3.1. Datos

En este documento se trabaja con datos para la ciudad de Medellín, la cual se ubica en el noroccidente de Colombia; es la segunda ciudad con mayor dinamismo económico y densamente poblada del país⁶ Medellín se encuentra dividida administrativamente en 16 comunas, las cuales agrupan un total de 243 barrios. La distribución de las comunas gira en torno al río Medellín, el cual divide la ciudad en oriente y occidente (Gráfico 1).

Para el caso de estudio se usan los datos de la Encuesta de Calidad de Vida (ECV) para el año 2012. Esta encuesta es de sección cruzada y contiene información sobre las características de los hogares, aspectos demográficos, educación, seguridad social, mercado laboral e indicadores de pobreza y condiciones socioeconómicas. La muestra utilizada en este estudio incluye individuos entre 15 y 60 años de edad. Se tiene una muestra de 24.942 (63% de la muestra total) observaciones que en la muestra ampliada representan un total de 1.269.613 individuos.

Como se mencionó, la estructura urbana de Medellín tiene dos niveles administrativos: comunas y barrios. El proceso de muestreo en la ECV es representativo a nivel de comunas. Sin embargo, utilizar las comunas como unidad espacial de análisis para estudiar variables socioeconómicas, como el empleo informal, además de que son muy pocas unidades, presenta dos importantes desventajas (^{Duque, Patiño, Ruiz y Pardo-Pascual, 2015}). En primer lugar, las comunas son muy grandes e internamente heterogéneas; tienen en promedio 16 barrios; las comunas más grandes tienen 23 barrios (El Poblado (comuna 14) y Belén (comuna 16)), y la más pequeña 10 barrios (Guayabal (comuna 15)). Esta heterogeneidad interna dificulta el análisis espacial de fenómenos socioeconómicos a nivel intra-urbano. En segundo lugar, como lo plantea ^{Robinson (1950)}, ^{Amrhein y Flowerdew (1992)}, ^{Fotheringham y Wong (1991)}, y ^{Paelinck (2000)}, se puede incurrir en problemas de agregación y sesgos de agregación, lo cual puede llevar a la falacia de ambigüedad por división, que implica una mala inferencia de los fenómenos analizados cuando se tiene información muy agregada. Estos problemas en nuestro caso con unidades espaciales tan heterogéneas implicarían que las características de las comunas no representarían las características de los barrios.

Alternativamente se podría trabajar con los barrios como unidades espaciales de análisis, sin embargo, esto podría implicar una falta de validez estadística de los resultados y potenciales problemas de dependencia espacial espuria (^{Weeks, Hill, Stow, Getis y Fugate, 2007}). Con el fin de utilizar una unidad espacial de análisis más adecuada, solucionando los problemas anteriormente citados, se trabaja con lo que la literatura de ciencia regional llama regiones analíticas (véase ^{Duque Royuela y Noreña, 2012}, para una detallada descripción de estos métodos). Estas regiones analíticas cumplen una serie de criterios como el tamaño, la forma y ser homogéneas internamente, entre otras, que las hacen unidades espaciales adecuadas para estudiar fenómenos socioeconómicos en el espacio.

En particular, en el presente documento se utilizan las regiones analíticas construidas por ^{Duque et al. (2012)}. Estas regiones analíticas fueron construidas en el contexto de un estudio de pobreza para la ciudad de Medellín utilizando información de la ECV para el 2007. El método utilizado por estos autores consiste en agregar unidades espaciales pequeñas en unidades espaciales más grandes teniendo en cuenta dos criterios. Primero, cada región es homogénea en términos de un conjunto de características socioeconómicas; segundo, cada una de estas regiones debe contener al menos cien hogares entrevistados, con el fin de asegurar la validez estadística. Para el cálculo de estas regiones analíticas los autores utilizaron el modelo Max-p regions (^{Duque, Dev, Betancourt y Franco, 2011}) y consideraron diferentes variables socioeconómicas a nivel de barrio, como son las características de los materiales de la vivienda, grado de hacinamiento en las viviendas, desplazamiento por conflicto armado, pertenencia al Sistema de Identificación de Potenciales Beneficiarios de Programas Sociales (Sisben), grado de analfabetismo, ingresos del hogar, problemas de nutrición, medidas de educación sexual, entre otras.

