¿Qué es la econometría espacial?

La econometría espacial es un conjunto de técnicas estadísticas que incorporan los efectos de la ubicación de las unidades de estudio en las estimaciones de sus relaciones. La econometría espacial es útil en trabajos en los que existe una dependencia espacial entre las observaciones, así como cuando existe heterogeneidad espacial en las relaciones que se modelan (^{LeSage, 1998}). Las regresiones espaciales permiten confirmar o desmentir los hallazgos manifestados en la estadística tradicional, ya que al ignorar el espacio se pierde información valiosa y se incumple el supuesto de independencia entre las observaciones (^{Ávila-Eggleton y Gutiérrez Sánchez, 2017}).

Un concepto clave de la econometría espacial es la dependencia espacial, la cual plantea que una observación de la localidad i puede estar correlacionada con otra de la localidad j cuando i ≠ j. Esta dependencia espacial puede manifestarse en aspectos de precios de vivienda (^{Dubin, 1998}), desempleo (^{LeSage, 1998}) o elecciones (^{Lacombe y Shaughnessy, 2007}).

La autocorrelación temporal normalmente es corregida por los investigadores, pero no siempre ocurre lo mismo con la autocorrelación espacial (^{Dubin, 1998}). La autocorrelación espacial es más difícil de modelar que la temporal debido a factores de orden, el tiempo corre en línea recta, pero el espacio no. Dado lo anterior, la econometría espacial emplea rezagos espaciales, es decir, efectos de vecinos, para estimar la influencia que las unidades de observación ejercen entre sí. La mayoría de los estudios electorales no habían considerado el componente espacial hasta hace muy poco tiempo (^{Lacombe y Shaughnessy, 2007}).

Los análisis estadísticos tradicionales parten de supuestos básicos para la confiabilidad de sus resultados. Uno de ellos es que los errores presentes en las observaciones no tienen relación entre sí. Pero, en el caso de los fenómenos espaciales, ese supuesto se rompe porque los errores en las observaciones pueden estar correlacionados. A partir de ello, es conveniente emplear técnicas que reduzcan el sesgo provocado por los efectos espaciales (^{Ávila-Eggleton y Gutiérrez Sánchez, 2017}).

Geografía electoral, el voto y el espacio

El voto representa la forma de participación ciudadana más extendida y, en muchos casos, la única ejercida por la población. A través del ejercicio electoral, el ciudadano manifiesta su influencia en el entorno político (^{Mata, 2013}), pues se presupone que la elección de los gobernantes se basa en decisiones individuales y colectivas de los votantes (^{Sobrino, 1998}). Por tales motivos, indagar y conocer sobre la conducta del electorado resulta pertinente para la planeación de campañas políticas (^{Jácome Molina, 2011}).

El entendimiento del comportamiento del votante no se limita a comprender los motivos por los cuales va o no a votar y por quién lo hará, sino también incluye lo que antecede y precede esa decisión (^{Moreno, 2003}). Por ello, el análisis de la participación electoral cobra relevancia desde la perspectiva tanto normativa como empírica; en el primer caso, a través del monitoreo de la legitimidad de la democracia y del sistema político como tal; en el segundo, para explicar las variaciones de los resultados electorales (^{Mata, 2013}). En este orden de ideas, este trabajo se sitúa en línea con el segundo enfoque de los estudios de participación electoral.

La asociación en el espacio, a través de factores sociodemográficos de los individuos y el voto, forma parte de la geografía electoral, la cual a su vez es parte de la geografía política. El objetivo de la llamada geografía electoral ha sido comprender la conducta política de los individuos en relación con el espacio (^{Jácome Molina, 2011}).

