Content uploaded by Daniel Montolio
Author content
All content in this area was uploaded by Daniel Montolio on Jul 22, 2015
Content may be subject to copyright.
¿Estimula el turismo la actividad criminal? Evidencia para las
provincias españolas
Daniel Montolio y Simón Planells
Universitat de Barcelona e IEB
Resumen: El objetivo de este artículo consiste en estimar el impacto
que la llegada de turistas ha tenido para las provincias españolas en
el periodo 2000-2008. Utilizando un panel de datos, para controlar las
características intrínsecas de cada provincia, y teniendo en cuenta el
problema de endogeneidad de la variable turismo, estimamos
mediante Mínimos Cuadrados en dos etapas que la llegada de turistas
tiene un impacto positivo y significativo tanto para los delitos contra
las personas como los delitos contra el patrimonio aunque,
características de la demanda turística como la estacionalidad pueden
tener impactos de signo contrarios dependiendo del tipo de crimen.
Palabras clave: Crimen, Turismo, Estacionalidad
JEL: C23, H50, I2, J24, K24
1. Introducción
La criminalidad es una de las mayores preocupaciones de las economías hoy en
día dado que esta actividad afecta directamente las decisiones de los agentes
económicos, y por lo tanto, la eficiencia y el desarrollo de las principales
actividades económicas. En España concretamente, el Centro de Investigaciones
Sociológicas (CIS) estima que la inseguridad ciudadana continúa siendo una de
las 3 principales preocupaciones para casi 1 de cada 5 españoles (ver gráfico 1).1
Ante esta situación, las Administraciones Públicas competentes intentan luchar
contra la criminalidad y para ello asignan cada año una media del 2.1% de los
Presupuestos Generales del Estado a las Fuerzas y Cuerpos de Seguridad.2
[Insertar gráfico 1]
La evolución de la criminalidad en los últimos diez años se puede observar en el
gráfico 2. En éste, se puede observar cómo tanto los crímenes contra las personas
como los crímenes contra el patrimonio presentan una tendencia creciente en el
largo plazo siendo esta mayor para el caso de los crímenes contra las personas.
Más que la tendencia de los crímenes contra el patrimonio, es importante observar
la magnitud de estos. Una magnitud que refleja la importancia de recursos
destinados a prever este tipo de crímenes.
[Insertar gráfico 2]
En España, también hay que tener en cuenta la importancia de la actividad
turística y su heterogénea distribución territorial. En términos de PIB a precios
1 Cabe matizar que la inseguridad ciudadana no incluye la preocupación por el terrorismo.
2 Las fuerzas y cuerpos de seguridad del estado incluyen la Guardia Civil con 82,812 agentes y el
Cuerpo nacional de policía con 66,038 agentes en el año 2009. Por lo tanto, quedan excluidos los
cuerpos de policía local de los ayuntamientos así como los cuerpos de policía autonómica de
Catalunya y País Vasco, los Servicios de Vigilancia Aduanera dependientes de la Agencia
Tributaria y todo el gasto en justicia, prisiones o prevención de la violencia.
1
corrientes, en el año 2008 un 11.5% de la producción interior proviene de la
actividad turística3. Además, el empleo directo generado por la actividad turística
se estima que representa un 10% del total del empleo directo de la economía
española. En el año 2008 la llegada de turistas fue de 59 millones situando a
España como un destino de reconocimiento internacional quedando a nivel
europeo sólo por detrás de Francia.
Dada la importancia creciente de la actividad turística en los últimos diez años,
cabe tener en cuenta los impactos que dicho crecimiento tiene sobre la economía
española. Uno de los impactos que no ha sido estudiado para el caso español a
nivel empírico, es el efecto que pueda tener el turismo sobre la criminalidad. Así,
las tasas de criminalidad en España presentan, a nivel agregado y junto con la
llegada de turistas, una tendencia creciente en los últimos años (ver gráfico 3).
Dada la importancia de ambas variables para el caso español, el objetivo de este
trabajo es establecer la relación existente entre turismo y crimen y en especial, los
costes que en términos de criminalidad reporta la llegada de un número tan
extenso de turistas.
[Insertar gráfico 3]
Así, utilizando como base el modelo de Becker-Ehrlisch, estudiamos el efecto del
turismo y sus características sobre las tasas de criminalidad (diferenciando entre
delitos y faltas contra las personas y delitos y faltas contra el patrimonio) para las
provincias españolas para el periodo 2000-2008 teniendo en cuenta posibles
problemas de endogeneidad. Existe numerosa evidencia empírica que constata el
efecto disuasión de la actividad criminal sobre el turismo lo que introduce una
problemática de causalidad inversa en las estimaciones entre turismo y crimen. En
este trabajo corregimos este posible problema de endogeneidad para obtener así
estimaciones insesgadas y consistentes. Además, tenemos en cuenta
características específicas de la demanda turística como la concentración
3 En estos datos, no se tienen en cuenta las actividades indirectas generadas por el turismo.
2
temporal para determinar qué efectos tienen sobre la criminalidad. Ambos
aspectos resultan novedosos en la literatura internacional sobre crimen y turismo.
El trabajo se estructura de la siguiente manera: la sección 2 presenta una revisión
de la literatura empírica para la economía del crimen que ha estudiado la relación
entre turismo y crimen. La sección 3 presenta la estrategia empírica así como los
datos y variables mientras que la sección 4 presenta los resultados obtenidos. Por
último, la sección 5 presenta un apartado de conclusiones que pone de relieve la
relevancia de los resultados obtenidos.
2. Revisión de la literatura empírica
A partir del modelo seminal de Becker (1968) el cual establece que el hecho de
cometer actos ilícitos es un acto racional, es decir, los individuos maximizan su
nivel de utilidad dados unos beneficios de las actividades legales e ilegales y dada
una probabilidad de aprensión. Numerosos han sido los estudios que han
intentado describir los determinantes de la criminalidad en diferentes países. Por
ejemplo, para el caso de Estados Unidos (EEUU) ver Ehrlisch (1973) o Grogger,
(1998). Para el caso de Alemania ver Entorf y Spengler (2000). Estudios más
recientes tratan el caso de España (Buonanno y Montolio, 2008) o Italia
(Buonanno, 2006) Además, también se han estudiado aspectos relacionados con
la personalidad para los delitos contra las personas como el consumo de drogas
(Fajnzylber et al. 2002), hasta aspectos más relacionados con la actividad
económica como las diferencias de renta o la situación económica para los
crímenes contra el patrimonio (Entorf et al. 2000). Otros aspectos como la edad
(Usher, 1997), el nivel de urbanización (Glaeser et al. 1999) o el desempleo
(Freeman, 1991) también han sido objeto de estudio en la literatura de la
economía del crimen.
3
Más relacionado con este trabajo, la relación entre turismo y crimen ha sido
también estudiada durante los últimos 25 años y de la literatura existente podemos
diferenciar tres aproximaciones que relacionan el turismo y la actividad criminal.
2.1. El impacto del turismo sobre la actividad criminal
Esta aproximación se centra en el estudio de determinados destinos turísticos
para establecer si existe o no una relación positiva entre turismo y tasas de
criminalidad. Para ello establece que la actividad turística puede tener un doble
efecto sobre la criminalidad. En primer lugar, la actividad turística acarrea un nivel
de desarrollo en una determinada área. Esto, como apunta Gould (2002), lleva a
mayores oportunidades de empleo así como mayores salarios que en un sector
tradicional, lo que en términos del modelo de Becker significa que existe un coste
de oportunidad mayor de cometer actos ilícitos. Por otra parte, la actividad turística
puede suponer un incremento de las oportunidades para los delincuentes. Los
turistas suelen portar objetos de valor así como dinero en efectivo lo que les hace
muy atractivos para los criminales siendo su beneficio esperado de cometer un
acto delictivo mayor. Además, si como apunta Maxfield (1987), los turistas
presentan una actitud más pasiva y de descuido, la probabilidad de sufrir un acto
criminal aumenta.
Ejemplos representativos para diferentes destinos turísticos son McPheters (1974)
para el caso de Miami, y Jud (1975) para el caso de México. Ambos trabajos
encuentran una correlación positiva y fuertemente significativa entre turismo y
crímenes contra la propiedad. No obstante, en ambos trabajos los resultados para
la relación entre turismo y delitos contra las personas parece no ser significativa.
Fujii y Mak (1979) centran su análisis en los cambios de producción sectoriales.
Estudian como pasar de una economía basada en la agricultura a una economía
enfocada a la actividad turística provoca un incremento de las tasas de crimen.
4
Para contrastarlo utilizan dos tipos de datos. En un primer análisis toman una
muestra de corte transversal de la isla de Oahu para el año 1975. En un segundo
análisis utilizan una serie de tiempo de 1961 a 1975 para la isla de Hawai. Los
resultados parecen indicar claramente, ya sea con las series de tiempo o con los
datos de corte transversal, que una economía más enfocada hacía el turismo
conlleva un incremento de las tasas de crimen especialmente para los crímenes
relacionados contra la propiedad. También para el caso de Hawaii, Fukunaga
(1975) utilizando una serie temporal, encuentra que cinco años después de la
construcción de numerosos complejos hoteleros en Hawaii las tasas de
criminalidad habían incrementado un 3.000%.
