UNIVERSIDAD DE LIMA

Facultad de Ciencias Empresariales y Económicas

TRABAJO DE APLICACIÓN

“El efecto del turismo en la delincuencia en Italia: un enfoque de

panel dinámico”

Prado Livia, Claudia Liliana

Quiñonez Cerdan, Lucero Katherine
Quispe Mancilla, Lucia del Rosario
Rotondo Palomino, Carla Sofía
Sección 851
Trabajo aplicado para la asignatura
Econometría III

Lima, 2018

Índice

0
Tabla de contenido
Resumen 2
Revisión de la Literatura 2
Descripción de la Base de Datos 4
Modelamiento Econométrico 6
Resultados de la Estimación Econométrica 4
Conclusiones 4
Resultados de las Próximas Estimaciones 1
Comentar las limitaciones de la réplica y cómo se podría en adelante solucionar los
problemas en la estimación 4
Referencias 4

1
 Trabajo Aplicado

I. Resumen (Abstract)

El objetivo de este trabajo es replicar el paper “The Effect of Tourism on Crime in

Italy: A Dynamic Panel Approach” y verificar si sus investigaciones previas están en lo

correcto. Según el paper hay presencia de una relación positiva y directa con respeto a que

los delitos suelen ser mayores en zonas turísticas que en zonas que son no turísticos. Es por

ello que se analizará en corto y largo plazo. Se utilizará el enfoque del sistema GMM para el

periodo de tiempo 1985-2003 y corroborar el análisis de los autores con respecto a su

afirmación que el total de delitos en Italia se ve afectada por la presencia de turistas.

Se observa que los resultados encontrados confirman la afirmación inicial de una

relación positiva entre el turismo y el crimen en destinos. Cuando se utiliza el nivel en lugar

de la tasa de crimen total y el control para los turistas equivalentes (es decir, el número de

turistas por día en un destino dado) el efecto de la variable de turismo se confirma. Los

resultados globales indican sin embargo que la población residente tiene un mayor efecto

sobre la delincuencia que la población turística. Por lo tanto, la principal explicación de los

efectos del turismo sobre el crimen parece ser los efectos de aglomeración.

II. Revisión de la literatura

En primer lugar, siguiendo el trabajo de Biagi, Brandamo y Detotto (2012); contamos con

que los lugares de mayor concurrencia de turistas tienden a tener una mayor consideración de

delitos a diferencia de otros lugares no turísticos, esto se da a corto y/o largo plazo. Por lo que

se puede decir que una de las más acertadas explicaciones de la generación de la delincuencia

en lugares turísticos, vendría a ser la aglomeración. Por último, se ratifica el impacto que

tiene el sector turístico en el crecimiento de la economía de un país.

2
En segundo lugar, exponemos el trabajo de investigación de Becker (1968), en el cual el

autor se enfoca, en que el respeto a la ley es parte fundamental de un estado además de los

recursos públicos y privados los cuales se gastan usualmente en la prevención de delitos, así

como en la detención de delincuentes. Por otro lado, el autor señala que la condena

usualmente no se estima como un castigo suficiente en sí misma; castigos adicionales y a

veces severos se implantan a los condenados. Por lo mismo se pregunta, ¿Qué determina la

cantidad y el tipo de recursos y castigos utilizados para hacer cumplir una legislación? En

particular, ¿por qué la aplicación se distingue tanto entre los diferentes tipos de legislación?

En tercer lugar, analizamos el trabajo de Ehrlich (1973), en el cual se examina y se verifica la

teoría acerca de la participación en actividades ilegítimas en contraste con los datos acerca de

las transformaciones que se dan en los índices de delitos en los diversos estados de los

Estados Unidos de Norteamérica. En este trabajo se recopilan los teoremas y las

implicaciones de comportamiento las cuales se derivan usando el planteamiento de

preferencia del estado para el comportamiento bajo incertidumbre. Este trabajo de

investigación se centra directamente en la interacción entre el delito y la defensa: crimen y

aplicación de la ley colectiva. Por último, señala que la presencia de un efecto disuasivo de la

actividad que realiza la policía en todos los diversos delitos conlleva a una fuerte correlación

positiva entre la llamada desigualdad de ingresos y los sonados delitos contra la propiedad.

