nova página do texto(beta)
Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
Introducción
La corrupción ha estado históricamente arraigada en el seno de la sociedad mexicana, sin embargo, en las últimas tres décadas su práctica se ha ampliado a diferentes aspectos y actividades (Accinelli y Sánchez, 2012).
A nivel mundial, el Índice de Percepción de la Corrupción (IPC) publicado por la Organización Transparencia Internacional (TI) clasifica a 180 países de todo el mundo según sus niveles percibidos de corrupción en el sector público, con una puntuación de 0 (altamente corrupto) a 100 (ausencia de corrupción). México es conocido como uno de los países con mayor corrupción. En el 2022, obtuvo 31 puntos de 100 posibles en el IPC, posicionándose en el lugar número 126, a la par de naciones como Bolivia, Laos, Uzbekistán y Kenia. Basta mencionar que de 2005 a 2017 el país perdió 76 lugares en el ranking mundial. Si bien en los últimos 5 años recuperó posiciones al ubicarse en el lugar 126, aún se encuentra por debajo de países latinoamericanos como Argentina, Chile, Colombia y Brasil.
Por otro lado, el Instituto Nacional de Estadística y Geografía (INEGI) a través de la Encuesta Nacional de Calidad e Impacto Gubernamental (ENCIG, 2021), reporta que el 84.6% de los mexicanos encuestados considera que la corrupción es frecuente o muy frecuente en su entidad federativa. Las cifras sobre la corrupción en México son alarmantes, en especial porque el fenómeno se relaciona con condiciones de bajo crecimiento económico y mayor desigualdad en la población (Gründler y Potrafke, 2019; Trabelsi y Trabelsi, 2021; Khan, 2022), por esta razón, su combate se ha vuelto un tema central en la agenda del gobierno federal y de los gobiernos locales.
Los estudios empíricos sobre la corrupción en México son poco explorados, una de las razones radica en la dificultad de establecer modelos econométricos confiables, debido a que las estimaciones se enfrentan a problemas de endogeneidad, la cual puede ser causada por los errores de medición de la variable dependiente y por la causalidad inversa de algunas variables explicativas. Además, la larga lista de determinantes probados en los estudios globales, genera un problema de incertidumbre, dificultando la elección de variables que integraran el modelo empírico.
Considerando los problemas de incertidumbre y endogeneidad, se utilizan las metodologías del Promedio de modelos bayesiano (BMA, por sus siglas en ingles) y el Promedio de modelos bayesiano con variables instrumentales (IVBMA, por sus siglas en inglés), se analizan con un enfoque integral 25 posibles determinantes de la corrupción, incluidos 225 (33,554,432) modelos, con una muestra que compone a las 32 entidades federativas en el período de 2015-2020. El período se establece debido a la disponibilidad de datos de las variables dependientes, independientes y sus instrumentos (valores rezagados, 2010-2014). Dado el amplio espacio de los modelos, para la estimación del BMA y del IVBMA se emplea, la técnica de composición del modelo de cadenas de Markov Monte Carlo (MC3), la cual, centra el análisis en los modelos con mayor poder explicativo descartando los menos probables.
Se emplean como variables dependientes, dos indicadores para la corrupción: el Índice de Percepción de Corrupción (Ipc) publicado por la fundación Konrad Adenauer y la Tasa de prevalencia de la corrupción (Tpc) calculada por el INEGI. El primero mide la percepción del fenómeno; y el segundo, estima la corrupción efectiva presente en trámites gubernamentales.
Este estudio es pertinente dado el contexto de alta corrupción en el que se ve sumergido México, aunado a los escasos estudios empíricos existentes sobre las causas del fenómeno. Asimismo, los resultados contribuyen al diseño de políticas que reduzcan la corrupción. Las aportaciones principales de la investigación se centran en dos elementos. El primero, es el uso de las metodologías del BMA y el IVBMA para resolver los problemas de incertidumbre y endogeneidad, técnicas innovadoras para el estudio de la corrupción en México. El segundo, es la utilización de dos índices de corrupción para probar la sensibilidad de los resultados ante diferentes mediciones de la corrupción, particularmente se utilizan el Ipc y la Tpc. Rock y Bonnett (2004) enfatizan la heterogeneidad respecto a las causas de la corrupción en las diferentes naciones del mundo. Por ejemplo, hallan que el crecimiento económico reduce los niveles de corrupción en los países de América Latina; sin embargo, ésta aumenta en los países de economías grandes del este de Asia. Por tanto, son preferibles los estudios regionales respecto a los globales. En este sentido, los hallazgos obtenidos tienen mayor significancia para México que los conseguidos por Jetter y Parmeter (2018) que contemplan una muestra de 123 países del mundo. Además, al utilizar dos diferentes mediciones de la corrupción, los resultados son más robustos que los presentados por dichos autores, que sólo utilizan un índice.
El documento está integrado por seis secciones adicionales. La primera, aborda datos sobre la magnitud de la corrupción en México. La segunda, describe la literatura empírica sobre la corrupción y los determinantes potenciales. En la tercera, se desarrolla la metodología del BMA y IVBMA. En la cuarta, se especifican los datos utilizados. En la quinta, se muestran los resultados. Y en la última, se presentan las conclusiones.
1. La corrupción en México
La corrupción es definida por Rowland (1998) como el fenómeno por medio del cual un funcionario público es impulsado a actuar para favorecer intereses particulares a cambio de una recompensa. Por otro lado, medir con exactitud los actos corruptos que suceden en una sociedad es una tarea difícil, debido a que la mayoría de los actos ocurren en la ilegalidad y no son registrados. Como alternativa, se ha puesto atención a la construcción de índices de percepción como el IPC, que concentra la opinión de los diferentes sectores de la sociedad.
La evolución de México en el IPC se ha caracterizado por un desempeño mediocre. En el año 1995 el país ocupaba el lugar 32 a nivel mundial; sin embargo, en los últimos años cayó 106 lugares, ocupando para el 2018 la posición 138 de 180 países (ver figura 1). México ha mostrado una mejoría a partir del 2019, recuperando 12 lugares en la clasificación. Este resultado puede estar motivado por la llegada al poder del presidente Andrés Manuel López Obrador (AMLO), quien tomó posesión del cargo el primero de diciembre del 2018. El gobierno de AMLO (2018-2024) tiene como principal bandera el combate a la corrupción. El discurso oficial puede influenciar la percepción del fenómeno en la sociedad, lo cual no significa necesariamente que la corrupción en términos reales sea menor.
Aún con la mejoría tras la llegada de AMLO, la nación tiene calificaciones por debajo de la media mundial. Para el año 2022, se posicionó en el lugar 126 del mundo. Dentro de la región de América latina, sólo supera en la clasificación a Nicaragua, Honduras, Guatemala, Paraguay y Venezuela.
