# Evidencia empírica y política pública: mercado laboral y homicidios en Ecuador **Anexo de evidencia al análisis CRISP-DM «ec-empleo-crimen» (2018–2026, nivel provincial)** - **Fecha de elaboración:** 15 de agosto de 2026. - **Audiencia:** altos funcionarios del Ejecutivo (Presidencia de la República, Ministerio del Interior, Ministerio del Trabajo, Secretaría Nacional de Planificación), legisladores, academia y sociedad civil. - **Base empírica:** hallazgos del repositorio `ec-empleo-crimen` (panel provincia-trimestre 2018Q1–2026Q2, fuentes oficiales INEC/Ministerio del Interior/IGM-CONALI) y literatura académica indexada (Springer, Elsevier/ScienceDirect, JSTOR, Oxford, Cambridge, NBER/IZA, BID). - **Verificación de fuentes:** todas las referencias incluidas fueron verificadas contra el registro Crossref (`api.crossref.org`) el 15-ago-2026; una muestra de 62 DOIs fue re-verificada de forma independiente en la revisión final (62/62 con HTTP 200 y metadatos coincidentes). Las magnitudes puntuales de la literatura provienen de abstracts y registros Crossref; se recomienda contrastar contra los textos completos en una revisión externa. --- ## Resumen ejecutivo La ola de homicidios que elevó a Ecuador de 996 víctimas (2018) a 9 283 (2025) —con 4 154 solo en el primer semestre de 2026— coincide con una expansión de la violencia ligada al crimen organizado y precede a los decretos de «conflicto armado interno» de 2024, que formalizaron la respuesta estatal. La literatura internacional y latinoamericana revisada aquí respalda dos lecturas: (1) la asociación entre deterioro del mercado laboral y homicidios es **débil y heterogénea** —robusta para delitos patrimoniales, frágil para homicidios—, coherente con la correlación transversal baja (r ≤ 0,34) y los efectos fijos no significativos del proyecto; (2) los picos de homicidios en la región se explican mejor por **mercados ilegales, fragmentación de grupos armados y capacidad estatal**, no por el desempleo agregado. La evidencia de evaluaciones de impacto muestra que la policía focalizada tiene efectos disuasivos modestos y locales, que las estrategias de «mano dura» generalizada fueron contraproducentes en Centroamérica, y que las transferencias monetarias condicionadas son la política social con evidencia causal más sólida sobre crimen en la región. Las recomendaciones para altos funcionarios priorizan: fortalecer el sistema de datos y medición, focalizar la presencia estatal en los territorios de alta letalidad, evaluar el Bono de Desarrollo Humano y los programas de empleo juvenil con estándares causales, y crear una institucionalidad de evaluación de impacto para las intervenciones de seguridad. Ninguna recomendación atribuye efectos causales a políticas sin evaluación: ese es el estándar que este documento propone institucionalizar. --- # Capítulo 1 — Revisión de literatura empírica: mercado laboral y homicidios > Entregable del subagente 15 (redactor de capítulo). Versión final: secciones 1.1, 1.2 y 1.3 completas; 34 referencias verificadas; cuerpo de ~2 040 palabras. ## 1. Revisión de literatura empírica Este capítulo sintetiza la evidencia empírica indexada sobre la relación entre el mercado laboral —desempleo, subempleo e ingresos— y el crimen, con énfasis en los homicidios, y la conecta con los hallazgos del proyecto ecuatoriano. La revisión se organiza en tres partes: los fundamentos teóricos y la evidencia internacional (sección 1.1), la evidencia de América Latina y países comparables (sección 1.2) y las implicaciones para el caso ecuatoriano (sección 1.3). Todas las referencias citadas provienen de revistas académicas indexadas y cuentan con DOI verificado vía Crossref. ### 1.1 Fundamentos teóricos y evidencia internacional El punto de partida teórico es el modelo económico del crimen de Becker (1968) y Ehrlich (1973), según el cual la participación en actividades ilegales resulta de una decisión racional en la que los individuos comparan los retornos esperados de la actividad legal —empleo y salarios— con los de la ilegal, ponderados por la probabilidad y la severidad de la sanción. En este marco, un deterioro del mercado laboral reduce el costo de oportunidad del crimen (efecto motivación) y debería aumentar la actividad delictiva; en sentido opuesto, la caída del ingreso reduce las oportunidades de consumo y, con ello, algunos delitos patrimoniales (efecto ingreso). El efecto neto es, en principio, ambiguo, y buena parte de la literatura empírica ha tratado de resolver esa ambigüedad (Draca & Machin, 2015). La evidencia agregada para países desarrollados es clara en un punto: la asociación entre desempleo y crimen es positiva y robusta para los delitos contra la propiedad, pero débil, pequeña o nula para los homicidios y otros delitos violentos. Chiricos (1987), en un meta-análisis de 63 estudios agregados para Estados Unidos, documenta una asociación positiva consistente, más fuerte para los delitos patrimoniales que para los violentos y más clara en datos agregados (ciudades y estados) que en datos individuales. Raphael & Winter-Ebmer (2001), con un panel de estados estadounidenses (1971–1997) y variables instrumentales basadas en shocks de gasto en defensa, estiman que el desempleo aumenta los delitos contra la propiedad con una elasticidad cercana a 0,15 y los delitos violentos con una de aproximadamente 0,04, con efectos concentrados en hombres jóvenes. En Suecia, Edmark (2005) encuentra que el desempleo eleva los robos y los hurtos de vehículos, pero no los homicidios ni las agresiones. Machin & Meghir (2004), para Inglaterra y Gales, muestran que los salarios bajos aumentan los delitos patrimoniales sin efectos sobre la violencia; y Fougère et al. (2009) documentan para Francia que el desempleo juvenil incrementa sobre todo los robos, con efectos diferenciados por cohortes de edad. Gould et al. (2002) añaden un matiz relevante: en los condados estadounidenses, los salarios de los jóvenes no calificados importan más que la tasa de desempleo. En síntesis, la revisión de Draca & Machin (2015) concluye que los incentivos del mercado laboral afectan principalmente al crimen de propiedad, mientras que los efectos sobre la violencia son menores y menos robustos. No toda la evidencia apunta en la misma dirección, y conviene señalarlo explícitamente. Levitt (2004) muestra que la mejora del mercado laboral no explica la caída del crimen en Estados Unidos durante los años noventa, en la que pesaron más el aumento del número de policías, el encarcelamiento, el fin del crack y la legalización del aborto. La lectura prudente es que el canal laboral contribuye a explicar los niveles y la distribución transversal del crimen patrimonial, pero difícilmente explica las tendencias agregadas de los homicidios. En los países en desarrollo la evidencia es distinta y más pertinente para Ecuador. Fajnzylber et al. (2002a), en un panel de aproximadamente 39 países (1970–1994) que incluye a América Latina, encuentran que la desigualdad y el desempleo aumentan los homicidios y los robos, y que el crecimiento económico los reduce; en un trabajo complementario, la desigualdad de ingreso —más que la pobreza— aparece como determinante robusto del crimen violento, con fuerte persistencia temporal de los niveles de criminalidad (Fajnzylber et al., 2002b). Con estrategias de identificación cuasi-experimental, Dix-Carneiro et al. (2018) muestran que las regiones brasileñas más expuestas a la liberalización comercial sufrieron aumentos de desempleo y, simultáneamente, de homicidios y delitos patrimoniales; y Britto et al. (2022), con microdatos del universo de trabajadores brasileños, encuentran que la pérdida del empleo aumenta el crimen —incluidos los delitos violentos— y que el seguro de desempleo lo mitiga sustancialmente. Soares (2004) complementa esta visión al argumentar que el desarrollo reduce el crimen mediante mayores costos de oportunidad y mejor capacidad estatal de disuasión. Metodológicamente, la literatura combina paneles con efectos fijos (Fajnzylber et al., 2002a), variables instrumentales (Raphael & Winter-Ebmer, 2001; Edmark, 2005) y cuasi-experimentos (Dix-Carneiro et al., 2018). Dos implicaciones se derivan para el proyecto ecuatoriano. Primero, el efecto del mercado laboral sobre el crimen opera por niveles y con ajuste lento: explica la distribución transversal, pero no las olas de homicidios. Segundo, los efectos fijos estimados con un único corte transversal de la ENEMDU tienen baja potencia estadística; la literatura sugiere explotar la variación temporal de la encuesta para identificar el canal laboral. ### 1.2 Evidencia en América Latina y países comparables La literatura sobre América Latina coincide en que los picos de homicidios de la región no se explican por el desempleo agregado, sino por la interacción entre mercados ilegales rentables, presencia estatal débil y shocks que reducen el costo de oportunidad del crimen. La evidencia causal más fuerte proviene de México: Dell (2015) muestra que la ofensiva contra los líderes de los cárteles (2006–2010) no disuadió, sino que decapitó redes y fragmentó