En cuarto lugar, siguiendo el trabajo de Sinclair y Stabler (1997), podemos obtener que los

autores, desde una visión económica, realizan una contribución útil al tema del turismo. esto

se da ya que los autores se enfocan en temas acerca de la forma en la que las empresas operan

en temas de turismo, las consecuencias que trae el turismo en las diversas áreas de destino, la

relación entre el turismo y los entornos naturales, para terminar, explicando los efectos que

3
trae la demanda de turismo en un país. En conclusión, se determina y/o analiza el desarrollo

de los conceptos y técnicas económicas podrían proponer un entendimiento más esclarecido

del sujeto.

Para terminar, en quinto lugar, examinamos el trabajo propuesto por Detotto y Otranto (2010)

en el cual nos relata cómo la actividad criminal interviene como un impuesto frente a toda la

economía: “desanima las inversiones directas nacionales y extranjeras, suaviza la

competitividad de las empresas y reasigna los recursos instaurando incertidumbre e

ineficiencia”. Asimismo, el impacto de algunas variables económicas que participan en el

crimen, han sido ampliamente investigadas, ya que hay demasiada preocupación sobre el

crimen, debido a que también afecta el desempeño económico general. Los autores señalan

en el trabajo que se visualizan a cerrar esta brecha mostrando un análisis empírico de los

efectos macroeconómicos de la acción criminal. Como conclusión el análisis se finaliza

examinando las consecuencias de las oscilaciones que tiene la delincuencia en el largo plazo

a través de un análisis de respuesta al impulso.

III. Descripción de la base de datos

1. Variable endógena:

● Homicidios: Los homicidios intencionales son cálculos de homicidios ilegales

intencionales por cada 100.000 habitantes, estos son cometidos en forma intencional

como resultado de conflictos internos, violencia interpersonal, conflictos violentos por

la tierra o sus recursos, violencia entre pandillas por el territorio o el control y

asesinatos y violencia que atenta contra la integridad física por parte de grupos

armados. El tipo de variable es homicidio. El tipo de fuente según que se ha sacado la

base de datos de esta variable es del banco mundial.

4
 ● 2. Variables exógenas:

Nombre Definición Tipo de Fuente

variable

PBI está en dólares

americanos a precios
actuales. Es la suma del
valor agregado bruto de
PBI todos los productores PBI Banco Mundial
residentes en la economía
más todo impuesto a los
productos, menos todo
subsidio no incluido en el
valor de los productos.

Es la tasa de población Educaci

Educación activa, total en porcentaje ón Banco mundial
de la población total mayor
de 15 años.

Tasa de crecimiento
PBI porcentual anual del PIB PBI Banco mundial
Crecimiento per cápita en moneda local, crecimiento
a precios constantes, en
porcentaje.

Es la tasa de desempleo, es Económ

Tasa de Desempleo decir las personas que ico Banco mundial
buscan una fuerza de
trabajo/mano de obra *100.

Turismo Las llegadas de turistas Demográ

Internacional oficiales por kilómetro fico Banco mundial
(# de arribos) cuadrado.

Economí
Pobreza Brecha de pobreza a $1,90 por a
día en porcentaje (%) Banco Mundial

IV. Modelamiento econométrico

Después de la literatura empírica sobre el crimen, este estudio propone la utilización

de los datos de panel dinámicos acercarse ilustran a continuación para explorar la relación

5
entre el turismo y el crimen para las provincias italianas en el lapso de tiempo desde 1985

hasta 2003:

(3)

“CRIME*i,t” es el número total de delitos por cada 100.000 habitantes en el momento

t en Italia. “β 2 GROWTH i,t” y “β 3 INCOME i,t” indican la tasa de crecimiento y el nivel de

ingreso, respectivamente, de producto interno bruto (PIB) per cápita a precios constantes de

1995. “β 4 UNEMPL i,t” es la tasa de desempleo.

Cantor y Land (1985) teorizan la relación macroeconómica entre el desempeño

económico y la actividad criminal, lo que indica dos fuentes opuestas de incentivo a un

comportamiento criminal: oportunidad y efecto motivación.

El primero, crimen, está relacionado con las fluctuaciones de ingreso y crecimiento:

Las oportunidades para cometer un crimen, y por ende su aumento, está relacionado con el

desempeño económico, lo que conduce a una amplia disponibilidad de los bienes y las

actividades ilegales rentables. Este último funciona de manera opuesta: el incentivo para

cometer el crimen es causado por las malas condiciones económicas. En otras palabras,

durante las recesiones, la tasa de desempleo aumenta la inducción de los individuos para

aumentar sus ingresos disponibles a través de actividades ilegales.

