6.2 Multivariados

En la sección de análisis multivariados se busca poner a prueba las hipótesis del estudio controlando los hallazgos que han sido presentados la sección descriptiva, con las variables que han demostrado ser predicadores relevantes según la literatura. A fin de contrastar las hipótesis, se separa el análisis de resultados mulivariados en tres secciones. En la sección de Efectos Directos se presentan tres tablas de regresión logística ordinal, una para cada variable dependiente (i.e. JV Piedras, JV Represión y JV Desalojo). Estas tablas se utilizarán para poner a prueba las hipótesis H1a y H1b. En la sección de Efectos de Interacción se graficarán los modelos que presenten efectos de interacción significativos, con el fin de poner a prueba las hipóitesis H2a y H2b. En la sección de Chequeo de Supuesto se pondrán a prueba los modelos, para entregar evidencia respecto a su robustez.

6.2.1 Efectos Directos

Tabla 6.2: Modelos de regresión logística ordinal para Justificación de que Estudianten Tiren Pierdras
  Model 1 Model 2 Model 3 Model 4 Model 5
Sentido de Injusticia (J)          
           
     Gerente 0.22** 0.23** 0.23** 0.22* 1.86**
  (0.08) (0.08) (0.08) (0.09) (0.60)
     Obrero 0.28 0.30 0.13 0.07 0.09
  (0.19) (0.19) (0.20) (0.21) (0.21)
     Entrevistado -0.12 -0.08 -0.00 0.09 0.08
  (0.19) (0.22) (0.22) (0.22) (0.23)
Ingresos   -0.00 -0.00 -0.00 0.00
    (0.00) (0.00) (0.00) (0.00)
Sexo (ref: Hombre)          
           
     Mujer   -0.49** -0.54** -0.51** 0.01
    (0.17) (0.18) (0.18) (0.27)
Satisfacción Ingresos (ref: Totalmente satisfecho)          
           
     Satisfecho   -0.40 -0.26 -0.26 2.07
    (0.54) (0.56) (0.58) (1.13)
     Ni satisfecho ni insatisfecho   0.02 0.09 0.07 2.20
    (0.56) (0.58) (0.60) (1.15)
     Insatisfecho   -0.18 -0.11 -0.17 1.78
    (0.55) (0.57) (0.58) (1.13)
     Totalmente insatisfecho   0.28 0.42 0.19 2.60*
    (0.60) (0.61) (0.63) (1.19)
Interacciones:          
           
     J Gerente x Mujer         -0.42*
          (0.18)
     J Gerente x Satisfecho         -1.68**
          (0.62)
     J Gerente x Ni satisfecho ni insatisfecho         -1.46*
          (0.64)
     J Gerente x insatisfecho         -1.33*
          (0.61)
     J Gerente x Totalmente insatisfecho         -1.69**
          (0.65)
Controles Ninguno Desv. Ideol. Trato Todo
R2Nagelkerke 0.019 0.047 0.103 0.157 0.176
AIC 1345.73 1352.52 1320.26 1299.92 1296.16
BIC 1377.70 1439.28 1416.16 1432.36 1451.43
Log Likelihood -665.87 -657.26 -639.13 -620.96 -614.08
Num. obs. 711 711 711 711 711
** p < 0.001; ** p < 0.01; * p < 0.05. Nota: ‘Ninguno’ se refiere a que no se ha incluido ningun control. ‘Desv.’ refiere a la introducción de variables sobre grupos desaventajados. ‘Ideol.’ refiere a la introducción de variables de ideología. ‘Trato’ refiere a la introducción de variables de justicia en el trato. ‘Todo’ refiere a la inclusión de todos los controles relevantes por literatura junto a los efectos de interacción

En la Tabla 6.2 se presentan las regresiones logísticas ordinales para la justificación de la violencia por el cambio social, específicamente, para aquella situación en la que estudiantes lanzan piedras a carabineros. Consistente con lo planteado en H1a, se observa un efecto significativo positivo del sentido de injusticia hacia el gerente en la justificación de la violencia por el cambio social (Log-Odds: .22, p < 0.01, para el Modelo 1). Dicho de otra forma, a medida que aumenta la evaluación de que los gerentes están injustamente sobrerecompensados, más se tiende a justificar que estudiantes tiren piedras a carabineros. Este efecto se mantiene en términos de magnitud y significancia cuando se controla por la pertenencia a grupos desaventajados, ideología, percepción de justicia procesal (Log-Odds: .22, p < 0.05, para el Modelo 4). Este hallazgo entrega evidencia para sostener que el sentido de injusticia respecto a la figura del gerente podría instalarse como una determinante a profundizar en los estudios de justificación de la violencia.

