una aplicaciÓn del anÁlisis de redes a los flujos de ...-carrillo-uriel...centralidad de los...
TRANSCRIPT
UNA APLICACIÓN DEL ANÁLISIS DE REDES A LOS
FLUJOS DE MIGRACIÓN INTERNA EN TRES REGIONES
DEL NORTE DE MÉXICO
Tesis presentada por
Uriel Antonio Lomelí Carrillo
para obtener el grado de
MAESTRO EN ESTUDIOS DE POBLACIÓN
Tijuana, B. C., México 2016
Resumen
Desde el marco del análisis de redes sociales, el objetivo central de este trabajo es analizar
para los años de 1995, 2000, 2010 y 2015, la estructura de red que forman los flujos de
inmigración interna reciente en tres regiones del norte de México. Para ello se estableció la
centralidad de los municipios pertenecientes a cada una de las redes, la asociación con
aquellos municipios fronterizos y la detección de comunidades al interior de cada región. Las
fuentes de datos principales fueron el Conteo de población de 1995, los Censos de población
de 2000 y 2010 y la Encuesta Intercensal de 2015. La centralidad de inmigración de los
municipios se determinó mediante el cálculo de los autovectores de la matriz de origen-destino
en cada una de las regiones y se registraron los cambios en este indicador para cada año
considerado. Posteriormente se llevó a cabo una prueba de correlación entre la centralidad y
los municipios fronterizos para determinar la asociación de los flujos de inmigración con
destino a la frontera norte. Por último, se identificaron comunidades de municipios al interior
de cada región con base en la cantidad de flujos de migración que recibieron durante el
periodo de estudio. Se encontró que en el Noroeste de México la centralidad está dispersa en
un mayor número de municipios, y que conforme se desplaza hacia el Noreste, la centralidad
de los flujos de inmigración se concentró en pocos municipios, no todos ellos fronterizos.
Palabras clave: Migración interna, análisis de redes sociales, centralidad, flujos migratorios.
Summary
The objective of this research work is to analyze the network structure formed by the recent
internal migration flows in three regions of Northern Mexico for the years 1995, 2000, 2010
and 2015, using the framework of Social Network Analysis. To achieve this goal, the
centrality of the municipalities belonging in each of the networks, the association with those
border municipalities as well as the detection of communities within each region was
established. The main data sources were the 1995 population Count, the 2000 and 2010
Censuses and the 2015 Intercensus Survey. Immigration centrality of municipalities was
determined by calculating the eigenvectors of the origin-destination matrix for each of the
regions and, the changes of this indicator were recorded for each year considered.
Subsequently, a test correlation between the centrality value and the border municipalities to
determine the association of immigration flows to the Northern Border, was conducted. Lastly,
the communities of municipalities within each region, based on the amount of migration flows
received during the study period were identified. Results showed that in the Northwest of
Mexico the centrality of immigration is spread in a greater number of municipalities, and as it
moves toward the Northeast, the centrality is concentrated in a few municipalities, not in all of
the Northern Border.
Keywords: Internal migration, Social network analysis, centrality, migration flows.
i
ÍNDICE GENERAL
INTRODUCCIÓN 1
CAPÍTULO I. LA MIGRACIÓN Y LA TEORÍA DE REDES 6
1.1 Migración 6
1.2 Teoría de redes 9
1.2.1 Fundamentos 12
1.3 El análisis de redes sociales como opción en el estudio
de la migración interna 16
CAPÍTULO II. MIGRACIÓN INTERNA Y FUENTES DE INFORMACIÓN 18
2.1 Investigaciones en torno a la migración 18
2.1.1 Estudios sobre migración en México 19
2.2 Teoría de redes y migración 22
2.3 Fuentes de información 23
2.4 La información sobre migración en los censos y conteos de población 24
2.5 Otras consideraciones sobre el uso de censos y conteos de población 30
CAPÍTULO III. ESTRATEGIA METODOLÓGICA 32
3.1 Datos de redes sociales o datos reticulares 32
3.2 Datos reticulares, medición y notación 34
ii
3.3 Regionalización 37
3.4 Matriz de origen-destino 40
3.5 La estructura de la red 42
3.5.1 Centralidad 43
3.5.2 Correlación 44
3.5.3 Detección de comunidades 47
CAPÍTULO IV. ANÁLISIS DE RESULTADOS 49
4.1 Análisis de redes 49
4.1.1 Centralidad de redes 49
4.1.2 Correlación 59
4.1.3 Comunidades 61
CONCLUSIONES 72
BIBLIOGRAFÍA 76
ANEXOS 72
Anexo 1 Glosario de términos 72
Anexo 2 Gráficos de centralidad 74
Anexo 3 Tablas de centralidad de redes 77
iii
ÍNDICE DE CUADROS
Cuadro 3.1. Regiones de movilidad poblacional en México. 39
Cuadro 3.2. Regiones. 39
Cuadro 3.3 Matriz de origen-destino, región Noroeste. 41
Cuadro 4.1 Correlación entre redes, 1995. 60
Cuadro 4.2 Correlación entre redes, 2000. 60
Cuadro 4.3 Correlación entre redes, 2010. 61
Cuadro 4.4 Correlación entre redes, 2015. 61
Cuadro 4.5 Comunidades al interior de las regiones fronterizas, 1995-2000. 62
Cuadro 4.6 Comunidades al interior de las regiones fronterizas, 2010-2015. 63
Cuadro 4.7 Centralidad de autovector y k-centros, 1995 y 2000. 65
Cuadro 4.8 Centralidad de autovector y k-centros, 2010 y 2015. 66
ÍNDICE DE GRÁFICAS
Gráfica 4.1 Centralidad de autovector, región Noroeste. 50
Gráfica 4.2 Centralidad de autovector, región Centro Norte. 51
Gráfica 4.3 Centralidad de autovector, región Noreste. 52
Gráfica 4.4 Distribución de la centralidad en la región Noroeste, 1995-2015. 54
Gráfica 4.5 Distribución de la centralidad en la región Centro Norte, 1995-2015. 55
Gráfica 4.6 Distribución de la centralidad en la región Noreste, 1995-2015. 55
iv
ÍNDICE DE FIGURAS
Figura 1.1 Sociograma de estructuras típicas entre grupos. 14
Figura 2.1 Censo General de la República Mexicana 1900. 26
Figura 2.2 XI Censo General de Población y Vivienda 1990. 27
Figura 2.3 Conteo de Población y Vivienda 1995. 28
Figura 2.4 XII Censo General de Población y Vivienda 2000. 28
Figura 2.5 Censo de Población y Vivienda 2010. 30
Figura 2.6 Encuesta Intercensal 2015. 30
Figura 3.1 Representaciones de una red. 35
ÍNDICE DE MAPAS
Mapa 3.1 Propuesta de división regional de México. 40
Mapa 4.1 Centralidad de autovector por municipio en la región Noroeste. 56
Mapa 4.2 Centralidad de autovector por municipio en la región Centro Norte. 57
Mapa 4.3 Centralidad de autovector por municipio en la región Noreste. 58
Mapa 4.4 Centros en el Noroeste, 1995 y 2000. 67
Mapa 4.5 Centros en el Noroeste, 2010 y 2015. 68
Mapa 4.6 Centros en el Centro Norte, 1995 y 2000. 69
Mapa 4.7 Centros en el Centro Norte, 2010 y 2015. 70
Mapa 4.8 Centros en el Noreste, 1995 y 2000. 71
Mapa 4.9 Centros en el Noroeste, 2010 y 2015. 71
v
ÍNDICE DE DIAGRAMAS
Diagrama 1.1 Principios que distinguen al análisis de redes. 10
Diagrama 1.2 Los tres principales fundamentos matemáticos del análisis de redes. 15
Diagrama 3.1 Datos de redes sociales o datos reticulares. 33
1
INTRODUCCIÓN
Sin duda alguna la dinámica demográfica de las poblaciones humanas está sujeta a una serie
de fuerzas internas y externas que en las consecuencias de la mortalidad, la natalidad y la
migración alteran la estructura y volumen de la población, así como a los elementos de la
misma. A la migración se le atribuye la responsabilidad en materia de distribución de la
población y de su influencia indirecta sobre los otros componentes demográficos. En este
sentido, su estudio es capital para entender los cambios en la distribución espacial de la
población en el territorio y los efectos que ésta tiene con las otras fuerzas internas y externas
como pueden ser la política económica o de desarrollo social.
En la historia de prácticamente cualquier sociedad con una economía de mercado el
nexo entre la migración y los factores de la producción está presente. La población mexicana
se adecua en muchos aspectos a esta línea. Cuando la economía era impulsada por un modelo
basado en la sustitución de importaciones, durante la década de 1940 y hasta mediados de la
década de 1950, las ciudades mexicanas concentraron las actividades industriales,
comerciales, financieras y políticas, además de gran parte de los servicios educativos y
sanitarios. El impulso económico de estos años generó una oferta de empleo elevada en las
grandes ciudades y el desplazamiento de la población que residía en áreas rurales hacia las
ciudades. Los años siguientes (1954-1970) comprenden una prolongación del modelo basado
en la sustitución de importaciones, cuyos objetivos eran mantener el nivel de vida que alcanzó
la población, sobre todo de los obreros citadinos y la creciente clase media. Los migrantes
internos seguían teniendo como destino las grandes ciudades y zonas económicas en desarrollo
como las del norte del país.
En los años ochenta y prácticamente hasta años recientes, el país se dirigió hacia la
globalización con políticas neoliberales. La economía se volcó con creces al sector exportador
y las ciudades donde está industria se concentraba tuvieron un impulso mayor. La entrada de
México al Tratado de Libre Comercio de Norteamérica en enero de 1994 empujó la demanda
externa y favoreció la entrada de capitales extranjeros. Sin embargo, la inflación aumentó y el
peso se devaluó frente al dólar.
2
La década de 1990 se vio marcada por una crisis económica en 1994-1995 que tuvo un
impacto severo en el poder adquisitivo del salario real de los mexicanos debido a la inflación
creciente. En el periodo posterior a 1995 la devaluación del peso volvió a las exportaciones
nacionales competitivas en precios y al salario de los trabajadores más barato. El sector
exportador de manufacturas cargó con todo el peso de las exportaciones, el crecimiento del
empleo en la industria maquiladora y, en general, el empleo regional y sectorial se benefició.
En los primeros años del nuevo milenio, 2001-2003 la economía nacional, a esta altura
con una dependencia importante de la demanda externa de Estados Unidos, se frenó como
consecuencia de la contracción de la demanda de su principal socio comercial. Cuando
comenzaba a recuperarse, la crisis económica mundial de 2007-2009, que tuvo un impacto
mayor en Estados Unidos que en México, creo nuevas fricciones en el modelo de crecimiento
externo que desde los noventa estaba supeditado a la industria maquiladora de exportación.
Aunado a esto, la década también está marcada por un aumento en la violencia ejercida por
poderes fácticos, narcotráfico y homicidios, cuyas consecuencias son visibles en los
desplazamientos forzados en los estados de Sinaloa, Guerrero y Michoacán.
El contexto anterior describe someramente la situación económica nacional. Si
consideramos el modelo de la Transición Demográfica, en la primera década del siglo XX, se
sentaron las bases para la expansión de la tasa de natalidad, al tiempo que el grado de
urbanización, es decir, el porcentaje de la población en localidades de 15 mil y más habitantes
con respecto a la población total, avanzó del 11 al 20% (Sobrino, 2010:38). En los 40 años
siguientes las tasas de mortalidad disminuyeron y la natalidad se controló, implicando un
crecimiento natural, sobre todo en localidades urbanas. En los años de 1980 a 2000, el país
entró en la fase avanzada del modelo de la Transición Demográfica (Welti, 1997).
Como se indicó, la política económica se enfocó en las ventajas de localización de las
actividades productivas en regiones particulares. Las políticas públicas, así como su
implementación, ocurrían sobre todo en las ciudades. La mayoría de las actividades
económicas se diversificaron en el territorio y eventualmente originaron los patrones de
migración interna ampliamente descritos por autores como Virgilio Partida (2012) o Jaime
Sobrino (en Valdés, 2013): surgimiento de migraciones entre ciudades, entre zonas
metropolitanas, de las metrópolis hacia ciudades medias, entre zonas rurales y entre la ciudad
3
y el campo. Romo, Téllez y López (2013) apuntan dos cambios en la migración en las últimas
décadas. El primero de ellos, que la migración intraestatal se ha incrementado, y el segundo,
que la migración interna ha cambiado su composición según la consolidación urbana del país.
Igualmente, los autores reconocen cambios en los orígenes y destinos de los migrantes. Las
entidades de la frontera norte han reducido su capacidad de atracción mientras que las
entidades con enclaves turísticos, como Baja California Sur y Quintana Roo, y las que rodean
a la Zona Metropolitana de la Ciudad de México, se han consolidado.
Por tanto, con los cambios vistos en tantas aristas, la intensidad y dirección de los
flujos migratorios dentro del país, han aparecido múltiples propuestas para el estudio y la
medición de la migración. Por ello, analizar los flujos de migración interna reciente
atendiendo a una perspectiva diferenciada sobre el territorio es el principal objetivo que se
busca con el presente trabajo.
Para alcanzar tal objetivo se recurre a la propuesta metodológica del análisis de redes
sociales, la cual asume que las relaciones entre los agentes sociales son tan relevantes como
las características de los mismos agentes, entendiendo por estos, a los individuos o
colectividades del entramado social. También, es necesario reconocer que los agentes
mantienen relaciones de intercambio, de filiación o adscripción entre ellos, y que dicha
relación entre un par de agentes se vuelve la unidad de análisis bajo esta perspectiva.
En este trabajo se presenta a la migración como un fenómeno que puede estudiarse
desde el análisis de redes dado que la relación que se está explorando ocurre entre dos agentes,
los municipios pertenecientes a cada entidad federativa, y que el vínculo entre ellos está dado
por la existencia e intensidad de un flujo de migración entre el par de municipios. A partir de
esta idea, las herramientas del análisis de redes se aplicaron a los flujos migratorios recientes
entre municipios del norte de México para el periodo 1995-2015. La información para
reconstruir dichos flujos se obtuvo de los microdatos disponibles por el Instituto Nacional de
Estadística y Geografía (INEGI).
La pregunta principal que se busca responder es ¿cómo ha cambiado la estructura de la
red de inmigración en el norte de México en el periodo 1995-2015? Para responderla, se
construyeron las matrices de origen-destino para los años 1995, 2000, 2010 y 2015 de las que
4
se obtuvo la información para caracterizar la red de inmigración. El análisis de las matrices de
origen-destino, o matrices de incidencia, permite obtener una variedad de indicadores que
sirven para caracterizarlas, que van desde mencionar la dimensión de la matriz hasta un
número real resultado del proceso de descomposición en valores singulares. De igual forma,
operar en estas matrices de incidencia con los procedimientos del análisis de redes nos permite
obtener una amplia gama de indicadores, por ejemplo el grado, la cercanía, la intermediación,
el número promedio de caminos entre nodos, entre otros. En este sentido, en nuestro ejercicio
se consideraron tres indicadores que caracterizan apropiadamente las redes.
Se identificaron los municipios centrales en cada región, es decir aquellos que debido a
la magnitud y al origen de los flujos migratorios que recibieron en cada año, tenían una
posición más importante en la red de migración regional; se buscó la asociación entre los
municipios fronterizos y los flujos migratorios mediante una prueba de correlación de Pearson
y finalmente se detectaron comunidades de municipios cuya atracción en el número de flujos
migratorios fuese igual entre ellos. Estas tres categorías –centralidad, asociación y
agrupamiento- representadas en los indicadores de centralidad de autovector, coeficiente de
correlación y pertenencia a un k-centro, permitieron caracterizar la estructura de la red de
migración regional y observar los cambios durante el periodo de estudio.
Es importante reconocer que la aplicación del análisis de redes para un estudio de este
tipo se queda corto por cuanto en un mismo flujo migratorio se involucran perfiles
sociodemográficos diferentes, por lo que la selectividad migratoria no se pudo explorar a
detalle. Sin embargo, esta misma metodología ofrece como aportación a los estudios de
población una novedosa presentación de la información sobre migración interna que se hace
en función de un conjunto de municipios y los flujos migratorios entre ellos.
En las páginas siguientes se presentan los capítulos referentes a los marcos teórico y
contextual de esta investigación, la metodología y el análisis de resultados. El capítulo primero
contiene las referencias conceptuales sobre migración y teoría de redes. En el segundo capítulo
se encuentran los referentes contextuales sobre la migración interna y el análisis de redes
aplicado a este tema. El capítulo tercero trata de la metodología, se incluye la información
sobre la construcción de la centralidad, la asociación y la identificación de comunidades que
sirven para que en el capítulo cuarto se discutan los resultados sobre la estructura de la red de
5
migración. Por último se dejan las conclusiones y las referencias que se consultaron durante el
proceso de escritura de esta investigación.
6
CAPÍTULO I. LA MIGRACIÓN Y LA TEORÍA DE REDES
En este capítulo se plantea el problema de investigación, el análisis de los flujos migratorios
que sucedieron en los años de 1995, 2000, 2010 y 2015 en el contexto mexicano partiendo de
la teoría de redes como un marco teórico y conceptual apropiado para su estudio. En primer
lugar, se define a los movimientos migratorios, cuál es su función y los conceptos que se
tomaron para su inclusión en el presente trabajo, en segundo lugar se introducen los elementos
de la teoría de redes. Se exponen los fundamentos históricos del análisis de redes, los
conceptos claves y la terminología que se utilizará a lo largo de este trabajo. Por último se
argumenta cómo el análisis de redes se puede utilizar en los estudios de población para
analizar los movimientos migratorios al tiempo que se contrasta con otras metodologías.
1.1 Migración
La migración como uno de los componentes fundamentales del cambio poblacional junto con
la mortalidad y la fecundidad, en las últimas décadas ha adquirido una posición más
consecuente que nunca. En muchas poblaciones donde la Transición Demográfica ha tenido
lugar, ocupa un lugar más importante en el cambio poblacional y la distribución espacial de la
misma. Los procesos de globalización y desarrollo económico han llevado a la redistribución
de poblaciones, tanto al interior como entre naciones (White, 2016). Igualmente la evidencia
académica es prueba de que la migración ha sido estudiada desde diferentes áreas del
conocimiento. Arqueólogos (Anthony, 1990; Burmeister, 2000), antropólogos (Gamio, 1930;
Bustamante, 1979; Massey et al., 1991), economistas (Lee, 1966; Greenwood y Ladman,
1977), geógrafos (Ravenstein, 1885; Raymer, 2007), sociólogos (Simmons, 1991),
demógrafos (Rogers, 1968; Willekens, 2016), entre otros, han contribuido cada uno desde su
campo a la comprensión de este tema.
Los estudios arqueológicos (Anthony, 1990) muestran que las causas de los
movimientos migratorios pueden llegar a ser en extremo complejos y en muchos casos
prehistóricos, lo más probable es que las causas próximas no puedan ser identificables. El
7
paradigma push-pull se cuestiona al poner de manifiesto las causas estructurales de la
migración. Para Anthony (1990), en los estudios de los últimos cien años, las causas de las
migraciones se han centrado en aspectos económicos, los factores ideológicos pudieron ser
igual de importantes en el mundo antiguo como muestra su hipótesis de que entre las
sociedades en las que el estatus y el rol del varón están ampliamente determinados por el éxito
en la guerra, los jóvenes varones buscan activamente oportunidades para el conflicto, y así los
efectos acumulados de la búsqueda por gloria puede conducir a una emigración significativa.
El antropólogo Manuel Gamio (1930) realiza un aporte crucial para los estudiosos de la
migración México-Estados Unidos. Su propuesta para estimar el número de migrantes
temporales en Estados Unidos, conocer el lugar de origen en México y dónde se encontraban
trabajando tiene como solución la utilización de los giros postales a falta de fuentes de
información que le permitieran conocer dicha información. Casi 300,000 giros postales fueron
revisados, una tarea que en la década de 1930 requería muchas horas hombre. La utilización
de información de este tipo para estimar los movimientos migratorios es muy valiosa al
plantear una solución práctica al problema de la falta de información.
Everett Lee (1966), siguiendo los planteamientos base de E. Ravenstein, formula un
esquema general para los diferentes desplazamientos espaciales. Define la migración como el
cambio permanente o semipermanente de residencia y menciona que sin importar cuán corto o
largo, fácil o difícil, cada movimiento migratorio involucra un origen, un destino y un
conjunto de obstáculos intervinientes. Raymer (2007) menciona que el estudio comparativo de
la migración se ve obstaculizado por la disponibilidad de datos, su calidad y consistencia,
debido a ello los modelos en el estudio de la migración son necesarios para corregir las
inconsistencias en la información disponible y estimar los patrones perdidos. Plantea una
estimación de los patrones espaciales y etarios de la migración interregional a partir de un
modelo de componentes multiplicativo en el cual las dimensiones básicas son el origen, el
destino, la edad y el sexo expresados en arreglos matriciales.
En demografía y en los estudios de población un tema central es la adecuada definición
de los conceptos que permiten una medición apropiada del fenómeno. Frans Willekens (2016)
dice que en cada concepto de migración un aspecto temporal y uno espacial pueden
distinguirse y que al situar la migración en este marco espacio-temporal diferentes
8
definiciones y mediciones de la migración pueden ser comparables. Para acotar una definición
de la migración no hay una regla escrita y en muchas ocasiones se hace en función de la
investigación, las fuentes de información, la disponibilidad de datos o una combinación de las
anteriores. La característica relevante es que la migración se asocia con el movimiento en el
espacio, con un cambio de residencia habitual más o menos permanente y con el cruce de un
límite geográfico entre países o al interior de un país.
Una definición en este sentido es la que plantea Sobrino, “la migración suele definirse
como un movimiento que atraviesa un límite geográfico que ha sido definido generalmente
por razones político-administrativas. Si el cruce ocurre dentro un país, entonces se refiere a
migración interna” (Sobrino, 2010: 17). En esta definición, el migrante es aquel individuo que
traslada su lugar de residencia habitual de una división administrativa a otra. Es inmigrante
con respecto al lugar de destino y es emigrante respecto de su lugar de origen, además si el
cruce se da entre países comprende a la migración internacional, si ocurre al interior de un país
se trata de migración interna.
La definición anterior carece de la dimensión temporal mencionada anteriormente, por
tanto el concepto de migración debe complementarse en este trabajo incluyendo una
característica temporal. La naturaleza de las fuentes de información que se consultaron no
permite establecer un tiempo de lo que es una residencia habitual, por lo que la dimensión
temporal, únicamente está dada por el tiempo transcurrido entre residencias habituales en cada
uno de los ejercicios censales, conteos y encuesta que se consultaron. Por tanto la migración
en el marco espacio-temporal es el movimiento de cambio de residencia habitual que atraviesa
un límite político-administrativo entre una unidad geográfica denominada de origen, y otra
unidad geográfica denominada de destino, en un tiempo previo determinado en cada
instrumento de captación.
Jaime Sobrino (2010: 29) expone que el estudio de la migración requiere de
información que permita cuantificarla y sistematizarla, así como datos que invoquen
elementos cualitativos de los migrantes. A partir de las preguntas en los cuestionarios de los
censos y conteos sobre el lugar de residencia actual y el lugar de residencia cinco años atrás,
es posible tener un número de los movimientos migratorios internos e internacionales que han
ocurrido en el país. Sin embargo, entender el por qué las personas migran es un tema
9
recurrente en la investigación social. Los determinantes, las características y las consecuencias
de estos movimientos no son ajenos a la cuantificación y clasificación de los migrantes.
El tipo de movimiento migratorio de la población que se encuentra bajo estudio y el
contexto geográfico y social en el que se desenvuelve, modifican el concepto de migración. La
migración rural-urbana en México, del campo a la ciudad, de la segunda mitad del siglo XX y
la migración de retorno de Estados Unidos a México, por ejemplo, son dos tipos de
movimientos cuyo análisis implica consideraciones diferentes. Cada migración y su
aproximación conceptual plantean desafíos a los modelos y enfoques que se han planteado con
anterioridad.
En el presente trabajo se plantea la migración entre municipios como un fenómeno que
puede analizarse desde la teoría de redes. Tal análisis envuelve la formulación de un problema
que presenta una estructura de red, de forma que dicha estructura se puede capturar en forma
de un grafo. Para ello, son necesarios un conjunto finito de agentes, los municipios, y los
vínculos que definen al grafo, los flujos migratorios dirigidos entre cada par de municipios.
1.2 Teoría de redes
Barry Wellman, sociólogo canadiense, apuntó que al análisis de redes, o análisis estructural
como él lo llama, “algunos lo han desestimado por ser una mera metodología que carece de los
méritos suficientes para tratar cuestiones sustantivas. Algunos han huido de sus extraños
términos y técnicas, pues no juegan con bloques y gráficos desde la escuela primaria.”
(Wellman, 2000:11)
El análisis de redes, como parte de la teoría de redes trata del estudio de grafos que
representan relaciones entre objetos. El análisis de redes, de aquí en adelante ARS, le atribuye
un papel activo y distinguido a las relaciones, expresadas como vínculos o uniones, que
aparecen entre unidades sociales que interactúan. En la importancia que se le da a tal relación
yace un componente fundamental, el ARS trata de la estructura de las relaciones entre entidades
sociales.
10
El ARS es una forma comprehensiva de considerar la estructura social de una manera
consecuente, a partir del estudio directo de la forma en que los patrones de vinculación
asignan los valores en un sistema. Desde este punto de vista, el entorno social puede
expresarse a manera de patrones o regularidades en las relaciones entre unidades sociales.
Wasserman y Faust (1995) identifican cinco principios distinguibles que subyacen en
la perspectiva de redes: 1) los agentes y sus acciones son vistas como interdependientes, no
como unidades independientes, 2) los vínculos relacionales entre los agentes funcionan como
conductos para transferir recursos, o bien materiales o bien inmateriales, 3) los modelos de
redes que se enfocan en individuos observan la red como proveedora de oportunidades o
restricciones para la acción individual, 4) también conceptualizan la estructura (social,
económica, o política) como patrones duraderos de relaciones entre agentes, y 5) la unidad de
análisis en el ARS no es el individuo, sino una entidad consistente en una colección de
individuos y sus vínculos.
Diagrama 1.1 Principios que distinguen al análisis de redes
v
Número menor de
destinos puede limitar
la migración
Las regiones
tradicionales de
expulsión
Las rutas migratorias
funcionan en dos
sentidos
Decisión del migrante
no es aislada de la del
no migrante
Flujo migratorio
entre municipios
Análisis de
redes
Red como proveedora o
restrictiva para la
agencia
Estructura como
patrón de las
relaciones
Relaciones funcionan
como conductos de
transmisión
Agentes son
interdependiente
s
Unidad de análisis
son agentes y
relaciones
Fuente: Elaboración propia.
11
Las ideas de estos principios también se encuentran en forma similar, en Wellman
(2000) y en Newman (2008, 2010). Adscribirse a estos principios de la perspectiva de redes
para estudiar la migración dará resultados diferentes a los trabajos que se han adscrito a
principios fundamentos diferentes. Una explicación que proviene del ARS de un proceso social,
como la migración, incluye conceptos e información de las relaciones entre las unidades de
estudio, en este caso y como se explicitará más adelante, información de las relaciones o flujos
migratorios entre municipios. La labor es comprender como las propiedades del entorno
estructural, es decir, de la red influencian a los componentes observados, es decir, los
elementos de la red, y a las relaciones entre ellos.
Desde la perspectiva del ARS los atributos observados en los agentes sociales deben
considerarse en términos de patrones o estructuras de vínculos entre agentes. Tales vínculos
relacionales entre los agentes, resultan lo primordial mientras que los atributos de los agentes,
como pueden ser el tamaño, la raza, etc., son secundarios. Asimismo se pueden estudiar
patrones de estructuras relacionales directamente sin referirse a los atributos individuales
involucrados. Por ejemplo, se podrían estudiar los patrones de intercambio comercial entre
países y concluir si el sistema económico mundial exhibe, o no, un estructura centro-
periférica, sin atender los atributos individuales de los países como el tamaño y composición
de su población, o bien cuando se trata de grupos pequeños, detectar si este grupo exhibe una
estructura de red ego, donde un único elemento del grupo podría estar involucrado en la
cohesión del grupo. En el marco analítico del ARS, las uniones son una relación existente entre
unidades, por ejemplo, de parentesco, transacciones comerciales, difusión de ideas, etc.
