|
|
PRIMER SEMESTRE 2022 NÚMERO 33 |
ISSN: 1659-2069 |
Una mirada cantonal mediante estadística espacial al efecto del
desarrollo humano sobre el apoyo electoral en la segunda ronda de la elección
presidencial de 2018
Elías Chavarría Mora*
https://doi.org/10.35242/RDE_2022_22_33_5
Nota del Consejo Editorial
Recepción: 25 de
octubre de 2021.
Revisión, corrección y aprobación: 14 de enero de 2022.
Resumen: ¿Cómo podemos pensar este efecto geográfico sobre la distribución de apoyos
electorales en la segunda ronda de las elecciones presidenciales del 2018? Si
bien es claro que existió aglomeración geográfica en el apoyo a los dos
partidos que participaron en el balotaje, es importante estudiar las causas y
la naturaleza de esa aglomeración. A partir de los resultados electorales, el
índice de desarrollo humano y polígonos de información geográfica a nivel
cantonal, se utiliza un modelo de autorregresión espacial y un modelo de X
retrasada espacialmente, los dos modelos de regresión espacial fueron tomados
de la literatura econométrica para responder esta pregunta. Los resultados
indican que existen diferencias en la naturaleza de la aglomeración entre el
apoyo al Partido Acción Ciudadana y el Partido Restauración Nacional, no solo
en la dirección del efecto del índice de desarrollo humano, sino también en la
naturaleza de la difusión del efecto.
Palabras clave: Participación política / Balotaje / Elecciones
presidenciales / Distribución de electores / Geografía electoral / Desarrollo
humano.
Abstract: How can we see this geographic
effect on the distribution of electoral support in the runoff of the 2018
presidential elections? Although it is
clear that there was geographic agglomeration in the support of the two parties
that participated in the runoff, it is important to study the causes for this
agglomeration as well as its nature.
Utilizing electoral results, the index of human development and
geographic information polygons at a county level. A model of spatial self-regression is
utilized, and also a model of spatial-delay X, two models taken from
econometric literature to explore these questions. The results indicate that there are
differences in the nature of the agglomeration between the Partido Acción Ciudadana
(PAC) and Partido Restauración Nacional (PRN) not just in terms of the
direction of the effect of the human development index but also in terms of the
dissemination of the effect.
Key Words: Political participation / Runoff / Presidential elections / Distribution
of voters / Electoral geography / Human development.
1.
Introducción
Las elecciones
presidenciales del 2018 en Costa Rica han sido consideradas como atípicas y de
gran importancia para el futuro del país, por lo que han dado paso a sendas
investigaciones sobre el proceso electoral y sus resultados (Alfaro y Alpízar, 2020; Rodríguez et al., 2019; Rojas
y Treminio, 2019 y Siles, 2020). Por tercera vez en la historia
reciente del país, ninguno de los partidos que competían obtuvo suficientes
votos para poder obtener la silla presidencial en la primera ronda, por lo cual
los dos más votados pasaron a un balotaje el primero de abril. Estos dos
partidos fueron el centro-izquierdista Partido Acción Ciudadana (PAC) y el
Partido Restauración Nacional (PRN), conservador y con cercanías al neopentecostalismo
religioso. El PRN ha sido, además, descrito por expertos como un partido con
cercanías al populismo y la derecha radical (Pignataro y Treminio, 2019 y Siles et al., 2021), precisamente uno de los motivos
por los cuales se le ha dado tanta atención a la elección.
Un importante
ángulo de análisis terminó siendo el peso del factor geográfico sobre los
resultados de la elección. El porqué de esto resulta evidente al ver en un mapa
el apoyo obtenido por cada partido en la segunda ronda, como se muestra en la figura
1. En general, se nota que las áreas con mayor desarrollo económico en el centro
del país mostraron una tendencia por apoyar al PAC; mientras que las áreas con
menor desarrollo en la periferia mostraron un mayor apoyo por el PRN, en
especial en las regiones al norte y este del país. ¿Cómo podemos pensar este
efecto geográfico sobre la distribución de apoyos electorales en la segunda
ronda de las elecciones presidenciales de 2018?
2.
