Teorías explicativas de la movilización social

La primera teoría que se va a considerar para el análisis es la teoría de agravios, que surgió de la explicación básica del descontento social, basada en la importancia de los agravios y de las privaciones dentro de un grupo. ^{Meneses (2016}: 46) sostiene que "los que protestan apelan a sus valores y valoraciones con el fin de darle sentido, coherencia, razón y racionalidad a la acción en la cual participan". De esta forma, existe un componente moral desde el concepto de justicia que permite comprender la ocurrencia de este tipo de acción colectiva en una mirada amplia y flexible, teniendo en cuenta causas políticas, económicas, entre otras. En otras palabras, la frustración y el descontento que surgen cuando hay expectativas no cumplidas del funcionamiento interior de un grupo social, generan los incentivos necesarios para protestar (^{Quaranta, 2017}).

Ahora bien, los agravios no representan una explicación total para comprender por qué ocurre la protesta social, a pesar de ser básicos para que suceda, pues no hay tantas protestas como agravios existentes en grupos sociales, ni todos los grupos agraviados logran manifestarse por medio de protestas. Por esta razón, surgieron otras explicaciones potenciales, de las que se retomarán las dos principales.

La primera es la teoría de movilización de recursos, propuesta y trabajada principalmente por Sidney Tarrow, Charles Tilly, Craig Jenkins, Jhon McCarthy y Mayer Zald, en la que se argumenta que el grupo social aprovecha sus recursos o capacidades internas para movilizarse y promover cambios. Los agravios son entendidos como constantes, a pesar de ser el motor fundamental de la acción colectiva, teniendo así un papel secundario en la protesta, evento esencialmente dinámico. Es necesario entonces comprender "cómo los individuos reunidos en organizaciones sociales gestionan los recursos de que disponen (recursos humanos, de conocimiento, económicos, etc.) para alcanzar los objetivos propuestos" (^{Galafassi, 2011}). Estos recursos no se encuentran distribuidos de forma equitativa en la población, lo cual puede reducir la probabilidad de participación de algunos actores sociales.

También se puede limitar la explicación de la protesta social a términos económicos, siendo esta una de las principales críticas a la teoría de movilización de recursos, que deja de lado nociones como el bien común o los ideales, asuntos que normalmente acompañan las movilizaciones (^{Puricelli, 2005}). Tampoco tiene en cuenta la concientización de bases sociales ni las dinámicas de difusión para capturar la atención de más simpatizantes, que pueden influir en que grupos sociales sin los recursos necesarios para la movilización, logren manifestar sus propios reclamos, o sumarse a los existentes.

En este orden de ideas, la segunda teoría de estructura de oportunidades políticas, en la que también se pueden encontrar valiosos aportes de Tarrow y Tilly, busca generar explicaciones a la protesta social desde factores exógenos a los grupos sociales, en otras palabras, a partir del contexto en el que se produce. Esta teoría rescata la importancia de la existencia de la oportunidad para movilizarse, sin hacer énfasis en los recursos ni darles un papel preponderante a los agravios. ^{Tarrow (1997}: 49) define la oportunidad como "dimensiones consistentes -aunque no necesariamente formales, permanentes o nacionales- del entorno político, que fomentan o desincentivan la acción colectiva entre la gente". Así, la existencia o no de recursos abundantes, o profundos agravios, pueden no llegar a movilizar si no existe la oportunidad.

En esencia, la oportunidad refiere a momentos o situaciones que puede aprovechar el grupo social para movilizarse, a contextos nacionales y a hechos específicos de corta o larga duración, que contribuyen al estallido social. El problema es que la teoría ganó tanto terreno en el campo teórico, que perdió consenso sobre lo que se entiende por estructura de oportunidad, cómo funciona en la movilización, y cómo se explica que existan movimientos sociales que no operen de formas similares. Se puede llegar, incluso, a razonamientos tautológicos como: "¿por qué las personas se movilizaron? Porque existía una estructura de oportunidad para hacerlo. Y, ¿cómo sabemos que tal estructura existía? Porque las personas se movilizaron" (^{Galindo-Español, 2022}: 10).

