Spatial Modeling and Analysis of the Determinants of Property Crime in Portugal

Abstract

Many researchers have unraveled innovative ways of examining geographic information to better understand the determinants of crime, thus contributing to an improved understanding of the phenomenon. Property crimes represent more than half of the crimes reported in Portugal. This study investigates the spatial distribution of crimes against property in mainland Portugal with the primary goal of determining which demographic and socioeconomic factors may be associated with crime incidence in each municipality. For this purpose, Geographic Information System (GIS) tools were used to analyze spatial patterns, and different Poisson-based regression models were investigated, namely global models, local Geographically Weighted Poisson Regression (GWPR) models, and semi-parametric GWPR models. The GWPR model with eight independent variables outperformed the others. Its independent variables were the young resident population, retention and dropout rates in basic education, gross enrollment rate, conventional dwellings, Guaranteed Minimum Income and Social Integration Benefit, purchasing power per capita, unemployment rate, and foreign population. The model presents a better fit in the metropolitan areas of Lisbon and Porto and their neighboring municipalities. The association of each independent variable with crime varies significantly across municipalities. Consequently, these particularities should be considered in the design of policies to reduce the rate of property crimes.

Property crime and violent crime in Detroit: spatial association with built environment before and during COVID-19

“…This model has an enhanced benefit over the global model and can offer insights into local variations not revealed in global models. Crime literature has extensively used SEM (Kepple & Freisthler, 2015;Kelling et al, 2021) and GWR (E. Stein et al, 2016;Xu et al, 2019;Tavares & Costa, 2021) in examining crime and the wide variety of socio-spatial processes.…”

El robo de autos en Reynosa: análisis espacial desde la teoría de las actividades rutinarias y del patrón del crimen

“…Lo mismo se reportó en Vancouver, Canadá (Andresen, 2006). Las condiciones de pobreza y la desigualdad absoluta en el ingreso económico conducen al crimen hacia la propiedad privada a largo plazo (Tavares y Costa, 2021). Por otro lado, el desempleo tiene un efecto disuasorio respecto a los delitos contra la propiedad privada a corto plazo, por el incremento de la vigilancia informal, pero a largo plazo registra un efecto positivo, dado el aumento de la motivación criminal (Tavares y Costa, 2021;Costantini et al, 2018).…”

“…Por el contrario, el desempleo aumenta el número esperado de casos en todas las regiones, aunque también es claro que este efecto es mayor en la parte este y en la norte. Dicho resultado se contrapone a lo enunciado en la revisión de literatura, que señala que la relación entre desempleo y robos se da a largo plazo (Tavares y Costa, 2021;Costantini et al, 2018) y es consistente con lo reportado por Haberman (2017), quien menciona la relación positiva entre desigualdad económica y desempleo con el robo a la propiedad.…”

“…Mientras que el crimen se ha reducido de manera consistente en los países desarrollados (Hodgkinson et al, 2016;Tavares y Costa, 2021), en los países en desarrollo ha tenido un fuerte incremento (Vilalta y Fondevila, 2019). En México, el crimen, la violencia y la inseguridad se han expandido a la mayoría de las ciudades mexicanas (Sánchez Salinas y Fuentes Flores, 2016).…”

“…Una de estas técnicas es la regresión lineal por mínimos cuadrados ordinarios (MCO), usada en varios estudios sobre el crimen (Copes, 1999;Hollinger y Dabney, 1999). Sin embargo, es importante considerar que algunos supuestos de este tipo de regresión pueden ser poco apegados al proceso real que se pretende observar, lo que puede llevar a concluir que algunos parámetros son significativos cuando en realidad no lo son (Graham y Glaister, 2003;Tavares y Costa, 2021). Esto se debe a tres supuestos inadecuados: que la variable dependiente es continua, que los parámetros tienen una distribución muestral t, y que la relación entre las variables independientes y la dependiente es lineal.…”