Introducción

El mototaxismo es un problema social que tiene su origen ante todo en la forma como está estructurada la prestación del servicio de transporte público y más importante en el modelo económico colombiano (^{Ardilla, 2006}).

El sector informal urbano es definido en la decimoquinta ^{Conferencia Internacional de Estadísticos del Trabajo (CIET) (1993)} como un conjunto de unidades dedicadas a la producción de bienes o la prestación de servicios, con la finalidad primordial de crear empleos y generar ingresos para las personas que participan en esa actividad.

De acuerdo con la ^{Organización Internacional del Trabajo (OIT) (2013a)}, el mototaxismo surge en Colombia hace más de una década por múltiples factores, entre los cuales se destaca el alto índice de desempleo, la mala calidad del transporte público y la necesidad de generar ingresos. Algunos autores (^{Arboleda Lozano y Cobo Cartagena, 2016}; ^{Espinosa Gutiérrez, Rodríguez Higuera y Uribe Fernández, 2008}) coinciden en afirmar que el mototaxismo tuvo sus orígenes en Santa Cruz de Lorica en el corregimiento de Mata de Caña, departamento de Córdoba, y se extendió por todos los corregimientos vecinos hacia la década de los 80. Surgió por la necesidad que tenían los individuos de estas poblaciones de desplazarse hasta la carretera que comunica a Montería y al casco urbano de la localidad.

Lo cierto es que el mototaxismo, considerada una actividad ilegal por parte del Gobierno nacional, ha traído diferentes consecuencias, dependiendo del contexto donde se interprete, y ha generado un gran problema socioeconómico, pues son muchas las personas que consiguen con este trabajo el ingreso para satisfacer sus necesidades. No obstante, en los últimos años han surgido organizaciones o empresas estructuradas de manera informal que se han adueñado del mercado. Igualmente, si existe una oferta de este servicio es porque también hay una fuerte y creciente demanda, motivada por el servicio útil o porque no tiene acceso a otros medios de transporte.

El costo de oportunidad entre la formalidad y la informalidad en países como Colombia, donde una de cada dos personas ingresa a la educación superior¹, parece favorecer a los últimos, salvo en algunos casos con características especiales. El ingreso obtenido por un mototaxista propietario puede llegar a ser más alto que el ingreso conseguido por ese mismo individuo en otras actividades económicas formales o informales. Aun cuando para ser propietario es necesaria la compra de una moto que implica una alta inversión, el retorno de esta actividad es alto y esta se puede recuperar rápidamente (^{Sánchez-Jabba, 2011}).

Entre las externalidades negativas del mototaxismo, además de las ambientales por el aumento en la emisión de gases, se encuentra la afectación económica a las estructuras de transporte publico organizadas y legalmente constituidas, así como a los diferentes sistemas integrados de transportes que funcionan en las principales ciudades del país. Las afectaciones en la movilidad, las alteraciones de orden público, los índices de accidentalidad y la inseguridad son aspectos que preocupan a los Gobiernos municipales y departamentales.

De acuerdo con el Instituto de Hidrología, Meteorología y Estudios Ambientales (Ideam) y el ^{Programa de las Naciones Unidas para el Desarrollo (PNUD) (2016)}, desde 1990 hasta 2014, las emisiones de gas carbónico (CO₂) en Colombia aumentaron un 10 %; es el quinto país de América Latina que más emite gases y el 34 a nivel mundial entre 184 países que tienen registros. El transporte y la industria manufacturera aportan el 12 % del total de emisiones. Por otro lado, acorde con ^{Cuéllar, Buitrago-Tello y Belalcazar-Ceron (2016)}, las motocicletas son los vehículos a gasolina que más producen emisiones de CO₂; en promedio emiten 167 gramos por kilómetro recorrido, los taxis y los automóviles particulares producen un 40 % y 44 % menos de emisiones, respectivamente. Según reportes del Registro Único Nacional de Tránsito (RUNT), de los 13.637.663 vehículos matriculados y autorizados para circular en Colombia, el 57 % son motocicletas. Solo en marzo de 2019 se vendieron en Colombia 50.100 motocicletas, un 20,7 % más en relación con el mismo mes de 2018; durante el primer trimestre de 2019 se vendieron 148.394 motos (Asociación Nacional de Movilidad Sostenible, 2019). Si bien no hay estudios que evidencien que la actividad del mototaxismo explica el aumento en la emisión de gases, las motocicletas sí generan un mayor volumen de contaminación en comparación con otros vehículos, y se ha evidenciado en los últimos años una creciente circulación de motocicletas en Colombia.