Igualmente, esto no es exhaustivo a cualquier relación, algunos tipos de uniones serán
relevantes o medibles para ciertas unidades pero no para otras.
La relación o vínculo entre un par de unidades es una propiedad del par y no una
característica inherente de la unidad individual (Wasserman y Faust, 1995), por ello se asume
que se tienen mediciones de las interacciones entre todos los posibles pares de unidades, en el
ejemplo del sistema de comercio mundial, se tiene registro de todo bien intercambiado entre
todos los pares de países. El ARS puede intentar describir las regularidades o patrones en este
sistema y comprender las características económicas de los países individuales, en términos de
la posición que posee el país en el sistema económico mundial de comercio.
12
Igualmente, la perspectiva del ARS se puede extender longitudinalmente al contar con
mediciones entre agentes en diferentes puntos en el tiempo, permitiendo un análisis de los
cambios en la estructura de la red. De esta forma, la perspectiva del ARS nos orienta de manera
diferente dentro de las ciencias sociales. Las estructuras, su impacto y su evolución se vuelven
el foco principal, y dado que las estructuras pueden ser sociales, políticas o económicas, el ARS
nos presenta un conjunto flexible de conceptos y métodos interdisciplinarios.
1.2.1 Fundamentos
El estudio de redes sociales progresó en la segunda mitad del siglo XX, aunque desde 1930 se
comienza a vislumbrar su origen. En la década de 1950 algunos antropólogos británicos como
J.A. Barnes y S. F. Nadel definieron una red como un conjunto de lazos que vinculan a los
miembros del sistema social a través, y más allá, de las categorías sociales y los grupos
cerrados (Wellman, 2000:13). Después de la Segunda Guerra Mundial, los antropólogos
británicos se percataron de las corrientes migratorias que recibían las ciudades y zonas
industriales de individuos provenientes de lugares pobres y culturalmente homogéneos como
las minorías alemanas que fueron perseguidas durante el régimen Nazi y otros grupos de
personas de territorios controlados por los soviéticos como los polacos y los ucranianos. Los
antropólogos descubrieron que los migrantes no sólo formaban grupos fuertes y de apoyo en
su nuevo entorno urbano, sino que mantenían los vínculos con sus lugares de origen. Estas
primeras observaciones de la posguerra que resaltan los vínculos entre agentes, los
inmigrantes y sus familias, son los primeros pasos en el ARS, pues como se mencionó en la
sección anterior, la relación es fundamental.
Conforme los trabajos de europeos se difundían en Estados Unidos, el análisis de redes
se fusionaba con la sociología estadounidense. Se amplió el espectro de investigaciones,
debido a que el empirismo británico empataba bien con la inclinación americana hacia lo
cuantitativo y el análisis estadístico (Wellman, 2000:14). Estos sociólogos, llamados
sociometristas, comenzaron a utilizar diagramas de redes para representan las relaciones en
13
grupos pequeños. Fueron ellos quienes introdujeron en sus primeros trabajos la terminología
de la teoría de grafos.
El doctor Jacob L. Moreno en 1933 establece las bases de la sociometría para la
investigación en grupos pequeños.1 El doctor Moreno creó los medios para representar la
estructura interpersonal de grupos, el sociograma. El sociograma es una imagen en la cual las
unidades sociales se representan como puntos en un espacio bidimensional y las relaciones
entre un par de unidades se representan por líneas que unen los puntos correspondientes.
Por ejemplo, en la Figura 1.1, el elemento 1 representa “aislamiento total”, ninguna
línea de atracción o repulsión conecta al sujeto, representado por la circunferencia, con algún
otro individuo, mientras que el elemento 2 representa a un sujeto atraído a seis individuos
fuera de su grupo (circunferencias dobles) pero su atracción no es recíproca. El elemento 3 es
un sujeto que es atraído hacia cuatro individuos fuera de su grupo y rechaza a dos más (líneas
más oscuras), además otros tres fuera de su grupo sienten atracción hacía él. En el elemento 4
es atraído a cinco individuos en su grupo de los cuales obtiene una respuesta de indiferencia.
En el elemento 5 se tienen atracciones mutuas entre tres individuos pero cada uno de los
sujetos es rechazado y aislado al interior de su grupo. En el elemento 6 hay cinco sujetos, cada
uno de ellos aislado y rechazado en su propio grupo y además, rechazados y aislados entre
ellos. En el elemento 7 hay dos sujetos, cada uno aislado en su propio grupo forman un par de
atracciones mutuas, y por último en el elemento 8 el sujeto rechaza a seis individuos y es
rechazado por 15 individuos de su grupo y dos individuos fuera de su grupo.
1 Los resultados que presentó ante la Medical Society of the State of New York fueron registrados en la nota del
New York Times del 3 de abril de 1933.
14
Figura 1.1 Sociograma de estructuras típicas entre grupos
Fuente: Tomada de Moreno (1978).
Una vez introducidos y asimilados los sociogramas en las investigaciones sobre la
estructura de grupos, las técnicas analíticas no tardaron en llegar, pues como se observa, el
sociograma y el grafo2 de la teoría de grafos son básicamente el mismo objeto. La siguiente
forma de representación sintética de datos de redes sociales se dio con la utilización de
matrices y la terminología del álgebra de matrices, lo que trajo consigo el poder de las
matemáticas al estudio de los sistemas sociales. Los métodos del análisis de redes se
complementaron con tres fundamentos matemáticos, la teoría de grafos, los modelos
algebraicos y la estadística y probabilidad. La primera provee tanto de una apropiada 2 En teoría de grafos, un grafo es una representación de un conjunto de objetos donde algunos pares están
conectados por líneas. Un grafo G, consiste en un conjunto finito no vacío V de p puntos, junto con un conjunto
prescrito X de q pares no ordenados de puntos distintos de V. Cada par x = {u, v} de puntos en X es una línea de
G, que une u con v (Harary, 1969:9).
15
representación de la red social como del conjunto de conceptos que pueden utilizarse para
estudiar las propiedades formales de las redes, mientras que la estadística y los modelos
algebraicos aportan elementos para probar proposiciones teóricas acerca de las redes,
contrastar hipótesis relacionales sobre la estructura de dos redes así como posibles
combinaciones entre las relaciones de una red.
Diagrama1.2 Los tres principales fundamentos matemáticos del análisis de redes
Teoría de grafos Modelos algebraicos Estadística y probabilidad
Proporciona una
apropiada
representación de
la red
Se utilizan en redes
con múltiples
relaciones
Modelos para
analizar los datos
Conceptos para
estudiar las
propiedades
formales de la red
Solución a sistemas
de ecuaciones
Probar proposiciones
teóricas sobre la red
Arista o enlace
Clique
Grado
Vértice o nodo
Modelos lineales logit
Análisis de redes sociales
Proporciona declaraciones formales
explícitas y medidas de las propiedades
de la estructura social
Redes de relaciones
Posición social
Grupo y camarilla
Popularidad
Aislamiento
Fuente: Elaboración propia.
16
1.3 El análisis de redes sociales como opción en el estudio de la migración
interna
Como se mencionó, en el ARS se combinan supuestos sobre la estructura social y la
importancia que tienen los vínculos entre las unidades sociales. Desde sus comienzos en la
antropología y la sociología, el ARS se ha vuelto un corpus teórico que proporciona conceptos
bien definidos, sustentados en una racionalidad que implica una concepción de la realidad, y
en herramientas analíticas, que proponen un encuentro alterno a la suposición de
independencia de los agentes y un marco para probar teorías acerca de las relaciones sociales
estructuradas.
Usualmente las unidades geográficas son designadas con atributos individuales o
propios de cada unidad como por ejemplo, región expulsora, municipio receptor, municipios
ganadores o municipios perdedores de población. Sin embargo este atributo individual de las
unidades geográficas claramente tiene un sentido relacional, se trata entonces de atributos
relacionales, puesto que el municipio se volvió receptor o ganador porque durante un periodo
recibió flujos migratorios desde otros municipios, no de sí mismo. Este planteamiento refuerza
la idea de que el fenómeno migratorio es sujeto de un análisis estructural o de redes, por tanto
la migración se trata como un fenómeno estructural.
Si por otro lado, la migración no es un fenómeno estructural, es decir, que no presenta
una estructura de red, entonces los atributos de los municipios receptores o expulsores
aparecen como intrínsecos a ellos, cuando no hay un municipio que es receptor o expulsor per
se, sino que lo es en relación con el resto de los municipios que participan de intercambios
migratorios.
El análisis de atributos trata a cada componente de este sistema migratorio como una
unidad estructural, esto es, cada municipio como una unidad independiente. Considerando que
los migrantes no interactúan aleatoriamente, ya que entre ellos se establecen relaciones de
parentesco en un lugar y en otro, los estudios que agregan las características de cada migrante
en forma independiente, están enmascarando la información estructural, aquello que el sistema
migratorio representado por la red, puede proporcionar.
17
Por tanto, cuando se trata de migración, el vínculo que forma el agente en el nuevo
entorno con el lugar de origen, confirma que analizar ésta relación como unidad plantea una
alternativa en la investigación que se ha enfocado en deducir proposiciones, a partir de las
condiciones y atributos individuales de los lugares de origen, destino o de tránsito,
independientemente de la estructura de red, llegando así a conclusiones parciales. Por otro
lado, tampoco se puede afirmar que el ARS consiga conclusiones y respuestas completas, este
también presenta limitaciones, sin embargo, al concebir prioritario como unidad de análisis la
relación, más que el agente, se está acercando desde otra perspectiva a complementar la
parcialidad de las conclusiones provenientes de otras investigaciones.
18
CAPÍTULO II. MIGRACIÓN INTERNA Y FUENTES DE INFORMACIÓN
Este capítulo sirve dos propósitos. El primero de ellos es contextual, de las investigaciones
sobre migración, en particular en México y en aquellas que recurrieron al ARS como método
de análisis. Se trata de referir en primer lugar, las investigaciones que se han planteado sobre
la migración como objeto de estudio en un marco general y en un marco específico al tema
migratorio en México, y en segundo abordar los trabajos que hacen hincapié en el ARS como
método en el estudio de la migración, nuevamente de manera general y con el referente en el
entorno mexicano. El segundo propósito también es contextual pero hacia las fuentes de
información. Se describen las fuentes oficiales de información, a saber, los censos y conteos
que realizó el Instituto Nacional de Estadística y Geografía, INEGI, haciendo mención a los
cuestionarios y como a partir de ellos es posible contextualizar el fenómeno migratorio en el
país.
2.1 Investigaciones en torno a la migración
El estudio de la migración como componente formal de la dinámica poblacional tiene como
referente histórico el trabajo de Ernst G. Ravenstein a finales del siglo XIX. Ravenstein (1885),
generalizó en sus Leyes de Migración las características por edad, sexo y actividad económica
de los migrantes en Inglaterra. Su contribución fue criticada por la aparente simpleza del
lenguaje que utilizó pero las ideas que contiene, provenientes de la observación de datos
censales, fueron fundamentales en posteriores interpretaciones de la migración. Sus leyes
fueron la base para posteriores reinterpretaciones. Una de sus leyes, aquella sobre que los
migrantes se desplazan en mayor cantidad entre condados cercanos, llevó a George K. Zipf
(1946) a esbozar el modelo gravitacional que expresa la migración de un lugar i a un lugar j
como función de la población en i, la población en j y el inverso de la distancia entre i y j.
Larry A. Sjaastad (1962) observó la migración como una forma de inversión en capital
humano, de forma similar a como otros economistas miran la educación o la experiencia
19
laboral. Plantea que esta inversión en forma de migración, son proyecciones futuras en el
sentido de que las ganancias se acumulan en el futuro. Wright y Ellis (2016) reseñan el
modelo de migración de Lowry de los años sesenta donde plantea la idea de que los niveles
relativos de empleo y las condiciones salariales dirigen la migración en el sentido de que las
personas se mueven de lugares con salarios bajos y desempleo elevado hacia lugares donde
existen las condiciones opuestas. Everett Lee (1966) propone una teoría general de la
migración. Su concepto de migración abarca una serie de factores sobre el lugar de origen y el
lugar de destino, los obstáculos intervinientes y las características personales de los migrantes.
En lo esencial, cada migración involucra un origen, un destino y un conjunto de obstáculos
intervinientes. Pese al dominio de la teoría económica clásica y neoclásica (Harris y Todaro,
1970), los trabajos que se alejan de las representativas relaciones económicas para explicar la
migración no faltan, por ejemplo, Cebula (2005) toma en cuenta factores no monetarios y no
económicos para medir el impacto de la inmigración neta estatal en Estados Unidos.
Cushing y Poot (2004) mencionan que la investigación sobre migración interna se ha
realizado en dos líneas. La primera que enfatiza el comportamiento de nivel micro, las
decisiones individuales o del hogar para migrar y utiliza datos del nivel micro, y la segunda
que se enfoca en los lugares más que en las personas, los flujos observados y la emigración e
inmigración neta en lugares específicos y trabaja principalmente con datos agregados.
A pesar de que estos primeros intentos no han sido desplazados del todo, las
investigaciones recientes han prestado mayor atención a la migración en ambientes que
experimentan transformaciones tecnológicas y cambios sociales, aun cuando el desarrollo
económico sea lento o se encuentre estancado (Simmons, 1991: 27).
2.1.1 Estudios sobre migración en México
Históricamente México ha sido un país donde podemos encontrar causas y consecuencias de la
migración en prácticamente todos los rincones del país. Desde la inmigración europea,
africana y asiática después de la Conquista y durante la Colonia, hasta la emigración con
destino a Estados Unidos desde finales del siglo XIX y en la actualidad, en los escritos que le
20
atribuyen a la migración un peso determinante no se vislumbra un final. En un campo más
acotado como los estudios de población, autores como Jaime Sobrino (2010), María Eugenia
Anguiano (1996), Rodolfo Corona (2000), Enrique Pérez Campuzano y Clemencia Santos
Cerquera (2013), entre otros, retoman el vínculo entre migración y trabajo en sus
explicaciones de los movimientos internos en el país.
Sobrino (2010), muestra que el uso de matrices de origen-destino permite explorar la
asociación entre volumen y distancia de las migraciones, concluyendo que estas ocurrieron
preponderantemente entre entidades federativas adyacentes. Su análisis con regresiones
logísticas contempla como variable dependiente el saldo neto migratorio y como variables
independientes al logaritmo natural del PIB, al logaritmo natural del PIB por habitante, la tasa
de crecimiento del PIB, el grado de urbanización, el porcentaje de la población de 15 años y
más con educación primaria y pos-primaria, el porcentaje de la población económicamente
activa en el sector secundario, el porcentaje de la población económicamente activa en el
sector terciario, al logaritmo natural de la ciudad de mayor tamaño y el índice de marginación.
Las variables independientes utilizadas explicaron la variación en el balance migratorio
de las entidades federativas en un rango entre 34 y 82% (Sobrino, 2010: 84). Resalta que el PIB
por habitante, medida del grado de desarrollo de un territorio, fue una variable explicativa en
todas las funciones de ajuste y concluye que los flujos de migración reciente estuvieron
fuertemente influenciados por esta variable. Su análisis resulta muy completo por cuanto se
refiere al concepto de selectividad en la migración.
Anguiano (1996) considera a la vecindad geográfica de los municipios fronterizos con
Estados Unidos como polo de atracción para la migración internacional. Sin embargo,
reconoce que el crecimiento y la diversificación de las actividades económicas en estos
lugares los han convertido en destinos para los migrantes internos. Con datos de la Encuesta
sobre Migración en la Frontera Norte de México, EMIF-NORTE, muestra que en el periodo
1993-1995 los migrantes provenientes del sur, en su mayoría, tenían como destino declarado
la frontera norte. La autora atribuye la diferencia entre los que tenían como destino a Estados
Unidos y la frontera norte, a la dinámica de los mercados de trabajo en esta última. A partir de
la EMIF-NORTE también encuentra que los migrantes laborales con destino a la frontera norte se
21
ubicaron en grupos de edad más jóvenes, entre ellos poco más de la mitad eran menores de 25
años y 81.7% menores de 35 años (Anguiano, 1996: 4).
Corona (2000:8) menciona que las entidades de Baja California, Baja California Sur,
Sonora, Chihuahua, Nuevo León y Tamaulipas, constituyen una región de constante atracción
poblacional durante la segunda mitad del siglo XX, básicamente como reflejo del crecimiento
de sus ciudades fronterizas y del desarrollo sostenido de Monterrey. En el quinquenio 1995-
2000 la migración en este conjunto de estados se caracterizaba por la gran cantidad de
inmigrantes provenientes de los estados contiguos a los mencionados con excepción de la
península de Baja California. Asimismo los inmigrantes eran mayoritariamente hombres y en
edad de inicio de la actividad económica; por el lado de las causas de los desplazamientos, los
inmigrantes llegan por y para trabajar, 65% de los inmigrantes masculinos y casi por el 45%
de las mujeres inmigrantes, cifras mayores al promedio nacional.
Pérez y Santos (2013), a partir de las muestras censales de 2000 y 2010 estudian los
cambios tanto en la dirección como en la intensidad de la migración en el periodo. Sus
resultados muestran como los desplazamientos entre las zonas metropolitanas se han vuelto
más importantes, mientras que la migración rural-urbana se encuentra en detrimento. Los
autores establecen que dentro del grupo de zonas metropolitanas con ganancias está el de las
zonas metropolitanas fronterizas que aún con los problemas de violencia y la desaceleración
de la economía norteamericana continúan atrayendo población del interior, sin embargo las
zonas metropolitanas en la frontera con Estados Unidos, presentan una tendencia diferenciada
en los últimos diez años. Entre 1995 y 2000, las siete zonas metropolitanas presentaron
ganancias netas de población; mientras que entre 2005 y 2010, dos pasaron a ser expulsoras de
población, una atractora neta y las restantes presentaron un balance neto cercano a cero (Pérez
y Santos, 2013: 67). En su texto también caracterizan a las zonas metropolitanas de la frontera
norte como receptoras de población con niveles educativos bajos puesto que el mercado de
trabajo de la región, donde la manufactura tiene un peso considerable, y los servicios, no
requieren de trabajadores con alta calificación laboral.
En Ybáñez (2000) también se sugiere la importancia de considerar la frontera tanto en
el lado mexicano como en el lado estadounidense, es decir, en el par condado-municipio
fronterizo. Debido a la migración en esta región, las poblaciones de ambos lados muestran
22
tasas de crecimiento superiores a las de su promedio nacional. En México se trata de una
población predominantemente urbana con una dinámica demográfica de alto crecimiento
ocasionada por la migración proveniente de algunas zonas más al sur del país. Para la
población de los condados de la frontera sur de Estados Unidos (con excepción de San Diego),
lo que resalta es el predominio rural respecto de otros condados al interior del país, además de
la proporción mayoritaria de población de origen mexicano dentro de ellos (Ybáñez, 2000:
161). Las diferencias a lo largo de la frontera se remarcan, es de observar que entre más al este
de la Frontera sur de Estados Unidos se encuentre el condado, por ejemplo, en el estado de
Texas donde la proporción de población de origen mexicano es mayor al 60% del total, mayor
es la proporción de pobres (Ybáñez, 2000: 164), mientras que en la frontera norte de México
se evidencia cierta homogeneidad a lo largo de la región entre los municipios.
Alejandro Canales en Estrella (1999) expone que el dinamismo de los municipios
fronterizos no se debe únicamente a la desindustrialización y emigración del centro del país en
la década de los ochenta, sino que el crecimiento económico de estos municipios sostenido por
la industria maquiladora de exportación, resulta atractiva para los inmigrantes. La inmigración
en la frontera norte está ligada con dinámicas de industrialización, asemejándose más a los
procesos clásicos de urbanización que a los procesos de terciarización de la economía y la
emigración desde zonas metropolitanas.
2.2 Teoría de redes y migración
La teoría de redes para analizar la migración se ejemplifica en los trabajos de Conti, Guameri
y Tucci (2009) que analizan los flujos de migración interna en Italia comparando entre
población italiana y población extranjera, encontrado diferencias en los mercados laborales
para cada tipo de subpoblación; en el trabajo de Lufin y Atienza (2013) cuyos resultados
muestran la diferencia en la centralidad3 de las comunas participantes en los flujos migratorios
por tipo de ocupación. Maier y Vyborny (2005), realizan su investigación sobre la migración
interestatal en Estados Unidos con base en datos del censo del 2000, de donde se retoma la
3 A grandes rasgos la centralidad se entiende como la importancia que tiene un nodo dentro una red debido a su
posición. Más adelante se ahondará en este concepto.
23
utilización de información estandarizada para la matriz de origen-destino con el fin de
remover el efecto de la diferencia de escala en el origen y destino de los flujos migratorios de
manera simultánea.
La base metodológica presentada en esta investigación no se ha utilizado con mucha
frecuencia en el contexto nacional. Garrocho et al. (2014) es el referente inmediato, el objetivo
de dicho trabajo fue aplicar las teorías de grafos y de redes para avanzar en el conocimiento de
la estructura profunda de los flujos migratorios interestatales del país, con la idea de revisar si
es posible observar nuevos aspectos del sistema migratorio nacional (Garrocho et al., 2014: 1).
Para llevar a cabo su análisis trabaja con información de los censos de 1990 y 2010 en
un nivel de desagregación estatal. Su estudio resalta la utilización de indicadores globales e
individuales, los primeros para identificar las características de la red en su conjunto y los
segundos para las características de los elementos que integran la red. Utiliza cinco
indicadores para estudiar la red, densidad, intermediación, cercanía, centralidad y
centralización. Hace uso de matrices binarias para formar los grafos, es decir, sólo registra
ceros y unos. Uno si se trata de una relación clave entre entidades, cero si no lo es. Por último,
agrega un análisis de conglomerados con los indicadores calculados de intermediación,
centralidad y cercanía con lo que le es posible identificar cinco clústeres en 1990 y cuatro en
2010.
2.3 Fuentes de información
Uno de los requisitos para que el análisis de redes se pueda utilizar para estudiar los
movimientos migratorios en un territorio, es que la información debe capturar los datos sobre
el cambio de residencia habitual de los individuos y además que sean datos reticulares, es
decir que correspondan a la medición de una relación.
En México se cuentan diferentes cuestionarios que contienen las preguntas para
estimar la migración interna. La fuente de información para este trabajo es el Instituto
Nacional de Estadística y Geografía. El INEGI, se encarga de obtener y constantemente
actualizar la información demográfica del país. En lo que concierne al tema migratorio, el
24
INEGI ha procurado, mediante encuestas como la Encuesta Nacional de Ocupación y Empleo,
la Encuesta Nacional de Hogares 2014 o en la Encuesta Nacional de la Dinámica
Demográfica, conseguir información sobre esta variable de interés. Pero no ha sido el único.
En la Encuesta sobre Migración en la Frontera Norte de México y en la Encuesta sobre
Migración en la Frontera Sur de México realizadas por El Colegio de la Frontera Norte, la
Secretaría de Gobernación, la Unidad de Política Migratoria, el Consejo Nacional de
Población, el Consejo Nacional para Prevenir la Discriminación, la Secretaría de Relaciones
Exteriores, la Secretaría de Trabajo y Previsión Social y la Secretaría de Desarrollo Social,
también es posible obtener valiosa información acerca de los movimientos migratorios en las
regiones fronterizas del país.
El INEGI realiza desde 1895 un censo de la población y las viviendas en México cada
diez años y un conteo de población también cada diez años pero desde 1995. En 2015 se llevó
a cabo la primera encuesta intercensal como instrumento para actualizar la información sobre
la estructura y distribución de la población entre el Censo de 2010 y el próximo Censo de
2020. El Conteo de Población y Vivienda 1995, el Censo General de Población y Vivienda
2000, el Censo de Población y Vivienda 2010 y la Encuesta Intercensal 2015 (EIC) son los
instrumentos elegidos para construir las matrices de origen-destino, utilizadas como fuentes de
información en esta investigación.
La elección obedece a dos motivos. El primero es la temporalidad que cubren los
ejercicios censales en el país. El segundo es que cada uno de estos proyectos cuenta con la
misma población objetivo, los residentes habituales, los hogares y las viviendas particulares y
colectivas,4 lo que permite comparaciones en el tiempo.
2.4 La información sobre migración en los censos y conteos
La información censal más antigua disponible en el INEGI data de 1895. En este primer censo
efectuado en octubre es posible conocer dos aspectos de la migración. Considerando las
4 En la EIC la población objetivo son los residentes habituales en el territorio nacional y las viviendas particulares
habitadas.
25
limitantes de la época, los recursos disponibles y la fiabilidad de la declaración, todavía era
posible tener una estimación de la migración absoluta y de los inmigrantes internacionales en
el nivel estatal. En esa ocasión se les pedía responder, si es mexicano, sobre el estado de la
República al que pertenece el lugar de nacimiento, mientras que si se trataba de un extranjero,
se registra el nombre del país o nación que corresponda. De esta forma al contrastar el estado
donde estuviera el lugar de nacimiento, o país en caso de que se tratara de un extranjero, con el
estado de empadronamiento se contaría con información sobre la inmigración absoluta en el
nivel estatal.
Para el censo de octubre de 1900, la información se amplió. Se mantuvo la pregunta
sobre el lugar de nacimiento como en el censo de 1895, y además se agregó una pregunta
sobre la residencia en el lugar en una fecha fija previa. La nueva inclusión permitió identificar
a aquellos nuevos residentes en el lugar de empadronamiento con menos de un año de
residencia, que con cierto recele se puede utilizar como medida de la migración reciente. En la
figura 3.1 se reproduce el cuestionario donde se señalan las preguntas en la cédula del censo,
“Estado de la República a que pertenezca el lugar de nacimiento de los mexicanos” y
“Residente de un año o más” o bien, “No residente el de menos de un año”. De esta forma se
podría establecer un reporte con la migración absoluta y la migración reciente, no obstante al
no inquirir por el lugar de residencia previo, los flujos migratorios o el lugar de origen de estos
nuevos residentes son desconocidos.
En los censos siguientes, el de octubre de 1910, noviembre de 1921, mayo de 1930,
marzo de 1940 y junio de 1950, no aparecieron nuevas preguntas que trataran en específico el
tema de la migración. Únicamente se mantuvo la pregunta relacionada al lugar de nacimiento,
por lo que lo mismo que se dijo para los primeros dos censos aplica para los siguientes, es
posible una estimación de la inmigración absoluta en el nivel de desagregación estatal.
26
Figura 2.1 Censo General de la República Mexicana 1900.
Fuente: Instituto Nacional de Estadística y Geografía, Censo General de la República Mexicana 1900.
En el censo de junio de 1960 volvió a verse un cambio en las preguntas que tienen
potencial para tratar el tema de la migración. Se incluyó, además de la relativa al lugar de
nacimiento, una pregunta sobre el tiempo de residencia en la entidad y sobre la entidad o país
de residencia anterior. Nuevamente el abanico de posibilidades para el estudio de la migración
en estos periodos se expande, pues ahora, gracias a este par de interrogantes en el cuestionario
del censo, es posible detectar los lugares de origen los inmigrantes y el tiempo que tiene
residiendo en el lugar de empadronamiento.
Para el censo de enero de 1970 se refinaron las preguntas sobre el lugar de nacimiento
y el tiempo de residencia en el lugar, así como una opción para conocer el estado de la
República o el país extranjero de residencia anterior. Por vez primera, las respuestas están
categorizadas.
El censo de 1980 se modificó la pregunta sobre el lugar de residencia. En aquella
ocasión se preguntó “¿ha vivido más de seis meses fuera de este estado o entidad federativa?”,
si la respuesta es afirmativa entonces se hace la pregunta sobre el lugar de residencia previo y
sobre el tiempo de residencia desde su última inmigración.