El ajuste de los modelos muestra un resultado a destacar. Este resultado es que el modelo que introduce las variables de justicia en el trato presenta un ajuste considerablemente mejor que el modelo que introduce las variables de grupos desaventajados e ideología (R2 Nagelkerke: .103 para Modelo 3 y R2 Nagelkerke: .157 para Modelo 4), lo que evidencia el rol explicativo que tiene el trato justo en la justificación de la violencia por el cambio social.

Tabla 6.3: Modelos de regresión logística ordinal para Justificación de que Carabineros Repriman Marchas Pacificas
  Model 1 Model 2 Model 3 Model 4 Model 5
Sentido de Injusticia (J)          
           
     Gerente -0.07 -0.08 -0.10 -0.11 -0.10
  (0.09) (0.09) (0.10) (0.10) (0.10)
     Obrero -0.89*** -0.74** -0.45 -0.42 -0.04
  (0.27) (0.27) (0.27) (0.28) (0.48)
     Entrevistado 0.39 0.23 0.22 0.11 0.08
  (0.25) (0.28) (0.29) (0.30) (0.30)
Educación (ref: Primaria incompleta menos)          
           
     Primaria y secundaria baja   -1.14* -1.24** -1.18* -1.68*
    (0.45) (0.46) (0.47) (0.66)
     Secundaria alta   -1.13*** -1.08*** -1.18*** -0.76
    (0.31) (0.31) (0.32) (0.49)
     Terciaria ciclo corto   -1.12** -0.93** -1.03** -0.49
    (0.35) (0.35) (0.36) (0.65)
     Terciaria y postgrado   -1.15*** -0.70 -0.87* -0.43
    (0.35) (0.36) (0.37) (0.55)
Ideologia          
           
     SDO     2.16** 1.93** 2.00**
      (0.69) (0.70) (0.71)
     RWA     3.48*** 3.50*** 3.49***
      (0.66) (0.67) (0.68)
Interacciones:          
           
     J’ Obrero x Primaria y secundaria baja         0.74
          (0.75)
     J’ Obrero x Secundaria alta         -0.79
          (0.70)
     J’ Obrero x Terciaria ciclo corto         -0.99
          (0.99)
     J’ Obrero x Terciaria y postgrado         -0.82
          (0.80)
Controles Ninguno Desv. Ideol. Trato Todo
R2Nagelkerke 0.033 0.065 0.145 0.163 0.171
AIC 1086.83 1092.07 1047.82 1052.12 1055.15
BIC 1118.79 1178.84 1143.72 1184.55 1205.85
Log Likelihood -536.41 -527.04 -502.91 -497.06 -494.57
Num. obs. 711 711 711 711 711
** p < 0.001; ** p < 0.01; * p < 0.05. Nota: ‘Ninguno’ se refiere a que no se ha incluido ningun control. ‘Desv.’ refiere a la introducción de variables sobre grupos desaventajados. ‘Ideol.’ refiere a la introducción de variables de ideología. ‘Trato’ refiere a la introducción de variables de justicia en el trato. ‘Todo’ refiere a la inclusión de todos los controles relevantes por literatura junto a los efectos de interacción

En lo que respecta a la violencia por el control social, en la Tabla 6.3 se presentan las regresiones logísticas ordinales para la justificación de que carabineros reprima marchas pacificas. Aquí se observa un efecto significativo negativo del sentido de injusticia de obreros en la justificación de la violencia por el control social (Log-Odds: -.89, p < 0.01, para el Modelo 1). Este efecto se puede interpretar como que a menor evaluación de que los obreros están injustamente recompensados, más se tiende a justificar la violencia por el control social, lo cual es consistente con la hipótesis H1b. Este efecto se mantiene significativo al controlar por la pertenencia a grupos desaventajados. Dicho de otra forma, independiente de si los individuos pertenecen a grupos desaventajados, estos justifican la violencia de carabineros en función de qué tan justa consideran que es la distribución de ingresos de la figura del obrero. No obstante, el efecto desaparece una vez se controla por la ideología (SDO y RWA) de los individuos, lo que indica la relevancia de la ideología para explicar las justificaciones de violencia por el control social.