Existen otros métodos de agregación espacial⁷, pero para nuestro caso específico que estamos utilizando información de encuestas de hogares, las agregaciones espaciales propuesta ^{Duque et al. (2012)} son bastante adecuadas. En particular, el procedimiento propuesto por los autores es bastante innovador al hacer uso de algoritmos de optimación que tienen las ventajas de crear unidades espaciales con formas diferentes a las regiones iniciales (barrios), permite a partir de una encuesta especificar el número de observaciones por regiones para obtener resultados estadísticamente significantes de los fenómenos socioeconómicos analizados (mínimo cien hogares por región), y hay una eficiencia en el uso de la información para crear agregaciones factibles.

El procedimiento de agregación espacial seguido por ^{Duque et al. (2012)} agrupó los 243 barrios en 139 regiones analíticas. En este trabajo se excluyeron cinco regiones analíticas, al no reportar individuos encuestados en la ECV 2012, lo que quiere decir que se cuenta con un total de 134 unidades espaciales; en el Gráfico 2 se muestran estas regiones analíticas. La ventaja de estas regiones analíticas sobre otras construidas con otras metodologías es que se parte de dos premisas: 1) la apariencia física urbana es un reflejo de la sociedad; 2) la gente que reside en áreas urbanas con características similares en términos de condiciones de vivienda, presenta características sociodemográficas similares. Esto permite inferir que la población que vive cerca presenta patrones socioeconómicos estándar y de esta manera facilita los análisis realizados a ciertos sectores de la ciudad.

Nota: las áreas en color blanco corresponden a áreas institucionales como parques, el aeropuerto Olaya Herrera, unidades deportivas, universidades, las cuales no son incluidas en la investigación puesto que en estas no se encuentra vivienda alguna.

3.2. Estadísticas descriptivas

En la Tabla 1 se relacionan las variables utilizadas en el análisis y se muestran algunas estadísticas descriptivas, las cuales fueron calculadas utilizando los factores de expansión ofrecidos por la ECV para asegurar que las estimaciones fueran representativas. Como variable dependiente, se toma la tasa de informalidad que, para este caso, obedece a la definición bajo el enfoque institucional que se refiere a aquellos trabajadores que no tienen acceso a la seguridad social (salud y pensión)⁸.

De la Tabla 1 se observa que la tasa de informalidad promedio entre las 134 regiones analíticas es de 36,3% y varía entre 5,34% y 100%. El Gráfico 3 ⁹ muestra espacialmente que las regiones con mayores tasas de informalidad se encuentran localizadas en la parte noroccidental de la ciudad, específicamente en las comunas 1, 2, 3 y 4 (Popular, Santa Cruz, Manrique y Aranjuez, respectivamente). También hay focos de informalidad en las partes periféricas de las comunas 8 y 13 (San Javier y Villa Hermosa), y en algunas zonas de la comuna 10 que es el centro administrativo y comercial de la ciudad.

Los menores niveles de informalidad se presentan en el sur y centro-occidente de la ciudad, donde, como se verá más adelante, se encuentran las mejores condiciones socioeconómicas, como son las zonas de El Poblado (comuna 14) y Laureles-Estadio (comuna 11). Este patrón espacial es el claro reflejo de las condiciones socioeconómicas en las que se encuentra distribuida la ciudad. Las regiones del norte son las que presentan condiciones de vida más precarias de la ciudad, mientras que, del lado sur, oriente y centro-occidente, se encuentra el sector de la población con mejores condiciones de vida.

En cuanto a las variables que podrían explicar los niveles de informalidad se incluyen aquellas que caracterizan a cada una de las regiones analíticas en términos de: condiciones sociales (porcentaje de mujeres, porcentaje de afrodescendientes y porcentaje de cabezas de hogar-soltero(a), porcentaje de individuos con educación universitaria), condiciones económicas (porcentaje de individuos que laboran en el sector secundario y tasa de desempleo), y condiciones del entorno (porcentaje de viviendas precarias y densidad poblacional). Se intentó incorporar como variables explicativas la tasa de homicidios y el porcentaje de migrantes por factores de violencia. Tanto el nivel de crimen como una mayor población de migrantes por violencia pueden incidir positivamente sobre la informalidad laboral. Sin embargo, ninguna de estas variables resultó estadísticamente significativa.