El elemento geográfico
La
distribución espacial tiene un efecto en las opiniones y comportamiento
político dada la influencia contextual de vivir en una comunidad, la potencia
de difusión de esa influencia, las limitaciones geográficas al movimiento e
incluso el desarrollo de identidades sociales (Cho y Gimpel, 2012). Entre los estudios que se han abocado
a esclarecer cómo el factor geográfico ha impactado resultados electorales en
Costa Rica, se ha observado que tanto en el 2014 como en el 2018 clivajes de
tipo cultural, procesos de desnacionalización de los partidos políticos y
factores socioeconómicos han repercutido en la distribución geográfica del voto
(Cascante et al., 2020). La densidad de templos
cristianos no católicos a nivel cantonal resulta también una variable relevante
y sumamente innovadora para explicar el aglutinamiento territorial de apoyo a
Restauración Nacional en la elección del 2018 (Rodríguez et al., 2019).
El nivel de
desarrollo económico parece tener un efecto en la distribución
geográfica de apoyo a los partidos políticos en la segunda ronda de las
elecciones del 2018. El índice de desarrollo humano puede verse como una
medida más amplia, puesto que suma al ingreso medio por cantón otras variables
importantes de estatus socioeconómico tales como el nivel educativo medio por
cantón, así como la calidad de vida, también claro, tomando el promedio
cantonal.
A partir de lo
previamente expuesto, considero el índice de desarrollo humano como una
variable explicativa para el nivel de apoyo electoral para cada uno de los
partidos que compitieron en la segunda ronda. La hipótesis es que un nivel más
alto de desarrollo humano se correlacione con un nivel más alto de apoyo por el
PAC
3.
Datos
Para probar la
relación entre el índice de desarrollo humano y el apoyo electoral para cada
partido, se creó una base de datos a partir de diferentes fuentes.
Primeramente, uso los datos oficiales de resultados electorales del Tribunal Supremo de Elecciones (s. f.), los cuales están desagregados hasta
el tercer nivel administrativo e incluyen el número total de votantes
registrados por unidad geográfica, el número de votos que obtuvo cada partido,
el número de votos nulos y el número de votos en blanco. Para los datos de
desarrollo humano, utilizo el Atlas de Desarrollo Humano Cantonal del Programa de la Naciones Unidas para el Desarrollo (s. f.).
La variable
dependiente es el porcentaje de votos obtenidos por cada partido en la segunda
ronda de las elecciones en cada cantón, mientras que la variable independiente
es el desarrollo humano a nivel cantonal. En cuanto a la información geográfica
necesaria para el análisis, uso los shapefiles[1]
con los datos geográficos de Costa Rica en su segundo nivel administrativo,
obtenidos del sitio web de Database of Global Administrative
Areas (GADM).
4.
Métodos
Aunque el
aglutinamiento espacial en el apoyo por cada partido es relativamente claro con
solo ver los mapas de la figura 1, es preferible probar la relación mediante el
índice estadístico I de Moran[2].
Para calcularlo, creé una matriz de pesos espaciales con el lenguaje de
programación R[3]
utilizando la función poly2nb del paquete spdep [4]y
los shapefiles de GADM.
Con respecto
al apoyo electoral al PAC, el I de Moran es 0.59, con un peso espacial (p) menor
que 0.05. Esto indica que la hipótesis nula, es decir, que los datos están
distribuidos al azar en el espacio, debe de rechazarse. Esto significa que hay
presencia de agrupamiento espacial. Con respecto al PRN, el I de Moran es 0.41
con un valor de p también menor que 0.05,
también apunta que se debe rechazar la hipótesis nula. Por tanto, el porcentaje
de apoyo a nivel cantonal para ambos partidos muestra agrupamiento espacial que
es de esperarse considerando que se está viendo el porcentaje de apoyo para dos
partidos.
Para escoger
el modelo de regresión adecuado, pruebo si el agrupamiento está en los
observables o en los inobservables, o si existe interdependencia en los
resultados o es necesario un modelo de dos fuentes. Con esto me refiero a saber
si el agrupamiento es en variables explicativas incluidas en el modelo o en
variables explicativas excluidas y, por tanto, su efecto queda atrapado por el
término de error.
Para esto, uso
una prueba de multiplicadores de Lagrange tanto para el retraso de un periodo (lag)
de la variable explicativa como para el término de error. La tabla 1 muestra
los resultados, dado que hay una diferencia entre los resultados normales y la
versión robusta de las pruebas, es preferible enfocarse en las pruebas de
multiplicadores de Lagrange robustas para escoger el modelo.
