Análisis de reincidencia del Programa Volver a Empezar utilizando regresión logística, Random Forest y XGBoost

Abstract

La presente investigación se centra en analizar y evaluar los resultados del programa Volver a Empezar (VAE) implementado a partir del año 2017 por la Seremi de Justicia de la Región Metropolitana, el cual buscó introducir modelo de gestión de casos de reinserción social en las diez comunas de la región metropolitana con los mayores índices de delincuencia. Este programa presenta un sistema de intervención basado en el modelo de RNR (Riesgo, Necesidad y capacidad de Respuesta) formulado por Andrews y Bonta en el año 1990. El programa Volver a Empezar posee una evaluación previa, realizada a fines del año 2018 por la Universidad Católica y el Centro de Estudios Justicia y Sociedad, que si bien, analiza aspectos fundamentales de la implementación, posee poca profundidad en aspectos cuantitativos vinculados a la medición del efecto de este programa sobre las tasas de reincidencia, esto debido a la cercanía de esta evaluación con la fecha de término del programa. La pregunta de investigación establecida para esta tesis es ¿Qué características de los usuarios y de la implementación del Programa Volver a Empezar fueron claves para prevenir la reincidencia? Por lo que se busca principalmente establecer a través de metodologías cuantitativas cuales son las principales variables para tener en consideración en el diseño o rediseño de programas de reinserción social de características similares a las del VAE o que estén basados en el modelo RNR o en su defecto en el Manual de procedimientos del VAE. Las metodologías que fueron utilizadas fueron seleccionadas a partir de su adaptabilidad a los datos obtenidos, tales metodologías fueron la regresión logística de Cox o también llamada regresión logística multivariada, más dos metodologías basadas en arboles de decisión, las que son Random Forest y XGBost, estas metodologías permiten obtener estimaciones de las importancias relativas de las variables, utilizando modelos aleatorios y modelos iterativos. Los resultados indican que, por una parte, el cumplimiento de los planes de reinserción establecidos en el programa Volver a Empezar poseen muy poca relevancia ante el resto de las variables estudiadas, lo cual resulta sumamente alarmante, debido a que es esperable que sea esta una variable clave sobre la reincidencia de los usuarios, lo que a su vez revela serios problemas de gestión de datos dentro del programa. Por otra parte, los resultados muestran cuatro variables claves, las que son la edad de los usuarios, el tamaño de sus redes de apoyo, su nivel educacional y a el acceso al trabajo durante su paso por el programa, la relevancia de estas variables se encuentra respaldada en la literatura, pero se evidencia la necesidad de complementarlas con información que permita una mejor interpretación, como por ejemplo la calidad de los vínculos de sus redes de apoyo.