En términos de características sociales, en la Tabla 1 se observa que las variables de porcentaje de mujeres, porcentaje de población afrodescendiente y porcentaje de cabezas de hogar-soltero(a) presentan tasas promedio de 53%, 3% y 8%, respectivamente. En el Gráfico 4, se muestra la distribución espacial de las anteriores variables. Para el caso del porcentaje de mujeres no existe un patrón de concentración claro. En el caso de la población afrodescendiente, se observa que la mayor concentración de esta población se localiza en las comunas 8 y 9, con mayores porcentajes en la zona periférica de la comuna 8. En cuanto a la población cabezas de hogar-soltero(a) se observa que en algunas zonas de El Poblado (comuna 14), Guayabal (comuna 15) y La Candelaria (comuna 10) existen las mayores tasas de personas que asumen la responsabilidad de sus hogares de manera individual.

En términos de educación, se tomó como referencia la educación universitaria, que agrupa a todas aquellas personas que han aprobado niveles de educación universitaria y posgrados. Las estadísticas descriptivas de esta variable, reportadas en la Tabla 1, muestran que en promedio el 15% de la población de Medellín tiene educación superior. En términos de su distribución espacial, el Gráfico 5 muestra que, contrario a lo observado con la tasa de informalidad, las regiones con mayores niveles de población con educación universitaria se encuentran en las comunas El Poblado (14) y Laureles (11). Existe, por tanto, un patrón de desigualdad claro en términos de accesos a educación universitaria en la ciudad, puesto que es evidente que solo aquellas personas con condiciones de vida favorables logran acceder a niveles educativos altos y logran ubicarse en mejores puestos de trabajo, mientras que los individuos con peores condiciones socioeconómicas tienen menos probabilidad obtener mayores niveles educativos y son más propensos a ubicarse en la informalidad. Este patrón se refleja espacialmente y da indicios de procesos de segregación socio-espacial, en términos de que la ciudad se segmenta entre zonas con mejores condiciones socioeconómicas y zonas reprimidas en las que abundan individuos con bajo capital humano y peores condiciones económicas y sociales.

Para analizar las condiciones económicas de las regiones, se utilizan las variables de tasa de desempleo y porcentaje de individuos en el sector secundario de la economía. La tasa de desempleo (desempleados/PEA) permite determinar qué tan consolidado se encuentra el mercado laboral en las regiones y en qué estado se encuentra la fuerza laboral. El porcentaje de individuos trabajando en el sector secundario son aquellos individuos que trabajan en el sector de la industria, construcción y servicios públicos (gas, electricidad agua y alcantarillado). Esta variable de sector económico nos permite acercarnos al grado de modernidad de los trabajos de los individuos y cómo se distribuye este entre las regiones analizadas.

La tasa de desempleo en Medellín se encuentra en promedio en 10,16%, con regiones que pueden tener un máximo de desempleo de 23% ( Tabla 1). En términos de su distribución geográficas a través de las regiones analíticas, el Gráfico 6 muestra que las mayores tasas de desempleo se encuentran en regiones periféricas ubicadas en la parte norte de la ciudad, mientras que los menores niveles se localizan en la región sur-occidental de la ciudad específicamente en la comuna El Poblado. Aunque la zona centro-occidente también presenta menores niveles de desempleo, nuevamente se identifica que los mejores indicadores socioeconómicos los presentan regiones donde las condiciones de vida de los habitantes son las más favorables.

En términos de la proporción de trabajadores en el sector secundario, se tiene que en promedio el 14,14% de los trabajadores de la ciudad están empleados en este sector. La distribución espacial de esta variable (Gráfico 7) muestra que en 4 de las 134 regiones se presentan las tasas más altas de las cuales 2 se encuentran ubicadas en el norte donde las condiciones de vida son más vulnerables que en el resto de la ciudad. De igual forma, se observa que en regiones de la zona sur y norte existen comunas donde la proporción de personas que trabajan en el sector secundario se ubica en el mismo rango de 13% a 22% (comunas El Poblado, Manrique y Castilla), mientas que las tasas más bajas se localizan en las comunas San Javier y Buenos Aires.