La estadística regular ignora la dependencia espacial que pueden tener las observaciones a pesar de que se ha visto que el comportamiento político de un lugar se relaciona con el de sus vecinos (^{Vilalta y Perdomo, 2003}), como se ha señalado desde hace más de un siglo (^{Ávila-Eggleton y Gutiérrez Sánchez, 2017}). A partir de lo anterior, es afortunada la aparición y uso de técnicas espaciales que permitan distinguir los efectos de contigüidad entre individuos y poblaciones. Los estudios electorales de econometría espacial suponen una correlación espacial en la decisión del voto en un territorio determinado (^{Hernández-Hernández, 2015}).

La presente investigación apunta a la existencia de una relación entre la ideología de las personas y su ubicación en el espacio. Un elector únicamente puede ejercer su voto dentro del territorio al que pertenece. Las personas que tienen interés en la política y que defienden un conjunto de ideas intentan convencer a los demás votantes. Lo anterior refuerza la propuesta de que existe un efecto espacial en el plano electoral. Asimismo, los individuos preferirán vivir en entornos donde los vecinos comparten su ideología política.

Se ha señalado que “el voto es una conducta social e interactiva, colectiva y territorializada” (^{Sonnleitner, 2013}). Así, el territorio tiene un papel considerable; elegimos de manera semejante a nuestros vecinos a pesar de la secrecía del voto, ya que en las decisiones electorales están involucrados componentes de proximidad, interacción e interdependencia. Dado lo cual, es clave incorporar el aspecto espacial en los estudios electorales.

Estudios empíricos previos

Las técnicas de econometría espacial son herramientas muy útiles en el estudio de fenómenos económicos, políticos y sociales. Estudios espaciales electorales previos fuera de México han evaluado elementos como características demográficas, nivel educativo y clima religioso, así como elementos económicos como el producto interno bruto (PIB) per cápita del condado y la tasa de desempleo (^{Lacombe y Shaughnessy, 2007}).

Investigaciones para Francia han sugerido que las decisiones individuales de elección de candidatos pueden ser racionalizadas en términos de “aspectos culturales”, con un sesgo por la ubicación de los individuos. De esta manera, en determinadas regiones se vuelve tradición votar por una misma ideología a través del tiempo. Los autores de dicho estudio manifiestan que las tasas de correlación espacial decaen de manera logarítmica con la distancia (^{Borghesi y Bouchaud, 2010})

En México aún hace falta aprovechar en mayor medida las técnicas espaciales. Entre los trabajos que han echado mano de estas herramientas se encuentran algunos de carácter teórico (^{Pérez Pineda, 2006}), algunos más acerca de temas de desarrollo humano (^{Geronimo Antonio, 2016}). Respecto del tema electoral, investigaciones previas han mostrado efectos espaciales en las elecciones mexicanas en 1994 y 2000 (^{Vilalta y Perdomo, 2006}). Otros estudios han intentado predecir los resultados electorales a partir de econometría espacial (^{Vilalta y Perdomo, 2008}). También se han identificado patrones espaciales en la decisión del abstencionismo (^{Ávila-Eggleton y Gutiérrez Sánchez, 2017}; ^{Lizama Carrasco, 2010}). Trabajos más recientes han empleado información sobre elecciones presidenciales recientes identificando un patrón geográfico (^{Hernández-Hernández, 2015}).

Fuentes de información

Las unidades de estudio empleadas en el trabajo son las 66 740 secciones electorales con datos disponibles para la elección de diputados en 2015. Los datos referentes a votos por cada partido se obtuvieron de la página web del ^{Instituto Nacional Electoral (2015)}; corresponden a los cómputos distritales hasta el nivel casilla. Posteriormente, se realizaron agregaciones para obtener la información del nivel sección electoral. Para obtener las características sociodemográficas de cada sección electoral se emplearon los datos correspondientes al año 2010.