Urbanowicz (1977) analiza como destinos turísticos especializados en la
prostitución y las drogas son más propensos a presentar mayores tasas de
criminalidad especialmente en los crímenes contra las personas. En concordancia
con el estudio de Urbanowicz (1977), O'Donnell et al. (1980) presentan un estudio
sociológico de los determinantes del crimen en destinaciones turísticas. Los
autores apuntan que aquellas destinaciones que presentan una oferta turística
más relacionada con la discoteca o lugares de alterne presentan unas tasas de
criminalidad mayores tanto para crímenes contra la persona como crímenes contra
la propiedad.
Para el caso de EEUU tenemos trabajos como los de Pizam (1982). Utilizando 50
observaciones a nivel de estados en EEUU para el año 1975, encuentra un efecto
positivo del turismo sobre las tasas de criminalidad para numerosas clasificaciones
de acuerdo con el índice de crímenes elaborado por el FBI. Concretamente, en
cuatro de los nueve índices analizados se encuentra una relación positiva aunque
poco significativa lo que lleva al autor a concluir que el efecto es residual. También
para el caso de EEUU, y en concreto la ciudad de Atlanta, Albanese (1985)
compara las tasas de criminalidad de Atlanta con otras ciudades menos turísticas
de Nueva Jersey. Los efectos de la llegada de turistas sobre las tasas de
criminalidad parecen ser positivos tanto para los crímenes contra la persona como
5
para los crímenes contra el patrimonio y estos resultados, son posteriormente
confirmados por Ochrym (1990).
Una literatura más reciente en EEUU que ha cobrado importancia en los últimos
años ha sido la que relaciona positivamente el turismo de casinos con el crimen,
Ochrym (1990), Giacopassi (2000), Moufakkiv (2005) y Walker (2008) presentan
trabajos que relacionan este tipo específico de turismo y las tasas de criminalidad.
Los resultados parerecen indicar que el turismo atraido por los casino incrementa
la actividad criminal. Concretamente, Grinols et al. (2006) presentan en sus
resultados que 5 años despúes de la apertura de complejos hoteleros y casinos, la
actividad criminal se ve incrementada.
Posiblemente el trabajo más reciente y que utiliza una metodología más compleja
es el llevado a cabo por Mustard et al. (2011). Mediante el uso de un modelo de
ecuaciones simultáneas para controlar la endogeneidad de la variable que recoge
el número de turistas, utilizando diferentes definiciones de turismo y un extenso
panel de datos para parques nacionales en EEUU, los autores demuestran que el
turismo no tiene un impacto sobre la actividad criminal. Hay que matizar, que a
pesar de los resultados, estos autores estudian un tipo de turismo en concreto: el
turismo de parques nacionales en EEUU entre 1979 y 1998.
2.2. El turista como víctima
La segunda forma de abordar la relación entre el turismo y las tasas de
criminalidad es el estudio de los turistas como víctimas. En el anterior enfoque los
trabajos no diferenciaban quienes eran los autores o las víctimas de los actos
delictivos. El objetivo de los anteriores trabajos estriba en conocer si localizarse en
un área turística es sinónimo de sufrir con mayor probabilidad un acto criminal. Los
trabajos que a continuación se revisan, tratan de diferenciar quien es la víctima, y
por lo tanto, buscan estudiar la propensidad de los turistas a sufrir actos
criminales.
6
Un trabajo a destacar es el llevado a cabo por Ryan (1993) en el cual se analiza
porque los turistas pueden ser mejores objetivos para los criminales. Entre las
causas principales que el autor menciona figura una actitud más pasiva de lo
normal, lo que implica que disminuya la probabilidad de los criminales de ser
descubiertos. En relación también con el comportamiento, los turistas pasan más
tiempo fuera de su alojamiento (Maxfield, 1987) lo que hace que incremente la
probabilidad de que estos sean víctimas. Por otra parte, éstos son propensos a
llevar un mayor número de objetos de valor así como una cantidad de dinero
mayor encima. Esto, lleva a que el beneficio esperado de cometer actos ilícitos por
parte de los criminales se vea incrementado llevando consecuentemente a un
incremento del número de delitos. A nivel empírico, el trabajo de Brunt et al. (2000)
presenta, a través de encuestas, que los turistas ingleses sufren más robos
durante sus vacaciones. No obstante, esta conclusión se basa simplemente en
una observación de datos estadísticos sin llevar a cabo contrastes de significación
ni regresiones econométricas.
2.3. Los turistas como criminales
Alternativa a la visión anterior, los turistas pueden ser vistos no como las víctimas
sino como los delincuentes. Este aspecto ha sido estudiado a nivel sociológico
pero nunca desde la vertiente económica, ni teórica ni empíricamente.4 Sharpley
(1994) apunta que los turistas pueden variar su comportamiento debido a que se
encuentran en ambientes distintos al habitual, lo que produce un grado de
irresponsabilidad mayor de lo habitual. Además, a menudo las mayores tasas de
criminalidad están asociadas a ambientes relacionados con el alcohol y las drogas
de forma que la promoción turística que realiza un destino turístico puede
determinar, en gran parte, las mayores tasas de criminalidad inducidas por el
turismo.
4 Como apunta Ryan (1993) la escasez de datos puede ser la causa de la falta de este tipo de
estudios.
7
A pesar de la literatura existente, vale la pena matizar que muchos de los trabajos
revisados presentan algunos problemas metodológicos:
Primero, muchos trabajos se centran en realizar simples descripciones
estadísticas entre lugares turísticos y no turísticos. Centrarse en puntos turísticos
característicos determinados y explotar datos estadísticos proporciona una
aproximación cualitativa, lo que lleva en última instancia a requerir de técnicas
econométricas para eliminar posibles variables omitidas en el análisis. Ejemplos
son Jud (1975), Ochrym (1990) o Giacopassi (2000).
Segundo, otros artículos como Fujii y Mak (1979), Jud (1975) o Pizam (1982)
utilizan datos de carácter transversal o datos de series de tiempo. A pesar de
presentar ventajas, el uso de este tipo de datos presenta la problemática que no
pueden capturar el efecto de las variables omitidas. Es decir, la existencia de
características intrínsecas en diferentes regiones o años no podrán ser capturadas
por los modelos utilizados en los trabajos anteriores llevando posiblemente a unas
estimaciones sesgadas.
Por último, los trabajos anteriores, a excepción de Mustard et al. (2011), asumen
lae exogeneidad de la variable turismo. Como bien se indica en la literatura, el
crimen tiene un efecto disuasión sobre el turismo lo que implica que existe una
doble causalidad importante que se debe tener en cuenta. Mustard et al. (2011)
encuentran que el efecto del turismo sobre la criminalidad es nulo cuando los los
autores utilizan un modelo de ecuaciones simultáneas que tiene en cuenta la
endogeneidad de la variable turística.
Así, en este trabajo, analizamos si las provincias españolas con mayor llegada de
turistas presentan mayores tasas de criminalidad (sin diferenciar si los turistas son
8
las víctimas o los criminales)5. Utilizamos una ecuación de crimen como se es
definida en la literatura y, además, tenemos en cuenta variables inobservables de
cada provincia o año mediante el uso de datos de panel. Para tratar el problema
de la doble causalidad entre turismo y crimen utilizamos una estimación por
Mínimos Cuadrados en dos etapas, utilizando un instrumento novedoso en la
literatura de economía del crimen que determina la llegada de turistas en cada año
y provincia. Por último, tenemos en cuenta características del turismo como la
concentración temporal (estacionalidad) para determinar su efecto sobre las tasas
de criminalidad.
3. Aproximación empírica y datos utilizados
En este trabajo utilizamos los datos de criminalidad6 pertenecientes al Ministerio
del Interior (MIR) y, concretamente, los obtenidos en el Balance del MIR (2009).
En este informe, encontramos un resumen de los datos de criminalidad recogidos
por las fuerzas y cuerpos de seguridad del Estado7 pertenecientes al periodo
2000-2008 para las principales clasificaciones de crímenes en las provincias
españolas pertenecientes al territorio MIR.8
Dada la disponibilidad de datos de panel a nivel provincial y las ventajas que
presenta el uso de este tipo de datos, podemos realizar estimaciones teniendo en
cuenta las características no observables de cada provincia evitando así el sesgo
por variables omitidas (por ejemplo, número de efectivos policiales o aceptación
5 A pesar de no diferenciar quien es la víctima, si el turista o el residente, este hecho no va a
cambiar nuestros resultados ya que ambos afectan positivamente a las tasas de criminalidad.
6 Las tablas 1a y 1b presentan los estadísticos descriptivos y un esquema de la construcción y
fuente de las variables.
7 Los pertenecientes al Cuerpo Nacional de Policía y a la Guardia Civil los cuales, según el CIS,
representan un 77% de las denuncias presentadas por los ciudadanos.
8 Las fuerzas y cuerpos de seguridad del Estado organizan sus actividades a nivel provincial. A
pesar de ello, y dado el proceso de expansión de los cuerpos policiales autonómicos, las provincias
de Álava, Guipuzcoa, Vizcaya, Barcelona, Girona, Tarragona, Lleida y Navarra están excluidas de
nuestra base de datos.