Fuente: elaboración propia con base en IPC, Transparencia Internacional 1995-2022
Figura 1 Evolución de México en el IPC (1995-2022)
De acuerdo a la ENCIG 2021, 8 de cada 10 mexicanos encuestados percibe frecuente o muy frecuentemente los actos de corrupción dentro de su entidad federativa. No obstante, sólo el 14.7 % expresa haber sido víctima de la corrupción al efectuar trámites o requerir servicios públicos. Asimismo, entre 2013 y 2021, en el 78.1% de las entidades federativas, aumentó el porcentaje de personas que fueron víctimas de soborno.
Los costos promedio de la corrupción a nivel nacional ascendieron a 3 mil 44 pesos por individuo. Respecto a las empresas, se estimó un costo promedio de 7 mil 419 pesos. La tasa de prevalencia de corrupción a nivel nacional, se calculó en 14 mil 701 actos por cada 100 mil habitantes. En términos económicos, representó un monto que sobrepasa los 9 mil millones de pesos. Por otro lado, Casar (2016) expone que la corrupción le cuesta a la economía mexicana entre el 2% y el 10% del PIB.
Las entidades federativas con mayor percepción de corrupción son: Jalisco, Oaxaca, Michoacán, Quintana Roo y Estado de México, todas ellas sobrepasando el 90%. En contraste, Querétaro es la entidad con menor percepción, casi 20 puntos porcentuales por debajo de la media nacional. Se identifican diferencias respecto a la percepción de la corrupción en las entidades federativas. No obstante, en general, más de la mitad de población encuestada percibe a la corrupción como un problema que se replica de manera frecuente. Esta situación refleja la alta persistencia del fenómeno al interior del país (ver figura 2).
Fuente: elaboración propia con base en ENCIG, INEGI 2021
Figura 2 Percepción de corrupción por entidad federativa
2. Determinantes de la corrupción
Existe un número considerable de investigaciones que tratan de identificar los factores que inciden en el desarrollo de la corrupción, probando un extenso número de variables explicativas en las diferentes regiones del mundo. Mientras que algunas de ellas se centran en encontrar evidencia empírica de la causalidad de diversos factores, para otros no es tan evidente y es necesario demostrar que las variables en cuestión son un efecto o una causa o incluso una acción que se retroalimenta en ambas direcciones.
La corrupción a menudo está estrechamente relacionada con características político-institucionales. Por ejemplo, el tamaño y efectividad del gobierno pueden incidir en los mecanismos de control que delimitan las actuaciones de los funcionarios públicos (Persson et al., 2003; Billger y Goel, 2009; Dreher et al., 2009). Andersen (2009) expone la importancia de implementar tecnologías de información y comunicación (TIC) en las tareas de gobierno, con el objetivo de reducir el riesgo de corrupción al limitar la interacción de los ciudadanos con los funcionarios públicos.
Además, Lederman et al. (2001), Gatti (2009) y Kolstad y Wiig (2016) discuten que la democracia y la estabilidad política permiten que los funcionarios públicos tengan suficiente influencia política para promulgar leyes anticorrupción efectivas. Adicionalmente, Al-Jundi et al. (2022) hallan que la inestabilidad política tiene un efecto directo sobre la corrupción, además de un efecto indirecto a través de la debilidad institucional.
Por otro lado, Castañeda (2016) y De Vitieri y Bjornskov (2020) plantean la necesidad de fomentar la competencia partidista para limitar la concentración del poder y fortalecer los mecanismos de contrapeso. Adicionalmente, en la literatura se reconoce que el Estado de Derecho y la eficacia de los sistemas judiciales determinan el costo esperado de la corrupción1 (Seldadyo y Haan, 2006; Elbahnasawy y Revier, 2012; Iwasaki y Suzuki, 2012). También, se identifica que los países con mayor protección de los derechos civiles tienden a ser los menos corruptos (Arikan, 2004; Freille, et. al, 2007).
Dentro del ámbito económico, el hallazgo más persistente en la literatura es la asociación de la corrupción con el PIB per cápita (La Porta et al., 1999; Fisman y Gatti, 2002; Fan et al., 2009; Jetter et al., 2015; Jetter, y Parmeter, 2018; Gnimassoun y Massil, 2019). El nivel de desarrollo económico favorece la fortaleza institucional y mejora la capacidad del gobierno para combatir la corrupción (Braun y Di Tella, 2004). Respecto a la desigualdad de ingresos, investigaciones como las de Saha et al. (2021) y Khan (2022) establecen que puede fomentar la persistencia de la corrupción, debido a que la conformación de élites económicas distorsiona las decisiones públicas al influenciar las políticas a su favor.
Por otra parte, la competitividad económica y la inversión extranjera directa (IED) favorecen la reducción de los niveles de corrupción, al establecer la necesidad de fortalecer las instituciones y el Estado de Derecho para dar certidumbre al mercado (Seldadyo y Haan, 2006; Ulman, 2013). Además, controles menos estrictos y sociedades poco participativas, propician la sobreexplotación de los recursos naturales (Knutsen et al, 2017), de esta forma, la corrupción aparece como mecanismo que facilita la violación de leyes ambientales. Asimismo, la educación de la sociedad, es necesaria para comprender y monitorear los procesos públicos (Glaeser y Saks, 2006).
Respecto a las características culturales, Mocan (2008) indica que las poblaciones grandes pueden ser propensas a mayor corrupción. Posiblemente, la alta demanda de servicios públicos acrecienta la interacción de funcionarios públicos con los ciudadanos, generando mayor riesgo de corrupción. Por otra parte, las tradiciones religiosas determinan hasta cierto punto las relaciones de los individuos con el Estado. Desde este enfoque, el protestantismo se percibe como más igualitario e individualista y menos tolerante de los abusos de las autoridades públicas comparados con otras religiones como la católica (La Porta et al., 1999; Treisman, 2000). Del mismo modo, Pellegrini y Gerlagh (2004) muestran que, en las regiones con una fuerte fragmentación etnolingüística es más probable que los funcionarios del gobierno favorezcan a los miembros de su grupo étnico.
Finalmente, Grove et al. (2011) argumentan que la corrupción es menos frecuente en países donde las mujeres constituyen una mayor proporción en los parlamentos. Es factible que en dichas sociedades predomine la confianza y la equidad social. En el contexto del análisis de vínculos sociales, la corrupción es una forma de apropiación basada en la desconfianza en las instituciones públicas y los mercados; el fenómeno se replica con mayor facilidad cuando existe erosión en el capital social, esto es, debilitamiento en las normas sociales de reciprocidad, cooperación y confianza (López y Santos, 2009).
3. Metodología
La tarea de evaluar los determinantes de la corrupción tradicionalmente sufre del problema de incertidumbre, debido al amplio espectro de variables explicativas utilizadas en la literatura. Este problema es tratado en otras áreas de estudio mediante la metodología del BMA. Por otro lado, cuando existe el problema de endogeneidad en alguna de las variables explicativas se puede extender el BMA mediante la técnica del IVBMA, el cual es un método propuesto por Karl y Lenkoski (2012) que instrumenta a las variables endógenas, para obtener estimaciones más confiables. A continuación, se describen las técnicas del BMA y del IVBMA, las cuales, se utilizan para hallar los determinantes de la corrupción en México.