Análisis exploratorio de datos espaciales y estadísticos de autocorrelación espacial global y local

El análisis exploratorio de datos espaciales (AEDE) es un subconjunto del análisis exploratorio de datos (EDA), el cual se centra en las características distintivas de los datos geográficos y en específico en los efectos de dependencia y heterogeneidad espacial (^{Anselin, 2007}). El AEDE es un conjunto de técnicas que posibilitan la descripción y la visualización de la distribución espacial, la identificación de lugares atípicos, el descubrimiento de patrones de asociación espacial y la sugerencia de diferentes regímenes espaciales u otras formas de heterogeneidad espacial (^{Anselin, 1999}).

Los estadísticos de autocorrelación espacial del AEDE se emplean para la corroboración estadística de patrones espaciales. Según Anselin, la autocorrelación espacial es el fenómeno en que la similitud de localización se corresponde con valores similares. La autocorrelación espacial global es evaluada por medio de una prueba de hipótesis nula de que una variable se encuentra distribuida de forma aleatoria en el espacio; el rechazo de esta hipótesis nula sugiere una estructura espacial (^{Anselin, Sridharan, y Gholston, 2007}). Para la evaluación de ello se emplea el índice (I) de Moran, el cual toma valores entre -1 y 1.

Cuando el I de Moran tiene valores cercanos a 1, la variable presenta una alta autocorrelación espacial positiva; valores similares tienden a estar juntos en el espacio. Los valores cercanos a -1 presentan una fuerte autocorrelación espacial negativa, esto es, valores diferentes próximos unos de otros.

El estadístico I de Moran puede ser visualizado por medio del diagrama de dispersión de Moran, que divide el espacio en cuatro cuadrantes que reproducen diferentes tipos de dependencia espacial. Si los valores se encuentran concentrados sobre la diagonal que cruza los cuadrantes superior derecho e inferior izquierdo, existe una autocorrelación espacial positiva de la variable. La dependencia espacial será negativa si los valores se concentran en los dos cuadrantes restantes, superior izquierdo e inferior derecho. Si los puntos están dispersos en los cuatro cuadrantes, es indicio de ausencia de autocorrelación espacial.¹

^{Anselin (1995}) descompone el indicador I de Moran en indicadores locales de asociación espacial (LISA). Esta clase de indicadores proporcionan un medio para indicar potencialmente agrupaciones espaciales locales y evaluar la significancia de estos patrones espaciales. Un mapa de cluster LISA es una herramienta importante para identificar localizaciones interesantes y para evaluar el grado en que la distribución espacial exhibe una heterogeneidad espacial (^{Anselin, 2007}).

Descripción de variables

Para este artículo, se han considerado cuatro rubros que tienen implicaciones en la decisión de los votantes. Para cada uno de estos se ha seleccionado una variable representativa (a excepción del caso de la escolaridad para el que se han elegido dos variables) como lo muestra el siguiente cuadro.

Las variables elegidas obedecen a los principales factores que determinan el voto del electorado. En este sentido, se eligieron aquellas que representan una mejor aproximación a elementos que desde el punto de vista socioeconómico son típicamente incorporados en las “promesas” de campaña y que representan un incentivo del voto.

La tasa de desocupados se considera como uno de los principales elementos que tienen implicaciones en la mejora del ingreso de los hogares, dado lo cual, una campaña orientada al incremento del empleo puede incidir en la decisión de la preferencia de los votantes (^{Blackley y Shepard III, 1994}). Esta variable es utilizada en el estudio de ^{Caleiro y Guerreiro (2005)} para Portugal, en el cual es tomada como una forma de premiar o castigar al partido que se encuentre en el poder. Sin embargo, otros estudios han señalado que no es un elemento significativo (^{Kramer, 1971}).

El porcentaje de población analfabeta mayor de 15 años está estrechamente relacionado con la escolaridad. Se considera que la falta de instrucción representa un obstáculo para ejercer el voto de forma consciente e informada.

