Uso de Google Trends para pronosticar la mortalidad por homicidio: el caso de México

Autores/as

DOI:

https://doi.org/10.15517/c57dzg81

Palabras clave:

Homicidios, pronóstico, Google Trends, modelo VAR

Resumen

Introducción: En México una de las principales preocupaciones en materia de seguridad pública es cómo predecir y reducir los homicidios para implementar políticas de mitigación efectivas. Metodología: Este estudio compara modelos tradicionales de pronóstico —ARIMA y Vector Autorregresivo (VAR)— con y sin datos de Google Trends, explorando formas de mejorar la precisión en las predicciones. Utilizando registros de homicidios del Instituto Nacional de Estadística y Geografía (INEGI) y datos de Google Trends correspondientes al periodo 2006–2020, se destaca la utilidad de integrar datos en línea en tiempo real como complemento a las estadísticas oficiales. Resultados: Considerando un horizonte de pronóstico de 15 meses hasta marzo de 2020, los resultados muestran que los modelos VAR con Google Trends ofrecen el mejor desempeño tanto para los homicidios de mujeres como de hombres. Conclusiones: Estos hallazgos subrayan el potencial de integrar fuentes de datos digitales en los modelos tradicionales para proporcionar herramientas más precisas y oportunas para la planificación e intervención en materia de seguridad pública.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control. John Wiley & Sons.

Calvo, H., Godoy-Calderón, S., Moreno-Armendáriz, M. A., & Martínez-Hernández, V. M. (2017). Forecasting, clustering and patrolling criminal activities, Intelligent Data Analysis, 21(4), 697–720. https://doi.org/10.3233/IDA-170883

Cebrián, E., & Domenech, J. (2024). Addressing Google Trends inconsistencies, Technological Forecasting and Social Change, 202, 123318. https://doi.org/10.1016/j.techfore.2024.123318

Clements, M. P., & Hendry, D. F. (Eds.). (2011). The Oxford handbook of economic forecasting. Oxford University Press. https://doi.org/10.1093/oxfordhb/9780195398649.001.0001

Delgadillo, G., & Torres, D. (2023). ¿Qué es y cómo funciona el Registro Nacional de Personas Desaparecidas y No Localizadas (RNPDNO)? [What is and how does the National Registry of Disappeared and Unlocated Persons (RNPDNO) work?]. Animal Político. https://animalpolitico.com/analisis/organizaciones/el-blog-del-seminario-sobre-violencia-y-paz/registro-nacional-personas-desaparecidas-que-es-como-funciona?rtbref=rtb_krqfxr3j12dhx0dkl7c2_1714875535898

Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272

García-Gómez, J., Valdez, S., & Carlos, H. (2022). Homicide forecasting for the state of Guanajuato using LSTM and geospatial information in 2022 IEEE Mexican International Conference on Computer Science (ENC), 1-6. https://doi.org/10.1109/ENC56672.2022.9882957

Gujarati, D. N., & Porter, D. C. (2009). Basic econometrics. McGraw-Hill Companies.

Gutiérrez, F., & Hernández, D. M. (2024). Desaparición forzada [Forced disappearance]. Constructos Criminológicos, 4(6), 43–56. https://doi.org/10.29105/cc4.6-59

Hernández-Gress, E., Flegl, M., Krstikj, A., & Boyes, C. (2023). Femicide in Mexico: statistical evidence of an increasing trend, PLOS ONE, 18(12), e0290165. https://doi.org/10.1371/journal.pone.0290165

Instituto Nacional de Estadística y Geografía. (1990-2023). Estadísticas vitales de Mortalidad, 1990 – 2023. Dirección General de Estadística, México.

Hyvärinen, A., & Oja, E. (2000). Independent component analysis: Algorithms and applications. Neural Networks, 13(4–5), 411–430. https://doi.org/10.1016/S0893-6080(00)00026-5

Jolliffe, I. (2013). Principal component analysis, Springer Science & Business Media.

Massicotte, P., & Eddelbuettel, D. (2025). gtrendsR: Perform and display Google Trends queries (Version 1.5.2) [R package]. Comprehensive R Archive Network (CRAN). https://cran.r-project.org/package=gtrendsR

Medeiros, M. C., & Pires, H. F. (2021). The proper use of Google Trends in forecasting models, arXiv:2104.03065. https://doi.org/10.48550/arXiv.2104.03065

Observatorio Nacional Ciudadano. (2017). Desapariciones forzadas e involuntarias. El Registro Estadístico de la Desaparición: ¿Delito o Circunstancia? [Forced and involuntary disappearances. The Statistical Registry of Disappearance: Crime or Circumstance?]. Ciudad de México.

Pearsall, B. (2010). Predictive policing: The future of law enforcement, National Institute of Justice Journal, 266(1), 16-19.