3.1. Promedio de modelos bayesiano (BMA)
El BMA proporciona un mecanismo coherente y sistemático para resolver la incertidumbre considerando todo el espacio de los modelos, es decir, cualquier combinación posible de regresores de un conjunto dado de determinantes potenciales. En la estadística clásica, por el contrario, las conclusiones se basan en un solo modelo. A menudo se prueban sólo un pequeño conjunto de variables explicativas. Sin embargo, la selección del modelo es problemática dado el tamaño del espacio del modelo potencial y de la información de casi todos los modelos posibles. Incluso probar el modelo completo no resuelve este problema debido a la multicolinealidad, lo que en particular implica que se pueda rechazar variables por error, esto es particularmente un problema para muestras pequeñas (Maltritz, 2012). El BMA considera todo el espacio de los modelos, por lo que proporciona información más sólida sobre los determinantes que los modelos clásicos de regresiones, inclusive al emplear muestras pequeñas, aun cuando el número de predictores excede el número de observaciones (Moral, 2012).
Por tanto, el BMA es aplicable para estudios regionales o con muestras pequeñas. Por ejemplo, Marvasti (2020) investiga los determinantes del desarrollo financiero utilizando la metodología del BMA en una muestra de 6 países integrantes de la Organización de Países Exportadores de Petróleo (OPEC). Por otro lado, Nagou et al. (2021) exploran los determinantes de la deuda pública utilizando el BMA con una muestra de 51 países de África. Adicionalmente, D´Andrea (2022) analiza los determinantes del crecimiento económico en Europa mediante la técnica del BMA con una muestra de 19 naciones.
El BMA es una aplicación directa de la inferencia bayesiana al problema de selección de modelos y a la estimación y predicción combinadas (Bayale, 2020). Los primeros en adoptar la metodología BMA (Brock y Durlauf, 2001; Fernandez et al., 2001) lo utilizaron para estudiar los determinantes del crecimiento económico. Posteriormente, se llevaron a cabo trabajos con ejercicios similares (Durlauf et al., 2012; Mirestean y Tsangarides, 2016). Los métodos desarrollados sobre la base de la econometría bayesiana son generalmente aplicables en el análisis de los determinantes del crecimiento económico, pero también pueden ser explorados en el estudio de otros fenómenos económicos, como la corrupción (Jetter y Parmeter, 2018).
Usando la inferencia bayesiana, se puede obtener no sólo la probabilidad posterior del modelo, sino también las características posteriores de los parámetros, como la media, la varianza y los cuantiles (Koop, 2003). Dado que se tienen las características de todos los modelos, se pueden calcular algunas medidas interesantes en todo el espacio del modelo en lugar de establecer inferencias basadas en un solo modelo. Considere la regresión lineal para una variable dependiente y:
Donde,
Para ilustrar el promedio del modelo bayesiano, se puede calcular la media posterior de los parámetros de regresión en todo el espacio del modelo utilizando las siguientes ecuaciones:
Con la varianza:
Donde
El cálculo de la probabilidad posterior del modelo y la estimación de parámetros en el modelo de regresión lineal es un tema bien conocido en la literatura de estadística bayesiana, por lo que aquí sólo se describen de manera general, los pasos principales utilizados, especialmente aquellos relacionados con el marco de premediación del modelo.2
La idea básica, de la g-priori, es recogida de Zellner (1986), la cual consiste en asumir una distribución previa común para los coeficientes de regresión. Debido a la velocidad computacional requerida para las distribuciones posteriores y la conveniencia en el marco de selección del modelo, en este caso, se utiliza la distribución previa (g-priori) ampliamente utilizada en los estudios bayesianos, planteada por Fernández et al. (2001) y Ley y Steel (2009). En este enfoque,
Dado que existe la densidad marginal
donde las expresiones
Por otro lado, los modelos se construyen seleccionando variables explicativas de un conjunto existente. Si una variable puede incluirse o excluirse, entonces, para un conjunto de K predictores, existen 2K modelos posibles. Esto significa que un conjunto moderadamente grande de predictores generará un espacio de modelo muy grande que es poco probable que esté dominado por un solo modelo. Si consideramos
Se utiliza la técnica de composición del modelo de cadenas de Markov Monte Carlo (MC3), que fue desarrollado por Madigan et al. (1995). Esta técnica facilita la captura de los modelos con mayor poder explicativo descartando los menos probables.
Dado que no se utiliza un enfoque teórico explícito para el análisis de una gran cantidad de factores determinantes, el uso de BMA con MC3 es fundamental para el estudio. De esta forma, el modelo candidato M* se acepta con la probabilidad:
Donde
Los modelos empíricos de corrupción, regularmente sufren del problema de endogeneidad, que se produce cuando una variable independiente se correlaciona con el término de error en una regresión. Respecto a la corrupción se identifican dos posibles fuentes: los errores de medición en la variable dependiente y la causalidad inversa de algunas variables explicativas.
Los errores de medición son producto de la complejidad del fenómeno, puesto que, los actos corruptos no se registran en su totalidad, ya que la mayoría ocurre en la ilegalidad. Para mitigar los posibles errores de medición, se promedia la puntuación del Ipc durante el período de 2015-2020, replicando el mismo procedimiento para la Tpc, esto permite obtener valores más confiables. De hecho, se ha demostrado una mayor confiabilidad en los resultados tomando promedios de varios años para otras variables macroeconómicas que no son tan propensas a errores de medición, como el tamaño del gobierno (Jetter y Parmeter, 2015) o los niveles de ingreso (Acemoglu et al., 2008).
La otra fuente de endogeneidad se presenta por la causalidad inversa entre la corrupción y algunos de los determinantes potenciales. De ahí que, en la literatura se ha señalado el efecto de la corrupción en el tamaño y en la efectividad del gobierno, la debilidad de los derechos políticos y de propiedad, la democracia, la estabilidad política, la libertad civil y el PIB per cápita. (Acemoglu y Verdier, 1998; Treisman,2000; Mo, 2001; Stanig, 2015; D'Agostino et. al., 2016).
3.2. Promedio de modelos bayesiano (BMA)
La técnica del IVBMA está diseñada para abordar pequeños tamaños de muestra, incertidumbre del modelo y problemas de endogeneidad, al encontrar determinantes robustos de la variable dependiente (Koop et al., 2012). De esta manera, el modelo endógeno de dos etapas es:
y
Donde,
Encontrar instrumentos válidos para los determinantes potencialmente endógenos es una tarea difícil. Una vía para resolver esta dificultad, es la utilización de valores rezagados de las variables endógenas como instrumentos, la cual es una práctica común en la literatura empírica (Schularick y Steger, 2010; Mirestean y Tsangarides, 2016).