La proporción de personas en el grupo de edad de 18 a 24 años que están estudiando se vincula tanto con la educación como con la edad de los individuos. La consideración de esta variable representa uno de los elementos que genera mayor valor agregado al presente trabajo, ya que se supone que a mayor nivel educativo existirá una mayor comprensión del entorno social y de la conciencia del voto (^{Mata, 2013}), y más aún si este sector de la población es joven y está cotidianamente interactuando con un entorno crítico y de constante flujo de información como lo es un centro educativo, aunado a un rehúso de las tradiciones típicas que pudiesen tener implicaciones en el voto. ^{Cisneros Yescas (2013)} resalta el voto de los individuos educados como elemento clave, aunque cambiante, en los procesos electorales.

La proporción de individuos con religión católica es incorporada por considerarse que la religión tiene implicaciones en la toma de decisión del voto, y es, la religiosidad, una de las variables típicas a tomarse en cuenta en los análisis políticos (^{Mata, 2013}).

La tasa de viviendas particulares con internet habitadas representa, por un lado, una aproximación al ingreso de los hogares y, por otro lado, sirve como una forma de estimar el grado de información que tienen los individuos, fuera de los medios de comunicación masiva convencionales como radio y televisión. En este sentido, ^{Mata (2013)} menciona que las personas con gran cantidad de contactos y expuestos a redes de estos tienen un mayor conocimiento del perfil de los candidatos y de sus respectivos temas de agenda.

Agrupamientos espaciales de los votos para diputados, 2015

Se emplean estadísticos de autocorrelación espacial local del análisis exploratorio de datos Espaciales (AEDE) para identificar patrones espaciales de las votaciones electorales para diputados en 2015 en el nivel sección. De acuerdo con ^{Anselin (1995)}, los indicadores locales de asociación espacial (LISA) miden la presencia de autocorrelación espacial para cada una de las unidades espaciales de la muestra analizada, es decir, miden el grado de asociación existente entre una unidad localizada en cierta área y sus vecinos. Por lo tanto, se utilizarán los mapas de agrupamientos LISA con la finalidad de ubicar los agrupamientos y las localizaciones atípicas de las votaciones.

En los siguientes mapas LISA para cada uno de los partidos políticos se distinguen seis categorías; dos corresponden a agrupamientos de secciones con valores similares, alto-alto (high-high) y bajo-bajo (low-low). Otras dos categorías sugieren secciones atípicas, es decir, secciones con valores distintos al de sus vecinos inmediatos; estos son: bajo-alto (low-high) y alto-bajo (high-low). Posteriormente, las otras dos categorías corresponden a secciones que no muestran un comportamiento de autocorrelación espacial significativo (not significant) y los que no cuentan con vecinos inmediatos (neighborless).

En la figura 1 se observa que la gran concentración de votos para diputados en 2015 por el Partido Revolucionario Institucional (PRI) se encuentra en el norte del país, en las entidades federativas de Chihuahua, Durango, Coahuila y Tamaulipas (color rojo). Asimismo, para la mayoría de las secciones del estado de Yucatán los votos para diputados favorecieron al PRI. El estado de Baja California presenta una mayor agrupación de secciones con bajos votos por el PRI.²

Para el Partido de Acción Nacional (PAN), en la figura 2 vemos que la mayor agrupación de votaciones se encuentra en los estados de Baja California Sur, Sonora, Nuevo León, Guanajuato, Querétaro y Campeche (azul). En cambio, los clústeres de votaciones bajas se localizan al sur del país, en específico en los estados de Guerrero, Oaxaca, Chiapas y Quintana Roo.

Respecto del Partido de la Revolución Democrática (PRD), los estados con mayores votos son Guerrero, Zacatecas, Nayarit, Michoacán, Oaxaca, Tabasco, así como algunas secciones de Quintana Roo (amarillo). Por otro lado, gran parte del norte del país presenta agrupaciones de secciones con valores bajos para este partido.