organizaciones, elevando los homicidios en los municipios con presencia previa de tráfico; Castillo et al. (2020) estiman que un aumento de 10 % en las incautaciones de cocaína en Colombia eleva los homicidios en México entre 0,59 % y 0,91 %, porque la escasez de oferta intensifica la competencia violenta por las rentas; y Osorio (2015) documenta que la violencia del narcotráfico se contagia espacialmente entre municipios, con mayor intensidad donde las instituciones locales son débiles. En Colombia, Dube & Vargas (2013) identifican el canal laboral: las caídas del precio del café —que reducen el ingreso lícito— aumentan el conflicto, mientras que las subidas del petróleo lo aumentan por el efecto rapiña; y Angrist & Kugler (2008) muestran que la expansión del cultivo de coca financió a los grupos armados sin elevar el ingreso lícito de los hogares. Frente a esta evidencia, los paneles internacionales matizan el rol del desempleo: Fajnzylber et al. (2002a) no lo encuentran como determinante robusto del crimen violento, a diferencia de la desigualdad de ingreso y de la baja probabilidad de castigo; y Gaviria & Pagés (2002) muestran, para ocho ciudades capitales latinoamericanas, que la victimización crece con la desigualdad y el tamaño urbano, y que algunos delitos responden al ingreso y al desempleo. Un segundo bloque de evidencia conecta directamente las pandillas, la gobernanza criminal y el mercado laboral. Cruz (2010) documenta la evolución de las maras centroamericanas de pandillas juveniles callejeras a organizaciones transnacionales de extorsión y protección con control territorial. Melnikov et al. (2025) cuantifican el efecto laboral de ese control en El Salvador: los residentes de territorios dominados por la MS-13 y el Barrio 18 ganan aproximadamente 350 dólares mensuales menos y los trabajadores más calificados tienden a migrar, lo que destruye el mercado laboral lícito local. Sviatschi (2022a) muestra, con datos de Perú, que la exposición infantil a mercados laborales ilegales —el cultivo de coca— aumenta la probabilidad de seguir carreras criminales en la adultez, lo que apunta a un canal de formación de capital criminal relevante para el reclutamiento juvenil. Lessing (2021) ofrece el marco conceptual: cuando los grupos criminales proveen orden y protección, la violencia puede ser baja en equilibrio, y los golpes estatales pueden romper ese equilibrio y escalar la violencia. En esa línea, Lessing (2015) argumenta que los grupos usan la violencia estratégicamente contra el Estado, y Magaloni et al. (2020) muestran que, en favelas de Río de Janeiro con gobernanza criminal consolidada, la presencia policial sin legitimidad produce violencia letal. La evidencia sobre las respuestas estatales es consistente en su cautela. Las estrategias de "mano dura" fueron ineficaces o contraproducentes en Centroamérica (Jütersonke et al., 2009; Wolf, 2012); la decapitación de líderes fragmentó a los grupos y elevó la violencia en México (Dell, 2015); y las treguas negociadas sin condiciones generaron efectos perversos en El Salvador, al convertir la violencia en capital de negociación (Jones & Lloyd, 2024). En contraste, la evidencia favorece las intervenciones que mejoran las oportunidades lícitas y la capacidad estatal con legitimidad: las transferencias condicionadas de ingreso redujeron el crimen en Brasil (Chioda et al., 2016); el entrenamiento vocacional para jóvenes vulnerables en Colombia fue costo-efectivo para mejorar su empleo e ingresos (Attanasio et al., 2011); y la construcción del monopolio estatal de la violencia aparece como condición de fondo (Acemoglu et al., 2013; Soares, 2004). En conjunto, la literatura regional sugiere que el canal laboral opera por la calidad y disponibilidad de alternativas lícitas en economías informales —más que por la tasa de desempleo en sí— y que los mecanismos dominantes de las olas de homicidios son los mercados ilegales y la gobernanza criminal. ### 1.3 Implicaciones para el caso ecuatoriano Los hallazgos del proyecto ecuatoriano son coherentes con esta literatura, aunque deben leerse con cautela. En el plano descriptivo, Ecuador pasó de 996 homicidios en 2018 a 9 283 en 2025 —una tasa de aproximadamente 51 por 100 000 habitantes—, con 4 154 homicidios solo en el primer semestre de 2026 y una concentración marcada en Guayas, que acumula el 44,2 % del total del período 2018–2025. En el plano laboral, la ENEMDU 2024-II registra un desempleo abierto bajo (3,48 %), pero un subempleo alto (20,97 %) y un empleo adecuado de apenas 35,01 %: un perfil de informalidad e ingresos precarios típico de las economías donde la literatura encuentra efectos laborales sobre el crimen (Fajnzylber et al., 2002a; Britto et al., 2022). La asociación transversal medida en el proyecto es débil: las correlaciones de Pearson entre indicadores laborales y homicidios no superan 0,34, aunque la correlación de Spearman entre subempleo y homicidios en 2025 alcanza 0,42, y los efectos fijos estimados no son estadísticamente significativos. Ese patrón es exactamente el que predice la literatura internacional. Primero, una correlación transversal positiva pero modesta entre precariedad laboral y homicidios es consistente con los estudios de países en desarrollo (Chiricos, 1987; Fajnzylber et al., 2002a), pero no identifica causalidad: puede reflejar causalidad inversa —el crimen destruye empleo e inversión, como documenta el FMI (2024) para Ecuador— o confusores comunes, pues Guayas concentra simultáneamente los puertos de tránsito de cocaína, la presencia de grupos de crimen organizado y altos niveles de subempleo. Segundo, los efectos fijos no significativos con un corte transversal son el resultado esperable cuando el efecto laboral es de nivel, pequeño y de ajuste lento, y cuando la variación identificable en un solo corte es insuficiente (Draca & Machin, 2015). La lectura de fondo es que la ola de homicidios 2021–2025 difícilmente puede atribuirse al mercado laboral. La evidencia comparada atribuye los picos de homicidios de la región a dinámicas de crimen organizado y mercados ilegales: shocks de oferta de cocaína que se transmiten a los países de tránsito (Castillo et al., 2020), fragmentación de grupos tras operativos estatales (Dell, 2015; Lessing, 2015) y ruptura de equilibrios de gobernanza criminal (Lessing, 2021). El hecho de que la escalada ecuatoriana preceda a los decretos de 2024 indica que el detonante no fue la respuesta estatal reciente, pero no descarta que dinámicas previas de fragmentación y competencia entre grupos —y su interacción con la capacidad estatal— sean el canal dominante. El mercado laboral aparece más bien como factor de fondo: en un contexto de subempleo alto e informalidad, el costo de oportunidad de las economías ilegales para los jóvenes es bajo (Dube & Vargas, 2013; Sviatschi, 2022a), y el control territorial de los grupos distorsiona adicionalmente el empleo lícito local (Melnikov et al., 2025). En síntesis, la literatura apoya la conclusión del proyecto de que los indicadores laborales muestran una asociación débil con los homicidios en corte transversal y no constituyen el motor de la ola, cuyo análisis debe centrarse en factores no laborales: crimen organizado, mercados ilegales y capacidad estatal. ### Referencias del capítulo 1 Acemoglu, D., Robinson, J. A. y Santos, R. J. (2013). The Monopoly of Violence: Evidence from Colombia. Journal of the European Economic Association. DOI: https://doi.org/10.1111/j.1542-4774.2012.01099.x Angrist, J. D. y Kugler, A. D. (2008). Rural Windfall or a New Resource Curse? Coca, Income, and Civil Conflict in Colombia. Review of Economics and Statistics. DOI: https://doi.org/10.1162/rest.90.2.191 Attanasio, O., Kugler, A. y Meghir, C. (2011). Subsidizing Vocational Training for Disadvantaged Youth in Colombia: Evidence from a Randomized Trial. American Economic Journal: Applied Economics. DOI: https://doi.org/10.1257/app.3.3.188 Becker, G. S. (1968). Crime and Punishment: An Economic Approach. Journal of Political Economy. DOI: https://doi.org/10.1086/259394 Britto, D. G. C., Pinotti, P. y Sampaio, B. (2022). The Effect of Job Loss and Unemployment Insurance on Crime in Brazil. Econometrica. DOI: https://doi.org/10.3982/ecta18984 Castillo, J. C., Mejía, D. y Restrepo, P. (2020). Scarcity without Leviathan: The Violent Effects of Cocaine Supply Shortages in the Mexican Drug War. Review of Economics and Statistics. DOI: https://doi.org/10.1162/rest_a_00801 Chiricos, T. G. (1987). Rates of Crime and Unemployment: An Analysis of Aggregate Research Evidence. Social Problems. DOI: https://doi.org/10.1525/sp.1987.34.2.03a00060 Chioda, L., de Mello, J. M. P. y Soares, R. R. (2016). Spillovers from conditional cash transfer programs: Bolsa Família and crime in urban Brazil. Economics of Education Review. DOI: https://doi.org/10.1016/j.econedurev.2015.04.005 Cruz, J. M. (2010). Central American maras: from youth street gangs to transnational protection rackets. Global Crime. DOI: https://doi.org/10.1080/17440572.2010.519518 Dell, M. (2015). Trafficking Networks and the Mexican Drug War. American Economic