9
por parte de la sociedad de actos ilícitos9). Así, el uso de una estimación con
efectos fijos nos permitirá capturar las características intrínsecas que no recogen
las variables explicativas de nuestro modelo. La ecuación de los determinantes del
crimen a estimar es la siguiente:
∑
∑
∑++++++=
litlitl
mmitm
zzitzii
it
kotrasdisuaseconsocioturismoCrimen
εηγφβαα
)()_()( (1)
Donde i es el subíndice que denota la provincia, t denota el año y k representa el
tipo de crímen. i
α
es el efecto fijo para cada provincia que recoge todas aquellas
características inobservables específicas de cada provincia. t
α
representa el efecto
fijo temporal que recoge todos los cambios comunes entre provincias que son
variables en el tiempo y it
ε
es el término de error idiosincrático.
Variable dependiente10
it
k
Crimen representa el logaritmo de la tasa de criminalidad (expresada como el
ratio entre crímenes por cada 1,000 habitantes) del tipo de crimen k en la provincia
i en el año t. El Balance del MIR (2009) nos proporciona datos relativos a las tasas
de criminalidad para las provincias españolas distinguiendo entre delitos y faltas,
atendiendo a su gravedad, y entre delitos y faltas contra la propiedad o contra la
persona atendiendo a su naturaleza. Las faltas, recogen aquellos actos ilícitos de
menor gravedad que son raramente penados con prisión mientras que los delitos
presentan los actos ilícitos de mayor gravedad que pueden conllevar penas de
prisión. Los crímenes recogen la agregación de las faltas y los delitos, tanto para
crímenes contra la propiedad como contra la persona. Con este nivel de
desagregación en principio nuestras estimaciones no se verán sesgadas por el
hecho que, como apuntan Cherry et al. (2002), las motivaciones detrás de cada
9 Sah (1991) apunta que aquellos individuos que nacen en ambientes con tasas de criminalidad
superiores presentan una propensión mayor a cometer ilícitos penales dado que el castigo social
es menor
10 En la tabla 1 se presentan los estadísticos descriptivos de las variables utilizadas.
10
tipo de crimen varían de forma considerable, con lo cual, agregar los datos en un
único indicador podría llevar a conclusiones erróneas.
Variables turísticas
Nuestras variables principales son las recogidas en el vector .En primer
lugar, incluimos el número total de turistas entrantes expresado como “Turismo”.
"" it
turismo
11
Como se ha explicado en la sección 2, se espera que el número de turistas afecte
positivamente a la tasa de criminalidad aunque cabe matizar ciertos aspectos del
turismo como, por ejemplo, la estacionalidad. Se espera que el turismo de menor
calidad esté más estacionalizado (turismo de sol y playa, turismo de masas, etc.).
De hecho, como apuntan Capó Parrilla et al. (2006), la calidad de los
establecimientos hoteleros influye positivamente en el alargamiento de la
temporada y por lo tanto, afecta negativamente al nivel de estacionalidad. Así,
mediante la inclusión de la variable “Turismo” corregido por la estacionalidad
obtenemos “Turismo*estacionalidad”.
Para medir la concentración temporal de la demanda turística en cada año y
provincia utilizamos el índice de entropía de Theil (1967) que toma la siguiente
expresión:12
∑
=⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡−
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
=12
11
)1( 1
ki
k
it y
Entropia
β
ηββ
(2)
Donde i
η
representa la llegada de turistas en una provincia i, representa la
llegada de turistas a cada provincia en los doce meses del año. Por lo tanto,
obtenemos un índice de Entropía para cada provincia y año dado que para
k
y
11 Se ha realizado el mismo análisis con una definición de turismo alternativa (pernoctaciones
hoteleras). Los resultados observados resultan muy parecidos a los que se presentan en este
trabajo.
12 El análisis se ha realizado también con el índice de Gini obteniendo, de forma general,
resultados similares
11
calcular la estacionalidad anual hemos utilizado datos de la llegada de turistas
mensuales. β representa el parámetro que define a que tramo de la distribución
queremos dar más peso a los cambios en la llegada de turistas. Cuanto mayor sea
β mayor será el peso que demos a cambios en la parte superior de la distribución
(meses con mucho turismo). De forma contraria, β menores implican dar un mayor
peso a cambios en la parte inferior de la distribución. En nuestro análisis
utilizamos un valor de β = -1, de forma que damos mucho peso a cambios en los
meses de bajo nivel de turismo. Valores mayores del índice de entropía reflejan
mayores niveles de estacionalidad. Como ejemplo, Las Islas Baleares presentan
en el año 2009 el valor más alto del índice, 0.82, mientras que Las Palmas en el
año 2001 presentan el nivel más bajo (0.002).
Variables socio-económicas
Las variables socioeconómicas se encuentran recogidas en el vector de variables
. Como fuentes principales de datos utilizamos las del Instituto
Nacional de Estadística (INE), las del Instituto Valenciano de Investigaciones
Económicas (IVIE) y las pertenecientes al Anuario de La Caixa. A continuación, se
presentan las variables del modelo.
it
econsocio_
En primer lugar, la tasa de desempleo según indica Freeman (1991) puede tener
tanto un efecto negativo como positivo. Desde el punto de vista del modelo de
Becker-Ehrlisch, el desempleo supondría un menor coste de oportunidad de
cometer actos ilícitos dado que los ingresos de las actividades legales disminuyen
ya que las prestaciones por desempleo son siempre menores que el salario.
Aunque, de hecho, Freeman (1991) encuentra que la mayor parte de los
delincuentes se encuentran ocupados en el momento de cometer los actos ilícitos.
Además, como apunta Witt et al. (1999), los hombres son más propensos a llevar
a cabo actividades criminales. Por lo tanto, incluimos la variable
“desempleo_masc” definida como el logaritmo del ratio entre desempleados
varones y la población activa total.
12
En segundo lugar, incluimos la tasa de jóvenes “tasa_joven” para reflejar el efecto
de los individuos entre 15 y 30 años sobre las tasas de criminalidad. Como
apuntan Freeman (1991, 1995), Grogger (1991, 1995, 1998) y Levitt y Lochner
(2001) los jóvenes son más propensos a cometer crímenes debido a que su coste
de oportunidad es mucho menor.
En tercer lugar, como apuntan Glaeser y Sacerdote (1999) las tasas de
criminalidad pueden ser superiores en ambientes urbanos dado que la
probabilidad de captura es menor mientras que los beneficios del crimen son
superiores ya que las ciudades acercan, en términos geográficos, a individuos de
renta baja e individuos de renta alta. Además, en las ciudades, los costes de
transporte son menores lo que hace incrementar los beneficios directos de la
criminalidad. Por otra parte, existen economías de escala en los actos criminales
en las ciudades dado que los bienes obtenidos de actos ilícitos pueden ser más
fácilmente vendidos en el mercado negro. Además, la probabilidad de ser
reconocido, por ambientes cercanos, es menor dada la mayor afluencia de
individuos. Para capturar el efecto de las ciudades sobre las tasas de criminalidad
incluimos las variables “urbanización” y “urbanizacion2” que recogen el
porcentaje de individuos que viven en núcleos urbanos de más de 20.000
personas y su expresión cuadrática para capturar los efectos no lineales.
En cuarto, el Producto Interior Bruto (PIB) per cápita proporciona una
aproximación de las oportunidades de las rentas provenientes de actividades
ilícitas. Cabría esperar un signo positivo en la relación entre crimen y renta. No
obstante, y como indica Fleisher (1966), el PIB per cápita también puede ser una
aproximación de la capacidad adquisitiva de los individuos. Consecuentemente, el
nivel de renta estaría negativamente relacionado con la criminalidad dado que los
costes de oportunidad son mayores. En este trabajo en lugar de incluir la renta per
cápita, y en la línea con lo descrito por Entorf et al (2000), incluimos una medida
de desigualdad económica que intenta capturar diferencias de renta entre
13
provincias. La media de la renta de todas la provincias españolas se define con
índice 1 de forma que valores superiores a 1 de la variable “pib_relativo” implican
una riqueza mayor que la media, mientras que valores inferiores a uno significa un
menor nivel de riqueza. También relacionado con los beneficios asociados al
mercado de trabajo legal y la dinámica de la economía, encontramos el
crecimiento del PIB. Un crecimiento mayor del PIB significa un mercado laboral
más dinámico, y por lo tanto, una mayores posibilidades de beneficios del
mercado de trabajo legal. La variable “crecimiento_pib” refleja esta tasa de
crecimiento del PIB.
Usher (1997) apunta que el nivel educativo perpetúa los valores de la sociedad
incentivando a los individuos a servir a la comunidad. Además, un mayor nivel
educativo está correlacionado con un mayor nivel de ingresos y por tanto un coste
de oportunidad mayor de la actividad criminal. Consecuentemente, esperamos un
signo negativo de la variable educación tanto para los crímenes contra las
personas como para los crímenes contra el patrimonio. En nuestro modelo
incluimos la variable “educación” proveniente del IVIE y definida como el
logaritmo de la tasa de individuos con un nivel de estudios superior (15 años o
más de educación) entre el total de la población.