Por último, y con respecto a características del entorno, las variables densidad y porcentaje de vivienda precaria permiten inferir cuales son las condiciones del hábitat donde residen los hogares en cada región. La variable densidad obedece al número de personas por kilómetro cuadrado en cada región. En este caso, la Tabla 1 presenta un promedio de 175 habitantes por kilómetro cuadrado. Se da la apariencia de que existen regiones donde se aglomeran personas en muy poco espacio versus regiones donde los habitantes gozan de mayor número de metros cuadrados. De acuerdo con el Gráfico 8, las regiones analíticas donde se presenta la mayor aglomeración de habitantes se ubica en la zona norte de la ciudad, específicamente en las comunas Castilla, Santa Cruz, Aranjuez y Popular. Esta última comuna agrupa varias características que determinan la situación de precariedad en la que viven sus habitantes.

La variable porcentaje de viviendas precarias fue construida con base en la literatura relacionada con el indicador Slum, utilizado para estudios de pobreza y criminalidad (^{UN Habitat, 2003}; ²⁰⁰⁶). Esta variable sirve para determinar si existe algún efecto de las condiciones en que viven los individuos sobre su calidad del empleo. Siguiendo la definición de ^{UN Habitat (2006)} una vivienda en el área urbana se considera precaria si cumple con alguna de las siguientes condiciones:

Aunque la definición de ^{UN Habitat (2006)} también incluye la condición de no propiedad de la vivienda, para el caso de este estudio no se tomó esta característica, ya que en Colombia hay una alta proporción de individuos tanto de estratos socioeconómicos bajos como altos que no son propietarios de la vivienda donde habitan, por tanto, puede no ser una buena variable proxy para determinar la precariedad de la vivienda. Las estadísticas descriptivas de esta variable, reportadas en la Tabla 1, muestran que, en promedio, más de 6,5% de los individuos habitan en viviendas precarias y hay regiones con un máximo de este indicador de 32,5%. La distribución geográfica de las viviendas precarias reportadas en el Gráfico 8 muestra que existe una mayor proporción de estas viviendas en la periferia norte de Medellín, que como ya se ha comentado representa la zona más deprimida y con mayores niveles de pobreza de la ciudad (^{Duque et al., 2012}, ^{Duque et al., 2015}).

En síntesis, el anterior análisis estadístico muestra que en aquellas regiones donde hay mayores tasas de informalidad, también se presentan los menores niveles educativos de la población, habitan en mayor proporción individuos desempleados y aquellos empleados se encuentran en sectores económicos menos modernos y existen altos niveles de precariedad de la vivienda. Específicamente estas regiones son aquellas ubicadas en el costado norte de la ciudad donde las personas se encuentran atrapadas en un entorno que imposibilita mejores oportunidades laborales que propendan por el desarrollo económico y perpetúan el escenario de segmentación espacial de la ciudad.

4.1. Análisis de la distribución espacial de la informalidad

Para analizar la distribución espacial de los niveles de informalidad entre regiones analíticas se utilizan dos métodos. Primero, con el fin de resumir las propiedades espaciales de los datos y medir los niveles de autocorrelación espacial global, esto es, el nivel de agrupamiento espacial, se calcula el estadístico I de Moran. De acuerdo con ^{Mitchell (1999)} y ^{LeGallo (2002)} una I de Moran mayor que cero es indicio de dependencia espacial positiva e indica que niveles similares de empleo informal se encuentran agrupados. Segundo, si bien la I de Moran es útil como una medida resumen de la autocorrelación espacial global, este estadístico no permite identificar los patrones locales de asociación espacial, es decir, si existen o no clusters de informalidad concentrados en lugares particulares de la ciudad. En esta parte, entonces, se calculan indicadores locales de asociación espacial (LISA, por sus siglas en inglés) para cada región analítica (^{Anselin, 1995}).

Es importante tener en cuenta que en el cálculo de la I de Moran y los LISA se debe calcular una matriz de pesos espaciales (W) para definir la interdependencia espacial entre las 134 regiones analíticas. En este trabajo, la contigüidad geográfica se aproxima a partir de una matriz de pesos espaciales tipo Queen de orden uno, la cual define regiones analíticas contiguas si estas comparten alguna frontera.