Review. DOI: https://doi.org/10.1257/aer.20121637 Dix-Carneiro, R., Soares, R. R. y Ulyssea, G. (2018). Economic Shocks and Crime: Evidence from the Brazilian Trade Liberalization. American Economic Journal: Applied Economics. DOI: https://doi.org/10.1257/app.20170080 Draca, M. y Machin, S. (2015). Crime and Economic Incentives. Annual Review of Economics. DOI: https://doi.org/10.1146/annurev-economics-080614-115808 Dube, O. y Vargas, J. F. (2013). Commodity Price Shocks and Civil Conflict: Evidence from Colombia. The Review of Economic Studies. DOI: https://doi.org/10.1093/restud/rdt009 Edmark, K. (2005). Unemployment and Crime: Is There a Connection? The Scandinavian Journal of Economics. DOI: https://doi.org/10.1111/j.1467-9442.2005.00412.x Ehrlich, I. (1973). Participation in Illegitimate Activities: A Theoretical and Empirical Investigation. Journal of Political Economy. DOI: https://doi.org/10.1086/260058 Fajnzylber, P., Lederman, D. y Loayza, N. (2002a). What causes violent crime? European Economic Review. DOI: https://doi.org/10.1016/s0014-2921(01)00096-4 Fajnzylber, P., Lederman, D. y Loayza, N. (2002b). Inequality and Violent Crime. The Journal of Law and Economics. DOI: https://doi.org/10.1086/338347 Fondo Monetario Internacional (2024). Crime and Its Macroeconomic Impact in Ecuador. IMF Working Paper 2024/358. DOI: https://doi.org/10.5089/9798400297724.002.a003 Fougère, D., Kramarz, F. y Pouget, J. (2009). Youth Unemployment and Crime in France. Journal of the European Economic Association. DOI: https://doi.org/10.1162/jeea.2009.7.5.909 Gaviria, A. y Pagés, C. (2002). Patterns of crime victimization in Latin American cities. Journal of Development Economics. DOI: https://doi.org/10.1016/s0304-3878(01)00183-3 Gould, E. D., Weinberg, B. A. y Mustard, D. B. (2002). Crime Rates and Local Labor Market Opportunities in the United States: 1979–1997. Review of Economics and Statistics. DOI: https://doi.org/10.1162/003465302317331919 Jones, C. y Lloyd, P. (2024). Killing as Capital: Perverse Effects of Truce Negotiations on Gang Violence in El Salvador. Journal of Empirical Legal Studies. DOI: https://doi.org/10.1111/jels.12407 Jütersonke, O., Muggah, R. y Rodgers, D. (2009). Gangs, Urban Violence, and Security Interventions in Central America. Security Dialogue. DOI: https://doi.org/10.1177/0967010609343298 Lessing, B. (2015). Logics of Violence in Criminal War. Journal of Conflict Resolution. DOI: https://doi.org/10.1177/0022002715587100 Lessing, B. (2021). Conceptualizing Criminal Governance. Perspectives on Politics. DOI: https://doi.org/10.1017/s1537592720001243 Levitt, S. D. (2004). Understanding Why Crime Fell in the 1990s: Four Factors that Explain the Decline and Six that Do Not. Journal of Economic Perspectives. DOI: https://doi.org/10.1257/089533004773563485 Machin, S. y Meghir, C. (2004). Crime and Economic Incentives. Journal of Human Resources. DOI: https://doi.org/10.3368/jhr.XXXIX.4.958 Magaloni, B., Franco-Vivanco, E. y Melo, V. (2020). Killing in the Slums: Social Order, Criminal Governance, and Police Violence in Rio de Janeiro. American Political Science Review. DOI: https://doi.org/10.1017/s0003055419000856 Melnikov, N., Schmidt-Padilla, C. y Sviatschi, M. M. (2025). Gangs, Labor Mobility, and Development. Econometrica. DOI: https://doi.org/10.3982/ecta21305 Osorio, J. (2015). The Contagion of Drug Violence: Spatiotemporal Dynamics and the Effectiveness of Anti-Drug Policy. Journal of Conflict Resolution. DOI: https://doi.org/10.1177/0022002715587048 Raphael, S. y Winter-Ebmer, R. (2001). Identifying the Effect of Unemployment on Crime. The Journal of Law and Economics. DOI: https://doi.org/10.1086/320275 Soares, R. R. (2004). Development, crime and punishment: accounting for the international differences in crime rates. Journal of Development Economics. DOI: https://doi.org/10.1016/j.jdeveco.2002.12.001 Sviatschi, M. M. (2022a). Making a NARCO: Childhood Exposure to Illegal Labor Markets and Criminal Life Paths. Econometrica. DOI: https://doi.org/10.3982/ecta17082 Wolf, S. (2012). Mara Salvatrucha: The Most Dangerous Street Gang in the Americas? Latin American Politics and Society. DOI: https://doi.org/10.1111/j.1548-2456.2012.00143.x --- # Capítulo 2: Metodologías robustas de inferencia causal y evaluación de impacto - **Rol**: redacción técnica-académica (español) - **Fuentes**: subagent_13.md (métodos causales y econometría) y subagent_14.md (evaluaciones de impacto); todas las DOIs verificadas vía Crossref el 2026-08-15 por los subagentes de origen - **Fecha**: 2026-08-15 - **Idioma**: español; títulos de papers y nombres propios en su idioma original - **Restricción**: ninguna referencia fuera de las dos fuentes; sin afirmaciones de política pública --- ## 2. Metodologías robustas de inferencia causal y evaluación de impacto Este capítulo sistematiza el aparato metodológico del proyecto: los métodos causales aplicables al diseño empírico disponible (panel provincia-trimestre 2018Q1–2026Q2, 24 provincias, 816 observaciones; un solo corte provincial de la ENEMDU en 2024-II; decretos de tratamiento, en particular el Decreto 111 en 2024Q1) y la evidencia internacional de evaluaciones de impacto sobre crimen que permite calibrar expectativas e interpretar resultados. La premisa transversal es la honestidad metodológica: distinguir con claridad lo que los datos actuales permiten estimar de lo que solo es agenda futura, y no atribuir a métodos lo que estos no pueden identificar. ### 2.1 Diferencias en diferencias y variantes modernas (tratamiento escalonado) El estimador de diferencias en diferencias (DiD) responde a un problema concreto: aislar el efecto de un tratamiento cuando existen factores de confusión no observados que varían entre unidades y entre períodos. Su versión de efectos fijos bidireccionales (TWFE) con efectos fijos de provincia y de periodo es la base del proyecto: identifica el efecto del Decreto 111 comparando la evolución de las provincias tratadas con la de las no tratadas, depurando la heterogeneidad permanente entre provincias y los shocks temporales comunes (por ejemplo, el ciclo nacional de violencia). El supuesto central es el de tendencias paralelas: en ausencia del decreto, el resultado de las tratadas habría seguido la misma trayectoria que el de las controles. A ello se suman los supuestos de no anticipación (las provincias no ajustan su comportamiento antes del tratamiento) y de SUTVA (el tratamiento de una provincia no contamina el resultado de otra), este último especialmente exigente en Ecuador por los vínculos migratorios y comerciales entre Guayas, Pichincha y Esmeraldas. Tres problemas prácticos condicionan la implementación. Primero, la autocorrelación serial: en paneles largos, los errores estándar convencionales de DiD subestiman la varianza y producen rechazos espurios de la hipótesis nula; la corrección estándar es agrupar los errores a nivel de la unidad tratada (Bertrand, Duflo & Mullainathan, 2004). Segundo, el número de clústeres: con solo 24 provincias, la asintótica del cluster-robust es poco confiable, y la desigualdad de tamaños (Guayas y Pichincha frente a las provincias amazónicas) agrava el problema; la corrección recomendada es el wild cluster bootstrap con restricción nula (WCR), que controla el tamaño del test con pocos clústeres y tamaños heterogéneos (MacKinnon & Webb, 2017). Tercero, la heterogeneidad de efectos con adopción escalonada: cuando las unidades entran al tratamiento en fechas distintas y los efectos varían entre cohortes, el TWFE utiliza "comparaciones prohibidas" (unidades ya tratadas como controles de otras tratadas) y puede sesgarse incluso en el signo (de Chaisemartin & D'Haultfœuille, 2020; Goodman-Bacon, 2021). La literatura moderna ofrece respuestas: el estimador DID_M de de Chaisemartin & D'Haultfœuille (2020); los ATT(g,t) por cohorte de Callaway & Sant'Anna (2021); el estimador interaction-weighted (IW) de Sun & Abraham (2021) para event studies dinámicos no contaminados entre cohortes; y la estimación eficiente por imputación de Borusyak, Jaravel & Spiess (2024). La aplicación al caso ecuatoriano requiere una distinción decisiva. Si el Decreto 111 se aplicó simultáneamente a todas las provincias tratadas, no existen comparaciones prohibidas: el TWFE dinámico es válido y los estimadores modernos colapsan al DiD estándar, sin agregar poder. Si, en cambio, los decretos de 2024–2026 se adoptaron en fechas distintas entre provincias, entonces Callaway & Sant'Anna (2021) o Borusyak, Jaravel & Spiess (2024) pasan a ser la especificación principal y la descomposición de Goodman-Bacon (2021) el diagnóstico obligatorio del peso de las comparaciones prohibidas. En cualquier caso, la inferencia debe reportarse con p-valores de wild cluster bootstrap a nivel provincia (MacKinnon & Webb, 2017) y compararse con la t con G−1 grados de libertad. Finalmente, un punto de cautela: el placebo del event study (2021Q1) no valida las tendencias paralelas —los pre-test tienen baja potencia y condicionar el diseño a su no-significancia sesga la inferencia (Roth, 2022)—; los coeficientes dinámicos