Teniendo en cuenta las oportunidades en el mercado de trabajo, los inmigrantes,
muchos de ellos ilegales y sin permiso de trabajo, pueden presentar una mayor
propensión a cometer actos criminales. De hecho, los inmigrantes más propensos
a llevar a cabo actos criminales deberían ser los que se encuentran de forma
irregular en el territorio. La carencia de documentación les hace no legibles para el
mercado de trabajo. Dado que los datos sobre inmigración ilegal no se encuentran
de manera oficial, no podemos incluir directamente este efecto. Incluimos una
aproximación de los inmigrantes ilegales a través de incluir la variable
“tasa_inmigra” que se define como el logaritmo del número de inmigrantes entre
la población total.
14
Otras variables socioeconómicas que pueden afectar las decisiones sobre
criminalidad son el número de establecimientos comerciales por habitante
“actividad_minorista” medido en logaritmos (Cornwell y Trumbull,1994) o el
número de vehículos por habitante “vehículos_motor” (Witt et al. 1999) medido
en logaritmos. Para ambas variables, se espera que presenten un signo positivo
de incidencia sobre los crímenes contra el patrimonio, ya que en términos del
modelo de Becker-Ehrlisch, la existencia de un mayor número de vehículos o
locales comerciales significa mayores oportunidades y beneficios para las
actividades ilícitas.
Variables de disuasión
También del Balance MIR (2009) encontramos las variables principales de
disuasión: la tasa de detenidos, “tasa_detencion”, definida como el logaritmo del
ratio entre el número de detenidos y el número de delitos totales y la tasa de
esclarecimiento, “tasa_esclarecidos”, definida como el logaritmo del número de
casos esclarecidos entre el total de delitos.13 Estas variables, según el modelo de
Becker-Ehrlisch, se espera que afecten negativamente a las tasas de criminalidad
dado que serán concebidas por los criminales como un incremento de la
probabilidad de detención. Consecuentemente, los beneficios de cometer actos
ilícitos se verán disminuidos.
Otras variables
Finalmente, incluimos una variable de control que intentan reflejar un cambio
exógeno en las tasas de delincuencia en España. Construimos dicótoma
“dummylaw” que intenta controlar el cambio legislativo que tuvo lugar en el año
2004 y que contemplaba la creación de los juzgados de violencia sobre la mujer.
Esta toma el valor uno si los datos son del año 2000 al 2003 y cero de lo contrario.
13 No incluimos el número de policías por habitante ni la severidad de la condena debido a la
inexistencia pública de estos datos. No obstante, la tasa de delitos esclarecidos puede ser
considerada una aproximación al número de efectivos policiales.
15
Como se trata de un cambio legislativo que endurece la persecución de los
crímenes contra la persona y crea unidades y juzgados que persiguen la violencia
de género, cabe esperar un signo negativo para los delitos y crímenes totales
contra la persona, y un signo positivo para las faltas. Esto, es debido a que en los
años que la variable dicótoma toma valores iguales a uno (2000-2003), muchos
crímenes contra la persona eran clasificados como faltas mientras que a partir del
cambio legislativo, estos crímenes pasan a clasificarse como delitos.
[Insertar tabla 1]
Variables instrumentales
La estimación por Mínimos Cuadrados Ordinarios de la Eq. (1) podría estar
sesgada si tal y como se ha comentado en la literatura la relación entre turismo y
criminalidad presenta una causalidad inversa. Como apunta Gunn (1973), la
delincuencia y las tasas de criminalidad son aspectos tan importantes en la
decisión de los turistas como el tipo de alojamiento o la duración de la estancia de
unas vacaciones. Teniendo en cuenta este efecto de la criminalidad sobre la
demanda turística, existen trabajos como los de Levantis et al. (2000) y Alleyne y
Boxill (2003) los cuales encuentran un efecto disuasorio de la criminalidad sobre la
llegada de turistas. Mayores tasas de criminalidad llevan a los turistas a elegir
destinos turísticos alternativos. Esta causalidad inversa puede sesgar las
estimaciones de nuestro modelo dado que ya no se cumplirá el supuesto básico
de 0),( =
itit
CrimenCorr
ε
Para solucionar este problema de endogeneidad,
estimamos el modelo con Mínimos Cuadrados en dos Etapas utilizando un
instrumento que ha sido ampliamente utilizado en la literatura de la inmigración y
formulado por Card (2001).14 La formulación es la siguiente:
14 Véase, por ejemplo, los trabajos de González y Ortega (2009) o Sainz (2007) para el caso
español.
16
∑
=
cct
c
ic
it turismo
turismo
turismo
Z
1998
1998 (3)
Donde
1998
1998
c
ic
turismo
turismo es la proporción de turistas de la nacionalidad c en la provincial
i en el año base 1998, lo que representa la importancia de unos determinados
turistas en el año base en una provincia concreta. representa el número
total de turistas en España de nacionalidad “c” en el año “t”. Este instrumento
representa que un incremento de, por ejemplo, turistas alemanes en España, se
traduce en un incremento de estos turistas en cada provincia proporcional al
número de turistas existentes en el año base en esa misma provincia. Esto, se
debería al efecto del “marketing boca a boca” entre residentes de un mismo país
que produce un efecto llamada hacía cada provincia.
ct
turistas
Una vez obtenido los valores de llevamos a cabo la regresión de la primera
etapa de la siguiente forma:
it
Z
∑
++++=
litlitittiit econsocioZTurismo
εβλλ
)_( (4)
Donde i
λ
y t
λ
representan los efectos fijos de provincia y año respectivamente y
representa el vector de variables socioeconómicas presentadas más
arriba. De la Eq. (2) obtenemos lo valores predichos del turismo “
it
econsocio_
it
Turismo ”y este
será el instrumento que utilicemos en la segunda etapa.
∑∑ ++++
++++=
litlitl
mmitm
ititii
it
k
otrasdisuaseconsocio
estacionTurismoTurismoCrimen
εηγφ
ψβαα
)()_(
)*( (5)
La Eq. (5) recoge la segunda etapa de la estimación.
β
refleja el impacto del
incremento del número de turistas (si uno no tiene en cuenta la estacionalidad del
17
turismo) mientras que
ψ
recogerá el efecto del turismo corregido por la
estacionalidad.
5. Resultados
En esta sección se presentan los resultados de las estimaciones pertenecientes a
la primera etapa con diferentes especificaciones y a la segunda etapa para todos
los tipos de crímenes.
Los resultados de la primera etapa de la estimación se presentan en el tabla 2. La
columna 1 presenta la estimación del instrumento sobre el turismo sin tener en
cuenta ninguna variable adicional. La columna 2 añade las variables
socioeconómicas mientras que la columna 3 y 4 añaden efectos fijos de provincia
y año respectivamente. Nos basamos en el criterio de R2 para elegir la estimación
que luego utilizamos en la segunda etapa (columna 2). La validez del instrumento
se constata con la alta capacidad de predicción de este, como se refleja en el
gráfico 4. Además, la correlación entre nuestro instrumento y las tasas de
criminalidad para todos los tipos de delitos es siempre inferior al 40%.
[Insertar tabla 2]
[Insertar gráfico 4]
Las estimaciones relativas a la segunda etapa se encuentran en las tablas 3 a 8.
En la primera columna de cada tabla se reporta, de modo comparativo, la
estimación por efectos fijos sin tener en cuenta la endogeneidad de la variable
turismo. La columna 2 incluye la variable de la llegada de turistas “turismo”
mientras que la columna 3 incluye solo la variable interacción entre turismo y el
índice de entropía descrito anteriormente. Las columnas 4 y 5 incluyen las dos
medidas de turismo y turismo interaccionado con el índice de estacionalidad
18
incluyendo o no efectos fijos de tiempo respectivamente. Cabe decir, que la
variable “turismo” así como el instrumento han sido divididos por 100.000 para
facilitar la interpretación de los coeficientes. Así, los coeficientes de la variable
“turismo” representaran una semi-elasticidad.
Crímenes contra las personas
Los crímenes contra las personas como apunta Fajnzylber et al. (2002) son
difícilmente explicables por las variables socioeconómicas. Las estimaciones para
los delitos contra las personas son presentadas en la tabla 3 la cual, constata que
las principales variables socioeconómicas explicativas de los delitos contra las
personas son la tasa de inmigración y las variables de disuasión: la tasa de delitos
esclarecidos y la tasa de detenidos. Cabe decir que la tasa de esclarecidos
presenta un signo contrario al esperado; un signo positivo que posiblemente refleje
el incremento de recursos destinados a combatir la violencia de género.15 Aunque
este hecho haya tenido un efecto disuasorio, un número substancial de delitos no
registrados anteriormente ahora pasan a ser registrados lo que implicaría un
impacto positivo de la tasa de esclarecimiento sobre el número de delitos contra la
persona. Dado que las variables (excepto la variable “urbanizacion”,
“urbanizacion2” y las variables turísticas) son expresadas en logaritmos, podemos
interpretar los coeficientes como elasticidades.
[Insertar tabla 3]
La variable ficticia que captura el cambio legislativo del año 2004 que consistía
básicamente en la creación de los juzgados de la mujer y en incrementar
15 El número de efectivos policiales destinados a unidades especializadas en violencia de género
ha incrementado desde el año 2003 al año 2009 un 269.9% (MIR, 2009).
19
cuantitativamente los recursos destinados a la prevención y detección de los
casos de violencia de género presenta un signo negativo en todas las
estimaciones. Esto refleja como el cambio legislativo ha provocado que, en los
años posteriores a éste, el número de delitos contra las personas haya
incrementado. Es decir, en los años donde la variable dicótoma toma valores igual
a uno, el número de delitos contra las personas registrado fue menor dando que la
persecución era menor.
