5, yend = 1), linetype = "solid", color = "black") +
geom_segment(aes(x = 2009, y = -0.05, xend = 2009, yend = 1), linetype = "dashed", color = "black") +
geom_segment(aes(x = 2007, y = -0.05, xend = 2007, yend = 1), linetype = "dashed", color = "black") +
# Texto adicional como anotaciones
geom_text(aes(x = 2009, y = 0.535, label = "Sale Base de Manta"), angle = 90, vjust = 1.5, color = "black", size = 3.8, alpha = 0.1) +
geom_text(aes(x = 2007, y = 0.565, label = "Entra Correa"), angle = 90, vjust = 1.5, color = "black", size = 4, alpha =0.1) +
# Configuración de los ejes y escalas
scale_x_continuous(breaks = unique(data$Year)) +
coord_cartesian(ylim = c(-0.05,0.65), xlim = c(2007, 2021)) +
scale_y_continuous(name = "Tráfico < 17 años por cada 100 mil habitantes") +
# Ajustes de la leyenda y tema
scale_color_manual(values = c("Ecuador" = "red", "Colombia" = "black")) +
theme_minimal() +
labs(title = "Tasa de Tráfico de Menores de Edad (2007-2021)", x = "", color=" ") +
theme(
plot.title = element_text(hjust = 0.5, vjust = 3.5, size = 16, margin = margin(t = 18, b = 20)),
panel.grid.major = element_line(color = "white", size = 0.5, linetype = "solid"),
panel.grid.minor = element_line(color = "white", size = 0.25, linetype = "solid"),
axis.text.y = element_text(margin = margin(r = -10, l = 0)),
axis.title.y = element_text(margin = margin(l = 5, r = 15)),
axis.title.x = element_text(margin = margin(t = 10)),
axis.text.x = element_text(angle=90,margin = margin(t = -10)),
legend.position = "bottom")