deben interpretarse con sus intervalos completos y sin filtrar especificaciones por la significancia del placebo. ### 2.2 Control sintético y event study El control sintético (SCM) resuelve el problema inverso del DiD: estimar el efecto de un evento sobre una unidad agregada cuando no existe un control natural creíble. El método construye el contrafactual como combinación convexa de unidades no tratadas (donor pool) que replica la trayectoria pre-tratamiento de la unidad de interés, tanto en el resultado como en predictores (Abadie & Gardeazabal, 2003; Abadie, Diamond & Hainmueller, 2010, 2015). Sus supuestos son: no anticipación, que las unidades del donor pool no estén afectadas por el tratamiento, y un buen ajuste pre-tratamiento; la inferencia, con muestras pequeñas, se hace por permutación: comparar la brecha post-tratamiento de la unidad tratada con la distribución de brechas de los placebos (cada unidad del pool tratada ficticiamente) (Abadie, Diamond & Hainmueller, 2010). En el proyecto, el SCM se aplica a Esmeraldas con un donor pool de 23 provincias. Los números reportados —RMSE pre-tratamiento de 4,78 y brecha media post de −4,87— solo adquieren significado contra esa distribución de placebos: el p-valor mínimo alcanzable es aproximadamente 1/24, por lo que la evidencia es ilustrativa, no inferencia fina. La robustez exige documentar los pesos de cada provincia en el sintético, excluir donantes con mal ajuste y evaluar el RMSE pre contra el del resto del pool (Abadie, Diamond & Hainmueller, 2015; Abadie & Gardeazabal, 2003). El event study (o DiD dinámico) complementa al SCM estimando la trayectoria completa del efecto: coeficientes por periodo relativo al tratamiento que permiten visualizar tanto el cumplimiento de las tendencias paralelas pre-tratamiento como la dinámica del efecto post. En el diseño ecuatoriano se estima con efectos fijos provincia+periodo, con el Decreto 111 en 2024Q1 y placebo en 2021Q1. Dos advertencias metodológicas gobiernan su lectura: el placebo no valida los supuestos (Roth, 2022), y si existieran múltiples fechas de tratamiento, los coeficientes TWFE de tiempo relativo se contaminarían entre cohortes, lo que se corrige con el estimador IW de Sun & Abraham (2021). Con una única fecha, IW y event study estándar coinciden. ### 2.3 Regresión discontinua, variables instrumentales y métodos de ML causal (Double ML, causal forest) Tres familias de métodos se descartan o difieren para el diseño actual, y es importante documentar por qué. La regresión discontinua (RD) explota un umbral de elegibilidad que asigna el tratamiento de forma determinista o cuasi-determinista en función de una variable continua; requiere continuidad de los resultados potenciales en el corte y ausencia de manipulación de la variable de asignación (Imbens & Lemieux, 2008). En Ecuador no existe hoy un umbral creíble (por ejemplo, una tasa de criminalidad que active un decreto), y el corte único de la ENEMDU no genera un diseño RD: el método se descarta para el análisis actual y queda condicionado a que futuros decretos definan umbrales de elegibilidad. Las variables instrumentales (IV) requieren un instrumento: variación exógena del tratamiento (crimen o empleo, según la dirección) que afecte el resultado solo a través del tratamiento —relevancia, exogeneidad, exclusión y monotonicidad (Angrist & Pischke, 2009)—. No se ha identificado un instrumento creíble para la criminalidad ecuatoriana (por ejemplo, variación policial o judicial no correlacionada con shocks laborales), por lo que la dirección crimen→empleo no es identificable hoy; se documenta como gap de diseño, no como omisión. Finalmente, el ML causal: el Double/Debiased Machine Learning (DML) combina ortogonalidad de Neyman y cross-fitting para obtener inferencia válida cuando el ML selecciona controles entre muchas covariables (Chernozhukov et al., 2018), y los causal forests estiman efectos heterogéneos (CATE) con árboles honestos y control de propensión (Wager & Athey, 2018). Ambos exigen muestras grandes: no son aplicables al panel agregado de 816 observaciones y 24 clústeres, y requerirían microdatos individuales de la ENEMDU con covariables ricas. Se incorporan al reporte como agenda futura, no como método del análisis actual. ### 2.4 Evaluación de impacto: diseños y evidencia de intervenciones sobre crimen La literatura de evaluación de impacto sobre crimen ofrece magnitudes de referencia para calibrar qué puede esperarse de distintas intervenciones, aunque ninguna proviene de Ecuador: no existe una evaluación de impacto indexada específica para el país, y toda la evidencia se traslada por analogía. Los hallazgos se agrupan en cuatro bloques. Primero, la presencia policial focalizada. La evidencia experimental y cuasi-experimental muestra efectos disuasivos reales pero modestos y locales: reducciones de 6–13 % en llamadas por crimen con patrullaje duplicado en puntos calientes de Minneapolis (Sherman & Weisburd, 1995); una caída de aproximadamente 75 % en robos de autos en las cuadras protegidas por policía fija tras el atentado de 1994 en Buenos Aires, sin efecto apreciable a una o dos cuadras de distancia (Di Tella & Schargrodsky, 2004); reducciones pequeñas pero significativas en el meta-análisis de hot spots policing (Braga, Papachristos & Hureau, 2014); y una elasticidad crimen-policía negativa en ciudades estadounidenses (Chalfin & McCrary, 2018; Evans & Owens, 2007; Klick & Tabarrok, 2005). La advertencia más directa para Ecuador es el RCT a gran escala de Bogotá (1.919 calles, 2016): duplicar el patrullaje sin focalización no produjo reducciones sustantivas del crimen y sí desplazamiento a calles vecinas, con intervalos de confianza que descartan reducciones totales superiores a 2 % (Blattman, Green, Ortega & Tobón, 2021). En conjunto, la disuasión policial aplica sobre todo a delitos de oportunidad (robo, desorden), no directamente a homicidios de crimen organizado. Segundo, los programas de empleo juvenil. Los RCT latinoamericanos documentan efectos laborales reales pero moderados: Jóvenes en Acción (Colombia) aumentó ingresos en 19,6 % y empleo asalariado formal en 6,8 puntos porcentuales entre mujeres, con efectos menores en hombres (Attanasio, Kugler & Meghir, 2011); Juventud y Empleo (República Dominicana) mostró poco efecto en empleo promedio pero efectos significativos en empleo formal e ingresos en el seguimiento a seis años (Card, Ibarrarán, Regalia, Rosas-Shady & Soares, 2011; Ibarrarán, Kluve, Ripani & Rosas Shady, 2019). Ninguno de estos estudios mide homicidios. El experimento de Liberia con hombres de alto riesgo encontró que empleo agrícola más capital redujo horas en actividades ilícitas, pero sin medición de homicidios y con bajo impacto del entrenamiento sin capital (Blattman & Annan, 2016). No existe, pues, base empírica indexada para afirmar ni negar un efecto de los programas de empleo sobre homicidios en la región. Tercero, las transferencias monetarias condicionadas. La evidencia causal más sólida de una política social con efectos sobre crimen en América Latina proviene de Bolsa Família en São Paulo: la cobertura del programa redujo el crimen urbano de forma robusta, con mecanismo de ingreso y cambio de pares más que de incapacitación escolar (Chioda, De Mello & Soares, 2016). Es la referencia directa para programas homólogos como el Bono de Desarrollo Humano, con la salvedad de que el efecto es contemporáneo y local. Cuarto, las estrategias represivas. La evidencia es sistemáticamente adversa en contextos de crimen organizado: en México, las victorias electorales ajustadas de partidos que combatieron al narcotráfico y la captura de líderes de cárteles aumentaron la violencia ligada a disputas territoriales, con derrames hacia rutas alternativas (Dell, 2015; Calderón, Robles, Díaz-Cayeros & Magaloni, 2015; Osorio, 2015); la expansión de pandillas vía deportaciones desde EE. UU. incrementó homicidios y reclutamiento en El Salvador (Sviatschi, 2022b); y el análisis de series nacionales 2003–2022 encuentra que las fases de mano dura tuvieron aproximadamente 54 % más homicidios mensuales que las fases de tregua, con unos 17.767 homicidios atribuibles a la mano dura (Escaño, McDowall & Pridemore, 2025). Los modelos de interrupción de violencia tipo Cure Violence muestran resultados mixtos y altamente dependientes del sitio (Webster, Whitehill, Vernick & Curriero, 2013; Butts, Roman, Bostwick & Porter, 2015), y la gran reforma estatal de Pernambuco (Pacto por la Vida) documenta reducciones grandes de homicidios, pero con evidencia descriptiva, no causal (Ratton, Galvão & Fernandez, 2014). La lectura para el proyecto es directa: la literatura no respalda un canal directo empleo→homicidios; los efectos documentados de los programas de empleo son laborales, y los efectos sobre crimen se concentran en delitos patrimoniales o en contextos sin crimen organizado dominante. Esto es consistente con los hallazgos del propio proyecto (asociación laboral transversal débil; la ola de homicidios precede a los decretos) y con la interpretación de que la violencia ecuatoriana está impulsada