En el Gráfico 9 se muestra la dispersión entre el nivel de informalidad y su rezago espacial, así como el cálculo de la I de Moran y su nivel de significancia. Se observa que el estadístico de la I de Moran es alto, positivo y altamente significativo, lo cual indica que globalmente existen importantes patrones de dependencia espacial positiva en los niveles de informalidad en Medellín. En otras palabras, se corrobora que existen procesos de dependencia espacial en los niveles de informalidad en los que hay efectos de desbordamiento de este fenómeno entre regiones, con lo cual el fenómeno de informalidad de una región se encuentra asociado al nivel de informalidad en las regiones colindantes.

En el mapa LISA se puede identificar el tipo de autocorrelación espacial que existe y la formación de clusters asociados con los niveles de informalidad (Gráfico 10). El color rojo representa asociaciones high-high, es decir regiones con altos valores de informalidad se encuentran rodeadas de otras regiones también con altos valores de informalidad; y el color azul es para asociaciones low-low, que representan agrupaciones espaciales de similares bajos valores de informalidad. También existen otros dos tipos de dependencia espacial: high-low (rosado) y low-high (morado). La primeara asociación representa regiones con altos niveles de informalidad rodeados por regiones vecinas con bajos valores de este fenómeno, mientras que la segunda es lo contrario, regiones de baja informalidad rodeados de regiones de alta informalidad. Estas categorías corresponden a los cuatro cuadrantes en el gráfico de dispersión de la I de Moran (Gráfico 9) (^{Anselin, 1995}; ^{Ward y Gleditsch, 2008}), siendo las dos últimas asociaciones (high-low y low-high) datos espaciales atípicos. Regiones analíticas que no muestren autocorrelación espacial estadísticamente significativa se dejan en color gris claro.

Los resultados del mapa LISA muestran que en la zona norte de la ciudad (comunas 1, 2, 3 y 4) existe un importante clúster de regiones con altos niveles de informalidad. Este mismo tipo de clúster de informalidad aparece en zonas periféricas de la comuna 8 y entre las comunas 6 y 7. En contraste, en la zona sur de la ciudad, que comprende la comuna El Poblado, existe un gran clúster de regiones con bajos niveles de informalidad. También se identifica un corredor con bajos niveles de informalidad que agrupa varias zonas entre las comunas 11, 12 y 16.

Se identifican, por tanto, interesantes patrones espaciales de la informalidad laboral, su importante dimensión geográfica y el papel que juega en la configuración socio-espacial de Medellín. La ciudad, a grandes rasgos, se encuentra segmentada entre norte (high-high) y sur (low-low) en términos de la calidad del empleo y otras condiciones socioeconómicas a las que se encuentra relacionada esta variable.

4.2. Análisis de regresión espacial

Con el fin de analizar qué variables determinan la tasa de informalidad en las regiones analíticas que componen la ciudad de Medellín, y teniendo en cuenta el aspecto espacial como determinante en la configuración de las dinámicas laborales de la ciudad, se presentan tres tipos de modelos econométricos. Un primer modelo econométrico clásico de mínimos cuadrados ordinarios (MCO) y dos modelos econométricos que toman en cuenta la dependencia espacial entre las unidades objeto de estudio llamados: modelo espacial autorregresivo (SAR o spatial lag) y modelo de error espacial (SEM o spatial error). Estos modelos parten de la correlación entre las unidades a través del espacio y cómo los datos espaciales pueden mostrar dependencia en las variables y en el término de error.

De acuerdo con ^{Kalenkoski y Lacombe (2008)}, una familia de modelos de econometría espacial puede ser representada de la siguiente forma:

donde y representa la variable dependiente que en este caso corresponde a tasa de informalidad, ρ es el parámetro de dependencia espacial, W es la matriz de pesos espaciales, X denota el vector de variables independientes (% mujeres, % afrodescendientes, % cabeza de hogar, % educación universitaria, % sector secundario, densidad, tasa de desempleo y % vivienda precaria), y β es el vector asociado a los parámetros de la regresión. El error u es modelado por un proceso de autorregresión espacial con el parámetro de dependencia λ, y ε es un término de error aleatorio iid distribuido normal.

