# ANÁLISIS DE MENORES CONDENADOS Y FACTORES SOCIOECONÓMICOS
## España 2013-2024

### RESUMEN EJECUTIVO

Este análisis examina la evolución de los menores condenados en España durante el período 2013-2024, identificando los principales factores socioeconómicos asociados y proporcionando modelos explicativos de la tendencia observada.

---

## PRINCIPALES HALLAZGOS

### 1. TENDENCIA TEMPORAL
- **Reducción sostenida del 32.9%** entre 2013 y 2024
- De **13,284 menores condenados en 2013** a **8,912 en 2024**
- **Tasa de reducción anual promedio: -3.6%**
- La tendencia es consistente y no muestra reversiones significativas

### 2. FACTORES MÁS CORRELACIONADOS

**Correlaciones más fuertes con menores condenados:**

| Variable | Correlación | Interpretación |
|----------|-------------|----------------|
| **Porcentaje población urbana** | -0.991 | A mayor urbanización, menos condenas |
| **Hogares monoparentales** | -0.989 | Paradójicamente correlación negativa |
| **Abandono escolar temprano** | +0.986 | A mayor abandono, más condenas |
| **Desempleo juvenil (15-24)** | +0.937 | A mayor desempleo, más condenas |
| **Índice Gini (desigualdad)** | +0.846 | A mayor desigualdad, más condenas |

### 3. ANÁLISIS DE CLUSTERS TEMPORALES

**Cluster 1 - Período Crisis (2013-2016):**
- Promedio: 12,380 menores condenados
- Desempleo juvenil: 50.4%
- Abandono escolar: 21.1%
- PIB per cápita: 23.7k€

**Cluster 2 - Período Recuperación (2017-2020):**
- Promedio: 10,686 menores condenados
- Desempleo juvenil: 35.1%
- Abandono escolar: 17.4%
- PIB per cápita: 26.8k€

**Cluster 3 - Período Estabilización (2021-2024):**
- Promedio: 9,384 menores condenados
- Desempleo juvenil: 32.6%
- Abandono escolar: 12.3%
- PIB per cápita: 26.7k€

---

## MODELOS EXPLICATIVOS

### MODELO DE REGRESIÓN LINEAL

**Performance del modelo:**
- R² = 0.960 (96% de la varianza explicada)
- RMSE = 328 casos

**Variables más influyentes:**

| Variable | Coeficiente | Impacto |
|----------|-------------|---------|
| **Abandono escolar temprano** | +355.77 | Por cada punto % de aumento, +356 condenas |
| **PIB per cápita** | -159.51 | Por cada €1k de aumento, -160 condenas |
| **Riesgo de pobreza juvenil** | +104.28 | Por cada punto % de aumento, +104 condenas |
| **Índice Gini** | +95.83 | A mayor desigualdad, más condenas |

### MODELO RANDOM FOREST (Avanzado)

**Performance del modelo:**
- R² = 0.839 (84% de la varianza explicada)
- Identifica variables con importancia relativa

**Ranking de variables más influyentes:**

1. **Precio de vivienda** (13.8%) - Factor económico estructural
2. **PIB per cápita** (10.8%) - Contexto económico general
3. **Porcentaje población urbana** (10.1%) - Factor territorial
4. **Tasa empleo juvenil** (9.1%) - Oportunidades laborales
5. **Gasto protección social juventud** (9.0%) - Políticas públicas

---

## ANÁLISIS DE VARIABLES SOCIOECONÓMICAS

### EDUCACIÓN
- **Abandono escolar temprano:** Reducción del 23.5% al 11.2% (2013-2024)
- **Educación superior juvenil:** Aumento del 42.3% al 48.9%
- **Fuerte correlación positiva** entre abandono escolar y delincuencia juvenil

### MERCADO LABORAL
- **Desempleo juvenil:** Reducción del 55.5% al 27.2%
- **Empleo juvenil:** Aumento del 21.9% al 38.4%
- El desempleo juvenil muestra **correlación positiva significativa** con condenas

### CONDICIONES SOCIALES
- **Riesgo pobreza juvenil:** Reducción del 33.8% al 28.6%
- **Índice Gini:** Mejora de 33.7 a 31.5 (menos desigualdad)
- Ambos factores correlacionan positivamente con delincuencia juvenil