A partir del ajuste de los modelos se observa que las variables de ideología cuentan con un alto rol explicativo en comparación a la introducción de otras variables. En detalle, el modelo que incluye las variables de ideología ofrece un ajuste considerablemente mayor que el modelo que solo incluye variables del sentido de injusticia y pertenencia a grupos desaventajados (R2 Nagelkerke: .065 para Modelo 2 y R2 Nagelkerke: .145 para el Modelo 3). De esta manera, y consistente con la literatura, las variables de ideología corresponden a predictores relevantes para la justificación de la violencia por el control social.

Tabla 6.4: Modelos de regresión logística ordinal para Justificación de Carabineros Desalojen Tomas
  Model 1 Model 2 Model 3 Model 4 Model 5
Sentido de Injusticia (J)          
           
     Gerente -0.09 -0.10 -0.08 -0.09 -0.09
  (0.08) (0.08) (0.08) (0.09) (0.09)
     Obrero -0.83*** -0.79*** -0.57* -0.59* 2.67
  (0.23) (0.24) (0.24) (0.25) (1.69)
     Entrevistado -0.67** -0.28 -0.30 -0.18 -0.21
  (0.22) (0.23) (0.24) (0.25) (0.26)
Ingresos   0.00* 0.00* 0.00 0.00**
    (0.00) (0.00) (0.00) (0.00)
Satisfacción Ingresos (ref: Totalmente satisfecho)          
           
     Satisfecho   0.14 -0.09 -0.12 0.91
    (0.48) (0.51) (0.51) (1.08)
     Ni satisfecho ni insatisfecho   -0.15 -0.43 -0.43 1.25
    (0.51) (0.54) (0.54) (1.19)
     Insatisfecho   -0.18 -0.38 -0.41 1.07
    (0.49) (0.52) (0.52) (1.11)
     Totalmente insatisfecho   -0.66 -0.94 -0.88 0.50
    (0.57) (0.59) (0.60) (1.26)
Ideologia          
           
     SDO     2.29*** 1.95** 2.03***
      (0.59) (0.60) (0.60)
     RWA     2.54*** 2.50*** 2.54***
      (0.52) (0.54) (0.54)
Interacciones:          
           
     J’ Obrero x Ingreso         -0.00**
          (0.00)
     J’ Obrero x Satisfecho         -1.70
          (1.52)
     J’ Obrero x Ni satisfecho ni insatisfecho         -2.95
          (1.74)
     J’ Obrero x Insatisfecho         -2.59
          (1.60)
     J’ Obrero x Totalmente insatisfecho         -2.44
          (1.74)
Controles Ninguno Desv. Ideol. Trato Todo
R2Nagelkerke 0.051 0.085 0.155 0.198 0.211
AIC 1506.06 1506.98 1461.65 1445.80 1445.99
BIC 1538.03 1593.75 1557.55 1578.23 1601.25
Log Likelihood -746.03 -734.49 -709.83 -693.90 -688.99
Num. obs. 711 711 711 711 711
** p < 0.001; ** p < 0.01; * p < 0.05. Nota: ‘Ninguno’ se refiere a que no se ha incluido ningun control. ‘Desv.’ refiere a la introducción de variables sobre grupos desaventajados. ‘Ideol.’ refiere a la introducción de variables de ideología. ‘Trato’ refiere a la introducción de variables de justicia en el trato. ‘Todo’ refiere a la inclusión de todos los controles relevantes por literatura junto a los efectos de interacción

