Identifying the socioeconomic determinants of crime in Spanish provinces

In this paper we study, having as theoretical reference the economic model of crime (Becker, 1968; Ehrlich, 1973), which are the socioeconomic and demographic determinants of crime in Spain paying attention on the role of provincial peculiarities. We estimate a crime equation using a panel dataset of Spanish provinces (NUTS3) for the period 1993 to 1999 employing the GMMsystem estimator. Empirical results suggest that lagged crime rate and clear-up rate are correlated to all typologies of crime rate considered. Property crimes are better explained by socioeconomic variables (GDP per capita, GDP growth rate and percentage of population with high school and university degree), while demographic factors reveal important and significant influences, in particular for crimes against the person. These results are obtained using an instrumental variable approach that takes advantage of the dynamic properties of our dataset to control for both measurement errors in crime data and joint endogeneity of the explanatory variables- Este trabajo estudia, teniendo como referencia teórica el modelo económico del crimen (Becker, 1968; Ehrlich, 1973), cuáles son los determinantes socioeconómicos del crimen en España, prestando especial atención a las peculiaridades provinciales. Estimamos una ecuación de los determinantes del crimen usando el estimador GMM-system para los datos de panel de las provincias españolas durante el periodo 1993-1999. Los resultados empíricos sugieren que la tasa de crimen retardada y la tasa de crímenes esclarecidos están correlacionadas con todas las tipologías de crímenes consideradas. Los crímenes contra la propiedad parecen estar mejor explicados por variables socioeconómicas (PIB per capita, crecimiento del PIB y porcentaje de la población con estudios medios y superiores), mientras que los factores demográficos revelan influencias importantes y significativas para los crímenes contra las personas. Estos resultados se obtienen utilizando variables instruméntales que aprovechan las propiedades dinámicas de los datos para controlar los errores de medida en los datos criminales y la posible endogeneidad de las variables explicativa