Bhattacharyya y Hodler (2010) emplean valores rezagados de regresores endógenos como instrumentos para el estudio de la corrupción. Para la construcción del IVBMA se emplean los valores promediados de 2010 a 2014 para cada variable endógena como instrumento. A manera de ejemplo, los valores pasados del ingreso suelen ser fuertes predictores de los ingresos actuales, pero no a la inversa. La causalidad deja de ser una preocupación a medida que se incrementan los niveles futuros, en otras palabras, se vuelve muy poco probable que el ingreso futuro afecte los niveles de ingreso del pasado.
En general, un instrumento válido necesita satisfacer dos características: fuerte correlación con la variable potencialmente endógena y la posibilidad de exclusión (Angrist y Pischke, 2008). Con respecto al primer punto, los valores rezagados son particularmente atractivos, ya que las correspondientes condiciones institucionales y económicas son relativamente dependientes de la trayectoria histórica.
La restricción de exclusión, se refiere a cuando los instrumentos excluidos están correlacionados con los regresores endógenos. Esta condición es más difícil de cumplir e incluso de probar. Como tal, la especificación de un modelo de variables instrumentales establece que los instrumentos excluidos afectan la variable independiente sólo de manera indirecta. Así, la restricción de exclusión no siempre puede cumplirse por completo en esta configuración.
Las estimaciones del BMA y del IVBMA se llevaron a cabo con el software estadístico R. Para el BMA se utilizó el paquete “bms” de Zeugner y Feldkircher (2015), mientras que para el IVBMA se implementó el paquete “ivbma” de Lenkoski, Karl y Neudecker (2014).
4. Datos
Como resultado de la revisión de la literatura, se contemplan 25 posibles determinantes de la corrupción. La base de datos conformada combina estadísticas de distintas fuentes: el Instituto Nacional de Estadística y Geografía (INEGI), el Instituto Mexicano para la Competitividad (IMCO), el Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL) y la fundación Konrad Adenauer. Se contempla un grupo de factores potenciales responsables de la corrupción en las 32 entidades federativas de México. Las variables se presentan como promedio de los valores anuales a nivel de entidad federativa en el período 2015-2020, a excepción de las variables instrumentales que se presentan como promedios del período 2010-2014 (valores rezagados). No se sigue un enfoque teórico específico sobre la corrupción3; no obstante, se propone un conjunto amplio de determinantes potenciales de origen institucional, cultural y económico (ver tabla 1).
4.1. Medición de la corrupción
Hay un significativo número de estudios que matizan las ventajas e inconvenientes de las diferentes medidas de corrupción. Mungiu y Fazekas (2020) destacan las cuatro formas más habituales: I) encuestas sobre percepciones de corrupción e incidencia de corrupción auto informada; II) estadísticas de corrupción administrativa como casos de soborno internacional o auditorías aleatorias; III) indicadores de conexiones políticas o conflictos de intereses utilizando datos administrativos; y IV) indicadores de corrupción a nivel micro, como señales de alerta en materia de adquisiciones públicas.
Las mediciones de la corrupción en México a nivel entidad federativa se concentran en tres fuentes: el Índice de Percepción de Corrupción (Ipc), que es parte del Índice de Desarrollo Democrático, construido por la Fundación Konrad Adenauer; la Tasa de Prevalencia de la Corrupción por entidad federativa (Tpc), recabado a través de la ENCIG por el INEGI; y el Índice Nacional de Corrupción y Buen Gobierno realizado por la organización Transparencia Mexicana, este último, no presenta datos posteriores al 2010.
Para el estudio se utilizan el Ipc4 y la Tpc. El primero captura la percepción de la población sobre la corrupción dentro de las entidades federativas. Esta medida, tiende a presentar errores de medición, puesto que la percepción no necesariamente coincide con la corrupción efectiva. La segunda, es una medida que no se basa en la percepción, sino en la aproximación de la corrupción efectiva. No obstante, sólo captura el tipo de corrupción que se produce en la interacción de la sociedad con funcionarios públicos al realizar un trámite o solicitar un servicio; pero deja fuera formas como el clientelismo, el compadrazgo, el desvío de fondos públicos, la asignación de contratos públicos, entre otras. El indicador puede tener errores de medición, al excluir diversas formas en las que se manifiesta el fenómeno. Aun reconociendo las limitaciones de las mediciones, siguen siendo la principal alternativa para aproximar en términos cuantitativos la ocurrencia de la corrupción en la sociedad.
Tabla 1 Corrupción, determinantes potenciales y su definición
| Variable | Definición | Fuente |
|---|---|---|
| Variable para la Corrupción | ||
| Indice de percepción de corrupcion | Mide el grado de corrupción percibida,en una escala de 0 a 10, donde los valores más altos indican menor percepción de corrupción, por tanto menos corrupción. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Tasa de prevalencia de corrupción | Mide la incidencia de la corrupción en la población y se calcula dividiendo el total de actos de corrupción en la entidad federativa de residencia entre la población que tuvo contacto con algún servidor público. Valores más altos indican mayor numero de actos de corrupción por cada 100, 000 habitantes. | Encuesta Nacional de Calidad e Impacto Gubernamental. INEGI |
| Factores Institucionales | ||
| Tamaño de gobierno | Gasto del gobierno como porcentaje del PIB estatal. | Finanzas publicas Estatales y Municipales. INEGI |
| Gobierno eficiente | Mide la forma en que los gobiernos estatales son capaces de influir positivamente en la competitividad de sus respectivos estados. este indice incluye indicadores relacionados con la promoción del desarrollo económico, la capacidad para generar ingresos propios, la calidad de la información de sus finanzas públicas y el acercamiento con la ciudadanía por medios electrónicos. Toma valores de 0 a 100 donde el valor más alto indica mayor eficiencia en el gobierno. | Índice de Competitividad Estatal. IMCO |
| Índice democrático | Mide la calidad de la democracia, oscila entre 0 y 10, donde los valores más altos indican mayor calidad en la democracia. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Derechos políticos | Este indicador combina la medición de la percepción sobre los derechos políticos (a traves de una encuesta de opinión) y el tipo de elección de las autoridades. Oscila entre 0 y 10, donde los valores más altos indican mayor garantia de los derechos políticos | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Indice de rendición de cuentas | Este Indicador combina diferentes indicadores que permiten evaluar el grado de control existente en términos legales y políticos en cada entidad. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Estado de derecho | este indicador muestra el grado de ingobernabilidad en el interior de la entidad federativa que requiere intervención del gobierno federal. Solo adquiere tres valores 0.6, 0.8 y 1, donde el valor más alto indica un mayor estado de derecho. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Estabilidad política | Indicador que mide el potencial de los sistemas políticos estatales para ser estables y funcionales.Se incorporan indicadores que dan información sobre corrupción, participación electoral y libertades civiles. 0scila entre 0 y 10. valores más altos corresponden a una mayor estabilidad política. | Índice de Competitividad Estatal. IMCO |