La ecuación (1) representa el modelo más general conocido como el modelo de autocorrelación espacial (SAC), e incluye dependencia espacial tanto en la variable dependiente y, como en el término de error u. Casos especiales de este modelo general pueden ser obtenidos restringiendo los parámetros de dependencia espacial. Por ejemplo, cuando el parámetro λ=0, se obtiene un modelo que exhibe dependencia espacial solo en la variable dependiente y, es decir el modelo espacial autorregresivo (SAR). El modelo de error espacial (SEM) aparece cuando ρ=0, generando como resultado dependencia espacial solo el término de error. Cuando se hace la doble restricción de λ=0 y ρ=0, que indica la falta de autocorrelación espacial, el resultado es la especificación del modelo por mínimos cuadrados ordinarios (MCO).

El termino W en la ecuación (1) representa la matriz de contigüidad espacial de primer orden, “que expresa para cada observación (fila) aquellas ubicaciones (columnas) que pertenecen a su vecindario establecidas como elementos no nulos” (^{Anselin y Bera, 1998}). Es decir que es una matriz de 0 y 1, donde 0 significa que no existe región colindante y 1 significa que sí la hay. La matriz W de pesos espaciales proporciona una explicación de los términos Wy y Wu. El término Wy puede considerarse como un promedio ponderado de las observaciones circundantes sobre la variable dependiente y Wu puede considerarse como un promedio ponderado de los términos de error circundantes. Dependiendo del contexto del modelo de regresión, tanto ρ como λ miden el grado de autocorrelación espacial.

El uso de estos modelos es el siguiente. El modelo SAR se utiliza cuando se cree que la dependencia espacial es inherente a la variable dependiente. La dependencia espacial en la variable dependiente puede surgir debido a varios factores. Por ejemplo, pueden existir economías de aglomeración, que generan que las firmas y los individuos se localicen conjuntamente en un punto para ahorrar costos, tomar ventaja de las fuentes naturales o acceder más fácilmente a centros de empleos (^{Rosenthal y Strange, 2004}).

El modelo SAR tiene la siguiente estructura:

La inclusión del término Wy como variable explicativa genera sesgos de simultaneidad, por lo que la estimación por MCO genera sesgo e inconsistencia en los parámetros estimados (^{Anselin, 1988}). Por lo tanto, la estimación del modelo se lleva a cabo por el método de máxima verosimilitud.

Para el caso del modelo SEM, la dependencia espacial implica correlación espacial entre los términos de error. La intuición de este modelo es que es posible tener variables omitidas que son espacialmente correlacionadas entre ellas. La estimación por MCO del modelo SEM genera estimadores insesgados pero ineficientes, con lo cual las varianzas de los estimadores serán sesgadas y la inferencia estadística será inválida (^{Dubin, 1998}). Este modelo al igual que el modelo SAR, se estima por máxima verosimilitud.

Este modelo SEM tiene la siguiente forma:

En este caso el término Wu define la relación de dependencia espacial entre los términos de error.

En la Tabla 2 se presentan los resultados de los tres modelos econométricos estimados. Las estimaciones son consistentes en términos de los valores de los coeficientes y la significancia estadística de estos. En los tres modelos se observa que un mayor porcentaje de mujeres y mayor porcentaje de viviendas precarias generan incrementos en los niveles de informalidad. Por su parte, las variables de proporción de individuos con estudios universitarios y proporción de trabajadores en el sector secundario tienen un efecto negativo sobre los niveles de informalidad.

Con el fin de determinar qué modelo elegir entre el SAR y el SEM, y poder cuantificar los efectos, se sigue la estrategia empírica propuesta por ^{Anselin, Bera, Florax y Yoon (1996)} y ^{Florax, Folmer y Rey (2003)}. Los primeros autores proveen tests de multiplicadores de Lagrange (LM) para elegir entre el modelo SAR y el modelo SEM. Existen dos tipos de test: no robustos y robustos. Los tests estadísticos no robustos se utilizan para probar sobre los residuales de la estimación por MCO la existencia de dependencia espacial en la variable dependiente (LM lag) o autocorrelación espacial en los errores (LM error). Ambos test siguen una distribución chi-cuadrado con un grado de libertad. La otra variedad de tests son los LM robustos. El estadístico LM lag robusto prueba sobre los residuales de los MCO, la existencia de dependencia espacial en la variable dependiente cuando la especificación potencialmente contiene un término de error espacialmente autocorrelacionado. Por su parte, el LM error robusto prueba sobre los residuales de los MCO la existencia de autocorrelación espacial en los errores ante la potencial existencia de dependencia espacial en la variable dependiente. Estos estadísticos robustos siguen igualmente una distribución chi-cuadrado con un grado de libertad.