Nuestra principal variable de interés, “turismo” y “turismo*estacionalidad”
presentan ambas un signo positivo. La primera característica de nuestras
estimaciones es que las estimaciones por Mínimos Cuadrados en dos etapas
(MC2E) presentan unos coeficientes mayores que los pertenecientes a la
estimación con efectos fijos. Un incremento de 100,000 turistas en una provincia
implica un incremento aproximado de entre un 1.3% y un 2% de las tasas de
criminalidad. Además, si tenemos en cuenta la estacionalidad, este impacto es
aún mayor aunque no substancialmente dado que los valores del índice de
entropía varían del 0.003 al 0.8. Este resultado parece reflejar la relación directa
entre calidad turística y estacionalidad apuntada por Capó Parrilla et al. (2006).
Así, un turismo de peor calidad como el turismo de masas o el turismo de sol y
playa parece tener un impacto positivo sobre las tasas de criminalidad contra las
personas. Esto estaría en línea con el trabajo de Urbanowicz (1977) si
consideramos una relación entre turismo de masas, turismo de sol y playa, y
ambientes juveniles más relacionados con la noche y el alcohol.
[Insertar tabla 4]
La tabla 4 presenta los resultados para las faltas contra las personas. Los
resultados parecen reflejar valores de los parámetros similares a los
correspondientes a los delitos contra las personas aunque cabe matizar, que la
variable ficticia que captura el cambio legislativo del año 2004 presenta un signo
20
positivo (excepto si no tenemos en cuenta los efectos fijos de tiempo) aunque no
significativo. El cambio legislativo ha incrementado considerablemente el registro
de delitos contra las personas que antes eran registradas como faltas. Otro
aspecto importante, es que la variable “turismo” no parece ser significativa en
ninguna de las regresiones aunque, cuando añadimos la variable
“turismo*estacionalidad” esta sigue siendo positiva y altamente significativa. Este
hecho, matiza que para el caso de las faltas contra la persona no es tanto la
llegada de turistas, sino las características de su llegada (concentración en el
tiempo) lo que afecta positivamente a las tasas de criminalidad. Por último, dado
que estamos hablando de faltas contra la persona, muchos de estas faltas nunca
son denunciados o conocidos por la policía. Consecuentemente, no se reflejan en
las estadísticas y la capacidad de explicación de estas faltas es muy baja como
bien refleja el R2.
Agregando delitos y faltas, la tabla 5 muestra los resultados para los crímenes
totales contra las personas. De nuevo, la tasa de jóvenes y la tasa de inmigración
son las principales variables socioeconómicas explicativas de la criminalidad. Las
variables relacionadas con el turismo, presentan todas un signo positivo y
altamente significativo. De nuevo, esto indica que el turismo incide positivamente
sobre el estacionalidad y este impacto, es mayor cuando más alto sea la
estacionalidad de la llegada de turistas.
[Insertar tabla 5]
Crímenes contra el patrimonio
La tabla 6 presenta los resultados referentes a los delitos contra el patrimonio.
Como observamos, en relación a las variables socioeconómicas, hay un mayor
número de variables significativas aumentando la capacidad explicativa del
21
modelo. Variables relacionadas con la situación económica de las provincias como
el crecimiento del PIB o la riqueza relativa presentan los signos esperados.
Crecimientos mayores del PIB ofrecen mayores posibilidades de obtener rentas
del mercado de trabajo legal. De esta forma, el coste de oportunidad de cometer
actos ilícitos aumenta y por lo tanto los crímenes contra el patrimonio se ven
negativamente afectados por un mayor crecimiento del PIB. Las variables de
disuasión presentan ambas un signo negativo y altamente significativo como bien
nos predice el modelo de Becker. Por otra parte, la variable “urbanización” y su
cuadrado “urbanizacion2”, presentan el mismo signo obtenido por Howsen y Jarell
(1989). La concentración de personas en las urbes incrementa el nivel de
criminalidad y este incremento se hace mayor a medida que la ciudad crece.
Además, hemos incluido en las estimaciones de los delitos contra el patrimonio las
variables “actividadminorista” y “vehiculosmotor” que intentan reflejar las mayores
oportunidades de los criminales para robar. La variable “vehiculosmotor” solo es
significativa cuando no tenemos en cuenta los efectos fijos de tiempo mientras que
la variable “actividadminorista” no es significativa en ninguno de los casos.
[Insertar tabla 6]
En relación a las variables turísticas, vemos que el turismo tiene un impacto
importante sobre las tasas de delincuencia contra el patrimonio. La columna 2
muestra que si no tenemos en cuenta la estacionalidad del turismo, un incremento
de 100,000 turistas tiene un impacto sobre las tasas de criminalidad del 1.6% Las
estimaciones por Mínimos Cuadrados en dos etapas son mayores que las de
efectos fijos de forma que vemos como nuestro coeficiente estaba, en principio,
sesgado a la baja. Cuando corregimos la variable “turistas” con el índice de
estacionalidad, vemos como la estacionalidad afecta negativamente sobre las
tasas de delincuencia aunque, si estimamos los efectos marginales del turismo
22
sobre las tasas de criminalidad, son siempre positivas independientemente del
nivel de estacionalidad existente.
La tabla 7 muestra los resultados pertenecientes a las faltas contra el patrimonio.
Las variables socioeconómicas presentan impactos similares a de los delitos
contra el patrimonio y si atendemos a la variable “turismo” vemos que esta sólo es
significativa cuando no tenemos en cuenta los efectos de tiempo mientras que la
variable corregida por la estacionalidad, presenta un signo negativo y significativo
en todos elos casos. De nuevo, si consideramos una relación directa entre calidad
turística y estacionalidad, nuestros resultados reflejarían que cuanto menor es el
nivel de estacionalidad, y por tanto mayor el nivel de calidad turística, mayor es el
nivel de faltas contra el patrimonio. Dado que las faltas están constituidas
mayoritariamente por hurtos, la calidad turística nos reflejaría que los beneficios de
los criminales en aquellas provincias con un nivel de turismo de mayor calidad (y
por lo tanto menos estacionalizado) serán mayores y por lo tanto, mayor será el
nivel de faltas contra el patrimonio.
[Insertar tabla 7]
De nuevo, las estimaciones por Mínimos Cuadrados en dos etapas presenta unos
coeficientes mayores que los estimados en la columna 1 (sin tener en cuenta la
endogeneidad).
Por último, la tabla 8 muestra que los resultados pertenecientes a los crímenes
totales contra el patrimonio. En este caso, la variable “turistas” presenta un signo
positivo y significativo en todos los casos indicando, aproximadamente, un impacto
de la llegada de 100,000 turistas del 1% sobre las tasas de criminalidad contra el
patrimonio. La variable turismo corregida por la estacionalidad presenta un signo
negativo aunque no significativo en todos los casos. Esto, es resultado del mayor
23
peso de los delitos contra el patrimonio en relación a las faltas contra el
patrimonio.16
[Insertar tabla 8]
6. Conclusiones
La diversidad de los modelos y técnicas utilizadas en la literatura han reflejado una
relación entre turismo y criminalidad positiva o ambigua dependiendo del tipo de
datos y modelos utilizados. Descripciones estadísticas de los datos, estimaciones
con datos de corte transversal o series de tiempo han sido las principales técnicas
utilizadas incurriendo así en los problemas habituales del uso de este tipo de
datos. En este artículo, y en linea con el trabajo de Mustard et al. (2011), hemos
construido una ecuación de crímen con las principales variables socioeconómicas
y variables referentes a la llegada de turistas para estimar el impacto del turismo
sobre las tasas de criminalidad. Como novedades, hemos estimado mediante un
panel de datos para España en el periodo 2000-2008 el impacto del turismo y la
característica de la estacionalidad sobre las tasas de criminalidad diferenciando
por su naturaleza (contra la persona y contra el patrimonio) y por su gravedad
(faltas o delitos). Además, dada la doble causalidad entre la variable turismo y
crimen, hemos instrumentado la llegada de turistas mediante un instrumento que
consiste en una estimación del número de turistas en cada año y provincia en
referencia a los turistas que había en el año base (1998). La potencia del
instrumento utilizado nos permite obtener estimaciones por Mínimos Cuadrados en
dos etapas consistentes e insesgadas.
16 El total de delitos contra el patrimonio supera en más de un 50% al número de faltas contra el
patrimonio.
24
Los resultados reflejan, en relación a los crímenes contra las personas, que la
llegada de turistas tiene un impacto positivo sobre las tasas de criminalidad, sean
estas faltas o delitos. La variable turismo corregida por el índice de estacionalidad
también presenta un signo positivo y significativo. De hecho, para el caso de las
faltas contra la persona la llegada de turistas no presenta impactos significativos
sobre las tasas de criminalidad mientras que la llegada de turistas corregida por el
índice de estacionalidad si presenta un signo positivo y altamente significativo.