La Tabla 6.4 muestra los resultados del análisis de regresión logística ordinal para la justificación de que carabineros desalojen liceos en toma. Aquí se observa un efecto significativo y negativo del sentido de injusticia de obrero (Log-Odds: -.83, p < 0.001, para el Modelo 1) y del sentido de injusticia del entrevistado (Log-Odds: -.67, p < 0.01, para el Modelo 1). Es decir, quienes evalúan menor injusticia en la distribución de ingresos tanto en la figura del obrero, como en sus propios ingresos, tienden a justificar más la violencia por el control social. No obstante, al momento de controlar por las variables relevantes según la literatura, la mantención de los efectos varía según el tipo de sentido de injusticia. En el caso del sentido de injusticia del entrevistado, el efecto desaparece al controlar por la pertenencia a grupos desaventajados. En cambio, el efecto del sentido de injusticia para el obrero se mantiene al controlar por todas las variables relevantes por literatura (Log-Odds: -.59, p < 0.01, para el Modelo 4), aunque desaparece en el modelo que incluye los efectos de interacción. Pese a lo anterior, los resultados entregan evidencia para la hipótesis H1b.

El ajuste de los modelos muestra evidencia respecto al rol explicativo de la ideología para la justificación de que carabineros desalojen tomas. En detalle, se observa que el ajuste del modelo que introduce las variables de ideología es considerablemente mayor que el modelo que solo incluye el sentido de injusticia y la pertenencia a grupos desaventajados (R2 Nagelkerke: .085 para Modelo 2 y R2 Nagelkerke: .155 para el Modelo 3). De esta manera, se evidencia la relevancia que tienen variables ideológicas para explicar la justificación de la violencia por el control social.

6.2.2 Efectos de Interacción

En lo que respecta a las interacciones, se presentan los gráficos de probabilidades predichas de los efectos de interacción que resultaron significativos en los modelos de regresión ordinal. En el caso de la justificación de la violencia por el cambio social, se encontraron efectos significativos en la interacción entre la satisfacción con los ingresos por sentido de injusticia en los gerentes (Satisfacción Ingresos x J Gerente) y en la interacción entre sexo por sentido de injusticia gerentes (Sexo x J Gerente). En el caso de la justificación de la violencia por el control social (i.e carabineros desalojen tomas), se encontró un efecto significativo entre los ingresos y el sentido de injusticia de los obreros (Ingresos x J’ Obrero). Se interpretarán los efectos directos de estas variables (i.e. satiafacción en los ingresos, sexo e ingresos), para luego interpretar los efectos de interacción.

Los resultados de los efectos directos muestran que, en el caso de los justificación de la violencia por el cambio social, quienes se sienten totalmente insatisfechos con sus ingresos tienden a justificar más la violencia por el cambio social que quienes se sienten totalmente satisfechos (Log-Odds: 2.60, p < 0.05, para el Modelo 4). Así también, se observa que las mujeres tienden a justificar menos la violencia por el cambio social que los hombres (Log-Odds: -.51, p < 0.01, para el Modelo 3), aunque este efecto desaparece una vez se controla por la percepción de justicia procesal. En el caso de la justificación por el control social, se observa que a mayores ingresos, más se justifica la violencia por el control social (Log-Odds: .00, p < 0.05, para el Modelo 3).

Interacción entre Justificación de Violencia por el Cambio Social, Satisfacción con los Ingresos y Sentido de Injusticia

Figura 6.6: Interacción entre Justificación de Violencia por el Cambio Social, Satisfacción con los Ingresos y Sentido de Injusticia

Los resultados de los efectos de interacción para la satisfacción con los ingresos muestran evidencia contraria a lo propuesto en la hipótesis H2a. En la Figura 6.6 se observa que la diferencia positiva que se identificaba en la justificaciones de quienes se sienten totalmente insatisfechos en comparación a los que se sienten totalmente satisfechos se atenúa a medida que aumentan sus evaluaciones de injusticia. En detalle, quienes se sienten más insatisfechos con sus ingresos tienden a justificar menos que estudiantes tiren piedras a carabineros en comparación a quienes se sienten totalmente satisfechos con sus ingresos, a medida que aumentan sus evaluaciones de injusticia. Por ejemplo, aquellos totalmente insatisfechos con sus ingresos tienen una probabilidad de 8% más de responder que Muchas veces se justifica el lanzamiento de piedras que aquellos totalmente satisfechos, cuando están por debajo de la media de evaluación de injusticia (Media-DE, puntos rojos). En cambio aquellos totalmente insatisfechos con sus ingresos tienen una probabilidad de 9% menos de responder que Muchas veces se justifica la misma situación que aquellos totalmente satisfechos con sus ingresos, cuando están por arriba de la media de evaluación de injusticia (Media+DE, puntos verdes). En términos sustantivos esto implica que, si se califica a un individuo como perteneciente a grupos desaventajados a partir de su satisfacción con los ingresos, entonces las evaluaciones de injusticia distributiva son una atenuante en que aquellos que pertenecen a grupos desaventajados tiendan a justificar más la violencia por el cambio social. En otras palabras, individuos pertenecientes a grupos desaventajados (i.e. totalmente insatisfecho con sus ingresos) justificarán menos la violencia por el cambio social (en comparación a alguien totalmente satisfecho) a medida que evalúen más injusticia distributiva.