Piña-García, C. A., & Ramírez-Ramírez, L. (2019). Exploring crime patterns in Mexico City, Journal of Big Data, 6, 1-21. https://doi.org/10.1186/s40537-019-0228-x

Ramallo, S., Camacho, M., Ruiz Marín, M., & Porfiri, M. (2023). A dynamic factor model to predict homicides with firearms in the United States, Journal of Criminal Justice, 86, 102051. https://doi.org/10.1016/j.jcrimjus.2023.102051

Sahni, S. P., & Phakey, N. (2021). Criminal psychology: Understanding criminal behaviour, Criminal Psychology and the Criminal Justice System in India and Beyond, 21-30. https://doi.org/10.1007/978-981-16-4570-9_2

Santos‐Marquez, F. (2021). Spatial beta‐convergence forecasting models: Evidence from municipal homicide rates in Colombia, Journal of Forecasting, 41(2), 294–302. https://doi.org/10.1002/for.2816

Sims, C. A. (1980). Macroeconomics and Reality, Econometrica, 48(1), 1–48. https://www.jstor.org/stable/1912017

Swedo, E. A., Alic, A., Law, R. K., Sumner, S. A., Chen, M. S., Zwald, M. L., Van Dyke, M. E., Bowen, D. A., & Mercy, J. A. (2023). Development of a machine learning model to estimate US firearm homicides in near real time, JAMA Network Open, 6(3), e233413. https://doi.org/10.1001/jamanetworkopen.2023.3413

United Nations Office on Drugs and Crime. (2019). Global study on homicide. https://www.unodc.org/documents/data-and-analysis/gsh/Booklet1.pdf

Wei, W. W. (2019). Multivariate time series analysis and applications, John Wiley & Sons.

World Health Organization. (2015). International Statistical Classification of Diseases and Related Health Problems: 10th Revision (ICD-10) (5th 2016 Revision ed.). World Health Organization.

Descargas

Publicado

2025-09-24

Número

Volumen 23, Número 1: julio-diciembre 2025 (en progreso)

Sección

Artículos Científicos

Licencia

Derechos de autor 2025 Vazquez & Silva

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Población y Salud en Mesoamérica informa a sus autores y lectores que toda publicación debe ser entregada con la Carta de Aceptación de Condiciones de Derechos de Autor donde se le solicita a los autores la autorización para someter el artículo a consideración la Revista para que ésta realice cualquiera de las siguientes actividades:

 

  1. La edición gráfica y de estilo de la obra o parte de ésta.
  2. La publicación y reproducción íntegra de la obra o parte de esta, tanto por medios impresos como electrónicos, incluyendo Internet y cualquier otra tecnología conocida o por conocer.
  3. La traducción a cualquier idioma o dialecto de la obra o parte de esta.
  4. La adaptación de la obra a formatos de lectura, sonido, voz y cualquier otra representación o mecanismo técnico disponible, que posibilite su acceso para personas no videntes parcial o totalmente, o con alguna otra forma de capacidades especiales que les impida su acceso a la lectura convencional del artículo.
  5. La distribución y puesta a disposición de la obra al público, de tal forma que el público pueda tener acceso a ellas desde el momento y lugar que cada quien elija, a través de los mecanismos físicos o electrónicos de que disponga.
  6. Cualquier otra forma de utilización, proceso o sistema conocido o por conocerse que se relacione con las actividades y fines editoriales a los cuales se vincula la Revista.

 

El formato de la Carta es PDF con campos auto-rellenables para la incorporación de los datos básicos del manuscrito y del autor de correspondencia. Puede acceder a la Carta si da clic AQUÍ. Si tiene una duda, escriba a revista.ccp@ucr.ac.cr

 

Además, el contenido de este sitio está protegido bajo licencia Reconocimiento - No comercial - Compartir igual (by-nc-sa) con el que se permite el uso comercial de la obra original o trabajos derivados y la distribución de las cuales se debe hacer con la misma licencia que gobierna la obra original. El diseño gráfico, las imágenes y los textos generados por la revista e-Ciencias de la Información son propiedad de la Universidad de Costa Rica y se encuentran licenciadas con Creative Commons Atribución - NoComercial - Compatitr Igual 4.0 Internacional

Los autores/as que publiquen en esta revista aceptan las siguientes condiciones: 

-Los autores/as conservan sus derechos morales sobre la publicación y ceden los patrimoniales mencionados en la Carta de Cesión de Derechos con la licencia Creative Commons Atribución - NoComercial - Compatitr Igual 4.0 Internacional, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.

 

-Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.

 

Esta política es establecida de acuerdo con la Ley 6638 sobre Derechos de Autor y Conexos de la República de Costa Rica.