Atendiendo a las investigaciones de Capó Parrilla et al. (2006), la estacionalidad
podría estar reflejando la calidad turística entendida como la capacidad adquisitiva
de estos. Los autores apuntan que una mayor calidad turística está relacionada
con un menor nivel de estacionalidad. De esta forma, nuestro modelo
econométrico reflejaría que destinos turísticos de menor calidad especializados en
el turismo de ocio nocturno y turismo de masas, presentarán unos costes
mayores, en términos de criminalidad e inseguridad ciudadana, de la llegada de
turistas.
Cuantitativamente, nuestra estimación reflejaría que una llegada de 100,000
turistas a una provincia provocaría aproximadamente un incremento de un 1.8%
en las tasas de criminalidad contra las personas y este incremento, sería mayor
cuanto más estacionalizado o menor calidad sea el turismo.
En relación a los crímenes contra el patrimonio, el impacto del turismo también
parece ser positivo y significativo. No obstante, a diferencia de los crímenes contra
la persona la estacionalidad presenta, en el caso de las faltas y delitos contra el
patrimonio, un signo negativo y significativo aunque, los efectos marginales de un
incremento del número de turistas sobre las tasas de criminalidad son siempre
positivas. Nuestras estimaciones estarían diciendo que un incremento del número
de turistas tendría un impacto mayor sobre las tasas de criminalidad en aquellas
provincias que presentan un nivel de estacionalidad de la demanda turístca menor.
De nuevo, si atendemos a los trabajos de Capó Parrilla et al. (2006), si la calidad
25
es un determinante de la estacionalidad de los destinos turísticos, una mayor
calidad de los turistas sería un factor de atracción de los criminales. Los beneficios
de los criminales son mayores cuanto mayor sea el poder adquisitivo de estos. De
esta forma, el impacto de un incremento del número de turistas sobre las tasas de
criminalidad será siempre positivo, aunque será mayor en aquellas provincias con
un nivel de estacionalidad menor (mayor calidad turística).
Las implicaciones de los resultados obtenidos, en materia de política económica,
serían que aquellas provincias con mayores niveles de turismo presentarán unas
tasas de criminalidad mayores. Dado que la imagen de la seguridad ciudadana
afecta a las decisiones de los turistas para elegir destinos turísticos, es de
importancia remarcable incrementar los recursos destinados a incrementar la
seguridad ciudadana. Ejemplo de esto, es la policía turística existente en las Islas
Baleares. Agentes uniformados que ayudan a incrementar la seguridad ciudadana
durante los meses estivales de mayor demanda turística.
26
Referencias
Albanese. «The effect of casino gambling on crime.» Fed Probat, 1985: 39-44.
Alleyne, Dillon, y Ian Boxill. «The impact of Crime on Tourist Arrivals in Jamaica.»
International Journal of Tourism Research, 2003: 381-391.
Avilés Farre, Juan. «Tendencias del delito en España.» Duque de Ahumada.
Madrid, 2002.
Becker, G.S. «Crime and Punishment: An Economic Approach.» Journal of
Political Economy, nº 76 (1968): 169-217.
Brunt, Paul, Rob Mawby, y Hambly Zoe. «Tourist victimisation and the fear of
crime on holiday.» Tourism Management, 2000: 417-424.
Buonanno, Paolo, y Daniel Montolio. «Identifying the socio-economic and
demographic determinants of crime across Spanish provinces.» International
Review of Law and Economics, 2008: 89-97.
Capó Parrilla, Javier, Font Antoni Riera, y Nadal Jaume Rosselló. «Una visión de
los determinantes de la estacionalidad a través de las características de los
establecimientos hoteleros.» Cuadernos de Economía, 2006: 57-72.
Card, David. «Immigrant Inflows Native Outflows, and the Local Labor Market
Impacts of Higher Immigration.» Journal of Labor Economics, 2001: 22-64.
Case, A. C, y L.F. Katz. «The company you keep: The effects of family and
neighborhood on disadvantaged youth.» NBER working paper 3705, 1991.
Cherry, T, y J.A List. «Aggregation bias in the economic model of crime.»
Economic letters, 2002: 81-86.
Cornwell, Christopher, y William N Trumbull. «Estimating the economic model of
crime with panel data.» The review of economics and statistics, 1994: 360-366.
Ehrlich, I. «The Supply of Illegitimate Activities.» Editado por Columbia University.
Unpublished manuscript, 1967.
Ehrlisch, Isaac. «Participation in Illegitimate Activities: A Theoretical and Empirical
Investigation.» Journal of Political Economy, 1973: 521-565.
Entorf, H, y H Spengler. «Socioeconomic and demographic factors of crime in
Germany. Evidence from panel data of the German States.» International Review
of Law and Economics, 2000: 1-40.
Fajnzylber, Pablo, Daniel Lederman, y Norman Loayza. «What causes violent
crime?» European Economic Review, 2002: 1323-1357.
27
Fernández Morales, A. «Descomposición de la concentración estacional.» Annals
of Tourism Research, 2003: 328-343.
Fleisher, B. «The effect of Unemployment on Juvenile delinquency.» Journal of
Political Economy, nº 71 (1963): 543-555.
Fleisher, B. «The effects of income on delinquency.» American Economic Review,
nº 56 (1966): 118-137.
Freeman, R.B. «Crime and the Employment of Disadvantaged Youths.» NBER
Working Paper nº 3875, 1991.
Fujii, E.T, y J Mak. «Tourism and crime: Implications for regional development
policy.» Regional studies, nº 14 (1980): 27-36.
Fujii, E.T., y J Mak. «The impact of alternative regional development strategies on
crime rates: Tourism vs. Agriculture in Hawaii.» Annuals of Regional Science, nº
13 (1979): 42-56.
Fukunaga, Lawrence. The socio-economic impact of tourism and resort
development on a rural community in Hawaii. Honolulu: Flnney and Watson, 1975.
Giacopassi, D. «Including tourists in crime rate calculations for New Casino
jurisdictions: what difference does it make.» American Journal of Criminal Justice,
2000: 203-215.
Glaeser, E.L, B Sacerdote, y J.A Sheinkman. «Crime and social interactions.»
Quarterly Journal of Economics, 1996: 507-548.
Glaeser, E.L, y B Sacerdote. «Why is there more crime in cities?» Journal of
Political Economy, 1999: 225-228.
Gonzalez, Libertad, y Francesc Ortega. «Immigration and Housing Booms:
Evidence from Spain.» IZA, 2009.
Gould. «Crime rates and local labor market opportunities in the United States:
1977-1997.» Rev Econ Stat, 2002: 45-61.
Grinols. «Casino, crime and Community costs.» The Review of economics and
statistics, 2006: 28-45.
Grogger, J. «Market Wages and Youth Crime.» Journal of Labor Economics, 1998:
756-791.
Grogger, J. «The Effects of Arrest on the Employment and Earnings of Young
Men.» Quarterly Journal of Economics, 1995: 51-72.
Gunn, C. «Report of tourism-environment study panel.» Destination U.S.A, 1973:
25-34.
28
Howsen, Roy, y Stephen Jarell. «Some Determinants of Property Crime.» The
American Journal of Economics and Sociology, 1989.
Interior, Ministerio del. «Balance MIR.» España, 2009.
Jud, G.D. «Tourism and crime in Mexico.» Social Science Quarterly, nº 56 (1975):
324-330.
Levantis, Theodore, y Azmat Gani. «Tourism demand and the nuisance of crime.»
International Journal of Social Economics, 2000: 959-967.
«The determinants of Juvenile Crime.» En The Determinants of Juvenile Crime, de
S.D Levitt y L Lochner. Chicago: The University of Chicago Press, 2001.
Maxfield, M.G. «Household composition, routine activity and victimisation: A
comparative analysis.» Journal of Quantitative Criminology, 1987: 301-320.
McPheters, L.R, y W.B Stronge. «Crime as an Environmental externality of
tourism: Miami, Florida. .» Land Economics, 1974: 359-381.
Moufakkiv, Omar. «An assesment of Crime Volume Following Casino Gaming
Development in the city of Detroit.» Gaming Research & Review Journal, 2005.
Mustard, David B, Melissa Staha, y Earl Grinols. «How do Visitors Affect Crime?»
Journal of Quantitative Criminology, 2011: 363-378.
Ochrym. «Street crime, tourism and casinos: an empirical comparison.» Journal of
Gambling Studies, 1990: 127-138.
O'Donnell, R Clifford, y Tony Lydgate. «The relationship to crimes of physical
resources.» Environment and Behavior, nº 12 (1980): 207-230.
Pizam, A. «Tourism and crime: is there a relationship?» Journal of Travel
Research, 1982: 363-378.
Prideaux, B. «The tourism life-cycle: A beach destination study.» En Tourism,
Crime and international security issues, de A Pizam y Y Mansfield. Chichester,
1996.
Prideaux, B. «The tourism life-cycle: A beach destination study.» 1996.
Raphael, S, y Winter-Ebmer. «Identifying the effect of unemployment on crime.»
Journal of Law and Economics, 2001: 259-283.
Ryan, C. «Crime, violence, terrorism and tourism: An accident or intrinsic
relationship.» Tourism Management, nº 14 (1993): 173-183.
Sah, R.K. «Social Osmosis and Patterns of Crime.» Journal of Political Economy,
1991: 1271-1295.
29
Sainz, Albert. «Immigration and Housing Rents in American Cities.» Journal of
Urban Economics, 2007: 345-371.
En Tourism, tourists and society, de R Sharpley. Huntingdon: Elm, 1994.