“β 5 DENSITY i,t” (densidad) se refiere a la población por kilómetro cuadrado; se

utiliza como un indicador de la urbanización. De acuerdo con Masih y Masih (1996), el

crimen aumenta con la urbanización. “β 6 TOURISM i,t” (turismo) es la variable que tiene las

medidas de las llegadas de turistas (nacionales y extranjeros) por kilómetro cuadrado. Las

llegadas de turistas, ponderado por el tamaño provincia, mide el atractivo de un destino

determinado. De acuerdo con la literatura empírica sobre la relación delito-turismo, se espera

una correlación positiva.

6
 “β 7 DIPLOMA i,t” indica el nivel promedio de educación en el momento t; un nivel

de educación más alto podría indicar un mayor nivel de cohesión social, lo que podría reducir

los delitos del crimen.

“β 8 DETERRENCE i,t” (disuación) es la relación de delitos registrados cometidos por

delincuentes conocidos sobre el crimen total registrado; es un proxy del efecto disuasorio

“derivado de la eficiencia de la investigación criminal de la policía local y de su

conocimiento del entorno local” (Marselli y Vannini, 1997; p.96). El signo esperado es

negativo, por lo tanto, un aumento en la proporción de delincuentes conocidos, debido a un

aumento en la disuasión o un nivel más alto de eficiencia / eficacia de la actividad policial,

reduce la tasa de criminalidad.

Para esto, todas las variables se expresan en términos de nivel de registro, de modo

que los coeficientes pueden interpretarse como elasticidades.

“β 9 SUR i,t” (sur) es una variable de control que es igual a 1 si la provincia está

situada en el sur de Italia y cero en caso contrario. “ β 8 YEAR i,t” (año) es un conjunto de

variables ficticias de tiempo; la inclusión de dummies de tiempo hace que el supuesto de no

correlación entre los individuos en los disturbios idiosincrásicos más probable que mantenga

(Roodman, 2006). Finalmente, ηi y εi,s son el efecto fijo provincia y el término de error

respectivamente; por lo que asumimos que:

Como se ha analizado por Buonanno (2006), la serie de delitos muestran una fuerte

persistencia en el tiempo, lo que indica que el nivel de actividad de la delincuencia en el

momento t afecta el comportamiento en el momento del crimen t + 1. Para confirmar esto,

comenzamos nuestro análisis ejecutando un modelo básico de mínimos cuadrados ordinarios

(MCO), tanto de efectos fijos y aleatorios, y aplicamos el límite de Wooldridge (Wooldridge,

2002) para comprobar si hay correlación en serie de datos de panel; nos encontramos con que

7
la hipótesis nula de no correlación serial es fuertemente rechazado. Esto sugiere el uso de la

variable dependiente rezagada (“β 1 GROWTH i,t-1” ) para eliminar la correlación en serie en

el derechos residuales de autor.

Una prueba de raíz unitaria panel (Levin, Lin y Chu, 2002) también se realiza para ver

si la estacionariedad de la variable dependiente en (1) y la hipótesis nula de no

estacionariedad se rechaza.

Como se ha señalado en el apartado anterior, se espera una fuerte causalidad inversa

entre el crimen y el turismo. Por ejemplo, los altos índices de criminalidad en una

determinada región podrían reducir la entrada de turismo; como resultado, se observa un

descenso en el rendimiento económico. Por desgracia, la actividad criminal podría afectar

directamente a las otras variables explicativas. Como se muestra en la literatura económica, el

crimen es perjudicial para la economía legal, desalentando las inversiones, que afecta a la

competitividad de las empresas, la reasignación de recursos y crear incertidumbre e

ineficiencia (Detotto y Otranto, 2010). A través del canal económico, en una provincia dada,

el crimen podría afectar a la densidad de la población, aumentando el incentivo para alejarse

de los puntos calientes de delitos (Mills y Lubuele, 1997; Cullen y Levitt, 1999), y también

podría impactar en el capital humano, la reducción de los rendimientos esperados de capital

humano (Mocan et al., 2005).

Por último, la causalidad inversa entre la tasa de criminalidad y sus variables de

disuasión ya ha sido investigado en la literatura económica empírica (ver Dills et al., 2008).

