¿Migrar paga? Con y sin controles.
Los migrantes recientes son más jóvenes y más educados que quienes no se movieron; comparar promedios mezcla ese efecto de composición con el de migrar. Aquí cada brecha se muestra cruda y ajustada por edad, sexo, educación, área y región (modelo lineal de probabilidad ponderado, errores estándar de diseño), y se descompone.
Más informales, incluso a igual perfil
La brecha de informalidad migrante−residente es 4.9 pp cruda y 3.8 pp ajustada: la composición explica sólo una parte; el resto es la inserción precaria de quien llega.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 58,320, R² = 0.232. Controles: age, sex, educ4, area, region_nat, lengua3. Efecto marginal logit: 2.9 pp.
…pero ganan más
El ingreso laboral de los migrantes recientes es 7.8 % mayor en bruto y 6.4 % mayor a igual edad, sexo, educación y lugar. Migrar es una inversión que rinde en ingreso y se paga en protección.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 51,895, R² = 0.268. Controles: age, sex, educ4, area, region_nat, lengua3.
Desempleo y pobreza
Ajustado, el migrante reciente tiene -1.2 pp de desempleo respecto al residente y 0.8 pp de pobreza monetaria. Ninguna de las dos brechas es grande; la migración interna no produce un grupo excluido, produce un grupo desprotegido.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 60,479, R² = 0.033. Controles: age, sex, educ4, area, region_nat.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 102,960, R² = 0.071. Controles: age, sex, educ4, area, region_nat.
Descomposición de la brecha de ingreso
De la ventaja de 7.8 log-puntos, 1.4 se explican por características (más jóvenes, más educados, más urbanos) y 6.4 por retornos distintos.
Oaxaca–Blinder two-fold (coeficientes de referencia: muestra agrupada). Barras = IC 95 % bootstrap Rao–Wu (R = 150). Jade: componente que reduce la brecha; carmín: la amplía o no se explica.
Oaxaca–Blinder two-fold (coeficientes de referencia: muestra agrupada). Barras = IC 95 % bootstrap Rao–Wu (R = 150). Jade: componente que reduce la brecha; carmín: la amplía o no se explica.
¿Empuja el clima? La respuesta honesta: no de forma detectable
Sin controles, un año seco adicional en el departamento de origen se asocia a -0.34 pp en la probabilidad de haber emigrado; con controles, -0.09 pp (IC -0.37 a 0.19); con errores agrupados por departamento de origen el intervalo es aún más ancho (SE 1.435). La tasa media de emigración es 2.42 %. Anomalía térmica y de lluvia: tampoco significativas.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 539,058, R² = 0.0063. Controles: edad, sexo, educación, área, región, año.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 539,058, R² = 0.0064. Controles: edad, sexo, educación, área, región, año.
Puntos = coeficientes; barras = IC 95 % con errores de diseño (PSU = conglomerado). n = 539,058, R² = 0.0063. Controles: edad, sexo, educación, área, región, año.
Población de 5+ años observada en destino (ENAHO 2019–2023, agrupada; pesos /5). Exposición = media de los 5 años previos en el departamento de origen (para quienes no migraron, el departamento actual). Controles: edad, sexo, educación, área, región natural actual y año. Coeficientes ×100 = puntos porcentuales de probabilidad de haber emigrado. Dos errores estándar: por conglomerado (diseño) y por departamento de origen (25 clusters, conservador). Relación descriptiva.
Brechas ajustadas por submuestra
| Modelo | Submuestra | Cruda | Ajustada | n |
|---|---|---|---|---|
| Informalidad: migrante reciente vs residente | 1 | 7.0 | 3.5 | 37,133 |
| Informalidad: migrante reciente vs residente | Rural | -2.0 | 1.4 | 21,187 |
| Informalidad: migrante reciente vs residente | Costa | 1.2 | 3.2 | 17,438 |
| Informalidad: migrante reciente vs residente | Sierra | -1.0 | 2.3 | 21,163 |
| Informalidad: migrante reciente vs residente | Selva | -3.2 | 0.6 | 13,071 |
| Informalidad: migrante reciente vs residente | Lima Metropolitana | 15.0 | 7.0 | 6,648 |
| Informalidad: migrante reciente vs residente | 1 | 3.9 | 2.0 | 31,254 |
| Informalidad: migrante reciente vs residente | Mujer | 6.5 | 6.4 | 27,066 |
| Informalidad: migrante reciente vs residente | Hasta primaria | -1.2 | -0.1 | 17,015 |
| Informalidad: migrante reciente vs residente | Secundaria | 1.3 | -0.5 | 23,552 |
| Informalidad: migrante reciente vs residente | Superior no univ. | 15.0 | 10.1 | 8,360 |
| Informalidad: migrante reciente vs residente | Universitaria | 17.2 | 12.2 | 9,393 |
| Ingreso laboral (log): migrante reciente vs residente | 1 | 5.4 | 8.1 | 35,232 |
| Ingreso laboral (log): migrante reciente vs residente | Rural | 18.2 | -0.1 | 16,663 |
| Ingreso laboral (log): migrante reciente vs residente | Costa | 12.5 | 5.4 | 16,538 |
| Ingreso laboral (log): migrante reciente vs residente | Sierra | 20.9 | 8.3 | 17,553 |
| Ingreso laboral (log): migrante reciente vs residente | Selva | 11.7 | 1.3 | 11,257 |
| Ingreso laboral (log): migrante reciente vs residente | Lima Metropolitana | -4.4 | 9.7 | 6,547 |
| Ingreso laboral (log): migrante reciente vs residente | 1 | 9.1 | 9.9 | 29,405 |
| Ingreso laboral (log): migrante reciente vs residente | Mujer | 2.9 | 0.6 | 22,490 |
| Ingreso laboral (log): migrante reciente vs residente | Hasta primaria | 18.6 | -1.7 | 14,050 |
| Ingreso laboral (log): migrante reciente vs residente | Secundaria | 8.8 | 10.4 | 20,827 |
| Ingreso laboral (log): migrante reciente vs residente | Superior no univ. | -10.1 | -2.5 | 7,975 |
| Ingreso laboral (log): migrante reciente vs residente | Universitaria | -6.8 | 4.2 | 9,043 |
| Desempleo: migrante reciente vs residente | 1 | -0.4 | -1.6 | 39,041 |
| Desempleo: migrante reciente vs residente | Rural | -0.1 | -0.7 | 21,438 |
| Desempleo: migrante reciente vs residente | 1 | 0.1 | -0.5 | 32,236 |
| Desempleo: migrante reciente vs residente | Mujer | -0.6 | -2.1 | 28,243 |
| Pobreza monetaria: migrante reciente vs residente | 1 | 3.5 | 1.6 | 68,860 |
| Pobreza monetaria: migrante reciente vs residente | Rural | -5.6 | -2.7 | 34,100 |
| Pobreza monetaria: migrante reciente vs residente | Costa | -2.4 | -2.7 | 31,871 |
| Pobreza monetaria: migrante reciente vs residente | Sierra | -2.0 | 0.9 | 34,694 |
| Pobreza monetaria: migrante reciente vs residente | Selva | -6.6 | -5.1 | 23,463 |
| Pobreza monetaria: migrante reciente vs residente | Lima Metropolitana | 10.3 | 6.0 | 12,932 |
Coeficientes LPM ×100: puntos porcentuales (resultados 0/1) o ≈ % (log ingreso). sandwich linealizado por PSU; IC t con df = n_psu − n_estratos. Descarga: models.json, decompositions.json, drought_model.json.