| Libertad civil | Índice que refleja la percepción sobre las libertades civiles (proveniente de encuestas). En una escala de 0-10, las calificaciones más altas indican mayor libertad civil. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Diversidad política en el poder legislativo local | Este indicador captura la pluralidad política en cuanto a la compocisión del poder legislativo local. Toma tres valores 0, 5 y 10 . El valor más alto indica mayor pluralidad en el poder legislativo. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
| Sistema judicial confiable | El indicador analiza el entorno de seguridad pública y jurídica en las entidades federativas. Toma valores de 0 a 100, donde el valor más alto indica mayor confiabilidad del sistema judicial. | Índice de Competitividad Estatal. IMCO |
| Factores Económicos | ||
| PIB percapita | Logaritmo natural del PIB percapita. | Banco de información económica y censos poblacionales. INEGI |
| Explotación de recursos naturales | El indicador mide la capacidad de los estados para relacionarse de manera sostenible y responsable con los recursos naturales y su entorno. Éste provee información sobre la disponibilidad y administración del agua, aire y uso eficiente de los recursos. Toma valores de 0 a 100, donde el valor más alto significa una mejor administración de los recursos naturales. | Indice de competitividad estatal. IMCO |
| Educación primaria | Tasa de eficiencia terminal educación primaria. | Caracteristicas educativas de la población. INEGI |
| Educación secundaria | Tasa de eficiencia terminal educación secundaria. | Caracteristicas educativas de la población. INEGI |
| Educación media superior | Tasa de eficiencia terminal educación media y superior. | Caracteristicas educativas de la población. INEGI |
| Inversión extranjera directa | Inversión extranjera directa como porcentaje del PIB estatal. | Secretaría de Economía del Gobierno Federal |
| Indice de GINI | El coeficiente Gini varía desde el valor más bajo, 0 (igualdad perfecta) al valor más alto, 1 (desigualdad perfecta). | Consejo Nacional de Evaluación de la Política de Desarrollo Social. CONEVAL |
| Indice de competitividad estatal | Mide la capacidad de los estados para generar, atraer y retener talento e inversiones. Se construye incorporando 10 subindices que incorporan variables politicas, institucionales y económicas. Toma valores de 0 a 100, donde el valor más alto indica una mayor competitividad. | Índice de competitividad estatal. IMCO |
| Uso de TIC´s | Este indicador engloba elementos relacionados con los sectores financiero, de telecomunicaciones y de transporte. Toma valores de 0 a 100, donde el valor más alto indica un mayor uso de tecnologias de información y comunicaciones. | Índice de competitividad estatal. IMCO |
| Factores Culturales | ||
| Población | Logaritmo natural de la población total. | Censos poblacionales. INEGI |
| Poblacion con religión diferente a la catolica | Porcentaje de población con religión distinta a la católica respecto al total de la población en la entidad federativa. | Censos poblacionales. INEGI |
| Población católica | Porcentaje de población con religión católica respecto al total de la población en la entidad federativa. | Censos poblacionales. INEGI |
| Poblacion hablante de lengua indigena | Porcentaje de población hablante de lengua indigena respecto al total de la población en la entidad federativa. | Censos poblacionales. INEGI |
| Sociedad incluyente | Mide la calidad de vida de los habitantes a través del acceso que tienen a bienes y servicios agrupados en las siguientes tres áreas: inclusión, educación y salud.Toma valores de 0 a 100, donde el valor más alto representa mayor inclusión en la sociedad. | Índice de Competitividad Estatal. IMCO |
| Participación de las mujeres en el poder legislativo | Mide la proporción de la representación femenina en los poderes ejecutivo, legislativo y judicial estatales. Oscila entre 0-10, donde valores más altos representan mayor proporción de mujeres en los poderes estatales. | Índice de desarrollo democratico. Fundación Konrad-Adenauer |
Fuente: elaboración propia con base en la información recabada de las diferentes fuentes citadas.
Tabla 2 Entidades Federativas de acuerdo a nivel de ingreso per cápita
| Nivel Bajo | Nivel Medio | Nivel Alto | |||
|---|---|---|---|---|---|
| PIB<100,000 MXN | 100,000<PIB<150,000 | PIB >150,000 MXN | |||
| Chiapas | Nayarit | Aguascalientes | Quintana Roo | Baja California | Querétaro |
| Estado de México | Oaxaca | Chihuahua | San Luis Potosí | Baja California Sur | Sonora |
| Guerrero | Puebla | Colima | Sinaloa | Campeche | Tabasco |
| Hidalgo | Tlaxcala | Durango | Tamaulipas | Ciudad de México | |
| Michoacán | Veracruz | Guanajuato | Yucatán | Coahuila | |
| Morelos | Zacatecas | Jalisco | Nuevo León | ||
Fuente: elaboración propia con base en datos del INEGI (2020)
5. Resultados
Como primer paso se calculó la matriz de correlación de las variables independientes y se realizó la prueba del factor de inflación de la varianza (FIV)5, los resultados muestran que el índice de competitividad, la población con religión diferente a la católica y la población con religión católica, muestran un FIV mayor a 10, el detalle puede consultarse en el tabla A3 del Apéndice. O’Brien (2007) menciona que como regla general se establece que existe un problema grave de multicolinealidad cuando el FIV de algún coeficiente es mayor de 10. Sin embargo, dichas variables, también ostentan una PIP muy baja (ver tabla 3), por tanto, la probabilidad de que sean incluidas en la muestra de mejores modelos es casi nula.
Para ambos modelos se realizaron un total de 3 millones de simulaciones de MCMC, descartando las primeras 300 mil iteraciones (equivalente al 10%), para eliminar la influencia de los valores iniciales. El número de iteraciones se consideró suficiente debido a que presentaron niveles de convergencia elevados, esto es, el coeficiente de correlación entre las probabilidades del modelo numérico y analítico se presentó por encima del 0.90.
Se asumió una probabilidad previa igual para todos los determinantes potenciales. Esto significa que no hubo preferencia por ninguna variable asociada con alguna teoría de la corrupción u otro supuesto fijo, de esta forma, se permitió que las variables fueran determinadas por el modelo de búsqueda (Blazejowski et al. 2016).
Las diferencias encontradas entre los modelos de BMA y IVBMA pueden tener origen en la endogeneidad de algunas variables explicativas, esto, genera un sesgo en la estimación y obstaculiza el poder interpretativo del BMA. Por esta razón, se opta por el modelo IVBMA que es más consistente (los resultados del BMA, se reportan en el tabla A1 del apéndice).
Las medias posteriores de los parámetros de regresión (Post Med), las desviaciones estándar posteriores (Post DE), así como las probabilidades de inclusión posteriores (PIP) correspondientes al análisis IVBMA se muestran en el tabla 3. Las variables explicativas se enlistan por orden alfabético y se determina su significancia estadística de acuerdo a lo expuesto por Eicher et al. (2012)6.