Con base en las teorías mencionadas, en sus desarrollos conceptuales y en sus críticas, se puede decir que es necesaria una articulación en conjunto que lleve a explicaciones más completas de la protesta social, de la misma forma que ^{Jenkins, Jacobs y Agnone (2003)} estudiaron las protestas de afroamericanos en Estados Unidos, concluyendo que fueron estimuladas tanto por las condiciones contextuales, como por los agravios y recursos organizacionales. Para el caso colombiano, el periodo de 2000 a 2018 es muy interesante, primero, porque cubre los inicios del siglo xxi; segundo, porque incluye variaciones y contrastes que pudieron incidir en el peso de los factores explicativos de un fenómeno dinámico como la protesta social, por ejemplo, las presidencias de Álvaro Uribe Vélez y de Juan Manuel Santos, ambas de dos periodos, pero con diferentes formas de acción; años de violencia paramilitar, y su posterior proceso de desmovilización; la firma del acuerdo de paz entre el Gobierno colombiano y las Fuerzas Armadas Revolucionarias de Colombia (FARC), entre otros.

La literatura relacionada es amplia, siendo ^{Archila (2003)} uno de los autores con estudios más completos respecto a la caracterización de la protesta social en la segunda mitad del siglo xx en Colombia. Sin embargo, no se encontraron análisis que permitan conocer explicaciones multifactoriales, sino más bien con enfoque en alguna variable de interés, por ejemplo, ^{Velasco (2006)} se centró en el efecto del tamaño poblacional, y ^{Gáfaro, Justino e Ibáñez (2014)} en la influencia de la presencia de grupos armados en comunidades rurales.

Teniendo en cuenta lo anterior, el presente artículo busca favorecer miradas integrales de la protesta social, que permitan una mayor comprensión de la misma, y que evidencien respuestas más asertivas, tanto estatales como sociales, frente a este tipo de acción colectiva.

Tipo de estudio

Se realizó un estudio de carácter descriptivo, cuantitativo, que contribuya al planteamiento de la hipótesis sobre la ocurrencia de protestas sociales para el periodo de 2000 a 2018, teniendo como población de estudio a todos los municipios de Colombia, a partir del análisis de los datos existentes y abiertos a nivel nacional, además de tener como fuente principal la "Base de datos de luchas sociales" (2020) del Centro de Investigación y Educación Popular (CINEP). En esta base se ha recopilado información, desde 1975 hasta la actualidad, sobre luchas laborales, cívicas, campesinas e indígenas, entre otras, siguiendo cualquier huella verificable de estas en medios de comunicación, reportes, redes sociales o fuentes directas.

También se utilizó la "Base de datos de actores y dinámicas del conflicto" (2018) de la misma entidad, enfocada en hechos violentos durante el conflicto armado, y que se basa en la investigación del Banco de Datos de Derechos Humanos y Violencia Política.

Se decidió trabajar con todos los datos disponibles, que se consideraron como una muestra del total de protestas en Colombia para el periodo definido, teniendo en cuenta que las bases de datos utilizadas no logran capturar la movilización social por completo.

CINEP apoyó la investigación y proporcionó el aval para el uso de los datos, ya que sus bases son privadas.

Variable dependiente

La variable de interés de este estudio fue el número de acciones colectivas de carácter contencioso, que denominaremos protesta social, en cada municipio por año. El conjunto de estas acciones se conoce como lucha social, de acuerdo con la base de datos utilizada, en la que se comprende este concepto como "el conjunto de acciones sociales de más de diez personas que expresan intencionalmente demandas o que presionan soluciones ante el Estado en sus diversos niveles, entidades privadas o individuos, para enfrentar injusticias, exclusiones o desigualdades" (^{Archila; García; Parra; Restrepo, 2019}: 15).