La presencia de la variable dependiente rezagada y la falta de exogeneidad estricta entre la

variable del delito y las variables explicativas, no permiten utilizar el método de mínimos

cuadrados ordinarios (OLS) para estimar el modelo (3) (Roodman, 2006).

Una posible solución es dada por el método generalizado de momentos (GMM), que

produce un estimador consistente de β utilizando el valor retardado de las variables

8
dependientes y explicativas como instrumentos. En este análisis, se utiliza el estimador del

sistema GMM, que se comporta mejor que el GMM lineal primeras diferencias en muestras

pequeñas (Blundell y Bond, 1998; Roodman, 2006).

En general, el estimador GMM asume que los residuos son en serie no

correlacionados, es decir, E (ξ i, t ξ i, r) = 0 para i = 1, ..., N y s ≠ t, y las condiciones iniciales

de “CRIME*i,t” y todas las variables explicativas en el momento “t 0” están predeterminados.

Además, el estimador del sistema GMM requiere una restricción estacionaria media en la

condición inicial de las variables en uso, lo que implica que, en el período analizado, las

unidades están lo suficientemente cerca del estado estacionario: en otras palabras, los

cambios en el uso de variables instrumentales, las variables se supone que son

correlacionados con el efecto-individuo específico.

Es bien conocido en la literatura crimen que los datos oficiales de la delincuencia,

procedentes de la actividad de presentación de informes de la policía, sufren de subregistro y

sub-registro sesgo (Mauro y Carmeci, 2007). En otras palabras, los datos oficiales (crimen)

representan solo la punta del iceberg crimen. La relación entre estos dos componentes se

puede representar de esta manera:

(4)

donde, “CRIME*i,t” es la tasa de criminalidad “real” no observada, δ yo es un efecto

individual fijo y υ es un vector de residuos en serie no correlacionadas. Asumimos que “υ” no

está́ correlacionada con ε para s ≠ t. Vale la pena notar que el valor esperado de los datos

oficiales se obtiene una estimación sesgado a la baja de la tasa de criminalidad observada, y

este sesgo depende de la α coeficiente en (4). De hecho, el problema se vuelve insignificante

cuando subregistro α es cerca de uno y cero. Como se muestra en Fajnzylber et al. (2002), el

error de medición no modifica los supuestos y las propiedades del enfoque GMM, que

9
todavía puede proporcionar parámetros consistentes en las estimaciones de modelos de datos

panel con variables retardadas y tiempo- no observado efectos individuales específicos

invariante. Además, el enfoque del sistema GMM reduce los problemas de errores de

medición (Griliches y Hausman, 1986), lo que hace preferible a los métodos alternativos. En

particular, la sustitución de la ecuación (4) en el modelo (3), se obtiene:

(5)

donde

Dado que, por construcción, está entre cero y uno, el signo de todos los coeficientes

sigue siendo correcto, pero sus valores absolutos son más bajos que los “reales”. Por lo tanto,

esto debe ser tenido en cuenta cuando se derivan implicaciones de política utilizando las

últimas estimaciones. Básicamente, podemos inferir fácilmente que las elasticidades

estimadas son inferiores a los “reales”, y tal discrepancia se convierte en serio grande que se

aproxima a cero.

Un supuesto crucial para la validez de las estimaciones GMM es que los instrumentos

son exógenos. La (1958) prueba de Sargan de sobreidentificación de restricciones a prueba la

validez general de los instrumentos: la falta de rechazar la hipótesis nula da soporte al

modelo. Pero si los errores son (sospechosos de ser) no esférica, la prueba de Sargan es

incompatible; en nuestro caso, puesto que se estiman los errores estándar robustos, a fin de

corregir la heterocedasticidad o de correlación cruzada en los residuos, la Hansen (1982)

prueba se realiza bajo la hipótesis nula de la validez conjunta de los instrumentos. Otra

cuestión importante es la Arellano-Bond (1991) de prueba para la autocorrelación de los

10
residuos, que comprueba si el término de error diferenciada es primero y segundo orden

correlacionados.

11
 V. Resultados de la estimación econométrica

Cuadro v.1

De acuerdo a los resultados obtenidos del cuadro

anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es

estadísticamente significativa.

Cuadro v.2

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es estadísticamente significativa.

Cuadro v.3

12
De acuerdo a la prueba de hausman, tenemos que se debe modelar bajo efectos aleatorios

Cuadro v.4

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es estadísticamente significativa.