27
No obstante, fue en el censo de 1990 donde se comenzó a preguntar sobre la residencia
en un tiempo fijo anterior, “Hace cinco años, en 1985, ¿en qué estado de la República vivía?”,
lo que permitió estimaciones sobre la migración reciente. Definió el corte de edad de la
población de estudio para las personas de 5 años cumplidos y más, y estableció un punto de
referencia a partir de un periodo predeterminado de cinco años anteriores al levantamiento
censal.
Figura 2.2 XI Censo General de Población y Vivienda 1990.
Fuente: Instituto Nacional de Estadística y Geografía, Censo General de Población y Vivienda, 1990.
El Conteo de 1995 incluyó, además de la ya usual información sobre el lugar de
nacimiento y el lugar de residencia anterior, preguntas sobre el tiempo de residencia anterior y
actual (Figura 2.3). En este conteo también se resaltó la importancia de tener información
desagregada para todos los niveles administrativos, por lo que es posible conocer los impactos
de la migración reciente en el nivel municipal. Se identifica a la población que en noviembre
de 1990 vivía en municipio, entidad o país distinto al de su residencia actual cuando el conteo
pasó. Permite contar con información sobre la migración de toda la vida, la migración
internacional y la migración reciente.
28
Figura 2.3 Conteo de Población y Vivienda 1995.
Fuente: Instituto Nacional de Estadística y Geografía, Conteo de Población y Vivienda 1995.
El Censo de 2000 se aplicó un cuestionario ampliado a una muestra probabilística de
alrededor de 2.2 millones de viviendas, con objeto de asegurar que a partir de los resultados
pudieran estimarse los indicadores correspondientes a toda la población y al mismo tiempo
medir la precisión y la confianza de esas estimaciones.5 Se mantiene la pregunta sobre el lugar
de residencia anterior, tanto en el nivel estatal como en el municipal. Además se agregó una
pregunta para indagar en las causas de la emigración, “¿Por qué (NOMBRE) dejó de vivir en
(ENTIDAD O PAÍS)?” Esta pregunta tenía ocho respuestas en el cuestionario del censo, y como
la migración suele asociarse como un evento multicausal, resulta relevante.
Figura 2.4 XII Censo General de Población y Vivienda 2000.
Fuente: Instituto Nacional de Estadística y Geografía, XII Censo General de Población y Vivienda 2000.
5 XII Censo General de Población y Vivienda 2000, Tabulados de la muestra censal, cuestionario ampliado.
29
En el Conteo de 2005 se deja de captar la variable de migración reciente en el nivel
municipal, quedándose únicamente con la posibilidad de estimar la migración reciente en el
nivel estatal, así como la inmigración internacional y la migración de retorno de Estados
Unidos.
En el Censo de 2010 se diseñó un cuestionario ampliado que incluía al cuestionario
básico de 29 preguntas que permiten tener información sobre la migración internacional en los
últimos cinco años, fecha de emigración, lugar de origen, país de destino, país de residencia
actual, fecha de retorno y condición de residencia actual. Con el cuestionario ampliado se
censaron alrededor de 2.9 millones de viviendas, la cuales se seleccionaron mediante un
muestreo probabilístico, lo que garantiza que esta muestra permite hacer inferencias sobre las
características de toda la población.6 En el Censo de 2010 se recuperó el mayor nivel de
desagregación que se dejó en el conteo de 2005. Se mantiene la respuesta para tener
estimaciones de la migración de retorno proveniente de Estados Unidos, por lo que la estrecha
relación de la migración reciente entre México y Estados Unidos se puede estudiar con la
información hasta en el nivel municipal.
El más reciente cuestionario utilizado a gran escala para actualizar la información
demográfica es el de la EIC. Tiene un tamaño de muestra de 6.1 millones de viviendas, la más
grande que haya realizado INEGI. La EIC proporciona información a nivel nacional, entidad
federativa, municipio y para cada una de las localidades con 50 mil o más habitantes.7 La
formulación de las preguntas para tener información sobre la migración es constante con los
cuestionarios previos. El cuestionario incluye preguntas sobre el lugar de nacimiento,
municipio de residencia hace cinco años y entidad de residencia hace cinco años. Se cambió el
orden para preguntar primero por el municipio de residencia en marzo de 2010 y después por
la entidad o país, ya que se verificó que reducía el tiempo de entrevista, pues la mayoría de las
personas viven en el mismo municipio. Por último, en la EIC 2015 también se incluyeron
preguntas sobre la asistencia a la escuela y al trabajo en otro municipio o estado, información
que puede utilizarse para el análisis de migraciones o desplazamientos de tipo conmutativos.
6 INEGI, Censo de Población y Vivienda 2010, marco conceptual, Instituto Nacional Estadística y Geografía,
México, 189 pp. 7 INEGI, Encuesta Intercensal 2015: síntesis metodológica y conceptual, Instituto Nacional de Estadística y
Geografía, México.
30
Figura 2.5 Censo de Población y Vivienda 2010.
Fuente: Instituto Nacional de Estadística y Geografía, Censo de Población y Vivienda 2010.
Figura 2.6 Encuesta Intercensal 2015.
Fuente: Instituto Nacional de Estadística y Geografía, Encuesta Intercensal 2015.
2.5 Otras consideraciones sobre la información de censos y conteos
Se argumenta que la información obtenida de las fuentes anteriores tiene como limitante que
sólo observa incidencias de los movimientos migratorios en un punto fijo del tiempo, cinco
años antes a la fecha, lo que omite el registro de cualquier otra migración que se haya dado en
el quinquenio que esté fuera del mes del censo, sin embargo, se acepta internacionalmente ya
que permite asentar los cambios de residencia de las personas en unidades administrativas
31
mayores como las entidades federativas o el país de residencia actual y acotar su magnitud en
el tiempo.
Recurrir a estas fuentes de información con las distintas perspectivas sobre migración
en combinación con otras variables disponibles como la edad, el sexo, el estado civil, el nivel
educativo, la condición de actividad económica, entre otras, permiten conocer más
características de los migrantes, su cuantía, la intensidad y calidad de la migración, el número
de movimientos en el periodo, su origen y destino, así como realizar estudios sobre la
movilidad de la población y planear el desarrollo de asentamientos urbanos en las distintas
regiones del país. Esta información también es útil para explicar cambios en algunos
indicadores sociodemográficos, como son el índice de masculinidad y la estructura por edad
de la población de una región determinada.
Otras justificaciones, que mucho dependen del usuario de esta información y la
investigación que lleve a cabo, de la utilización de censos y conteos son que los datos captados
por ellos, pueden presentar errores de cobertura, mala declaración u omisión de la
información. Los censos y conteos ofrecen la oportunidad para el análisis transversal o de
periodo de las poblaciones. Como se dijo antes, un individuo puede realizar más de un
movimiento migratorio entre cada periodo intercensal o entre conteo y censo, y el hecho de
que sólo se conozca la última, implica un tipo de subregistro de los movimientos migratorios.
Asimismo al no considerar la mortalidad presente en cada periodo nos estamos olvidando de
un componente importante, de forma que el número de migrantes puede encontrarse
insuficientemente representado. La pregunta para conocer la migración se realiza en personas
de cinco años cumplidos o más, por lo que para menores de cinco años la literatura conviene
en estimarlos indirectamente o suponer el lugar de nacimiento como el lugar de residencia
anterior. Pese a lo anterior, recurrir a las fuentes de información enunciadas, representan una
de las mejores opciones para el estudio de la migración interna por su alcance y temporalidad
con las que están realizados.
32
CAPÍTULO III. ESTRATEGIA METODOLÓGICA
En este capítulo se describen los datos de redes o datos reticulares, cómo se obtienen y como
se expresan. Además se plantea una regionalización del país, la construcción de matrices de
origen-destino en el nivel municipal para cada una de las regiones y se presentan los métodos
para describir la estructura de la red: i) la centralidad de los municipios, ii) la correlación de
redes y iii) la identificación de comunidades en la red.
3.1 Datos de redes sociales o datos reticulares
Los datos de redes sociales o datos reticulares, consisten en observaciones en al menos una
variable estructural medida en un conjunto de agentes. Hay dos tipos de variables que pueden
encerrarse en el conjunto de datos reticulares, variables de estructura o estructurales y
variables de composición. Las primeras son medidas en el par de agentes y son la piedra
angular de los datos reticulares. Estas miden los vínculos de tipo específico entre agentes,
como pueden ser transacciones comerciales, intercambio de ideas, o como es el caso aquí,
movimientos migratorios. Las segundas, las variables de composición son mediciones de
atributos en los agentes. Estás variables de composición o de atributos, se refieren al nivel de
los agentes individuales, características de ellos, por ejemplo, se pueden registrar el sexo, la
etnicidad, la edad del agente, o en nuestro caso, la localización geográfica, el tamaño de la
población, origen o destino, etc.
El límite o extensión del conjunto de agentes permite describir e identificar la
población bajo estudio. Los límites del conjunto de agentes están basados en la frecuencia
relativa de las interacciones o en la intensidad de los vínculos entre los miembros. El conjunto
de agentes consiste de todas las unidades sociales sobre las cuales se tienen medidas, ya sea de
variables estructurales, o estructurales y de composición.
El diagrama siguiente resume la información presentada sobre los datos reticulares.
33
Diagrama 3.1 Datos de redes sociales o datos reticulares
Existen diferentes tipos de redes sociales que pueden ser estudiadas. Las redes se
categorizan por la naturaleza del conjunto de agentes y las propiedades de los vínculos entre
ellos. Knoke y Kuklinski (1982), definen una red uni-modal en aquella que involucra
mediciones en un solo conjunto de agentes. En este tipo, las relaciones que se obtienen en el
conjunto de agentes son vistas como conexiones sustantivas específicas o contenidos
relacionales. Los autores enlistan el tipo de relaciones que podemos encontrar, por ejemplo,
evaluaciones individuales como de amistad o respeto, transacciones o transferencias de
recursos materiales, transferencias de recursos no materiales como en las comunicaciones,
Datos reticulares Observaciones en
variables
Estructura Composición
Vínculos en el par
de agentes
Atributos individuales
de los agentes
Transacciones
Intercambios
Afiliaciones
Flujos migratorios
Edad
Sexo
Tamaño poblacional
Origen o destino
Fuente: Elaboración propia.
34
interacciones, movimiento físico como la migración de un lugar a otro, o social, como el
movimiento entre ocupaciones o estatus y parentesco, como el matrimonio o la descendencia.
3.2 Datos reticulares, medición y notación
Los datos reticulares consisten en una, o más, relaciones medidas en un conjunto de agentes.
La presencia de relaciones tiene implicaciones en la medición de la unidad de observación, la
unidad de modelación y en la cuantificación de las relaciones.
La unidad de observación es la entidad sobre la cual se toman las mediciones. La
mayoría de los datos reticulares son recolectados por medio de la observación directa,
entrevistas o cuestionarios. En el presente caso, los datos son recolectados a través de los
cuestionarios que se llevaron a cabo durante los censos y conteos de población. La
cuantificación de la relación tiene dos propiedades importantes para entender su medición, que
esta sea dirigida o no dirigida y que sea dicotómica o ponderada. En una relación dirigida, el
vínculo relacional entre un par de agentes tiene un origen y un destino, esto es, el vínculo es
dirigido de un agente en la díada, al segundo. Las relaciones dicotómicas son registradas como
presentes o ausentes para cada par de agentes. Por otro lado, las relaciones ponderadas pueden
tomar un rango de valores, indicando la fuerza, intensidad o frecuencia del vínculo entre el par
de agentes. De lo anterior, se sugiere que la relación en el contexto migratorio es dirigida
puesto que se priorizan aquellas relaciones con un origen y un destino específicos. En este
contexto también puede ser dicotómica para mostrar la presencia de una relación de
migración, no obstante se trabaja con relaciones ponderadas pues considerar la intensidad del
flujo es clave en el análisis de la migración bajo esta perspectiva.
Una red puede verse de diferentes maneras, por ejemplo como un grafo que consistente
de nodos unidos por líneas. Se presentan los datos de cada relación en una matriz de dos
entradas, a veces llamada sociomatriz, donde las filas y las columnas se refieren a los agentes
que se van a emparejar. En el análisis de datos reticulares la información se presenta en este
tipo de arreglos matriciales. Las sociomatrices también son matrices de adyacencia para los
grafos, y consecuentemente, este esquema de notación está relacionado con la teoría de grafos.
35
La Figura 3.1 muestra tres representaciones de la red de migración en el estado de Baja
California con información del Conteo 1995. El grafo dirigido (a) donde los nodos están
etiquetados con los nombres de los municipios de Baja California, en esta representación la
flecha indica la dirección del flujo migratorio. En la sociomatriz (b) se encuentran los
migrantes con información del Conteo 1995, mientras que la matriz de adyacencia (c)
representa con el número 1 la existencia del flujo migratorio y con 0, la ausencia de flujo.
Figura 3.1 Representaciones de una red
𝐴 = [
0 11 0
0 11 1
1 11 1
0 11 0
]
Tenemos un conjunto de agentes al que nos referiremos por 𝒩. El conjunto 𝒩
contiene un número g de agentes que se denota por 𝒩 = {𝑛1, 𝑛2, … , 𝑛𝑔}. Cuando hay una sola
relación para el conjunto de actores 𝒩 registramos si cada agente en 𝒩 está relacionado a
cualquier otro agente en esta relación. Si la relación es dicotómica y dirigida, tenemos que, o
Ensenada Mexicali Tecate Tijuana
Ensenada 0 893 0 1,228
Mexicali 766 0 172 2,003
Tecate 130 722 0 284
Tijuana 2,353 2,391 296 0
Ensenada
Tijuana Tecate
Mexicali
a) Grafo
c) Matriz de adyacencia
b) Sociomatriz
Fuente: Elaboración propia.
36
bien 𝑛𝑖 se relaciona con 𝑛𝑗 , o bien no se relacionan. Esto es, la relación de migración existe
entre el agente 𝑛𝑖 y el agente 𝑛𝑗 y va de 𝑛𝑖 a 𝑛𝑗 .
Dado que la relación es dirigida, el par de agentes 𝑛𝑖 y 𝑛𝑗 es distinto al par 𝑛𝑗 y 𝑛𝑖, lo
que implica que el orden importa. Si el vínculo está presente, entonces diremos que el par
ordenado es un elemento de un conjunto especial de pares, referido como ℒ. Si un par
ordenado está en ℒ, entonces el primer agente en el par se relaciona con el segundo en la
relación bajo consideración. Notemos que el número de elementos que puede haber en este
conjunto va de 0, cuando no hay ningún elemento, a 𝑔(𝑔– 1).
Si el par ordenado bajo consideración es <𝑛𝑖,𝑛𝑗>, y si hay un vínculo presente, se
escribirá como 𝑛𝑖 → 𝑛𝑗. Los elementos, o pares ordenados en ℒ serán denotados por l. Si hay
L entradas en ℒ, entonces ℒ = {𝑙1, 𝑙2, … , 𝑙𝐿}. Los elementos en ℒ pueden ser representados
gráficamente por una línea del primer agente al segundo, y se acostumbra referirse a tal grafo
como grafo dirigido, ya que las líneas tienen dirección.
Ya que un grafo consiste en un conjunto de nodos 𝒩, y un conjunto de líneas ℒ, se
puede describir matemáticamente por los dos conjuntos (𝒩,ℒ), y con el símbolo 𝒢, para
denotar un grafo. Un grafo puede ser representado como un diagrama en el cual los nodos se
representan como puntos en un espacio de bidimensional y las líneas se representan por
flechas dirigidas entre los puntos (ver Figura 3.1 a).
Los datos reticulares que se presentan en matrices de dos entradas, las dos dimensiones
de esta matriz están indexados por los agentes que envían (en las columnas) y los agentes que
reciben (en las filas), por tanto, si tenemos una red uni-modal, o lo que es lo mismo, con un
solo conjunto de agentes, la matriz será cuadrada. De manera que la matriz para una relación
dicotómica es exactamente igual a la matriz de adyacencia para el grafo. En la mayoría de los
métodos del análisis de redes sociales, la notación que se sigue es la que proporciona el
álgebra matricial.
Si tenemos sólo una relación medida en un conjunto de g agentes en 𝒩 =
{𝑛1, 𝑛2, … , 𝑛𝑔}, decimos que 𝔛 es esta relación ponderada y dirigida, la cual es medida en el
par ordenado de agentes que pueden ser formados a partir de los agentes en 𝒩. Si
37
consideremos ahora las mediciones tomadas en cada par ordenado de agentes, definimos como
𝑥𝑖𝑗 el valor del vínculo del i-ésimo agente al j-ésimo agente en la relación. Ahora colocamos
tales mediciones en la sociomatriz. Las filas y las columnas de esta sociomatriz indexan los
agentes individuales, arreglándolos en orden idéntico. Dado que hay g agentes, la matriz es de
orden gxg.
Para la relación 𝔛, definimos X como la matriz o sociomatriz asociada. Esta
sociomatriz tiene g filas y g columnas. El valor del vínculo de 𝑛𝑖 a 𝑛𝑗 se coloca en el elemento
(i,j) de X, las entradas se definen como 𝑥𝑖𝑗 igual al valor del vínculo de 𝑛𝑖 a 𝑛𝑗 en la relación
𝔛, dónde i y j (i≠j) van de 1 a g. Por tanto se puede pensar en los elementos de X como los
valores codificados de la relación 𝔛, y si tal relación es dicotómica, entonces los valores del
vínculo son simplemente 0 y 1.
Finalmente, si nos referimos al conjunto de agentes y al conjunto de líneas como la
estructura algebraica 𝑆 = < 𝒩, ℒ >, se puede definir un grafo de 𝑆 al establecer que el grafo
dirigido, denotado por 𝒢𝑑, es el par ordenado < 𝒩, ℒ >, donde los elementos de 𝒩 son nodos
en el grafo, y los elementos de ℒ son los pares ordenados de nodos para los cuales hay un
vínculo dirigido de 𝑛𝑖 a 𝑛𝑗 . Y con estos elementos, Freeman (1989) denota a la tripleta
consistente de S, 𝒢𝑑 y X como la red social y la llama 𝜑 =< 𝑆, 𝒢𝑑 , 𝑋 >.
3.3 Regionalización
Para ejemplificar como el ARS aporta al estudio de la migración interna se realizó una
regionalización de las entidades federativas del país para apreciar con un mayor detalle los
movimientos migratorios. Se reconoce que al hacer una división exhaustiva del país se pierden
los movimientos migratorios entre las divisiones, sin embargo, se plantea que al adoptar estas
divisiones, también se están capturando los movimientos migratorios más significativos. Así,
sobre la regionalización de los estados se pueden mencionar las propuestas por Virgilio
Partida (2014) que retoma la de Luis Unikel (1976), la de Chávez (1999) y la de Sobrino
(2010).
38
La propuesta de Chávez (1999) elabora una representación de las distintas intensidades
de la migración por entidad federativa con los datos censales, a partir de tres indicadores: la
relación del saldo neto y la población de cada entidad federativa en el año 2000, la tasa de
inmigración media anual 1995-2000 y la tasa de emigración media anual 1995-2000.
Partida (2014) propone un esquema de grandes regiones a fin de simplificar el análisis
y lograr mayor significación estadística. Las condiciona a que sean exhaustivas y mutuamente
excluyentes, con un índice de bienestar que elaboró en 2006 como antecedente y que incluía
indicadores de salud, educación, infraestructura domiciliaria y remuneraciones al trabajo. La
intención de Partida al proponer este análisis fue interrelacionar la dinámica de la migración
interna con los procesos de desarrollo regional ocurridos entre los años 1965 a 2005.
La propuesta de Sobrino (2010) se obtuvo mediante el principio de homogeneidad a
partir de tres variables, en el periodo 1980-2000: la tasa de crecimiento poblacional, la tasa de
crecimiento del PIB por habitante y el cambio en el grado de urbanización. Estas variables dan
cuenta de procesos que han sido considerados en la literatura sobre migración como
explicativos de la movilidad poblacional, como es el desarrollo económico y la urbanización.
En Solís et al. (2015: 201) presentan los resultados de un análisis espacial de los flujos
migratorios entre entidades federativas a partir de una propuesta de regionalización que toma
en cuenta la intensidad y dirección de esos flujos migratorios. La aportación de este ejercicio
de regionalización consiste en mostrar los cambios en los patrones de la migración interna,
pensando que dichos cambios expresan dinámicas de crecimiento económico, grafos de
integración regional y procesos de poblamiento de larga duración. Los autores coinciden con
los criterios de exhaustividad y mutualidad excluyente de Virgilio Partida. Su clasificación de
las 32 entidades federativas está centrada en la movilidad poblacional, dejando fuera de los
criterios las diferencias socioeconómicas, excepto por las vías de comunicación pues las
consideran como un indicador del grado de integración territorial y del nivel de desarrollo
regional.
39
Cuadro 3.1. Regiones de movilidad poblacional en México
NOROESTE Baja California, Baja California Sur, Sinaloa, Sonora
NORESTE Coahuila, Nuevo León, San Luis Potosí, Tamaulipas
CENTRO NORTE Chihuahua, Durango, Zacatecas
OCCIDENTE Aguascalientes, Colima, Guanajuato, Jalisco, Michoacán, Nayarit
CENTRO SUR Guerrero, Hidalgo, Morelos, Puebla, Querétaro, Tlaxcala
METROPOLITANA Distrito Federal, Estado de México
GOLFO ISTMO Chiapas, Oaxaca, Veracruz
PENINSULAR Campeche, Quintana Roo, Tabasco, Yucatán
Fuente: proyecto Estimación de los saldos netos migratorios a nivel de entidad federativa en México, Fondo
Sectorial INEGI-CONACYT, 2013.
A partir de lo anterior, se presenta una regionalización que considera a las propuestas
anteriores como se muestra en el Cuadro 3.2. Se intentó guardar la misma proporción de
entidades federativos por región y las mayores diferencias se dan al incluir el estado de
Aguascalientes dentro de la región con Zacatecas, Durango y Chihuahua, y el estado de
Veracruz en sustitución del estado de Guerrero.
Cuadro 3.2. Regiones
NOROESTE Baja California, Baja California Sur, Sonora, Sinaloa
CENTRO NORTE Chihuahua, Durango, Zacatecas, Aguascalientes
NORESTE Coahuila, Nuevo León, San Luis Potosí, Tamaulipas
OCCIDENTE Nayarit, Jalisco, Colima, Michoacán, Guanajuato
ORIENTE Veracruz, Puebla, Hidalgo, Tlaxcala, Querétaro, Morelos
CENTRO Ciudad de México, Estado de México
SUR Guerrero, Oaxaca, Chiapas
PENÍNSULA Tabasco, Campeche, Yucatán, Quintana Roo
Fuente: Elaboración propia.
40
Mapa 3.1 Propuesta de división regional de México.
3.4 Matriz de origen-destino
La mejor manera de ordenar la información sobre los flujos migratorios es mediante un arreglo
rectangular o matriz de doble entrada. Para construir este tipo de arreglo, a partir la definición
de migración que se mencionó en el primer capítulo, los cuestionarios de los Censos y Conteos
es necesario conocer, las unidades geográficas con límites específicos, la unidad geográfica en
la que el individuo tuvo su residencia en un tiempo fijo anterior, y la unidad geográfica en la
cual reside en el momento que fue capturado por el Censo, Conteo o Encuesta.
41
Está información se integra de la siguiente manera. En las columnas se colocan las
unidades geográficas de residencia anterior, es decir, los municipios de residencia hace cinco
años, en las filas se colocan las unidades geográficas de residencia actual, esto es, los
municipios de residencia en el momento del Censo, Conteo o Encuesta y en cada intersección
la cantidad de individuos que cambio su residencia. Para este trabajo, el número de municipios
de residencia anterior es igual al número de municipios de residencia actual, es decir, el
número de filas y columnas es idéntico, de ahí que estos arreglos matriciales corresponden a
matrices de orden n, siendo n el número de filas y columnas.
A manera de ejemplo se presenta una versión de la matriz de origen destino para la
región Noroeste con información de la EIC 2015. Todos aquellos encuestados cuyo lugar de
residencia hace cinco años era el mismo, digamos Oi, y que al momento del Censo, Conteo o
Encuesta residen en Dj, forman un flujo de migración de Oi a Dj. La suma de todos estos
inmigrantes en el flujo migratorio se captura en las entradas de la matriz de origen-destino
para cada par (i, j). Así tenemos que 1,560 individuos que residían en el municipio de
Ensenada en 2010 cambiaron de residencia a Mexicali para 2015, este es el flujo migratorio
Ensenada-Mexicali al 2015.
En la diagonal principal se asignaron ceros porque esa intersección corresponde a
individuos que no cambiaron su lugar de residencia en el periodo 2010-2015, por tanto, no
captura ningún tipo de movimiento migratorio.
Cuadro 3.3 Matriz de origen-destino, región Noroeste.
Residencia hace cinco años, 2010
Res
iden
cia
actu
al, 20
15
Ensenada Mexicali Tecate Tijuana … Yécora
General Plutarco
Elías Calles
Benito
Juárez
San Ignacio
Río Muerto
Ensenada 0 964 353 1,437 … 0 0 21 0
Mexicali 1,560 0 343 1,801 … 0 78 0 0
Tecate 177 543 0 657 … 0 0 7 0
Tijuana 1,623 1,620 1,658 0 … 0 0 83 0
…
…
…
…
… …
…
…
…
…
Yécora 0 3 12 1 … 0 0 6 0
General Plutarco
Elías Calles 0 0 0 0 … 0 0 0 0
Benito Juárez 7 44 0 45 … 0 0 0 0
San Ignacio Río
Muerto 0 12 6 74 … 0 0 4 0
Fuente: Elaboración propia con datos de la Encuesta Intercensal 2015, INEGI.
42
Las matrices de origen-destino se construyeron para cada región a partir de la
información de los Censos de 2000 y 2010, del Conteo de 1995 y de la EIC 2015. Por lo que se
cuenta con 32 matrices que representan 32 redes de migración interna en un periodo que va de
1990 a 2015.
3.5 La estructura de la red
Para describir la estructura de la red de migración el ARS proporciona diferentes medidas y
conceptos. Se plantean tres dimensiones para describir la estructura de la red: la centralidad de
autovector de los municipios, la correlación entre diferentes relaciones de la misma red
migratoria (correlación QAP)8 y la identificación de comunidades. La centralidad nos
permitirá identificar a los municipios centrales en cada red de migración, de tal forma que
podremos ubicarlos en el espacio y analizar si hay cambios en el tiempo en estos municipios.
La correlación QAP nos ayuda a describir la red de migración y la asociación que está tiene
con los atributos de los municipios u otra relación medida en la misma red. Por último, al
ordenar y categorizar a los municipios de la red de migración con criterios específicos, nos
permite identificar comunidades al interior de la red. Con estas tres dimensiones se pueden
describir las redes de migración de forma más completa, al hablar de la centralidad, la
asociación y el agrupamiento de los municipios que las componen.
Al describir una red, se deben tener en cuenta dos cosas. En primer lugar, que el
análisis de redes sociales se trata de las relaciones entre agentes, no trata de relaciones entre
variables. Se preocupa por describir las distribuciones y las relaciones entre los municipios. En
segundo lugar, aplicar la estadística inferencial de la misma forma que se aplica para datos de
atributos, no es igual para datos reticulares, ya que los segundos no son independientes
estadísticamente hablando. Una observación en nuestro análisis es el flujo migratorio entre
Ensenada y Tijuana, otra más es el flujo migratorio entre Tijuana y Culiacán, y una
observación más es el flujo entre Culiacán y Ensenada, de tal forma que Tijuana, Ensenada y
Culiacán, no son precisamente observaciones independientes.
8 Procedimiento de asignación cuadrática o Quadratic Assignment Procedure, QAP, por sus siglas en inglés.
43
3.5.1 Centralidad
La centralidad en el análisis de redes se ha identificado con la idea de más o mejor conectado
con los otros elementos de la red. Una forma simple de cuantificar la centralidad es con la
frecuencia de los flujos de migración en los destinos. Otra forma es considerando la frecuencia
de los flujos migratorios y el número de nodos que están vinculados a otro nodo y una más es
considerando tanto la frecuencia y magnitud de los flujos migratorios como la centralidad de
los otros municipios. Aquellos municipios centrales tienen una importancia especial en nuestro
análisis, puesto que se corresponden con municipios que en la red de migración, son
municipios centrales y su identificación como tales, es clave como puntos de intervención
local.
