5.3 Análisis

En el presente estudio se emplearán dos tipos de análisis. En primer lugar, se realizarán análisis descriptivos como gráficos univariados y bivariados de los indicadores principales, así como también correlaciones para analizar el comportamiento de las variables a nivel muestral. Estos análisis entregarán un panorama previo respecto al cumplimiento de las hipótesis. En segundo lugar, considerando la naturaleza de las variables dependientes (i.e. ordinales), se efectuará un análisis multivariado empleando como técnica principal modelos de regresión logística ordinal. Estos modelos permiten interpretar el efecto de una variable independiente (X) en una variable independiente ordinal (Y), controlando por el efecto de otras variables. Las interpretaciones se efectúan términos de chances, por ejemplo, una interpretación para un efecto positivo de X sería la siguiente: a mayor valor de X, las chances de que se justifique más la violencia (en comparación a que se justifique menos) son mayores. Sin embargo, un beneficio de esta técnica es que permiten aproximar la interpretación a la de una regresión lineal (i.e. OLS.). Por ende, a fin de facilitar la comunicación de los resultados, en este estudio se interpretarán los coeficientes siguiendo una lógica aproximativa a las regresiones lineales, por ejemplo: a mayor valor de X, más se tiende a justificar la violencia. De todos modos, se formalizarán los modelos para especificar la estrategia de análisis a seguir.

En términos formales, estos modelos permiten calcular la probabilidad acumulada de que un individuo responda hasta \(C\) en los indicadores justificación de la violencia, siendo \(Y_{c}\) una respuesta categórica ordenada con \(C\) categorías ordenadas, codificadas como \(C = 1,2,3,4,5\). Esta probabilidad se calcula en función del intercepto por cada categoría \(a_c\) y \(n\) coeficientes \(\beta\), siendo \(n\) la cantidad de predictores a introducir en el modelo (ver Ecuación (5.6) y (5.7)).

\[\begin{equation} log(\frac{P(Y≤c)}{1 - P(Y≤c)}) = F(P) \tag{5.6} \end{equation}\]

\[\begin{equation} F(P) = a_{c} -(\beta_1x_{1} + \beta_2x_{2} ... \beta_nx_{n}) \tag{5.7} \end{equation}\]

A fin de generar la evidencia necesaria para corroborar las hipótesis, se calculan cinco modelos. El primer modelo corresponde a las variables de sentido de injusticia (ver Ecuación (5.8)). Los modelos siguientes incluyen progresivamente las variables de control relevantes por literatura, siendo \(n\) la cantidad de variables de control con \(r\) cantidad de categorías en el caso de que las variables sean nominales u ordinales. El segundo modelo incorpora las variables de control correspondientes a la pertenencia a grupos desaventajados (ver Ecuación (5.9)). El tercer modelo incorpora las variables de ideología (SDO y RWA) (ver Ecuación (5.10)). El cuarto modelo incorpora las variables sobre justicia en el trato (ver Ecuación (5.11)). El quinto modelo incorpora los efectos de interacción entre la pertenencia a grupos desaventajados y el sentido de injusticia (ver Ecuación (5.12)). En este último modelo se incluyen \(g\) efectos de interacción, donde la cantidad dependerá de la significancia de los predictores sobre grupos desaventajados. En el caso que las variables sean categóricas, la cantidad de efectos de interacción \(g\) se multiplicará por \(r\) categorías. Se calcularán estos cinco modelos para las tres variables dependientes del estudio, a saber: la justificación de que estudiantes lancen piedras a carabineros, la justificación de que carabineros repriman marchas pacificas y la justificación de que carabineros desalojen liceos en toma.

En suma, se sigue una estrategia de complejidad creciente para el calculo de los modelos, identificando si existe un efecto del sentido de injusticia en las distintas formas de justificación de la violencia y si estas relaciones se mantienen a medida que se van incorporando distintos determinantes de la justificación de la violencia.

\[\begin{equation} F(P) = a_{c} -(\beta_{1}Jgerente + \beta_{2}J'Obrero + \beta_{3}J'entrevistado) \tag{5.8} \end{equation}\]

\[\begin{equation} F(P) = a_{c} -(\beta_{1}Jgerente + \beta_{2}J'Obrero + \beta_{3}J'entrevistado + \beta_{4nr}Desv) \tag{5.9} \end{equation}\]

\[\begin{equation} F(P) = a_{c} -(\beta_{1}Jgerente + \beta_{2}J'Obrero + \beta_{3}J'entrevistado + \beta_{4nr}Desv + \beta_{5nr}Ideol) \tag{5.10} \end{equation}\]

\[\begin{equation} F(P) = a_{c} -(\beta_{1}Jgerente + \beta_{2}J'Obrero + \beta_{3}J'entrevistado + \beta_{4nr}Desv + \beta_{5nr}Ideol + \beta_{6nr}Trato) \tag{5.11} \end{equation}\]

\[\begin{equation} F(P) = a_{c} -(\beta_{1}Jgerente + \beta_{2}J'Obrero + \beta_{3}J'entrevistado + \beta_{4nr}Desv + \beta_{5nr}Ideol + \beta_{6nr}Trato + \beta_{7gr}Interact) \tag{5.12} \end{equation}\]