El Decreto 2961 de 2006, por el cual se dictan medidas para controlar la prestación del servicio público de transporte en motocicletas, autorizó a los municipios y distritos tomar las medidas necesarias para restringir la circulación de acompañantes o parrilleros por zonas de su jurisdicción o en horarios especiales, de acuerdo con la necesidad. En este sentido, las entidades territoriales empezaron a reglamentar el transporte y la circulación de las motocicletas, con el propósito no solo de controlar el mototaxismo, sino también de mitigar los crecientes problemas de inseguridad y delincuencia que están experimentando estos territorios, y que en algunos casos se atribuyen al fomento del mototaxismo.

La convivencia y la seguridad ciudadana son unas de las principales preocupaciones del Gobierno nacional y de los Gobiernos departamentales y municipales. Son muchas las encuestas que intentan medir la percepción de los colombianos de inseguridad y confianza en las instituciones de seguridad y justicia², y los resultados son preocupantes: las personas no se sienten seguras y las estadísticas así lo demuestran. Según cifras del censo delictivo de la Fiscalía, en 2016 se denunciaron 314.511 robos, más de 850 casos diarios en todo el país. Si esto se compara con 2015, se presentó un aumento del 11 %.

En este trabajo se estudia de qué manera las políticas públicas, adoptadas por las principales ciudades de Colombia para controlar el mototaxismo, han impacto la tasa de hurto a personas calculada por el DANE a través de la encuesta de Convivencia y Seguridad Ciudadana. Desde el punto de vista metodológico, se realiza una evaluación de impacto de políticas públicas, aplicando el método de diferencias en diferencias; se cuenta con información socioeconómica de las principales ciudades, para el periodo 2012-2017. Teniendo en cuenta la estructura de datos, se estimó un modelo econométrico de panel de datos de efectos fijos y aleatorios, así como un modelo de regresión lineal múltiple agrupado.

Metodología

La evaluación del impacto de políticas permite probar si la política o estrategia implementada se asocia a los resultados obtenidos. Respecto a las políticas públicas, como en este caso, el seguimiento y la evaluación brindan elementos esenciales para la administración gubernamental, pues retroalimentan constantemente la toma de decisiones.

En la literatura académica existen diversas metodologías para evaluar el impacto de políticas; una de las más comunes es el método de diferencias en diferencias. De acuerdo con ^{Wooldridge (2015)}, diferencias en diferencias es una técnica cuasiexperimental, que cuenta con un grupo control, que no se ve afectado por el cambio de política, y un grupo tratamiento, que sí se ve afectado por este cambio. Para calcular las diferencias sistemáticas entre estos dos grupos se necesitan datos para dos momentos: un periodo antes de la aplicación de la política y otro después de la aplicación. Por lo tanto, generalmente la muestra se descompone en dos grupos: el grupo control antes y después de la política, y el grupo tratamiento antes y después de la política. Sea dT una variable binaria que toma el valor de 1 para el grupo tratamiento y 0 para el grupo control; d2, otra variable binaria que toma el valor de 1 después del cambio de la política y 0 antes del cambio, y Y, la variable resultante que nos interesa, la ecuación de interés es:

δ ₁ mide el efecto de la política, y también es llamado estimador de diferencias en diferencias, ya que calcula el cambio en los promedios respecto al tiempo para cada uno de los grupos de tratamiento y control, y después determina la diferencia entre estos dos cambios.

En este estudio, del grupo control hace parte un conjunto de municipios que no han implementado políticas públicas para controlar la circulación de motocicletas; el grupo tratamiento lo conforman los municipios que sí han implementado políticas públicas. Así, se definió como año base el 2014; por lo tanto, la variable d2 tomará el valor de 1 después de 2014, y el valor de 0 antes de 2014. De esta manera, se dispone de información para cuatro grupos: el grupo de municipios que no implementó ninguna política (control), tanto antes como después de 2014, y el grupo de municipios que sí implementó alguna política (tratamiento), antes y después.