Para el apoyo
electoral al PAC, mientras la prueba del multiplicador de Lagrange del error
rechaza la hipótesis nula, la prueba del multiplicador de Lagrange del lag
falla en rechazar la hipótesis nula. Esto sugiere que existe interdependencia
del resultado, es decir, que el agrupamiento está en la variable dependiente, lo
que indica la necesidad de usar un modelo de autorregresión espacial (spatial
autoregression, SAR). Por su parte, con respecto al apoyo electoral del
PRN, ambas pruebas robustas fallan en rechazar la hipótesis nula, lo cual
sugiere que el agrupamiento se encuentra en los observables, es decir en la
variable independiente, por tanto, utilizo un modelo de X retrasada
espacialmente (spatially lagged X, SLX).
Tabla 1
Pruebas de multiplicadores de Lagrange[5]
|
Pruebas multiplicador Lagrange |
Apoyo
electoral para el PAC |
Apoyo
electoral para el PRN |
|
|
28.61
*** |
22.37
*** |
|
|
36.27
*** |
23.55
*** |
|
|
0.25 |
0.06 |
|
|
7.91** |
1.24 |
Nota: Los asteriscos indican el nivel de significancia: 0 =
***, 0.001=**
5.
Resultados
La tabla 2
incluye los resultados el modelo SAR para el porcentaje de voto del PAC,
mientras que la tabla 3 tiene los resultados del modelo SLX para los votos del
PRN. Para propósitos de la interpretación, es importante recordar que la
variable independiente es el índice de desarrollo humano a nivel cantonal,
mientras que la variable dependiente es el porcentaje de votos válidos recibido
por cada partido en la segunda ronda, también a nivel cantonal. Para facilitar
la interpretación, recodifiqué el IDH de un número continuo entre 0 y 1 a un
porcentaje.
Dado que el
modelo SAR confunde los efectos directos e indirectos, los descompongo. El
efecto directo, que corresponde al efecto de la unidad espacial en las
circundantes es de 0.89, mientras que el efecto indirecto es de 2.26, correspondiente
al efecto de derrame que la unidad espacial tiene a través de otras unidades.
Como indica la tabla 2, el IDH tiene un efecto positivo tanto directo como
indirecto en el porcentaje de votos obtenido por el PAC. Nótese, además, que el
efecto indirecto es más grande. Con respecto al PRN, el modelo de la tabla 3
indica que el IDH tiene un efecto negativo sobre el porcentaje de votación del
PRN. Ambos resultados son consistentes con la hipótesis.
Tabla 2
Efecto del IDH
sobre el apoyo electoral del PAC a nivel cantonal, 2018 (modelo SAR)
|
Variable |
Modelo
SAR |
|
IDH |
0.73 |
|
Constante |
-49.62 |
|
Observaciones |
81 |
|
Rho |
0.76866 |
|
Log likelihood |
-276.02 |
|
Criterio de información de Akaike |
560.05 |
Tabla 3
Efecto del IDH
sobre el apoyo electoral del PRN a nivel cantonal, 2018 (modelo SLX)
|
Variable |
Modelo
SLX |
|
IDH |
-0.4358*** |
|
IDH (lag) |
-0.0000027 |
|
Constante |
60.22*** |
|
Observaciones |
81 |
|
R-cuadrado ajustado |
0.113 |
Nota: Los asteriscos
indican el nivel de significancia: 0 = ***
6.
Discusión
El carácter
reñido y atípico de las elecciones del 2018 en Costa Rica las hacen de
particular interés para su estudio. Es posible observar de forma clara una
correlación entre el factor geográfico y la distribución del voto en la segunda
ronda, donde el nivel de desarrollo socioeconómico parece tener un efecto sobre
el porcentaje de apoyo a cada partido.
Si bien la
aglomeración espacial es clara, es importante considerar
primeramente las causas de esta aglomeración, como el ya mencionado nivel de
desarrollo socioeconómico, así como variables culturales (el clivaje entre
progresistas y conservadores), institucionales (la desnacionalización del
sistema de partidos) y de capital social y vida asociativa (presencia de
templos cristianos no católicos). Primeramente, es importante buscar establecer
inferencia causal más allá de correlación y, además, considerar la estructura
de la relación tomando en cuenta la naturaleza de interrelación de los datos
geográficos: no solo se rompen los supuestos de homocedasticidad e
independencia entre las observaciones, sino que también se debe buscar modelar
el proceso de difusión del efecto geográfico.