Interacción entre Justificación de Violencia por el Cambio Social, Sexo y Sentido de Injusticia

Figura 6.7: Interacción entre Justificación de Violencia por el Cambio Social, Sexo y Sentido de Injusticia

Los resultados de los efectos de interacción para el sexo muestran evidencia contraria a lo propuesto en la hipótesis H2a. En la Figura 6.7 se observa que la diferencia negativa que se identificaba en la justificaciones de las mujeres en comparación a los hombres se acrecenta a medida que aumentan sus evaluaciones de injusticia. En detalle, las mujeres tienden a justificar menos que estudiantes tiren piedras a carabineros en comparación a los hombres, a medida que aumentan sus evaluaciones de injusticia distributiva de los gerentes. Por ejemplo, cuando las evaluaciones de injusticia están por debajo de la media (Media-DE, puntos rojos), las mujeres tienen 0.4% menos de probabilidades de responder que Muchas veces se justifica el lanzamiento de piedras en comparación a los hombres. En cambio, cuando las evaluaciones de injusticia están por sobre la media (Media+DE, puntos verdes), las mujeres tienen una probabilidad de 9% menos de responder que Muchas veces se justifica esta situación que los hombres. En términos sustantivos esto implica que, si se califica a un individuo como perteneciente a grupos desaventajados a partir de su sexo, entonces las evaluaciones de injusticia distributiva intensifican que aquellos que pertenecen a grupos desaventajados tiendan a justificar menos la violencia por el cambio social. Dicho de otra forma, alguien que pertenece a grupos desaventajados (i.e. mujeres) justificará menos la violencia por el cambio social (en comparación a los hombres), especialmente si evalúan alta injusticia distributiva.

Interacción entre Justificación de Violencia por el Control Social, Ingresos y Sentido de Injusticia

Figura 6.8: Interacción entre Justificación de Violencia por el Control Social, Ingresos y Sentido de Injusticia

Los resultados de los efectos de interacción para los ingresos muestran evidencia contraria a lo propuesto en la hipótesis H2b. En la Figura 6.8 se observa que el efecto positivo entre ingresos y justificación de la violencia por el control social se atenúa e incluso se invierte a medida que aumentan las evaluaciones de injusticia. En detalle, en individuos con evaluaciones de injusticia para los obreros bajo la media (Media-DE, línea roja) las probabilidades de responder que Nunca se justifica que carabineros desalojen tomas a la fuerza aumentan en la medida que disminuyen los ingresos. Sin embargo, en individuos con evaluaciones de injusticia medias esta relación se atenúa considerablemente (Media, línea azul) y en individuos con evaluaciones de injusticia sobre la media la relación se invierte (Media+DE, línea verde). Es decir, individuos que evalúan alta injusticia distributiva tienen menos probabilidades de responder que Nunca se justifica que carabineros use la fuerza para desalojar liceos en toma. A modo de ilustración, las probabilidades de que un individuo con el salario mínimo al año 2019 (i.e. aproximadamente 300.000 pesos) nunca justifique esta situación es de: 87% cuando evalúan injusticia bajo la media, 74% cuando evalúan injusticia media y 53% cuando evalúan injusticia sobre la media. En términos sustantivos esto implica que, si se califica a un individuo como perteneciente a grupos desaventajados a partir de sus ingresos, entonces las evaluaciones de injusticia distributiva atenúan que aquellos que pertenecen a grupos desaventajados tiendan a justificar menos la violencia por el control social.

