Using Google Trends Data to forecast homicide mortality : the case of Mexico = Uso de Google Trends para pronosticar la mortalidad por homicidio : el caso de México

Resumen

Introduction: In Mexico a major public safety concern is how to predict and reduce homicides to implement effective mitigation policies. Methodology: This study aims to compare traditional forecasting models —ARIMA and Vector Autoregressive (VAR)—with and without Google Trends data, the research explores ways to enhance prediction accuracy. Using homicide records from the National Institute of Statistics and Geography (INEGI, for its Spanish acronym) and Google Trends data from 2006–2020, the study highlights the integration of real-time online data to complement official statistics. Results: Considering a forecast horizon of 15 months up to March 2020, results show that VAR models with Google Trends provide the best performance for both female and male homicides. Conclusions: The findings underscore the potential of integrating digital data sources into traditional models to provide more accurate and timely tools for public safety planning and intervention. Introducción: En México una de las principales preocupaciones en materia de seguridad pública es cómo predecir y reducir los homicidios para implementar políticas de mitigación efectivas. Metodología: Este estudio compara modelos tradicionales de pronóstico —ARIMA y Vector Autorregresivo (VAR)—con y sin datos de Google Trends, explorando formas de mejorar la precisión en las predicciones. Utilizando registros de homicidios del Instituto Nacional de Estadística y Geografía (INEGI) y datos de Google Trends correspondientes al periodo 2006–2020, se destaca la utilidad de integrar datos en línea en tiempo real como complemento a las estadísticas oficiales. Resultados: Considerando un horizonte de pronóstico de 15 meses hasta marzo de 2020, los resultados muestran que los modelos VAR con Google Trends ofrecen el mejor desempeño tanto para los homicidios de mujeres como de hombres. Conclusiones: Estos hallazgos subrayan el potencial de integrar fuentes de datos digitales en los modelos tradicionales para proporcionar herramientas más precisas y oportunas para la planificación e intervención en materia de seguridad pública.