por disputas de grupos armados: en ese tipo de violencia, la evidencia indexada muestra que la represión sin control territorial tiende a escalar homicidios, mientras que las políticas de inclusión tienen efectos indirectos, lentos y de magnitud incierta. ### 2.5 Hoja de ruta metodológica para Ecuador: qué se puede estimar hoy y qué requiere más datos Con los datos actuales se puede estimar, de forma válida: (i) el ATT promedio y dinámico del Decreto 111 mediante event study con efectos fijos provincia+periodo, con inferencia por wild cluster bootstrap a nivel provincia y comparación con la t con G−1 grados de libertad (Bertrand, Duflo & Mullainathan, 2004; MacKinnon & Webb, 2017); (ii) heterogeneidad gruesa por región —el fallback OLS con dummies regionales y errores agrupados ante el corte único ENEMDU— y por subgrupos, interpretada con cautela dado N=24; (iii) control sintético provincia a provincia para las provincias tratadas, con inferencia por placebos, documentación de pesos y sensibilidad del donor pool (Abadie & Gardeazabal, 2003; Abadie, Diamond & Hainmueller, 2010, 2015); (iv) diagnósticos: descomposición de Goodman-Bacon (2021) e IW de Sun & Abraham (2021) si hubiera múltiples fechas; y (v) correlaciones transversales (N=24) como estadística descriptiva, nunca como evidencia causal. Cuatro extensiones de datos cambiarían el menú metodológico. Primero, un panel laboral histórico trimestral 2018–2026: encadenar múltiples cortes de la ENEMDU (hoy solo existe el corte provincial 2024-II) permitiría controlar la composición de la fuerza laboral —los cambios de composición entre trimestres confunden el resultado agregado— y construir predictores de empleo para el SCM. Segundo, datos a nivel cantonal: multiplicaría las unidades (mitigando el problema de 24 clústeres), permitiría análisis de spillovers entre unidades contiguas, donantes sintéticos más comparables y, potencialmente, umbrales de elegibilidad para RD. Tercero, registros administrativos (homicidios, policía, judiciales): habilitaría candidatos a instrumento para IV y validación de subregistro. Cuarto, microdatos individuales de la ENEMDU: con n grande y covariables ricas, habilitaría DML (Chernozhukov et al., 2018) y causal forests (Wager & Athey, 2018) para efectos heterogéneos. Finalmente, la variación real en fechas de adopción de los decretos 2024–2026 activaría el poder de los estimadores escalonados modernos (Callaway & Sant'Anna, 2021; Borusyak, Jaravel & Spiess, 2024). Reglas metodológicas transversales: no condicionar la narrativa en la no-significancia de placebos (Roth, 2022); reportar siempre inferencia robusta a pocos clústeres; y declarar los supuestos de SUTVA como riesgo ante la migración y los vínculos comerciales entre provincias. ### Referencias del capítulo 2 - Abadie, A., & Gardeazabal, J. (2003). The Economic Costs of Conflict: A Case Study of the Basque Country. *American Economic Review*, 93(1), 113–132. https://doi.org/10.1257/000282803321455188 - Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. *Journal of the American Statistical Association*, 105(490), 493–505. https://doi.org/10.1198/jasa.2009.ap08746 - Abadie, A., Diamond, A., & Hainmueller, J. (2015). Comparative Politics and the Synthetic Control Method. *American Journal of Political Science*, 59(2), 495–510. https://doi.org/10.1111/ajps.12116 - Angrist, J. D., & Pischke, J.-S. (2009). *Mostly Harmless Econometrics: An Empiricist's Companion*. Princeton University Press. https://doi.org/10.1515/9781400829828 - Attanasio, O., Kugler, A., & Meghir, C. (2011). Subsidizing Vocational Training for Disadvantaged Youth in Colombia: Evidence from a Randomized Trial. *American Economic Journal: Applied Economics*, 3(3), 188–220. https://doi.org/10.1257/app.3.3.188 - Bertrand, M., Duflo, E., & Mullainathan, S. (2004). How Much Should We Trust Differences-In-Differences Estimates? *The Quarterly Journal of Economics*, 119(1), 249–275. https://doi.org/10.1162/003355304772839588 - Blattman, C., & Annan, J. (2016). Can Employment Reduce Lawlessness and Rebellion? A Field Experiment with High-Risk Men in a Fragile State. *American Political Science Review*, 110(1), 1–17. https://doi.org/10.1017/S0003055415000520 - Blattman, C., Green, D. P., Ortega, D., & Tobón, S. (2021). Place-Based Interventions at Scale: The Direct and Spillover Effects of Policing and City Services on Crime. *Journal of the European Economic Association*, 19(4), 2022-2051. https://doi.org/10.1093/jeea/jvab002 - Borusyak, K., Jaravel, X., & Spiess, J. (2024). Revisiting Event-Study Designs: Robust and Efficient Estimation. *Review of Economic Studies*, 91(6), 3253–3285. https://doi.org/10.1093/restud/rdae007 - Braga, A. A., Papachristos, A. V., & Hureau, D. M. (2014). The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis. *Justice Quarterly*, 31(4), 633–663. https://doi.org/10.1080/07418825.2012.673632 - Butts, J. A., Roman, C. G., Bostwick, L., & Porter, J. R. (2015). Cure Violence: A Public Health Model to Reduce Gun Violence. *Annual Review of Public Health*, 36, 39–53. https://doi.org/10.1146/annurev-publhealth-031914-122509 - Calderón, G., Robles, G., Díaz-Cayeros, A., & Magaloni, B. (2015). The Beheading of Criminal Organizations and the Dynamics of Violence in Mexico. *Journal of Conflict Resolution*, 59(8), 1455–1485. https://doi.org/10.1177/0022002715587053 - Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-Differences with multiple time periods. *Journal of Econometrics*, 225(2), 200–230. https://doi.org/10.1016/j.jeconom.2020.12.001 - Card, D., Ibarrarán, P., Regalia, F., Rosas-Shady, D., & Soares, Y. (2011). The Labor Market Impacts of Youth Training in the Dominican Republic. *Journal of Labor Economics*, 29(2), 267–300. https://doi.org/10.1086/658090 - Chalfin, A., & McCrary, J. (2018). Are U.S. Cities Underpoliced? Theory and Evidence. *The Review of Economics and Statistics*, 100(1), 167–186. https://doi.org/10.1162/rest_a_00694 - Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. *The Econometrics Journal*, 21(1), C1–C68. https://doi.org/10.1111/ectj.12097 - Chioda, L., De Mello, J. M. P., & Soares, R. R. (2016). Spillovers from conditional cash transfer programs: Bolsa Família and crime in urban Brazil. *Economics of Education Review*, 54, 306–320. https://doi.org/10.1016/j.econedurev.2015.04.005 - de Chaisemartin, C., & D'Haultfœuille, X. (2020). Two-Way Fixed Effects Estimators with Heterogeneous Treatment Effects. *American Economic Review*, 110(9), 2964–2996. https://doi.org/10.1257/aer.20181169 - Dell, M. (2015). Trafficking Networks and the Mexican Drug War. *American Economic Review*, 105(6), 1738–1779. https://doi.org/10.1257/aer.20121637 - Di Tella, R., & Schargrodsky, E. (2004). Do Police Reduce Crime? Estimates Using the Allocation of Police Forces After a Terrorist Attack. *American Economic Review*, 94(1), 115–133. https://doi.org/10.1257/000282804322970733 - Escaño, J., McDowall, D., & Pridemore, W. A. (2025). Mano Dura v. Uneasy Peace in El Salvador: Effects of Tough-on-Crime and Gang Truce Policies in the Former Murder Capital of the World. *The British Journal of Criminology*. https://doi.org/10.1093/bjc/azaf057 - Evans, W. N., & Owens, E. G. (2007). COPS and crime. *Journal of Public Economics*, 91(1–2), 181–201. https://doi.org/10.1016/j.jpubeco.2006.05.014 - Goodman-Bacon, A. (2021). Difference-in-differences with variation in treatment timing. *Journal of Econometrics*, 225(2), 254–277. https://doi.org/10.1016/j.jeconom.2021.03.014 - Ibarrarán, P., Kluve, J., Ripani, L., & Rosas Shady, D. (2019). Experimental Evidence on the Long-Term Effects of a Youth Training Program. *ILR Review*, 72(1), 185–222. https://doi.org/10.1177/0019793918768260 - Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. *Journal of Econometrics*, 142(2), 615–635. https://doi.org/10.1016/j.jeconom.2007.05.001 - Klick, J., & Tabarrok, A. (2005). Using Terror Alert Levels to Estimate the Effect of Police on Crime. *The Journal of Law and Economics*, 48(1), 267–279. https://doi.org/10.1086/426877 - MacKinnon, J. G., & Webb, M. D. (2017). Wild Bootstrap Inference for Wildly Different Cluster Sizes. *Journal of Applied Econometrics*, 32(2), 233–254. https://doi.org/10.1002/jae.2508 - Osorio, J. (2015). The Contagion of Drug Violence: Spatiotemporal Dynamics and the Effectiveness of Anti-Drug Policy. *Journal of Conflict Resolution*, 59(8), 1403–1432. https://doi.org/10.1177/0022002715587048 - Ratton, J. L., Galvão, C., & Fernandez, M. (2014). Pact for Life and the Reduction of Homicides in the State of Pernambuco. *Stability: International Journal of Security & Development*, 3(1). https://doi.org/10.5334/sta.dq - Roth, J. (2022). Pretest with Caution: Event-Study Estimates after Testing for Parallel Trends. *American Economic Review: Insights*, 4(3), 305–322. https://doi.org/10.1257/aeri.20210236 - Sherman, L. W., & Weisburd, D. (1995). General deterrent effects of police patrol in crime "hot spots": A randomized, controlled trial. *Justice Quarterly*, 12(4), 625–648. https://doi.org/10.1080/07418829500096221 - Sun, L., & Abraham, S. (2021). Estimating