Con base en la métrica expuesta por Eicher et al. (2012), el análisis se centra en los predictores que ostentan una PIP al menos del 0.75, es decir, se priorizan las variables independientes que presentan evidencia positiva, fuerte o concluyente, esto es, los predictores que tuvieron significancia estadística en al menos el 75% de los modelos computados, por tanto, reflejan robustez en su asociación con el Ipc o con la Tpc.
Los predictores que presentan evidencia fuerte de su conexión con el Ipc, son: educación secundaria (PIP:99%), el Estado de Derecho (PIP:98%) y el índice democrático (PIP:96%).
Los resultados sugieren que las entidades federativas que cuentan con mayor desarrollo democrático y con un Estado de Derecho más sólido, tienen menor percepción sobre la corrupción. Generalmente, un marco institucional fuerte, desalienta la ocurrencia de la corrupción al incrementar la probabilidad de ser descubierto y castigado. Este resultado es consistente con el encontrado por Brunetti y Weder (2003).
Tabla 3 Resultados IVBMA
| Variables explicativas | Variable dependiente | |||||
|---|---|---|---|---|---|---|
| Ipc | Tpc | |||||
| PIP | Post Med | Post DE | PIP | Post Med | Post DE | |
| Derechos políticos* | 0.124 | 0.012 | 0.046 | 0.192 | -0.003 | 0.009 |
| Diversidad política en el poder legislativo | 0.088 | 0.005 | 0.030 | 0.121 | -0.001 | 0.006 |
| Educación media superior | 0.105 | 0.004 | 0.022 | 0.997 | - 0.028 | 0.007 |
| Educación primaria | 0.468 | 0.098 | 0.124 | 0.092 | -0.001 | 0.004 |
| Educación secundaria | 0.999 | 0.395 | 0.109 | 0.087 | 0.000 | 0.004 |
| Estabilidad política* | 0.177 | -0.006 | 0.016 | 0.274 | -0.002 | 0.003 |
| Estado de Derecho* | 0.983 | 3.612 | 1.100 | 0.086 | -0.004 | 0.039 |
| Gobierno eficiente* | 0.099 | -0.001 | 0.008 | 0.777 | -0.008 | 0.005 |
| Índice de competitividad estatal | 0.144 | 0.003 | 0.028 | 0.136 | -0.001 | 0.006 |
| Índice de Gini* | 0.077 | -0.004 | 1.779 | 0.167 | 0.199 | 0.576 |
| Índice de rendición de cuentas* | 0.093 | -0.003 | 0.038 | 0.089 | 0.000 | 0.005 |
| Índice democrático* | 0.962 | 0.493 | 0.174 | 0.182 | -0.005 | 0.013 |
| Inversión extranjera directa | 0.545 | -5.994 | 6.596 | 0.183 | -0.209 | 0.588 |
| Libertad civil* | 0.088 | -0.005 | 0.037 | 0.091 | 0.001 | 0.005 |
| Explotación de recursos naturales | 0.110 | -0.002 | 0.010 | 0.092 | 0.000 | 0.001 |
| Participación de las mujeres en el poder legislativo | 0.218 | -0.028 | 0.066 | 0.076 | 0.000 | 0.003 |
| PIB per cápita* | 0.104 | 0.016 | 0.120 | 0.972 | -0.159 | 0.055 |
| Población con lengua indígena | 0.228 | 1.606 | 3.768 | 0.489 | 0.694 | 0.841 |
| Población con religión católica | 0.347 | -2.082 | 3.735 | 0.193 | -0.098 | 0.343 |
| Población con religión diferente a la católica | 0.502 | 6.046 | 7.296 | 0.304 | 0.398 | 0.749 |
| Población total | 0.113 | -0.088 | 0.410 | 0.390 | 0.129 | 0.196 |
| Sistema judicial confiable* | 0.089 | 0.001 | 0.006 | 0.133 | 0.000 | 0.001 |
| Sociedad incluyente | 0.115 | -0.003 | 0.016 | 0.862 | -0.020 | 0.012 |
| Tamaño de gobierno* | 0.388 | -4.052 | 6.228 | 0.629 | -1.272 | 1.186 |
| Uso de TIC | 0.136 | -0.003 | 0.014 | 0.706 | -0.010 | 0.008 |
Fuente: elaboración propia con base en estimaciones realizadas en R
Nota: *variables instrumentales rezagadas, los valores en negritas son los valores con PIP > .50
La democratización de las instituciones fomenta el desarrollo de mecanismos de transparencia y rendición de cuentas, tanto legal como ciudadana. De esta manera no sólo los organismos formales observan el accionar del gobierno, sino que también la ciudadanía funge como fiscalizadora (Kolstad y Wiig, 2016).
En cuanto a la educación secundaria, el nivel de escolaridad puede representar un mejor entendimiento de las reglas de convivencia con la sociedad y su entorno, por lo que, mejora la cohesión social y con ello inhibe la extracción de rentas derivado de actos corruptos (Melgar et al., 2010).
Por otro lado, los resultados difieren cuando se utiliza la Tpc como variable dependiente. En este caso, los predictores con mayor robustez son: la educación media superior (PIP:99%), el PIB per cápita (PIP:98%), el índice de sociedad incluyente (PIP:86%) y el gobierno eficiente (PIP:77%).
A la luz de los hallazgos, contar con mecanismos administrativos estructurados de forma clara, simplificada y con un control estricto, permiten disminuir el riesgo de los ciudadanos a ser víctimas de corrupción. Sheryazdanova et. al, (2020) refieren que la inversión pública destinada a la instauración de un gobierno electrónico, fomenta la eficiencia del gobierno al ofrecer trámites y servicios públicos en diferentes canales a un menor costo, al mismo tiempo, fortalece los mecanismos de observancia inhibiendo los actos corruptos dentro de las dependencias.
El PIB per cápita, se relaciona con la reducción de la Tpc. Este resultado concuerda con un gran número de investigaciones (La Porta et al., 1999; Fisman y Gatti, 2002; Fan et al., 2009; Jetter et al., 2015; Jetter y Parmeter, 2018; Gnimassoun y Massil, 2019). Mantener un clima con condiciones institucionales propicias para el fomento de las actividades económicas, no sólo incide en el nivel de ingreso, sino también en los niveles de corrupción, debido a que genera condiciones que desinhiben su ocurrencia (Braun y Di Tella, 2004).
Por su parte, incrementar la inclusión en la sociedad disminuye la Tpc. De acuerdo a Mocán (2008) contar con una sociedad que comparta valores que reflejen mayor equidad e inclusión, permite generar condiciones más justas para la población, desalentando la ocurrencia de los actos corruptos.