6.2.3 Chequeo de Supuesto

Los modelos de regresión logística ordinal se caracterizan por el uso de variables ordinales como dependientes, aproximando las interpretaciones a las de una regresión lineal (i.e. OLS) facilitando así la lectura de los resultados. Sin embargo, para poder funcionar, los modelos deben cumplir con un supuesto base denominado supuesto de proporcionalidad o de lineas paralelas (Williams, 2006). Este supuesto plantea que el efecto de las variables independientes del modelo (i.e. Log-Odds) es similar a través de todas las categorías de la variable dependiente, lo que se conoce como un efecto simétrico (Williams, 2016). Por ejemplo, en el caso de la justificación de la violencia, esto implica que las probabilidades de que un individuo responda Siempre (en comparación a las demás categorías), en función de una variable independiente, son similares a que responda Siempre o Muchas veces (en comparación a las demás categorías) y así sucesivamente. A fin de probar la robustez de los modelos presentados en este trabajo, se pondrá a prueba el supuesto de proporcionalidad.

Existen distintas formas de poner a prueba el supuesto de proporcionalidad y en este trabajo se utilizarán dos. La primera es a través de pruebas de hipótesis formales, donde la más comúnmente utilizada es la Prueba de Brant (Brant, 1990). En esta prueba, la hipótesis nula (i.e. H0) implica que se mantiene el supuesto de proporcionalidad, tanto para cada variable independiente, como para el modelo en total. Si el p-valor es menor a 0.05 esto implica que el efecto de una (o todas) las variables independientes no es el mismo a través de todas categorías de respuesta. La segunda es a través del ejercicio propuesto por Williams (2016), donde se calculan modelos de regresión logística binaria para cada posibilidad de combinación de las categorías de respuesta y se analiza si los Log-Odds de las variables de interés cambian en magnitud y sentido a través de los distintos modelos. Se utilizarán ambas formas para diagnosticar el cumplimiento del supuesto en los modelos presentados en este trabajo.

Tabla 6.5: Prueba de Proporcionalidad de Brant para Justificación de que Estudiantes Tiren Piedras (Modelo 1)
Indicador X2 gl Probabilidad
Omnibus (Modelo) 15.15 9 0.09
J Gerente 12.76 3 0.00
J’ Obrero 3.14 3 0.37
J’ Entrevistado 0.10 3 0.99
Tabla 6.6: Prueba de Proporcionalidad de Brant para Justificación de que Carabineros Repriman Marchas Pacificas (Modelo 1)
Indicador X2 gl Probabilidad
Omnibus (Modelo) 9.25 9 0.41
J Gerente 2.28 3 0.52
J’ Obrero 1.46 3 0.69
J’ Entrevistado 4.53 3 0.21
Tabla 6.7: Prueba de Proporcionalidad de Brant para Justificación de que Carabineros Desalojen Tomas (Modelo 1)
Indicador X2 gl Probabilidad
Omnibus (Modelo) 7.61 9 0.57
J Gerente 4.77 3 0.19
J’ Obrero 1.32 3 0.72
J’ Entrevistado 1.73 3 0.63

En lo que respecta a la Prueba de Brant, en las Tablas 6.5, 6.6 y 6.7 se presentan los resultados para el análisis de las tres variables dependientes del estudio: justificación de que estudiantes tiren piedras, justificación de que carabineros repriman marchas y justificación de que carabineros desalojen tomas. Se puede observar que el supuesto se cumple para el Modelo 1 de la justificación de que carabineros repriman marchas (J Gerente p > 0.05, J’ Obrero p > 0.05 y J’ Entrevistado p > 0.05) y para la justificación de que carabineros desalojen tomas (J Gerente p > 0.05, J’ Obrero p > 0.05 y J’ Entrevistado p > 0.05). Sin embargo, en el caso del la justificación de que estudiantes tiren piedras, el supuesto de proporcionalidad no se cumple para el predictor del sentido de injusticia gerente (J Gerente p < 0.05). Siguiendo a Williams (2016), una violación del supuesto de proporcionalidad no necesariamente implica una invalidez de los resultados, sino que se puede considerar como una oportunidad para la reflexión sustantiva sobre el efecto asimétrico. A modo de abordar sustantivamente esta violación del supuesto y según lo propuesto por Williams (2016), se profundizará con el análisis de los Log-Odds anteriormente señalado y se sintetizará con una interpretación de los gráficos de probabilidades predichas.