Es importante mencionar que los municipios del grupo tratamiento y control son los mismos antes y después de 2014; así, pues, se está haciendo seguimiento a los mismos municipios a través del tiempo. Por lo anterior, la estructura de datos más adecuada para estimar el modelo de diferencias en diferencias corresponde a un conjunto de datos de panel, que de acuerdo con ^{Wooldridge (2015)} consiste en una serie de tiempo por cada unidad de una base de datos de corte transversal. Este tipo de estructura de datos es muy útil para el análisis de políticas. Uno de los principales objetivos de aplicar los métodos de datos de panel es capturar la heterogeneidad inobservable, ya sea entre las unidades analizadas o en el tiempo, dado que la heterogeneidad no se puede tratar con datos de corte transversal ni con datos de series de tiempo.

De esta forma, la ecuación planteada corresponde a:

Donde, tasahurtopersonas _it es la tasa de hurto a personas de la ciudad i durante el año t, y14_t es una variable binaria que toma el valor de 1 después de 2014 y 0 antes de 2014; politica _it es otra variable binaria que tomará el valor de uno si la ciudad i en el año t implementó alguna política para controlar el mototaxismo. (y 14 _t x political es nuestra variable de mayor interés, pues indica la efectividad de la política, ya que compara a las ciudades que implementaron alguna política después de 2014 con aquellas que no lo hicieron. Finalmente, a _i es el efecto inobservable fijo de cada ciudad, que se elimina con la aplicación de los métodos de panel de datos.

En este trabajo se aplicaron dos especificaciones del modelo de panel de datos: 1) efectos fijos (MEF), el cual utiliza un mecanismo de transformación, que consiste en expresar cada variable como una desviación de su valor medio para eliminar la heterogeneidad inobservable antes de la estimación y 2) efectos aleatorios (MEA), que como mecanismos de transformación utiliza un parámetro λ, como proporción de los valores medios temporales, el cual está entre 0 y 1, y depende del tiempo y de las varianzas a _i + µ _it . Además, se estimó un modelo de regresión lineal múltiple agrupado, es decir, sin tener en cuenta el efecto temporal y la distribución por ciudades, con fines comparativos.

Sin embargo, es importante identificar cuál de los modelos estimados es el que ofrece mejores resultados. En este sentido, se consideró la prueba de Breusch-Pagan y la prueba de Hausman, que permiten identificar la presencia de efectos constantes en el término error de un modelo estimado; de este modo, brindan un referente para elegir entre un modelo de efectos fijos y uno de efectos aleatorios. Hausman permite identificar la existencia de diferencias sistemáticas entre las estimaciones por el método de efectos fijos y aleatorios.

Dado que el objetivo de este trabajo es determinar el impacto sobre la tasa de hurto a personas y de las diferentes políticas que se han implementado en las principales ciudades de Colombia para controlar el mototaxismo, el modelo estimado tiene como variable dependiente la tasa de hurto a personas, que establece el porcentaje de población de 15 años y más que ha sufrido cualquiera de las modalidades de hurto a personas, por ejemplo, raponazo, atraco, descuido, entre otros. Los datos provienen de la Encuesta de Convivencia y Seguridad Ciudadana del DANE.

Las variables que fueron incluidas en este trabajo se construyeron a partir de las estadísticas publicadas por el dane entre 2012 y 2017, así como información suministrada por la Policía Nacional. Dentro de estas variables se encuentran la tasa de desempleo, la tasa de inflación, el índice de pobreza, porcentaje de población en estrato bajo (estrato 1 y 2) y el producto interno bruto (PIB, por departamento a precios constantes del año base 2015), todas medidas en porcentajes; asimismo, la escolaridad (promedio de años de educación de la población mayor de 15 años), el índice de Gini y el número de cuadrantes y de caí de Policía por ciudad. Los resultados se estimaron utilizando el software Stata 15.

Resultados

Con base en la metodología planteada, una parte importante de los resultados es determinar las características de la muestra. Se cuenta con información para seis periodos (2012-2017) de 17 ciudades capitales de Colombia, por lo que se dispone de una muestra total de 102 observaciones para los seis periodos. Del total de ciudades, ocho ya habían aplicado alguna política para controlar el mototaxismo antes de 2014, año que se tomó como corte para evaluar la efectividad de dichas políticas. Después del 2014, cuatro ciudades más implementaron alguna política, para un total de 12 ciudades. Con respecto a las ciudades que no implementaron ninguna política, antes de 2014 eran nueves las que no se habían pronunciado al respecto, pero después de 2014 el número de ciudades se redujo a cinco.