El mapa LISA de la figura 4 indica que la mayor agrupación de votos por el Partido Verde Ecologista de México (PVEM) se localiza en la entidad federativa de Chiapas, caso contrario para el resto del país (verde). Las agrupaciones espaciales de votos por el Partido del Trabajo (PT) se ubican al norte y centro de Durango, al sur de Baja California Sur, gran parte de Zacatecas y al sur de Veracruz (rojo).

En el partido Movimiento Ciudadano, la agrupación de sus votantes se sitúa al norte de Baja California y gran parte de la entidad de Jalisco (naranja). En cambio, se observa una gran agrupación de secciones con votos bajos para este partido político en gran parte del territorio nacional. En el caso de los votos por el partido Nueva Alianza, se observan pequeñas agrupaciones de valores altos en el norte y centro del país (turquesa). El Movimiento de Regeneración Nacional (Morena) (figura 8) presenta pocos y pequeños agrupamientos espaciales de altos votos en el sur del país, así como en Baja California, pero resalta una mayor concentración de secciones con bajos votos en el Bajío y en el norte del territorio nacional.

Regresiones espaciales

Para evaluar los efectos de las características sociodemográficas sobre la decisión del voto se corrieron regresiones espaciales en el software econométrico Geoda (^{Anselin, 2005}). Las variables consideradas fueron: la tasa de desocupación (R_DESPCUP), porcentaje de la población entre 18 y 24 años que asiste a alguna institución educativa (R_18A24), porcentaje de católicos ubicados en la sección electoral (R_CATO), porcentaje de viviendas con disponibilidad de internet (R_INTER), tasa de migrantes (R_MIG), porcentaje de población hablante de lengua indígena (R_IND), porcentaje de habitantes de la sección que no cuenta con escolaridad (R_SINESCO). A continuación, se describen los resultados para los ocho partidos políticos.

Para todos los partidos políticos evaluados se encontró autocorrelación espacial significativa en la participación electoral. Los errores de las regresiones también mostraron autocorrelación espacial. Para ello, fue necesario evaluar modelos robustos de rezagos espaciales que permitieron mejorar los estimadores.

El criterio de trabajo para determinar la contigüidad de secciones electorales fue de “Queen 1”; es decir, se consideran vecinas aquellas secciones con una colindancia directa con la sección a evaluar.

PRI. Se identificó que las variables que juegan a favor de este partido son: la tasa de desempleo y la población católica, pues ambas son significativas y de impacto moderado. Las características sociodemográficas perjudiciales para el PRI son: la proporción de jóvenes entre 18 y 24 años con asistencia escolar, la presencia de internet en los hogares de la sección electoral, la cantidad de personas sin formación educativa, la proporción de migrantes y la tasa de hablantes de lengua indígena.

Las dos variables que aportan a la decisión del voto en favor del PRI podrían apuntar a que este sabe aprovechar la situación adversa de desempleo para obtener ventaja electoral. Por otra parte, la población católica, tradicionalista, encamina sus preferencias electorales al mencionado partido.

Los resultados reflejan que para el PRI es perjudicial una juventud universitaria informada. Las visiones críticas de jóvenes con preparación académica alta parecen jugar en contra del autonombrado “partido de partidos”. Previo a la elección 2012 el movimiento “Yosoy132”, formado principalmente por jóvenes universitarios, reflejó la antipatía de un sector de la juventud por dicha plataforma política. En el mismo sentido, el PRI resulta perjudicado cuando las viviendas tienen mayor disponibilidad de internet, pues este es un medio difícil de censurar. Así, la presencia de medios alternativos a la televisión para las familias mexicanas representa la posibilidad de acceder a información por fuentes no oficiales, que acaba redundando en menores votos para el PRI. Por otra parte, los efectos negativos para este partido ocasionados por la presencia de hablantes de lengua indígena y personas sin escolaridad son moderados. El resultado sugiere que las personas con mayor acceso a internet disponen de mayores fuentes de información por medios en que los gobiernos municipal y estatal tienen menor injerencia.