A fin de lograr un acercamiento a este tipo de análisis, utilizo el
índice de desarrollo humano como una primera variable útil para estudiar estas
dinámicas a nivel cantonal. Los resultados de los modelos de estadística
espacial utilizados son consistentes con las expectativas planteadas en mis
hipótesis: un nivel más alto de desarrollo humano a nivel cantonal indica un
mayor apoyo al PAC, mientras que un nivel más bajo de desarrollo humano indica
más apoyo al PRN en ese cantón.
Para el caso del PAC, no solo se puede ver un efecto del IDH que aumenta
el apoyo por el partido en los alrededores inmediatos del cantón, sino que
también se puede observar un efecto de derrame, donde un nivel alto de índice
de desarrollo humano en un cantón afecta a los cantones a su alrededor de forma
tal que crece el apoyo por el PAC en estos y, a su vez, afecta los cantones que
colindan con los que colindan con el primer cantón. En otras palabras, la
diferencia entre el efecto del IDH en el apoyo a cada partido es de una
difusión global para el PAC, mientras que únicamente local para el PRN.
De continuarse notando el tipo de aglutinamiento espacial en el apoyo
electoral que se observó en la elección del 2018, una ruta de investigación
valiosa sería aplicar modelos de estadística espacial, como los utilizados en
este artículo, para modelar los efectos de difusión de las variables
explicativas de dicho aglutinamiento; tomando además en cuenta la inclusión de
otras variables relevantes, como las culturales, institucionales y asociativas
mencionadas en la revisión de literatura. Desde esta misma lógica, puede
resultar fructífera la creación de nuevas bases de datos que incluyan otras
variables relevantes desagregadas a nivel cantonal e incluso distrital.
Referencias bibliográficas
Alfaro, R. y Alpízar, F. (Eds.).
(2020). Elecciones 2018 en Costa Rica : retrato de una democracia
amenazada. San José, C.R.: CONARE-PEN.
Cascante, M. J., Gómez, S. y Camacho,
S. (2020). Perspectivas territoriales de la competencia partidista. En R.
Alfaro Redondo y F. Alpízar Rodríguez (Eds.), Elecciones 2018 en Costa
Rica : retrato de una democracia amenazada (pp. 48-66). San José,
C.R.: CONARE-PEN.
Cho, W. y Gimpel, J. G. (2012). Geographic information systems and
the spatial dimensions of American politics. Annual Review of Political
Science, (15), 443-460.
Recuperado de https://doi.org/10.1146/annurev-polisci-031710-112215
Database of Global Administrative
Areas (GADM) (s. f.). GADM data version 3.6. Recuperado de https://gadm.org/download_country_v3.html
Pignataro, A. y Treminio, I. (2019).
Reto económico, valores y religión en las elecciones nacionales de Costa Rica
2018. Revista de Ciencia Política (Santiago), 39(2), 239–263. Recuperado
de https://doi.org/10.4067/s0718-090x2019000200239
Programa de la Naciones Unidas para
el Desarrollo (s. f.). Atlas de Desarrollo Humano Cantonal. Recuperado de https://www.cr.undp.org/content/costarica/es/home/atlas-de-desarrollo-humano-cantonal.html
Rodríguez, F., Herrero, F., y Chacón,
W. (2019). Anatomía de una fractura. Desintegración social y elecciones del
2018 en Costa Rica. San José, C.R.: FLACSO.
Rojas, M. y Treminio, I. (Eds.).
(2019). Tiempos de travesía. Análisis de las elecciones del 2018 en Costa
Rica. San José. C.R.: FLACSO.
Siles, I. (Ed.). (2020). Democracia
en Digital: Facebook, Comunicación y Política en Costa Rica. San José.
C.R.: Universidad de Costa Rica. Centro de Investigación en Comunicación.
Siles, I. y otros (2021). Populism, Religion, and Social Media
in Central America. International Journal of Press/Politics. 26(1), 210-235. Recuperado de https://doi.org/10.1177/19401612211032884
Tribunal Supremo de Elecciones de
Costa Rica (s.f.). Estadísticas de Procesos Electorales. Recuperado de https://www.consulta.tse.go.cr/estadisticas_elecciones.htm