Variables independientes

De acuerdo con las teorías presentadas anteriormente, se seleccionaron diferentes variables que, históricamente, han demostrado capacidad movilizadora en Colombia, y que se muestran en el Cuadro 1. Se tuvo en cuenta que existen diversas situaciones contextuales, nacionales o departamentales, que pueden contribuir a la movilización, pero que son de difícil medición, o no tienen mediciones exactas disponibles. Por esta razón, se hizo necesaria la realización de modelos multinivel y la incorporación de efectos aleatorios que permitieran el análisis de la protesta social, sin perder de vista el contexto en el que ocurre.

Plan de análisis

Para lograr a una mirada integrada de la protesta social, se juntaron todas las variables en una sola base de datos. Teniendo en cuenta la cantidad de datos faltantes que se identificó, se comparó el uso de datos crudos y completos con técnicas de imputación, siendo elegida la interpolación de datos para lograr mejores ajustes del modelo.

Posteriormente, se llevó a cabo un Análisis Factorial para Datos Mixtos (AFDM) con el fin de reducir la dimensionalidad de los datos, debido al número incluido de variables. Esta técnica permite balancear la influencia de variables cuantitativas y cualitativas, a partir de combinar un Análisis de Componentes Principales, y un Análisis de Correspondencias Múltiple (^{Pagés, 2015}). Esta idea fue una adecuación de un procedimiento similar realizado por ^{Pereira (2019)}.

Con las variables seleccionadas, se realizaron modelos de conteo multinivel con distribuciones de Poisson y binomiales negativas, siguiendo la naturaleza de la variable independiente e incorporando efectos aleatorios por departamentos y años. El modelamiento multinivel permite tener en cuenta los contextos grupales, lo cual es bastante útil cuando existen situaciones que no son medidas con facilidad.

Debido a la diferencia de escalas de las variables, se consideró estandarizarlas a partir del siguiente procedimiento: primero, se realizó un modelo completo de Poisson, y se seleccionó el modelo reducido parsimonioso correspondiente, en el que se evaluó evidencia de sobredispersión-exceso de variabilidad o correlación-, y de exceso de ceros -existencia de más ceros de los esperados-, siguiendo la distribución teórica de probabilidad (^{Hilbe, 2014}). La presencia de alguno de estos problemas es razón suficiente para el uso de otros modelos que permitan un mejor ajuste de los datos.

Por consiguiente, en el segundo paso se realizaron los demás modelos de conteo: Poisson con exceso de ceros (ZIP) y con obstáculo (ZAP), las dos parametrizaciones de la binomial negativa (NB1 y NB2), y binomiales negativas con exceso de ceros (ZINB) y con obstáculo (ZANB) con parametrización NB2 (no se encontró fundamentación teórica para utilizar la parametrización NB1).

Los modelos con obstáculo también son conocidos como modelos de dos partes, debido a que los ceros se modelan aparte, en un modelo logístico; y los conteos positivos, en un modelo según la distribución elegida, también llamado condicional. Esto indica que los factores que influyen en la ocurrencia o no del evento son distintos a los que influyen en su frecuencia. Mientras tanto, los modelos con exceso de ceros son conocidos como mixtos, y funcionan usando un procedimiento similar, pero incluyendo los ceros en el componente condicional, considerando así que la ocurrencia del cero hace parte del mismo proceso que genera los conteos positivos.

Como tercer paso, se realizó una comparación para elegir el mejor modelo de conteo, a partir de los resultados de los dos pasos anteriores, y considerando los criterios establecidos por ^{Galindo-Español (2022)}:

Estructura del modelo

La estructura del modelo se basa en la utilizada por ^{Galindo-Español (2022)}, cambiando las variables a incluir, y la media y varianza de cada modelo, según la distribución utilizada:

log (Y_𝑖𝑗𝑘)=β₀ + β₁ pobreza _𝑗𝑘 + β₂TD_𝑗𝑘 + β₃𝑔terrenos _𝑖𝑗𝑘 + β₄ potencial _{𝑖𝑗𝑘 +} 𝑣_{𝑘 +} 𝑢_{𝑗𝑘 +} ℯ_𝑖𝑗𝑘