Smigel, A. «Crime and Punishment: An Economic Analysis.» Editado por Columbia
University. Unpublished M.A. thesis, 1965.
Sonmez, S.F., y A.R Graefe. «Influence of terrorism risk on foreign tourism
decisions.» Annals of Tourism Research, 1998: 112-144.
Theil, H. Economic and information theory. Amsterdam, 1967.
Urbanowicz, C. «Integrating Tourism with other industries in Tonga.» The social
and economic impact of tourism on Pacific communities, 1977.
Usher, D. «Education as deterrent to crime.» Canadian Journal of economics,
1997: 367-384.
Wahab, S. «Tourism and terrorism: synthesis of the problem with emphasis on
Egypt.» En Tourism, crime and international security issues, de & Y.Mansfield
Pizam, 185. Chichester: Wiley, 1996.
Walker, Douglas. «Do casino really cause crime?» Econ Journal Watch, 2008: 4-
20.
William, Pelfrey. «Tourism and Crime: Apreliminary Assessment of the
Relationship of Crime to the Numnber of Visitors at Selected Sites.» International
Journal of Comparative And Applied Criminal Justice, 1998: 293-304.
Witt, Robert, Alan Clarke, y Nigel Fielding. «Crime and Economic Activity.» British
Journal of Criminology, 1999: 391-400.
30
Tablas y gráficos
Tabla 1: Estadísticos descriptivos
Variable Obs Mean Std. Dev. Min Max
faltapersona 378 0.0651664 1.658776 -7.035428 1.478883
delitopatrim 378 2.096414 1.225699 -1.855737 3.899703
delitopersona 378 0.1765546 1.205584 -4.331341 1.596261
faltapatrim 378 1.788608 1.139149 -2.495045 3.29395
tasa_inmigra 378 -3.195166 0.9474824 -5.757096 -1.420852
crecimiento_pib 378 0.0586222 0.0264173 -0.02 0.15
pib_relativo 378 0.9393778 0.1976636 0.63 1.48
actividad_minorista 378 -3.796817 0.1324005 -4.281582 -3.482968
vehiculos_motor 378 -0.5055307 0.3255408 -2.692772 2.409361
desempleo_masc 378 1.974298 0.5120909 0.4219944 3.280911
educacion 378 -1.599992 0.2533008 -2.334703
-
0.9410754
turismo 378 14.08666 17.18475 1.60071 93.07724
crimenpatrim 378 2.670835 1.156246 -1.324974 4.308995
crimenpersona 378 0.8698651 1.312317 -4.130671 2.156076
tasa_esclarecidos 378 -1.033267 0.3181396 -2.354953
-
0.1977171
tasa_detencion 378 -1.828799 0.4922512 -3.332205 0.4232247
tasa_joven 378 -2.259902 0.1106121 -2.551011 -1.996633
dummylaw 378 0.5 0.5005008 0 1
indice entropía 378 0.0647935 0.1070199 0.00218 0.82811
urbanizacion 378 0.5328225 0.1835117 0.2222314 0.9201237
Tabla 2: Primera etapa MCO
(1) (2) (3) (4)
Variable dependiente turismo
Zit 1.02273*** 0.95211*** 0.99719*** 0.98752***
(0.009) (0.014) (0.059) (0.063)
Observations 420 378 378 378
R-squared 0.966 0.978 0.745 0.753
Province FE No No Si Si
Year FE No No No Si
Control Variables No Si Si Si
Número de provincias 42 42 42 42
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1.
31
32
Tabla 3: Delitos contra la persona
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00722** 0.02352*** 0.02094*** 0.01311**
(0.003) (0.005) (0.006) (0.006)
Estación*Turismo 0.03392*** 0.03465*** 0.02759*** 0.02930***
(0.006) (0.006) (0.007) (0.006)
deesempleo_masc -0.04504 -0.04041 -0.04999 0.03549 -0.04852
(0.049) (0.051) (0.050) (0.044) (0.049)
tasa_joven 0.75827* 1.00822** 0.48920 0.47204 0.75980*
(0.402) (0.412) (0.387) (0.377) (0.402)
urbanizacion -2.20088 -1.02715 -2.36801 -1.79550 -1.69597
(1.938) (2.019) (1.949) (2.208) (1.958)
urbanizacion2 2.25755 1.15284 2.48075 1.76662 1.94546
(1.680) (1.742) (1.688) (1.915) (1.693)
pib_relativo 0.48536 -0.01018 0.18827 0.72455 0.39064
(0.437) (0.431) (0.419) (0.457) (0.425)
Crecimiento_pib 0.16398 0.27847 0.22700 0.06060 0.15829
(0.430) (0.444) (0.432) (0.427) (0.430)
educacion 0.01439 0.19553 -0.00301 0.38050** 0.07441
(0.158) (0.164) (0.158) (0.175) (0.161)
tasa_inmigra 0.16364*** 0.13699*** 0.15225*** 0.18703*** 0.16306***
(0.048) (0.049) (0.048) (0.026) (0.048)
tasaesclare 0.25435** 0.34409*** 0.27342** 0.24059** 0.27641***
(0.106) (0.108) (0.106) (0.115) (0.105)
tasadetencion -0.13831* -0.22553*** -0.15825** -0.04577 -0.16935**
(0.077) (0.078) (0.077) (0.079) (0.076)
dummylaw -0.32133** -0.33020** -0.20256* -0.10098*** -0.27678*
(0.140) (0.147) (0.103) (0.036) (0.143)
Observaciones 378 378 378 378 378
R-squared 0.766 0.749 0.762 0.692 0.766
Numero provincias 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1
33
Tabla 4: Faltas contra las personas
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00271 0.03255 0.01459 0.01456
(0.005) (0.032) (0.020) (0.022)
Estación*Turismo 0.06096*** 0.05028*** 0.04367*** 0.04513***
(0.008) (0.004) (0.006) (0.006)
deesempleo_masc -0.08385 -0.06877 -0.08770* -0.12159** -0.08577
(0.072) (0.062) (0.047) (0.052) (0.052)
tasa_joven 1.10262* 1.73779*** 0.97259* 1.43529*** 1.27643***
(0.588) (0.580) (0.489) (0.484) (0.374)
urbanizacion 4.18909 6.05379 4.35146 5.28605 5.07627
(2.831) (4.864) (3.707) (3.993) (4.113)
urbanizacion2 -4.14506* -6.09406 -4.21282 -5.01482 -4.79647
(2.455) (5.071) (3.822) (4.135) (4.163)
pib_relativo 0.60940 -0.07450 0.39160 0.47418 0.61965
(0.638) (0.492) (0.337) (0.595) (0.610)
Crecimiento_pib -0.33621 -0.14867 -0.31749 -0.24812 -0.39093
(0.629) (0.438) (0.367) (0.574) (0.492)
educacion 0.14886 0.44874 0.16487 0.18415 0.24931
(0.230) (0.383) (0.195) (0.211) (0.280)
tasa_inmigra 0.10899 0.06522 0.09855** 0.04795 0.11072*
(0.070) (0.050) (0.042) (0.037) (0.056)
tasaesclare -0.18947 -0.04989 -0.17586 -0.20156 -0.17233
(0.155) (0.196) (0.309) (0.299) (0.289)
tasadetencion -0.03296 -0.15867 -0.05792 -0.05601 -0.06908
(0.112) (0.124) (0.117) (0.100) (0.121)
dummylaw 0.05101 0.00883 0.04763 -0.06351 0.11359
(0.204) (0.214) (0.137) (0.047) (0.272)
Observaciones 378 378 378 378 378
R-squared 0.260 0.172 0.242 0.232 0.249
Numero provincias 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1.
34
Tabla 5: Crímenes totales contra las personas
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00469* 0.02734*** 0.01381*** 0.00952**
(0.003) (0.004) (0.005) (0.005)
Estación*Turismo 0.04277*** 0.04419*** 0.03811*** 0.03936***
(0.005) (0.005) (0.005) (0.005)
deesempleo_masc -0.07345* -0.01737 -0.03589 -0.03347 -0.07560*
(0.039) (0.035) (0.033) (0.032) (0.039)
tasa_joven 0.96044*** 1.03333*** 0.39702 0.83129*** 0.98214***
(0.321) (0.299) (0.241) (0.277) (0.320)
urbanizacion -0.49327 0.80940 -0.69752 -0.06530 -0.11376
(1.545) (1.753) (1.629) (1.622) (1.559)
urbanizacion2 0.60532 -0.80784 0.71651 0.18023 0.36157
(1.340) (1.518) (1.414) (1.407) (1.349)
pib_relativo 0.53555 0.15665 0.41865 0.66439** 0.48949
(0.348) (0.357) (0.330) (0.336) (0.339)
Crecimiento_pib -0.03992 -0.13895 -0.08813 -0.16492 -0.04887
(0.343) (0.340) (0.316) (0.313) (0.343)
educacion -0.00757 0.34225** 0.11792 0.17689 0.03735
(0.126) (0.137) (0.129) (0.128) (0.128)
tasa_inmigra 0.12210*** 0.10433*** 0.12206*** 0.11451*** 0.12256***
(0.038) (0.021) (0.020) (0.019) (0.038)
tasaesclare 0.15452* 0.21254** 0.11609 0.12358 0.16908**
(0.084) (0.091) (0.086) (0.085) (0.084)
tasadetencion -0.13390** -0.15254** -0.05935 -0.07236 -0.15492**
(0.061) (0.062) (0.059) (0.058) (0.061)
dummylaw -0.19306* -0.08053*** -0.11462*** -0.09878*** -0.15846
(0.111) (0.029) (0.026) (0.027) (0.114)
Observaciones 378 378 378 378 378
R-squared 0.669 0.565 0.620 0.630 0.670
Numero provinces 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1.