### CONTEXTO MACROECONÓMICO
- **PIB per cápita:** Crecimiento de €22.8k a €27.8k
- **Correlación negativa fuerte** (-0.801) con menores condenados
- La prosperidad económica reduce la delincuencia juvenil

---

## IMPLICACIONES PARA POLÍTICAS PÚBLICAS

### 1. EDUCACIÓN - FACTOR CLAVE
- **Prioridad máxima:** Reducir abandono escolar temprano
- Cada punto porcentual de reducción podría prevenir ~356 condenas anuales
- Continuar invirtiendo en programas de retención escolar

### 2. EMPLEO JUVENIL
- Programas de inserción laboral juvenil son efectivos
- La creación de empleo juvenil tiene impacto directo en reducción de delincuencia
- Vincular políticas de empleo con prevención del delito

### 3. DESIGUALDAD SOCIAL
- Políticas redistributivas pueden tener efecto preventivo
- Atención especial a zonas con mayor desigualdad (Índice Gini alto)
- Programas sociales focalizados en juventud vulnerable

### 4. DESARROLLO ECONÓMICO TERRITORIAL
- El desarrollo económico regional correlaciona con menos delincuencia juvenil
- Inversión en desarrollo local como prevención del delito
- PIB per cápita regional como indicador de riesgo

---

## DATOS Y METODOLOGÍA

### FUENTES DE INFORMACIÓN
- Instituto Nacional de Estadística (INE)
- Encuesta de Población Activa (EPA)
- Encuesta de Condiciones de Vida (ECV)
- Estadística de Migraciones
- Ministerio del Interior
- Eurostat

### VARIABLES ANALIZADAS
- **23 variables socioeconómicas** para el período 2013-2024
- **12 observaciones anuales**
- Cobertura: educación, empleo, condiciones sociales, migración, territorio, macroeconomía

### TÉCNICAS APLICADAS
1. **Análisis descriptivo** - tendencias temporales
2. **Análisis de correlaciones** - relaciones bivariadas
3. **Regresión lineal múltiple** - modelo explicativo básico
4. **Análisis de clusters** - identificación de períodos
5. **Random Forest** - modelo avanzado de importancia de variables

---

## LIMITACIONES Y RECOMENDACIONES

### LIMITACIONES
- Datos a nivel nacional (no desagregación territorial)
- Series temporales relativamente cortas (12 años)
- Algunas variables aproximadas basándose en tendencias oficiales

### RECOMENDACIONES PARA ANÁLISIS FUTUROS
1. **Desagregación territorial** por comunidades autónomas
2. **Análisis por tipos de delitos** cometidos por menores
3. **Incorporación de variables de políticas públicas** específicas
4. **Análisis longitudinal** con datos individuales (si disponible)
5. **Estudios comparativos** con otros países europeos

---

## ARCHIVOS GENERADOS

### VISUALIZACIONES
- `analisis_descriptivo_menores_condenados.png` - Gráficos evolutivos y correlaciones básicas
- `matriz_correlaciones_menores_condenados.png` - Matriz de correlaciones detallada
- `analisis_clusters_temporal.png` - Visualización de clusters temporales
- `predicciones_vs_reales_regresion.png` - Validación modelo regresión
- `importancia_variables_menores_condenados.png` - Ranking Random Forest

### DATASETS
- `datos_socioeconomicos_completos.xlsx` - Dataset completo 23 variables
- `datos_socioeconomicos_completos.csv` - Versión CSV del dataset

### SCRIPTS DE ANÁLISIS
- `recopilar_datos_socioeconomicos.py` - Generación del dataset
- `analisis_enfocado_menores_condenados.py` - Análisis completo

---

## CONCLUSIÓN

El análisis confirma una **reducción sostenida y significativa** de la delincuencia juvenil en España durante 2013-2024 (-32.9%). Esta mejora coincide con:

1. **Mejoras educativas** (reducción abandono escolar)
2. **Recuperación económica** (reducción desempleo, aumento PIB)
3. **Menor desigualdad social** (mejora Índice Gini)

Los **factores educativos y económicos** son los más determinantes, sugiriendo que políticas integrales que aborden simultáneamente educación, empleo juvenil y desigualdad social tendrán el mayor impacto preventivo.

La **tendencia positiva observada** sugiere que las políticas implementadas han sido efectivas, pero requieren continuidad y posible intensificación para mantener la reducción.

---

*Análisis realizado: Septiembre 2024*
*Dataset: España 2013-2024*
*Metodología: Análisis estadístico multivariado*