Freeman (1978) define la centralidad como una función del grado de un nodo, de tal
forma que el grado de un nodo es el número de nodos que son adyacentes al primero, por
tanto, que están en contacto directo. Para Freeman, la centralidad de un nodo puede ser
determinada en referencia a tres diferentes atributos estructurales: el grado del nodo, su
intermediación (betweenness) o su cercanía (closeness). La intermediación es el grado en el
cual un nodo se encuentra entre otros nodos en la red, refleja el número de nodos al cual una
persona está conectada indirectamente a través de sus vínculos directos. La cercanía de un
nodo se refiere al grado en que un nodo está cerca del resto de nodos, mientras más central sea
el nodo, menor será su distancia respecto a los otros nodos. Opsahl et al. (2010), generalizan la
centralidad de grado para redes ponderadas, es decir, redes cuya matriz de adyacencia no
contiene sólo ceros y unos, sino escalares que representan la magnitud de la relación entre dos
nodos. Los autores re-definen las medidas estructurales de Freeman para redes ponderadas lo
que permite extender el análisis de redes hacia redes de mayor dimensión y complejidad.
Autores como Bonacich (1987), Borgatti (2005) y Borgatti y Everett (2006) sugieren
que la centralidad no sólo tiene que ver con el número de flujos incidentes en un nodo, en
nuestro caso con un municipio, sino de la calidad del flujo, es decir, si estos provienen de otro
municipio central o de un municipio con pocos vínculos. El enfoque de centralidad de
autovector (o eigenvector) es una medida de la importancia de un nodo en la red en la que
interviene también la importancia de los otros nodos. Este enfoque asigna puntajes relativos a
44
todos los nodos en la red con base en el principio de que las conexiones a los nodos que tienen
un puntaje mayor, contribuyen más al puntaje del nodo en cuestión. El método usado para
encontrar esta medida parte de la matriz de origen-destino, que también puede verse como la
matriz de adyacencia del grafo, y se trata de encontrar el vector 𝑥𝑖 que denota la centralidad
del nodo i, resolviendo la ecuación 𝐴𝑥 = 𝜆𝑥 donde A es la matriz de adyacencia y 𝜆 los
diferentes autovalores, o eigenvalores, para los cuales existe un eigenvector solución.
Se adoptó este enfoque como el más adecuado para explicar la centralidad de los
municipios en la red de migración interna porque al hacerlo estamos observando como un
municipio con múltiples vínculos, es decir un municipio que recibe varios flujos migratorios
es más central cuanto más centrales son los municipios de donde están partiendo los flujos. Sí,
es probable que en un municipio incidan muchos más flujos migratorios que en otro, por
ejemplo en la red de 2015, en Tijuana incidieron 64 flujos migratorios, mismo número de
flujos que recibió Mexicali, empero los flujos migratorios con destino en Mexicali provenían
de municipios más centrales que los que recibió Tijuana, por tanto, en 2015 la posición de
Mexicali en la red fue privilegiada y resultó en un municipio más importante que Tijuana en la
región noroeste del país.
3.5.2 Correlación
La segunda forma que se sigue para estudiar la estructura de la red se basa en que la relación
de migración se da entre un par de municipios y en que las redes también se pueden
correlacionar y comparar para saber si son similares. En un nivel general, se busca responder a
la pregunta de ¿cuán seguros estamos, o bien que el patrón que observamos en los datos es
típico de los movimientos migratorios de la región, o bien que el patrón aparente no es
realmente sólo una casualidad del azar?
Utilizando el procedimiento de asignación cuadrática, QAP, para contrastar hipótesis
relacionales, podemos averiguar si hay correlación o similitud entre matrices adyacentes y
entre matrices adyacentes y atributos. Nos permite cuestionar si el flujo migratorio entre un
45
par de municipios está asociado o bien en función de la condición fronteriza de algunos
municipios o bien del grado de marginación en ellos.
El procedimiento de asignación cuadrática es una estrategia para probar la
significación estadística de datos reticulares o de datos que representan una red. A diferencia
de otras técnicas estadísticas paramétricas que determinan la significación estadística al
comparar valores observados con las apropiadas distribuciones teóricas, donde se supone que
las observaciones que están siendo analizadas son independientes una de otra, el
procedimiento de asignación cuadrática no hace caso de ello ya que la unidad de análisis en
nuestro trabajo es el par de municipios bajo la relación de migración. La correlación QAP se
basa en la simulación, permutaciones del conjunto de datos reticulares que permitan tener una
distribución teórica con la cual contrastar.
Si en el conjunto de datos reticulares pretendemos analizar la estructura de la red con
relación a la marginación y la migración, y movemos aleatoriamente la relación de migración
entre los municipios, esto es, si asignamos aleatoriamente los flujos de migración entre los
municipios de cada red, manteniendo la asignación del índice de marginación por municipio
en las observaciones originales, después de revolver, esperaríamos encontrar que no hay
ningún tipo de asociación entre el índice de marginación y la migración en los municipios. Es
decir, este nuevo conjunto de datos reticulares correspondería a la hipótesis nula. Tenemos
ahora, un conjunto de datos reticulares sin relación entre la migración y la marginación. Si
continuamos iterando la asignación aleatoria cierto número de veces, podremos encontrar una
distribución empírica, y entonces estaremos en condiciones de comparar la distribución
original con esta distribución empírica, de tal forma que si encontramos el coeficiente de
correlación en un percentil extremo alto o bajo, estaremos en condiciones de rechazar la
hipótesis nula.
De esta forma, ponemos a prueba si hay correlación entre las redes de migración y los
índices de marginación o la migración y la condición fronteriza, es decir, si hay asociación
entre las relaciones de migración y los atributos de los municipios. Si la proposición es que los
flujos migratorios de mayor tamaño tienen como destino los municipios fronterizos, esto es,
que está relacionado el flujo migratorio con los municipios fronterizos en las regiones del
norte del país, puede ponerse a prueba con la correlación QAP. Así, si existe tal asociación, los
46
municipios fronterizos tendrán un papel más importante dentro de aquellas redes que
representan las regiones fronterizas de México. Igualmente se pone a prueba la asociación
entre migración y marginación, con la idea de que aquellos municipios con un índice de
marginación bajo o muy bajo y los flujos migratorios dirigidos están correlacionados
negativamente. Por tanto, si existe tal asociación, aquellos municipios con un índice de
marginación menor, es decir, que en conjunto presentan mejores condiciones materiales de
vida, serán aquellos que están siendo atractores de flujos migratorios.
Los coeficientes de correlación obtenidos de las matrices no observadas, aquellas que
surgen de la asignación aleatoria, se comparan con el coeficiente de correlación obtenido de
las matrices observadas, la que representa a la relación de migración y la que representa la
matriz de atributos. Si en pocas veces de las cientos de combinaciones, la correlación entre las
matrices no observadas es mayor o igual significa que la correlación entre las dos matrices, la
de migración y la de atributos, no ocurre por casualidad, y por tanto, hay una relación
significativa entre ellas.
Se debe notar que este procedimiento únicamente busca explicitar la asociación entre
variables, más no busca una medida de causalidad entre ellas. Esto último se puede realizar
con una regresión siguiendo el modelo general de regresión y que combina el procedimiento
de asignación cuadrática, pero esto está más allá de los alcances de este trabajo.
La correlación de Pearson se utilizó como medida de asociación entre el flujo
migratorio y la condición fronteriza de los municipios, mientras que se recurrió a la gamma de
Goodman-Kruskal como medida de asociación entre el flujo migratorio y el grado de
marginación de los municipios. Si la significación es menor de 0.05 entre dos redes nos indica
que tales redes se correlacionan. El coeficiente de la correlación de Pearson nos indica la
dirección y magnitud de tal correlación. Varía en el intervalo [-1, 1] donde valores negativos
apuntan que al aumentar los valores de una red, disminuyen los valores de la otra red, si es
positivo nos muestra que los valores varían en forma similar. Si la correlación es positiva entre
una red y un atributo indica que las relaciones se producen entre agentes con atributos
similares, lo que indica homofilia. Mientras que si la correlación es negativa entre una red y un
47
atributo indica que las relaciones ocurren entre agentes de diferentes atributos, indica
heterofilia.
De manera similar, la gamma de Goodman-Kruskal se recomienda como medida de
asociación cuando una de las relaciones que se observan está en una escala ordinal, como es el
caso de la relación del grado de marginación. Los valores de esta medida de correlación se
encuentran en el intervalo [-1, 1] y donde valores cercanos a -1 indican una asociación
negativa, cercanos a 1 indican una asociación positiva, y un valor de 0 indica ausencia de
asociación.
3.5.3 Detección de comunidades
La tercera dimensión para describir las redes es detectar si los municipios se agrupan o
conglomeran bajo la relación de migración. El agrupamiento de los municipios nos permite
identificar, en lo posible, comunidades al interior de cada red.
En sentido estricto, todas las redes están compuestas por grupos, y en su interpretación
como grafos, están compuestas por sub grafos. Cuando dos municipios tienen un flujo de
migración están formando un grupo, un par o díada. Conocer como los agentes se encuentran
incrustados en grupos dentro de una red puede considerarse crítico para vislumbrar su
comportamiento. Algunos municipios pueden actuar como puentes entre otros grupos o incluir
únicamente flujos migratorios de los miembros de su grupo, mientras que otros pueden estar
aislados de los grupos más grandes.
Observando la red completa podemos pensar en tales sub estructuras como regiones del
grafo altamente densas pero separadas en cierto grado, del resto del grafo. Bajo esta idea es
como se han elaborado los procedimientos para la detección de grupos al interior de la red. El
empleado en este trabajo es el de k-núcleos o k-centros.9
9 Otros procedimientos para identificar sub grupos son el de componentes, bloques y puntos de corte, facciones y
grupos-f.
48
Un k-centro es un grupo máximo de agentes, todos los cuáles están conectados a un
número k de otros miembros del grupo (Hanneman y Riddle, 2005). Este enfoque permite que
los municipios puedan incluirse en un grupo si están conectados a k municipios. En tanto k sea
más pequeño, el tamaño de los grupos aumentará.
La identificación de los k-centros se enfatizó para las regiones fronterizas de México
con Estados Unidos y los resultados permitieron observar los cambios durante el periodo de
estudio.
49
CAPÍTULO IV. ANÁLISIS DE RESULTADOS
4.1 Análisis de redes
En este capítulo se presentan y comentan los principales resultados del análisis estadístico para
la detección de comunidades, correlaciones y centralidad de las diferentes redes en cuestión.
Primero se tratará la centralidad de los municipios con ayuda de los gráficos radiales. Después
de tratará de la correlación entre la relación de migración y la condición fronteriza para las
regiones que así lo permitieron y finalmente la detección de comunidades mediante la
visualización de las redes, tanto en el grafo con el mapa del territorio mexicano.
4.1.1 Centralidad de redes
La centralidad de los municipios se obtuvo mediante el cálculo de los autovectores de la
matriz de origen-destino de cada una de las regiones. En las gráficas siguientes se muestran
únicamente los municipios con la mayor puntuación en los años de 1995, 2000, 2010 y 2015.
La presentación de la información en gráficas radiales expone con claridad las diferencias en
centralidad entre los municipios y los cambios en la misma de 1995 a 2015, mientras que en el
Anexo 3 se pueden consultar tantos los puntajes de centralidad como el número de flujos de
migración, de entrada y de salida, para todos los municipios.
50
Gráfica 4.1 Centralidad de autovector, región Noroeste
Fuente: Elaboración propia con datos del INEGI.
La centralidad de autovector otorga el valor de 1, obtenido de la descomposición en
valores singulares de la matriz de origen-destino de cada región, al municipio más central. En
la región Noroeste esta posición la tiene Hermosillo en los cuatro años analizados, el valor de
la centralidad para este municipio es 1. Tijuana se ubica en la segunda posición en 1995 con
una centralidad de 0.988, mientras que en los años siguientes va perdiendo su posición, 0.978
en 2000, 0.953 en 2010 y 0.938 en 2015. Se ubica por detrás de Culiacán en el año 2000, de
Mexicali en 2010 y de Cajeme y Mexicali en 2015. Este resultado y su comportamiento
contrasta con el número de migrantes que recibió en cada año, el mayor de entre todos los
municipios. Por la manera en que se obtiene este indicador, si bien resulta importante la
cantidad y el tamaño de los flujos migratorios que recibió, también lo es la importancia del
municipio del que parten los flujos.
Si consideramos el número de flujos que recibieron Hermosillo y Tijuana en 1995, la
primera recibió 22 flujos migratorios provenientes de otros municipios de la región Noroeste,
mientras que Tijuana recibió 19. Para 2015, Tijuana recibió 64 flujos migratorios, mismo
número que Mexicali y uno más que Culiacán, sin embargo el origen de los flujos en los
0.6
0.7
0.8
0.9
1Hermosillo
Tijuana
Ahome
Culiacán
GuasaveEnsenada
Mexicali
Mazatlán
Cajeme 1995
2000
2010
2015
51
últimos dos otorgan una centralidad de autovector superior a la de Tijuana en la región, puesto
en el cálculo de la centralidad está implícito un elemento de importancia de los municipios. De
esta forma Hermosillo, al recibir una cantidad menor de inmigrantes que Tijuana, pero
teniendo flujos migratorios de otros municipios centrales de la región, su posición en la red
migratoria del Noroeste es más esencial que la de Tijuana o cualquier otro municipio.
Es interesante la posición que ocupan los municipios de Mazatlán en Sinaloa y Cajeme
en Sonora en 2015. Estos municipios incrementaron su centralidad en el periodo 1995-2015.
Un periodo que está marcado por el incremento del sector terciario, servicios y turismo, como
potenciador de la economía regional, Mazatlán es un destino turístico y Ciudad Obregón,
cabecera del municipio de Cajeme, una ciudad cuya industria maquiladora y sector agrícola se
ven impulsados por el Corredor Económico del Norte,10
al unir las ciudades portuarias y
agrícolas de esta región con ciudades fronterizas y zonas metropolitanas en las otras regiones
fronterizas.
Gráfica 4.2 Centralidad de autovector, región Centro Norte
Fuente: Elaboración propia con datos del INEGI.
10
Integra una agenda estratégica de proyectos de infraestructura, carretera, hidráulica y ferroviaria, conformada
por los estados de Chihuahua, Coahuila, Durango, Nayarit, Nuevo León, Sinaloa, Tamaulipas y Zacatecas.
Asimismo, interconectar a los estados para movilizar mercancías y personas en corto tiempo y a un bajo costo,
uniendo los puertos del Pacífico con los del Atlántico.
0
0.2
0.4
0.6
0.8
1Juárez
Chihuahua
Durango
Gómez Palacio
FresnilloDelicias
Zacatecas
Cuauhtémoc
Hidalgo del
Parral
1995
2000
2010
2015
52
En la región Centro Norte (Gráfica 4.2), Juárez, Chihuahua tiene un valor de
centralidad de 1 para todos los años considerados, convirtiéndolo en el municipio más central
en la región. La diferencia con el municipio de Chihuahua, Chihuahua ha ido cerrándose en las
diferentes mediciones, 0.796 en 1995, 0.86 en 2000, 0.866 en 2010 y 0.979 en 2015. Sin
embargo, permanece detrás de Juárez en todos los años. Entre 1995 y 2015 los municipios
centrales, salvo Juárez, no son municipios que comparten la frontera norte con Estados
Unidos, sino al contrario, ubicados al centro y sur del estado de Chihuahua, en las Zonas
Metropolitanas de La Laguna o la Zona Metropolitana de Zacatecas.
El municipio de Durango tuvo un incremento similar al de Chihuahua. Pasando en
1995 de tener una centralidad de 0.711 a una de 0.959 para 2015. No obstante el mayor
incremento en la región se observa en Zacatecas, Zacatecas. En 1995 este municipio tuvo una
centralidad de 0.374, para 2000 fue de 0.59, 0.633 en 2010 y 0.864 en 2015, un incremento del
orden del 230 por ciento.
Gráfica 4.3 Centralidad de autovector, región Noreste
Fuente: Elaboración propia con datos del INEGI.
0
0.2
0.4
0.6
0.8
1Monterrey
Victoria
Tampico
Matamoros
Reynosa
San Luis
Potosí
Guadalupe
Saltillo
1995
2000
2010
2015
53
En la región Noreste (Gráfica 4.3), el municipio de Monterrey ocupa la posición más
central en todo el periodo, y en esta región es donde la diferencia en la centralidad respecto a
los otros municipios es mayor. En la década 2000-2010 la brecha se cierra sobre todo con
respecto a los municipios de San Luis Potosí y Reynosa.
Ciudad Victoria y Tampico en Tamaulipas son los dos municipios que en 1995 se
encuentran detrás de Monterrey con una centralidad de autovector de 0.623 y 0.615
respectivamente. El cambio más drástico se aprecia en los municipios fronterizos de
Matamoros y Reynosa, también en Tamaulipas. Matamoros pasa de una centralidad de 0.513
en 1995 a un valor de 0.791 en 2015, mientras que Reynosa prácticamente duplica su valor de
0.435 en 1995 a 0.872 en 2015, ubicándolas delante de Ciudad Victoria y Tampico.
El municipio de Guadalupe, perteneciente a la Zona Metropolitana de Monterrey es el
único que aparece en las tres regiones vistas hasta ahora, que forma parte de la misma Zona
Metropolitana con otro municipio central de la región. Formando así, la primera Zona
Metropolitana Central. En esta región aparecen como municipios centrales dos municipios
fronterizos, Reynosa y Matamoros en Tamaulipas, cuya centralidad ha sido mayor en la
década de 2000-2010 que en la 1990-2000.
En las Gráficas 4.4, 4.5 y 4.6, se grafica en el eje vertical la centralidad de autovector y
en el eje horizontal los municipios pertenecientes a cada región. Podemos contrastar el
comportamiento de las distribuciones de la centralidad en las regiones fronterizas en cada año.
Se observa como las brechas en la centralidad se han cerrado para las tres regiones.
De igual manera, la forma que sigue la distribución no apunta a una concentración
absoluta de la centralidad en ninguna región, no obstante que en la región Centro Norte
(Gráfica 4.5) la pendiente es más pronunciada al comienzo de la distribución que en el
Noroeste (Gráfica 4.4) y Noreste (Gráfica 4.6). Lo anterior se debe a una mayor concentración
de la centralidad en menos municipios en la región Centro Norte con respecto a las otras dos.
54
Gráfica 4.4 Distribución de la centralidad en la región Noroeste, 1995-2015
Fuente: Elaboración propia con datos del INEGI.
En el Noroeste la forma que sigue la distribución no apunta a una concentración de la
centralidad en pocos municipios. Debemos apuntar que la región Noroeste cuenta con menos
municipios que las otras dos regiones, sin embargo, en esta región es mucho más notoria la
diferencia de centralidad entre 1995 y 2015 y que está se concentra en un número mayor de
municipios que en el Centro Norte o Noreste del país.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 4 7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
100
1995 2000
2010 2015
Municipios
55
Gráfica 4.5 Distribución de la centralidad en la región Centro Norte, 1995-2015.
Fuente: Elaboración propia con datos del INEGI.
Gráfica 4.6 Distribución de la centralidad en la región Noreste, 1995-2015.
Fuente: Elaboración propia con datos del INEGI.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 7
13
19
25
31
37
43
49
55
61
67
73
79
85
91
97
103
109
115
121
127
133
139
145
151
157
163
169
175
1995 2000
2010 2015
Municipios
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 7
13
19
25
31
37
43
49
55
61
67
73
79
85
91
97
103
109
115
121
127
133
139
145
151
157
163
169
175
181
187
1995 2000
2010 2015
Municipios
56
La última forma de presentación de los datos sobre la centralidad de los municipios se
presenta en los Mapas 4.1, 4.2 y 4.3 donde se georreferenció la centralidad calculada por
municipio. En el Mapa 4.1 se presentan los resultados para región Noroeste, en el cuadro
superior para las primeras dos observaciones, 1995 y 2000 y en el cuadro inferior, para 2010 y
2015. Los municipios con la centralidad más cercana a 1, es decir, los más centrales de la red
están en rojo, siendo Hermosillo el primero.
Mapa 4.1 Centralidad de autovector por municipio en la región Noroeste
57
Como se aprecia en el cuadro superior, una gran parte de los municipios de Sonora no
tenían relevancia en la red de migración, las tonalidades en azul denota los municipios con una
centralidad cercana a 0. Sin embargo, los municipios alrededor de Hermosillo, así como
Nogales y San Luis Río Colorado en la frontera resultan más centrales que los del interior del
estado. Esta importancia se mantiene en las observaciones de 2010 y 2015.
Mapa 4.2 Centralidad de autovector por municipio en la región Centro Norte
58
En la región Centro Norte también podemos apreciar como en 1995, Juárez y
Chihuahua resultan más centrales que los municipios vecinos de estos. Mientras que Zacatecas
no figuraba como un destino central en la región en 200 y 2010, en 2015 la ciudad de
Zacatecas se volvió un municipio central así como otros municipios fronterizos de Chihuahua.
Mapa 4.3 Centralidad de autovector por municipio en la región Noreste
59
Finalmente en la región Noreste se observan los dos cambios mencionados en las
gráficas radiales. La mayor importancia que adquieren los municipios fronterizos y la
influencia de la Zona Metropolitana de Monterrey. En esta región los municipios fronterizos
en 1995 que podrían considerarse como centrales son Acuña y Piedras Negras en Coahuila,
Nuevo Laredo, Reynosa, Río Bravo y Matamoros en Tamaulipas. La Zona Metropolitana de
Monterrey es la que concentra los municipios con una centralidad de autovector mayor,
comenzando por Monterrey. También son municipios centrales Torreón en Coahuila y
Tampico y Victoria en Tamaulipas. Para el año de 2015, se agregan los municipios fronterizos
de Camargo y Miguel Alemán en Tamaulipas a los anteriores como municipios centrales
además de la ampliación de municipios en la Zona Metropolitana de Monterrey como
municipios centrales de la región.
4.1.2 Correlación
En el Cuadro 4.1 se presenta la información para el periodo 1990-1995, de los valores del
coeficiente de correlación de Pearson para establecer una asociación entre las relaciones
medidas en cada región. Entre la relación de migración y la condición fronteriza, en la
segunda columna y entre la relación de migración y el grado de marginación en la tercera
columna.11
En primer lugar hacemos notar la existencia de asociación entre los flujos migratorios
y los municipios fronterizos, sin embargo, esta asociación calculada desde el análisis de redes
es muy pequeña, prácticamente cero en el caso del Noreste. El signo negativo para el
coeficiente de correlación en el Noroeste y en el Centro Norte indica que la asociación se da
entre municipios con diferentes atributos, es decir, la relación de migración se da entre
municipios no fronterizos a municipios fronterizos en el Noroeste y Centro Norte, pero esta
correlación sólo resulta estadísticamente significativa para el Centro Norte.
En tanto, la relación de migración y la marginación muestra una asociación negativa en
el Noroeste, Noreste, Occidente y Centro, indicando que la migración se da entre municipios
11
Entre paréntesis se muestra el p-valor con un nivel de significación de 95%.
60
con diferentes grados de marginación. Sólo resulta fuerte (-0.63) y estadísticamente
significativa para la región Centro (p-valor igual a 0.000). En las regiones Centro Norte,
Oriente, Sur y Península la correlación es positiva, aunque débil en Centro Norte, Oriente y
Sur, lo que indica que la migración se da entre municipios con un grado de marginación igual.
Cuadro 4.1 Correlación entre redes, 1995. Flujo
migratorio Municipios fronterizos Grado de marginación
Región Correlación de Pearson Gamma de Goodman-Kruskal
Noroeste -0.044, (0.164) -0.1274, (0.092)
Centro Norte -0.1, (0.008) 0.0582, (0.296)
Noreste 0.0, (0.69) -0.1059, (0.094)
Occidente
-0.0723, (0.148)
Oriente
0.1599, (0.033)
Centro
-0.6293, (0.000)
Sur
0.1554, (0.042)
Península
0.3001, (0.042) Fuente: Elaboración propia con datos del Conteo 1995, INEGI.
Cuadro 4.2 Correlación entre redes, 2000. Flujo
migratorio Municipios fronterizos Grado de marginación
Región Correlación de Pearson Gamma de Goodman-Kruskal
Noroeste -0.077, (0.012) -0.2085, (0.000)
Centro Norte -0.065, (0.031) -0.0322, (0.266)
Noreste -0.002, (0.372) -0.1756, (0.000)
Occidente 0.0131, (0.360)
Oriente 0.0400, (0.130)
Centro -0.3693, (0.000)
Sur 0.0849, (0.021)
Península 0.3738, (0.000) Fuente: Elaboración propia con datos del Censo 2000, INEGI.
En el año 2000 (Cuadro 4.2) los coeficientes de correlación para las regiones
fronterizas apuntan a que la migración ocurre entre municipios no fronterizos y municipios en
la frontera. Está correlación observada es débil y estadísticamente significativa sólo para el
Noroeste y Centro Norte. Por otro lado, la migración entre municipios con diferentes grados
de marginación se da en las regiones Centro, Noroeste, Noreste y Centro Norte. Mismo
comportamiento es observado en 2010 (Cuadro 4.3) y en 2015 (Cuadro 4.4). Asociaciones
débiles en las regiones fronterizas y asociaciones entre la relación de migración y la
61
marginación en municipios con igual grado de marginación, lo anterior se observa
recurrentemente en las regiones Sur y Península, regiones que cuentan con el mayor número
de municipios con un grado de marginación alto o muy alto.
Cuadro 4.3 Correlación entre redes, 2010. Flujo
migratorio Municipios fronterizos Grado de marginación
Región Correlación de Pearson Gamma de Goodman-Kruskal
Noroeste -0.098, (0.006) -0.2532, (0.000)
Centro Norte -0.051, (0.039) 0.0435, (0.184)
Noreste 0.007, (0.391) -0.2144, (0.000)
Occidente 0.0950, (0.014)
Oriente -0.0097, (0.366)
Centro -0.3980, (0.000)
Sur 0.0000, (0.970)
Península 0.1945, (0.011) Fuente: Elaboración propia con datos del Censo 2010, INEGI.
Cuadro 4.4 Correlación entre redes, 2015. Flujo migratorio Municipios fronterizos Grado de marginación
Región Correlación de Pearson Gamma de Goodman-Kruskal
Noroeste -0.065, (0.044) -0.2024, (0.000)
Centro Norte -0.027, (0.095) -0.0640, (0.101)
Noreste 0.011, (0.25) -0.3422, (0.000)
Occidente -0.0959, (0.000)
Oriente 0.0000, (0.890)
Centro -0.4262, (0.000)
Sur 0.3731, (0.000)
Península 0.1079, (0.021) Fuente: Elaboración propia con datos de la Encuesta Intercensal 2015, INEGI.
4.1.3 Comunidades
La detección de comunidades se llevó a cabo con el procedimiento de k-centros por cada
región. En primer lugar se presentan los grafos de las redes de migración de las regiones
fronterizas en donde se identifican los k-centros. Luego se presentan los diagramas de
centralidad y k-centros los cuales muestran en un plano horizontal y de manera creciente el
62
número de k-centros, y en un plano vertical, también de manera creciente, la centralidad. De
esta forma es posible tener una imagen de que a medida que el número de centros
identificados aumenta, también aumenta la centralidad de los municipios.