35
Tabla 6: Delitos contra el patrimonio
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00706** 0.01486** 0.01650*** 0.01897***
(0.004) (0.006) (0.006) (0.006)
Estación*Turismo -0.00480 -0.00442 -0.01062** -0.01156**
(0.006) (0.006) (0.005) (0.005)
deesempleo_masc -0.01802 -0.02140 -0.02468 0.05709 -0.01794
(0.054) (0.053) (0.054) (0.051) (0.054)
tasa_joven 1.41636*** 1.34998*** 1.26723*** 1.45009*** 1.44782**
(0.481) (0.474) (0.478) (0.435) (0.681)
urbanizacion -5.67341*** -5.22007** -5.77345*** -5.21129 -4.96572*
(2.098) (2.100) (2.107) (3.294) (2.860)
urbanizacion2 3.70673** 3.53038* 3.87832** 3.28489 3.22456
(1.811) (1.806) (1.818) (2.407) (2.125)
pib_relativo 0.40743 0.48142 0.19813 0.58216 0.31878
(0.513) (0.494) (0.505) (0.685) (0.715)
Crecimiento_pib -0.74454 -0.79171* -0.72103 -1.30050*** -0.74279**
(0.469) (0.466) (0.471) (0.368) (0.323)
educacion 0.08264 0.12807 0.06433 0.06322 0.17516
(0.170) (0.171) (0.171) (0.199) (0.173)
tasa_inmigra 0.13312** 0.14685*** 0.12478** -0.01618 0.13691**
(0.053) (0.052) (0.053) (0.042) (0.062)
tasaesclare -1.10616*** -1.11494*** -1.08375*** -1.18535*** -1.08873**
(0.115) (0.113) (0.115) (0.384) (0.415)
tasadetencion -0.34800*** -0.35817*** -0.36983*** -0.28647 -0.38001
(0.083) (0.081) (0.083) (0.239) (0.277)
actividad_minorista 0.54719 0.49334 0.65006* -0.31464 0.50156
(0.334) (0.332) (0.331) (0.384) (0.426)
vehículos_motor -0.37206 -0.21971 -0.54431 0.48844** -0.21759
(0.383) (0.387) (0.375) (0.222) (0.561)
Observaciones 378 378 378 378 378
R-squared 0.621 0.623 0.616 0.583 0.627
Numero provincias 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1.
36
Tabla 7: Faltas contra el patrimonio
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00887** 0.00208 0.01346* 0.00952
(0.004) (0.007) (0.007) (0.008)
Estación*Turismo -0.01780** -0.00173** -0.00200** -0.00209***
(0.007) (0.007) (0.008) (0.008)
deesempleo_masc 0.05334 0.04210 0.04498 -0.03480 0.04835
(0.066) (0.067) (0.066) (0.055) (0.066)
tasa_joven 1.18476** 0.91108 0.99740* 0.51182 1.08799*
(0.591) (0.592) (0.587) (0.452) (0.591)
urbanizacion -6.26329** -6.44366** -6.38898** -6.20922** -5.98380**
(2.575) (2.624) (2.587) (2.655) (2.607)
urbanizacion2 5.57128** 6.01185*** 5.78686*** 5.88188** 5.45891**
(2.223) (2.257) (2.232) (2.295) (2.247)
pib_relativo 2.27200*** 2.36362*** 2.00903*** 1.50974*** 2.06955***
(0.630) (0.617) (0.620) (0.562) (0.622)
Crecimiento_pib -1.54968*** -1.61951*** -1.52014*** -1.22379** -1.53106***
(0.575) (0.582) (0.578) (0.547) (0.578)
educacion -0.29836 -0.35092 -0.32137 -0.02441 -0.26577
(0.209) (0.214) (0.209) (0.200) (0.214)
tasa_inmigra -0.03115 -0.01756 -0.04162 0.17584*** -0.03554
(0.064) (0.065) (0.065) (0.035) (0.065)
tasaesclare -0.69137*** -0.71309*** -0.66321*** -0.62127*** -0.66571***
(0.141) (0.141) (0.141) (0.139) (0.141)
tasadetencion -0.30455*** -0.29760*** -0.33198*** -0.39084*** -0.33709***
(0.102) (0.101) (0.102) (0.095) (0.102)
actividad_minorista 0.31406 0.35395 0.44331 0.92839*** 0.36881
(0.410) (0.415) (0.407) (0.344) (0.411)
vehículos_motor 0.15734 0.10097 -0.05908 -0.13354 0.10481
(0.470) (0.483) (0.460) (0.240) (0.479)
Observaciones 378 378 378 378 378
R-squared 0.488 0.473 0.481 0.444 0.484
Numero provinces 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1
37
Tabla 8: Crímenes totales contra el patrimonio
FE IV
VARIABLES (1) (2) (3) (4) (5)
TurismoTurismo/ 0.00673** 0.00976 0.01040* 0.01099*
(0.003) (0.007) (0.006) (0.006)
Estación*Turismo 0.00031 0.00068 -0.00348 -0.00346
(0.004) (0.004) (0.004) (0.003)
deesempleo_masc 0.00668 0.00320 0.00033 0.01292 0.00423
(0.046) (0.045) (0.045) (0.039) (0.045)
tasa_joven 1.09241** 1.02561** 0.95029* 1.03974** 1.05487**
(0.493) (0.484) (0.478) (0.406) (0.493)
urbanizacion -3.74919** -3.45285** -3.84454** -3.65216** -3.37678**
(1.459) (1.371) (1.533) (1.433) (1.316)
urbanizacion2 2.77918* 2.65558* 2.94270* 2.72361* 2.56411*
(1.391) (1.350) (1.615) (1.368) (1.306)
pib_relativo 1.05192* 0.97097* 0.85245 0.87013 0.92232*
(0.558) (0.530) (0.538) (0.539) (0.532)
Crecimiento_pib -1.14772** -1.15255** -1.12531** -1.22813*** -1.13792**
(0.470) (0.475) (0.492) (0.441) (0.472)
educacion -0.07540 -0.04276 -0.09286 -0.02475 -0.02867
(0.120) (0.108) (0.119) (0.138) (0.112)
tasa_inmigra 0.10343** 0.10548** 0.09548** 0.06322*** 0.10251**
(0.046) (0.046) (0.045) (0.021) (0.047)
tasaesclare -0.86561** -0.85497** -0.84425** -0.88635** -0.84714**
(0.345) (0.343) (0.345) (0.344) (0.345)
tasadetencion -0.22586* -0.24603* -0.24666* -0.21129* -0.25256*
(0.132) (0.131) (0.137) (0.121) (0.135)
actividad_minorista 0.37293 0.38252 0.47097 0.20460 0.38498
(0.294) (0.295) (0.314) (0.259) (0.298)
vehículos_motor -0.02159 0.00282 -0.18575 0.23413 0.00345
(0.287) (0.281) (0.302) (0.168) (0.280)
Observaciones 378 378 378 378 378
R-squared 0.641 0.639 0.632 0.621 0.640
Numero provincia 42 42 42 42 42
Efectos fijos provin SI SI SI SI SI
Efectos fijos año SI SI SI NO SI
Nota: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1
38
Gráfico 1: % población con inseguridad ciudadana entre sus tres principales
preocupaciones
10 15 20 25
%
2000 2002 2004 2006 2008
año
Fuente: Elaboración propia a partir de datos del Centro de Investigaciones Sociológicas (CIS). Nota: La
disminución de la preocupación de la inseguridad ciudadana coincide con el incremento de la
preocupación por el desempleo o la situación económica.
Gráfico 2: Evolución crimen contra las personas y contra el patrimonio
1000 1200 1400 1600 1800
Cri men contr a la per sona/100
9500 10000 10500 11000 11500 12000
Cri men contra el patri monio/100
2000 2002 2004 2006 2008 2010
year
Crimen contra el patrimonio Crimen contra la persona
Fuente: Elaboración propia a partir de datos del INE. Nota: No se incluyen las provincias de Barcelona,
Tarragona, Girona, Lleida, Álava, Guipúzcoa, Navarra, Vizcaya ni las ciudades autónomas de Ceuta y
Melilla.
39
Gráfico 3: Evolución criminalidad y llegada de turistas en España
14 15 16 17 18
nº cri menes/100.000
45 50 55 60 65
nº turistas (millones)
2000 2002 2004 2006 2008 2010
year
nº turistas (millones) nº crimenes/100.000
Fuente: Elaboración propia a partir de datos del INE. Nota: No se incluyen las provincias de Barcelona,
Tarragona, Girona, Lleida, Álava, Guipúzcoa, Navarra, Vizcaya.
Gráfico 4: Capacidad de predicción del instrumento
450 500 550 600 650
tur i st as/ 100.000
2000 2002 2004 2006 2008
year
turismo valor predicho del turismo
40