Donde β₀ es la media global de log (Y _ijk ) a través de todos los años, todos los departamentos por años, y todos los municipios. Pobreza _jk y TD _jk corresponden a variables en el nivel 2 (departamental en años), gterrenos _i]k y potencial _ijk son variables del nivel 1 (municipal). Cada _β corresponde a los coeficientes de cada variable, v _k es el efecto del año, u _jk el efecto del departamento j en el año k, y e _ijk el error residual. Para los modelos multinivel, para excesos de ceros, o de dos partes con obstáculo, se considera un componente logístico con enlace logit, lo cual sería el único cambio evidente (^{Galindo-Español, 2022}).

Programas y librerías utilizadas

Se sigue el análisis estadístico realizado por ^{Galindo-Español (2022)}, con el uso de la versión 4.0.1 de R (^{R Core Team, 2021}), y la utilización de las siguientes librerías:

Para la estandarización de variables, se adecuó matemáticamente una sugerencia de Benjamin Bolker publicada en el portal Stackoverflow ("How to unscale the coefficients from an lmer()-model fitted with a scaled response", 2016), al caso específico de este estudio, donde sólo hay unas cuantas variables independientes estandarizadas

Exploración de los datos

Para el periodo estudiado, la protesta social se concentró principalmente en la ciudad de Bogotá y, en general, en las capitales de los departamentos. Los valores menores se encontraron en los departamentos al oriente del país, hacía las regiones Orinoquía y Amazonía -en estas, las mediciones oficiales del DANE relacionadas con pobreza y desempleo, comenzaron apenas en 2018-.

En el Cuadro 2, se pueden observar las medias aritméticas y desviaciones estándar de cada departamento, y la alta dispersión de los datos. El 27.52 % de la variable de respuesta (protestas sociales) son ceros, identificando una distribución asimétrica en la que también se encontraron bastantes conteos cercanos a cero. Sumado a esto, se pudo evidenciar dispersión en las mediciones de protestas por año, siendo el 2013 el que registra mayor número y el 2003 el menor, como se muestra en el Cuadro 3.

Reducción de dimensionalidad

Al realizar el AFDM se eligieron cuatro variables, según siete dimensiones que explican el 61.08 % de la varianza de los datos, como se muestra en la Figura 1. A partir de esto, se realizaron los modelos de conteo correspondientes.

Potencial: potencial minero (sin potencial, bajo, medio, alto); pob: tamaño poblacional (poblaciones menores, ciudades intermedias, ciudades grandes); aa: actores armados (sin presencia, de 1 a 3, más de 3); pobreza: Índice de Pobreza Multidimensional; edu_s: estudiantes matriculados en educación superior; zrc: presencia de Zonas de Reserva Campesina; hechosd: hechos victimizantes; TD: tasa de desempleo; RI: presencia de resguardos indígenas; gterrenos: Gini de terrenos; CC: presencia de consejos comunitarios; via_p: existencia de vía principal.

Fuente: cálculos propios basados en ^{Galindo-Español (2022)}.

FIGURA 1 Contribución de las variables en siete dimensiones 

Se decidió utilizar datos completos debido a que los omitidos no correspondían a más del 20 % del total y que, al utilizar la técnica de interpolación de datos, no se obtuvieron resultados distintos. Las variables continuas fueron estandarizadas antes de realizar los modelos, debido a las diferencias de escalas. Se realizó posteriormente el modelo de Poisson, que evidenció sobredispersión (p<0,001) y exceso de ceros, por lo cual se utilizaron los demás modelos de conteo.

Como se observa en el Cuadro 4, el menor valor en los criterios de comparación lo obtuvo el modelo binomial negativo con obstáculo (ZANB). También se tuvo en cuenta el valor de los parámetros de dispersión, siendo el menor entre los modelos binomiales negativos con parametrización tipo 11, y la comparación entre modelos anidados, que siempre favoreció a estos modelos sobre los de Poisson, como se puede observar en el Cuadro 5.