dynamic treatment effects in event studies with heterogeneous treatment effects. *Journal of Econometrics*, 225(2), 175–199. https://doi.org/10.1016/j.jeconom.2020.09.006 - Sviatschi, M. M. (2022b). Spreading Gangs: Exporting US Criminal Capital to El Salvador. *American Economic Review*, 112(6), 1985-2024. https://doi.org/10.1257/aer.20201540 - Wager, S., & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. *Journal of the American Statistical Association*, 113(523), 1228–1242. https://doi.org/10.1080/01621459.2017.1319839 - Webster, D. W., Whitehill, J. M., Vernick, J. S., & Curriero, F. C. (2013). Effects of Baltimore's Safe Streets Program on Gun Violence: A Replication of Chicago's CeaseFire Program. *Journal of Urban Health*, 90(1), 27–40. https://doi.org/10.1007/s11524-012-9731-5 --- # Capítulo 3: Recomendaciones para altos funcionarios de gobierno **Rol:** redacción de política pública basada en evidencia (español). **Fecha:** 2026-08-15. **Estado:** versión final. **Fuentes:** exclusivamente las referencias verificadas vía Crossref de los subagentes 11–14 (evidencia internacional, América Latina, métodos causales y evaluaciones de impacto) y los hallazgos del proyecto ecuatoriano (contexto provisto por el coordinador). Ninguna referencia inventada. --- ## 3. Recomendaciones para altos funcionarios de gobierno ### 3.1 Lectura ejecutiva de los hallazgos (qué se sabe, qué no se sabe) Ecuador pasó de 996 homicidios intencionales en 2018 a 9 283 en 2025, una tasa nacional de aproximadamente 51 por 100 000 habitantes, y registró 4 154 adicionales en el primer semestre de 2026. Guayas concentra el 44,2 % del acumulado 2018–2025, pero la escalada es un fenómeno nacional: excluyendo a Guayas, los homicidios crecieron 34,7 % en 2025 frente a 2024. Tres hallazgos de este proyecto ordenan la lectura para la toma de decisiones: 1. **La escalada precede a los decretos de "conflicto armado interno"** (Decretos 111 de enero de 2024, 218 de abril de 2024, 55 de julio de 2025 y 424 de junio de 2026). El event study no muestra efectos diferenciales significativos de los decretos sobre los homicidios y el placebo es plano en t≈0. No hay evidencia, ni a favor ni en contra, de que el marco de excepción haya cambiado la trayectoria de los homicidios. 2. **La asociación con el mercado laboral es débil.** El subempleo provincial (20,97 % nacional, ENEMDU 2024-II) correlaciona r≈0,34 con los homicidios de 2025 y los efectos fijos laborales no son significativos. Esto es consistente con la literatura: el desempleo predice con robustez los delitos patrimoniales, pero los homicidios responden sobre todo a mercados ilegales y disputas territoriales (Dell, 2015; Fajnzylber et al., 2002; Edmark, 2005). 3. **El control sintético de Esmeraldas** muestra que la provincia quedó por debajo de su contrafactual tras 2024 (brecha media de −4,87 por 100 000), pero es evidencia descriptiva de un caso, no evidencia causal (Abadie et al., 2010). Qué no se sabe —y debe decirse con claridad—: si las intervenciones del estado de excepción redujeron o incrementaron homicidios; si los programas de empleo pueden mover los homicidios en contextos de crimen organizado (no existe evidencia indexada que lo mida); y cuál es el efecto neto de la respuesta represiva sobre la estructura de los grupos armados. La honestidad sobre esta incertidumbre es un activo de gobierno: permite calibrar expectativas, asignar recursos donde hay evidencia y evaluar antes de prometer. ### 3.2 Fortalecer el sistema de datos y medición La primera recomendación no es operativa sino de infraestructura de decisión. El análisis causal requiere variación temporal de las estadísticas de empleo, y hoy el proyecto solo dispone de un corte provincial de la ENEMDU (2024-II). Sin múltiples cortes no es posible separar el efecto del mercado laboral sobre el crimen del efecto inverso —el crimen destruye empleo (FMI, 2024)— ni construir contrafactuales creíbles. [Evidencia alta] **Acciones concretas:** - **Publicar la ENEMDU con representatividad provincial y periodicidad trimestral**, con series encadenadas desde 2018, a cargo del INEC con respaldo de la Secretaría de Planificación. Es la inversión de datos con mayor retorno para el diseño de política: habilita paneles, controles sintéticos y evaluaciones que hoy son imposibles. - **Consolidar registros administrativos interoperables** (policía, fiscalía, sentencias, sistema penitenciario, afiliación al IESS, beneficiarios de transferencias) con identificadores estables y definiciones de homicidio estables en el tiempo. Los cambios de definición y el subregistro hacen vulnerable cualquier atribución causal (Escaño et al., 2025). - **Publicar oportunamente las cifras de homicidios desagregadas por cantón y por semana**, junto con las series de incautaciones y detenciones, para que la evaluación de las intervenciones sea posible desde el día uno y no años después. - **Crear una unidad de evidencia y analítica en seguridad**, dependiente de la Presidencia o del Ministerio del Interior con autonomía técnica, con el mandato de evaluar las intervenciones del estado de excepción, publicar resultados con independencia de su signo y asesorar la asignación de recursos. Su función es institucionalizar la evaluación, no justificar decisiones ya tomadas. **Fortaleza de la evidencia:** alta. Con 24 provincias, la inferencia convencional es poco confiable y se requieren métodos de pocos clústeres (MacKinnon y Webb, 2017; Bertrand et al., 2004); los pre-test de tendencias paralelas no validan diseños (Roth, 2022). Ninguna recomendación de este capítulo puede ejecutarse ni verificarse sin esta infraestructura. ### 3.3 Política de seguridad: priorizar policía focalizada y presencia estatal en zonas de alta letalidad **Recomendación:** concentrar los recursos de policía y presencia estatal en las zonas de alta letalidad —los cantones de Guayas y los corredores costeros—, con patrullaje focalizado, orientado por análisis de problemas y con metas medibles en delitos específicos. Evitar la mano dura generalizada y los golpes de descabezamiento sin un plan de consolidación territorial. [Evidencia alta para focalización; alta para evitar mano dura] **Lo que dice la evidencia.** La presencia policial focalizada tiene efectos disuasivos reales pero **modestos y locales**: el RCT de puntos calientes en Minneapolis redujo las llamadas por crimen entre 6 % y 13 % (Sherman y Weisburd, 1995); la asignación cuasi-experimental de policía fija en Buenos Aires redujo ~75 % el robo de autos en las cuadras protegidas, sin efectos apreciables a una o dos cuadras (Di Tella y Schargrodsky, 2004); el meta-análisis de hot spots confirma reducciones pequeñas pero significativas, con beneficios que se difunden a áreas contiguas (Braga et al., 2014). La lección operativa: focalización microterritorial con análisis de problemas, no patrullaje intensivo indiferenciado. **La advertencia más directa para Ecuador** es el RCT más grande de América Latina: en Bogotá, duplicar el patrullaje en 1 919 calles durante ocho meses no produjo reducciones significativas del crimen y sí desplazamiento hacia calles vecinas; los intervalos de confianza descartan reducciones totales superiores a 2 % (Blattman et al., 2021). Patrullaje por decreto, sin focalización, no tiene respaldo empírico. **La mano dura generalizada es contraproducente.** En El Salvador, el análisis de series nacionales 2003–2022 encuentra que las fases de mano dura tuvieron ~54 % más homicidios mensuales que las fases de tregua, con ~17 767 homicidios atribuibles al período represivo (Escaño et al., 2025); la represión fortaleció a las pandillas (Wolf, 2012), cuyo crecimiento está ligado a las deportaciones desde Estados Unidos (Sviatschi, 2022b) y las intervenciones tipo mano dura fueron ineficaces o contraproducentes frente a la prevención (Jütersonke et al., 2009). Los golpes a líderes sin control territorial fragmentan a los grupos y escalan la violencia (Dell, 2015; Calderón et al., 2015), y la violencia se contagia espacialmente hacia territorios con instituciones débiles (Osorio, 2015). **Presencia estatal con legitimidad.** En favelas con gobernanza criminal, la presencia policial sin legitimidad produce violencia letal (Magaloni et al., 2020); el objetivo institucional de largo plazo es reconstruir el monopolio estatal de la violencia con reglas claras y rendición de cuentas (Acemoglu et al., 2013). La lectura para el estado de excepción: la evidencia del proyecto (escalada previa a los decretos, event study plano) y la literatura regional coinciden en que la confrontación abierta sin capacidad territorial y sin legitimidad tiende a escalar los homicidios (Lessing, 2015; Dell, 2015). **Acciones verificables:** (1) definir los 100 puntos calientes de letalidad del país y asignarles patrullaje dirigido con metas trimestrales de reducción de robo, extorsión y homicidios; (2) acompañar la respuesta de excepción con un plan explícito de consolidación territorial y supervisión civil de la fuerza; (3) monitorear el desplazamiento del crimen hacia provincias vecinas (Osorio, 2015; Blattman et al., 2021) y ajustar la asignación en consecuencia; (4) complementar la policía con servicios municipales y presencia del Estado en los territorios intervenidos, como brazo no represivo de la misma estrategia. ### 3.4 Política laboral y de prevención: programas de empleo juvenil e inclusión **Recomendación:** expandir los programas de empleo juvenil y las transferencias monetarias condicionadas en los cantones de alta letalidad, con evaluación incorporada y con metas de inserción laboral —no de homicidios—. [Evidencia alta para efectos laborales; media/baja para efectos sobre homicidios] **La advertencia.