La educación media superior está relacionada con el desarrollo de conocimientos y habilidades técnicas para el trabajo, por tanto puede significar mejores oportunidades de empleo, reduciendo la necesidad de obtener ingresos adicionales derivado de actos corruptos (Melgar et al., 2010).
Se encuentra sensibilidad de los resultados al utilizar diferentes variables dependientes. Este resultado es el esperado, debido a que el Ipc se construye para medir la percepción de la población. Por ello, es más propensa a la influencia de las condiciones institucionales. En contraste, la Tpc es una aproximación de la corrupción real experimentada por los ciudadanos al realizar un trámite o solicitar un servicio, de esta forma, es influenciada por variables que están relacionadas con las condiciones económicas y de eficiencia administrativa.
5.1. Entidades federativas según nivel de ingreso
Los estudios empíricos reconocen diferencias sustanciales en el desenvolvimiento de los fenómenos socioeconómicos cuando se toma en cuenta el nivel de ingreso de las regiones. (Cervellati, et al., 2014; Jetter y Parmeter, 2018).
Bajo este contexto, el análisis del IVBMA se orienta a probar si existen diferencias entre las entidades federativas según su nivel de ingreso per cápita. De la muestra inicial, se sustraen tres grupos y se ordenan en ingreso bajo, medio y alto (ver tabla 2).
Los resultados del IVBMA del grupo de ingreso bajo e ingreso medio (ver tabla 4), muestran que el Estado de Derecho es el determinante más robusto en cuanto a su relación con el Ipc. El resultado es consistente con la muestra completa.
Respecto a la Tpc, el determinante más robusto en las entidades federativas de ingreso bajo y alto es la población total (PIB:99%). Quizá se deba a que grandes concentraciones de población significan mayor demanda de trámites y servicios públicos, por tanto, crece el riesgo de corrupción.
Asimismo, para los estados de ingreso medio, se halló evidencia adicional de la población hablante de lengua indígena (PIP:84%) y de la diversidad política en el poder legislativo (82%). La diversidad política permite que se construyan contrapesos efectivos para los partidos gobernantes, fomentando la rendición de cuentas. Asimismo, donde se concentra mayor población indígena, la barrera del lenguaje puede propiciar que los funcionarios públicos se aprovechen de esa situación para cometer con mayor facilidad actos corruptos.
Finalmente, para las entidades federativas de ingreso alto, la educación secundaria (PIP:93%) y la sociedad incluyente (PIP:82%) exhiben fuerte conexión con el Ipc, resultado consistente con la muestra completa.
Conclusiones
El desarrollo democrático y la fortaleza del Estado de Derecho son fundamentales para reducir los niveles de corrupción en México, debido a que se traducen en mejoras en los mecanismos de transparencia y rendición de cuentas tanto legal como ciudadana. Del mismo modo, la inversión pública destinada a la instauración de herramientas tecnológicas que fomenten la eficiencia del gobierno y mejoren los controles anticorrupción, inhiben su ocurrencia. Estrada (2013) expone que en México la corrupción en muchos casos se encuentra institucionalizada, por consiguiente es necesario el fortalecimiento de la rendición de cuentas, la cultura ética y la práctica de valores en el servicio público, para reducir el riesgo de los ciudadanos a ser víctimas de algún acto corrupto.
Además, incrementar los niveles de escolaridad en la población, puede fomentar la inclusión social y reducir los niveles de corrupción. Mejía (2020) señala la necesidad de incluir en las escuelas de educación básica una filosofía educativa que promueva una cultura cívica, con valores comunitarios como el respeto, la cooperación, la participación ciudadana y el combate a la corrupción.
Por otro lado, el PIB per cápita refleja las condiciones económicas de las entidades federativas. Para que se genere un crecimiento económico, es necesaria una oferta de servicios públicos de calidad. Además, se requiere el fortalecimiento de las instituciones que dan certidumbre al mercado. Estas condiciones generan un nivel mayor de cumplimiento y transparencia, por tanto, una menor propensión a la corrupción. Ríos y Wood (2018) describen que tener instituciones sólidas que garanticen el cumplimiento de las normas y leyes, inhibe la ocurrencia de la corrupción.
Cuando se agrupa a las entidades federativas de acuerdo al nivel de ingreso, se encuentra que el Estado de Derecho es una variable que presenta una relación robusta en las entidades de ingreso bajo y medio. Por otra parte, la educación ostenta evidencia significativa para las entidades de ingreso medio y alto.
El tamaño de población incide en la prevalencia de la corrupción en las entidades de ingreso bajo y alto. Cuando la población es grande, la interacción de la sociedad con el gobierno es mayor. A su vez, el control de las tareas de gobierno en regiones con alta concentración de población requiere de mecanismos de control robustos y eficaces (Meza y Pérez, 2021).
Una de las limitantes de la investigación es que no se prueban empíricamente los mecanismos de afectación de las variables independientes en la corrupción. Sólo se demuestra su conexión. Asimismo, los resultados no dicen nada sobre la velocidad en la que se ven reflejados los efectos de las variables independientes. De esta forma, utilizar variables independientes rezagadas podrían llevar a conclusiones diferentes. Investigaciones futuras se pueden centrar en probar empíricamente los mecanismos de afectación de cada una de las variables independientes halladas. Asimismo, sería interesante examinar la velocidad en la que se manifiestan los efectos de dichas variables y su persistencia en el tiempo.