Para una correcta interpretación del modelo, se desestandarizaron los coeficientes y se calculó la razón de tasas de incidencia (IIRR, por sus siglas en inglés) para el componente binomial negativo; y la razón de probabilidades (OR, por sus siglas en inglés) para el componente logístico, como aparece en el Cuadro 6. Al usarse el modelo binomial negativo con obstáculo, los resultados de los factores asociados al cambio en la frecuencia de protestas, y los asociados a la ocurrencia de protestas, se analizaron de forma separada.

En lo relativo a la frecuencia de protestas, el número de estudiantes matriculados en educación superior (edu_s) no evidenció significancia estadística. La variable de actores armados (aa) mostró efectos no lineales, debido a lo encontrado en la categoría de más de tres actores armados (aa (>3)). Las variables de potencial minero (potencial) y de tamaño poblacional (pob) mostraron efectos crecientes positivos, pero se destaca el alto valor encontrado en esta última.

Para el componente logístico se mantuvieron solamente dos variables, que dejaron algunas inquietudes: primero, por el intervalo infinito de la categoría mayor de la variable pob, que tiene que ver con que en ciudades grandes siempre ocurrieron protestas sociales, por lo que no hay variabilidad. También, la concentración de la protesta social en grandes ciudades puede explicar el coeficiente tan alto del componente binomial negativo. Segundo, la variable edu_s parecía mostrar un efecto protector, pero al intentar una mejor interpretación de este, por 10 000 estudiantes matriculados, dio un resultado de 3x10 ^-60 , lo cual sería evidencia de que el efecto fue prácticamente nulo. Los componentes de varianza por grupo fueron más altos en el modelo logístico, lo que puede indicar una mayor proporción de varianza entre los grupos que a nivel individual.

Modelos adicionales según población

Se realizó una aproximación adicional a los datos con el fin de lograr un mejor ajuste del modelo, sobre todo para conocer si los efectos de las demás variables estaban siendo enmascarados o confundidos por la variable pob, según los resultados anteriores. Por lo tanto, se dividieron los datos entre municipios con menos de 1 000 000 de habitantes, y con más de 1 000 000 de habitantes.

Luego de realizar la reducción de dimensionalidad con esta nueva estructura, y de seguir el mismo procedimiento presentado, se obtuvieron resultados para ambos casos.

Modelo elegido para municipios menores

Las variables seleccionadas para modelar están presentadas en el Cuadro 7, en el que se identificó algo interesante, para los propósitos de esta investigación: el modelo de Poisson inicial evidenció solamente exceso de ceros. De hecho, en la comparación de modelos se pudo mantener la distribución de Poisson, al seleccionar su respectivo modelo de conteo con obstáculo. Esto tiene mucho sentido, según la conceptualización de ^{Zuur et al. (2009)}, en la que se sostiene que solo sería necesario pasar a una distribución binomial negativa en caso de problemas de dispersión, debido a que, si no existen, los parámetros de dispersión serán muy cercanos a cero, lo cual se aproxima a una distribución de Poisson, como ocurrió en este caso.

Se puede observar que, para el modelo de Poisson, las variables hechos_d y edu_s no mostraron evidencia de efecto significativo. La variable aa volvió a presentar un efecto no lineal, mientras que se evidenció uno positivo para via_p, y negativo para TD. Para el componente logístico, la variable aa no mostró evidencia de efecto; TD mostró uno contrario al encontrado en el componente anterior, siendo ahora positivo.

Por lo demás, llama la atención el valor tan cercano a 1 de la variable de edu_s. También, se evidencia un valor alto en la varianza del nivel 2, y muy cercano a 0 en el nivel 3, que indica una mayor uniformidad en el modelamiento de los ceros respecto a los conteos positivos, a través de los años.

Modelo para municipios con más de 1 000 000 de habitantes

Para este caso, el modelo de Poisson presentó sobredispersión y exceso de ceros y, en general, los modelos tuvieron varios problemas de convergencia. Se pudo seleccionar el modelo binomial negativo con obstáculo, como se puede observar en el Cuadro 8, pero manteniendo únicamente dos variables en el componente binomial negativo, y una en el logístico.