El Cuadro 4.5 nos muestra en la primera columna los k-centros identificados en 1995 y
en la segunda columna los identificados en la misma región en el año 2000. El tamaño de la
circunferencia está dado por la centralidad de autovector de cada municipio, es decir, la mayor
centralidad se corresponde con una circunferencia más grande, mientras que el color sirve
únicamente para identificar con mayor facilidad las comunidades. En el Noroeste se
identificaron diez centros, siendo el centro con k = 10, el más grande. En la red de migración
de 2000 el número de centros sube a 17 y además aparecen más centros con k=1. Esto indica
que en esta región, en la década de 1990-2000 hubo un cambio en los municipios bien
diferenciados por el número de flujos migratorios que recibieron, pasando de pocos centros y
con pocos flujos migratorios en 1995, a muchos centros 17, y con mayores flujos migratorios,
17 en el más grande, además de la aparición de centros con uno o dos flujos migratorios. De
igual forma se observa el mismo comportamiento en las regiones Centro Norte y Noreste. El
cambio más drástico ocurre en esta década, de pocos centros y con relativamente muchos
flujos migratorios en el periodo 1990-1995, a muchos centros y con relativamente pocos flujos
migratorios en 1995-2000, siendo notoria la presencia de un grupo dominante.
Cuadro 4.5 Comunidades al interior de las regiones fronterizas, 1995-2000.
Región Noroeste, 1995 Región Noroeste, 2000
63
Región Centro Norte, 1995 Región Centro Norte, 2000
Región Noreste, 1995 Región Noreste, 2000
Fuente: Elaboración propia con datos del INEGI.
La situación descrita se acentúa en la década del 2000 (Cuadro 4.6). En el Noroeste los
centros van de k = 2 y hasta k = 22 en 2010 y de k = 6 y hasta k = 25 en 2015. Se deduce que
los flujos migratorios se están concentrando en más municipios, sin embargo no podemos
determinar aún si ocurren en igual forma en los municipios centrales y en los menos centrales.
En el Centro Norte y el Noreste ocurre de manera similar. En 2010-2015, el Centro Norte,
pasa de 11 a 14 centros y con el k-centro más grande con k = 15 en 2010 y con k = 20 en 2015.
En el Noreste en la misma década se pasó de 17 a 21 k-centros, con el k-centro más grande con
k = 24 en 2010 y con k = 30 en 2015. Lo que indica que esta región fue la más activa en
cuanto a flujos migratorios intrarregionales. A medida que se identifican más centros, la
centralidad de los municipios miembros del último grupo es la mayor de entre los municipios
de la región. La lógica anterior se comprueba para todas las regiones.
64
Cuadro 4.6 Comunidades al interior de las regiones fronterizas, 2010-2015.
Región Noroeste, 2010 Región Noroeste, 2015
Región Centro Norte, 2010 Región Centro Norte, 2015
Región Noreste, 2010 Región Noreste, 2015
Fuente: Elaboración propia con datos del INEGI.
Los diagramas siguientes muestran que los centros con el k mayor son también los
centros con los municipios más centrales (Cuadros 4.7 y 4.8). Al desplazarnos hacia la derecha
del diagrama encontramos los centros con la k mayor, es decir, los centros con los municipios
65
con más flujos migratorios recibidos en el año del que se trate, y al desplazarnos hacia arriba
encontramos los municipios cuyo valor de centralidad es mayor, de esta forma la proposición
de que los municipios que están recibiendo el mayor número de flujos migratorios son también
los municipios más importantes de la región se prueba desde esta perspectiva del análisis de
redes.
Cuadro 4.7 Centralidad de autovector y k-centros, 1995 y 2000.
Región Noroeste, 1995 Región Noroeste, 2000
Región Centro Norte, 1995 Región Centro Norte, 2000
Región Noreste, 1995 Región Noreste, 2000
Fuente: Elaboración propia con datos del Conteo de Población 1995, INEGI.
66
Cuadro 4.8 Centralidad de autovector y k-centros, 2010 y 2015.
Región Noroeste, 2010 Región Noroeste, 2015
Región Centro Norte, 2010 Región Centro Norte, 2015
Región Noreste, 2010 Región Noreste, 2015
Fuente: Elaboración propia con datos del XII Censo General de Población y Vivienda 2000, INEGI.
Por último, la identificación de los centros en el territorio facilita la interpretación de la
información anterior. Los cambios en el tiempo son mucho más apreciables como se observa
en los mapas siguientes. En las tres regiones fronterizas los municipios en la frontera norte se
concentran en el grupo con mayores flujos migratorios. Esta diferencia se hace más notoria en
los Mapas 4.5, 4.7 y 4.9, que corresponden a la década de 2000-2010.
67
Mapa 4.4 Centros en el Noroeste, 1995 y 2000
A partir del Mapa 4.4 se evidencia la importancia que en la región toman los enclaves
turísticos en la costa del Pacífico, principalmente en el estado de Sinaloa y Baja California
Sur. En 1995 todavía es posible identificar con claridad a aquellos municipios que recibieron
pocos flujos migratorios de los que recibieron ocho o más. Los municipios que atrajeron
menos flujos de inmigrantes en 1995 se localizan lejos de los enclaves turísticos, las capitales
de Sonora y Sinaloa y se encuentran más cercanos al Desierto de Sonora.
En el año 2000, la región Noroeste está caracterizada por presentar grupos de
municipios con mayores corrientes migratorias que en 1995. El 46% de los municipios de la
región recibieron 21 flujos de migración, mientras que el grupo de municipios que recibió
menos flujos, corresponde apenas al 1% del total y sólo fue atractor de 4 corrientes
migratorias.
68
Mapa 4.5 Centros en el Noroeste, 2010 y 2015
El Mapa 4.5 presenta la misma tendencia descrita arriba. El 47% de los municipios
presentó en el año 2000, 21 o más flujos de migración. De este grupo, el 83% de los
municipios recibió 22 flujos migratorios. En 2015 las cifras aumentan considerablemente. Los
porcentajes en este año fueron de 62% en el grupo con 21 o más flujos migratorios y en el
cual, el 69% de los municipios recibió 25 flujos de inmigración.
69
En la región Centro-Norte (Mapa 4.6) los cambios que se observan en el Noroeste
también se dieron aquí. En 1995 eran pocos los municipios que recibían cinco flujos
migratorios, mientras que en 2015, hubo un incremento considerable del número de flujos que
recibió esta región, 20 flujos de migración. El 52% los municipios en el Centro-Norte se
concentran en el grupo con mayores flujos migratorios y prácticamente abarca todo el
territorio de Aguascalientes, Zacatecas, Durango y Chihuahua.
Mapa 4.6 Centros en el Centro Norte, 1995 y 2000
En el Noreste de México (Mapa 4.8) la situación es algo distinta. En 1995, el grupo con la
mayor cantidad de flujos migratorios resultó ser de los más pequeños. Apenas el 13% de los
municipios de la región en 1995 conformaban este grupo, mientras que el grupo más
numeroso, aquel que concentraba al 24% de los municipios del Noreste únicamente se
componía por elementos que recibieron un único flujo de migración.
70
Mapa 4.7 Centros en el Centro Norte, 2010 y 2015
Para el año 2000, el 38% de los municipios se encontraba en el grupo con la mayor
cantidad de flujos migratorios recibidos en la región. Como se aprecia en el Mapa 4.8, esta
concentración se dio principalmente en el estado costero de Tamaulipas y alrededor de la
metrópolis de Monterrey.
Por último, en el 2010 (Mapa 4.9) el grupo mayoritario representó el 28% de los
municipios del Noreste. Tanto en 2000 como en 2010, este grupo coincide en el número de
flujos que recibieron los municipios, 24. El incremento se dio en el segundo grupo, el que
recibió 23 corrientes migratorias pues pasó de representar el 12% en el 2000 a ser el 14% en
2010. Para 2015, los porcentajes fueron de 25% de los municipios en el grupo con 30 flujos.
71
Mapa 4.8 Centros en el Noreste, 1995 y 2000
Mapa 4.9 Centros en el Noroeste, 2010 y 2015
72
CONCLUSIONES
La historia nos ha mostrado los diversos intentos por identificar patrones regulares en los
flujos de migración. Desde 1885 hasta la actualidad, las propuestas son cada vez más
ambiciosas y multidisciplinarias. Los resultados que se presentaron provienen de la aplicación
de una metodología medianamente nueva en los estudios de migración pero completamente
original para el caso mexicano.
Se planteó al análisis de redes como una metodología apropiada para el estudio de la
migración interna reciente en tres regiones del norte de México. Distinguir entre los factores
de tipo económico, social y político y sobre las condiciones espaciales como determinantes de
los flujos migratorios internos es una meta que esta fuera del alcance de esta investigación.
Las condiciones económicas implican evaluar, tanto en el nivel individual como del hogar,
cuáles serán las ganancias y los costos asociados a la migración. Ante fallas del mercado local,
la mejora del bienestar individual o familiar ¿está en migrar? De forma constante el panorama
económico en el país mantiene insatisfechos a muchos. Los más de ellos, dispuestos a dejarlo
todo y asumir los riesgos que conlleva la migración.
Los factores sociales que se destacan son el papel activo de las otras redes, las de
apoyo, tanto para reducir los costos de la migración como para contribuir a una posible
integración en el lugar de destino. La información circula entre vecinos y orienta los flujos de
migración. La intensidad de estos es más pronunciada a medida que existe una mayor
presencia de historias de éxito y conocidos en los municipios de destino.
En el contexto socioeconómico del periodo de estudio, el papel que tuvo la contracción
de la demanda de Estados Unidos, la crisis económica global, la devaluación del peso y la
violencia ejercida por poderes fácticos en el país generaron un ambiente de inseguridad e
incertidumbre para los migrantes potenciales, principalmente en el periodo 2005-2010.
Este escenario pudo tener influencia en las decisiones individuales de migrar de los
mexicanos en dos sentidos. El primero, en una reorientación de los destinos de los flujos de
migración, en un movimiento de sustitución de los municipios fronterizos por otras ciudades;
73
mientras que el segundo es la consolidación de nuevos destinos en la periferia de las grandes
ciudades, las Zonas Metropolitanas alejadas y los enclaves turísticos.
El papel del espacio, de la frontera y las ciudades atractivas del norte de México,
destaca la posición relativa de las unidades administrativas-geográficas por cuanto ellas están
situadas en cercanía y relación a otras, con las que pueden coexistir en relaciones de
complementación y/o sustitución. Un aspecto básico de esta dimensión espacial es la
centralidad de cada unidad en el sistema y que dicha dimensión puede medirse, lo que implica
explicitar el sistema de jerarquías espaciales subyacentes en la partición del espacio geográfico
y de sus flujos.
Los resultados obtenidos de la aplicación de las técnicas del análisis de redes a las
matrices de origen-destino de cada región mostraron importantes diferencias entre estas. La
centralidad basada en el vector de valores propios fue desarrollada para medir lo conectado
que está un actor en el contexto de todo el sistema de flujos. El método trabaja de forma
similar al análisis factorial, asumiendo que cada nodo-municipio en la matriz de flujos
migratorios es una variable. Identificó las dimensiones subyacentes en las distancias
relacionales entre los nodos. La importancia de cada dimensión está dada por el autovalor y la
importancia de cada municipio por el vector asociado a cada valor propio. Los valores altos en
el vector principal indican municipios más centrales en el patrón de los flujos, por otro lado,
los valores bajos indican que los municipios son más periféricos.
En 1995 la centralidad de migración en el Noroeste y el Noreste se concentraba en más
municipios que en el Centro Norte, indicando que la red de inmigración de este año fue más
concentrada en esta última región. Para el año 2000, nuevamente en el Noroeste y Noreste la
centralidad amplió su rango de municipios, mientras que en el Centro Norte, la concentración
se agudizó. En los años de 2010 y 2015, la distribución de la centralidad de migración en las
tres regiones es bastante uniforme, mucho más alejada del centro y con poco crecimiento en
2015 respecto de 2010. Se tienen elementos para concluir que la estructura de la red en Centro
Norte es la más concentrada entre las tres regiones, pues a lo largo del periodo de estudio, las
diferencias y expansión de la distribución de la centralidad fueron las menores. Asimismo en
la región Noroeste, la estructura de la red es manifiestamente más dispersa. Los municipios
74
centrales en esta región son más y están poco diferenciados entre ellos. Lo anterior es muy
similar para la región Noreste.
En cuanto a la asociación de los flujos migratorios con destino a municipios
fronterizos, no podemos concluir categóricamente que sea una relación moderadamente fuerte
la que existe entre la red y los flujos hacia dichos municipios. Por otro lado, también se
encontró que fueron pocos los municipios fronterizos que aparecen entre los municipios con
mayor centralidad en las regiones. Al respecto se puede decir que esto se debe a dos
cuestiones. La primera es que al tratar la red como un sistema cerrado, se han dejado fuera
otros flujos migratorios con origen fuera de la región. Y si bien, las migraciones están
asociadas con la distancia, los migrantes que provienen del Centro o Sureste con destino a un
municipio fronterizo constituyen flujos migratorios que no están considerados, lo que nos
lleva a la segunda cuestión. Como las regiones del norte se trataron de manera
independientemente, tampoco se contaron con los flujos de migración entre ciudades
fronterizas, fenómeno que va en aumento desde comienzos del siglo XXI.
La evidencia es en cierto grado compatible con investigaciones que destacan la
importancia de los municipios fronterizos y las zonas metropolitanas como atractores de
población. Estos resultados pueden ser útiles para el diseño de políticas de transporte urbano y
localización de viviendas.
Por último, identificar grupos semejantes de municipios con base en los flujos
migratorios que recibieron en cada año permitió distinguir como se han distribuido los
migrantes internos recientes en el norte del país. En 1995, los grupos de municipios con
mayores flujos de inmigrantes se encontraban claramente diferenciados del resto. Eran
municipios localizados en la franja fronteriza, ciudades con un crecimiento poblacional
importante y lugares donde se concentraban los servicios y actividades productivas. En los
años subsecuentes, el patrón que se observa es más homogéneo, lo que indica que las
migraciones de corta distancia y las migraciones intraestatales han ido en aumento.
75
La agenda queda abierta para nuevas investigaciones que consideren los flujos migratorios
como se ha intentado hacer aquí. El análisis de redes todavía puede ofrecer más. Se sugiere
profundizar en los siguientes temas que no fueron tratados en esta investigación:
[1] Descomponer los flujos de migración por diferentes características sociodemográficas
como con el fin de establecer la asociación con la selectividad migratoria.
[2] Replicar la investigación en una escala diferente, de ser posible en un nivel de
desagregación menor, tanto espacial como temporalmente, los movimientos
migratorios aparecerán con una frecuencia mayor.
[3] Considerar los flujos de migración entre regiones y en una matriz de origen-destino
que contenga todos los municipios del país, para establecer una jerarquía para el
contexto nacional.
[4] Finalmente, enfocar la investigación hacia otras regiones que presenten otras
características como por ejemplo, una marginación urbana mayor o que sean regiones
de expulsión más que de atracción.
76
B i b l i o g r a f í a
Acosta, Félix y Rodolfo Cruz Piñeiro, 2015, “Factores económicos y sociales asociados a la
migración interna en México en el período 1995-2010” en Rodolfo Cruz Piñeiro y Félix
Acosta, coords., Migración interna en México: tendencias recientes en la movilidad
interestatal, Tijuana, El Colegio de la Frontera Norte, pp. 115-148.
Anguiano Téllez, María Eugenia, 1996, “Frontera norte: migración interna e internacional”, El
Cotidiano, México, núm. 77, julio-agosto año 12, pp. 19-23.
Anguiano Téllez, María Eugenia, 1998, “Migración a la frontera norte de México y su relación con
el mercado de trabajo regional”, Papeles de población, Toluca, UAEM, vol. 4, núm. 17,
julio-septiembre, pp. 63-79.
Anthony, David W., 1990, “Migration in Archeology: The Baby and the Bathwater”, American
Anthropologist, vol. 92, núm. 42, diciembre, pp. 895-914.
Bonacich, Phillip, 1987, “Power and Centrality: A Family of Measures”, American Journal of
Sociology, vol. 92, núm. 5, marzo, pp. 1170-1182.
Borgatti, Stephen P., 2005, “Centrality and network flow”, Social Networks, vol. 27, pp. 55-71.
Borgatti, Stephen P. y Martin G. Everett, 2006, “A Graph-theoretic perspective on centrality”,
Social Networks, vol. 28, pp. 466-484.
Burmeister, Stefan, 2000, “Archaeology and Migration Approaches to an Archeological Proof of
Migration”, Current Anthropology, vol. 41, núm. 4, agosto-octubre, pp. 539-567.
Bustamante, Jorge, 1979, “Las mercancías migratorias. Indocumentados y capitalismo: un
enfoque”, Nexos¸ núm. 14, febrero, pp. 23-28.
Cebula, Richard J., 2005, “Internal Migration Determinants: Recent Evidence”, International
Advances in Economic Research, núm. 11, pp. 267-274.
Conti, Cinzia, Antonella Guarneri y Enrico Tucci, 2009, Internal migration flows: a comparison
between Italian and foreign population using social network analysis, Roma, Istituto
Nazionale di Statistica.
Corona Vázquez, Rodolfo, 1991, “Principales características demográficas de la zona fronteriza del
norte de México”, Frontera Norte, vol. 3, núm. 5, enero-junio, pp. 141-156.
77
Corona Vázquez, Rodolfo, 2000, “Medición de la migración interestatal”, Demos, núm. 13, pp. 8-
10.
Coubès, Marie-Laure, 2000, “Demografía fronteriza: cambio en las perspectivas de análisis de la
población de la frontera México-Estados Unidos”, Revista Mexicana de Sociología,
UNAM/Instituto de Investigaciones Sociales, vol. 62, núm. 2, abril-junio, pp. 109-123.
Cruz Piñeiro, Rodolfo, Félix Acosta y Elmyra Ybáñez Zepeda, 2015, “Enfoques teóricos, hipótesis
de investigación y factores asociados a la migración interna” en Rodolfo Cruz Piñeiro y
Félix Acosta, coords., Migración interna en México: tendencias recientes en la movilidad
interestatal, Tijuana, El Colegio de la Frontera Norte, pp. 19-56.
Cruz Piñeiro, Rodolfo, Yolanda Silva Quiroz y Ana María Navarro Ornelas, 2015, “La migración
interna en México: niveles y tendencias presentes y posibles” en Rodolfo Cruz Piñeiro y
Félix Acosta, coords., Migración interna en México: tendencias recientes en la movilidad
interestatal, Tijuana, El Colegio de la Frontera Norte, pp. 175-200.
Cushing, Brian y Jacques Poot, 2004, “Crossing boundaries and borders: regional science advances
in migration modelling”, Papers in regional science, núm. 83, pp. 317-338.
Estrella Valenzuela, Gabriel, Alejandro Canales Cerón y María Eugenia Zavala de
Cosío, 1999, Ciudades de la frontera norte: Migración y fecundidad, Mexicali, Universidad
Autónoma de Baja California.
Freeman, Linton C., 1978, “Centrality in Social Networks. Conceptual Clarification”, Social
Networks, núm. 1, pp. 215-239.
Freeman, Linton C., 1989, “Social networks and the structure experiment”, en Freeman, L. C.,
White, D. R., y Romney, A. K., edits., Research Methods in Social Network Analysis,
George Mason University Press, pp. 11-40.
Gamio, Manuel, 1930, Número procedencia y distribución geográfica de los inmigrantes
mexicanos en los Estados Unidos, México, Talleres Gráficos Editoriales y Diario Oficial.
Garrocho Rangel, Carlos, Eduardo Jiménez López y José Antonio Álvarez Lobato, 2014,
“Estructura profunda de los flujos migratorios en México, 1990-2010” en CONAPO, La
situación demográfica de México 2014, México.
Greenwood, Michael J. y Jerry R. Ladman, 1977, “Economía de la movilidad geográfica de la
mano de obra en México”, Demografía y economía, vol. 11, núm. 2, pp. 155-166.
78
Hanneman, Robert A. y Mark Riddle, 2005, Introduction to social network methods, Riverside,
California, University of California, publicado en formato digital en
http://faculty.ucr.edu/~hanneman/
Harary, Frank, 1969, Graph Theory, Michigan, Estados Unidos, Addison-Wesley Publishing
Company, Inc.
Harris, John y Michael P. Todaro, 1970, “Migration, Unemployment and Development: A Two-
Sector Analysis”, American Economic Review, American Economic Association, vol. 60,
núm. 1, pp. 126-142.
INEGI, XII Censo General de Población y Vivienda 2000, Tabulados de la muestra censal, México,
Instituto Nacional de Estadística y Geografía.
INEGI, Censo de Población y Vivienda 2010. Marco conceptual, México, Instituto Nacional
Estadística y Geografía.
INEGI, Encuesta Intercensal 2015: síntesis metodológica y conceptual, México, Instituto Nacional
de Estadística y Geografía.
Knoke, David y James H. Kuklinski, 1982, Network Analysis, California, Estados Unidos, SAGE.
Lee, Everett S., 1966, “A theory of migration”, Demography, Population Association of America,
vol. 3, núm. 1, pp. 47-57.
Lufin, Marcelo y Miguel Atienza, 2013, Migraciones de corta/larga distancia y organización
funcional del espacio: Chile, 1997-2002, Antofagasta, Chile.
Maier, Gunther y Michael Vyborny, 2005, Internal migration between us-states. A social network
analysis, Vienna, Institut für Regional- und Umweltwirtschaft, Department of Urban and
Regional Development.
Massey, Douglas S. et al., 1991, Los ausentes. El proceso social de la migración internacional en
el occidente de México, Distrito Federal, Editorial Alianza.
Moreno, Jacob L., 1978, Who Shall Survive? Foundations of Sociometry Group Psychotherapy and
Sociodrama, 3a ed., Nueva York, Beacon House Inc.
Newman, M. E. J., 2008, “Mathematics of networks”, en L. E. Blume and S. N. Durlauf, edits.,
The New Palgrave Encyclopedia of Economics, Palgrave Macmillan.
Newman, M. E. J., 2010, Networks. An Introduction, Nueva York, Oxford University Press.
79
Opsahl, Tore, Filip Agneessens y John Skvoretz, 2010, “Node centrality in weighted networks:
Generalizing degree and shortest paths”, Social Networks, núm. 32, pp. 245-251.
Partida Bush, Virgilio, 2012, “Medición de la migración interna en México a partir de los censos
de población de 1990-2010”, s/f, documento preparado para su discusión en El Colegio de
la Frontera Norte, Tijuana.
Partida Bush, Virgilio, 2014, “Estimación indirecta de la migración interregional. El caso de
México”, México, Facultad Latinoamericana de Ciencias Sociales.
Partida Bush, Virgilio, 2015, “Medición de la migración interna en México a partir de los censos
de población de 1990-2010” en Rodolfo Cruz Piñeiro y Félix Acosta, coords., Migración
interna en México: tendencias recientes en la movilidad interestatal, Tijuana, El Colegio de
la Frontera Norte, pp. 57-114.
Pérez Campuzano, Enrique y Clemencia Santos Cerquera, 2013, “Tendencias recientes de la
migración interna en México.”, Papeles de población, Toluca, UAEM, vol. 19, núm. 76,
abril-junio, pp. 53-88.
Ravenstein, E. G., 1885, “The Laws of Migration”, Journal of the Statistical Society of
London, Wiley, vol. 48, núm. 2, pp. 167-235.
Raymer, James, 2007, “The estimation of international migration flows: a general technique
focused on the origin-destination association structure”, Environment and Planning A, vol.
39, pp. 985-995.
Rogers, Andrei, 1968, Matrix Analysis of Interregional Population Growth and Distribution,
Berkeley, University of California Press.
Romo Viramontes, Raúl, Yolanda Téllez y Jorge López Ramírez, 2013, “Tendencias de la
migración interna en México en el periodo reciente” en CONAPO, La situación demográfica
de México 2013, México.
Sjaastad, Larry A., 1962, “The Costs and Returns of Human Migration”, Journal of Political
Economy, vol. 70, núm. 5, octubre, pp. 80-93.
Simmons, Alan B., 1991, “Explicando la migración: la teoría en la encrucijada”, Estudios
Demográficos y Urbanos, vol. 6, núm. 1, enero-abril, pp. 5-31.
Sobrino, Jaime, 2010, “Migración interna en México durante el siglo XX”, México, CONAPO.
Solís Pérez, Marlene, María Eugenia Anguiano Téllez y Félix Acosta, 2015, “Regiones y patrones
de movilidad poblacional en México en el período 1995-2010” en Rodolfo Cruz Piñeiro y
80
Félix Acosta, coords., Migración interna en México: tendencias recientes en la movilidad
interestatal, Tijuana, El Colegio de la Frontera Norte, pp. 201-216.
Valdés, Luz María, 2013, “Hacia una nueva Ley General de Población”, México, Instituto de
Investigaciones Jurídicas.
Vázquez Pérez, Luis Ángel [tesis de maestría], 2012, “Migración interna en México y factores no
monetarios”, México, Centros de Estudios Económicos, El Colegio de México, sin pie de
imprenta.
Wasserman, Stanley y Katherine Faust, 1995, Social network analysis: methods and applications,
Cambridge University Press.
Wellman, Barry, 2000, “El análisis estructural: del método y la metáfora a la teoría y la sustancia”,
Política y Sociedad, Madrid, vol. 33, pp. 11-40.
Welti Chanes, Carlos, 1997, “Demografía I”, Ciudad de México, Programa Latinoamericano de
Actividades en Población/Insituto de Investigaciones Sociales de la UNAM.
White, Michael J., 2016, edit., International Handbook of Migration and Population Distribution,
Springer, vol. 6.
Willekens, Frans, 2016, “Migration Flows: Measurement, Analysis and Modeling” en Michael J.
White, edit., International Handbook of Migration and Population Distribution, Springer,
vol. 6, pp. 225-241.
Wright, Richard y Mark Ellis, 2016, “Perspectives on Migration Theory: Geography”en Michael J.
White, edit., International Handbook of Migration and Population Distribution, Springer,
vol. 6, pp. 11-30.
Ybáñez Zepeda, Elmyra, 2000, “Algunas características demográficas de la población de la
frontera México-Estados Unidos”, Frontera Norte, vol. 13, núm. 24, julio-diciembre, pp.
159-166.
Ybáñez Zepeda, Elmyra y Rafael Alarcón, 2014, “Turbulencia económica, violencia y cambios
migratorios en la frontera norte de México, 1990-2010”, Migración y desarrollo, Zacatecas,
México, Red Internacional de Migración y Desarrollo, vol. 12, núm. 22, enero-junio, pp.61-
90.
Zipf, George K., 1946, “The P1 P2/D Hypothesis: On the Intercity Movement of Persons”,
American Sociological Review, vol. 11, núm. 6, diciembre, pp. 677-686.
81
ANEXOS
ANEXO 1
Glosario de términos
Los conceptos del análisis de redes sociales como red, agente o relación, pueden parecer muy
amplios y algunos como el de red social evocar a los sitios web de redes sociales. Este tipo de
redes es un ejemplo de red, pero para evitar la vaguedad en los conceptos, en esta sección se
proporciona un glosario con las definiciones necesarias para entender las ideas del análisis de
redes.
Agente, también llamado actor, es la entidad social que tiene vínculos o uniones con otras
entidades sociales, las que pueden ser individuos, corporaciones u otras unidades sociales
colectivas como vecindarios o incluso países. El uso del término actor no implica que estas
entidades tengan necesariamente voluntad o la habilidad de actuar. En la mayoría de las
aplicaciones del análisis de redes sociales, los conjuntos de agentes son del mismo tipo, tales
conjuntos dan lugar a redes uni-modales.
Grupo, es la colección de todos los agentes en el que se van a medir los vínculos. Se debe
argumentar empírica, teórica o conceptualmente el criterio sobre el cual los agentes en el
grupo pertenecen a él en un conjunto, en lo posible, bien definido. El grupo es el conjunto
finito de agentes, de entidades sociales quienes por razones conceptuales, teóricas o empíricas,
están en el conjunto sobre el que se realizan las mediciones de la red. En otras palabras, al
definir un conjunto finito de agentes y los vínculos entre ellos, estamos definiendo un grupo en
el análisis de redes sociales.
82
Red, es aquella que consiste en un conjunto (o conjuntos) finitos de agentes y la relación (o
relaciones) que están definidas en ellos, por tanto la red de migración a tratar se compone del
conjunto de municipios en el país y los flujos migratorios que se estiman entre ellos. Esta red
de migración es la que se describirá mediante el análisis de redes.