Al evaluar el modelo aplicando, un rezago espacial, el R ² se elevó de 0.15 (con MCO) a 0.64, lo cual permite identificar el alto impacto de la dependencia espacial para dicho partido. En el caso del PRI, el coeficiente asociado a la variable espacial fue de 0.77, que representa el efecto de contigüidad.

PAN. En este se corrieron los mismos modelos. Inicialmente un MCO espacial y, dado que se encontró correlación espacial de los errores, se requirió aplicar métodos de máxima verosimilitud. Sin embargo, dicha condición permaneció a pesar del tratamiento aplicado.

Las variables referentes a la tasa de desocupación y hablantes de lengua indígena resultaron no significativas para explicar la decisión de mayor voto por el PAN.

La presencia de jóvenes entre 18 y 24 años que asisten a la escuela fue perjudicial para el PAN, pues arrojó un signo negativo. Para el modelo de MCO, dicha variable fue la de valor absoluto más alto, lo que sugiere un voto de castigo de la juventud en contra del PAN.

La población católica por sección representa un incremento en los votos para el PAN. Dicho resultado se corresponde con las expectativas previas respecto de esa variable, puesto que el PAN, desde su fundación, se ha asociado a la Iglesia católica.

El acceso de los habitantes a internet beneficia al partido. Se identificó que la variable de mayor impacto fue R_INTER, lo que apunta a que la estrategia de comunicación vía internet del PAN podría ser un elemento en beneficio de este. De acuerdo con los datos, la tasa de migración juega en contra de la decisión del voto por el PAN; ocurre lo mismo con la proporción de hablantes de lengua indígena.

La variable referente a la falta de escolaridad resultó negativa en el modelo espacial inicial; sin embargo, el coeficiente cambió de signo cuando se aplicó el modelo de rezago espacial.

En el caso del PAN, el tratamiento para la autocorrelación espacial de los errores también permitió elevar el nivel de explicación del modelo, pasando de 0.10 a 0.71. Y el coeficiente de la variable espacial fue de 0.82, mayor que para el PRI, lo que refuerza la idea de la importancia de los efectos espaciales para explicar la decisión de voto.

PRD. El partido de izquierda más fuerte del país, el PRD, alcanzó aproximadamente 10 por ciento de la decisión del voto de las casillas evaluadas en el presente estudio.

La característica que más benefició al PRD fue la presencia de jóvenes en actividades escolares. Así, un nivel de escolaridad alto entre la juventud resulta en mayor preferencia electoral por dicho partido.

Complementariamente, la presencia de personas sin escolaridad beneficia al PRD. Esto se corresponde con las premisas fundamentales del partido: la cercanía con sectores de la población de menores ingresos.

Otro elemento que resultó en beneficio del PRD es la presencia de migrantes y católicos. Por otra parte, la disponibilidad de internet resulta el factor más perjudicial para el PRD. Dicho resultado podría señalar que este partido de izquierda tiene un área de oportunidad en su comunicación por internet y de redes sociales. La tasa de desocupación y la población indígena resultaron no significativas para explicar la tasa de voto en favor del PRD.

El cambio por tratar los rezagos espaciales permitió que el R ² se incrementara hasta el 0.68. De esta manera, el modelo presente ofrece un buen nivel explicativo de los datos.

PVEM. Este partido encuentra en la juventud y en la población sin escolaridad sus principales capitales políticos. Esos dos factores influyen de manera significativa en la proporción de votos obtenidos por sección electoral. A causa de ello, el PVEM obtuvo cerca de seis por ciento de los votos en las secciones evaluadas.

El PVEM basó buena parte de su campaña en publicidad por medios tradicionales, es decir, radio, televisión, cine, periódicos y revistas. Ello favoreció el acercamiento con la población joven y de menor escolaridad. Por otra parte, la comunicación por internet pudo no ser tan eficiente, ya que resultó perjudicial para la proporción de votos para este partido. Otros factores que redituaron en menor participación electoral en favor del PVEM fueron la proporción de católicos en la sección y la tasa de desempleo, de migrantes y de población indígena.