Los espacios en blanco frente a algunas variables significan que estas no tuvieron significancia y fueron descartadas. Sin embargo, el resultado es importante debido a que permite conocer que la dispersión de los datos se encuentra principalmente en las ciudades grandes.

Factores asociados al cambio en la frecuencia de protestas

Para el modelo integrado por teorías, se pudo observar cómo el incremento del potencial minero también se tradujo en una mayor movilización. Entre los años 2010 y 2016, la protesta en contra de la locomotora minero-energética tuvo un aumento considerable. Participaron campesinos, mineros no formalizados, asalariados de multinacionales extractivas y sus contratistas (^{González-Gil, 2019}). Debe anotarse que esta explicación no se basa solamente en el agravio mencionado, sino que también se incluyen los recursos organizacionales presentes en luchas como las campesinas e indígenas, que han tenido como banderas el respeto a los derechos humanos, la democratización de la propiedad de la tierra, la reforma agraria y la crítica al modelo neoliberal (^{Tobasura, 2007}); lo que implica que se han articulado y diversificado las movilizaciones contra la minería extensiva, con la participación activa de comunidades rurales y ambientalistas.

Las demás variables incluidas para este modelo se ubican en la teoría de estructura de oportunidad: la presencia de actores armados y el tamaño poblacional. Por una parte, la coerción y miedo generados por actores armados dificulta todo tipo de participación social. Sin embargo, se pudo observar que, mientras operen menos de 3 actores armados en el municipio, hay posibilidades de movilización. Esto tiene que ver con el papel que ha ganado la ciudadanía al manifestarse respecto a temas de paz y de rechazo a la violencia, según mencionan ^{Fuentes y Nelli (2017)}.

Por otra parte, el efecto más grande encontrado corresponde al tamaño poblacional, lo cual coincide con estudios como el de ^{Velasco (2006)} para el caso colombiano, o el de ^{Fox y Bell (2016)}, para el caso africano, en los que se evidencia cómo las grandes ciudades concentran la mayor cantidad de protestas, entre otras cosas, porque es el escenario en el que convergen diferentes motivos nacionales, regionales y departamentales. Es allí donde se logra la atención completa de la prensa y del Gobierno, y es más factible la adhesión de nuevos simpatizantes. Las movilizaciones que se dieron por motivos relacionados con el acuerdo de paz entre el Gobierno colombiano y las FARC, así como las marchas estudiantiles, son algunos ejemplos.

Esto se contrasta con que la variable del número de estudiantes matriculados en la educación superior, haya sido descartada. Aun así, existe la posibilidad de problemas de colinealidad con el tamaño poblacional, debido a que el mayor número de estudiantes se encuentra en las ciudades más grandes del país.

Factores asociados a la ocurrencia de protestas

En el modelo integrado entre teorías se evidenció un hecho que es posible recoger a partir de lo mencionado en el apartado anterior: la protesta social en grandes ciudades ha sido una constante, más allá de que existan cambios en su magnitud. La poca variabilidad en este sentido, pudo haber condicionado lo encontrado en los modelos, así como los coeficientes de la variable del número de estudiantes matriculados en educación superior. Por lo mismo, se realizó la prueba separando por tamaño poblacional, asunto que será discutido más adelante.

Sumado lo anterior, aunque la aproximación departamental da una idea acerca de dinámicas que comparten los municipios con otros cercanos, puede generar un ruido debido a la falta de homogeneidad dentro de los departamentos, lo que también se evidencia en los altos valores encontrados en el nivel 2 de los modelos realizados. Por ejemplo, la presencia de las disidencias de las FARC y de Bandas emergentes y Bandas criminales (Bacrim) en la parte norte de Chocó, debido a su cercanía con el Urabá antioqueño, se diferencia de las afectaciones generadas por el Ejército de Liberación Nacional (ELN) al sur del mismo departamento. Por lo tanto, se sugiere considerar otro tipo de aproximaciones territoriales con mayor homogeneidad interna, y que permitan un mejor modelamiento, según características similares entre municipios.