Cuadro v.5

13
De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es estadísticamente significativa.

Cuadro v.6

De acuerdo a la prueba de hausmann, se debe modelar por efectos aleatorios

14
Cuadro v.7

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es estadísticamente significativa.

Cuadro v.8

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “lgdp” no es

económicamente significativa, por otro lado, tampoco estadísticamente significativa.

Cuadro v.9

15
De acuerdo a la prueba de hausman, se debe seguir bajo el modelo de efectos aleatorios

Cuadro v.10

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ldetcrime” es no es

económicamente significativa, por otro lado, si es estadísticamente significativa.

16
Cuadro v.11

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que “ltou” es

económicamente significativa, así como, es estadísticamente significativa.

Cuadro v.12

De acuerdo a la prueba de hausman, se debe seguir el modelo de efectos aleatorios

Cuadro v.13

17
Cuadro v.14

De acuerdo a los resultados obtenidos del cuadro anterior, tenemos que ho se rechaza, por lo

que hay autocorrelación.

VI. Conclusiones

NOMBRE SIGNIFICANCIA SIGNIFICANCIA CORROBORACIÓN

ECONÓMICA ESTADÍSTICA CON PAPER

GROWTH Económicamente Estadísticamente SÍ SE CORROBORA: A

significativa, significativa (p mayor crecimiento, mayor
relación directa < 0.05) crimen. Relación
(Coeficiente: ) POSITIVA

INCOME Económicamente Estadísticamente SÍ SE CORROBORA:

significativa, relación significativa (p < 0.05) A mayor ingreso, menor
directa (Coeficiente: ) crimen. Relación
NEGATIVA

UNEMPL Económicamente Estadísticamente SÍ

significativa, significativa (p SE CORROBORA: A
relación directa < 0.05) mayor crecimiento, mayor
(Coeficiente: ) crimen.
Relación POSITIVA

DENSITY Económicamente Estadísticamente SÍ SE CORROBORA: A

significativa, relación significativa (p < 0.05) mayor crecimiento, mayor
directa (Coeficiente: ) crimen. Relación
POSITIVA

TOURISM Económicamente Estadísticamente SÍ SE CORROBORA: A

significativa mayor crecimiento, mayor
significativa, relación crimen. Relación
POSITIVA
directa (Coeficiente: )

DIPLOMA Económicamente Estadísticamente SÍ

significativa, relación significativa (p < 0.05) SE CORROBORA: A
directa (Coeficiente: ) mayor ingreso, menor
crimen. Relación
NEGATIVA

DETERRENCE Económicamente Estadísticamente SÍ

significativa, relación significativa (p < 0.05) SE CORROBORA: A
directa (Coeficiente: ) mayor ingreso, menor

18
 crimen. Relación
NEGATIVA

SUR Económicamente Estadísticamente SÍ

significativa, relación significativa (p < 0.05) SE CORROBORA: A
directa (Coeficiente: ) mayor crecimiento, mayor
crimen. Relación
POSITIVA

VII. Recomendaciones de próximas investigaciones

En base al estudio presentado acerca de los efectos del turismo sobre el crimen. Se

obtienen las siguientes recomendaciones para este trabajo sobre todo para la causa principal

del problema que existe y es hacer un estudio más específico sobre los efectos de

aglomeración.

Otra recomendación para este estudio es corregir los errores de medición en la

variable dependiente y sobre todo buscar más datos sobre delitos totales registrados por la

policía para obtener resultados mucho más exactos, pero sobre todo tratar de buscar la

manera de identificar el factor de la propensión de los residentes y no residentes a ser

víctimas e informar a policía ya que representa una limitación para el estudio.

VIII. Comentar las limitaciones de la réplica y cómo se podría en adelante solucionar

los problemas en la estimación

La hipótesis de crecimiento turístico que es importante para la mejora del crecimiento

económico. Un pequeño número de estudiosos analiza la relación entre el turismo y el

crecimiento en el largo plazo. También existe una gran preocupación por el impacto negativo

de la actividad turística en el país en términos de degradación social y ambiental. Como

(GRINOL E.L ,2011) destaca que hay muchas teorías razonables derivados de los estudios

económicos y sociológicos de los factores determinantes del crimen que pueden explicar la

relación entre el turismo y el crimen. La literatura económica apenas se explora este tema y

cuando lo hace, produce resultados controvertidos.

19
 Los resultados no permiten identificar el factor de la propensión de los residentes y no

residentes a ser víctimas e informar a policía por el cual juega un papel importante H y K.