Tabla 6.8: Log-Odds del Sentido de Injusticia por codificaciones de Justificación de la Violencia (Modelo 1)
Indicador/Codificacion Ordinal 5 vs 1 2 3 4 4 5 vs 1 2 3 3 4 5 vs 1 2 2 3 4 5 vs 1
J Gerente (JV Piedras) 0.22** 0.60** 0.49*** 0.37*** 0.17*
J’ Obrero (JV Represión) -0.89*** -0.76* -1.00***
J’ Obrero (JV Desalojo) -0.83*** -1.19** -0.89** -0.84***
Note:
Las columnas representan el cálculo de modelos de regresión logística binaria a partir de distintas formas de codificación de la variable dependiente
a Ordinal se refiere al uso de la variable dependiente en forma ordinal.
b 5 vs 1 2 3 4 compara la categoría Siempre con las demás.
c 4 5 vs 1 2 3 compara las categorías Muchas veces y Siempre con las demás.
d 3 4 5 vs 1 2 compara las categorías Algunas veces, Muchas veces y Siempre con las demás.
e 2 3 4 5 vs 1 compara las categorías Pocas veces, Algunas veces, Muchas veces y Siempre con Nunca.
f ** p < 0.001; ** p < 0.01; * p < 0.05.

En la Tabla 6.8 se presentan los Los-Odds del cálculo de modelos de regresión logística binaria para cada posible codificación de las variables dependientes. Se observa que los Log-Odds del efecto del sentido de injusticia en los gerentes (i.e. J Gerente) para la justificación de que estudiantes tiren piedras (i.e. JV Piedras) aumenta cuando las categorías de respuesta que se comparan son las más altas1. Por ejemplo, el Log-Odds de J Gerente son mayores cuando se calculan las chances de responder Siempre en contraste a las demás categorías (‘5 vs 1234’: Log-Odds = .60) que cuando se comparan las chances de responder cualquier categoría que implique algún grado de justificación en contraste a Nunca (‘2345 vs 1’: Log-Odds = .17). Estos resultados van en la linea con el incumplimiento del supuesto, ya que los Log-Odds de responder la categoría más alta son aproximadamente 3 veces más que los Log-Odds de responder todas las categorías que impliquen un grado de justificación. Sin embargo, este ejercicio permite extraer dos resultados sustantivos. El primero es que, pese a la violación del supuesto, el sentido positivo del efecto del sentido de injusticia en la justificación de la violencia por el cambio social sigue la hipótesis planteada. Es decir, independiente del las categorías que se estén comparando, una mayor evaluación de injusticia implica una mayor justificación de la violencia por el cambio social. El segundo resultado es que efectivamente existen diferencias en los efectos del sentido de injusticia de acuerdo a la categoría de respuesta a la pregunta por la justificación de la violencia. A fin de determinar la magnitud de estas diferencias se presentará un gráfico de probabilidades predichas.

Probabilidades Predichas para la Justificación de que Estudiantes Tiren Piedras según Sentido de Injusticia Gerente (Modelo 4)

Figura 6.9: Probabilidades Predichas para la Justificación de que Estudiantes Tiren Piedras según Sentido de Injusticia Gerente (Modelo 4)

En la Figura 6.9 se presentan las probabilidades predichas2 de que se justifique que estudiantes tiren piedras a carabineros en función de sus evaluaciones de injusticia en la situación de los gerentes. En general, se observa que en la medida que se evalúa una mayor injusticia distributiva las probabilidades de justificar que estudiantes tiren piedras aumenta. Por ejemplo, las probabilidades que se responda que Nunca se justifica este acto de violencia pasa del 75% al 25% aproximadamente, a medida que aumenta la evaluación de injusticia. En la misma linea, las probabilidades de que se responda que Muchas veces se justifica este acto de violencia pasa del 0% al 15% aproximadamente, a medida que aumenta la evaluación de injusticia. Sin perjuicio de lo anterior, el resultado que más destaca en la Figura 6.9 es que las probabilidades de que se respondan categorías más altas es menor a que se respondan categorías más bajas, independiente del sentido de la relación. En términos sustantivos, las probabilidades de responder categorías que reflejen altos grados de justificación de la violencia es menor a las probabilidades de responder categorías que representen un menor grado de justificación3.