Frecuencia y ocurrencia según tamaño poblacional

Se logró un mejoramiento al modelar los eventos de protesta social con la distinción entre municipios de menos de 1 000 000, o menores, y con más de 1 000 000 de habitantes, que corresponden a la ciudades intermedias y grandes. Se pudo ver que, en los menores, se logró un mejor ajuste, con lo que se puede explicar gran parte del comportamiento de la protesta social, al representar la mayor cantidad de municipios del país. Las motivaciones suelen ser más locales, lo cual no resta importancia a sus luchas. Mientras tanto, las ciudades intermedias y grandes presentan mayor dificultad a la hora de identificar tendencias, ya que confluyen motivos de todo tipo, como se mencionó antes.

Para poblaciones menores se incluyó otro tipo de variables que no había sido seleccionado para el modelo integrado. Respecto a los factores asociados a la frecuencia de protestas, el desempleo mostró una tendencia a reducirla. Esto tiene sentido debido a que las luchas laborales, tanto las convocadas por sindicatos como por personas trabajadoras no sindicalizadas, implican la existencia de un empleo. Al perder aquel espacio común, se pierde también buena parte de los recursos organizacionales al servicio de la movilización. De hecho, la explicación no depende por completo del agravio, como se mencionó en un principio.

Ahora bien, la presencia de vías principales mostró un efecto positivo, lo cual no solamente puede ser un indicador de la forma en que las demandas de las personas se pueden desplazar a otros espacios más concurridos, como la minga indígena, sino que también ofrece una buena oportunidad para que se desarrollen paros de transportadores y bloqueos de vías.

Respecto a los factores asociados a la ocurrencia de protestas, se observan efectos contrarios frente a lo encontrado en términos de frecuencia, con una mayor posibilidad de ocurrencia de protestas según aumenta la tasa de desempleo, lo que muestra cómo la falta de empleo puede ser un factor que influya en que un municipio decida movilizarse o no. Se observó menor chance en el caso de la existencia de vías principales y, siguiendo el mismo argumento en términos de ocurrencia, el desplazamiento de la protesta a ciudades más grandes puede influir en que exista menor registro de protestas sociales en los municipios más pequeños.

La variable de número de estudiantes matriculados en educación superior mostró un efecto negativo por cada 10 000 estudiantes, una reducción del chance que muestra que la movilización estudiantil no es tan fuerte en los municipios menores. Por último, el aumento de las victimizaciones departamentales contribuye a la decisión del municipio a movilizarse, y tiene que ver con reivindicaciones en torno al respeto a la vida, los derechos humanos, y otros factores a los que están mucho más expuestos los municipios alejados de las cabeceras.

Para el modelo con ciudades intermedias y grandes, se evidenciaron los mismos problemas del modelo integrado, en términos de dispersión y ceros, lo que indica que la heterogeneidad de su comportamiento relativo a la protesta dificulta el análisis de sus tendencias. El efecto encontrado por cada 10 000 estudiantes matriculados en educación superior, que evidencia una pequeña reducción de la frecuencia, no corresponde a lo esperado por el crecimiento de las movilizaciones estudiantiles en los últimos años, y será necesaria una mirada más de fondo a este resultado.

La desigualdad de la tierra, medida por el Gini de terrenos, evidenció un efecto positivo en términos de frecuencia, consistente con las luchas por motivos ambientales, y las luchas campesinas, que han mantenido una importante actividad durante el periodo estudiado. Respecto al efecto que reduce el chance de protestas sociales, este se entiende desde dos puntos: primero, las presiones relacionadas con la desigualdad en la tenencia de la tierra, por actores armados y narcotráfico, pero también con las afectaciones en términos de competitividad con grandes terratenientes y los procesos de descampesinización derivados (^{Segrelles, 2017}). Segundo, en que las grandes ciudades están menos expuestas a este tipo de problemáticas.