** Los programas de empleo juvenil con mejor evidencia de la región —Jóvenes en Acción en Colombia (Attanasio et al., 2011) y Juventud y Empleo en República Dominicana (Card et al., 2011; Ibarrarán et al., 2019)— muestran efectos laborales reales pero modestos (en Jóvenes en Acción, +19,6 % de ingresos y +6,8 puntos de empleo asalariado formal para mujeres), y **ninguno mide homicidios**. No existe evidencia indexada de que el empleo juvenil reduzca homicidios en contextos de crimen organizado. Un gobierno que prometa eso a la ciudadanía estará prometiendo algo que la ciencia no puede respaldar. El empleo es una política de prevención estructural con horizontes largos, no un interruptor de la violencia. **Lo que sí tiene respaldo.** Las transferencias monetarias condicionadas son la política social con evidencia causal más sólida sobre crimen en América Latina: la expansión de Bolsa Família redujo el crimen urbano en São Paulo (Chioda et al., 2016). El Bono de Desarrollo Humano es el instrumento comparable en Ecuador y debe evaluarse con el mismo estándar. El canal de costo de oportunidad es real en países en desarrollo: shocks que reducen el ingreso lícito aumentan el conflicto y el reclutamiento (Dube y Vargas, 2013) y los homicidios (Dix-Carneiro et al., 2018); la pérdida de empleo aumenta el crimen y el seguro de desempleo lo mitiga (Britto et al., 2022). La exposición temprana a mercados laborales ilegales forma carreras criminales de largo plazo (Sviatschi, 2022a), y donde las pandillas controlan el territorio, restringen la movilidad laboral —los residentes ganan ~USD 350 mensuales menos— y expulsan a los más calificados (Melnikov et al., 2025; Cruz, 2010). Proteger a los jóvenes de territorios controlados por grupos armados, manteniéndolos en la escuela y en el trabajo lícito, es la forma más directa de prevenir el reclutamiento. **Acciones verificables:** (1) el Ministerio del Trabajo debe escalar programas de capacitación e inserción para jóvenes de 18 a 29 años en los cantones de mayor letalidad, con componente de capital y acompañamiento (Blattman y Annan, 2016) y con evaluación aleatoria o cuasi-experimental desde el diseño; (2) la Secretaría de Planificación debe evaluar el efecto del BDH sobre delitos patrimoniales y violencia en los cantones de alta cobertura, replicando el diseño de Chioda et al. (2016); (3) diseñar programas de prevención de reclutamiento escolarizados en los territorios con gobernanza criminal, con legitimidad comunitaria y sin estigmatización de los barrios (Wolf, 2012); (4) reportar metas de inserción laboral formal y permanencia escolar, no reducciones de homicidios atribuidas a estos programas. ### 3.5 Institucionalidad: evaluación de impacto del estado de excepción y agenda de investigación **Recomendación:** institucionalizar la evaluación de las intervenciones de seguridad y la investigación independiente, para que las decisiones se basen en evidencia acumulada y no en narrativas. [Evidencia alta] **Acciones concretas:** - **Evaluar los decretos de estado de excepción con los métodos que el proyecto ya tiene validados:** event study con efectos fijos provincia×periodo e inferencia con wild cluster bootstrap por provincia (MacKinnon y Webb, 2017; Bertrand et al., 2004), descomposición de Goodman-Bacon y estimador de Sun y Abraham como diagnósticos (Goodman-Bacon, 2021; Sun y Abraham, 2021), control sintético con inferencia por placebos (Abadie et al., 2010) y lectura cuidadosa de los pre-test (Roth, 2022). Encargar estas evaluaciones a la unidad de evidencia (3.2) o a universidades, con publicación obligatoria de resultados, sean favorables o no. - **Constituir una agenda de investigación con universidades:** liberar microdatos ENEMDU encadenados (múltiples cortes) y registros administrativos anonimizados para habilitar métodos de efectos heterogéneos a nivel individual (Chernozhukov et al., 2018; Wager y Athey, 2018), hoy inviables con el panel agregado de 24 provincias. Los convenios marco con universidades deben incluir pre-registro de evaluaciones y acceso igualitario a los datos. - **Adoptar gestión por resultados con coordinación interinstitucional:** el Pacto por la Vida de Pernambuco es el caso documentado de reducción grande de homicidios en la región mediante metas, coordinación entre policía, fiscalía y gobierno y rendición de cuentas (Ratton et al., 2014) —evidencia descriptiva, pero un modelo de gobernanza replicable—. Las síntesis regionales del BID y del Banco Mundial ofrecen el menú de prevención con mejor respaldo (Jaitman, 2017; Chioda, 2017). - **Regla institucional:** toda nueva intervención de seguridad o de empleo debe presentar, junto con su decreto o normativa, un diseño de evaluación ex ante (resultado esperado, comparador, datos necesarios). La Asamblea debe exigir este requisito en la aprobación de estados de excepción y presupuestos de seguridad. ### 3.6 Riesgos de interpretación (no confundir correlación con causalidad) Este capítulo cierra con advertencias deliberadas, porque el debate público ecuatoriano estará tentado a usos incorrectos de los datos: - **Correlación no es causalidad.** La correlación transversal subempleo↔homicidios (r≈0,34) es consistente con la literatura, pero las correlaciones transversales tienden a sobrestimar los efectos causales (Chiricos, 1987) y el desempleo no es un determinante robusto de los homicidios en los paneles internacionales (Fajnzylber et al., 2002; Edmark, 2005). No debe citarse como prueba de que el empleo reducirá los homicidios. - **No atribuir cambios en homicidios a políticas sin evaluación.** La ola 2021–2025 precede a los decretos y el event study es plano: no hay base para afirmar que los decretos redujeron (ni aumentaron) los homicidios. La historia de la criminología está llena de atribuciones erróneas a políticas que coincidieron con tendencias preexistentes (Levitt, 2004; Roth, 2022). - **Causalidad inversa.** El crimen también destruye empleo: el FMI estima un impacto macroeconómico negativo del crimen en Ecuador (FMI, 2024). La dirección del vínculo laboral↔crimen no está resuelta con los datos actuales. - **Confusores.** Guayas concentra a la vez los puertos de tránsito de cocaína, el crimen organizado y el subempleo; los shocks del mercado de drogas explican mejor las olas de homicidios que las condiciones laborales (Dell, 2015; Castillo et al., 2020). Atribuir la violencia guayasense al subempleo ignora el canal dominante. - **El control sintético de Esmeraldas es ilustrativo, no conclusivo.** Los p-valores de placebo son gruesos (mínimo ≈1/24) y las provincias pequeñas son volátiles (Abadie et al., 2010). No debe citarse como evaluación de la intervención en Esmeraldas. - **Las cifras de éxito represivo requieren escrutinio.** La atribución de caídas de homicidios a regímenes represivos es disputada y vulnerable a censura y cambios de definición (Escaño et al., 2025). El contraste de registros de este proyecto (4 619 vs 4 659, Δ≈0,9 %) es una señal de que las fuentes oficiales requieren validación cruzada. - **Regla de oro para el discurso oficial:** presentar los hallazgos con sus límites, citar la evaluación cuando exista y distinguir siempre entre lo que se sabe, lo que se sospecha y lo que se desconoce. ### Referencias del capítulo 3 Todas las referencias fueron verificadas vía Crossref (HTTP 200, título/autor/revista coincidentes) por los subagentes 11–14 al 15-08-2026; se listan solo las citadas en este capítulo. 