Esto representa la limitación del análisis. Además, los datos agregados del crimen, como la

tasa total de delitos, podían dejar de señalar la presencia de diferencias entre los tipos de

delitos. Por último, es posible que los coeficientes podrían subestimar la relación subyacente,

debido a errores de medición en la variable dependiente. Los datos sobre la delincuencia

utilizados en este documento son los delitos totales registrados por la policía, esto

probablemente representa sólo la punta del iceberg de este fenómeno.

Se puede solucionar los problemas en la estimación dando un desarrollo adicional, un

enfoque de espacio de estado (Hamilton, 1994) se puede aplicar con el fin de estimar el

componente no observable de la serie de crimen. Además, otras mejoras pueden ir en la

dirección de la exploración de cómo la relación turismo-crimen cambia de acuerdo con los

tipos de turistas (nacionales y extranjeros) y tipo de delito (contra la propiedad o individuos).

20
IX. Referencias

Arellano, M., y S. Bond (1991). Algunos Prueba de Especificación para datos de

panel: Monte Carlo Pruebas y una aplicación al empleo de ecuaciones. Review of Economic

Studies 58: 277-297. http://ideas.repec.org/a/bla/restud/v58y1991i2p277-97.html

Becker, G. (1968). Crimen y castigo: Un enfoque económico. Diario de política

Economía 76: 169-217.

http://econpapers.repec.org/article/ucpjpolec/v_3a76_3ay_3a1968_3ap_3a169.htm

Blundell, R., y S. Bond (1998). Las condiciones iniciales y las restricciones de

momentos en Dinámica Los modelos de datos de panel. Journal of Econometrics 87: 115-

143. http://ideas.repec.org/a/eee/econom/v87y1998i1p115-143.html

Buonanno, P. (2006). Crimen y oportunidades del mercado laboral en Italia (1993-

2002). Labor 20: 601-624. http://ideas.repec.org/a/bla/labour/v20y2006i4p601-624.html

Campaniello, N. (2011). Mega Eventos de Deportes y el Delito: Datos de los 1.990

Copa Mundial de Fútbol. Revista de Economía Deporte DOI: 10.1177 / 1527002511415536.

http://jse.sagepub.com/content/early/2011/07/20/1527002511415536.abstract

Cantor, D. y KC Tierra (1985). El desempleo y las índices de delincuencia en la post-

Guerra Mundial II Estados Unidos: Un análisis teórico y empírico. Revisión American

Sociological 50: 317-332. http://www.jstor.org/stab

Chesney-Lind, M., y IY Lind (1986). Los visitantes como víctimas: Los delitos contra

turistas en Hawai. Annals of Tourism Research 13: 167-191.

http://www.sciencedirect.com/science/article/pii/0160738386900368.

Cohen, LE, y M. Felson (1979). Cambio Social y Tendencias tasa de criminalidad:

Una rutina Enfoque de la actividad. Revisión American Sociological 44: 588-608.

http://www.jstor.org/stable/2094589

21
 Cullen, JB y SD Levitt (1999). Crimen, Vuelo urbano, y las consecuencias para las

ciudades. La Revisión de Economía y Estadística 81: 159-169

http://ideas.repec.org/p/nbr/nberwo/5737.html.

De Albuquerque, K., y J. McElroy (1999). Turismo y transnacional en el Caribe.

Anales Investigación de Turismo 26: 968-984.

http://www.popcenter.org/problems/crimes_against_tourists/PDFs/deAlbuquerque_M

cElroy_1999.pdf

Detotto, C. y E. Otranto (2010). Crimen no afectan el crecimiento económico? kyklos

63: 330- 345. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1640229.

Detotto, C., y M. Pulina (2010). Prueba de los efectos de la delincuencia en la

economía italiana. economía Boletín 30: 2063-2074. http://ideas.repec.org/a/ebl/ecbull/eb-

10-00465.html

Ehrlich, I. (1973). La participación en actividades ilegítimas: una parte teórica y

empírica Investigación. Diario de la economía política 81, 521-65.

http://papers.ssrn.com/sol3/papers.cfm?abstract_id=961495

Fajnzylber, P., D. Lederman y Loayza N. (2002). La desigualdad y el crimen

violento. diario de Derecho y Economía 45: 1-40. http://papers.ssrn.com/sol3/papers.cfm?

abstract_id=303838

Fujii, ET, y J. Mak (1980). Turismo y el delito: Implicaciones para la regional

Política de desarrollo. Estudios Regionales 14: 27-36.

http://rsa.informaworld.com/srsa/content~db=all~content=a758918960~frm=abslink.

