CIES - 25 años construyendo conocimiento para mejores políticas
- Usted está aquí: Inicio > Violencia contra las mujeres en relaciones de pareja: Patrones de victimización y tipología de agresores
Se encuentra usted aquí
Two problems limit the understanding of violence against women: the homogenization of victims and the homogenization of assailants. Both limitations come from the extended use of aggregated statistics and the limited image of victims and their assailants generated in research. In this study, we opt to explore the heterogeneity of victims and assailants through the identification of patterns of victimization (Endes 2010-2017; N = 53,905) and the identification of a typology of batterers (344 prisoners). We found four different patterns of victimization: Limited Control, Extended Control, Regular Violent Control, and Violent Control with Femicide Risk. The typology of batterers include three types: Low-intensity Family-only batterers, High-intensity Family-only batterers, and Generally Violent.
Objetivo principal
Problema de investigación
La homogenización de la imagen de la víctima deriva en gran parte del uso de datos promedio que, si bien han servido para graficar la violencia, han hecho rígida su lectura. Según la ENDES (2016), 7 de cada 10 mujeres en situación de pareja la han sufrido alguna vez en su vida. Estos datos brindan una mirada de quiénes sufren cada forma de violencia, pero no de qué sub grupos de mujeres sufren sistemáticamente más una forma que otra, o cuáles de estos sub grupos están más afectados por una violencia más severa o más prolongada. Todo esto quebraría la noción que, en promedio, el 64% de mujeres alguna vez fue víctima de violencia psicológica, el 32% de violencia sexual y el 6,6% de violencia sexual de parte de su pareja (ENDES, 2016). Aunque la ENDES muestra diferencias menores de la prevalencia de violencia por nivel socioeconómico, este ángulo de análisis es poco orientador. No es la prevalencia de violencia la que se relaciona con el nivel socioeconómico, sino los patrones de víctimas. Estos se relacionan (inversamente) con el nivel socioeconómico (Bender & Roberts, 2007).
Situación similar se da respecto a los agresores. No existen estudios serios sobre hombres agresores en el Perú. Indirectamente a través de la ENDES, los resultados de Díaz y Miranda (2010) muestran que las características de ellos (edad, educación, consumo de alcohol y bajos ingresos) son tan o más importantes que las de ellas al predecir la violencia de pareja.
Hipótesis
Vinculación a política pública
Se empleó el pool de datos del 2008 al 2017 de la Encuesta Demográfica y de Salud Familiar - Endes (N=48,825 mujeres). Las investigaciones que construyen patrones de victimización lo hacen a partir de tres variables: frecuencia, severidad y duración de la violencia. Seguimos esta ruta, pero la extendimos al incluir covariables para facilitar la adaptación al contexto peruano. Esta adaptación se hizo a partir del uso de covariables clave, su relacionamiento al contexto peruano.
La mayor parte de trabajos sobre patrones de victimización han empleado el análisis de clusters. El análisis de clúster es un método históricamente más popular en la literatura sobre patrones de victimización. Es un método simple y fácil de interpretar. No obstante, el Análisis de Clases Latentes (ACL) es una técnica superior que las investigaciones más recientes han empleado (Ansara & Hindin, 2010; Cale et al., 2017; Carbone-López, Kruttschnitt, & Macmillan, 2006; Villamil et al., 2018). Nosotros seguimos esta línea.
El ACL es superior al análisis de cluster debido a cuatro características: se basan en modelos probabilísticos (y no distancias entre observaciones como es en el análisis de clústers, cuentan con mejores criterios para la elección del mejor modelo (número óptimo de patrones), presentan una mayor gama de opciones para el análisis (variables de clasificación, covariantes, estimaciones multinomiales, etc.) y ofrece indicadores de bondad de ajuste.
Frente a estas ventajas, el análisis de clúster posee al menos tres debilidades importantes: emplea la distancia (entre observaciones) y no la probabilidad de pertenecer a un clúster obtenida de modelos probabilísticos; guarda poca robustez ante cambios en los algoritmos de agrupación y a los diversos criterios de selección para elegir el mejor modelo; y, bajo algunos métodos de análisis de clúster (como el k-means), es el investigador (y no la propia estructura de datos) quien elige a priori el número de clústers deseados.