Más adelante, ^{Florax et al. (2003)} definieron unas reglas que utilizan los estadísticos LM para elegir el modelo más apropiado. En la elección se siguen dos pasos. En un primer paso se calculan los estadísticos LM no robustos (LM lag y LM error). Si alguno de los dos estadísticos resulta no significativo, el modelo a elegir será aquel cuyo estadístico fue significativo. Si ambos estadísticos, por el contrario, son altamente significativos, el segundo paso implica calcular los LM robustos. Si estos estadísticos robustos son significativos, ^{Florax et al. (2003)} recomiendan escoger el estadístico con mayor valor.

Los estadísticos LM (no robustos y robustos) en nuestro caso, se muestran en la parte baja de la Tabla 2. Los resultados muestran que mientras el LM lag es significativo a un 5%, el LM error no resultó significativo a ningún nivel de significancia. Con estos resultados nos quedamos en la primera etapa del procedimiento propuesto por ^{Florax et al. (2003)} y elegimos el modelo SAR sobre el modelo SEM. Los resultados de este último modelo reportados en la columna 3 de la Cuadro 2, también muestran que el coeficiente λ del término de error espacial no es estadísticamente significativo, descartando, por tanto, dependencia espacial en el error. Este resultado es consistente con el hecho de que el estadístico I de Moran sobre el error estimado del modelo MCO (0,517), reportado en la parte baja de la Tabla 2, no es estadísticamente significativo.

Con el fin de obtener el efecto apropiado de un cambio en las variables explicatorias sobre la variable dependiente, los coeficientes estimados en el modelo SAR deben ser multiplicados por (1/(1-ρ)) (^{Kim, Phipps y Anselin, 2003}). Se observa que la estimación de ρ es positiva y significativa al 5%, lo cual indica que el nivel de informalidad de una región analítica puede ser explicado por el nivel de informalidad experimentado en las regiones analíticas vecinas, ceteris paribus, los otros determinantes económicos y sociales. En términos de las variables explicativas, se observa que el coeficiente asociado al porcentaje de mujeres es positivo y altamente significativo, indicando que un incremento en la proporción de mujeres de 10% genera un incremento en los niveles de informalidad de 7,5%. Esto es consistente con la evidencia encontrada en otros estudios donde las mujeres son más propensas a ubicarse en la informalidad debido posiblemente a procesos de discriminación laboral (^{Uribe y Ortiz, 2006}; ^{García, 2017}; ^{García y Badillo, 2017}), por lo que aquellas regiones con mayor proporción de mujeres presentan mayores niveles de informalidad.

Otra variable altamente significativa fue el nivel educativo, medido por la proporción de individuos con estudios universitarios. Se observa que esta variable presenta un efecto negativo importante sobre la informalidad. Puntualmente se tiene que un incremento en 10% de la proporción de población con estudios universitarios lleva a una reducción en los niveles de informalidad de 6,1%. Este resultado indica que el capital humano es un factor determinante en disminuir los niveles de informalidad, por lo que entornos con individuos más educados se reflejan en mejores indicadores laborales.

En relación con el efecto de la estructura sectorial de la producción de las regiones, se observa que una mayor proporción de individuos en el sector secundario disminuye los niveles de informalidad. En particular, se tiene que un incremento de 10% en la participación del sector secundario, disminuye la informalidad en 3,8%. Este efecto negativo puede estar relacionado con el hecho de que el sector secundario al representar el sector moderno de la economía es más productivo y, por tanto, ofrece mejores condiciones laborales.

Por último, otra variable que resultó estadísticamente significativa fue la medida de viviendas precarias, con un efecto positivo y bastante alto. La estimación del coeficiente asociado a esta variable muestra que un incremento en 10% en la proporción de viviendas precarias en las regiones, genera un incremento en los niveles de informalidad de 9,2%. Este resultado indica que aquellas regiones con mayores niveles de precariedad y pobreza generan condiciones más adversas para que los individuos localizados en estas áreas tengan buenos trabajos.