Tabla 4 Resultados IVBMA de entidades federativas según nivel de ingreso
| Variables Explicativas | Ingreso Bajo | Ingreso Medio | Ingreso Alto | |||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| IPC [5] | TPC [6] | IPC [3] | TPC [4] | IPC [1] | TPC [2] | |||||||||||||
| PIP | Post Med | Post DE | PIP | Post Med | Post DE | PIP | Post Med | Post DE | PIP | Post Med | Post DE | PIP | Post Med | Post DE | PIP | Post Med | Post DE | |
| Derechos políticos* | 0,145 | 0,015 | 0,072 | 0,216 | -0,004 | 0,011 | 0,376 | 0,101 | 0,196 | 0,351 | 0,009 | 0,018 | 0,369 | 0,075 | 0,125 | 0,142 | 0,001 | 0,008 |
| Diversidad política en el poder legislativo | 0,337 | 0,094 | 0,166 | 0,320 | -0,011 | 0,020 | 0,284 | 0,034 | 0,221 | 0,825 | -0,044 | 0,028 | 0,158 | -0,020 | 0,081 | 0,434 | 0,018 | 0,025 |
| Educación media superior | 0,130 | 0,005 | 0,035 | 0,429 | -0,008 | 0,012 | 0,423 | -0,168 | 0,300 | 0,227 | 0,000 | 0,013 | 0,282 | -0,068 | 0,153 | 0,164 | 0,000 | 0,010 |
| Educación primaria | 0,228 | -0,044 | 0,151 | 0,386 | -0,030 | 0,055 | 0,266 | 0,196 | 0,588 | 0,177 | 0,002 | 0,025 | 0,401 | 0,101 | 0,171 | 0,504 | -0,023 | 0,029 |
| Educación secundaria | 0,587 | -0,175 | 0,186 | 0,528 | -0,031 | 0,040 | 0,605 | 0,685 | 0,717 | 0,948 | -0,153 | 0,055 | 0,934 | 0,496 | 0,200 | 0,235 | 0,006 | 0,016 |
| Estabilidad política* | 0,144 | 0,004 | 0,024 | 0,404 | -0,006 | 0,009 | 0,230 | 0,008 | 0,084 | 0,221 | 0,000 | 0,007 | 0,166 | -0,002 | 0,022 | 0,320 | -0,003 | 0,005 |
| Estado de derecho* | 0,949 | 5,262 | 2,091 | 0,160 | -0,015 | 0,083 | 0,638 | 4,848 | 4,529 | 0,934 | -0,899 | 0,375 | 0,157 | -0,142 | 0,917 | 0,290 | 0,096 | 0,210 |
| Gobierno eficiente* | 0,142 | -0,003 | 0,023 | 0,398 | -0,004 | 0,007 | 0,450 | -0,114 | 0,179 | 0,317 | -0,003 | 0,006 | 0,142 | -0,001 | 0,015 | 0,546 | -0,006 | 0,007 |
| Índice de competitividad estatal | 0,142 | 0,008 | 0,059 | 0,514 | -0,025 | 0,031 | 0,396 | 0,206 | 0,356 | 0,258 | 0,005 | 0,015 | 0,185 | -0,006 | 0,068 | 0,169 | -0,001 | 0,009 |
| Índice de GINI* | 0,120 | -0,259 | 3,903 | 0,526 | 1,288 | 1,514 | 0,695 | 23,639 | 20,080 | 0,156 | 0,062 | 0,510 | 0,174 | -1,410 | 5,292 | 0,569 | 1,493 | 1,596 |
| Índice de rendición de cuentas* | 0,174 | -0,034 | 0,117 | 0,446 | -0,021 | 0,030 | 0,250 | -0,082 | 0,242 | 0,203 | -0,004 | 0,018 | 0,145 | 0,003 | 0,058 | 0,141 | 0,001 | 0,008 |
| Índice democratico* | 0,225 | 0,089 | 0,239 | 0,459 | -0,033 | 0,046 | 0,491 | 0,308 | 0,477 | 0,462 | 0,028 | 0,038 | 0,272 | 0,078 | 0,176 | 0,175 | 0,004 | 0,015 |
| Inversión extranjera directa | 0,117 | 0,541 | 8,530 | 0,184 | -0,390 | 1,289 | 0,381 | 29,047 | 49,776 | 0,162 | 0,170 | 1,657 | 0,593 | -10,566 | 10,877 | 0,258 | 0,116 | 0,986 |
| Libertad civil* | 0,137 | -0,012 | 0,078 | 0,373 | 0,013 | 0,021 | 0,186 | -0,002 | 0,123 | 0,300 | 0,008 | 0,017 | 0,166 | 0,010 | 0,072 | 0,142 | -0,002 | 0,008 |
| Explotación de recursos naturales | 0,145 | -0,005 | 0,025 | 0,393 | -0,006 | 0,010 | 0,444 | 0,069 | 0,119 | 0,274 | 0,003 | 0,008 | 0,175 | 0,006 | 0,024 | 0,186 | 0,001 | 0,003 |
| Participación de las mujeres en el poder legislativo | 0,123 | -0,006 | 0,059 | 0,125 | 0,000 | 0,006 | 0,220 | -0,035 | 0,108 | 0,228 | -0,003 | 0,010 | 0,126 | -0,001 | 0,050 | 0,149 | 0,000 | 0,009 |
| Pib percapita* | 0,172 | 0,339 | 1,619 | 0,404 | -0,168 | 0,645 | 0,563 | 2,815 | 3,826 | 0,561 | -0,139 | 0,186 | 0,545 | 0,810 | 0,916 | 0,537 | 0,109 | 0,134 |
| Poblacion con lengua indigena | 0,147 | 0,404 | 2,983 | 0,263 | 0,272 | 0,758 | 0,328 | 9,953 | 24,349 | 0,842 | 3,770 | 2,204 | 0,255 | -5,182 | 13,100 | 0,242 | 0,966 | 2,872 |
| Poblacion con religión catolica | 0,171 | -0,364 | 6,241 | 0,417 | -0,795 | 1,633 | 0,592 | -84,972 | 113,607 | 0,359 | 1,251 | 2,695 | 0,232 | 1,466 | 8,733 | 0,950 | 8,557 | 3,119 |
| Poblacion con religión diferente a la catolica | 0,188 | 1,555 | 9,203 | 0,562 | 1,582 | 2,041 | 0,485 | -69,658 | 124,656 | 0,250 | 0,458 | 2,942 | 0,343 | 9,283 | 20,477 | 0,999 | -18,249 | 5,205 |
| Población total | 0,141 | -0,041 | 0,609 | 0,995 | 0,997 | 0,277 | 0,338 | 4,352 | 10,106 | 0,488 | -0,016 | 0,653 | 0,243 | -0,565 | 1,486 | 0,980 | 0,788 | 0,264 |
| Sistema judicial confiable* | 0,133 | 0,001 | 0,011 | 0,158 | 0,000 | 0,002 | 0,457 | 0,065 | 0,096 | 0,205 | 0,000 | 0,004 | 0,506 | 0,033 | 0,041 | 0,158 | 0,000 | 0,002 |
| Sociedad incluyente | 0,138 | -0,001 | 0,033 | 0,364 | 0,007 | 0,013 | 0,191 | -0,013 | 0,088 | 0,189 | 0,001 | 0,008 | 0,824 | 0,151 | 0,102 | 0,382 | 0,005 | 0,009 |
| Tamaño de gobierno* | 0,220 | -2,990 | 8,242 | 0,250 | -0,337 | 1,315 | 0,269 | 0,994 | 33,806 | 0,240 | 0,713 | 2,290 | 0,221 | -2,727 | 11,665 | 0,465 | -2,196 | 2,957 |
| Uso de TIC | 0,139 | -0,004 | 0,057 | 0,172 | 0,000 | 0,010 | 0,444 | 0,177 | 0,286 | 0,393 | 0,008 | 0,014 | 0,235 | -0,010 | 0,042 | 0,257 | 0,001 | 0,005 |
Fuente: elaboración propia con base en estimaciones realizadas en R.
Nota: *variables instrumentales rezagadas, los valores en negritas son los valores con PIP > .50. Se considera a las 32 entidades federativas, las cuales están clasificadas de acuerdo a su nivel de ingreso: ingreso bajo (PIB per cápita≤1,045 dólares), ingreso medio (1,046≤PIB per cápita≤4,095 dólares) e ingreso alto (4,096≤PIB per cápita≤12,695).