Griliches, Z. y JA Hausman (1986). Los errores en las variables de datos de panel.

Diario de Econometría 31: 93-118.

http://econpapers.repec.org/article/eeeeconom/v_3a31_3ay_3a1986_3ai_3a1_3ap_3a9 3-

118.htm

22
 EL Grinols, mostaza, DB, y M. Staha (2011). ¿Cómo afectan a los visitantes del

crimen? diario de Criminología Cuantitativa 27: 363-378.

http://www.pressekatalog.de/visitors-afectar-crime_ARTID_10.1007-ab-s10940-010-9128-

0.htm

Hansen, L. (1982). Las grandes propiedades de la muestra de Generalizado método

de los momentos Estimadores. Econometrica 50: 1029-1054.

http://faculty.chicagobooth.edu/john.cochrane/teaching/35904_Asset_Pricing/Hansen%

20econometrica% 20GMM.pdf

ISTAT, (1985-2001). Statistiche sul turismo, ISTAT: Roma. Jud, DG (1975). El

turismo y la delincuencia en México. Ciencias Sociales Trimestral 56: 324-330.

https://www.ncjrs.gov/App/publications/Abstract.aspx?id=31363.

Levin, A., CF Lin y Chu CSJ (2002). Pruebas de raíz unitaria en datos de panel:

asintótica y Propiedades finitos muestra. Journal of Econometrics 108: 1-24.

http://ideas.repec.org/a/eee/econom/v108y2002i1p1-24.html

Marselli, R. y M. Vannini (1997). La estimación de una ecuación de la delincuencia

en la presencia de El crimen organizado: Evidencia de Italia. Revista Internacional de

Derecho y Economía 17: 89-113.

http://www.egov.ufsc.br/portal/sites/default/files/anexos/33009-41386-1- PB.pdf

Masih, AMM y R. Masih (1996). La causalidad temporal y la dinámica de las

distintas Categorías de delitos y sus determinantes socioeconómicos: Evidencia de Australia.

Economía Aplicada 28: 1093-1104.

http://www.tandfonline.com/doi/abs/10.1080/000368496327949#preview

Mauro, L. y G. Carmeci (2007). Una trampa de la pobreza de la delincuencia y el

desempleo. Revisión de Economía del Desarrollo 11: 450-462.

http://onlinelibrary.wiley.com/doi/10.1111/j.1467-9361.2006.00350.x/abstract.

23
 McPheters, LR, y WB Stronge (1974). Crimen como una externalidad ambiental de

Turismo: Miami, Florida. Economía de la tierra 50: 288-292.

http://www.jstor.org/stable/3145040.

Mills, ES y LS Lubuele (1997). Las ciudades del interior. Journal of Economic

Literature 35: 727-756. http://www.jstor.org/stable/2729791

Mocan, HN, Billups SC y J. Overland (2005). Un modelo dinámico del diferencial:

El capital humano y la actividad criminal. Económica 72: 655-681.

http://ideas.repec.org/a/bla/econom/v72y2005i288p655-681.html

Pizam, A. (1982). El turismo y el Delito: ¿Existe una Relación? Diario de viaje

Investigación 20: 7-10. http://jtr.sagepub.com/content/20/3/7.abstract

Roodman, D. (2006). ¿Cómo hacer xtabond2: Una introducción a la 'diferencia' y

'Sistema' GMM en Stata. Centro para el Desarrollo Global Documento de Trabajo No 103.

http://repec.org/nasug2006/howtodoxtabond2.cgdev.pdf.

Ryan, C. (1993). Crimen, violencia, el terrorismo y Turismo. Gestión turística 14:

173- 183. http://www.sciencedirect.com/science/article/pii/026151779390018G

Sargan, J. (1958). La estimación de las relaciones económicas uso de instrumental

Variables. Econometrica 26: 393-415. http://www.jstor.org/stable/1907619

Wooldridge, JM (2002). El análisis econométrico de sección transversal y datos de

panel. Cambridge, MA: MIT Press. Foro Económico Mundial (2011). El Informe de

Competitividad de Viajes y Turismo 2011, Ginevra. http://www.weforum.org/reports/travel-

tourism-competitiveness-report-2011

24