Una red también verse de diferentes maneras, por ejemplo como un grafo que
consistente de nodos unidos por líneas. O como teoría de grafos, un grafo G, consiste en un
conjunto finito no vacío V de p puntos, junto con un conjunto prescrito X de q pares no
ordenados de puntos distintos de V. Cada par x = {u, v} de puntos en X es una línea de G, que
une u con v (Harary, 1969:9).
Relación, es la colección de vínculos del mismo tipo entre los miembros de un grupo.
También, para cualquier grupo de agentes, podemos medir diferentes relaciones, por ejemplo,
además de registrar las corrientes migratorias entre dos municipios, del mismo modo se podría
registrar el envío de recursos monetarios entre los mismos dos municipios. De tal forma que
tendríamos una relación referente a la migración y una segunda relación referente al envío de
remesas, para el mismo grupo de agentes.
Es importante hacer notar que la relación se refiere a la colección de los vínculos del
mismo tipo, medidos entre un par de agentes de un conjunto específico de agentes. Siguiendo
el ejemplo del párrafo anterior, la relación de migración es la colección de los vínculos, es
decir, de los flujos migratorios entre un par de municipios. Los vínculos en sí, sólo existen
entre el par de municipios.
Vínculo, la característica que define a un vínculo es que establece una unión entre un par de
agentes. Estos vínculos son los que se observan, por ejemplo, en transferencias de recursos
materiales entre empresas del mismo ramo industrial, en la asociación o afiliación de personas
a clubs, en el movimiento de migrantes entre dos lugares diferentes, en conexiones físicas
como puentes y autopistas entre dos ciudades, y en relaciones biológicas. El vínculo establece
la unión entre dos agentes. La unión es inherentemente, una propiedad del par y por tanto no
se considera como perteneciente a un único agente, sino a esta díada o dupla de agentes.
83
ANEXO 2
Gráficos de centralidad de autovector para el resto de las regiones
Gráfica A1. Centralidad de autovector, región Occidente.
Fuente: Elaboración propia con datos del INEGI.
0
0.2
0.4
0.6
0.8
1Guadalajara
Zapopan
Tepic
Tlaquepaque
Puerto Vallarta
Colima
Morelia
Guanajuato
1995 2000 2010 2015
84
Gráfica A2. Centralidad de autovector, región Oriente.
Fuente: Elaboración propia con datos del INEGI.
Gráfica A3. Centralidad de autovector, región Centro.
Fuente: Elaboración propia con datos del INEGI.
0
0.2
0.4
0.6
0.8
1Xalapa
Puebla
Veracruz
Coatzacoalcos
OrizabaCórdoba
Cuernavaca
Tlaxcala
Querétaro
1995 2000 2010 2015
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1Álvaro Obregón
Iztapalapa
Gustavo A. Madero
Cuauhtémoc
Miguel Hidalgo
Ecatepec
Nezahualcóyotl
Toluca
1995 2000 2010 2015
85
Gráfica A4. Centralidad de autovector, región Sur.
Fuente: Elaboración propia con datos del INEGI.
Gráfica A5. Centralidad de autovector, región Península.
Fuente: Elaboración propia con datos del INEGI.
0
0.2
0.4
0.6
0.8
1Tuxtla Gutiérrez
Tapachula
Villaflores
Tonalá
Acapulco
Oaxaca
Tuxtepec
Tehuantepec
1995 2000 2010 2015
0
0.2
0.4
0.6
0.8
1Benito Juárez
Mérida
Carmen
CentroOthón P. Blanco
Cozumel
Solidaridad
1995 2000 2010 2015
86
Anexo 3
Valores de centralidad de inmigración y emigración para los municipios.
Municipio Noroeste, 1995
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Ensenada 17 15 0.7 0.807 Bácum 1 2 0.033 0.044
Mexicali 14 15 0.667 0.804 Baviácora 0 1 0 0.09
Tecate 8 5 0.396 0.362 Bavispe 0 1 0 0.002
Tijuana 27 19 1 0.988 Benjamín Hill 0 2 0 0.093
Comondú 11 6 0.567 0.345 Caborca 0 4 0 0.21
Mulegé 12 7 0.604 0.418 Cajeme 12 17 0.486 0.72
La Paz 18 9 0.73 0.505 Cananea 3 4 0.07 0.238
Los Cabos 14 7 0.762 0.297 Carbó 0 1 0 0.09
Loreto 0 3 0 0.115 La Colorada 0 1 0 0.062
Ahome 6 19 0.27 0.94 Cumpas 0 1 0 0.09
Angostura 0 5 0 0.288 Divisaderos 0 1 0 0.002
Badiraguato 3 3 0.12 0.24 Empalme 6 7 0.329 0.313
Concordia 0 3 0 0.23 Etchojoa 4 3 0.153 0.205
Cosalá 1 2 0.06 0.105 Fronteras 0 1 0 0.01
Culiacán 24 21 0.661 0.919 Guaymas 14 14 0.67 0.685
Choix 1 5 0.024 0.325 Hermosillo 37 22 0.935 1
Elota 3 4 0.138 0.219 Huatabampo 4 6 0.176 0.268
Escuinapa 3 3 0.167 0.24 Huépac 0 1 0 0.09
El Fuerte 4 7 0.144 0.449 Magdalena 0 1 0 0.046
Guasave 7 19 0.369 0.916 Naco 0 1 0 0.021
Mazatlán 14 16 0.519 0.745 Nacozari de García 8 2 0.313 0.112
Mocorito 0 3 0 0.131 Navojoa 8 10 0.43 0.465
Rosario 6 4 0.303 0.267 Nogales 16 7 0.461 0.285
Salvador
Alvarado 0 6 0 0.335 Puerto Peñasco
8 2 0.408 0.152
San Ignacio 7 3 0.314 0.24 Sahuaripa 0 1 0 0.09
Sinaloa 2 10 0.109 0.66
San Luis Río
Colorado 4 5 0.168 0.352
Navolato 10 5 0.348 0.293
San Miguel de
Horcasitas 0 1 0 0.09
Agua Prieta 10 2 0.219 0.026 Santa Ana 0 2 0 0.105
Alamos 5 2 0.27 0.066 Soyopa 0 1 0 0.09
Arivechi 0 1 0 0.09 Ures 0 1 0 0.065
Bacadéhuachi 1 0 0.02 0
General Plutarco
Elías Calles 0 1 0 0.09 Fuente: Elaboración propia con datos del INEGI.
Municipio Noroeste, 2000
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Ensenada 38 42 0.678 0.78 Cumpas 16 12 0.273 0.139
Mexicali 51 55 0.793 0.955 Divisaderos 6 2 0.102 0.04
Tecate 24 26 0.441 0.456 Empalme 23 31 0.429 0.513
Tijuana 50 64 0.787 0.978 Etchojoa 17 44 0.311 0.661
Playas de
Rosarito 20 13 0.364 0.296 Fronteras
24 14 0.397 0.226
Comondú 20 16 0.351 0.387 Granados 6 6 0.098 0.049
Mulegé 19 20 0.364 0.423 Guaymas 42 52 0.676 0.8
87
La Paz 26 31 0.461 0.659 Hermosillo 78 86 1 1
Los Cabos 30 18 0.512 0.423 Huachinera 2 7 0.011 0.074
Loreto 23 7 0.447 0.166 Huásabas 11 4 0.127 0.046
Ahome 34 46 0.61 0.83 Huatabampo 19 50 0.362 0.766
Angostura 12 22 0.233 0.521 Huépac 6 8 0.094 0.065
Badiraguato 9 18 0.162 0.415 Imuris 25 18 0.45 0.237
Concordia 4 9 0.083 0.214 Magdalena 22 31 0.433 0.447
Cosalá 9 14 0.157 0.352 Mazatán 15 5 0.2 0.051
Culiacán 40 56 0.621 0.981 Moctezuma 30 9 0.431 0.105
Choix 12 21 0.246 0.487 Naco 21 4 0.405 0.065
Elota 26 11 0.399 0.299 Nácori Chico 9 7 0.157 0.06
Escuinapa 9 15 0.168 0.358 Nacozari de García 17 17 0.318 0.252
El Fuerte 24 29 0.43 0.614 Navojoa 27 56 0.48 0.864
Guasave 33 45 0.565 0.822 Nogales 56 55 0.813 0.873
Mazatlán 35 41 0.574 0.75 Onavas 11 2 0.183 0.011
Mocorito 17 24 0.318 0.513 Opodepe 14 11 0.229 0.113
Rosario 14 21 0.253 0.468 Oquitoa 7 4 0.139 0.052
Salvador
Alvarado 26 33 0.457 0.661 Pitiquito
23 17 0.432 0.228
San Ignacio 12 17 0.204 0.32 Puerto Peñasco 31 22 0.574 0.401
Sinaloa 13 52 0.258 0.925 Quiriego 12 10 0.219 0.233
Navolato 23 31 0.442 0.623 Rayón 10 3 0.168 0.045
Aconchi 12 13 0.209 0.114 Rosario 12 12 0.193 0.185
Agua Prieta 42 44 0.656 0.631 Sahuaripa 15 13 0.215 0.171
Alamos 12 28 0.208 0.554
San Felipe de
Jesús 11 2 0.203 0.063
Altar 24 18 0.446 0.272 San Javier 3 2 0.067 0.072
Arivechi 11 12 0.153 0.177
San Luis Río
Colorado 44 35 0.682 0.656
Arizpe 16 9 0.29 0.125
San Miguel de
Horcasitas 33 6 0.521 0.115
Atil 13 4 0.214 0.054
San Pedro de la
Cueva 5 6 0.113 0.056
Bacadéhuachi 10 7 0.181 0.082 Santa Ana 19 17 0.351 0.267
Bacanora 5 4 0.108 0.074 Santa Cruz 17 2 0.309 0.039
Bacerac 10 5 0.205 0.035 Sáric 25 6 0.417 0.107
Bacoachi 13 6 0.216 0.076 Soyopa 19 5 0.284 0.082
Bácum 11 18 0.242 0.38 Suaqui Grande 10 9 0.174 0.117
Banámichi 12 18 0.197 0.204 Tepache 9 3 0.132 0.041
Baviácora 5 15 0.1 0.119 Trincheras 17 7 0.279 0.062
Bavispe 6 6 0.097 0.11 Tubutama 18 4 0.34 0.01
Benjamín Hill 26 14 0.478 0.202 Ures 16 21 0.209 0.205
Caborca 27 48 0.519 0.748 Villa Hidalgo 13 6 0.196 0.1
Cajeme 40 74 0.644 0.963 Villa Pesqueira 10 11 0.124 0.132
Cananea 36 27 0.599 0.444 Yécora 12 9 0.214 0.136
Carbó 23 13 0.396 0.131
General Plutarco
Elías Calles 28 12 0.522 0.252
La Colorada 21 11 0.271 0.13 Benito Juárez 17 23 0.342 0.483
Cucurpe 24 1 0.375 0.016
San Ignacio Río
Muerto 16 11 0.32 0.27 Fuente: Elaboración propia con datos del INEGI.
88
Municipio Noroeste, 2010
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Ensenada 37 48 0.666 0.824 Cumpas 13 10 0.251 0.088
Mexicali 38 70 0.68 0.98 Divisaderos 11 1 0.231 0.003
Tecate 32 27 0.598 0.542 Empalme 22 30 0.472 0.504
Tijuana 34 63 0.61 0.953 Etchojoa 13 26 0.291 0.365
Playas de
Rosarito 24 22 0.499 0.481 Fronteras
32 15 0.554 0.136
Comondú 20 14 0.379 0.347 Granados 10 6 0.194 0.041
Mulegé 19 16 0.382 0.338 Guaymas 38 45 0.706 0.683
La Paz 26 32 0.454 0.624 Hermosillo 69 93 1 1
Los Cabos 36 29 0.636 0.638 Huachinera 9 6 0.17 0.071
Loreto 26 8 0.514 0.159 Huásabas 8 4 0.157 0.01
Ahome 28 51 0.547 0.875 Huatabampo 16 45 0.337 0.64
Angostura 12 18 0.247 0.436 Huépac 9 3 0.168 0.024
Badiraguato 10 16 0.184 0.335 Imuris 20 21 0.418 0.31
Concordia 12 9 0.22 0.196 Magdalena 27 32 0.52 0.347
Cosalá 2 10 0.038 0.228 Mazatán 15 2 0.27 0.006
Culiacán 30 57 0.519 0.917 Moctezuma 36 21 0.554 0.089
Choix 13 21 0.279 0.497 Naco 17 10 0.338 0.114
Elota 16 19 0.271 0.396 Nácori Chico 17 6 0.321 0.068
Escuinapa 10 18 0.211 0.418 Nacozari de García 21 21 0.405 0.256
El Fuerte 13 30 0.286 0.583 Navojoa 32 53 0.602 0.734
Guasave 28 47 0.548 0.817 Nogales 48 71 0.825 0.943
Mazatlán 32 43 0.549 0.768 Onavas 2 0 0.062 0
Mocorito 18 23 0.334 0.499 Opodepe 22 10 0.414 0.097
Rosario 12 19 0.189 0.396 Oquitoa 14 2 0.284 0.004
Salvador
Alvarado 28 34 0.519 0.631 Pitiquito
26 11 0.499 0.158
San Ignacio 17 15 0.277 0.348 Puerto Peñasco 31 39 0.588 0.632
Sinaloa 15 41 0.342 0.745 Quiriego 18 2 0.346 0.016
Navolato 15 25 0.323 0.58 Rayón 7 3 0.133 0.039
Aconchi 9 6 0.166 0.044 Rosario 9 7 0.19 0.052
Agua Prieta 44 54 0.725 0.639 Sahuaripa 16 15 0.291 0.156
Alamos 21 21 0.414 0.345
San Felipe de
Jesús 7 1 0.132 0.001
Altar 24 18 0.445 0.216 San Javier 8 1 0.161 0.003
Arivechi 7 2 0.131 0.042
San Luis Río
Colorado 42 48 0.72 0.784
Arizpe 22 14 0.442 0.111
San Miguel de
Horcasitas 24 6 0.45 0.081
Atil 9 5 0.169 0.02
San Pedro de la
Cueva 16 2 0.257 0.036
Bacadéhuachi 5 5 0.137 0.021 Santa Ana 22 29 0.44 0.394
Bacanora 3 2 0.069 0.007 Santa Cruz 25 6 0.488 0.114
Bacerac 12 4 0.234 0.011 Sáric 29 6 0.522 0.078
Bacoachi 17 6 0.325 0.072 Soyopa 14 2 0.27 0.036
Bácum 25 16 0.484 0.255 Suaqui Grande 9 6 0.171 0.076
Banámichi 10 6 0.209 0.026 Tepache 7 1 0.132 0.003
Baviácora 14 6 0.264 0.046 Trincheras 14 5 0.293 0.071
Bavispe 10 3 0.205 0.027 Tubutama 20 7 0.338 0.1
Benjamín Hill 31 18 0.584 0.251 Ures 13 17 0.263 0.107
Caborca 38 45 0.687 0.616 Villa Hidalgo 11 7 0.229 0.087
Cajeme 40 67 0.708 0.866 Villa Pesqueira 4 2 0.084 0.037
Cananea 28 30 0.511 0.326 Yécora 15 12 0.291 0.108
Carbó 17 11 0.331 0.068 General Plutarco 25 18 0.501 0.297
89
Elías Calles
La Colorada 10 3 0.141 0.073 Benito Juárez 16 16 0.346 0.356
Cucurpe 14 5 0.29 0.084
San Ignacio Río
Muerto 23 11 0.454 0.201 Fuente: Elaboración propia con datos del INEGI.
Municipio Noroeste, 2015
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Ensenada 30 54 0.475 0.862 Cumpas 22 11 0.33 0.112
Mexicali 41 64 0.625 0.942 Divisaderos 10 4 0.15 0.048
Tecate 25 31 0.419 0.593 Empalme 34 39 0.561 0.548
Tijuana 41 64 0.619 0.938 Etchojoa 26 37 0.448 0.51
Playas de
Rosarito 20 27 0.344 0.54 Fronteras
35 17 0.503 0.205
Comondú 24 11 0.386 0.241 Granados 13 8 0.19 0.057
Mulegé 24 24 0.373 0.531 Guaymas 44 55 0.684 0.751
La Paz 33 32 0.509 0.663 Hermosillo 83 95 1 1
Los Cabos 33 34 0.506 0.675 Huachinera 19 7 0.274 0.051
Loreto 21 4 0.358 0.067 Huásabas 11 10 0.144 0.155
Ahome 32 54 0.506 0.912 Huatabampo 34 47 0.542 0.618
Angostura 22 18 0.352 0.418 Huépac 15 4 0.239 0.059
Badiraguato 21 25 0.32 0.437 Imuris 36 30 0.572 0.34
Concordia 15 13 0.217 0.261 Magdalena 43 39 0.629 0.45
Cosalá 13 7 0.2 0.13 Mazatán 18 6 0.305 0.054
Culiacán 36 63 0.521 0.939 Moctezuma 40 22 0.49 0.127
Choix 19 29 0.318 0.568 Naco 24 15 0.4 0.223
Elota 26 20 0.391 0.38 Nácori Chico 16 11 0.246 0.067
Escuinapa 19 22 0.287 0.447 Nacozari de García 35 33 0.515 0.41
El Fuerte 30 36 0.485 0.72 Navojoa 33 64 0.541 0.793
Guasave 28 47 0.453 0.847 Nogales 43 76 0.654 0.974
Mazatlán 35 47 0.542 0.847 Onavas 6 3 0.106 0.036
Mocorito 20 24 0.323 0.538 Opodepe 24 14 0.393 0.111
Rosario 19 17 0.286 0.348 Oquitoa 11 0 0.191 0
Salvador
Alvarado 28 33 0.439 0.688 Pitiquito
32 19 0.529 0.274
San Ignacio 18 14 0.285 0.243 Puerto Peñasco 46 42 0.705 0.683
Sinaloa 25 72 0.408 0.974 Quiriego 9 5 0.163 0.078
Navolato 26 33 0.402 0.662 Rayón 7 7 0.125 0.061
Aconchi 18 7 0.298 0.053 Rosario 18 7 0.272 0.082
Agua Prieta 35 62 0.565 0.748 Sahuaripa 13 21 0.211 0.173
Alamos 28 22 0.424 0.369
San Felipe de
Jesús 5 1 0.086 0.002
Altar 30 19 0.455 0.225 San Javier 12 1 0.216 0.003
Arivechi 5 4 0.08 0.056
San Luis Río
Colorado 40 57 0.602 0.823
Arizpe 15 9 0.227 0.081
San Miguel de
Horcasitas 32 18 0.526 0.201
Atil 4 7 0.071 0.097
San Pedro de la
Cueva 10 3 0.158 0.04
Bacadéhuachi 11 8 0.139 0.06 Santa Ana 37 19 0.567 0.266
Bacanora 5 4 0.087 0.065 Santa Cruz 17 9 0.283 0.113
Bacerac 12 8 0.176 0.072 Sáric 15 15 0.256 0.178
Bacoachi 8 7 0.132 0.066 Soyopa 15 4 0.235 0.038
Bácum 29 19 0.46 0.248 Suaqui Grande 11 3 0.191 0.065
90
Banámichi 13 14 0.225 0.176 Tepache 7 4 0.124 0.052
Baviácora 21 12 0.321 0.07 Trincheras 24 15 0.412 0.199
Bavispe 10 6 0.164 0.048 Tubutama 15 8 0.25 0.072
Benjamín Hill 26 13 0.423 0.196 Ures 23 19 0.361 0.162
Caborca 44 55 0.664 0.765 Villa Hidalgo 11 8 0.172 0.087
Cajeme 46 86 0.671 0.984 Villa Pesqueira 10 9 0.135 0.101
Cananea 42 36 0.621 0.515 Yécora 17 16 0.287 0.144
Carbó 32 14 0.488 0.106
General Plutarco
Elías Calles 0 25 0 0.381
La Colorada 32 6 0.442 0.082 Benito Juárez 24 24 0.428 0.424
Cucurpe 15 6 0.259 0.055
San Ignacio Río
Muerto 29 10 0.507 0.186 Fuente: Elaboración propia con datos del INEGI.
Municipio Centro Norte, 1995
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Aguascalientes 20 10 0.92 0.183 Nombre de Dios 3 2 0.122 0.137
Asientos 6 2 0.31 0.028 Ocampo 3 3 0.064 0.244
Calvillo 1 2 0.022 0.042 El Oro 3 2 0.061 0.148
Cosío 4 2 0.194 0.111 Pánuco de Coronado 6 1 0.368 0.11
Jesús María 1 2 0.143 0.037 Peñón Blanco 0 3 0 0.35
Pabellón de Arteaga 4 5 0.229 0.059 Poanas 0 1 0 0.11
Rincón de Romos 5 3 0.178 0.045 Pueblo Nuevo 1 4 0.059 0.151
San José de Gracia 0 1 0 0.007 Rodeo 0 5 0 0.273
Tepezalá 0 1 0 0.007 San Bernardo 0 3 0 0.202
El Llano 1 0 0.048 0 San Dimas 0 3 0 0.154
San Francisco de los Romo 3 2 0.063 0.013 San Juan de Guadalupe 2 0 0.166 0
Ahumada 0 2 0 0.265 San Juan del Río 2 2 0.122 0.127
Aldama 0 3 0 0.301 San Luis del Cordero 0 1 0 0.085
Aquiles Serdán 0 1 0 0.123 San Pedro del Gallo 0 1 0 0.085
Ascensión 0 1 0 0.123 Santiago Papasquiaro 2 3 0.177 0.113
Bachíniva 0 2 0 0.076 Súchil 0 2 0 0.131
Balleza 0 1 0 0.024 Tamazula 0 2 0 0.159
Batopilas 0 1 0 0.123 Tepehuanes 5 2 0.276 0.155
Bocoyna 0 1 0 0.123 Tlahualilo 0 1 0 0.155
Buenaventura 0 1 0 0.155 Topia 2 0 0.009 0
Camargo 2 5 0.176 0.439 Vicente Guerrero 5 3 0.333 0.176
Carichí 0 2 0 0.173 Nuevo Ideal 6 3 0.384 0.288
Casas Grandes 1 2 0.055 0.148 Apozol 0 0 0 0
La Cruz 0 1 0 0.11 Calera 0 3 0 0.186
Cuauhtémoc 15 5 0.223 0.318 Cañitas de Felipe Pescador 0 1 0 0.009
Cusihuiriachi 0 2 0 0.076 Concepción del Oro 0 2 0 0.071
Chihuahua 25 17 0.352 0.796 Cuauhtémoc 0 2 0 0.035
Chínipas 1 0 0.006 0 Chalchihuites 1 2 0.136 0.098
Delicias 7 6 0.254 0.495 Fresnillo 12 10 0.655 0.533
Doctor Belisario Domínguez 0 1 0 0.123
Trinidad García de la
Cadena 0 1 0 0.058
Gómez Farías 0 1 0 0.049 Genaro Codina 0 1 0 0.046
Gran Morelos 0 1 0 0.123 General Enrique Estrada 5 1 0.165 0.083
Guachochi 0 2 0 0.17
General Francisco R.
Murguía 0 3 0 0.157
Guadalupe y Calvo 0 1 0 0.047 General Pánfilo Natera 1 1 0 0.046
Guazapares 0 1 0 0.049 Guadalupe 15 7 0.655 0.294
Guerrero 5 2 0.01 0.173 Huanusco 0 2 0 0.071
91
Hidalgo del Parral 6 3 0.01 0.301 Jalpa 8 2 0.451 0.086
Huejotitán 2 0 0 0 Jerez 3 1 0.298 0.058
Ignacio Zaragoza 1 1 0.055 0.085 Jiménez del Teul 3 1 0.227 0.083
Jiménez 1 1 0 0.155 Juan Aldama 0 2 0 0.118
Juárez 27 22 0.785 1 Juchipila 1 4 0 0.124
Julimes 0 1 0 0.077 Loreto 0 4 0 0.061
López 0 1 0 0.155 Luis Moya 2 4 0.02 0.118
Madera 3 3 0.065 0.159 Mazapil 0 2 0 0.09
Matachí 0 3 0 0.173 Melchor Ocampo 0 1 0 0.007
Matamoros 0 1 0 0.038 Mezquital del Oro 1 0 0 0
Meoqui 2 3 0.065 0.273 Miguel Auza 6 1 0.286 0
Moris 0 1 0 0.123 Monte Escobedo 0 2 0 0.007
Namiquipa 1 3 0.002 0.199 Morelos 0 2 0 0.076
Nuevo Casas Grandes 1 2 0.01 0.055 Moyahua de Estrada 0 3 0 0.032
Ocampo 0 3 0 0.199 Nochistlán de Mejía 2 3 0.143 0.093
Riva Palacio 1 2 0.035 0.049 Noria de Ángeles 3 2 0.143 0.103
San Francisco de Borja 0 1 0 0.123 Ojocaliente 3 3 0.132 0.092
San Francisco del Oro 0 2 0 0.123 Pánuco 6 3 0.413 0.116
Santa Bárbara 0 2 0 0.265 Pinos 0 5 0 0.147
Saucillo 1 3 0.039 0.2 Río Grande 5 6 0.259 0.463
Temósachic 1 0 0 0 Sain Alto 0 2 0 0.193
Urique 0 1 0 0.049 El Salvador 0 1 0 0.074
Valle de Zaragoza 0 1 0 0.155 Sombrerete 5 9 0.453 0.48
Canatlán 5 3 0.356 0.172 Tabasco 4 3 0.146 0.087
Canelas 0 1 0 0 Tepetongo 1 0 0 0
Cuencamé 4 5 0.317 0.388 Teúl de González Ortega 0 1 0 0.058
Durango 30 14 0.878 0.711
Tlaltenango de Sánchez
Román 0 1 0 0.013
Gómez Palacio 14 9 0.383 0.55 Valparaíso 5 1 0.378 0.045
Guadalupe Victoria 4 2 0.16 0.265 Vetagrande 0 1 0 0.018
Guanaceví 0 1 0 0.047 Villa de Cos 7 1 0.48 0.046
Indé 0 2 0 0.132 Villa García 0 5 0 0.063
Lerdo 3 3 0.181 0.281 Villa González Ortega 0 1 0 0.007
Mapimí 0 3 0 0.284 Villa Hidalgo 0 2 0 0.043
Mezquital 2 1 0 0.11 Villanueva 1 3 0 0.084
Nazas 0 2 0 0.265 Zacatecas 24 11 1 0.374 Fuente: Elaboración propia con datos del INEGI.