El anexo 1 muestra la media y la desviación estándar durante el periodo 2012-2017 para cada una de las ciudades estudiadas. Pasto registra la tasa más alta de hurto a personas: el 20,7 % de la población mayor de 15 años ha sido víctima de cualquiera de las modalidades de hurto a personas. Cartagena presenta la tasa más baja: 5,45 % durante el periodo 2012-2017. La tasa de desempleo promedio más alta se observa en Armenia (14,5 %) y la más baja se reporta en Bucaramanga (7,9 %). Manizales registra la tasa de inflación más alta durante 2012-2017 (4,6 %), mientras que en Cúcuta se reporta la tasa más baja (3,25 %). El departamento de Antioquía presenta el PIB más alto, con $117.325.000, y Sucre reporta el más bajo, con $6217 miles de millones). En cuanto a los indicadores sociales, Cali, Manizales, Pasto y Popayán registran el mismo coeficiente Gini (0,49), y son las ciudades con mayor desigualdad. Bucaramanga registra el nivel de desigualdad más bajo (0,42); Santa Marta registra las tasas más altas de pobreza: el 33,8 % de la población es pobre, mientras que en Bucaramanga el 10,1 %.

El 85,89 % de la población de Neiva pertenece a los estratos 1 y 2, lo cual la hace la ciudad con el mayor registro en estratos bajos, y Manizales tiene la menor proporción es estos niveles de estratos (41,98 %). Cali registra el índice de escolaridad más bajo: el 8,7 % de la población de 15 años y más no sabe leer y escribir, mientras que Cartagena reporta el índice de escolaridad promedio más alto, 10,18 %. Con respecto a la información de la Policía, Manizales registra menor número de cuadrantes de policía por cada 1000 habitantes (0,59); por su parte, Pereira reporta el promedio más alto: 2,16 cuadrantes de Policía por cada 1000 habitantes. En Bucaramanga existen 7,1 CAI de policía por cada 1000 habitantes y en Cali, solo 1,7.

La metodología más simple para la estimación de un modelo de panel de datos supone omitir las dimensiones del tiempo y el espacio, y estimar un modelo de regresión por mínimos cuadrados ordinarios (MCO) agrupados (Pool OLS). Los resultados de las estimaciones se muestran en el primer recuadro de la tabla 2. Sin embargo, el modelo por MCO, parte del supuesto de que el intercepto de la regresión es igual para todos los individuos, en este caso, ciudades. Sin embargo, es importante que se pueda controlar el carácter individual de cada ciudad, para lo cual se consideró el modelo de efectos aleatorios, que supone que cada ciudad tiene un intercepto diferente. Las estimaciones del modelo de efectos aleatorios se muestran en el segundo recuadro de la tabla 2.

Para determinar si es necesario estimar el modelo de mínimos cuadrados ordinarios agrupados o efectos aleatorios, se realizó la prueba del multiplicador de Lagrange para efectos aleatorios de Breusch y Pagan. La hipótesis nula de esta prueba sostiene que la varianza del error es cero (σ_µ ²=0). Los resultados permiten rechazar la hipótesis nula, por lo que es preferible estimar el modelo por efectos aleatorios (la estimación de la prueba se muestra en el anexo 2).

El carácter individual de cada ciudad también se puede controlar a través de un modelo de efectos fijos, el cual supone que las diferencias entre ciudades son fijas o constantes, y no aleatorias. Las estimaciones del modelo de efectos fijos se muestran en el tercer recuadro de la tabla 2. La prueba F de significancia de los efectos fijos⁵ indica que es preferible usar el método de efectos fijos que el método de mínimos cuadrados ordinarios agrupado.

Tanto la prueba de efectos aleatorios de Breusch y Pagan, como la prueba F de significancia de los efectos fijos indican que el modelo de efectos aleatorios y de efectos fijos se prefieren más que el modelo agrupado. Para establecer cuál de los dos modelos -efectos fijos o aleatorios- es el más adecuado, es importante identificar la posible correlación entre el error individual y las variables explicativas X. En el modelo de efectos aleatorios se supone que esta correlación es cero. El test de Hausman define como hipótesis nula la no correlación entre µ _¡ y X, y establece que los estimadores de efectos fijos y aleatorios no difieren sustancialmente. En el anexo 3 se muestran los resultados de la estimación de la prueba de Hausman, y se concluye que se rechaza la hipótesis nula, por lo que sí existe diferencia entre los dos estimadores; por lo tanto, conviene estimar el modelo a través del método de efectos fijos.