Movimiento Ciudadano. Este es uno de los partidos más jóvenes en la actualidad. Logró captar cerca de cinco por ciento de la preferencia electoral para diputados en 2015. Las características sociodemográficas que más le favorecieron fueron la disponibilidad de internet en los hogares de las secciones evaluadas y la proporción de católicos.

Para el Movimiento Ciudadano resultó sumamente perjudicial la proporción de jóvenes inscritos en instituciones educativas; dicha variable mostró el coeficiente negativo más elevado del análisis. Otras variables de impacto negativo para la decisión de voto por el Movimiento Ciudadano fueron: la presencia de individuos sin formación escolar y la tasa de desocupación, así como la proporción de migrantes y hablantes de lengua indígena, aunque en menor medida.

La aplicación del tratamiento para el rezago espacial simbolizó un de 0.59, lo cual representa un nivel aceptable de explicación para los datos. El coeficiente de pesos espaciales fue de 0.76, que simboliza el efecto más grande.

Nueva Alianza. Este partido logró captar aproximadamente 3.7 por ciento de los votos de las secciones electorales disponibles. Fue uno de los partidos que estuvo en riesgo de perder su registro. El MCO espacial inicial llevado a cabo con sus datos ofreció uno de muy baja magnitud.

La mayoría de las variables resultaron ser significativas y positivas para Nueva Alianza, aunque mostraron coeficientes muy bajos; estas fueron: proporción de jóvenes estudiantes y, en menor medida, la tasa de desocupación, porcentaje de católicos y población indígena.

En perjuicio del voto por Nueva Alianza actuaron la proporción de personas sin escolaridad y la disponibilidad de internet en las viviendas.

Considerando los rezagos espaciales para corregir la autocorrelación espacial de los errores, se obtuvo un R ² =0.46, y un valor para el coeficiente de efecto de contigüidad de 0.72.

PT. No alcanzó la votación mínima necesaria para mantener su registro. Logró únicamente 2.8 por ciento de los votos, en promedio, por sección electoral. La baja participación electoral en favor de dicho partido de izquierda dificultó la disponibilidad de datos para ofrecer un ajuste adecuado. Igualmente, los coeficientes fueron muy cercanos a cero para las variables evaluadas.

Los datos mostraron que la tasa de desocupación, la población católica y la presencia de hablantes de lengua indígena resultaron en una mayor participación electoral en favor de este partido. Mientras que la disponibilidad de internet y la presencia de migrantes jugaron en contra de las preferencias para dicho partido.

Al igual que en los casos previos, el ajuste se incrementó de manera significativa al aplicar el tratamiento para la corrección de autocorrelación espacial de los errores.

Morena. Este es el partido más joven de México. La participación electoral en favor de este alcanzó el ocho por ciento, con menos de un año de haber obtenido su registro como partido.

El principal capital político de Morena es la juventud escolarizada. El coeficiente vinculado a la proporción de individuos entre 18 y 24 años que asisten a la escuela fue el más elevado entre los considerados. Esto refleja que la población joven respalda el proyecto social de izquierda promovido por Andrés Manuel López Obrador.

Otros factores que favorecen la preferencia por Morena son: la tasa de migrantes, la proporción de hablantes de lengua indígena, la tasa de desocupación y la disponibilidad de internet, factores esperados en un partido de izquierda.

Los elementos en detrimento del voto por Morena son la proporción de personas sin escolaridad y la presencia de católicos en la sección electoral.

Morena ofreció el mayor poder explicativo para los datos, R ² =0.73. Así, para este partido, una tarea pendiente es enfocar sus esfuerzos en lograr la simpatía de los votantes de religión católica y personas sin escolaridad.