Municipio Centro Norte, 2000
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Aguascalientes 54 55 0.495 0.454 Hidalgo 21 11 0.28 0.175
Asientos 11 13 0.146 0.082 Indé 23 17 0.32 0.24
Calvillo 11 12 0.181 0.072 Lerdo 23 31 0.31 0.376
Cosío 13 5 0.158 0.043 Mapimí 7 21 0.16 0.284
Jesús María 17 10 0.135 0.113 Mezquital 9 11 0.18 0.163
Pabellón de Arteaga 14 11 0.172 0.114 Nazas 9 12 0.15 0.163
Rincón de Romos 15 17 0.197 0.154 Nombre de Dios 9 16 0.17 0.213
San José de Gracia 3 5 0.04 0.042 Ocampo 15 16 0.22 0.237
Tepezalá 9 6 0.133 0.085 El Oro 16 16 0.21 0.229
El Llano 6 7 0.047 0.055 Otáez 19 9 0.21 0.138
San Francisco de los Romo 17 10 0.173 0.103 Pánuco de Coronado 9 6 0.13 0.158
Ahumada 13 12 0.237 0.153 Peñón Blanco 8 12 0.17 0.19
Aldama 20 13 0.279 0.183 Poanas 12 16 0.19 0.203
Allende 18 11 0.249 0.168 Pueblo Nuevo 8 15 0.11 0.195
92
Aquiles Serdán 21 4 0.33 0.075 Rodeo 16 15 0.23 0.197
Ascensión 37 11 0.481 0.161 San Bernardo 9 11 0.17 0.194
Bachíniva 7 9 0.111 0.151 San Dimas 9 11 0.12 0.162
Balleza 11 26 0.159 0.301 San Juan de Guadalupe 8 8 0.18 0.184
Batopilas 5 9 0.025 0.148 San Juan del Río 9 6 0.15 0.12
Bocoyna 14 22 0.156 0.232 San Luis del Cordero 9 1 0.13 0.004
Buenaventura 26 13 0.347 0.161 San Pedro del Gallo 15 7 0.25 0.096
Camargo 22 34 0.332 0.313 Santa Clara 9 6 0.16 0.096
Carichí 13 11 0.189 0.108 Santiago Papasquiaro 18 24 0.26 0.255
Casas Grandes 7 20 0.136 0.213 Súchil 13 8 0.17 0.129
Coronado 15 8 0.209 0.141 Tamazula 7 10 0.06 0.113
Coyame del Sotol 17 5 0.239 0.113 Tepehuanes 15 11 0.16 0.161
La Cruz 15 4 0.235 0.032 Tlahualilo 10 19 0.13 0.259
Cuauhtémoc 34 38 0.354 0.33 Topia 10 8 0.11 0.088
Cusihuiriachi 9 5 0.105 0.04 Vicente Guerrero 12 13 0.19 0.209
Chihuahua 70 97 0.719 0.86 Nuevo Ideal 9 11 0.12 0.157
Chínipas 6 8 0.061 0.09 Apozol 11 6 0.1 0.021
Delicias 29 36 0.402 0.382 Apulco 7 1 0.09 0.021
Dr. Belisario Domínguez 7 5 0.11 0.032 Atolinga 4 6 0.04 0.026
Galeana 15 5 0.221 0.029 Benito Juárez 13 4 0.1 0.054
Santa Isabel 14 1 0.2 0.005 Calera 35 14 0.4 0.205
Gómez Farías 12 6 0.189 0.112 Cañitas de Felipe Pescador 9 7 0.17 0.152
Gran Morelos 14 3 0.197 0.056 Concepción del Oro 11 8 0.13 0.083
Guachochi 8 27 0.099 0.302 Cuauhtémoc 13 10 0.2 0.102
Guadalupe 20 4 0.321 0.063 Chalchihuites 15 14 0.2 0.232
Guadalupe y Calvo 14 23 0.198 0.285 Fresnillo 35 46 0.44 0.48
Guazapares 9 8 0.105 0.089
Trinidad García de la
Cadena 4 2 0.04 0.006
Guerrero 14 23 0.2 0.237 Genaro Codina 10 6 0.17 0.074
Hidalgo del Parral 27 41 0.344 0.451 General Enrique Estrada 13 4 0.17 0.06
Huejotitán 9 4 0.164 0.063
General Francisco R.
Murguía 7 12 0.12 0.238
Ignacio Zaragoza 11 6 0.18 0.075
El Plateado de Joaquín
Amaro 8 3 0.11 0.03
Janos 13 8 0.227 0.112 General Pánfilo Natera 4 10 0.05 0.129
Jiménez 19 30 0.253 0.341 Guadalupe 32 38 0.38 0.289
Juárez 102 113 1 1 Huanusco 7 3 0.06 0.03
Julimes 11 5 0.196 0.097 Jalpa 12 10 0.15 0.085
López 16 5 0.252 0.088 Jerez 17 22 0.21 0.239
Madera 10 21 0.149 0.236 Jiménez del Teul 12 10 0.16 0.192
Maguarichi 8 3 0.079 0.054 Juan Aldama 12 18 0.17 0.208
Manuel Benavides 4 4 0.07 0.022 Juchipila 17 6 0.13 0.033
Matachí 11 3 0.126 0.061 Loreto 20 20 0.23 0.174
Matamoros 10 11 0.142 0.163 Luis Moya 9 11 0.1 0.131
Meoqui 13 19 0.219 0.197 Mazapil 10 17 0.15 0.215
Morelos 12 10 0.129 0.15 Melchor Ocampo 4 6 0.04 0.095
Moris 10 4 0.133 0.025 Mezquital del Oro 4 6 0.03 0.055
Namiquipa 9 21 0.13 0.251 Miguel Auza 9 11 0.15 0.199
Nonoava 6 5 0.059 0.094 Momax 6 2 0.08 0.01
Nuevo Casas Grandes 20 17 0.308 0.23 Monte Escobedo 8 8 0.1 0.103
Ocampo 14 8 0.166 0.086 Morelos 10 9 0.14 0.115
Ojinaga 13 17 0.208 0.219 Moyahua de Estrada 5 6 0.03 0.035
Praxedis G. Guerrero 14 1 0.199 0.003 Nochistlán de Mejía 4 6 0.04 0.082
Riva Palacio 17 7 0.216 0.112 Noria de Ángeles 16 10 0.2 0.104
Rosales 8 5 0.13 0.08 Ojocaliente 11 21 0.17 0.218
Rosario 9 13 0.14 0.136 Pánuco 9 11 0.1 0.137
93
San Francisco de Borja 10 6 0.111 0.068 Pinos 11 16 0.11 0.176
San Francisco de Conchos 8 2 0.161 0.06 Río Grande 19 21 0.27 0.27
San Francisco del Oro 13 8 0.229 0.146 Sain Alto 13 10 0.17 0.148
Santa Bárbara 22 19 0.279 0.232 El Salvador 2 0 0.03 0
Satevó 12 5 0.178 0.063 Sombrerete 17 26 0.27 0.325
Saucillo 20 23 0.314 0.271 Susticacán 2 0 0.01 0
Temósachic 9 11 0.135 0.151 Tabasco 11 10 0.15 0.096
El Tule 11 5 0.161 0.085 Tepechitlán 13 7 0.15 0.076
Urique 9 13 0.093 0.139 Tepetongo 4 9 0.07 0.058
Uruachi 6 9 0.076 0.1 Teúl de González Ortega 3 6 0.05 0.023
Valle de Zaragoza 8 15 0.155 0.189
Tlaltenango de Sánchez
Román 10 18 0.13 0.191
Canatlán 5 22 0.097 0.272 Valparaíso 16 12 0.18 0.14
Canelas 16 8 0.203 0.138 Vetagrande 6 7 0.11 0.065
Coneto de Comonfort 8 5 0.148 0.068 Villa de Cos 13 20 0.18 0.265
Cuencamé 7 25 0.177 0.325 Villa García 7 10 0.07 0.118
Durango 48 77 0.529 0.776 Villa González Ortega 5 12 0.08 0.129
General Simón Bolívar 10 7 0.189 0.115 Villa Hidalgo 6 8 0.09 0.078
Gómez Palacio 32 42 0.416 0.511 Villanueva 10 13 0.14 0.113
Guadalupe Victoria 9 14 0.12 0.199 Zacatecas 53 70 0.52 0.59
Guanaceví 16 9 0.223 0.134 Trancoso 14 0 0.19 0 Fuente: Elaboración propia con datos del INEGI.
Municipio Centro Norte, 2010
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Aguascalientes 39 65 0.59 0.535 Indé 13 11 0 0.114
Asientos 14 17 0.295 0.147 Lerdo 25 27 0 0.266
Calvillo 11 8 0.182 0.05 Mapimí 13 21 0 0.251
Cosío 12 9 0.197 0.048 Mezquital 25 13 0 0.155
Jesús María 21 15 0.35 0.089 Nazas 9 7 0 0.133
Pabellón de Arteaga 19 10 0.318 0.078 Nombre de Dios 22 7 0 0.132
Rincón de Romos 11 17 0.219 0.18 Ocampo 18 19 0 0.264
San José de Gracia 10 6 0.182 0.039 El Oro 20 25 0 0.342
Tepezalá 11 5 0.188 0.041 Otáez 12 4 0 0.043
El Llano 10 7 0.199 0.044 Pánuco de Coronado 6 8 0 0.118
San Francisco de los Romo 22 8 0.393 0.055 Peñón Blanco 15 12 0 0.214
Ahumada 19 13 0.385 0.161 Poanas 20 9 0 0.098
Aldama 14 12 0.278 0.093 Pueblo Nuevo 10 21 0 0.28
Allende 16 9 0.355 0.177 Rodeo 20 25 0 0.277
Aquiles Serdán 16 3 0.324 0.053 San Bernardo 15 14 0 0.137
Ascensión 26 30 0.519 0.328 San Dimas 7 8 0 0.077
Bachíniva 10 5 0.192 0.046 San Juan de Guadalupe 8 4 0 0.06
Balleza 11 23 0.246 0.216 San Juan del Río 16 10 0 0.104
Batopilas 4 9 0.056 0.097 San Luis del Cordero 12 4 0 0.059
Bocoyna 16 23 0.303 0.145 San Pedro del Gallo 12 2 0 0.012
Buenaventura 14 17 0.312 0.179 Santa Clara 8 3 0 0.029
Camargo 15 32 0.321 0.295 Santiago Papasquiaro 24 21 0 0.243
Carichí 8 9 0.204 0.09 Súchil 10 5 0 0.07
Casas Grandes 5 26 0.136 0.29 Tamazula 6 18 0 0.198
Coronado 22 3 0.448 0.026 Tepehuanes 6 13 0 0.155
Coyame del Sotol 24 2 0.396 0.052 Tlahualilo 16 7 0 0.136
La Cruz 18 2 0.377 0.051 Topia 13 7 0 0.073
Cuauhtémoc 38 49 0.593 0.384 Vicente Guerrero 15 22 0 0.264
Cusihuiriachi 14 4 0.305 0.031 Nuevo Ideal 17 13 0 0.161
94
Chihuahua 56 109 0.884 0.866 Apozol 7 7 0 0.02
Chínipas 4 3 0.098 0.022 Apulco 13 3 0 0.029
Delicias 32 45 0.601 0.469 Atolinga 13 5 0 0.014
Dr. Belisario Domínguez 10 5 0.222 0.046 Benito Juárez 12 7 0 0.086
Galeana 12 6 0.229 0.047 Calera 26 26 0 0.212
Santa Isabel 11 2 0.173 0.04 Cañitas de Felipe Pescador 10 7 0 0.111
Gómez Farías 14 11 0.251 0.149 Concepción del Oro 15 9 0 0.073
Gran Morelos 19 4 0.326 0.012 Cuauhtémoc 14 10 0 0.071
Guachochi 13 35 0.274 0.346 Chalchihuites 10 13 0 0.163
Guadalupe 8 12 0.183 0.141 Fresnillo 31 65 1 0.618
Guadalupe y Calvo 12 40 0.214 0.372
Trinidad García de la
Cadena 11 4 0 0.011
Guazapares 9 8 0.151 0.107 Genaro Codina 12 5 0 0.059
Guerrero 16 26 0.278 0.192 General Enrique Estrada 8 5 0 0.072
Hidalgo del Parral 32 56 0.556 0.528
General Francisco R.
Murguía 12 10 0 0.128
Huejotitán 10 4 0.218 0.031
El Plateado de Joaquín
Amaro 5 3 0 0.031
Ignacio Zaragoza 10 12 0.189 0.177 General Pánfilo Natera 7 10 0 0.099
Janos 15 8 0.286 0.095 Guadalupe 48 51 1 0.416
Jiménez 23 24 0.456 0.306 Huanusco 9 4 0 0.017
Juárez 60 130 1 1 Jalpa 16 22 0 0.148
Julimes 13 2 0.274 0.012 Jerez 17 29 0 0.237
López 22 5 0.458 0.072 Jiménez del Teul 13 10 0 0.134
Madera 14 26 0.272 0.265 Juan Aldama 14 16 0 0.259
Maguarichi 12 4 0.187 0.032 Juchipila 12 14 0 0.123
Manuel Benavides 6 4 0.135 0.076 Loreto 25 25 0 0.217
Matachí 15 4 0.276 0.054 Luis Moya 16 14 0 0.139
Matamoros 16 4 0.357 0.049 Mazapil 18 11 0 0.093
Meoqui 22 20 0.391 0.201 Melchor Ocampo 8 6 0 0.044
Morelos 13 4 0.221 0.025 Mezquital del Oro 9 4 0 0.01
Moris 9 6 0.218 0.043 Miguel Auza 17 8 0 0.104
Namiquipa 15 19 0.278 0.155 Momax 7 3 0 0.004
Nonoava 23 7 0.396 0.014 Monte Escobedo 7 7 0 0.084
Nuevo Casas Grandes 18 16 0.33 0.214 Morelos 15 5 0 0.056
Ocampo 11 12 0.202 0.091 Moyahua de Estrada 7 8 0 0.066
Ojinaga 18 20 0.351 0.264 Nochistlán de Mejía 17 7 0 0.089
Praxedis G. Guerrero 7 4 0.146 0.061 Noria de Ángeles 13 10 0 0.088
Riva Palacio 12 4 0.232 0.069 Ojocaliente 16 16 0 0.137
Rosales 11 7 0.231 0.056 Pánuco 20 8 0 0.08
Rosario 11 4 0.202 0.05 Pinos 9 20 0 0.175
San Francisco de Borja 11 5 0.236 0.045 Río Grande 12 25 0 0.292
San Francisco de Conchos 12 3 0.269 0.083 Sain Alto 14 8 0 0.138
San Francisco del Oro 17 7 0.354 0.132 El Salvador 2 1 0 0.003
Santa Bárbara 17 12 0.359 0.128 Sombrerete 12 25 0 0.313
Satevó 8 6 0.166 0.071 Susticacán 3 3 0 0.058
Saucillo 16 22 0.371 0.243 Tabasco 14 10 0 0.086
Temósachic 8 9 0.171 0.104 Tepechitlán 10 6 0 0.063
El Tule 9 5 0.136 0.049 Tepetongo 21 5 0 0.038
Urique 13 12 0.215 0.106 Teúl de González Ortega 13 12 0 0.09
Uruachi 7 11 0.131 0.064
Tlaltenango de Sánchez
Román 18 18 0 0.08
Valle de Zaragoza 16 7 0.312 0.081 Valparaíso 10 19 0 0.197
Canatlán 15 18 0.298 0.218 Vetagrande 11 6 0 0.076
Canelas 10 5 0.182 0.055 Villa de Cos 15 20 0 0.196
Coneto de Comonfort 12 5 0.272 0.061 Villa García 11 9 0 0.067
95
Cuencamé 19 19 0.403 0.247 Villa González Ortega 9 9 0 0.07
Durango 47 83 0.794 0.742 Villa Hidalgo 8 12 0 0.116
General Simón Bolívar 9 4 0.195 0.032 Villanueva 13 20 0 0.169
Gómez Palacio 19 54 0.404 0.57 Zacatecas 41 81 1 0.633
Guadalupe Victoria 20 14 0.376 0.205 Trancoso 6 9 0 0.095
Guanaceví 17 17 0.336 0.248 Santa María de la Paz 5 4 0 0.015
Hidalgo 18 7 0.396 0.105
Fuente: Elaboración propia con datos del INEGI.
Municipio Centro Norte, 2015
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Aguascalientes 51 84 0.918 0.7 Indé 24 11 0.435 0.116
Asientos 17 14 0.341 0.101 Lerdo 27 37 0.516 0.373
Calvillo 20 17 0.396 0.098 Mapimí 19 18 0.359 0.229
Cosío 21 13 0.422 0.077 Mezquital 11 26 0.212 0.272
Jesús María 30 14 0.598 0.086 Nazas 18 13 0.32 0.157
Pabellón de Arteaga 25 15 0.47 0.126 Nombre de Dios 21 19 0.41 0.213
Rincón de Romos 27 21 0.544 0.154 Ocampo 25 21 0.458 0.258
San José de Gracia 15 10 0.317 0.07 El Oro 23 28 0.417 0.278
Tepezalá 20 10 0.414 0.059 Otáez 18 8 0.321 0.091
El Llano 10 3 0.211 0.033 Pánuco de Coronado 17 8 0.342 0.11
San Francisco de los Romo 33 15 0.598 0.109 Peñón Blanco 20 15 0.375 0.165
Ahumada 25 23 0.477 0.273 Poanas 21 18 0.397 0.196
Aldama 38 15 0.62 0.146 Pueblo Nuevo 24 25 0.452 0.259
Allende 17 19 0.336 0.171 Rodeo 23 22 0.408 0.184
Aquiles Serdán 53 6 0.803 0.108 San Bernardo 16 10 0.306 0.089
Ascensión 35 18 0.627 0.211 San Dimas 14 17 0.282 0.158
Bachíniva 14 9 0.3 0.066 San Juan de Guadalupe 11 7 0.248 0.104
Balleza 30 31 0.492 0.275 San Juan del Río 23 20 0.406 0.194
Batopilas 13 10 0.225 0.11 San Luis del Cordero 13 6 0.24 0.081
Bocoyna 20 28 0.311 0.248 San Pedro del Gallo 10 8 0.186 0.073
Buenaventura 0 27 0 0.288 Santa Clara 16 14 0.347 0.169
Camargo 28 40 0.515 0.379 Santiago Papasquiaro 28 34 0.5 0.312
Carichí 0 15 0 0.181 Súchil 13 13 0.251 0.128
Casas Grandes 18 31 0.279 0.3 Tamazula 20 17 0.349 0.162
Coronado 13 9 0.262 0.081 Tepehuanes 24 20 0.488 0.178
Coyame del Sotol 17 6 0.308 0.068 Tlahualilo 17 10 0.354 0.153
La Cruz 17 4 0.295 0.067 Topia 18 15 0.341 0.113
Cuauhtémoc 50 61 0.709 0.532 Vicente Guerrero 25 18 0.469 0.218
Cusihuiriachi 15 7 0.241 0.083 Nuevo Ideal 23 24 0.42 0.25
Chihuahua 62 129 0.875 0.979 Apozol 10 12 0.205 0.111
Chínipas 12 9 0.161 0.087 Apulco 13 3 0.274 0.03
Delicias 33 60 0.589 0.493 Atolinga 9 7 0.157 0.081
Dr. Belisario Domínguez 11 6 0.141 0.062 Benito Juárez 14 20 0.194 0.18
Galeana 21 9 0.35 0.109 Calera 39 33 0.681 0.325
Santa Isabel 0 6 0 0.059 Cañitas de Felipe Pescador 11 8 0.245 0.143
Gómez Farías 16 21 0.269 0.216 Concepción del Oro 25 14 0.497 0.143
Gran Morelos 11 9 0.124 0.083 Cuauhtémoc 22 14 0.411 0.104
Guachochi 36 44 0.525 0.356 Chalchihuites 24 13 0.461 0.144
Guadalupe 11 7 0.255 0.093 Fresnillo 33 75 0.622 0.654
Guadalupe y Calvo 43 43 0.637 0.368
Trinidad García de la
Cadena 7 9 0.124 0.087
Guazapares 13 15 0.241 0.159 Genaro Codina 13 10 0.274 0.114
Guerrero 31 21 0.46 0.201 General Enrique Estrada 14 7 0.315 0.051
96
Hidalgo del Parral 33 58 0.581 0.554
General Francisco R.
Murguía 17 19 0.377 0.179
Huejotitán 7 6 0.142 0.076
El Plateado de Joaquín
Amaro 5 3 0.105 0.019
Ignacio Zaragoza 17 18 0.297 0.202 General Pánfilo Natera 19 15 0.407 0.167
Janos 20 11 0.388 0.142 Guadalupe 65 61 1 0.488
Jiménez 26 36 0.47 0.39 Huanusco 15 7 0.313 0.068
Juárez 63 131 1 1 Jalpa 32 23 0.549 0.19
Julimes 15 8 0.276 0.121 Jerez 25 40 0.506 0.312
López 16 11 0.313 0.168 Jiménez del Teul 15 14 0.329 0.163
Madera 18 26 0.327 0.284 Juan Aldama 26 17 0.523 0.185
Maguarichi 7 8 0.093 0.094 Juchipila 19 22 0.354 0.188
Manuel Benavides 11 2 0.187 0.013 Loreto 35 47 0.603 0.334
Matachí 17 7 0.242 0.063 Luis Moya 22 20 0.417 0.161
Matamoros 16 6 0.316 0.063 Mazapil 26 18 0.505 0.155
Meoqui 30 27 0.522 0.254 Melchor Ocampo 12 4 0.223 0.038
Morelos 12 18 0.194 0.212 Mezquital del Oro 9 7 0.144 0.07
Moris 8 7 0.169 0.064 Miguel Auza 25 19 0.531 0.217
Namiquipa 32 25 0.51 0.222 Momax 8 4 0.142 0.04
Nonoava 7 11 0.126 0.139 Monte Escobedo 20 14 0.374 0.123
Nuevo Casas Grandes 23 24 0.41 0.294 Morelos 24 10 0.437 0.107
Ocampo 18 18 0.297 0.23 Moyahua de Estrada 14 9 0.258 0.08
Ojinaga 37 23 0.674 0.259 Nochistlán de Mejía 15 17 0.303 0.155
Praxedis G. Guerrero 11 5 0.182 0.06 Noria de Ángeles 16 14 0.316 0.164
Riva Palacio 20 6 0.368 0.078 Ojocaliente 21 29 0.44 0.227
Rosales 20 8 0.375 0.099 Pánuco 25 15 0.452 0.15
Rosario 18 6 0.303 0.038 Pinos 11 31 0.249 0.244
San Francisco de Borja 12 3 0.186 0.008 Río Grande 23 38 0.488 0.38
San Francisco de Conchos 10 2 0.21 0.016 Sain Alto 14 15 0.314 0.217
San Francisco del Oro 18 13 0.363 0.141 El Salvador 10 3 0.191 0.011
Santa Bárbara 23 19 0.44 0.234 Sombrerete 24 41 0.439 0.393
Satevó 14 13 0.251 0.091 Susticacán 8 3 0.166 0.035
Saucillo 21 32 0.408 0.324 Tabasco 24 15 0.454 0.131
Temósachic 0 18 0 0.205 Tepechitlán 18 10 0.303 0.111
El Tule 10 7 0.189 0.086 Tepetongo 10 11 0.218 0.098
Urique 0 19 0 0.148 Teúl de González Ortega 19 10 0.315 0.064
Uruachi 13 12 0.205 0.119
Tlaltenango de Sánchez
Román 35 28 0.547 0.217
Valle de Zaragoza 20 7 0.342 0.071 Valparaíso 26 29 0.493 0.288
Canatlán 18 24 0.33 0.231 Vetagrande 16 8 0.287 0.055
Canelas 16 5 0.29 0.063 Villa de Cos 32 20 0.577 0.223
Coneto de Comonfort 12 6 0.24 0.072 Villa García 20 23 0.38 0.182
Cuencamé 33 29 0.556 0.294 Villa González Ortega 11 19 0.231 0.165
Durango 54 117 0.864 0.959 Villa Hidalgo 14 12 0.291 0.125
General Simón Bolívar 11 7 0.273 0.113 Villanueva 20 25 0.398 0.194
Gómez Palacio 30 64 0.542 0.588 Zacatecas 50 114 0.822 0.864
Guadalupe Victoria 24 28 0.439 0.291 Trancoso 16 14 0.34 0.121
Guanaceví 25 20 0.466 0.219 Santa María de la Paz 9 10 0.157 0.077
Hidalgo 15 10 0.287 0.112
Fuente: Elaboración propia con datos del INEGI.
97
Municipio Noreste, 1995
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Acuña 6 5 0.188 0.149 Cerritos 4 2 0.124 0.057
Allende 0 3 0 0.092 Ciudad del Maíz 0 1 0 0.05
Arteaga 3 4 0.016 0.2 Ciudad Fernández 6 1 0.145 0.003
Candela 0 1 0 0 Tancanhuitz 0 3 0 0.143
Castaños 3 2 0.057 0.038 Ciudad Valles 7 14 0.19 0.556
Cuatro Ciénegas 3 3 0.044 0.04 Coxcatlán 0 1 0 0.012
Escobedo 0 1 0 0.011 Charcas 2 4 0 0.162
Francisco I. Madero 0 2 0 0.093 Ebano 4 6 0.152 0.288
Frontera 7 5 0.091 0.084 Guadalcázar 7 2 0.5 0.051
General Cepeda 0 2 0 0.03 Huehuetlán 3 0 0.082 0
Jiménez 3 1 0.09 0.019 Matehuala 8 8 0.252 0.368
Matamoros 5 0 0.094 0 Mexquitic de Carmona 0 1 0 0.13
Monclova 3 8 0.06 0.203 Moctezuma 0 2 0 0.019
Morelos 0 1 0 0.006 Rayón 0 1 0 0.051
Múzquiz 9 6 0.278 0.128 Rioverde 8 8 0.368 0.273
Nadadores 0 3 0 0.058 Salinas 0 2 0 0.057
Nava 4 2 0.142 0.047 San Ciro de Acosta 0 1 0 0
Ocampo 6 3 0.279 0.047 San Luis Potosí 23 14 0.562 0.389
Parras 3 4 0.248 0.207 San Martín Chalchicuautla 0 1 0 0.072
Piedras Negras 10 8 0.231 0.157 San Nicolás Tolentino 2 1 0.098 0
Progreso 2 2 0.008 0.037 Santa María del Río 2 2 0.147 0.117
Ramos Arizpe 7 1 0.305 0.027 San Vicente Tancuayalab 5 0 0.331 0
Sabinas 0 3 0 0.051
Soledad de Graciano
Sánchez 14 1 0.375 0.051
Saltillo 29 10 0.714 0.205 Tamasopo 0 2 0 0.086
San Buenaventura 0 2 0 0.011 Tamazunchale 0 3 0 0.206
San Juan de Sabinas 3 2 0.252 0.047 Tampacán 0 1 0 0.13
San Pedro 5 5 0.351 0.107 Tamuín 0 3 0 0.077
Sierra Mojada 0 1 0 0.005 Tanquián de Escobedo 0 1 0 0.051
Torreón 4 12 0.244 0.395 Tierra Nueva 1 0 0.024 0
Viesca 0 2 0 0.05 Vanegas 0 1 0 0.007
Zaragoza 2 1 0.097 0.003 Venado 6 3 0.222 0.143
Abasolo 0 1 0 0.05 Villa de Guadalupe 0 4 0 0.094
Los Aldamas 4 0 0.158 0 Villa de la Paz 0 2 0 0.043
Allende 5 2 0.29 0.074 Villa de Ramos 0 1 0 0.05
Anáhuac 0 1 0 0 Villa de Reyes 1 2 0.031 0.043
Apodaca 24 7 0.667 0.388 Villa Hidalgo 0 3 0 0.074
Aramberri 0 1 0 0.059 Villa Juárez 2 0 0.121 0
Bustamante 0 1 0 0 Axtla de Terrazas 0 2 0 0.072
Cadereyta Jiménez 3 3 0.046 0.065 Xilitla 7 3 0.393 0.149
El Carmen 0 1 0 0 Zaragoza 1 2 0.13 0.057
Cerralvo 0 2 0 0.002 Villa de Arista 0 1 0 0.019
China 5 2 0.219 0.027 Matlapa 1 1 0 0.072
Doctor Arroyo 5 4 0.258 0.123 Abasolo 0 1 0 0.067
Doctor Coss 0 1 0 0 Aldama 0 4 0 0.205
Galeana 2 8 0.121 0.194 Altamira 3 1 0.166 0.067
San Pedro Garza García 0 7 0 0.38 Burgos 0 1 0 0.003
General Escobedo 0 5 0 0.273 Bustamante 0 1 0 0.081
General Terán 1 2 0.028 0.016 Casas 0 1 0 0.081
General Zaragoza 0 1 0 0.026 Ciudad Madero 7 9 0.222 0.334
General Zuazua 0 2 0 0.027 Gómez Farías 0 1 0 0.066
Guadalupe 13 10 0.416 0.348 González 7 4 0.182 0.233
Higueras 0 2 0 0.006 Güémez 3 2 0.095 0.111
Hualahuises 0 2 0 0.023 Gustavo Díaz Ordaz 2 0 0.202 0
98
Lampazos de Naranjo 0 1 0 0.05 Hidalgo 0 3 0 0.211
Linares 18 3 0.516 0.1 Jaumave 2 2 0.164 0.085
Marín 4 1 0.145 0.045 Jiménez 0 3 0 0.085
Melchor Ocampo 3 0 0.145 0 Llera 4 6 0.268 0.278
Mier y Noriega 3 2 0.236 0.023 El Mante 14 10 0.587 0.507
Mina 0 1 0 0.005 Matamoros 23 15 0.818 0.513
Montemorelos 4 6 0.217 0.23 Méndez 0 1 0 0
Monterrey 29 39 1 1 Miquihuana 0 1 0 0.081
Parás 0 1 0 0.013 Nuevo Laredo 11 4 0.603 0.16
Pesquería 3 1 0.053 0.05 Ocampo 0 2 0 0.074
Los Ramones 2 2 0.13 0.019 Padilla 0 2 0 0.095
Sabinas Hidalgo 9 0 0.207 0 Palmillas 0 2 0 0.126
San Nicolás de los Garza 15 11 0.499 0.458 Reynosa 9 13 0.557 0.435
Hidalgo 1 0 0 0 Río Bravo 0 5 0 0.255
Santa Catarina 0 7 0 0.4 San Carlos 0 3 0 0.224
Santiago 3 8 0.132 0.312 San Fernando 5 3 0.286 0.144
Vallecillo 0 1 0 0 Soto la Marina 3 3 0.072 0.227
Villaldama 0 1 0 0.021 Tampico 9 16 0.242 0.615
Ahualulco 2 2 0.077 0.058 Tula 5 4 0.381 0.251
Aquismón 0 4 0 0.188 Valle Hermoso 7 2 0.323 0.093
Armadillo de los Infante 0 2 0 0.057 Victoria 15 15 0.446 0.623
Cárdenas 0 5 0 0.204 Villagrán 0 1 0 0.013
Cedral 0 2 0 0.059 Xicoténcatl 7 3 0.312 0.14 Fuente: Elaboración propia con datos del INEGI.