Matemáticamente el modelo de ACL puede ser representado como el conjunto de estimados (Yj,i=1,...,C) que solucionan la ecuación (1):
- Bender, K., & Roberts, A. R. (2007). Battered women versus male batterer typologies: Same or different based on evidence-based studies? Aggression and Violent Behavior, 12(5), 519–530. https://doi.org/10.1016/j.avb.2007.02.005
- Capaldi, D. M., & Kim, H. K. (2007). Typological approaches to violence in couples: A critique and alternative conceptual approach. Clinical Psychology Review, 27(3), 253–265. https://doi.org/10.1016/j.cpr.2006.09.001
- Carbone-López, K., Kruttschnitt, C., & Macmillan, R. (2006). Patterns of intimate partner violence and their associations with physical health, psychological distress, and substance use. Public Health Reports, 121(4), 382–392. Retrieved from http://proxy.library.vcu.edu/login?url=http://search.ebscohost.com/login...
- Cavanaugh, M. M., & Gelles, R. J. (2005). The utility of male domestic violence offender typologies: New directions for research, policy, and practice. Journal of Interpersonal Violence, 20(2), 155–166. https://doi.org/10.1177/0886260504268763
- Chiffriller, S. H., Hennessy, J. J., & Zappone, M. (2006). Understanding a New Typology of Batterers: Implications for Treatment. Victims & Offenders, 1(1), 79–97. https://doi.org/10.1080/15564880500263182
- Cunha, O., & Gonçalves, R. A. (2013). Intimate partner violence offenders: Generating a data-based typology of batterers and implications for treatment. European Journal of Psychology Applied to Legal Context, 5(2), 131–139. https://doi.org/10.5093/ejpalc2013a2
- Graham-Kevan, N., & Archer, J. (2003). Intimate Terrorism and Common Couple Violence: A Test of Johnson’s Predictions in Four British Samples. Journal of Interpersonal Violence, 18(11), 1247–1270. https://doi.org/10.1177/0886260503256656
- Hamberger, L. K., Lohr, J. M., Bonge, D., & Tolin, D. F. (1996). A large sample empirical typology of male spouse abusers and its relationship to dimensions of abuse. Violence and Victims, 11(4), 277–292. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/9210273
- Herrero, J., Torres, A., Fernández-Suárez, A., & Rodríguez-Díaz, F. J. (2016a). Generalists versus specialists: Toward a typology of batterers in prison. European Journal of Psychology Applied to Legal Context, 8(1), 19–26. https://doi.org/10.1016/j.ejpal.2015.09.002
- Holtzworth-Munroe, A., & Stuart, G. L. (1994). Typologies of male batterers: Three subtypes and the differences among them. Psychological Bulletin, 116(3), 476–497. https://doi.org/10.1037/0033-2909.116.3.476
- Johnson, M. (1995). Patriarchal Terrorism and Common Couple Violence : Two Forms of Violence against Women, 57(2), 283–294.
- Marshall, L. L. (1996). Psychological abuse of women: Six distinct clusters. Journal of Family Violence, 11(4), 379–409. https://doi.org/10.1007/BF02333424
- Piispa, M. (2002). Complexity of patterns of violence against women in heterosexual partnerships. Violence Against Woman, 8(7), 873–900. https://doi.org/10.1177/107780102400388515
- Roberts, A. R. (2006). Classification typology and assessment of five levels of woman battering. Journal of Family Violence, 21(8), 521–527. https://doi.org/10.1007/s10896-006-9044-0
- Saunders, D. G. (1996). Feminist-Cognitive-Behavioral and Process-Psychodynamic Treatments for Men Who Batter: Interaction of Abuser Traits and Treatment Models. Violence and Victims, 11(4), 393–414.
- Villamil, C., Lee, J. O., Gilreath, T., & Unger, J. B. (2018). Latent Class Analysis of Intimate Partner Violence Perpetration and Victimization among Latino Emerging Adults. Journal of Youth and Adolescence, 47(3), 575–585. https://doi.org/10.1007/s10964-017-0807-0