Factores asociados a la violencia familiar en el Perú (2019-2021), una aproximación desde la ciencia de datos
DOI:
https://doi.org/10.71701/74dqkh19Palabras clave:
Violencia familiar, factores de riesgo, regresión multinomial, bosques aleatoriosResumen
El objetivo general del estudio fue la identificación de los factores asociados a la violencia familiar. Metodológicamente, la investigación fue de tipo aplicada, de nivel explicativo y de diseño no experimental longitudinal (2019-2021). La muestra estuvo conformada por 295 000 reportes de violencia familiar emitidos a través de la Línea 100 del Ministerio de la Mujer, disponibles en la Plataforma Nacional de Datos Abiertos. El flujo de trabajo estuvo guiado por la metodología CRISP-DM; asimismo, se desplegaron dos modelos en trabajo sinérgico: el de regresión multinomial y el de bosques aleatorios. El primero de ellos permitió identificar a los factores de riesgo de la violencia familiar ; el segundo, ponderar la relevancia de dichos factores ( ). Los resultados muestran la existencia de relaciones estadísticamente significativas entre la violencia familiar y las siguientes variables: edad (víctima y agresor), vínculo agresor-víctima, departamento (víctima), nivel de riesgo de la víctima, nivel educativo (víctima y agresor), número de hijos, brecha educativa, sexo (agresor), etnia (víctima), situación laboral (agresor) y frecuencia de agresiones. Paralelamente, se encontró que la distribución de violencia contra la mujer es homogénea en todos los rangos etarios y que para los hombres se presenta con mayor frecuencia durante la infancia y vejez.
Descargas
Referencias
INEI. (2019). Perú: Indicadores de violencia familiar y sexual, 2012-2019. Instituto Nacional de Estadística e Informática.
Naved, R., y Persson, L. (2005). Factors Associated with Spousal Physical Violence against Women in Bangladesh. Studies in Family Planning, 36(4), 289-300.
Fulu, E., Jewkes, R., Roselli, T., & Garcia-Moreno, C. (2013). Prevalence of and factors associated with male perpetration of intimate partner violence: findings from the UN Multi-country Cross-sectional Study on Men and Violence in Asia and the Pacific. The lancet global health, 1(4), 187-207.
Saffari, M., Arslan, S. A., Yekaninejad, M. S., Pakpour, A. H., Zaben, F. A., y Koenig, H. G. (2017). Factors associated with domestic violence against women in Iran: An exploratory multicenter community-based study. Journal of interpersonal violence, 1-16.
Sen, S., y Bolsoy, N. (2017). Violence against women: prevalence and risk factors in Turkish sample. BMC women’s health, 17(1), 1-9.
Durán, R. L. (2019). ¿Más educadas, más empoderadas? Complementariedad entre escolaridad y empleo en la probabilidad de violencia doméstica contra las mujeres en el Perú. En W. Hernández Breña (Ed.), Violencias contra las Mujeres. La necesidad de un doble plural (pp. 117-146). Grupo de Análisis para el Desarrollo (GRADE).
Rahme, C., Haddad, C., Akel, M., Khoury, C., Obeid, H., Obeid, S., y Hallit, S. (2021). Factors associated with violence against women in a representative sample of the Lebanese population: results of a cross-sectional study. Archives of women’s mental health, 24(1), 63-72.
Jabbi, A., Ndow, B., Senghore, T., Sanyang, E., Kargbo, J. C., y Bass, P. (2020). Prevalence and factors associated with intimate partner violence against women in The Gambia: a population-based analysis. Women & Health, 60(8), 912- 928.
OMS. (2020). Respeto a las mujeres: Prevención de la violencia contra las mujeres. Ginebra, Suiza: Organización
Mundial de la Salud.
OMS. (8 de marzo de 2021). Violencia contra la mujer [Artículo web]. https://www.who.int/es/news-room/fact-sheets/detail/violence-against-women.
Hernández, W. (2019). Factores asociados a la violencia de pareja contra mujeres: Un enfoque departamental desde los patrones de victimización. INEI.
Cassaretto, M., Dador, J., y Hernández, W. (2019). “Aló, tengo un problema”: Evaluación de impacto de la Línea 100 del Ministerio de la Mujer y Poblaciones Vulnerables. 67 ÍNDICE https://www.mimp.gob.pe/omep/pdf/evidencias/Hernandez2020.pdf
MIMP. MIMP Web site. [Página web]. Denunciar Violencia Familiar y Sexual.
Aldas, J., y Uriel, E. (2017). Análisis multivariante aplicado con R. Paraninfo.
Breiman, L. (2001). Random Forests. Machine Learning, 45, p. 5-32.
IBM. (s. f.). Random Forest [Artículo web]. https://www.ibm.com/cloud/learn/random-forest
Zumel, N., y Mount, J. (2020). Practical data science with R. Manning Publications.
IBM. (s. f.). Decision Trees. https://www.ibm.com/topics/decision-trees.
Efron, B., y Tibshirani, R. (1998). An introduction to the bootstrap. CRC Press LLC.
Seni, G., y Elder, J. (2010). Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions. Morgan & Claypool.
Agüero, J., Aguilar, J., Cozzubo, A., Hernández, W., y Ledgard, D. (2022). El impacto de la pandemia por la covid-19 sobre la violencia familiar: Diferenciando víctimas, tipos de violencia y niveles de riesgo en el Perú. http://repositorio.grade.org.pe/bitstream/handle/20.500.12820/682/undp-rblac-PNUD_WckPapers_30.pdf?sequence=1&isAllowed=y
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