Municipio Noreste, 2000
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Abasolo 12 3 0.106 0.023 Cedral 19 18 0.158 0.149
Acuña 39 32 0.379 0.255 Cerritos 11 21 0.13 0.228
Allende 26 20 0.222 0.137 Cerro de San Pedro 24 3 0.243 0.037
Arteaga 10 10 0.127 0.081 Ciudad del Maíz 12 33 0.179 0.303
Candela 18 7 0.177 0.043 Ciudad Fernández 21 10 0.234 0.069
Castaños 16 22 0.174 0.162 Tancanhuitz 25 18 0.272 0.201
Cuatro Ciénegas 15 22 0.112 0.143 Ciudad Valles 41 74 0.418 0.618
Escobedo 17 7 0.155 0.028 Coxcatlán 15 24 0.17 0.229
Francisco I. Madero 18 17 0.204 0.16 Charcas 8 31 0.115 0.214
Frontera 27 29 0.299 0.182 Ebano 21 39 0.211 0.372
General Cepeda 17 8 0.217 0.083 Guadalcázar 17 32 0.24 0.259
Guerrero 27 2 0.215 0.013 Huehuetlán 25 16 0.237 0.147
Hidalgo 26 7 0.269 0.031 Lagunillas 9 9 0.109 0.078
Jiménez 16 6 0.117 0.042 Matehuala 37 52 0.379 0.411
Juárez 10 9 0.073 0.088 Mexquitic de Carmona 11 17 0.147 0.208
Lamadrid 20 6 0.168 0.019 Moctezuma 12 17 0.159 0.179
Matamoros 14 19 0.151 0.195 Rayón 22 8 0.172 0.104
Monclova 35 69 0.353 0.47 Rioverde 26 47 0.273 0.404
Morelos 19 12 0.174 0.102 Salinas 12 11 0.136 0.109
Múzquiz 14 40 0.176 0.284 San Antonio 21 10 0.259 0.096
Nadadores 14 13 0.149 0.088 San Ciro de Acosta 12 6 0.137 0.054
Nava 23 19 0.224 0.163 San Luis Potosí 74 133 0.611 0.857
Ocampo 10 22 0.1 0.157 San Martín Chalchicuautla 11 28 0.128 0.289
Parras 17 32 0.172 0.287 San Nicolás Tolentino 11 12 0.126 0.111
Piedras Negras 43 46 0.409 0.383 Santa Catarina 5 12 0.041 0.088
Progreso 21 11 0.188 0.068 Santa María del Río 6 17 0.071 0.171
Ramos Arizpe 26 26 0.276 0.194 Santo Domingo 14 11 0.19 0.157
99
Sabinas 26 31 0.262 0.255 San Vicente Tancuayalab 19 17 0.15 0.196
Sacramento 16 6 0.127 0.018
Soledad de Graciano
Sánchez 46 28 0.382 0.272
Saltillo 63 88 0.567 0.652 Tamasopo 15 26 0.114 0.247
San Buenaventura 22 24 0.199 0.143 Tamazunchale 12 47 0.161 0.43
San Juan de Sabinas 14 26 0.13 0.23 Tampacán 17 18 0.2 0.186
San Pedro 19 38 0.203 0.346 Tampamolón Corona 16 22 0.173 0.234
Sierra Mojada 14 10 0.137 0.091 Tamuín 28 39 0.265 0.376
Torreón 35 63 0.367 0.49 Tanlajás 21 17 0.235 0.168
Viesca 10 13 0.124 0.152 Tanquián de Escobedo 25 19 0.289 0.241
Villa Unión 15 9 0.112 0.07 Tierra Nueva 10 6 0.142 0.066
Zaragoza 18 54 0.155 0.399 Vanegas 12 14 0.154 0.17
Abasolo 27 4 0.313 0.056 Venado 20 18 0.227 0.188
Agualeguas 11 8 0.148 0.032 Villa de Arriaga 6 6 0.067 0.066
Los Aldamas 10 5 0.099 0.032 Villa de Guadalupe 15 11 0.224 0.108
Allende 18 24 0.218 0.222 Villa de la Paz 17 2 0.208 0.032
Anáhuac 24 20 0.226 0.137 Villa de Ramos 5 9 0.091 0.118
Apodaca 99 52 0.876 0.392 Villa de Reyes 7 17 0.117 0.15
Aramberri 16 22 0.181 0.179 Villa Hidalgo 13 18 0.152 0.176
Bustamante 12 8 0.154 0.059 Villa Juárez 11 7 0.132 0.067
Cadereyta Jiménez 40 40 0.44 0.329 Axtla de Terrazas 15 29 0.195 0.279
El Carmen 36 10 0.362 0.105 Xilitla 23 31 0.295 0.282
Cerralvo 18 11 0.241 0.103 Zaragoza 5 11 0.08 0.075
Ciénega de Flores 50 19 0.535 0.16 Villa de Arista 12 13 0.125 0.149
China 14 23 0.154 0.19 Matlapa 19 16 0.262 0.207
Doctor Arroyo 13 34 0.191 0.272 El Naranjo 32 24 0.381 0.235
Doctor Coss 21 6 0.222 0.032 Abasolo 17 19 0.195 0.193
Doctor González 32 11 0.377 0.077 Aldama 17 31 0.215 0.284
Galeana 16 34 0.231 0.325 Altamira 42 44 0.388 0.448
García 32 13 0.383 0.154 Antiguo Morelos 18 12 0.23 0.136
San Pedro Garza García 88 44 0.753 0.338 Burgos 15 13 0.157 0.087
General Bravo 16 11 0.203 0.092 Bustamante 11 14 0.172 0.15
General Escobedo 78 73 0.733 0.512 Camargo 24 20 0.336 0.164
General Terán 16 24 0.16 0.172 Casas 23 9 0.258 0.088
General Treviño 18 0 0.225 0 Ciudad Madero 27 40 0.327 0.429
General Zaragoza 13 21 0.164 0.194 Cruillas 12 6 0.126 0.07
General Zuazua 40 10 0.429 0.081 Gómez Farías 18 11 0.252 0.101
Guadalupe 103 96 0.886 0.662 González 17 36 0.238 0.346
Los Herreras 17 8 0.189 0.075 Güémez 14 16 0.181 0.164
Higueras 28 4 0.332 0.04 Guerrero 24 6 0.275 0.032
Hualahuises 13 10 0.153 0.122 Gustavo Díaz Ordaz 27 7 0.318 0.082
Iturbide 16 10 0.172 0.102 Hidalgo 19 32 0.253 0.256
Juárez 58 22 0.597 0.233 Jaumave 19 24 0.214 0.228
Lampazos de Naranjo 8 14 0.121 0.125 Jiménez 20 19 0.193 0.139
Linares 33 40 0.338 0.316 Llera 22 22 0.219 0.199
Marín 49 14 0.541 0.13 Mainero 19 6 0.226 0.077
Melchor Ocampo 13 1 0.152 0.002 El Mante 41 66 0.458 0.543
Mier y Noriega 17 12 0.22 0.122 Matamoros 79 91 0.663 0.685
Mina 22 12 0.238 0.098 Méndez 22 6 0.237 0.081
Montemorelos 22 37 0.243 0.278 Mier 22 7 0.241 0.022
Monterrey 122 170 1 1 Miguel Alemán 34 21 0.348 0.188
Parás 26 3 0.312 0.021 Miquihuana 9 7 0.15 0.089
Pesquería 40 16 0.473 0.129 Nuevo Laredo 76 90 0.688 0.62
Los Ramones 25 15 0.307 0.096 Nuevo Morelos 25 9 0.271 0.093
Rayones 13 6 0.169 0.041 Ocampo 21 21 0.302 0.22
Sabinas Hidalgo 21 31 0.278 0.197 Padilla 23 17 0.285 0.182
100
Salinas Victoria 54 27 0.552 0.212 Palmillas 17 7 0.202 0.074
San Nicolás de los Garza 79 87 0.773 0.651 Reynosa 78 98 0.708 0.681
Hidalgo 13 23 0.153 0.188 Río Bravo 32 51 0.324 0.45
Santa Catarina 66 49 0.633 0.429 San Carlos 11 15 0.158 0.125
Santiago 29 32 0.336 0.309 San Fernando 21 32 0.259 0.295
Vallecillo 23 3 0.278 0.056 San Nicolás 10 4 0.09 0.053
Villaldama 15 11 0.195 0.103 Soto la Marina 27 33 0.285 0.266
Ahualulco 5 11 0.064 0.113 Tampico 45 80 0.472 0.651
Alaquines 12 10 0.106 0.074 Tula 17 32 0.199 0.287
Aquismón 25 32 0.255 0.345 Valle Hermoso 30 27 0.323 0.304
Armadillo de los Infante 8 9 0.105 0.071 Victoria 62 83 0.619 0.652
Cárdenas 18 18 0.15 0.147 Villagrán 15 16 0.193 0.156
Catorce 20 19 0.245 0.192 Xicoténcatl 24 31 0.28 0.284 Fuente: Elaboración propia con datos del INEGI.
Municipio Noreste, 2010
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Abasolo 15 1 0.148 0 Cedral 37 16 0.461 0.119
Acuña 21 53 0.281 0.355 Cerritos 23 17 0.271 0.128
Allende 22 18 0.208 0.122 Cerro de San Pedro 16 1 0.197 0.025
Arteaga 10 10 0.148 0.058 Ciudad del Maíz 21 21 0.315 0.185
Candela 15 5 0.215 0.013 Ciudad Fernández 28 12 0.326 0.074
Castaños 18 18 0.197 0.091 Tancanhuitz 27 22 0.357 0.258
Cuatro Ciénegas 27 25 0.269 0.107 Ciudad Valles 45 79 0.603 0.663
Escobedo 27 2 0.304 0.001 Coxcatlán 24 16 0.365 0.203
Francisco I. Madero 12 18 0.163 0.181 Charcas 21 23 0.288 0.211
Frontera 32 22 0.397 0.14 Ebano 27 32 0.337 0.291
General Cepeda 12 4 0.19 0.04 Guadalcázar 23 27 0.338 0.207
Guerrero 26 2 0.278 0.002 Huehuetlán 22 17 0.311 0.176
Hidalgo 24 5 0.237 0.053 Lagunillas 11 9 0.135 0.058
Jiménez 10 5 0.107 0.037 Matehuala 54 55 0.64 0.449
Juárez 9 4 0.098 0.038 Mexquitic de Carmona 12 12 0.184 0.089
Lamadrid 14 1 0.136 0.003 Moctezuma 8 2 0.11 0.018
Matamoros 8 17 0.108 0.119 Rayón 15 14 0.156 0.1
Monclova 35 62 0.394 0.42 Rioverde 25 41 0.289 0.382
Morelos 19 8 0.207 0.044 Salinas 12 13 0.157 0.117
Múzquiz 17 33 0.187 0.255 San Antonio 18 10 0.286 0.103
Nadadores 15 8 0.177 0.019 San Ciro de Acosta 18 5 0.183 0.026
Nava 20 19 0.191 0.125 San Luis Potosí 52 127 0.545 0.842
Ocampo 19 16 0.187 0.097 San Martín Chalchicuautla 13 13 0.205 0.147
Parras 13 25 0.211 0.252 San Nicolás Tolentino 15 7 0.205 0.02
Piedras Negras 36 60 0.432 0.439 Santa Catarina 5 9 0.046 0.069
Progreso 21 8 0.21 0.035 Santa María del Río 6 16 0.057 0.148
Ramos Arizpe 36 28 0.48 0.203 Santo Domingo 10 12 0.165 0.094
Sabinas 17 34 0.243 0.243 San Vicente Tancuayalab 22 15 0.313 0.196
Sacramento 14 4 0.157 0.006
Soledad de Graciano
Sánchez 40 29 0.433 0.202
Saltillo 43 102 0.519 0.661 Tamasopo 19 19 0.222 0.156
San Buenaventura 28 21 0.324 0.086 Tamazunchale 17 47 0.272 0.486
San Juan de Sabinas 14 23 0.17 0.163 Tampacán 22 17 0.309 0.204
San Pedro 10 35 0.12 0.302 Tampamolón Corona 24 29 0.332 0.284
Sierra Mojada 15 7 0.157 0.054 Tamuín 30 32 0.395 0.359
Torreón 25 59 0.296 0.528 Tanlajás 24 24 0.35 0.259
Viesca 12 6 0.138 0.052 Tanquián de Escobedo 19 19 0.241 0.248
101
Villa Unión 10 7 0.084 0.031 Tierra Nueva 7 9 0.081 0.063
Zaragoza 15 13 0.161 0.065 Vanegas 15 12 0.231 0.151
Abasolo 20 8 0.316 0.04 Venado 10 11 0.126 0.129
Agualeguas 15 8 0.176 0.042 Villa de Arriaga 6 6 0.07 0.066
Los Aldamas 4 3 0.041 0.005 Villa de Guadalupe 18 8 0.271 0.089
Allende 20 24 0.311 0.2 Villa de la Paz 17 2 0.254 0.017
Anáhuac 20 20 0.222 0.147 Villa de Ramos 15 14 0.22 0.116
Apodaca 89 79 1 0.565 Villa de Reyes 14 10 0.193 0.082
Aramberri 12 21 0.184 0.197 Villa Hidalgo 20 7 0.257 0.066
Bustamante 20 6 0.335 0.031 Villa Juárez 16 4 0.161 0.022
Cadereyta Jiménez 46 38 0.596 0.313 Axtla de Terrazas 24 27 0.332 0.32
El Carmen 31 14 0.457 0.085 Xilitla 19 37 0.289 0.358
Cerralvo 16 16 0.206 0.067 Zaragoza 17 11 0.2 0.093
Ciénega de Flores 42 13 0.535 0.136 Villa de Arista 13 15 0.148 0.151
China 13 11 0.141 0.109 Matlapa 22 24 0.298 0.284
Doctor Arroyo 17 33 0.241 0.267 El Naranjo 35 21 0.469 0.191
Doctor Coss 12 3 0.148 0.008 Abasolo 21 9 0.258 0.099
Doctor González 46 7 0.603 0.038 Aldama 18 20 0.25 0.23
Galeana 15 28 0.198 0.218 Altamira 43 36 0.552 0.361
García 47 24 0.616 0.22 Antiguo Morelos 15 8 0.241 0.088
San Pedro Garza García 49 45 0.597 0.431 Burgos 12 8 0.134 0.052
General Bravo 26 11 0.287 0.098 Bustamante 19 8 0.271 0.07
General Escobedo 70 71 0.827 0.505 Camargo 19 20 0.257 0.205
General Terán 14 12 0.208 0.104 Casas 27 2 0.353 0.026
General Treviño 13 4 0.141 0.013 Ciudad Madero 23 34 0.32 0.413
General Zaragoza 11 11 0.162 0.121 Cruillas 13 5 0.134 0.035
General Zuazua 63 15 0.811 0.121 Gómez Farías 14 7 0.175 0.086
Guadalupe 69 99 0.818 0.734 González 21 34 0.264 0.276
Los Herreras 13 4 0.191 0.032 Güémez 15 8 0.222 0.081
Higueras 34 6 0.491 0.035 Guerrero 4 10 0.057 0.111
Hualahuises 17 8 0.245 0.067 Gustavo Díaz Ordaz 25 13 0.361 0.147
Iturbide 20 7 0.319 0.052 Hidalgo 23 20 0.367 0.208
Juárez 74 45 0.859 0.336 Jaumave 19 20 0.242 0.122
Lampazos de Naranjo 19 14 0.207 0.087 Jiménez 12 12 0.138 0.082
Linares 34 45 0.425 0.394 Llera 20 17 0.292 0.153
Marín 29 12 0.474 0.071 Mainero 20 4 0.321 0.037
Melchor Ocampo 15 0 0.178 0 El Mante 43 62 0.528 0.564
Mier y Noriega 13 8 0.184 0.05 Matamoros 44 107 0.498 0.764
Mina 26 6 0.377 0.05 Méndez 18 5 0.213 0.043
Montemorelos 23 35 0.342 0.274 Mier 2 13 0.042 0.072
Monterrey 77 169 0.843 1 Miguel Alemán 26 32 0.313 0.262
Parás 13 4 0.161 0.026 Miquihuana 19 6 0.296 0.052
Pesquería 10 17 0.191 0.141 Nuevo Laredo 47 108 0.581 0.745
Los Ramones 19 9 0.283 0.099 Nuevo Morelos 22 4 0.278 0.038
Rayones 24 6 0.352 0.072 Ocampo 16 14 0.256 0.128
Sabinas Hidalgo 24 29 0.336 0.194 Padilla 18 10 0.279 0.107
Salinas Victoria 41 22 0.572 0.211 Palmillas 9 3 0.107 0.009
San Nicolás de los Garza 57 82 0.736 0.59 Reynosa 63 123 0.728 0.844
Hidalgo 19 14 0.254 0.085 Río Bravo 36 50 0.421 0.385
Santa Catarina 46 66 0.618 0.532 San Carlos 15 16 0.201 0.094
Santiago 23 17 0.34 0.182 San Fernando 17 29 0.232 0.235
Vallecillo 20 5 0.296 0.04 San Nicolás 8 2 0.089 0.004
Villaldama 17 3 0.26 0.009 Soto la Marina 21 30 0.261 0.262
Ahualulco 9 10 0.134 0.102 Tampico 22 85 0.302 0.719
Alaquines 10 4 0.119 0.045 Tula 24 23 0.321 0.18
Aquismón 20 25 0.299 0.285 Valle Hermoso 16 34 0.227 0.332
102
Armadillo de los Infante 12 7 0.186 0.059 Victoria 53 86 0.6 0.629
Cárdenas 20 18 0.222 0.113 Villagrán 20 20 0.331 0.215
Catorce 23 12 0.334 0.132 Xicoténcatl 25 22 0.35 0.272 Fuente: Elaboración propia con datos del INEGI.
Municipio Noreste, 2015
OutDeg Indeg OutEigen InEigen
OutDeg Indeg OutEigen InEigen
Abasolo 10 5 0.076 0.019 Cedral 41 36 0.426 0.235
Acuña 31 54 0.297 0.37 Cerritos 24 22 0.288 0.194
Allende 20 23 0.17 0.166 Cerro de San Pedro 25 4 0.24 0.03
Arteaga 38 13 0.402 0.108 Ciudad del Maíz 29 42 0.321 0.368
Candela 18 8 0.221 0.045 Ciudad Fernández 27 17 0.257 0.092
Castaños 25 22 0.274 0.127 Tancanhuitz 36 26 0.412 0.231
Cuatro Ciénegas 30 26 0.253 0.134 Ciudad Valles 50 81 0.534 0.654
Escobedo 22 11 0.217 0.039 Coxcatlán 31 22 0.418 0.212
Francisco I. Madero 23 19 0.203 0.119 Charcas 32 24 0.38 0.202
Frontera 33 23 0.299 0.095 Ebano 45 31 0.481 0.298
General Cepeda 18 5 0.209 0.048 Guadalcázar 42 27 0.457 0.215
Guerrero 18 8 0.145 0.058 Huehuetlán 27 25 0.295 0.222
Hidalgo 12 12 0.128 0.093 Lagunillas 17 11 0.179 0.063
Jiménez 11 10 0.099 0.053 Matehuala 48 69 0.499 0.499
Juárez 10 21 0.082 0.136 Mexquitic de Carmona 24 13 0.213 0.095
Lamadrid 17 5 0.17 0.026 Moctezuma 15 18 0.162 0.117
Matamoros 19 26 0.211 0.217 Rayón 25 20 0.299 0.161
Monclova 39 72 0.389 0.483 Rioverde 40 57 0.417 0.397
Morelos 22 13 0.172 0.085 Salinas 17 20 0.2 0.159
Múzquiz 21 37 0.192 0.194 San Antonio 19 21 0.234 0.224
Nadadores 20 7 0.175 0.033 San Ciro de Acosta 22 9 0.231 0.095
Nava 30 24 0.254 0.141 San Luis Potosí 69 157 0.629 0.949
Ocampo 25 19 0.197 0.092 San Martín Chalchicuautla 23 26 0.302 0.224
Parras 18 29 0.225 0.232 San Nicolás Tolentino 9 10 0.127 0.075
Piedras Negras 33 57 0.259 0.403 Santa Catarina 18 12 0.2 0.102
Progreso 22 7 0.202 0.03 Santa María del Río 19 21 0.18 0.145
Ramos Arizpe 58 34 0.586 0.262 Santo Domingo 16 14 0.162 0.104
Sabinas 25 39 0.249 0.245 San Vicente Tancuayalab 22 22 0.275 0.252
Sacramento 17 7 0.167 0.014
Soledad de Graciano
Sánchez 54 42 0.532 0.341
Saltillo 65 107 0.65 0.674 Tamasopo 33 29 0.351 0.271
San Buenaventura 28 27 0.261 0.125 Tamazunchale 34 52 0.456 0.443
San Juan de Sabinas 19 22 0.179 0.111 Tampacán 31 21 0.394 0.198
San Pedro 19 30 0.199 0.227 Tampamolón Corona 30 26 0.366 0.232
Sierra Mojada 20 9 0.195 0.062 Tamuín 56 51 0.639 0.49
Torreón 34 72 0.34 0.535 Tanlajás 38 32 0.497 0.303
Viesca 13 12 0.114 0.072 Tanquián de Escobedo 37 28 0.434 0.284
Villa Unión 23 12 0.194 0.053 Tierra Nueva 11 5 0.115 0.042
Zaragoza 21 13 0.169 0.091 Vanegas 16 13 0.209 0.097
Abasolo 20 7 0.311 0.038 Venado 24 23 0.304 0.162
Agualeguas 11 11 0.134 0.044 Villa de Arriaga 15 11 0.168 0.076
Los Aldamas 16 5 0.171 0.035 Villa de Guadalupe 24 15 0.327 0.132
Allende 24 33 0.304 0.26 Villa de la Paz 19 2 0.23 0.018
Anáhuac 27 24 0.327 0.188 Villa de Ramos 10 16 0.098 0.145
Apodaca 80 85 0.901 0.59 Villa de Reyes 8 16 0.093 0.112
Aramberri 23 29 0.335 0.214 Villa Hidalgo 25 13 0.242 0.097
Bustamante 16 13 0.23 0.067 Villa Juárez 12 12 0.142 0.103
103
Cadereyta Jiménez 37 59 0.476 0.424 Axtla de Terrazas 34 35 0.404 0.32
El Carmen 72 17 0.816 0.149 Xilitla 30 41 0.401 0.379
Cerralvo 34 23 0.413 0.106 Zaragoza 17 10 0.177 0.055
Ciénega de Flores 95 28 1 0.18 Villa de Arista 22 19 0.26 0.171
China 27 20 0.324 0.146 Matlapa 23 31 0.304 0.296
Doctor Arroyo 29 40 0.351 0.289 El Naranjo 32 30 0.366 0.317
Doctor Coss 20 5 0.228 0.05 Abasolo 21 16 0.2 0.149
Doctor González 22 8 0.311 0.048 Aldama 19 26 0.213 0.228
Galeana 20 37 0.25 0.307 Altamira 41 57 0.443 0.537
García 88 51 0.956 0.336 Antiguo Morelos 21 15 0.246 0.087
San Pedro Garza García 43 35 0.553 0.317 Burgos 15 9 0.124 0.079
General Bravo 23 17 0.259 0.134 Bustamante 12 11 0.142 0.094
General Escobedo 76 69 0.852 0.448 Camargo 26 17 0.246 0.137
General Terán 22 19 0.284 0.137 Casas 15 7 0.17 0.069
General Treviño 14 4 0.165 0.013 Ciudad Madero 35 40 0.365 0.395
General Zaragoza 11 16 0.166 0.133 Cruillas 9 7 0.069 0.049
General Zuazua 68 32 0.796 0.249 Gómez Farías 25 8 0.258 0.072
Guadalupe 75 85 0.853 0.579 González 24 42 0.264 0.395
Los Herreras 16 8 0.204 0.036 Güémez 37 14 0.394 0.07
Higueras 25 12 0.328 0.118 Guerrero 15 16 0.175 0.112
Hualahuises 10 10 0.141 0.075 Gustavo Díaz Ordaz 28 10 0.275 0.083
Iturbide 18 12 0.259 0.09 Hidalgo 25 32 0.321 0.265
Juárez 94 58 0.987 0.418 Jaumave 36 19 0.339 0.139
Lampazos de Naranjo 20 15 0.288 0.093 Jiménez 10 12 0.072 0.116
Linares 36 59 0.389 0.438 Llera 23 23 0.252 0.173
Marín 29 10 0.41 0.068 Mainero 21 7 0.253 0.065
Melchor Ocampo 10 3 0.111 0.012 El Mante 35 82 0.396 0.661
Mier y Noriega 26 11 0.339 0.079 Matamoros 47 110 0.442 0.791
Mina 21 19 0.307 0.135 Méndez 17 7 0.161 0.044
Montemorelos 20 42 0.288 0.323 Mier 10 15 0.127 0.081
Monterrey 89 177 0.96 1 Miguel Alemán 26 25 0.3 0.175
Parás 17 7 0.212 0.027 Miquihuana 10 4 0.101 0.046
Pesquería 85 20 0.944 0.16 Nuevo Laredo 42 131 0.453 0.839
Los Ramones 19 17 0.275 0.126 Nuevo Morelos 22 6 0.279 0.084
Rayones 16 5 0.229 0.049 Ocampo 25 19 0.254 0.17
Sabinas Hidalgo 39 37 0.449 0.257 Padilla 25 18 0.256 0.115
Salinas Victoria 71 27 0.816 0.194 Palmillas 8 7 0.088 0.068
San Nicolás de los Garza 49 70 0.639 0.444 Reynosa 57 130 0.548 0.872
Hidalgo 28 26 0.394 0.219 Río Bravo 29 69 0.28 0.491
Santa Catarina 55 51 0.661 0.363 San Carlos 12 16 0.135 0.135
Santiago 39 31 0.501 0.245 San Fernando 19 48 0.175 0.333
Vallecillo 13 8 0.179 0.06 San Nicolás 5 6 0.028 0.015
Villaldama 17 9 0.265 0.027 Soto la Marina 28 36 0.278 0.311
Ahualulco 15 17 0.173 0.111 Tampico 37 97 0.442 0.764
Alaquines 24 16 0.295 0.134 Tula 27 40 0.254 0.34
Aquismón 35 39 0.425 0.345 Valle Hermoso 24 48 0.268 0.422
Armadillo de los Infante 13 7 0.153 0.045 Victoria 48 101 0.442 0.746
Cárdenas 30 25 0.347 0.217 Villagrán 29 8 0.364 0.068
Catorce 25 12 0.351 0.08 Xicoténcatl 25 23 0.26 0.236