Los tres modelos estimados no presentan diferencias sustanciales. El efecto de mayor interés, el impacto de la política (política*año), es positivo en los tres modelos, pero solo significativo en el modelo de efectos fijos. El desempleo, la inflación y el coeficiente de Gini impactan de manera positiva la tasa de hurto en los tres modelos, y el impacto del número de CAI por habitante es negativo. Las estimaciones difieren en variables como escolaridad, población en estratos bajos y el índice de pobreza.

Uno de los problemas comunes de los datos de panel es la violación del supuesto de autocorrelación o correlación serial, que ocurre cuando los errores de diferentes unidades están correlacionados o cuando los errores dentro de cada unidad se correlacionan en el tiempo. Para determinar si el modelo estimado presenta problemas de autocorrelación, se tuvo en cuenta la prueba de Autocorrelación para Panel de Datos de Wooldridge. Los resultados de la prueba (anexo 4) indican que no existe suficiente evidencia empírica para rechazar la hipótesis nula de no autocorrelación.; así, los modelos estimados por datos de panel no presentan problemas de autocorrelación.

La dificultad de estimar un modelo de efectos fijos es que se puede presentar el problema de la heteroscedasticidad o autocorrelación entre las variables explicativas, de modo que se pueda afectar la inferencia estadística. Para determinar este problema, se consideró la prueba modificada de Wald para Heteroscedasticidad, que define como hipótesis nula la no existencia de heteroscedasticidad. En el anexo 5 se muestran los resultados de la estimación de la prueba, la cual indica que se rechaza la hipótesis nula de varianza constante y se concluye que existe heterocedasticidad. Para solucionar este problema se estimaron los tres modelos con errores estándar corregidos o robustos a la heteroscedasticidad, de manera que la inferencia sea correcta y se pueda confiar en la significancia estadística de las variables. Los resultados de la estimación por desviaciones típicas robustas se muestran en la tabla 3.

Después de determinar que el modelo de panel de efectos fijos con errores robustos es el más indicado para analizar el impacto de las políticas para controlar el mototaxismo en relación con el hurto a personas, se encontró que las variables significativas son el efecto de la política, el desempleo, el PIB departamental, el índice de pobreza, el coeficiente de Gini, la población en estratos bajos, la escolaridad, el número de cuadrantes y de CAI de Policías por habitante.

Así, el efecto de mayor interés se evidencia en la variable política*año, la cual indica el efecto de dobles diferencias de las políticas implementadas por las alcaldías de las principales ciudades para controlar la circulación de motocicletas con parrillero. El coeficiente estimado indica que en los municipios donde se implementó la política después de 2014 la tasa de hurto a personas disminuyó en un 23,4 %, lo que muestra que la política fue efectiva en la diminución del hurto a personas. Este, sin duda, es el resultado más importante de este artículo.

Otros resultados muestran que la tasa de desempleo se relaciona con la tasa de hurto a personas, por un aumento de un punto porcentual en la tasa de desempleo. El hurto a personas crece en un 0,36 %, lo que mantiene constante el efecto de las demás variables. Algo similar ocurre con el índice de pobreza y el coeficiente de Gini: por un aumento del 1 % en cada una de estas variables, el hurto a personas disminuye en 0,6 % y 3,89 %, respectivamente. A mayores años de escolaridad promedio por ciudad, menor es la tasa de hurto. En términos generales, se observa que las condiciones socioeconómicas menos favorables se relacionan con mayores tasas de hurto a personas.

Por otro lado, a medida que el PIB departamental es mayor, la tasa de hurto a personas de la ciudad capital tiende también a ser mayor; un aumento del 1 % en el PIB departamental a precios constantes acrecienta la tasa de hurto a personas en 1,29 %. Economías más grandes se asocian con mayor tasa de hurto a personas, pues en estas economías existe una población más grande con mejores condiciones económicas, que posiblemente es víctima de hurtos. Por otro lado, a medida que se incrementa la población en estratos 1 y 2 (aumenta en un punto porcentual), disminuye la tasa de hurto a personas (en 2,24 %); a mayor población en estratos bajos, mayor seguridad, pues es menor la cantidad de personas en estratos medio y alto que puedan ser víctimas de alguna de las modalidades de hurto a personas.