1. Abadie, A., Diamond, A. y Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. *Journal of the American Statistical Association*, 105(490), 493–505. DOI: 10.1198/jasa.2009.ap08746 2. Acemoglu, D., Robinson, J. A. y Santos, R. J. (2013). The Monopoly of Violence: Evidence from Colombia. *Journal of the European Economic Association*, 11(S1), 5–44. DOI: 10.1111/j.1542-4774.2012.01099.x 3. Attanasio, O., Kugler, A. y Meghir, C. (2011). Subsidizing Vocational Training for Disadvantaged Youth in Colombia: Evidence from a Randomized Trial. *American Economic Journal: Applied Economics*, 3(3), 188–220. DOI: 10.1257/app.3.3.188 4. Bertrand, M., Duflo, E. y Mullainathan, S. (2004). How Much Should We Trust Differences-In-Differences Estimates? *The Quarterly Journal of Economics*, 119(1), 249–275. DOI: 10.1162/003355304772839588 5. Blattman, C. y Annan, J. (2016). Can Employment Reduce Lawlessness and Rebellion? A Field Experiment with High-Risk Men in a Fragile State. *American Political Science Review*, 110(1), 1–17. DOI: 10.1017/S0003055415000520 6. Blattman, C., Green, D., Ortega, D. y Tobón, S. (2021). Place-Based Interventions at Scale: The Direct and Spillover Effects of Policing and City Services on Crime. *Journal of the European Economic Association*, 19(4), 2022-2051. DOI: 10.1093/jeea/jvab002 7. Braga, A. A., Papachristos, A. V. y Hureau, D. M. (2014). The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis. *Justice Quarterly*, 31(4), 633–663. DOI: 10.1080/07418825.2012.673632 8. Britto, D. G. C., Pinotti, P. y Sampaio, B. (2022). The Effect of Job Loss and Unemployment Insurance on Crime in Brazil. *Econometrica*, 90(4), 1393–1423. DOI: 10.3982/ecta18984 9. Calderón, G., Robles, G., Díaz-Cayeros, A. y Magaloni, B. (2015). The Beheading of Criminal Organizations and the Dynamics of Violence in Mexico. *Journal of Conflict Resolution*, 59(8), 1455–1485. DOI: 10.1177/0022002715587053 10. Card, D., Ibarrarán, P., Regalia, F., Rosas-Shady, D. y Soares, Y. (2011). The Labor Market Impacts of Youth Training in the Dominican Republic. *Journal of Labor Economics*, 29(2), 267–300. DOI: 10.1086/658090 11. Castillo, J. C., Mejía, D. y Restrepo, P. (2020). Scarcity without Leviathan: The Violent Effects of Cocaine Supply Shortages in the Mexican Drug War. *The Review of Economics and Statistics*, 102(2), 269–286. DOI: 10.1162/rest_a_00801 12. Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W. y Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. *The Econometrics Journal*, 21(1), C1–C68. DOI: 10.1111/ectj.12097 13. Chioda, L. (2017). *Stop the Violence in Latin America: A Look at Prevention from Cradle to Adulthood*. Banco Mundial. DOI: 10.1596/978-1-4648-0664-3 14. Chioda, L., De Mello, J. M. P. y Soares, R. R. (2016). Spillovers from conditional cash transfer programs: Bolsa Família and crime in urban Brazil. *Economics of Education Review*, 54, 306–320. DOI: 10.1016/j.econedurev.2015.04.005 15. Chiricos, T. (1987). Rates of Crime and Unemployment: An Analysis of Aggregate Research Evidence. *Social Problems*, 34(2), 187–212. DOI: 10.1525/sp.1987.34.2.03a00060 16. Cruz, J. M. (2010). Central American maras: from youth street gangs to transnational protection rackets. *Global Crime*, 11(4), 379–398. DOI: 10.1080/17440572.2010.519518 17. Dell, M. (2015). Trafficking Networks and the Mexican Drug War. *American Economic Review*, 105(6), 1738–1779. DOI: 10.1257/aer.20121637 18. Di Tella, R. y Schargrodsky, E. (2004). Do Police Reduce Crime? Estimates Using the Allocation of Police Forces After a Terrorist Attack. *American Economic Review*, 94(1), 115–133. DOI: 10.1257/000282804322970733 19. Dix-Carneiro, R., Soares, R. R. y Ulyssea, G. (2018). Economic Shocks and Crime: Evidence from the Brazilian Trade Liberalization. *American Economic Journal: Applied Economics*, 10(4), 158–195. DOI: 10.1257/app.20170080 20. Dube, O. y Vargas, J. F. (2013). Commodity Price Shocks and Civil Conflict: Evidence from Colombia. *The Review of Economic Studies*, 80(4), 1384–1421. DOI: 10.1093/restud/rdt009 21. Edmark, K. (2005). Unemployment and Crime: Is There a Connection? *The Scandinavian Journal of Economics*, 107(2), 353–373. DOI: 10.1111/j.1467-9442.2005.00412.x 22. Escaño, J., McDowall, D. y Pridemore, W. A. (2025). Mano Dura v. Uneasy Peace in El Salvador: Effects of Tough-on-Crime and Gang Truce Policies in the Former Murder Capital of the World. *The British Journal of Criminology*. DOI: 10.1093/bjc/azaf057 23. Fajnzylber, P., Lederman, D. y Loayza, N. (2002). What causes violent crime? *European Economic Review*, 46(7), 1323–1357. DOI: 10.1016/s0014-2921(01)00096-4 24. Fondo Monetario Internacional (2024). *Crime and Its Macroeconomic Impact in Ecuador*. IMF Working Paper 2024/358. DOI: 10.5089/9798400297724.002.a003 25. Goodman-Bacon, A. (2021). Difference-in-differences with variation in treatment timing: Theory and applications. *Journal of Econometrics*, 225(2), 254–277. DOI: 10.1016/j.jeconom.2021.03.014 26. Ibarrarán, P., Kluve, J., Ripani, L. y Rosas Shady, D. (2019). Experimental Evidence on the Long-Term Effects of a Youth Training Program. *ILR Review*, 72(1), 185–222. DOI: 10.1177/0019793918768260 27. Jaitman, L. (ed.) (2017). *The Costs of Crime and Violence: New Evidence and Insights in Latin America and the Caribbean*. Banco Interamericano de Desarrollo. DOI: 10.18235/0000615 28. Jütersonke, O., Muggah, R. y Rodgers, D. (2009). Gangs, Urban Violence, and Security Interventions in Central America. *Security Dialogue*, 40(4–5), 373–397. DOI: 10.1177/0967010609343298 29. Lessing, B. (2015). Logics of Violence in Criminal War. *Journal of Conflict Resolution*, 59(8), 1486–1516. DOI: 10.1177/0022002715587100 30. Levitt, S. D. (2004). Understanding Why Crime Fell in the 1990s: Four Factors that Explain the Decline and Six that Do Not. *Journal of Economic Perspectives*, 18(1), 163–190. DOI: 10.1257/089533004773563485 31. MacKinnon, J. G. y Webb, M. D. (2017). Wild Bootstrap Inference for Wildly Different Cluster Sizes. *Journal of Applied Econometrics*, 32(2), 233–254. DOI: 10.1002/jae.2508 32. Magaloni, B., Franco-Vivanco, E. y Melo, V. (2020). Killing in the Slums: Social Order, Criminal Governance, and Police Violence in Rio de Janeiro. *American Political Science Review*, 114(2), 552–572. DOI: 10.1017/s0003055419000856 33. Melnikov, N., Schmidt-Padilla, C. y Sviatschi, M. M. (2025). Gangs, Labor Mobility, and Development. *Econometrica*, 93(6). DOI: 10.3982/ecta21305 34. Osorio, J. (2015). The Contagion of Drug Violence: Spatiotemporal Dynamics and the Effectiveness of Anti-Drug Policy. *Journal of Conflict Resolution*, 59(8), 1403–1432. DOI: 10.1177/0022002715587048 35. Ratton, J. L., Galvão, C. y Fernandez, M. (2014). Pact for Life and the Reduction of Homicides in the State of Pernambuco. *Stability: International Journal of Security and Development*, 3(1). DOI: 10.5334/sta.dq 36. Roth, J. (2022). Pretest with Caution: Event-Study Estimates after Testing for Parallel Trends. *American Economic Review: Insights*, 4(3), 305–322. DOI: 10.1257/aeri.20210236 37. Sherman, L. W. y Weisburd, D. (1995). General deterrent effects of police patrol in crime "hot spots": A randomized, controlled trial. *Justice Quarterly*, 12(4), 625–648. DOI: 10.1080/07418829500096221 38. Sun, L. y Abraham, S. (2021). Estimating dynamic treatment effects in event studies with heterogeneous treatment effects. *Journal of Econometrics*, 225(2), 175–199. DOI: 10.1016/j.jeconom.2020.09.006 39. Sviatschi, M. M. (2022a). Making a NARCO: Childhood Exposure to Illegal Labor Markets and Criminal Life Paths. *Econometrica*, 90(4), 1835–1878. DOI: 10.3982/ecta17082 40. Sviatschi, M. M. (2022b). Spreading Gangs: Exporting US Criminal Capital to El Salvador. *American Economic Review*, 112(6), 1985-2024. DOI: 10.1257/aer.20201540 41. Wager, S. y Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. *Journal of the American Statistical Association*, 113(523), 1228–1242. DOI: 10.1080/01621459.2017.1319839 42. Wolf, S. (2012). Mara Salvatrucha: The Most Dangerous Street Gang in the Americas? *Latin American Politics and Society*, 54(1), 65–99. DOI: 10.1111/j.1548-2456.2012.00143.x --- --- ## Nota metodológica sobre la verificación de fuentes 1. **Indexación y verificación:** cada referencia fue verificada contra `api.crossref.org` (GET `/works/`) el 15-ago-2026; solo se incluyeron registros con HTTP 200 y coincidencia de título/autor/revista. La revisión independiente re-verificó 62 DOIs (muestra de los tres capítulos) sin encontrar DOIs fallidos ni fabricados. 2. **Convención de citas:** las citas en el texto usan (Autor, año); las entradas con el mismo autor y año se distinguen con sufijos «a»/«b» (p. ej., Sviatschi 2022a y 2022b). 3. **Origen de las magnitudes:** las cifras puntuales de los estudios citados (porcentajes, tamaños de efecto, páginas) provienen de abstracts, registros Crossref y resúmenes de editorial; los agentes de investigación no tuvieron acceso a los textos completos. Riesgo residual: alguna magnitud podría diferir del texto final del paper. 4. **Sesgo de publicación y generalización:** la literatura indexada sobre países en desarrollo es escasa; la extrapolación de resultados de otros países a Ecuador es analógica y debe leerse con cautela. No existe, hasta la fecha de este documento, una evaluación de impacto indexada que mida el efecto de programas laborales o de seguridad sobre homicidios en Ecuador. 5. **Conflictos no resueltos:** se reportan explícitamente en el texto cuando la evidencia es mixta (p. ej., resultados de intervenciones de interrupción de violencia dependientes del sitio). ## Limitaciones de esta revisión - El panel laboral provincial del proyecto cubre un solo trimestre (2024-II); las estimaciones de efectos fijos laborales no son identificables con un solo corte y el reporte lo declara. - Las recomendaciones de política son insumos para la decisión, no instrucciones: toda intervención nueva debería diseñarse con evaluación de impacto desde el inicio. - Los datos administrativos de homicidios están sujetos a variaciones según el metadato oficial del Ministerio del Interior.