Modelo dinámico de predicción del feminicidio con variables de denuncia en Perú

Resumen

El presente estudio analiza la dinámica predictiva del feminicidio en el Perú utilizando un panel de datos departamentales (2015-2023) con el objetivo de fortalecer los sistemas de alerta temprana y optimizar la respuesta estatal. Metodológicamente, se contrastó el desempeño de un modelo avanzado de aprendizaje automático, Gradient Boosting Regressor (GBR), frente al enfoque tradicional econométrico ARIMAX(1,0,0). Se implementó una rigurosa validación de ventana expandida (expanding window) y el test de Diebold-Mariano para evaluar la robustez y significancia de los pronósticos. Los resultados validaron la superioridad del GBR con un MAE de 0.313, logrando una reducción del error del 45% respecto a los métodos clásicos. El análisis de interpretabilidad mediante valores SHAP identificó que la inercia histórica del fenómeno constituye el principal predictor (62%), no obstante, las denuncias previas por violencia sexual y psicológica emergen como señales de alerta temprana más críticas que la violencia física. Se concluye que el modelado no lineal detecta ventanas de oportunidad para la intervención preventiva que los modelos lineales ignoran. Estos hallazgos exigen reorientar las políticas públicas con el propósito de contener la violencia sexual como precursor letal, asignando recursos basasdos en evidencia algorítmica con el fin de interrumpir el ciclo antes del desenlace fatal.