Un mayor número de CAI de Policía se relaciona con una menor tasa de hurto a personas; a medida que se aumenta un CAI por cada mil habitantes, la tasa de hurto a personas se disminuye 5,9 %, lo que permite constancia en el efecto de las demás variables. Sin embargo, el efecto del número de cuadrantes de policía es un poco contradictorio, ya que por un aumento de un cuadrante de policía por cada mil habitantes, la tasa de hurto a personas aumenta 1,2 %. Esto indica que la política de cuadrantes de Policía no parece ser la más efectiva para reducir el hurto a personas; no obstante, es importante tener en cuenta que este efecto es pequeño y estadísticamente significativo, pero al 10 %.

Finalmente, en cuanto a la bondad de ajuste, los tres modelos estimados son globalmente significativos (prueba F y chi²). Respecto al modelo de efectos fijos, toda la variación de las variables explicativas se origina dentro de cada grupo, en este caso, cada ciudad; de esta forma, la diversidad del conjunto de variables independientes dentro de cada ciudad a través del tiempo explica el 40,68 % de la variación de la tasa de hurto a personas.

Conclusiones

El mototaxismo es un fenómeno que viene incrementándose de manera considerable en todo el territorio colombiano. Ha surgido como una alternativa informal de trabajo, en especial para personas con limitadas probabilidades de ingresar al mercado laboral formal. Los impactos económicos del mototaxismo son importantes, pues la crisis de la mayoría de los sistemas integrados y estratégicos de transporte es atribuible al ejercicio del mototaxismo. Las diferentes empresas del transporte público, en especial urbano, ven en el mototaxismo su principal competencia.

En materia de criminalidad y seguridad ciudadana, la mayoría de sus modalidades viene disminuyendo; los homicidios en 2017 se redujeron un 10 %, y el secuestro y las extorsiones cayeron un 8 % y 12 %, respectivamente; sin embargo, el hurto a personas es el delito que más impacta a los colombianos, ya que aumentó un 27,6 % en 2017, específicamente el hurto a celulares, que creció un 53 %.

En algunas ciudades se atribuye este problema principalmente a la libre circulación de motocicletas con parrilleros, más que nada en el centro de las ciudades, donde hay mayor concurrencia de personas. Esto llevó a que diferentes ciudades adoptaran acuerdos que regularan la circulación de motocicletas con parrillero.

Es importante mencionar que no se ha podido establecer cuál es el impacto real del mototaxismo sobre la seguridad, o en concreto el hurto a personas, ya que no se conoce con exactitud el número de individuos que se dedican a esta actividad. En este artículo se determinó cuál ha sido el impacto de las políticas adoptadas por las diferentes ciudades de colombia para controlar el mototaxismo sobre el hurto a personas; pero esto no significa que se haya determinado el impacto del mototaxismo sobre el hurto a personas, o la relación entre el mototaxismo y el hurto a personas.

La principal conclusión de esta investigación es que las medidas adoptadas para controlar la circulación de motocicletas con parrillero en las diferentes ciudades de colombia han tenido un efecto significativo sobre la reducción en la tasa de hurto a personas; es decir, estas políticas han sido efectivas para reducir el hurto en las ciudades. También se encontró que las condiciones socioeconómicas de las ciudades se relacionan directamente con el hurto a personas; a mayores tasas de desempleo, índice de pobreza y coeficiente Gini, mayores tasas de hurto a personas. En ciudades con economías departamentales grandes también se presenta mayor cantidad de hurtos.

El número de CAI de Policía por ciudad está vinculado de manera positiva con el hurto a personas, mientras que el número de cuadrantes de policía presentan un efecto negativo. Todo parece indicar que la política de cuadrantes de policía no contribuye a reducir el hurto a personas.

Por último, la propuesta es que en futuros trabajos se evalué la efectividad de las medidas de política, adoptadas por las entidades territoriales para controlar la circulación de motocicletas con parrillero a nivel individual por municipio, pues las medidas aplicadas en los diferentes municipios no son necesariamente las mismas. Es importante entender este análisis de esta manera, ya que cada territorio tiene sus propias particularidades.