En suma, a fin de diagnosticar los modelos elaborados en el presente trabajo, se puso a prueba que cumplieran el supuesto basal de la técnica: el supuesto de proporcionalidad. Este es el supuesto que permite interpretar los resultados de forma más o menos similar a los de una regresión lineal. A partir de la Prueba de Brant (Brant, 1990), se observó que los modelos para la violencia por el control social cumplían con el supuesto, no así el modelo para la violencia por el cambio social. Sin embargo, a partir del ejercicio propuesto por Williams (2016) y a partir de los gráficos de probabilidades predichas, se pueden plantear dos resultados sustantivos. El primero es que el sentido de la hipótesis H1a se mantiene, pese a que no se cumpla el supuesto del modelo. El segundo es que las probabilidades de responder categorías que representen un alto grado de justificación de la violencia es mayor a responder categorías que representen un grado menor de justificación.

6.2.4 Síntesis

En síntesis, los resultados multivariados muestran evidencia para las hipótesis H1a y H1b y evidencia contraria para las hipótesis H2a y H2b. Para la hipótesis H1a se encontró una relación significativa del sentido de injusticia para gerentes en la justificación de la violencia por el cambio social, la cual mantiene el efecto al controlar por las variables relevantes por literatura. Si bien el supuesto del modelo no se cumple, a partir del diagnostico de supuestos se sostiene que el sentido de la hipótesis sigue siendo valido. Para la hipótesis H1b, se encuentra una relación significativa del sentido de injusticia para el obrero en ambos indicadores de la justificación de la violencia por el control social. No obstante, existe una diferencia del efecto que tienen los controles en cada indicador: cuando la situación de violencia corresponde a la represión de marchas pacificas, el efecto desaparece una vez que se introducen variables de ideología, en cambio, cuando la situación de violencia corresponde al desalojo de una toma estudiantil, el efecto del sentido de injusticia para obrero se mantiene pese a controlarse por las variables relevantes de la literatura. En el caso de la hipótesis H2a, se encontró que una mayor evaluación de injusticia 1) atenuaba el efecto positivo de la insatisfacción con los ingresos en las justificaciones de la violencia por el cambio social y 2) acrecentaba el efecto negativo del sexo en las mismas justificaciones. Para la hipótesis H2b no se encontró un efecto significativo en el caso de que carabineros reprima marchas pacificas, pero si en el caso que carabineros desaloje liceos en toma. En esta situación, se encontró que una mayor evaluación de injusticia tenía un efecto atenuante (e incluso reversivo) en el efecto positivo entre ingresos y justificación de la violencia por el control social. Todos los hallazgos serán abordados en la sección de discusión.

Referencias

Brant, R. (1990). Assessing Proportionality in the Proportional Odds Model for Ordinal Logistic Regression. International Biometric Society, 46(4), 1171–1178. https://www.jstor.org/stable/2532457
Williams, R. (2006). Generalized ordered logit/partial proportional odds models for ordinal dependent variables. Stata Journal, 6(1), 58–82. https://doi.org/10.1177/1536867x0600600104
Williams, R. (2016). Understanding and interpreting generalized ordered logit models. Journal of Mathematical Sociology, 40(1), 7–20. https://doi.org/10.1080/0022250X.2015.1112384

  1. Este ejercicio se llevó a cabo para los cinco modelos calculados y, en general, la tendencia se mantiene.↩︎

  2. El gráfico corresponde al Modelo 4, por lo que estas probabilidades están controladas por la pertenencia a grupos desaventajados, ideología y percepción de justicia en el trato.↩︎

  3. Se elaboraron gráficos de probabilidades predichas para los indicadores de la justificación de la violencia por el control social y el hallazgo sigue la misma tendencia.↩︎